UNIVERSIDAD MAYOR DE SAN ANDRÉS

FACULTAD DE CIENCIAS PURAS Y NATURALES

CARRERA DE INFORMÁTICA

TESIS DE GRADO
“MODELO DE SIMULACIÓN PARA DETERMINAR LA VIDA ÚTIL DEL
RELLENO SANITARIO DE ALPACOMA DE LA CIUDAD DE LA PAZ”

PARA OPTAR EL TÍTULO DE LICENCIATURA EN INFORMÁTICA

MENCIÓN: INGENIERÍA DE SISTEMAS INFORMÁTICOS

POSTULANTE : CRISTHIAN POMA CAPARICONA

TUTOR METODOLÓGICO : M.SC ALDO RAMIRO VALDEZ ALVARADO
ASESORA : LIC. BRÍGIDA ALEXANDRA CARVAJAL BLANCO

LA PAZ – BOLIVIA

2015
 UNIVERSIDAD MAYOR DE SAN ANDRÉS
FACULTAD DE CIENCIAS PURAS Y NATURALES
CARRERA DE INFORMÁTICA

LA CARRERA DE INFORMÁTICA DE LA FACULTAD DE CIENCIAS PURAS Y

NATURALES PERTENECIENTE A LA UNIVERSIDAD MAYOR DE SAN ANDRÉS
AUTORIZA EL USO DE LA INFORMACIÓN CONTENIDA EN ESTE
DOCUMENTO SI LOS PROPÓSITOS SON ESTRICTAMENTE ACADÉMICOS.

LICENCIA DE USO

El usuario está autorizado a:

a) visualizar el documento mediante el uso de un ordenador o dispositivo móvil.

b) copiar, almacenar o imprimir si ha de ser de uso exclusivamente personal y privado.
c) copiar textualmente parte(s) de su contenido mencionando la fuente y/o haciendo la
referencia correspondiente respetando normas de redacción e investigación.

El usuario no puede publicar, distribuir o realizar emisión o exhibición alguna de este

material, sin la autorización correspondiente.

TODOS LOS DERECHOS RESERVADOS. EL USO NO AUTORIZADO DE LOS

CONTENIDOS PUBLICADOS EN ESTE SITIO DERIVARA EN EL INICIO DE
ACCIONES LEGALES CONTEMPLADOS EN LA LEY DE DERECHOS DE AUTOR.
Dedicatoria:
A mis Padres, familia.
Amigas y Amigos.
Pc.
 AGRADECIMIENTOS

Ante todo a Dios que me permite cumplir con una meta más en mi vida, quien siempre está
en todo momento conmigo.

A mi madre, quien siempre ha estado en los momentos más difíciles que la he necesitado,
gracias mamita por sacrificarte por mí y mi hermano, esto solo es un paso que doy en mi
vida, y es gracias a ti. Te amo mamita Aquilina. Así también a mi padre Celso, quien
siempre me ha dado fuerza de superación en todo momento y a pesar de varios problemas
siempre me apoyaste, mil gracias papá te quiero. Así también a mi hermano con quien
comparto ideas constructivas gracias Rodrigo.

Al M. SC. Aldo Ramiro Valdez Alvarado, Lic. Brígida Alexandra Carvajal Blanco quienes
me colaboraron de forma excelente en la elaboración de la presente Tesis, gracias por sus
observaciones, sugerencias y conocimientos entregados.

A los docentes de nuestra prestigiosa carrera de Informática con quienes tuve el grato honor
de pasar clases, gracias por los conocimientos brindados para mi formación.

A mis grandes Amigas y Amigos de la universidad con los quienes compartí y aun
comparto, momentos inolvidables desde inicios de carrera, gracias por su apoyo
incondicional. Pero en especial a mi Grupo de amigos con los que comenzamos este
recorrido: Marcelo, Ivar, Royer, Pedro y Cristian con los cuales siempre compartimos
conocimiento, alegrías y sobre todo hermandad. Gracias chicos, valoro su amistad.

A todas esas personas que también me apoyaron, aunque no hayamos confraternizado

gracias por sus mensajes y sugerencias.

Agradezco a nuestra prestigiosa casa de estudio Universidad Mayor de San Andrés y en

especial a la carrera de Informática, por acogerme en sus aulas de conocimiento.
 RESUMEN

El presente trabajo de investigación, se elabora un modelo de simulación que ayude a

representar los problemas que tiene el sistema a ser estudiado; en este caso, los procesos de
recolección de residuos sólidos. Siguiendo una metodología de investigación que permitirá
determinar la vida útil del relleno sanitario de Alpacoma de la ciudad de La Paz, utilizando
las cadenas de Markov como modelo planteado para realizar la simulación, modelo que
seguirá el proceso de simulación para su elaboración. Las cadenas de Markov es una
alternativa de de modelización para determinar la vida útil del relleno sanitario (R.S.) con el
mejor enfoque posible en la representación del modelo de simulación.

El modelo planteado es experimentado para determinar las probabilidades de estado que

tendrá nuestro modelo de simulación y a partir de ello determinar la vida útil del relleno
sanitario de Alpacoma. Se tomara datos de entrada a partir de 2011 a 2013 para nuestro,
validación, verificación y experimentación de modelo planteado. Así también como
gráficos, tabla de estadísticas, como el censo poblacional de la ciudad de La Paz, entre
otros.

Los resultados generados por nuestro modelo de simulación a partir del prototipo diseñado,
demuestran una razonable representación la generación de residuos para determinar la vida
útil del relleno sanitario. Haciendo una comparación con un modelo matemático, para
analizar y verificar nuestras salidas que generara el modelo planteado.

Palabras Clave: Simulación, Modelo, Cadenas de Markov, Relleno Sanitario, Vida útil.
 ABSTRACT

The present research, a simulation model that helps to represent the problems the system to
be studied is made; in this case, the processes of solid waste. Following a research
methodology that will determine the life of the landfill Alpacoma city of La Paz, using
Markov chains as proposed model for the simulation model that will continue the
simulation process for its preparation. Markov chains are an alternative modeling to
determine the useful life of the landfill (RS) with the best possible approach to the
representation of the simulation model.

The proposed model is seen to determine the state probabilities will have our simulation
model and from that determine the life of the landfill Alpacoma. This input data took from
2011 to 2013 for us, validation, verification and testing of proposed model. As well as
graphics, table statistics, such as population census of the city of La Paz, among others.

The results generated by our simulation model from prototype designed, demonstrate a
reasonable representation waste generation to determine the useful life of the landfill.
Making a comparison with a mathematical model to analyze and verify our outputs
generated by the proposed model.

Keywords: Simulation, Model, Markov chains, Landfill, lifetime.

 ÍNDICE
CAPÍTULO I ........................................................................................................................ 1
MARCO INTRODUCTORIO ............................................................................................ 1
1.1 INTRODUCCIÓN .............................................................................................................. 1
1.2 ANTECEDENTES ............................................................................................................. 2
1.3 PLANTEAMIENTO DEL PROBLEMA .................................................................................. 7
1.3.1 Problema Central ......................................................................................................... 10
1.3.2 Problemas Secundarios ................................................................................................ 10
1.4 DEFINICIÓN DE OBJETIVOS ........................................................................................... 11
1.4.1 Objetivo General.......................................................................................................... 11
1.4.2 OBJETIVOS ESPECÍFICOS ........................................................................................... 11
1.5 HIPÓTESIS .................................................................................................................... 12
1.5.1 Operacionalización de Variables ................................................................................. 12
1.6 JUSTIFICACIÓN ............................................................................................................. 13
1.6.1 Económica ................................................................................................................... 13
1.6.2 Social ........................................................................................................................... 14
1.6.3 Científica ..................................................................................................................... 14
1.7 ALCANCES Y LÍMITES................................................................................................... 14
1.7.1 Alcances ...................................................................................................................... 14
1.7.2 Límites ......................................................................................................................... 15
1.8 APORTES ...................................................................................................................... 15
1.8.1 Teórico ......................................................................................................................... 15
1.8.2 PRÁCTICO.................................................................................................................. 15
1.9 METODOLOGÍA............................................................................................................. 16
CAPÍTULO II ..................................................................................................................... 17
MARCO TEÓRICO ........................................................................................................... 17
2.1 SIMULACIÓN ................................................................................................................ 17
2.1.1 Tipos de Simulación .................................................................................................... 18
2.1.2 Simulación por Computadora ...................................................................................... 18
2.2 MODELO ...................................................................................................................... 18
2.2.1 Clasificación de los modelos ....................................................................................... 20
2.3 MODELO DE SIMULACIÓN ............................................................................................ 20
2.4 PROCESO DE SIMULACIÓN ............................................................................................ 21
2.4.10 Lenguaje de Simulación ............................................................................................ 29
2.4.11 Software de Simulación ............................................................................................. 29
 2.5 PROCESOS ESTOCÁSTICOS ............................................................................................ 30
2.5.1 Cadenas Markov .......................................................................................................... 30
2.5.2 Matriz de Transición.................................................................................................... 32
2.6 RELLENO SANITARIO (RS) ........................................................................................... 33
2.6.1 Residuos ...................................................................................................................... 34
2.6.2 Tipos de Residuos........................................................................................................ 35
2.6.3 Residuos Sólidos ......................................................................................................... 36
2.7 PROCESO DE GENERACIÓN DE RESIDUOS EN LA CIUDAD DE LA PAZ ............................ 37
2.8 VIDA ÚTIL.................................................................................................................... 40
CAPÍTULO III ................................................................................................................... 41
MARCO APLICATIVO .................................................................................................... 41
3.1 INTRODUCCIÓN ............................................................................................................ 41
3.2 FORMULACIÓN DEL MODELO ....................................................................................... 41
3.2.1 Formulación Informal del Modelo .............................................................................. 41
3.2.2 Descripción Formal del Modelo. ................................................................................. 48
3.3 COLECCIÓN DE DATOS ................................................................................................. 52
3.4 IMPLEMENTACIÓN DEL MODELO EN LA COMPUTADORA. ............................................ 52
3.5 VERIFICACIÓN. ............................................................................................................. 54
3.6 VALIDACIÓN. ............................................................................................................... 61
3.7 EXPERIMENTACIÓN. ..................................................................................................... 63
3.8 INTERPRETACIÓN. ........................................................................................................ 65
CAPÍTULO IV.................................................................................................................... 67
PRUEBA DE HIPÓTESIS................................................................................................. 67
4.1 PRUEBA DE HIPÓTESIS ................................................................................................. 67
CAPÍTULO V ..................................................................................................................... 73
CONCLUSIONES Y RECOMENDACIONES ............................................................... 73
5.1 CONCLUSIONES ............................................................................................................ 73
5.2 RECOMENDACIONES ..................................................................................................... 74
BIBLIOGRAFÍA ................................................................................................................ 75
 ÍNDICE DE TABLAS

TABLA 1.1 Diagnóstico Del Relleno Sanitario Nuevo Jardín De Alpacoma ....................... 9
TABLA 1.2 Operacionalización De Variables .................................................................... 13
TABLA 2.1 Tipos De Simulación ....................................................................................... 18
TABLA 2.2 Tipos De Modelo ............................................................................................. 20
TABLA 3.1 Población De La Ciudad De La Paz Hasta El Año 2022 ................................. 43
TABLA 3.2: Producción Percápita De Residuos................................................................. 43
TABLA 3.3 Producción Diaria De Residuos ....................................................................... 44
TABLA 3.4: Volumen Diario De Residuos Ingresados Y Compactados ............................ 45
TABLA 3.5 Volumen Anual ................................................................................................ 46
TABLA 3.6 Volumen Del Relleno Sanitario De Alpacoma ................................................ 47
TABLA 3.7 Parámetros Del Modelo ................................................................................... 50
TABLA 3.8 Datos Generados De La Simulación ................................................................ 58
TABLA 3.9 Comparación De Resultados............................................................................ 61
TABLA 3.10 Datos De Los Experimentos .......................................................................... 63
TABLA 3.11 Datos De Los Experimentos .......................................................................... 64
TABLA 3.12 Cambio De Los Estados En Cada Experimento ............................................ 65
TABLA 4.1 Volumen De Residuos Hasta El 2022 ............................................................. 69
TABLA 4.2 Comparación Del Modelo Informal Y Formal ................................................ 70
TABLA 4.3 Datos Para La Prueba De Kolgomorov ........................................................... 70
TABLA 4.4 Prueba De Kolgomorov ................................................................................... 71
 ÍNDICE DE FIGURAS

FIGURA 1.1 Residuos En La Ciudad De La Paz .................................................................. 7

FIGURA 1.2 Vista Satelital Del Relleno Sanitario De Alpacoma ...................................... 10
FIGURA 2.1 Concepto De Modelo ..................................................................................... 19
FIGURA 2.2 Diagrama Del Proceso De Simulación .......................................................... 22
FIGURA 2.3 Residuos Generados En Las Calles De La Paz .............................................. 35
FIGURA 2.4 Residuos Sólidos............................................................................................ 37
FIGURA 2.5 Residuos En La Ciudad De La Paz ................................................................ 38
FIGURA 2.7 Relleno Sanitario De Alpacoma .................................................................... 40
FIGURA 3.1 Prototipo Del Modelo De Simulación ........................................................... 54
FIGURA 3.2 Datos De Entrada ........................................................................................... 55
FIGURA 3.3 Datos De Entrada ........................................................................................... 56
FIGURA 3.4 Datos De Salida ............................................................................................. 56
FIGURA 3.5 Datos De Salida ............................................................................................. 57
FIGURA 3.6 Datos Generados De La Simulación .............................................................. 57
FIGURA 3.7 Crecimiento Poblacional ................................................................................ 58
FIGURA 3.8 Volumen Anual Residuos Generados Hasta 2022 ......................................... 59
FIGURA 3.9 Gráfico De Vida Útil ..................................................................................... 59
FIGURA 3.10 Última Iteración De La Matriz De Transición ............................................. 60
FIGURA 3.11 Comportamiento De La Cadena De Markov ............................................... 60
FIGURA 3.12 Datos De Salida ........................................................................................... 65
FIGURA 4.1 Región De Aceptación ................................................................................... 72
 ANEXOS

ANEXO A: Árbol De Problemas........................................................................................... 1

ANEXO B: Árbol De Objetivos ............................................................................................ 2
ANEXO C: Matriz De Marco Lógico ................................................................................... 3
ANEXO D: Datos De Población Y Generación De Residuos ............................................... 4
ANEXO E: Datos Generación De Residuos.......................................................................... 5
ANEXO F: Gráfica De Crecimiento Poblacional.................................................................. 6
ANEXO G: Gráfico De Vida Útil Del Relleno Sanitario ...................................................... 7
ANEXO H: Modelo De Simulación En Promodel ................................................................ 8
ANEXO I: Comportamiento Del Modelo En Promodel ....................................................... 9
ANEXO J: Resultados De La Simulación En Promodel ..................................................... 10
ANEXO K: Resultados De La Simulación En Promodel.................................................... 11
ANEXO L: Vista Satelital De La Superficie De La Ciudad De La Paz .............................. 12
ANEXO M: Proceso De Almacenaje En Un Relleno Sanitario .......................................... 13
ANEXO N: Normas Y Leyes .............................................................................................. 14
ANEXO O: El Relleno Sanitario De Alpacoma .................................................................. 15
 CAPÍTULO I
MARCO INTRODUCTORIO

1.1 Introducción

En grandes ciudades del país y especialmente en la ciudad de La Paz, en los últimos años,
los residuos sólidos han incrementando considerablemente, debido al crecimiento
demográfico de la población, al desarrollo industrial y urbanístico. Convirtiéndose en un
problema la generación de residuos aquellos que no son recolectados, reutilizados y
reciclados, los cuales generan problemas en el ecosistema. La acumulación y el inadecuado
manejo de los residuos sólidos, generan que exista un incremento en la contaminación
ambiental, contaminación en los suelos, focos de infección que son generadores de
enfermedades para población de la ciudad de La Paz.

