INVESTIGACION DE OPERACIONES

ENTREGA 3

GRUPO 2
Mateus Cruz Andrés Camilo
Mauricio Sánchez García Yeison
Jhoan Steban Sandoval Valderrama

TUTOR
MEZA VILLALVA SEBASTIAN MATEO

POLITECNICO GRANCOLOMBIANO, OCTUBRE 2022

1. Un análisis estadístico robusto de la información de entrada ( contenida en el
archivo GNVdata.xlsx), que justifique la selección de parámetros (para los 12
meses) utilizados en el modelo.

 Comportamiento de Tendencia:
El patrón de comportamiento de la tendencia muestra una variación cíclica
predecible, que se repite cada 4 series de tiempos estacionales:
 PRONÓSTICOS DE PRODUCCIÓN Y DEMANDA

Al analizar los gráficos 1 y 2, que corresponden al comportamiento de la

producción y demanda respectivamente, se ve claramente un comportamiento
cíclico cada año. En lo que se puede analizar que la demanda presenta un pico en
el mes de marzo, decrece en los meses de abril y mayo y vuelve a ser creciente a
partir del mes de junio; por otro lado en cuanto a la producción se observa un
comportamiento constante hasta abril donde empieza a decrecer hasta un mínimo
absoluto en junio para luego crecer hasta julio y mantenerse estable durante un
mes para de nuevo decrecer hasta septiembre en donde vuelve a crecer hasta
octubre y logra estabilidad hasta el siguiente año. Se concluye que, dado que
estos picos no se presentan de forma continua a lo largo del año, la demanda no
es estacional. Con ello se procede a buscar el pronóstico más acertado tanto para
la producción como para la demanda.

PR ODU CCI ON
1000
900
800
700
600
500
400
300
200
100
0
1 2 3 4 5 6 7 8 9 10 11 12

2001 2002 2003 2004 2005 2006 2007 2008

2009 2010 2011 2012 2013 2014 2015

DEMANDA
1400

1200

1000

800

600

400

200

0
1 2 3 4 5 6 7 8 9 10 11 12

AÑO 2001 AÑO 2002 AÑO 2003 AÑO 2004 AÑO 2005
AÑO 2006 AÑO 2007 AÑO 2008 AÑO 2009 AÑO 2010
AÑO 2011 AÑO 2012 AÑO 2013 AÑO 2014 AÑO 2015
Una breve explicación del modelo propuesto, en particular la representación como
red, indicando claramente los supuestos de cada uno y sus posibles limitaciones.
En particular las proposiciones (2.1), (2.2) y (2.3) son de vital interés para la
gerencia.

MODELO MLSP-PC
L=4 T=10

N0
Produccion Cusiana 0

‫ݕ‬ଵ ‫ݕ‬ଶ ‫ݕ‬ଷ ‫ݕ‬ସ ‫ݕ‬ହ ‫଺ݕ‬ ‫଻ݕ‬ ‫଼ݕ‬ ‫ݕ‬ଽ ‫ݕ‬ଵ଴ ‫ݕ‬௧ : Produccion
N1 ‫ܫ‬ଵଵ ᇹ ‫ܫ‬ଶଵ ᇹ ‫ܫ‬ଷଵ ᇹ ‫ܫ‬ସଵ ᇹ ‫ܫ‬ହଵ ᇹ ‫଺ܫ‬ଵ ᇹ ‫଻ܫ‬ଵ ‫଼ܫ‬ଵ ‫ܫ‬ଽଵ t: 10 periodos
Cusiana (1,1) (1,2) (1,3) (1,4) (1,5) (1,6) (1,7) (1,8) (1,9) (1,10)
ܺ௧௟: Cantidad a Transportar
ܺଵଵ ܺଶଵ ܺଷଵ ܺସଵ ܺହଵ ܺ଺ଵ ܺଵ଻ ଼ܺଵ ܺଽଵ ܺଵଵ଴ ‫ܫ‬௧௟ : Cantidad de Inventario
N2 ‫ܫ‬ଵଵ ‫ܫ‬ଶଵ ‫ܫ‬ଷଵ ‫ܫ‬ସଵ ‫ܫ‬ହଵ ‫଺ܫ‬ଵ ‫଻ܫ‬ଵ ‫଼ܫ‬ଵ ‫ܫ‬ଽଵ
Apiay (2,1) (2,2) (2,3) (2,4) (2,5) (2,6) (2,7) (2,8) (2,9) (2,10)
: Cantidad gas a transportar