La creación de rellenos sanitarios permite almacenar bajo suelo, reducir y compactar los
residuos que son generados por la población, con el uso de este relleno sanitario el índice
de contaminación, causado por los residuos se reduce, ya que en estos sitios, los residuos
son tratados y procesados. Para después ser enterrados bajo tierra e incinerados, es de suma
importancia para las grandes ciudades el de contar con un relleno sanitario.

En la ciudad de La Paz los residuos sólidos son recogidos por la empresa SABENPE y 9
microempresas en las laderas norte y noroeste de la mancha urbana. Los residuos se
disponen en el Relleno Sanitario Nuevo Jardín de Alpacoma, donde son tratados y
almacenados en macroceldas impermeabilizadas. El Relleno sanitario de Alpacoma, recibe
alrededor de 550 toneladas de residuos por día, lo cual hace que este pierda la capacidad de
almacenaje y así el tiempo de vida útil; datos que fueron obtenidos por el Viceministerio de
Medio Ambiente y Agua (MMyA, 2011). Debido a que de esa cantidad de residuos
generados que ingresan día a día al relleno no son reciclados, ni reutilizado por la
población.
La simulación es una herramienta de la investigación de operaciones que permite estudiar
los sistemas y los problemas de cualquier ámbito en el que es requerido. Los estudios que
se realizan con la simulación se basan en una réplica a partir de un modelo.

En la presente investigación se pretende determinar, a partir de la simulación y la

construcción de modelos, la vida de útil del relleno sanitario de Alpacoma, ubicado en la
ciudad de La Paz. Así también se pretende representar el modelo con una herramienta que
determine, a partir de la problemática, que causa la generación de residuos sólidos y por
medio de la simulación, el tiempo de vida útil del relleno mencionado.

1.2 Antecedentes

La historia y evolución de la simulación por computadora u ordenador, tiene orígenes en la

segunda guerra mundial (1949-1945) cuando dos matemáticos, John von Neumann y S.
Ulam, tenían el reto de resolver un problema complejo relacionado con el problema de los
neutrones. Los experimentos basados en prueba y error eran muy caros, el problema
demasiado complicado para ser abordarlo mediante pruebas analíticas. La aproximación se
basa en un modeló de simulación en el cuál se utiliza números aleatorios y distribuciones
de probabilidad. Método desarrollado y nombrado “Método de Montecarlo” por el
paralelismo entre la generación de números aleatorios y el juego de la ruleta. [UPC, 2009]

Durante la guerra fría se intensificó el uso de la simulación para resolver problemas de

interés militar, como ser: la guía y trayectoria de los misiles. Los cuales requieren la
resolución de sistema de ecuaciones diferenciales no lineales. Para resolver estos problemas
se utilizaron ordenadores analógicos que usaban elementos electrónicos para solucionar los
problemas matemáticos. A partir de la década de los sesenta empiezan a aparecer en el
mercado programas de simulación de sistemas de acontecimientos discretos que de a poco
empezaron a utilizar para resolver temas de ámbito civil. Los más destacados fueron el
GPSS (General Purpose System Simulator) de IBM y el SIMSCRIPT.

2
En ese mismo periodo Keith Douglas Tocher desarrolló un programa de simulación general
cuya principal tarea era el de simular una planta de producción donde las máquinas
ciclaban por estados: Ocupado, Esperando, No disponible y Fallo; de manera que las
simulaciones en los cambios de estado de las máquinas marcarán el estado definitivo de la
producción de la planta. Este trabajo produjo además el primer libro sobre la simulación:
The Art of Simulation (1963).

La revolución que se produjo en la informática a partir de los ochenta, tiene un impacto

importante en la simulación por ordenador. El uso de simuladores se generaliza en todos
los ámbitos de la ciencia y la ingeniería. Las simulaciones por computadora a veces
complementan o incluso sustituyen a los sistemas de modelización, para los que no es
posible hallar soluciones analíticas de forma cerrada. Vado, (2004).

En informática la simulación tiene mayor significado especializado. Alan Turing usó el

término “Simulación” para referirse a lo que pasa cuando una computadora digital corre
una tabla de estado que describe las transiciones de estado, las entradas y salidas de la
máquina. Lander (2007)

En el Salvador (Linares E. Gloria, 2014), realiza la “Simulación de la vida útil de la celda

No.5 del relleno sanitario de la Central Hidroeléctrica 5 de Noviembre” a partir de la
dinámica de sistemas y un modelo de simulación, para predecir la vida útil de la celda a
construirse, donde hace uso de datos de generación de la cantidad de desechos sólidos, el
volumen compactado con el material del relleno y el porcentaje de los desechos o residuos
que pueden ser reciclados.

En Bogotá Colombia (Sánchez T. Jorge, 2012) realiza “Modelación de la Incineración de

Residuos Sólidos Urbanos como alternativa complementaria al Relleno Sanitario Doña
Juana en Bogotá”. En este estudio se analiza la recuperación de la energía de los residuos
sólidos urbanos (RSU) que se disponen en el Relleno Sanitario Doña Juana (RSDJ) a través

3
del proceso de incineración, para diferentes escenarios simulados. Se tiene en cuenta la
tendencia actual de generación de residuos fermentables, papel y cartón, textil, y madera, su
influencia en los flujos másicos y de energía en el sistema de incineración, así como en la
disminución del volumen de residuos que se disponen en el relleno y por ende en el
aumento de su vida útil. Para su desarrollo se utilizó el software STELLA, información
relacionada con la disposición de residuos en el relleno sanitario y del crecimiento
poblacional de los lugares que lo sirven. Los resultados obtenidos permitieron estimar el
poder calorífico teórico de los residuos analizados, la cantidad de energía que podrían
generar al ser incinerados y su influencia en la vida útil del relleno.

En Chile (Vásquez O., 2005) “Modelo de simulación de gestión de residuos sólidos

domiciliarios en la Región Metropolitana de Chile”. En este artículo se presenta un modelo
que permite simular el impacto de un plan de gestión para el manejo de los residuos sólidos
domiciliarios en la región metropolitana de Chile. El modelo fue construido utilizando
dinámica de sistemas y programado en Powersim. El modelo integra los diversos
componentes participantes, tales como: población, condición socioeconómica, recolección
de residuos, vertederos ilegales de residuos, estaciones de transferencias y rellenos
sanitarios. Se concluye que una campaña informativa y funcional, la cual aumenta los
residuos reciclados, tiene una incidencia significativa en la cantidad de residuos en los
rellenos sanitarios y en los costos asociados a la producción, recolección y disposición de
los residuos sólidos domiciliarios en la región metropolitana de Chile.

Según estudios realizados respecto a simulación de vida útil de Rellenos Sanitarios, existe
poca información en nuestro medio; la mayor parte de los trabajos van orientados a estudios
de reciclaje, efectos de contaminación ambiental, diagnósticos de residuos sólidos e
importancia económica del reciclaje. Siendo estos estudios teóricos y estadísticos.
Entre estos podemos citar los siguientes:
En el (Ministerio de Medio Ambiente y Agua. 2011) Bajo la dirección de el Ministro Dr.
Felipe Quispe Quenta. Viceministro Lic. José Antonio Zamora y Director General de

4
Gestión Integral de Residuos Sólidos. Se hace el “Diagnóstico de Residuos Sólidos en la
Ciudad de La Paz”.
Donde se hace un diagnóstico de residuos generados en el Departamento de La Paz con
información cualitativa y cuantitativa obtenida a través de visitas a municipios, entrevistas
a autoridades y técnicos municipales. Diagnóstico que se realiza a través de una muestra
analizada del 95.5% de la población urbana y el 1.8% del total de la población rural.

La Universidad Mayor de San Andrés (Instituto de Ingeniería Sanitaria y Ambiental. 2014)

Propone “Aprovechamiento de Biogás generado en el relleno sanitario Nuevo Jardín –
Municipio de La Paz”.
Donde se realizó un proyecto de control y captura de biogás para obtención de beneficios
económicos y ambientales; mediante la aplicación del modelo Mexicano Biogás V2.0.

Nuevamente nuestra casa de estudio Universidad Mayor de San Andrés (Instituto de

Ingeniería Sanitaria y Ambiental, 2014) Hace el estudio de “Indicadores de salud ambiental
urbana Municipio de La Paz”.

Trabajo aplicado al modelo ISA/JP, como indicador de salud ambiental, estudio realizado
para completar los resultados con el Sistema de Información Georeferenciada para cálculos
y espacialización de la información.

La Universidad Mayor de San Andrés (Instituto de Ingeniería Sanitaria y Ambiental, 2014)

Realiza un estudio de “Base de Datos de la calidad de agua de las principales vertientes de
la ciudad de La Paz”
Se analizó la implementación de una Base de Datos de calidad de agua de las principales
vertientes de la ciudad de La Paz, convirtiéndola en una herramienta de recolección,
actualización y mantenimiento de toda información relativa al agua subterránea de la
ciudad de La Paz.

5
(Nataly Zavala Laos, 2012) Realiza “La Importancia Económica del Reciclaje de Residuos
Sólidos Inorgánicos en el Macro-Distrito de la Periférica de la Ciudad de La Paz periodo
1999-2011” Donde plantea el manejo del reciclaje de residuos sólidos inorgánicos, para
reducir gastos y generar ingresos en la población.

En cuanto a Proyectos y Tesis de Grado respecto a simulación de la Vida útil se encontró

muy poco. Podemos mencionar las siguientes Tesis sobre Residuos:

 Título: “Caracterización de residuos sólidos urbanos y análisis de opciones de

revalorización de materiales en el municipio de Cercado, Cochabamba
Bolivia”.
Autor: Claudia Toledo Medrano y Marcos Luján Pérez.
Año: 2008

Donde propone implementar un sistema de separación en origen, una planta de

recuperación y transformación de materiales de residuos sólidos, en el municipio de
Cercado. El cuál permitirá reducir costos en la operación del relleno sanitario y la
prolongación de la vida útil de este relleno sanitario. Estudio realizado por el
Departamento de Ciencias Exactas e ingeniería Universidad Católica Boliviana.

 Título: “Modelo de Simulación para la aglomeración de Residuos Sólidos

CASO: Ciudad de La Paz”.
Autor: David Quispe Mamani
Año: 2011

En el cual se presenta un modelo que permite simular el crecimiento y aglomeración

de residuos sólidos de la ciudad de La Paz. A partir del estudio del crecimiento
poblacional y la generación de residuos, determinando así la vida útil del relleno

6
 sanitario. Modelo construido desde la dinámica de sistemas y desarrollando la
simulación con el software Vensim PLE.

1.3 Planteamiento del Problema

En la ciudad de La Paz, cerca de un millón de habitantes generan cada jornada centenares

de toneladas de desechos sólidos; además de miles de litros de aguas servidas, se estima
según los datos de la Liga de Defensa del Medio Ambiente (Lidema) que el total de
desperdicios por día es de 550 toneladas métricas (Tm), de los cuales un 58,95 por ciento
son desechos alimenticios, es decir basura orgánica. Pero las cifras pueden variar de
acuerdo a la época del año y al comportamiento consumista que asuman los paceños.
(LIDEMA, 2011).

Figura 1.1 Residuos en la Ciudad de La Paz

Fuente: La Prensa, 2014
Los residuos sólidos que son generados por los habitantes de La Paz provenientes de sus
siete macro distritos urbanos, son depositados en el Relleno Sanitario de Alpacoma donde
se instaló una planta de procesamiento en una superficie aproximada de 40 hectáreas. Para

7
la Liga de Defensa del Medio Ambiente (Lidema), del total de residuos sólidos que se
genera por día 550 toneladas métricas, cifra que puede variar por la época del año, un 17,84
por ciento puede ser reciclado.

Desde el año 2006, en el marco de una concesión suscrita entre la municipalidad y la

empresa privada TERSA, se facultó la ejecución de las operaciones inherentes a la
disposición final del 100% de los residuos sólidos que ingresan al Relleno Sanitario por una
vigencia de 20 años. Como trabajos cotidianos que realiza la empresa se mencionan los
siguientes:

 Verificación y pesaje de residuos sólidos.

 Descarga de residuos en los frentes de trabajo activos asignados.
 Construcción y operación de las macro celdas y celdas diarias para la disposición
final de residuos sólidos y patógenos.
 Movimiento de tierras para la cobertura diaria de las celdas.
 Construcción, perfilado de cortes y taludes.
 Impermeabilización de celdas con geomembranas.
 Impermeabilización de sistemas de drenajes de lixiviados.
 Impermeabilización de sistemas de evacuación de biogás.

Parámetros Descripción
Ubicación 14 Km del centro urbano de la ciudad
Área Total 40 Has.
Superficie
Área Utilizada 35,30 Has.
Año de inicio de
2004
Operaciones

8
 Toneladas Dispuestas 453 Ton/día promedio
Entidad Operadora TERSA
Tipo de Impermeabilización Geomembrana y Arcilla
Venteo y quema de gases, flujo de biogás promedio
Captación de gases
35.21 m3/hora
Captación de lixiviados Drenes de PVC(Polivinilo de Cloruro)
Cerco perimetral y área de amortiguamiento, como
Infraestructura
medida de seguridad.
Control de plagas y vectores Diariamente
Costo de Disposición 64.0 Bs/Ton.

Tabla 1.1 Diagnóstico del Relleno Sanitario Nuevo Jardín de Alpacoma

Fuente: Diagnóstico de la Gestión de Residuos sólidos en el Departamento de La Paz,
2010-2011.

La generación de residuos es algo que no podemos controlar, y mucho más cuando la

población va incrementando. En diferentes hogares, colegios, hospitales, instituciones,
empresas e industrias de nuestra ciudad de La Paz, se genera residuos, ya sea plástico,
papel, residuos orgánicos y otros. Estos residuos llegan a ser depositados en el relleno
sanitario de La Paz, donde se almacena los residuos atravéz de procesos controlados, para
que reducir la contaminación los focos de infección y al ecosistema, esto genera que el
relleno sanitario de Alpacoma se vaya acumulando y perdiendo su vida útil que es poco
conocida.

9
 Figura 1.2 Vista Satelital del Relleno Sanitario de Alpacoma
Fuente: Análisis Ambiental de La Paz, 2009

1.3.1 Problema Central

¿Cómo se puede determinar la vida útil del relleno sanitario de Alpacoma de la Ciudad de
La Paz?

1.3.2 Problemas Secundarios

 La llegada de residuos sólidos al relleno sanitario, no es de forma determinística,

por lo cual se pierde un nivel de confianza en el pronóstico de la cantidad de
residuos que son ingresados al relleno.

10
  El estado de las variables de entrada no controlados influirá en el modelo,
provocando poca precisión en los cálculos.
 Los factores que influyen en el proceso de almacenaje de residuos, genera que el
modelo sea poco preciso.
 Cada año la población va incrementando y con este la producción de residuos
sólidos, que son almacenados en los rellenos sanitarios. Generando que este
relleno vaya reduciendo la capacidad de almacenaje.
 La incertidumbre de la cantidad de residuos procesados, provoca que los datos de
salida tengan a variar.
 Los residuos que no son reciclados y mucho menos llevados a estos rellenos,
provocan focos de contaminación.
 Existen material que no es reducido, reciclado y reutilizado, esto provoca que los
rellenos lleguen a almacenar enormes cantidades de residuos.

1.4 Definición de Objetivos

1.4.1 Objetivo General

Diseñar un modelo de simulación que determine la vida útil del relleno sanitario de
Alpacoma de la Ciudad de La Paz.

1.4.2 Objetivos Específicos

 Determinar a partir de la simulación la llegada de residuos al relleno sanitario

con un mayor nivel de confianza en el pronóstico.
 Controlar las variables de entrada para mejorar la precisión de los cálculos en el
modelo.

11
  Estudiar todos los factores que interviene a la hora de almacenar los residuos,
para que el modelo sea más preciso.
 Verificar información actual sobre la generación de residuos sólidos, de la ciudad
de La Paz.
 Verificar la cantidad de residuos procesados, para controlar los datos de salida.
 Analizar si se puede reducir estos focos de contaminación.
 Analizar las consecuencias que traerá si el relleno se desborda.

1.5 Hipótesis

El modelo de simulación basado en cadenas de Markov, determina la Vida Útil del Relleno
Sanitario de Alpacoma, con un margen de error de predicción del 0,5%.

1.5.1 Operacionalización de Variables

Variables Dependientes: La predicción de la vida útil del Relleno Sanitario

Variables Independientes: Modelo de Simulación.
Variable Intervinientes: Fuentes de Markov.

VARIABLES INDICADORES DEFINICIÓN

Población
Se establece la disposición
VARIABLE Producción de residuos
de residuos sólidos de la
DEPENDIENTE Volumen de Residuos
ciudad de La Paz, en el
Predicción de la vida Recolectados
relleno sanitario de
útil del Relleno Sanitario Volumen de Residuos
Alpacoma.
Almacenados

12
 Error de la prueba de hipótesis
con Kolgomorov Establece la cantidad de
VARIABLE
Probabilidad de uso volumen del años que tendrá de
INDEPENDIENTE
relleno. funcionamiento el relleno
Modelo de Simulación
Probabilidad de generación de sanitario.
residuos.
Estados Se define el modelo a través
Entradas del uso de cadenas de
VARIABLE
Diagrama de Transición Markov. A partir de los
INTERVINIENTE
Matriz de Transición diferentes estados, para
Cadenas de Markov
Salidas determinar la probabilidad
de vida útil.

Tabla 1.2 Operacionalización de Variables

Fuente: Elaboración Propia

1.6 Justificación

1.6.1 Económica

Con este modelo de simulación, permitiremos una mejor toma de decisiones, de las
empresas encargadas, en cuanto a inversiones económicas para buscar formas y
herramientas que permitan reducir más los residuos, así mismo con este prolongar la vida
útil de esté relleno sanitario de Alpacoma.

Las empresas encargadas de la administración de esté relleno, podrán ahorrar futuros gastos
en cuanto a ampliaciones del área de almacenamiento, de residuos. Ayuda a gestionar
económicamente al Gobierno Municipal de La Paz, en futuras búsquedas de rellenos
sanitarios y pronosticar la vida útil de los nuevos rellenos que se desearían construir.

13
1.6.2 Social

Permite a la ciudadanía y autoridades conocer la vida útil de este relleno, para así realizar
una mejor toma de decisiones, respecto a la planificación de prolongar el uso del relleno
sanitario de Alpacoma, para prevenir el desbordamiento de este relleno sanitario. Las
autoridades verán si es conveniente buscar nuevas áreas para la disposición de residuos, una
vez que el relleno sanitario actual deje de ser utilizado, para evitar que no exista focos de
infección emanados por el relleno, y este no afecte a la comunidad paceña en tema de
contaminación ambiental, enfermedades, y en ecosistema.

1.6.3 Científica

Durante estos últimos años se ha profundizado el estudio de residuos, sobre todo en

disciplinas como la ingeniería ambiental, donde plantean modelos matemáticos para
controlar el comportamiento de estos residuos y el efecto que causa al medio ambiente.

El presente trabajo plantea un modelo de simulación, a partir de variables que influyen para
el control de vida útil de rellenos sanitarios, para futuras predicciones y toma de decisiones.
Así también se buscará un modelo matemático que permita determinar resultados.

1.7 Alcances y Límites

1.7.1 Alcances
Los alcances que tendrá la tesis de grado a partir de la simulación serán:

1.7.1.1 Temporal

Según diagnósticos realizados por el Viceministerio de Agua Potable y Saneamiento Básico

se prevé una vida útil de 20 años a partir del año 2011. A partir de este diagnóstico se

14
pretende ver si este año se desbordara el relleno la Vida Útil o se prolongará su uso, a partir
del uso de datos históricos generados desde 2011 hasta 2014.

1.7.1.2 Espacial

Este estudio se llevara a cabo en la Ciudad de La Paz en el Relleno Sanitario de Alpacoma.

Relleno Sanitario, que cuenta con una superficie de 40 hectáreas de las cuales 35 hectáreas
son utilizadas; el relleno sanitario queda ubicado a 14 km de la ciudad.

1.7.2 Límites

No se considerara el tema en que afecta los residuos industriales, la contaminación de

suelos, el biogás, los residuos que no llegan al relleno para ser tratados, la contaminación
ambiental. Solo se realizara el modelo de simulación para determinar la vida útil del
Relleno de Alpacoma de la ciudad de La Paz.

1.8 Aportes
1.8.1 Teórico

Se planteara un modelo matemático, que permitan la predicción de la vida útil del relleno
sanitario de Alpacoma. Para un determinado tiempo en función a las variables que afecten
al modelo de estudio.

1.8.2 Práctico

El aporte práctico de la tesis reflejara la construcción de un modelado de simulación, con lo

que se podrá hacer un pronóstico a partir del uso de datos históricos, que determinen el
tiempo de vida útil y con él las consecuencias para que el relleno de Alpacoma se desborde.
Para poder realizar una toma de decisiones con respecto a este relleno.

15
1.9 Metodología

La Tesis de Grado se desarrollara siguiendo el Método Científico, lo cual permitirá seguir

la investigación; explicando los fenómenos, para resolver los objetivos planteados.
El enfoque de investigación será cuantitativo, debido al uso de datos numéricos que se
manejará en la investigación.

El tipo de investigación será Descriptiva, debido a que se utilizará algunos conceptos ya

realizados en otras áreas.

Para realizar el proceso de desarrollo, utilizaremos el método de proceso de simulación que

consta de etapas, enlistadas a continuación:

 Formulación del problema

 Definición del sistema
 Formulación del modelo
 Colección de Datos
 Implementación del modelo en la Computadora
 Verificación
 Validación
 Experimentación
 Interpretación
 Documentación

La herramienta que se utilizará para la simulación de la vida útil del relleno sanitario será
MatLab 2010 y PROMODEL 7.5, que proporciona un marco de referencia y una interface
gráfica de usuario para la observación e interacción cuantitativa de las variables de un
sistema.

16
 CAPÍTULO II
MARCO TEÓRICO

2.1 Simulación

La simulación es el proceso de modelar o diseñar un modelo de un sistema, el cual permite

realizar experiencia, aprender el comportamiento para evaluarlo. Una imitación del
funcionamiento de un proceso de la vida real. Que involucra la generación de una
metodología problema-solución, para describir y analizar el comportamiento del mismo.

Tiene como principal objetivo la predicción, es decir, puede mostrar lo que sucederá en un
sistema real cuando se realicen determinados cambios bajo determinadas condiciones. Se
emplea sólo cuando no existe otra técnica que permita encarar la resolución de un
problema. Siempre es preferible emplear una alternativa analítica antes que simular. Lo
anterior no implica que una opción sea superior a otra, sino que los campos de acción no
son los mismos. Mediante la simulación se han podido estudiar problemas y alcanzar
soluciones que de otra manera hubieran resultado inaccesibles. [BERGER, 2000]

“Simulación es el proceso de diseñar un modelo de un sistema real y llevar a cabo

experiencias con él, con la finalidad de aprender el comportamiento del sistema o de
evaluar diversas estrategias para el funcionamiento del sistema”. [FÁBREGAS, 2003]

La simulación, constituye un soporte indispensable para el proceso de construcción del

modelo en sus diferentes aproximaciones (niveles de agregación), ya que ella aporta
imágenes (comportamiento de cada variable) que va indicando al modelador que tan
acertado está en la representación matemática de la realidad. Así mismo, la simulación es la
herramienta para la validación final de un modelo, el análisis de sensibilidad y en general
para la experimentación con propósitos de conocimiento o de definición de estrategias de
control o intervención sobre la realidad. [PARRA & RODRÍGUEZ, 2005]

17
2.1.1 Tipos de Simulación

Simulación Continua Representa las variables continuas mediante ecuaciones.

El mismo que es representado por variables discretas. Existen dos
maneras de construir un modelo discreto: Por Procesos, que hace
Simulación Discreta énfasis en la visualización del modelo. Por Eventos, representado
por un conjunto de variables discretas, y el cambio de las variables
se da de acuerdo a eventos.
Tabla 2.1 Tipos de Simulación
Fuente: Caselli, 2009

2.1.2 Simulación por Computadora

Las simulaciones por computadora son programas que sostienen modelos de sistemas
reales. El comportamiento de estos sistemas se expresan mediante cambios en las variables
que lo describen. En caso de que no sea posible representarlos todos, se selecciona una
representación de los principales estados del sistema real. [RODRIGUEZ, 2009]
La experimentación con las simulaciones se realiza dando entradas al modelo y analizando
sus salidas.

Existen dos tipos:

o Digitales.- Cuando se utiliza una computadora digital.
o Analógicos.-Cuando se utiliza una computadora analógica. Se puede incluir
simulaciones físicas.

2.2 Modelo

Es una representación de un objeto, sistema o idea, cuyo propósito es ayudar a explicar,

entender o mejorar un sistema. El modelo debe tener en cuenta todos los detalles que
interesan en el estudio para que realmente el sistema real. [CASELLI, 2009].

18
“Es una representación de la realidad que se desarrolla con el propósito de estudiarla. En la
mayoría de los análisis no es necesario considerar todos los detalles; de tal manera, el
modelo no solo es un sustituto de la realidad, sino también una simplificación de ella”.
[TORRES, 2001]

Los modelos son normalmente una simplificación de la realidad; surgen de un análisis de

todas las variables intervinientes en el sistema y de las relaciones (directas e indirectas) que
existen entre ellas. Tiene dos utilidades fundamentales, según [TORRES, 2001]:

 Reducir la complejidad, permitiendo ver las características importantes que están

dentro del proceso, ignorando detalles de menor importancia.
 Hacer predicciones concretas, que se pueden dar mediante experimentos u
observaciones.