: Cantidad Inventario gas

ܺଵଶ ܺଶଶ ܺଷଶ ܺସଶ ܺହଶ ܺ଺ଶ ܺଶ଻ ଼ܺଶ ܺଽଶ ܺଵଶ଴ entre Periodos
N3 ‫ܫ‬ଵଵଶ ‫ܫ‬ଶଶ ‫ܫ‬ଷଶ ‫ܫ‬ସଶ ‫ܫ‬ହଶ ‫଺ܫ‬ଶ ‫଻ܫ‬ଶ ‫଼ܫ‬ଶ ‫ܫ‬ଽଶ
Bogota (3,1) (3,2) (3,3) (3,4) (3,5) (3,6) (3,7) (3,8) (3,9) (3,10) ݀௧ : Demanda en Cada Periodo

ܺଵଷ ܺଶଷ ܺଷଷ ܺସଷ ܺହଷ ܺ଺ଷ ܺଷ଻ ଼ܺଷ ܺଽଷ ܺଵଷ଴
N4 ‫ܫ‬ଵଷଵ ‫ܫ‬ଶଷ ‫ܫ‬ଷଷ ‫ܫ‬ସଷ ‫ܫ‬ହଷ ‫଺ܫ‬ଷ ‫଻ܫ‬ଷ ‫଼ܫ‬ଷ ‫ܫ‬ଽଷ
Red Bogota (4,1) (4,2) (4,3) (4,4) (4,5) (4,6) (4,7) (4,8) (4,9) (4,10)

݀ଵ ݀ଶ ݀ଷ ݀ସ ݀ହ ݀଺ ݀଻ ଼݀ ݀ଽ ݀ଵ଴
ᇹ ᇹ ᇹ ᇹ ᇹ ᇹ

Las flechas verticales indican la cantidad de gas a transportar entre los diferentes
niveles, y las flechas horizontales representan la cantidad de inventario de gas
entre periodos.
VARIABLES DE DECISION
Se establecen las diferentes variables de decisión, y a partir de las cuales se
desarrolla la función objetivo.
Yt = Cantidad de gas en Giga BTU a producir en el campo Cusiana en el periodo t,
en un tiempo de 10 meses.
Xlt = Cantidad de gas en Giga BTU a transportar desde un nivel l hasta el nivel
siguiente l + 1 durante el periodo t, en un tiempo de 10 meses.
Ilt = Cantidad de gas en Giga BTU en el nivel l del periodo t, en un tiempo de 10
meses.

ANÁLISIS DEL MODELO MLSP-PC

Como podemos ver en la lectura “Integrated Lot Sizing in Serial Supply Chains
with Production Capacties” se plantea un problema de flujo de red de costo
mínimo, donde la producción, el inventario y el transporte se integran con la
capacidad de producción y las funciones de costos.
Se nos dice que podemos tener almacenaje en el nivel de manufactura o
transportados al primer nivel de bodegaje y de esta forma en una serie tras cada
nivel se puede almacenar o transportar directamente al siguiente nivel de
bodegaje, de esta manera hasta llegar al distribuidor final.
En este caso contamos con una única fuente, el campo de producción Cusiana y
sus respectivas líneas de distribución Cusiana-Apiay-Bogotá.
El modelo MLSP-PC se formula así:

Donde:
T = horizonte de planeación
t=¿ Periodo determinado en el horizonte de planeación
y t = Cantidad producida en un periodo t

x lt = Cantidad entregada desde un nivel l hasta un nivel l+1 en un periodo t

l
I t = Cantidad de inventario en un nivel l y al final de un periodo t
pt = Coste de producción en un periodo determinado

c lt = Costo de transporte desde un nivel l y al final de un periodo t

Decimos entonces que la fórmula se entiende a partir de:

un criterio de optimización:
T

∑❑
t =1

costos de producción:
pt ( y t )

Costos de transporte:
L−1

∑ C lt ( x lt )
t =1

Costos de almacenamiento:
L

∑ hlt ( I lt )
t =1

Para lo anterior se contemplan las siguientes restricciones:

x 1t + I 1t = y t + I 1t −1 , t=1 … , T ,

La cantidad entregada en el nivel 1 más la cantidad de inventario en el nivel 1

debe ser igual a la cantidad producida en ese periodo t determinado más la
cantidad en inventario del periodo anterior (t-1).
l l l−1 l
x t + I t =xt + I t−1 ,t=1 … , T ; l=2 , … , L−1

La suma de una cantidad entregada y la cantidad en inventario en un mismo nivel

en un periodo t determinado debe ser igual a la suma de la cantidad entregada en
el periodo anterior más la cantidad de inventario en el mismo nivel, pero en el
periodo anterior.
L L−1 L
d t + I t =x t + I t−1 ,t=1 … , T

La demanda en un periodo sumada al nivel de inventario de un nivel en dicho

periodo debe ser igual a la suma de la cantidad entregada en un nivel L-1 más la
cantidad de inventario, pero del periodo anterior (t-1)
y t ≤ bt , t=1 … , T
La cantidad producida en un periodo debe ser menor o igual a la capacidad de
producción.
l
I 0=0 , l=1 … , L

El inventario en un periodo cero en un nivel cualquiera debe ser cero.