Es importante mencionar que los modelos no nos proporcionan una información directa de
lo que está ocurriendo realmente en el mundo real. Las predicciones del modelo deberán ser
validas o refutadas por los resultados empíricos. Véase Figura 2.1

ENTRADA X ENTRADA
CORRESPONDENCIA

PARÁMETROS
PARÁMETROS
CORRESPONDENCIA

SISTEMA MODELO

INFERENCIA

Y
SALIDA
SALIDA
Figura 2.1 Concepto de Modelo
Fuente: Torres, 2001

19
2.2.1 Clasificación de los modelos

Dinámicos Utilizados para representar sistemas cuyo estado varía con el tiempo.
Utilizados para representar sistema cuyo estado es invariable a través
Estáticos
del tiempo.
Físicos Es representado por algo tangible, construido a escala.
Analíticos La realidad se representa por formulas matemáticas.
Numéricos Se tiene el comportamiento numérico de las variables intervinientes.
Las variables intervinientes son continuas; los cambios de estado son
Continuos
graduables.
Discretos Las variables son discretas y sus cambios de estado por intervalos.
Determinísticos Son modelos cuyas condiciones os únicas y siempre las mismas.
Representan sistemas donde los hechos suceden al azar. No se puede
Estocásticos asegurar las acciones en un determinado instante. Se conoce la
probabilidad de ocurrencia y su distribución probabilística.
Tabla 2.2 Tipos de Modelo
Fuente: Rodríguez & Quesada, 2009

2.3 Modelo de Simulación

La simulación consiste en usar el modelo para producir una historia de estados del sistema.
La simulación es por tanto un proceso y el modelo usado es un modelo de simulación. Un
modelo de simulación no tiene por tanto una estructura especial y definida como si la tienen
por ejemplo los modelos de optimización. [BERGER, 2000]

Es un conjunto de hipótesis acerca del funcionamiento del sistema expresado como

relaciones matemáticas y/o lógicas entre los elementos del sistema. Como tendencia, los
modelos de simulación se agrupan en tres tipos fundamentales, según [RODRÍGUEZ &
QUESADA, 2009]:

20
Modelos Continuos: Se construyen utilizando cálculos para presentar un sistema con un
número de estados infinitos.

Modelo Discretos: Utilizan teorías estadísticas y de colas para representar sistemas con
estados cuantitativos discretos.

Modelos Lógicos: Se representa utilizando un conjunto de heurísticas implementadas

mediante lenguajes de programación de alto nivel. Son computacionalmente más eficientes,
por lo que utilizan cuando la obtención de soluciones óptimas lleva demasiado tiempo o es
imposible, porque el modelo es demasiado complejo.

Los modelos lógicos son los más utilizados en simulaciones educacionales, mientras los
modelos continuos y discretos son más utilizados en simulaciones científicas y de
ingeniería.

2.4 Proceso de Simulación

El proceso de simulación es la ejecución del modelo a través del tiempo en una

computadora para generar muestras representativas del comportamiento del sistema que
queremos simular.

La esencia misma de la simulación, el hecho que comprenda cálculos numéricos, hace que
resulte natural usar la informática como medio para su desarrollo. Es por esto que es
necesario tener un esquema básico para el desarrollo de un modelo de simulación, de tal
forma que denote explícitamente diferentes etapas de control. Por otro lado, en muchas
ocasiones, el modelo resultante de un sistema real puede ser tan complejo o grande que no
es posible o práctico desarrollar una metodología de solución basada en un análisis
matemático. [RODRIGUEZ & QUESADA, 2009].

21
 Formulación del problema.

Formulación del Modelo.

Colección de datos.

Implementación del Modelo en

la Computadora y Verificación.

Validación

Experimentación.

Interpretación

Documentación.

Figura 2.2 Diagrama del Proceso de simulación

Fuente: Hoeger, 2009
Para este proceso de simulación tendremos los siguientes conceptos a desarrollar, [DAIS,
2013]:

2.4.1 Formulación del Problema.- Todo estudio debe comenzar con una clara definición
de objetivos, de detalles específicos que se quieren cubrir, para ello se debe tener una
definición exacta del sistema que se desea simular es necesario hacer un análisis preliminar
del mismo, con el fin de determinar la interacción del sistema con otros sistemas, las
restricciones del sistema, las variables que interactúan dentro del sistema y sus
interrelaciones, las medidas de efectividad que se va utilizar para definir y estudiar el
sistema y los resultados que se esperan obtener del estudio.

22
2.4.2 Formulación del Modelo.- Una vez definido el problema, el siguiente paso es definir
y construir el modelo con el cual se obtendrá los resultados deseados. En la formulación del
modelo es necesario definir todas las variables que forman parte del modelo, sus relaciones,
los componentes, eventos del modelo, entradas y salidas. En el caso de haberse planteado
un objetivo a optimizar, se lo deberá formular matemáticamente y deberá tenerse en claro
cuáles son las variables de decisión.

Los parámetros son variables de entrada (in-put) al modelo. Algunas de estas variables
pueden ser controlables por quien toma la decisión (por ejemplo la cantidad de canales en
paralelo a disponer en un sistema de colas) y otras que son incontrolables, (como ser la
demanda de un producto es un sistema de stocks). Las variables controlables pueden ser
modificadas en cada corrida para experimentar distintas alternativas de operación del
sistema real. Las variables de salida (out - put), o simplemente variables, del modelo son
aquellas incógnitas cuyos valores se quieren determinar a partir de su resolución.

Si se trata de un modelo de decisión de debe plantear, un modelo funcional, que es la

expresión cuantitativa de lo que se desea optimizar. El funcional mide la eficiencia del
sistema y puede expresarse, para todo modelo.

2.4.3 Colección de Datos.- La captura de datos es a menudo una de las partes más costosas
del estudio de simulación, insumiendo extensos periodos de tiempo. La facilidad o
dificultad de obtenerlos puede influir definitivamente en el éxito del proceso de simulación.
Los datos deben ser convenientemente tratados para que se pueda realizar las predicciones
del comportamiento del sistema.

El relevamiento en campo es el método más efectivo para efectuar la recolección de datos,

pero también pueden utilizarse datos históricos si están disponibles y opiniones de expertos,
si no existen otras alternativas.

Cuando el sistema tiene comportamiento aleatorio, se efectúa un análisis de la distribución

estadística de las variables. Algunas distribuciones empíricas basadas en los datos relevados

23
pueden asemejarse a distribuciones teóricas (Normal, Poisson, Exponencial, entre otros),
Para comprobar si esto es factible, se recurre a métodos de inferencia estadísticas, tales
como las pruebas Chi-cuadrado o de Kolmogorov-Smirnov. El hecho de poder trabajar con
distribuciones conocidas facilitará enormemente el proceso de simulación.

2.4.4 Implementación del Modelo en la Computadora.- Con el modelo definido, el

siguiente paso es incorporar todos los componentes del modelo que se hayan identificado
para la obtención de los informes que contienen los indicadores de medición de la
eficiencia del sistema, para ello se utiliza un lenguaje de programación o se algún tipo de
simulador para procesarlo en la computadora y obtener los resultados deseados. La
selección del paquete más apropiado debe hacerse con especial cuidado; existen software
muy orientados a aplicaciones específicas (manufactura, aerolíneas, packaging, transporte,
análisis financiero, personal, construcción, industria farmacéutica, refinación, entre otros).

2.4.5 Verificación.- También llamada depuración, es el procesamiento para asegurar la

consistencia de la estructura del modelo con respecto a las especificaciones del mismo, es
decir, para confirmar que el modelo es una representación fidedigna del modelo definido.
Para realizar esta verificación podemos encontrar diversas técnicas, cualquier combinación
de ellas puede ser usada para verificar el modelo. Se puede mencionar según [HOEGER,
2009]:

Diseño modular de arriba – abajo. Los modelos de simulación son depurados o verificados
mediante dos técnicas el de modularidad: Donde el modelo debe ser estructurado en
módulos que se comunican por interfaces bien definidas (variables de entrada y salida) para
la verificación de los problemas. Y Diseño de arriba – abajo: Que consiste en desarrollar
una estructura jerárquica del modelo de forma que el problema es dividido recursivamente
en problemas más pequeños. Inicialmente se divide el modelo en un número de módulos, y
estos módulos a su vez son subdivididos en otros módulos. Se continúa hasta tener módulos
de fácil depuración y mantenimiento.

24
Trazado. Un trazado es una lista de eventos ordenada por tiempo y sus variables asociadas
que permite observar cómo se está comportando la simulación. Debido a que los trazados
representar un costo de procesamiento adicional, se deben incluir como una opción que se
pueda activar o desactivar. El trazado se puede hacer a diferentes niveles de detalle y el
usuario debe poder seleccionar el nivel que desee. Por ejemplo, puede seleccionar un
trazado de solo aquellos que pertenezcan a un nodo particular en la simulación.

Pruebas de degeneración. Consiste en observar el modelo usando valores extremos. A

pesar de que estos valores extremos no representen casos típicos, pueden ayudar a encontrar
errores en los cuales el analista no hubiera pensado de otra forma. Deben incluirse
observaciones de valores de entrada para verificar que esté en los rangos permitidos y de
que el modelo funcione para todas las combinaciones en los rangos permitidos.

Pruebas de consistencia. Consiste en observar que el modelo produce resultados similares

para entradas que tengan efectos similares, Por ejemplo, en una red, dos fuentes con una
tasa de llegada de 100 paquetes pos segundo deben producir una carga similar a cuatro
fuentes con una tasa de llegada de 50 paquetes por segundo. Si hay diferencia, esta debe ser
explicada o puede ser debido a errores.

2.4.6 Validación.- A través de esta etapa es posible detallar deficiencias en la formulación

del modelo o en los datos alimentados al modelo. La validación suele ser un proceso
iterativo en el que se compara el comportamiento del sistema real con el modelo para ir
refinando este último hasta llegar a la precisión necesaria en sus respuestas. Las formas más
comunes de validar un modelo son:

 La opinión de expertos sobre los resultados de la simulación.

 La exactitud con que predice los datos históricos.
 La exactitud en la predicción del futuro.
 La comprobación de fala del modelo de simulación al utilizar datos que hacen fallar
al sistema real.

25
  La aceptación y confianza en el modelo de la persona que hará uso de los resultados
que arroje el experimento de simulación.

2.4.7 Experimentación.- La experimentación con el modelo se realiza después de que este

ha sido valido. La experimentación consiste en generar datos deseados y realizar un análisis
de sensibilidad en los índices requeridos.

Cuando consideramos la ejecución de un sistema se puede desear conocer cómo se

comporta dicho sistema en sentido absoluto, o comparativamente, para poder contrastar
varias configuraciones alternativas del sistema. Es evidente que el número de exploraciones
que se tendrían que realizar es extremadamente largo. Hasta para los diseños de
experimentos más modestos, la exploración de todas las posibles soluciones en la búsqueda
de la mejor solución, no es algo factible. Se necesita una aproximación estructurada más
directa para encontrar una solución que merezca la pena. Podemos considerar dos
aproximaciones diferentes para abordar este problema: conjunto predeterminado de
experimentos y técnicas de búsqueda de óptimos.

Conjunto de experimentos predeterminado: esta aproximación impone identificar factores

que podrían afectar a la medida de salida y ejecutar los experimentos con los factores
puestos a determinados valores. Una vez realizados los experimentos se aplicarían unas
técnicas estadísticas denominadas análisis de la varianza (ANOVA), para decidir cuál o
cuáles de los factores seleccionados tiene realmente algún impacto en la medida de salida.
Las medidas de salida se pueden adaptar de forma que las suposiciones estadísticas de esta
técnica se satisfagan de forma razonable y puedan ser aplicadas en la experimentación del
modelo.

Un diseño experimental particularmente general es el diseño factorial. Se consideran dos o

más factores pudiendo estar cada uno a dos o más niveles.

26
El uso de un conjunto predeterminado de experimentos es efectivo para encontrar buenas
soluciones si se puede aproximar una región de optimización con experimentos previos o
con la experiencia que se tenga sobre el problema. Sin embargo esta técnica no puede
conducir a la mejor solución global, ni siquiera puede garantizar un óptimo local.

Técnicas de búsqueda de óptimos: Un conjunto de estas técnicas se conoce como

Metodología de Superficie de Respuesta (RSM). La superficie de respuesta es la función
que describe las relaciones de las medidas de ejecución con los factores o variables de
decisión. Dos factores definen una superficie de 3 dimensiones, la cual puede ser vista
como un terreno en donde se puede escalar. De hecho, la representación en 2 dimensiones
de la respuesta de superficie es como las líneas de contorno de un mapa topográfico.
Usando varias estrategias se pueden alcanzar puntos altos en el terreno, y quizás llegar a la
cumbre. Una estrategia es el método de escalado ascendente. Esta requiere que el modelo se
ejecute suficientemente para hacer que se pueda determinar qué dirección (qué cambios en
los valores de los factores) parece conducir a un incremento en la altitud (incremento en la
medida de salida). Las variables de decisión se van cambiando de esta forma y el proceso
continúa hasta que ya no se puede llegar más alto, en ese momento se ha alcanzado un
óptimo local o global.

2.4.8 Interpretación.- En la interpretación de las salidas del modelo, hay algunos aspectos
que son únicos de la simulación. Mientras que los modelos analíticos proporcionan
soluciones con medidas de ejecución completamente definidas, los modelos de simulación
producen estimaciones de las medidas que están sujetas a error.

Las salidas del modelo de simulación se consideran muestras. Las principales cuestiones en
la obtención de estimaciones útiles a partir de muestras son: que la muestra sea
representativa del comportamiento del sistema, y que el tamaño de la muestra sea lo
suficientemente grande para que las estimaciones de las medidas de ejecución alcancen un
buen nivel de precisión. El tamaño de la muestra es algo que está bien definido, pero la

27
representatividad del comportamiento del sistema depende de la naturaleza de las
cuestiones que tienen que ser contestadas por el modelo. Se pueden realizar dos tipos de
análisis con un modelo de simulación:
Análisis para sistemas con final definido: La ejecución del modelo finaliza cuando ocurre
un evento específico. Se tomaría una muestra por ejecución.

Análisis para sistemas con final no definido (sistemas en estado de equilibrio o

estacionario): El interés está en medias de las medidas de comportamiento de ejecuciones
largas, después de que el sistema ha pasado por algún periodo de comportamiento
transitorio. Las medidas en estado estacionario se pueden definir como el valor de las
medidas en el límite, cuando la longitud de la ejecución tiende a infinito.

En ambos casos, las condiciones inicia les (estado del sistema el empezar la ejecución)
pueden influir en la estimación de las medidas de comportamiento. El tamaño de la muestra
es importante ya que la precisión de las estimaciones depende de la varianza de la media de
la muestra, y la varianza cambia de forma inversamente proporcional al tamaño de la
muestra (si se cuadriplica el tamaño de la muestra la desviación estándar se reduce a la
mitad). La definición de tamaño de muestra para simulación depende del tipo de análisis
que se haya hecho. Para el análisis de un sistema con final definido se podría reproducir el
periodo de interés, con las condiciones iniciales apropiadas, un determinado número de
veces hasta conseguir la precisión deseada de la estimación. En cada ejecución de obtendrá
un elemento de la muestra. Con un análisis en estado estacionario el tamaño de la muestra
está estrechamente enlazado con el tamaño de la ejecución del modelo o cantidad de tiempo
de simulación.

2.4.9 Documentación.- Redactamos nuestro proceso de simulación, con el fin de

documentarlo. Existen dos tipos de documentación que son requeridos para hacer un mejor
uso del modelo de simulación. La primera que requiere que sea técnico, es decir, el modelo

28
debe tener una documentación de procesamiento de datos. La segunda se refiere al manual
de usuario, con el cual se facilita la interacción y el uso del modelo desarrollado.

2.4.10 Lenguaje de Simulación

Es el entorno de desarrollo específico para simulaciones; están diseñados para facilitar la

tarea de programar este tipo de aplicaciones; proporcionando automáticamente la mayoría
de los elementos necesarios en la programación para convertir la descripción en un
programa que ejecuta la simulación, además de facilidades para la detección automática de
errores potenciales que ya han sido identificados. Ahorran tiempo en el desarrollo,
producen un código más legible, modificable y menos largo, lo que minimiza el número de
errores. Entre estos lenguajes podemos mencionar el GPSS, SIMSCRIPT, SIMULA
SIMPL/I, SIMULATE, entre otros. [RODRÍGUEZ & QUESADA, 2009]

2.4.11 Software de Simulación

Son las herramientas que se utilizan para el desarrollo de la simulación, entre estas
podemos mencionar, según [DAIS, 2013]:

PROMODEL.- Permite simular cualquier tipo de sistema de manufactura, logística y

manejo de material. Tiene la combinación perfecta entre facilidad de uso y flexibilidad para
aplicaciones complejas.

VENSIM.- Su propósito es ayudar a las empresas para encontrar una solución óptima para
las diversas tomas de decisiones.

STELLA.- Programa orientado a la enseñanza de negocios o investigación científica.

FLEXIM.- La más poderosa herramienta para modelar analizar, visualizar y optimizar

cualquier proceso imaginable de manufactura.

MATLAB.- Que es el nombre abreviado de “Matriz Laboratory”. Es un programa para

realizar cálculos numéricos con vectores y matrices, así también de cálculos técnicos y

29
científicos. Puede trabajar con números escalares, tanto reales como complejos, con
cadenas de caracteres y con otras estructuras de información más compleja. Tiene un
lenguaje de programación propio y su principal característica es el uso de gráficas en dos y
tres dimensiones

2.5 Procesos Estocásticos

Es una familia arbitraria de variables aleatorias de variables aleatoria en donde

cada , es una función del espacio muestral en algún conjunto E (el espacio de estados).
Se distinguen diferentes casos, según T sea un conjunto continuo o discreto y según la
cardinalidad de E. Es usual interpretar a t como el tiempo transcurrido desde el instante
inicial (t=0), y que cada instante se lleva a cabo un experimento de cuyo resultado
queda determinado el valor de . Principalmente, interesa saber con qué probabilidad cada
asume valores en ciertos subconjuntos de E, y también si esta probabilidad está
influenciada de alguna manera por los valores observados en los instantes de tiempo
anterior (la historia del proceso). Nos interesa aquí el caso en que y
E es un conjunto a lo sumo numerable. [MOHAMMAD R. 1998]

2.5.1 Cadenas Markov

Un proceso estocástico en el que los resultados dependen de otros, ocurre cuando el

resultado en cada etapa sólo depende del resultado de la etapa anterior y no de cualquiera
de lo resultado previos. Tal proceso se denomina proceso de Markov o cadena de Markov.
Recibe el nombre del matemático ruso Andrei Andreevitch Markov (1856-1922). Este tipo
de procesos presenta una forma dependiente simple, pero muy útil en muchos modelos,
entre variables aleatorias que forman un proceso estocástico.

La cadena de Markov es un proceso estocástico discreto que cumple con la propiedad, que
si se conoce la historia del sistema hasta su instante actual, su estado presente resume toda
la información relevante para describir en probabilidad su estado futuro. Así mismo es una

30
sucesión de ensayos similares u observaciones en la cual cada ensayo tiene el mismo
número finito de resultados posibles y en donde la probabilidad de cada resultado para un
ensayo dado sólo depende del resultado del ensayo inmediato precedente y no de cualquier
previo. [YAZLLE, 2009]

Una cadena de Markov es una secuencia de variables aleatorias El dominio de

estas variables es llamado espacio estado; es el estado de procesos en el tiempo . Si la
distribución condicional de estados pasados de es una función de por si sola.
[YAZLLE, 2009]. Lo que tenemos será la Propiedad de Markov:

Donde es el estado del proceso en el instante i.

En una cadena de Markov el conocimiento de los valores de no agrega

información a lo que puede esperarse como valor de si se sabe el valor de . Si
, se dice que la cadena empezó en e. Si , decimos que, en el instante n, la
cadena está en e. Si , decimos que la sucesión de estados
es una historia completa de la cadena hasta el instante n. La propiedad
markoviana establece que la probabilidad de que en el instante la cadena pase al
estado j habiendo ocurrido una historia completa sólo depende del estado .

Notar que, en general, podría depender no sólo de i y de j, sino

también de n. Aquellas cadenas en las que dependen sólo de i y de j
constituye una importante clase.

Como ejemplo de uso de la cadena de Markov se puede mencionar: A y B son jugadores

tienen k y N − k euros respectivamente. Lanzan una moneda repetidamente y en cada turno
B le paga a A un euro si es cara. En caso contrario A le paga un euro a B. El juego termina
cuando uno de los jugadores se arruina. La cantidad de euros que A tiene luego de n turnos
es una Cadena de Markov (CM) con probabilidades de transición. [JIMÉNEZ, 2008]

31
 , caso contrario.

A veces es útil representar la cadena por un diagrama. Para el ejemplo con N = 4, sería:

2.5.2 Matriz de Transición

Al trabajar con cadenas de Markov, a menudo es útil pensar la sucesión de ensayos como
experimentos efectuados en cierto sistema físico, cada resultado deja a este sistema en
cierto estado.

Consideremos un proceso de Markov en que el sistema posee estados posibles, dados por
los números .Denotemos a la probabilidad de que el sistema pase al estado
después de cualquier ensayo en donde el estado era antes del ensayo. Los números se
denominan probabilidades de transición y la matriz se conoce como matriz
de transición del sistema. [MOHAMMAD R. 1998]. Es común representar la distribución
de transición entre estados como una matriz [CAMARENA, 2002]:

Es una matriz de transición de una cadena Markov P, es una matriz estocástica si verifica:

Cada elemento de P es no negativo,

32
Cada fila de P, cumple que,

La probabilidad de transición de n pasos.

Observación. Si las matrices son matrices estocásticas, entonces

es también estocástica.

Por la regla de multiplicación de matrices,

De este modo:

Una consecuencia es que cualquier potencia de la matriz es también una matriz estocástica.

2.6 Relleno Sanitario (RS)

Relleno Sanitario es el método de ingeniería recomendado para la disposición final de los

residuos sólidos, los cuales una vez depositados se esparcen, se compactan y se cubre con
una capa de tierra al término de las operaciones del día. El objetivo del RS es la disposición
final o depósito permanente de los residuos sólidos en sitios y condiciones adecuadas para
evitar daños al ecosistema. [JIMENEZ, 2014]

33
“Un relleno sanitario es una técnica para la disposición de la basura en el suelo sin causar
perjuicio al ambiente y sin causar molestia o peligro para la salud y seguridad pública. Este
método utiliza principios de ingeniería para confinar la basura en el menor área posible,
reduciendo su volumen al mínimo practicable, y cubriendo la basura allí depositada con una
capa de tierra con la frecuencia necesaria al fin de cada jornada”. [Ley de Medio Ambiente,
1992].

2.6.1 Residuos

Es un término que se usa normalmente para designar a todos aquellos restos sobrantes que
quedan del consumo que el ser humano hace de manera cotidiana.

Se puede conceptualizar a los residuos como aquellos desperdicios que quedan luego de
usar alguna cosa. El auge del consumismo, genera cada vez más productos de desecho, que
a veces no resulta inofensivo, pues tarda mucho tiempo en biodegradarse.
[DEFINICIONES D., 2007]

Existen distintas clases de residuos; entre estos están los orgánicos, provenientes de la
materia que estuvo viva, como las hojas de los árboles, cáscaras de frutas; y los
inorgánicos, provenientes de la materia no viva, como los residuos industriales, patógenos,
plástico entre otros. [JIMENEZ, 2014]

Los residuos pueden o no, ser peligrosos o tóxicos, teniendo riesgo para la salud de la
población, para su seguridad, o de contaminación ambiental. Así hay residuos que pueden
ser inflamables, con riesgo de incendio o explosión, corrosivos, tóxicos o infecciosos, como
los residuos patológicos. [JIMENEZ, 2014]

Los residuos patológicos son aquellos que pueden ser fuente de infección, como jeringas,
algodones usados, guantes utilizados en prácticas quirúrgicas, y deben ser tratados de
manera especial. En las clínicas médicas, veterinarias u odontológicas se exige que se

34
desechen en bolsas rojas que permitan su identificación, y que sean manipuladas por
personal especializado. [SALADIÉ O., 2009]

El tratamiento final de los residuos, es muy importante para evitar sus efectos adversos en
el medio ambiente y en la salud. [SALADIÉ O. 2009]

Figura 2.3 Residuos Generados en las calles de La Paz

Fuente: La Prensa, 2015

2.6.2 Tipos de Residuos

Los residuos los podemos clasificar según su composición según [PLANETICA, 2011]:

Residuo orgánico: Todo desecho de origen biológico, que alguna vez estuvo vivo o fue
parte de un ser vivo, por ejemplo: hojas, ramas, cáscaras y residuos de la fabricación de
alimentos en el hogar.

Residuo inorgánico: Todo desecho de origen no biológico, de origen industrial o de algún

otro proceso no natural, por ejemplo: plástico, telas sintéticas, entre otros.

Residuos peligrosos: Todo desecho, ya sea de origen biológico o no, que constituye un
peligro potencial y por lo cual debe ser tratado de forma especial, por ejemplo: material
médico infeccioso, residuo radiactivo, ácidos y sustancias químicas corrosivas.

35
Según su origen:

 Residuo domiciliario: Residuos proveniente de los hogares y/o comunidades.

 Residuo industrial: su origen es producto de la manufactura o proceso de
transformación de la materia prima.
 Residuo hospitalario: Deshechos que son catalogados por lo general como
residuos peligrosos y pueden ser orgánicos e inorgánicos.
 Residuo comercial: Provenientes de ferias, oficinas, tiendas, entre otros, y cuya
composición es orgánica, tales como restos de frutas, verduras, cartones, papeles.
 Residuo urbano: Correspondiente a las poblaciones, como desechos de parques y
jardines, mobiliario urbano inservible.
 Basura espacial: Satélites y demás artefactos de origen humano que estando en
órbita terrestre ya han agotado su vida útil.

2.6.3 Residuos Sólidos

Los residuos sólidos son materiales inútiles, indeseables o desechables, generados por la
población. Material macizo que se desecha después de que haya sido utilizado sin opción a
ser reciclado. Dentro de los residuos sólidos tendríamos que mencionar que existen dos
grupos: Los peligrosos estos pueden suponer cierto peligro para la ciudadanía o el medio
ambiente por sus propiedades corrosivas, tóxicas o explosivas. Los no peligrosos, no
suponen ningún tipo de riesgo, para los humanos y la naturaleza de manera contundente y
estos se dividen en cuatro: [JIMÉNEZ, 2014]

o Ordinarios: Son los que se produce como consecuencia de la rutina diaria en

hogares.
o Biodegradables: Son los que se descomponen de manera sencilla en el medio
ambiente.
o Inertes: Son los que no se descomponen o tardan mucho tiempo en hacerlo.

36
 o Reciclables: Son aquellos que se pueden volver a utilizar. Después de someterlos a
determinados procesos.

Figura 2.4 Residuos Sólidos

Fuente: La Prensa, 2014

2.7 Proceso de Generación de Residuos en la Ciudad de La Paz

Entre el 2004 y 2012, la generación de residuos sólidos en la ciudad de La Paz se

incrementó en 12,5 por ciento, dato que lleva a inferir que la población paceña creció
significativamente en los últimos ocho años, a tiempo de facilitar un nuevo argumento
contra los datos del Censo 2012 y que muestra el crecimiento de la ciudad. [LIDEMA,
2009]

Uno de los indicadores que se considera para llevar adelante estudios sobre el crecimiento
poblacional de una ciudad es la generación de basura. La generación de residuos es como
un indicador, que apoya y respalda los datos del crecimiento de la ciudad. [LIDEMA, 2009]

De acuerdo a los datos recopilados por el SIREMU1, el trasladado de residuos sólidos al

Relleno Sanitario “Nuevo Jardín de Alpacoma” se incrementó de 160.739 (2004) a 180.884

1
Sistema de Regulación Municipal

37
(2012) toneladas métricas, dato que demuestra que hubo un incremento de la población
paceña.

Según los datos del SIREMU, actualmente se mantiene un promedio de recolección diaria
de residuos de 162.000 toneladas métricas, demostrando que se tiene un mayor nivel de
consumo en la ciudad. [LIDEMA, 2009]

La población en el municipio se incrementó en los últimos 10 años, rebatiendo los

resultados del Censo 2012 que menciona que en el municipio se produjo una reducción de
28.676 habitantes en relación al Censo 2001.

La cantidad de basura que recibe el relleno sanitario de Alpacoma oscila entre las 400 a 700
toneladas diarias. Durante las fiestas patronales, como el Gran Poder, por ejemplo, la
cantidad sube y hasta sobrepasa las mil toneladas.

Figura 2.5 Residuos en la Ciudad de La Paz

Fuente: Diario, 2013

38
Frente a este panorama, LIDEMA2 sostiene que con los residuos sólidos se puede producir
un mejorador de suelos y abono, alimento balanceado para gallinas ponedoras y vendiendo
el plástico, las botellas pet, papel, vidrio y el cartón para su reciclaje, se lograría minimizar
los problemas socio ambientales.

Según datos de la LIDEMA del total de desperdicios sólidos, un 58,95 por ciento son
alimentos o basura orgánica, el 42,05 restante, depende de la actitud consumista que tiene
el paceño común. [EL DIARIO, 2014]

Figura 2.6 Composición diaria de los Residuos en la ciudad de La Paz.

Fuente: Lidema, 2009

Los residuos sólidos que son generados por los habitantes de La Paz provenientes de sus
siete macrodistritos urbanos, son depositados en el relleno municipal sanitario de
Alpacoma, donde se instaló una planta de procesamiento, en una superficie aproximada de
40 hectáreas, en un terreno que se encuentra en conflicto por la indefinición limítrofe de los
municipios de la provincia Murillo. Del total de residuos sólidos que se genera de las 500

2
Liga de Defensa del Medio Ambiente

39
toneladas métricas día, cifra que puede variar por la época del año, un 17,84 por ciento se
puede reciclar sin mayor esfuerzo que la aplicación de una buena cultura de costumbre
urbana y conciencia ciudadana. Véase en Imagen 2.1 [GAMLP, 2013]

Figura 2.7 Relleno Sanitario de Alpacoma

Fuente: La Prensa, 2014

2.8 Vida Útil

La vida útil es la duración estimada que un objeto puede tener, cumpliendo correctamente
con la función para el cual ha sido creado; durante el cual se espera utilizar el activo
amortizable.
Cuando se refiere a obras de ingeniería, como carreteras, puentes, represas, rellenos
sanitarios, entre otros, se calcula esta vida útil en años, sobre todo para efectos de su
amortización, ya que en general estas obras continúan prestando utilidad mucho más allá
del tiempo estimado como vida útil para el análisis de factibilidad económica. [RAMIRÉZ,
2013].

40
 CAPÍTULO III
MARCO APLICATIVO

3.1 Introducción

En el presente capítulo se desarrollara todas las fases de la metodología a utilizarse, en este

caso la metodología del proceso de simulación, que consta de ocho etapas las cuales fueron
definidas en el capítulo anterior por él autor, RODRÍGUEZ & QUEZADA. Cuyo proceso
será aplicado a nuestro modelo de simulación para determinar la vida útil del relleno
sanitario de Alpacoma, a partir del uso de cadenas de Markov. Para lo cual será necesario
contar con datos históricos, que permitan verificar nuestro modelo. Así que en primera
instancia, se presentara un modelo informal que represente el sistema real, para
posteriormente formar nuestro modelo markoviano.

3.2 Formulación del Modelo

Para desarrollar la simulación se planteara el siguiente modelo estocástico, a partir del uso
de Cadenas de Markov que permitirá calcular a partir de factores y variables que
intervienen, la probabilidad de vida útil del relleno sanitario de Alpacoma de la ciudad de
La Paz, en un determinado año. Los mismos que serán descritos a continuación:

3.2.1 Formulación Informal del Modelo

Los últimos censos realizados en año 2001 y 2012 en área urbana de la ciudad de La Paz
muestra un crecimiento demográfico; en el censo realizado en 2001 la población en el área
urbana contaba con 793,293.00 habitantes, el censo realizado en 2012, muestra que la
población es de 764,617.00 habitantes, que nos indica que la población en el municipio
decrece. Debido a factores como ser la migración en territorio Nacional e Internacional,
como también la defunciones en la población paceña. Se tomara el 2012 como año cero
para nuestro modelo población inicial, a partir del mismo se generará la población para 10
años. Es por eso que la población es variable incidente e interviniente en el modelo de

41
simulación, ya que son los principales generadores de residuos sólidos, los cuales son
dispuestos en el relleno sanitario de Alpacoma de la ciudad de La Paz.

La ecuación para generar la población será definida por:

1)

Donde es la Tasa de crecimiento, que en los últimos censos vario en demasía, ya que en
censo 2001 fue de 1,11% y en censo 2012 fue de -0,34%; es por lo cual se tomará el rango
entre estos como tasa de crecimiento [-0,34%, 1.11%]. Este es el valor que influye en el
crecimiento poblacional de la ciudadanía, valor que fue obtenido del Instituto Nacional de
Estadística (INE).

1.1)

1.2)

Municipio
LA PAZ
Año
2012
2013
2014
2015
2016
2017
2018
2019
2020

42
 2021
2022
Tabla 3.1 Población de la ciudad de La Paz hasta el año 2022
Fuente: Simulación de Residuos MatLab

Los residuos que son generados en la ciudad de La Paz por la población tienen un índice de
producción por cada habitante, y esto es reflejado con la Producción Percápita, que
muestra el índice promedio de generación de residuos, cuyo valor según la institución
LIDEMA es de 0,59 Kg/Habitante/día.

2)

Se estima que la producción percápita aumente en un 1% anual.

2.1)

2.2)

Número Producción Percápita

0,5959
0,601859
0,60787759
0,613956366
0,62009593
0,626296889
0,632559858
0,638885456
0,645274311
0,651727054

Tabla 3.2: Producción Percápita de Residuos.

Fuente: Simulación de Residuos MatLab

43
La población cada día genera cantidades enormes de residuos, ya sea en el hogar, colegios,
instituciones, fabricas, empresas, hospitales, entre otros varios que son dispuestos en el
relleno sanitario de Alpacoma de la ciudad de La Paz. Los cuales tienen un valor de
producción de desechos, a la cual llamaremos Cantidad de desechos producidos

3)

Cantidad de Desechos Producidos

Diario (Kg) Anual (Ton) Acumulada (Ton)
451124,03 164660,27 164660,27
457184,43 166872,32 331532,59
463326,25 169114,08 500646,67
469550,57 171385,96 672032,63
475858,51 173688,36 845720,98
482251,20 176021,69 1021742,67
488729,76 178386,36 1200129,84
495295,35 180782,80 1564123,28
501949,15 185672,70 1749795,98
515526,11 188167,03 1937963,01

Tabla 3.3 Producción Diaria de Residuos

Fuente: Simulación de Residuo MatLab

Los residuos que son generados por la ciudadanía paceña son recolectados y trasladados al
relleno sanitario de Alpacoma, residuos que son trasladados en enormes cantidades, al cual
se lo denomina Volumen Diario de residuos que ingresa diariamente al relleno sanitario de
Alpacoma.

4)

44
Donde: Existe un control de cuanta cantidad de residuos se compacta y almacenan al día.
Esto será se lo definirá como la Densidad de residuos Compactados en el relleno
sanitario de Alpacoma.

4.1)

Volumen Diario
(Compactado)
Diario (m3)
820,23
831,24
842,41
853,73
865,20
876,82
888,60
900,54
912,63
924,90
937,32

Tabla 3.4: Volumen Diario de Residuos Ingresados y Compactados

Fuente: Simulación de Residuos MatLab

Los residuos generados por la ciudadanía paceña y el volumen diario de cantidades que
llegan al relleno sanitario de Alpacoma, deben ser expresados en Volumen Anual al
término de cada año para un mejor control de qué cantidades son las que ingresa
anualmente al relleno sanitario.

5)

Volumen Anual
Año Resultado

299382,31

45
 303404,21
307480,14
311610,83
315797,01
320039,43
324338,84
328696,01
333111,71
337586,73
342121,87

Tabla 3.5 Volumen Anual

Fuente: Simulación de Residuos MatLab

Una vez que estos residuos llegan al relleno sanitario de Alpacoma pasan por una serie de
procesos de tratamiento y almacenado, en las macroceldas, para luego compactarlos a
medida de que los residuos son almacenados el Volumen del Relleno Sanitario va
disminuyendo en el relleno sanitario.

6)

Donde: Uno de los procesos finales a considerar para que los residuos sean almacenados es
el material de cobertura, que será en este caso la tierra, entre otros materiales,
permitiendo la compactación de las celdas del relleno sanitario de Alpacoma.

Volumen del Relleno

Año Acumulada
Sanitario

2012 374227,89 374227,89

46
 2013 379255,27 753483,15

2014 384350,18 1137833,34

2015 389513,54 1527346,88

2016 394746,27 1922093,14

2017 400049,29 2322142,43

2018 405423,55 2727565,98

2019 410870,01 3138435,99

2020 416389,64 3554825,63

2021 421983,42 3976809,05

2022 427652,34 4404461,39

Tabla 3.6 Volumen del Relleno Sanitario de Alpacoma
Fuente: Simulación de Residuos MatLab

Cada año que pasa toneladas de residuos son tratados y almacenados en el relleno sanitario
de Alpacoma, esto genera que el relleno vaya perdiendo el volumen de almacenaje y con él
la Vida Útil.

7)

De esta manera se definirá cada variable del modelo informal, que posteriormente nos
permitirá identificar que elementos debemos considerar para nuestro modelo propuesto.

(INE3)

(INE)

3
Instituto Nacional de Estadística

47
 (DGGIRS)

(DGGIRS4)

(DGGIRS)

(DGGIRS)

(DGGIRS)

(DGGIRS)

3.2.2 Descripción Formal del Modelo.

El modelo de simulación se representara mediante el uso de Cadenas de Markov, con el

cual se pretende hallar una probabilidad, que determine hasta que año tiene vida útil el
relleno sanitario de Alpacoma, para esto el modelo tendrá como parámetros:

Entrada: Son las probabilidades de cambio a un estado . En este caso serán:

Los residuos generados por la población, son recolectados por los carros de la empresa
SABENPE, esta recolección se la hace cada día por los siete macro distritos de la ciudad de
La Paz. Esto se lo representara mediante:

Los residuos, que son recolectados, son trasladados al relleno sanitario de Alpacoma de La
Paz. Para posteriormente ser almacenados a través de procesos que son controlados, para
que no exista contaminación de los suelos, se lo representara de la forma:

4
Dirección General de Gestión de Residuos Sólidos

48
No todos los residuos son llegados a ser recolectados, ya que un porcentaje llega a ser,
reciclada, reutilizada. Existe otro porcentaje simplemente son echadas a los ríos, pozos,
barrancos, entre otros. Y será representado de la siguiente manera:

Los residuos que llegan al relleno sanitario de Alpacoma, no llegan siempre a ser
almacenados en su totalidad, debido a que puede haber un retardo en el proceso de
almacenaje y preparación del área donde serán finalmente almacenados. Así lo
representaremos de la forma:

Cada vez que los residuos pasan por los diferentes procesos, para su posterior
almacenamiento, causa que el volumen del relleno sanitario a través del tiempo vaya
perdiendo su capacidad de almacenaje. Es por esto que lo representaremos por:

Los residuos almacenados pueden ser reubicados de una macro celda a otra, esto solo se da
si es necesario clasificar el tipo de residuo que es compactado y almacenado. Y lo se lo
representara de la siguiente forma:

Los Estados son una serie de conjuntos que estarán definidos de la siguiente manera:
Para que exista los residuos sólidos se necesita de un factor de generación, que en este caso
es la población de la ciudad de La Paz, cada habitante es Generadora de toneladas de
Residuos Sólidos. Esta generación de residuos se lo expresará en probabilidad de
generación de residuos por parte de la población.

49
Los residuos generados por la población en su mayoría, son trasladados, por la empresa de
recolección SABENPE5, que cada jornada recolecta entre 450 y 700 Toneladas. Los cuales
llegan al relleno sanitario de Alpacoma.

Una vez que la empresa de recolección de residuos sólidos, llegan al relleno sanitario, se
procede a una serie de procesos, para su compactación y posterior almacenaje de las
toneladas de residuos bajo suelo.

Así tendremos como estados:

S:{Población generadora de Residuos, Llegada de Residuos al Relleno Sanitario y

Almacenamiento de Residuos}.

Estado

Entrada

Salida

Tabla 3.7 Parámetros del Modelo

Fuente: Elaboración Propia, 2015

Salidas: Como salidas se obtendrá la probabilidad de volumen de almacenaje del relleno

sanitario de Alpacoma, que determinara la vida útil del mismo en un determinado año, a
partir de las n permutaciones que se realizara una vez demostrado el modelo.

5
SABENPE: Entidad encargada de realizar el recojo de residuos sólidos de la ciudad de La Paz.

50
Una vez definida entradas, salidas y estados, se procederá a utilizar las cadenas de Markov
mencionadas en el capítulo 2, subtítulo procesos estocásticos; para representar el modelo
de simulación, que a través del diagrama de transición de estados, nos permitirá conocer el
comportamiento de nuestro modelo de simulación, para así conocer la probabilidad con la
que el volumen del relleno va disminuyendo, y así conocer la vida útil.

P(a) P (b)
P (c) 1-P (e)
S1 S2 S3

P (d)
P (e)

Del diagrama anterior, se procederá a la construcción de la matriz de transición:

1 2 3

1 P (c) P (a) 0

2 0 P (d) P (b)
P =
3 0 P (e) 1-P (e)

Donde nuestro estado inicial está representado por:

Para posteriormente hallar el siguiente estado, se calculara multiplicando nuestro estado

inicial con nuestra matriz de transición P:

51
3.3 Colección de Datos

Para generar nuestra simulación, consideramos entre los principales datos iniciales, a partir
de los datos históricos a los siguientes elementos, para ejecutar el modelo de simulación:

 Población Inicial de la Ciudad de La Paz, a partir de datos del censo 2001 y 2012.
 Tasa de crecimiento poblacional de la ciudad de La Paz 2001 y 2012.
 Cantidad de Residuos Percápita de la población (PPC) desde el año 2012.
 Volumen de residuos generados por día que ingresa al relleno sanitario de
Alpacoma.
 Volumen anual acumulado de residuos en el relleno sanitario.
 Volumen de residuos almacenados en el relleno sanitario.

3.4 Implementación del Modelo en la Computadora.

El modelo de simulación para determinar la vida útil del relleno sanitario de Alpacoma,
será implementado con los programas de simulación MatLab y Promodel. Se utilizara
MatLab para poder realizar la simulación del modelo planteado y Promodel para verificar
los resultados a partir de los datos históricos.

Una vez definido los estados que influirán en el modelo y a partir de la formulación de
entradas y salidas cada una con probabilidades, se procederá a desarrollar la matriz de
transición de la Cadena de Markov definida, a partir de Entradas, Estados y Salidas, que se
definieron. Donde se hallara la probabilidad de funcionamiento y vida útil del Relleno
Sanitario de Alpacoma en un determinado año n.

52
Donde a partir de la investigación de datos históricos extraídos del INE, como
probabilidades iniciales tendremos:

Donde será las iteraciones que representen los años, en que aun el relleno este con una
probabilidad de uso y vida útil, dado los estados anteriores.

Los datos definidos en nuestro modelo, serán introducidos para su procesamiento en el

prototipo, que se encuentra desarrollado en la herramienta de software MatLab. Que nos
permite implementar el modelo con una interfaz gráfica de usuario. Ver figura 3.1

53
 Figura 3.1 Prototipo del Modelo de simulación
Fuente: RellenoSim MatLab

3.5 Verificación.

Es el paso en el cuál se determinara si el programa de computador tiene errores o si, por el

contrario, trabaja correctamente, en consecuencia las primeras reglas a observar en el
proceso de verificación son, en esencia las mismas que tienden a asegurar la corrección de
un programa de computador, y hacen referencia a la manera en que se estructura el
programa, recomendando para programas largos y complejos organizarlos en módulos o

54
subprogramas con una clara estructura de interrelaciones, de manera que cada uno de ellos
pueda verificarse por separado, y la verificación del programa final resultante pueda
realizarse paso a paso, añadiendo en cada uno subprogramas previamente verificados.
En este caso se hará la verificación de los programas MatLab y Promodel, para verificar
que ambos no tengan errores de programación y nos genere los resultados deseados;
programas en los cuales se realizó la simulación del modelo definido, para determinar la
vida útil del relleno sanitario de Alpacoma de la Ciudad de La Paz.

En la figura 3.2 se muestra los Datos de Entrada: Como datos de Entrada tenemos; Los
estados, La Generación Residuos, Llegada de Residuos y Almacenamiento.

Figura 3.2 Datos de Entrada

Fuente: SimuRelleno MatLab

Se presenta la creación de la matriz de transiciones que permitirá, a través de las iteraciones

dar a conocer la variación de probabilidad de cada entrada definida. Ver figura 3.3

55
 Figura 3.3 Datos de Entrada
Fuente: SimuRelleno MatLab

En la figura 3.4 se muestra los Datos de Salida: La probabilidad de volumen de vida útil del
Relleno Sanitario Que en la siguiente etapa del proceso de simulación serán verificados y
comparables con los datos históricos.

Figura 3.4 Datos de Salida

Fuente: SimuRelleno MatLab
La figura 3.5 muestra el valor de probabilidad de vida útil que tendrá el relleno sanitario
proyectado a diez años.

56
 Figura 3.5 Datos de Salida
Fuente: Simulación Residuos MatLab

De esta forma llegamos a los resultados, una vez realizada la simulación obtenemos los
resultados de todos los datos validados en estudio a partir de las ecuaciones mencionadas en
la definición del modelo, proporcionando el programa, los datos requeridos para su
posterior análisis y experimentación.

Figura 3.6 Datos Generados de la Simulación.

Fuente: Simulación Residuos MatLab.

57
En la figura 3.6 se observa que en el proceso de las iteraciones de la matriz de transición se
llega a la probabilidad de funcionamiento del relleno, que el estado muestra que en 10 años
se tendrá 0,8947 de probabilidad de vida útil.

La tabla 3.8 muestra los datos del modelo real generados, tanto generación de residuos
Volumen diario, anual, volumen de relleno y volumen del relleno acumulado.

Dps Anual Dps Acumulada Vdiario Vanual Vrs Vrs Acumulada

164660,27 164660,27 820,23 299382,31 374227,89 374227,89
166872,32 331532,59 831,24 303404,21 379255,27 753483,15
169114,08 500646,67 842,41 307480,14 384350,18 1137833,34
171385,96 672032,63 853,73 311610,83 389513,54 1527346,88
173688,36 845720,98 865,20 315797,01 394746,27 1922093,14
176021,69 1021742,67 876,82 320039,43 400049,29 2322142,43
178386,36 1200129,03 888,60 324338,84 405423,55 2727565,98
180782,80 1380911,84 900,54 328696,01 410870,01 3138435,99
183211,44 1564123,28 912,63 333111,71 416389,64 3554825,63
185672,70 1749795,98 924,90 337586,73 421983,42 3976809,05
188167,03 1937963,01 937,32 342121,87 427652,34 4404461,39
Tabla 3.8 Datos Generados de la Simulación.
Fuente: Simulación Residuos MatLab.

Con todos estos datos obtenidos se genera gráficos para su análisis correspondiente. Donde
la figura 3.7 muestra la población creciente hasta el 2022, la cuál es la generadora de
residuos sólidos.

Población
950000
900000
850000
800000 Población
750000
2005 2010 2015 2020 2025

Figura 3.7 Crecimiento Poblacional

Fuente: Simulación de Residuos MatLab

58
La figura 3.8 muestra el volumen de residuos que se genera y llega para su disposición en el
relleno sanitario.

Volumen Anual
200000
150000
100000
Volúmen Anual
50000
0
2005 2010 2015 2020 2025

Figura 3.8 Volumen Anual Residuos Generados hasta 2022

Fuente: Simulación de Residuos MatLab

La figura 3.9 representa la vida útil que tendrá el relleno sanitario de Alpacoma, hasta
donde podrá almacenar todos los residuos generados por la ciudadanía paceña.

Vida Útil
170000,00
165000,00
160000,00
155000,00
150000,00
145000,00
2010 2012 2014 2016 2018 2020 2022 2024

Figura 3.9 Gráfico de Vida útil.

Fuente: Simulación Residuos MatLab.

Los resultados de la cadena de Markov se verán a través de las iteraciones que se realizara
en la matriz de transición con los estados propuesto definidos, el número de iteraciones que
se hicieron fueron n=8.

59
 Figura 3.10 Última Iteración de la Matriz de Transición
Fuente: SimuRelleno MatLab

La figura 3.11 muestra la evolución de la matriz de transición de la cadena de Markov,

hasta llegar a un estado de estabilidad donde la cantidad de residuos va incrementando, y el
volumen del relleno va decreciendo.

Figura 3.11 Comportamiento de la Cadena de Markov.

Fuente: SimuRelleno MatLab

60
La última iteración de la matriz de transición, permitirá determinar la vida útil del relleno
sanitario de Alpacoma, ahora se procederá a elaborar las operaciones correspondientes,
para saber cuál hasta que año tendrá utilidad el relleno de Alpacoma de la ciudad de La Paz.

Modelo Real Modelo de Simulación

Vida Útil Dato Histórico Vida Útil Promedio
2012 + 9,85 = 21 años 2012 + 8= 20años

Tabla 3.9 Comparación de Resultados

Fuente: SimuRelleno MatLab

Como se puede observar en la tabla 3.9 la vida útil que el relleno sanitario tendrá es de 21
años y la probabilidad que nuestro modelo nos genera es de 20 años. Esto se determina con
la sumatoria del año de estudio más la probabilidad de vida útil.

3.6 Validación.

La validación es la aceptación, a través de procesamientos estadísticos adecuados, de un

nivel aceptable de confianza (en concordancia con el objetivo inicial planteado), de tal
modo que sean correctas las extrapolaciones al sistema real, hechas desde las inferencias
obtenidas con el modelo. Vamos a describir una aproximación para comparar un modelo
con el sistema real suponiendo que es posible recoger un conjunto numeroso de salidas para
ambos.

Se recoge m conjuntos independientes de datos del sistema y n del modelo. Sea e la

media de las observaciones en el conjunto de datos del sistema y del modelo
respectivamente. Los son variables con media y también los son
variables del sistema con media . Intentamos comparar el modelo con el sistema
construyendo un intervalo de confianza . Construir dicho intervalo de
confianza es preferible a comprobar la hipótesis nula , por las razones que:

61
El modelo es una aproximación del sistema real por lo que es claramente falsa en la
mayoría de los casos.

Un intervalo de confianza da más información que el test de hipótesis correspondiente. Si el

test de hipótesis indica que , el intervalo de confianza además indica la magnitud
en la que difieren. Construir un intervalo de confianza para x es un caso especial del
problema de comparar dos sistemas. Podemos construir el intervalo de confianza utilizando
la aproximación Paired-t o la aproximación Welch.

La aproximación de paired-t requiere que m=n pero permite que esté cotejada con . La
aproximación de Welch se puede usar para cualesquiera valores de m=2 y n=2, pero
requiere que los sean independientes de los .

Suponemos que construimos un intervalo de confianza del para usando

alguna de las aproximaciones y obtenemos un límite superior s(a) y un límite inferior i(a)
del intervalo correspondiente. Si , entonces la diferencia observada entre
y se dice que es estadísticamente significativa. Esto equivale a rechazar la hipótesis
nula : a favor de la hipótesis alternativa .

Donde nuestro intervalo de confianza está entre , por tanto se tiene:

62
3.7 Experimentación.

La experimentación con el modelo se realiza después de que este ha sido valido. La

experimentación consiste en generar datos deseados y realizar un análisis de sensibilidad en
los índices requeridos. Hay que diseñar las estrategias a evaluar, las pruebas que se van a
llevar a cabo, el número de simulaciones de cada una de ellas. Un buen diseño de
experimentos puede ser fundamental para obtener la información eficientemente. También
las técnicas de reducción de la varianza que permiten obtener estimadores más precisos con
el mismo esfuerzo computacional, o igual de precisos con menor esfuerzo computacional,
son una buena ayuda para resolver el problema de forma eficiente. Algunas de estas
técnicas están especialmente diseñadas para simulación y otras provienen de la teoría
general de muestreo. En esta fase también hay que tener en cuenta los periodos transitorios
a la hora de diseñar las pruebas, ya que si nuestro objetivo es obtener medidas de un
sistema en estado estacionario, habrá que determinar la longitud del periodo transitorio y
utilizar procedimientos para eliminar o atenuar su influencia en las medidas que se
pretenden obtener.

Tabla 3.10 Datos de los Experimentos

Fuente: Simulación de Residuos MatLab

63
En la tabla 3.11 Se muestra los cambios de cada probabilidad de estado, de la matriz de
transición, esto en cada experimentación del modelo planteado.

Iteraciones
1 0,87 0,85 0,13 0,15
2 0,2436 0,8925 0,0169 0,1075
3 0,1252 0,8946 0,0022 0,1054
4 0,1080 0.8947 0,0003 0,1053
5 0,1056 0,8947 0,0002 0,1053 0,1053
6 0,1053 0,8947 0,0001 0,1053 0,1053
7 0,1053 0,8947 0,0000 0,1053 0,1053

Tabla 3.11 Datos de los Experimentos

Fuente: SimuRelleno MatLab

En la tabla 3.12, se Muestra los resultados de los estados en cada prueba de

experimentación:

Número de
S1 S2 S3
Iteraciones
1 0.3020 0.3490 0.3490
2 0.0393 0.3500 0.6107
3 0.0051 0.1477 0.8472
4 0.0001 0.1061 0.8938
5 0.0000 0.1054 0.8946
6 0.0000 0.1053 0.8947
7 0.0000 0.1053 0.8947
8 0.0000 0.1053 0.8947

64
 9 0.0000 0.1053 0.8947
10 0.0000 0.1053 0.8947

Tabla 3.12 Cambio de los Estados en cada Experimento

Fuente: SimuRelleno MatLab

El experimento muestra los ensayos realizados con la variación en el crecimiento

poblacional, el índice de residuos per cápita generados por la población en estudio. Para así
observar los cambios que se dan en la cantidad de residuos que son depositados en el
relleno sanitario de Alpacoma de la ciudad de La Paz. Estos cambios no como se observa
no son enormes, ya que no cambia ni varia tanto en la predicción de la vida útil y se
adecuan a los datos históricos que se investigaron.

Figura 3.12 Datos de Salida.

Fuente: Simulación de Residuos MatLab

La figura 3.11 muestra las probabilidades de vida útil del relleno sanitario, las cuales fueron
determinadas a partir de los modelos planteados.

3.8 Interpretación.

La vida útil del relleno sanitario de Alpacoma de la ciudad de La Paz, está relacionada con
su volumen máximo de almacenamiento, y la vida útil puede incrementarse al realizar el
reciclado de los desechos sólidos, ya que con este porcentaje se reduce el volumen de

65
desechos a disponer y se incrementa la vida útil de el área de disposición final de los
residuos sólidos que son almacenados.

Se deben implementar nuevas tecnologías (compostaje, reciclado de plástico, vidrio y

papel) para realizar el reciclado de los desechos sólidos desde el origen, para poder
incrementar la vida útil del relleno sanitario. Al iniciar una campaña de separación de los
desechos se reducirán los m3, que ingresaran al relleno sanitario, ya que el porcentaje de
separación de desechos podría ser entregado a empresas recicladoras de esta forma se
incrementará la vida útil del relleno sanitario de Alpacoma de la ciudad de La Paz. Así
mismo impartir charlas concientizar a la población (trabajadores del Relleno Sanitario,
habitantes de alrededores del relleno sanitario de Alpacoma y la comuna Paceña en general)
sobre la importancia de realizar la separación de los desechos sólidos, el valor de los
desechos reciclables y las tecnologías que se pueden implementar para su disposición final
adecuada sin necesidad de que ingresen a un relleno sanitario.

66
 CAPÍTULO IV
PRUEBA DE HIPÓTESIS

4.1 Prueba de Hipótesis

El uso de la Estadística es de gran importancia en la investigación científica. Casi todas las

investigaciones aplicadas requieren algún tipo de análisis estadístico para que sea posible
evaluar sus resultados. En algunos casos, para resolver un problema de carácter empírico,
es preciso llevar a cabo un análisis bastante complejo; otras veces, basta con efectuar un
análisis muy simple y directo. La elección de uno u otro tipo de análisis estadístico depende
del problema que se plantee en el estudio así como de la naturaleza de los datos. Dentro de
la estadística se aplican en la investigación los tests paramétricos y no paramétricos, el
presente trabajo está dedicado al estudio de pruebas no paramétricas que por su importancia
merece ser tratada de forma independiente, atravéz de las pruebas de Kolmogorov-
Smirnov.

Entre los tests no paramétricos que comúnmente se utilizan para verificar si una
distribución se ajusta o no a una distribución esperada, en particular a la distribución
normal se encuentran el test de Kolmogorov-Smirnov. El test de Kolmogorov-Smirnov es
bastante potente con muestras grandes. El nivel de medición de la variable y su distribución
son elementos que intervienen en la selección del test que se utilizará en el procesamiento
posterior. En este caso, si es una variable discreta o continua no normal, solo son aplicables
técnicas no paramétricas.

Para la verificación formal de la hipótesis se plantea la prueba de Kolgomorov-Smirnov,

que permita determinar si el modelo basado en cadenas de Markov es predictivo con un
margen de error del 5%.

Esta prueba se basa en la comparación entre la función distribución acumulada de una

distribución teórica con la función distribución acumulada de la muestra. Si las funciones

67
de distribución acumulada teórica y muestral no son significativamente diferentes, entonces
decimos que la muestra proviene de la distribución cuya función distribución acumulada es
Ft(x). Sin embargo, si las diferencias entre las funciones distribución acumuladas son
muy grandes como para que no sean debidas solamente al azar, rechazamos Ho.

Los pasos a seguir en la prueba de bondad de ajuste de Kolmogorov-Smirnov son los

siguientes:
 Plantear la hipótesis:

Para todo ;
, por lo menos para un

 Calcular todos los valores de la muestra

 Determinar la desviación máxima, que está dada por el supremo de los valores
absolutos de las diferencias entre los valores de la función acumulada teórica y de la
muestra.
 Escoger un nivel de significación.
 De acuerdo a resultado se toma la decisión.

Las suposiciones en la prueba de bondad de ajuste de Kolgomorov – Smirnov son:

 Muestras Aleatorias.
 La población debe ser continua en la variable observada.
 La prueba no es válida si se tiene que estimar uno o más parámetros usando los
datos de la muestra.

Planteamiento de Hipótesis:

68
El modelo planteado se considera predictivo si el promedio de error entre los datos del
modelo informal y el modelo formal de la simulación con ayuda del prototipo. Una vez
desarrollado el prototipo se realizara el cálculo de los valores de la muestra y
comparaciones con los datos históricos representados en la tabla 4.1, que muestra el
volumen del relleno sanitario de Alpacoma de la ciudad de La Paz.

Año Volumen Probabilidad

2012 150252,50 1,38954545
2013 152270,99 1,11141367
2014 154316,60 1,01870857
2015 156389,69 0,97236015
2016 158490,63 0,9445544
2017 160619,79 0,92601999
2018 162777,56 0,91278347
2019 164964,31 0,90285815
2020 167180,44 0,89514029
2021 169426,34 0,88896765
2022 171702,42 0,8839188
Tabla 4.1 Volumen de residuos hasta el 2022
Fuente: SimuRelleno MatLab
A partir de ello se realizara:

Distribuir las muestras mayores, para calcular el valor Z de Kolmogorov – Smirnov,

determinar la desviación máxima, que está dada por el supremo de los valores absolutos de
las diferencias, en la tabla de probabilidades asociadas, para así decidir si se acepta o
rechaza la hipótesis planteada.

Nro. de Modelo Informal Modelo Formal

Diferencia
Prueba (Real) (Cadenas de Markov)
1 1,38954545 0,3905454

69
 2 1,11141367 0,1304136
3 1,01870857 0,0577085
4 0,97236015 0,0493601
5 0,9445544 0,90 0,0445544
6 0,92601999 0,8950 0,0310199
7 0,91278347 0,8948 0,0187834
8 0,90285815 0,8947 0,0081581
9 0,89514029 0,8947 0,0004403
10 0,88896765 0,8946 -0,0056324

Tabla 4.2 Comparación del modelo Informal y Formal

Fuente: SimuRelleno MatLab

Para la prueba de kolgomorov Smirnov se procederá a calcular de lo siguiente:

Media 0,07253513
Desviación 0,11836163
Max 0,3905454
Min -0,0056324
Nro. Datos 10
Rango 0,3961778
Intervalo Raíz de n 3,16227766
Amplitud 0,12528242

Tabla 4.3 Datos para la prueba de Kolgomorov

Fuente: Elaboración Propia

Como se trata de comprobar el margen de error de 0,5%, entre dos modelos se tendrá:

70
Donde: F(X) es la frecuencia observada acumulada y G(X) es la frecuencia esperada
relativa.

Calculando se tiene:

Lim Lim F(X) G(X)

Intervalos FO FOR Diferencia
Inferior superior Acum Acum
1 -0,0056324 0,11965002 8 0,8 0,8 0,65470659 0,14529341
2 0,11965002 0,24493244 1 0,1 0,9 0,92737698 -0,02737698
3 0,24493244 0,37021486 0 0 0,9 0,99404841 -0,09404841
4 0,37021486 0,49549728 1 0,1 1 0,99982386 0,00017614
5 0,49549728 0,6207797 0 0 1 0,99999819 1,8112E-06
6 0,6207797 0,74606212 0 0 1 0,99999999 6,3365E-09
7 0,74606212 0,87134454 0 0 1 1 7,4492E-12
8 0,87134454 0,99662697 0 0 1 1 2,8866E-15
9 0,99662697 1,12190939 0 0 1 1 0
10 1,12190939 1,24719181 0 0 1 1 0
10

Tabla 4.4 Prueba de Kolgomorov

Fuente: Elaboración Propia

De donde:

Estimador Smirnov Kolgomorov 0,14529341

Grados de Libertad 10

0,05 0,40925

Prueba SE ACEPTA

71
Como se planteo, para todo valor de probabilidad mayor que 0,05, se acepta Ho y se
rechaza H1. Por tanto lo que indica que nuestra hipótesis nula se acepta. Además que
nuestro margen de error es menor a 0,05.

Por lo cual se concluye que el modelo de simulación se aproxima al modelo real, quedando
así demostrado el planteamiento de nuestra hipótesis.

Así:

Zona de Aceptación

Figura 4.1 Región de Aceptación.

Fuente: Elaboración Propia

La figura 4.1 muestra la zona de aceptación de nuestro modelo, a partir de la comparación

del estimador de Kolgomorov Smirnov, en la tabla estadística con el nivel de significación
que es de 0,05.

72
 CAPÍTULO V
CONCLUSIONES Y RECOMENDACIONES

5.1 Conclusiones

A partir de los capítulos desarrollados, se logró alcanzar los objetivos planteados en el

Capítulo I. Habiendo desarrollado un trabajo de investigación de vida útil del relleno
sanitario de Alpacoma, que fue establecido con el modelo de planteado, que en este caso
fue las cadenas de Markov, el cuál predice una vida útil de 20 años. Así también el control
de las variables de entrada con cada estado que interviene a la hora de la disposición de
residuos sólidos.

 En el desarrollo de la presente tesis se definió formalmente, un modelo de

simulación con el uso de cadenas de Markov, el cuál para determino la vida útil del
relleno sanitario de Alpacoma.
 Con nuestro modelo planteado se redujo la perdida de nivel de confianza,
permitiendo así mejorar nuestro pronóstico.
 Las probabilidades de llegada, pudieron ser controladas atravéz de los estados
planteados en nuestro modelo de simulación con cadenas de Markov.
 Se vio que los factores que intervienen a la hora de almacenar los residuos son los
datos de probabilidad de compactación se residuos, entre otros.
 Se verifico a partir del estudio y recolección de datos históricos, la información
actual de la generación de residuos sólidos en la ciudad de La Paz.
 Con los estados definidos en la cadena de Markov se pudo controlar la probabilidad
de almacenaje, y con este la salida.

Con los resultados obtenidos a partir del modelo formal planteado con las cadenas de
Markov, se puede afirmar que se construyó un modelo de simulación, capaz de representar
el comportamiento acumulativo de este sistema estudiado, la vida útil del relleno sanitario
de Alpacoma de la ciudad de La Paz, mostrando que el uso de las cadenas de Markov es

73
una herramienta importante para el análisis de eventos pasados para determinar, lo que
sucederá a futuro, en este caso determinar la vida de utilidad del relleno sanitario de
Alpacoma.

5.2 Recomendaciones

Con respecto a los parámetros que intervienen el modelo, los valores obtenidos a través de
la simulación se va ajustando a un valor óptimo, comparado con los datos históricos en
función a la cantidad de simulaciones. Además el modelo considera los fenómenos que
ocurren para que nuestro relleno vaya perdiendo vida útil. En este sentido se sugiere
considerar, las probabilidades con las que llega y son tratados los residuos, que van
cambiando cada año, a causa del crecimiento demográfico de la ciudad de La Paz, ya que es
el principal factor de generación de residuos.

Es importante que en el modelado, los datos de cada estado que tiene el modelo sean
correctamente introducidos de manera que la información pueda ser evaluada y procesada,
para la mejor toma de decisiones, caso contrario nuestra predicción tendrá una margen de
error amplio.

La investigación se puede concretar con la implementación del modelo, que puede ser una
herramienta de toma de decisiones para las entidades, que controlan el tema de la
generación de residuos sólidos y el uso del relleno sanitario de Alpacoma. Que les permitirá
pronosticar la utilidad de cada relleno sanitario que se desee construir, a partir de la
generación de los componentes que influyen en el sistema.

La presente investigación puede continuar y ampliarse, en el aspecto de hacer uso de otros

métodos estocásticos, como ser las redes bayesianas, para el uso de la simulación en el
presente área de estudio.

74
Bibliografía

 BEGER 2000 Simulación de Sistemas Instituto de Ciencias y Matemáticas.

 CASELLI G. H. 2009 Manual de Simulación Universidad Nacional del Santa

Chimbote.

 DAIS Etapas del Proceso de Simulación 2013 [en línea]

<http://es.scribd.com/doc/49896211/etapas-del-proceso-de-simulación#scribd>
[Consulta: 10 Septiembre 2015].

 DEFINICIONES D. Residuos Sólidos 2015 [en línea] <http://definicion.de/residuo-

solido/> [Consulta: 04 Abril 2015].

 DIARIO 2014 La Paz inicia nueva era en manejo de residuos sólidos, La Paz
Bolivia [29 Julio 2014]

 FÁBREGAS A. A. 2003 Simulación de Sistemas productivos con Arena [en línea]

Universidad del Norte. <https://books.google.com.bo> [Consulta: 04 Abril 2015].

 GAMLP 2013 La Paz genera 12% más de basura que hace ocho años INFORSE [en
línea] <http://www.inforse.com.bo> [consulta:10 Septiembre 2015]

 JIMENEZ, 2014 Residuos Sólidos - La Basura Problema de Todos Universidad

Mayor de San Andrés.

 LANDER, 2007 Simulation & Trainig Solutions [en línea]

<http://www.landersimulation.com/index.php> [Consulta:03 Junio 2015].

75
 LIDEMA 2009 La Paz genera elevada cantidad de Basura Bolivia Informa.

 MELENDEZ 2004 Modelación de la Incineración de Residuos Sólidos Urbanos

como alternativa complementaria al Relleno Sanitario Doña Juana en Bogotá [en
línea]
<http://repository.javeriana.edu.co/bitstream/10554/8977/1/S%C3%A1nchezTolosa
JorgeLe%C3%B3n2012.pdf> [Consulta: 04 Abril 2015].

 MOHAMMAD R. 1998 Simulación y análisis de modelos estocásticos, México

McGraw-Hill Interamericana 288p.

 MMyA, 2011 Diagnóstico Departamental de La Paz, Ministerio de Medio

Ambiente y Agua.

 PLANETICA 2011 Clasificación de Residuos [en línea] <http://Clasificación de los

residuos - Planetica.org.htm> [consulta: 10 Septiembre 2015]

 RODRIGUEZ & QUESADA 2009 La Simulación Computarizada como

herramienta didáctica de amplias posibilidades. INFOMED.

 RAMIRÉZ 2013 Evaluación Del