Restricción de no negativa, en la cual se establece que las variables de decisión
no podrán tomar valores inferiores acero
L L
Y t ≥ 0 ; xt ≥ 0 ; It ≥ 0

FUNCION DE OBJETIVO
Min(Z)=P1y1+P2y2+P3y3+P4y4+c11x11+c21x21+c12x12+c22x22+c13x13+c23x
23+c14x14+c24x24+h11I11+h12I12+h13I13+h21I21+h22I22+h23I23+h31I31+h32
I32+h33I33
Restricciones Se debe determinar cuál es el objetivo de la función objetivo y
describir brevemente
x11+ I11= y1+ 0 x12+ I12= y2+ I11x13+ I13= y3+ I12x14+ I14= y4+ I13
Flujo de entrada Se debe definir brevemente para que existe esta restricción.
Restricciones
x21+ I21= x11+ 0 x22+ I22= x12+ I21x23+ I23= x13+ I22x24+ 0 = x14+I23
Balance de inventario
Definir Para que existe este conjunto de restricciones, que significan brevemente
Considerar que en el modelo del proyecto existen dos puntos de transbordo y en
este solo un Flujo de salida
d1+ I31= x21+ 0 d2+ I32= x22+ I31d3+ I33= x33+ I42d4+ 0 = x34+ I43
Restricciones de capacidad de producción
y1<= b1y2<= b2y3<= b3 y4<= b4
Inventario inicial
El inventario inicial para el período 0 en cada nivel debe ser
0I10 <= 0I20<= 0 I30<= 0yt>= 0 xlt>= 0 ∀l= 1, 2, 3Ilt>= 0 ∀t = 1, 2, 3, 4
Proposición 2.1

“Cualquier punto extremo de la solución factible puede descomponerse en una

secuencia de sub- planes consecutivos” (Hoesel, 2005).

Con el fin de satisfacer la demanda de gas durante cada uno de los meses, se
pueden trazar diversas rutas de distribución a través de la red descrita
anteriormente, rutas que incluirán los inventarios y despachos de gas para cumplir
con la demanda, tal cual como es esperado.
Proposición 2.2

“Un subplan puede contener como máximo un arco de producción libre” (Hoesel,
2005)

En la sub red, solo podrá existir un arco de producción, el cual se encuentre por
debajo de su capacidad, los demás deberán aportar la capacidad de su
distribución.

Proposición 2.3
“En un subplan, la cantidad transportada entre niveles l y l +1 en algún
periodo hace que las cantidades transportadas acumuladas hasta el
momento en el subplan sean iguales a las cantidades acumuladas de
producción de una secuencia inicial de periodos de producción consecutivos
en el subplan o al acumulado de la demanda de una secuencia inicial de
periodos de demanda en el subplan” (Hoesel, 2005).
Es la cantidad de gas movilizada entre los niveles en un mes, almacenado o
transportado, mediante una subred será igual a la cantidad de gas acumulada
producida en los meses anteriores al subplan.

SUAVIZACIÓN EXPONENCIAL SIMPLE

El método a continuación permite determinar un pronóstico con una cantidad
reducida de datos históricos y contrasta los acontecimientos recientes
comparándolos con los más antiguos, adicional a esto regula el pronóstico a
través del valor alfa, que se calcula mediante la optimización para minimizar el
error. No obstante, al realizar este método de predicción, se obtienen que, en los
pronósticos siguientes a pesar de observar la ciclicidad, están desfasadas,
provocando un gran error en este método.
 PRONOSTICO POR SUAVIZACION
1400
1200
1000
800
600
400
200
0
er
o ro zo ril ay
o
ni
o li o t o
br
e
br
e
br
e
br
e
En re ar Ab Ju Ju os tu m
F eb M M Ag tie
m
Oc
vie
m
ci e
S e p
No Di

2015 2016

PROMEDIO MOVIL PONDERADO

Mediante el método del promedio móvil ponderado es posible permite calcular las
estimaciones a de acuerdo a la asignación de importancia según sean
considerados los elementos. En esta situación, gracias al alto volumen de datos
históricos disponibles, se seleccionó 12 periodos para realizar la ponderación, en
otras palabras, se le asignó un peso a cada mes y según la optimización el primer
periodo era el que mayor influencia tenía sobre el pronóstico. Como puede verse
en los gráficos a continuación, la estimación es correcta, con un MAPE inferior del
4%.

PRONOSTICO POR PROMEDIO MOVIL

1400
1200
1000
800
600
400
200
0
er
o ro zo ril ay
o
ni
o li o t o
br
e
br
e
br
e
br
e
En re ar Ab Ju Ju os tu
F eb M M Ag tie
m
Oc
vie
m
ci e
m
S e p
N o Di

2015 2016
Adjuntamos el soporte del programa Gams: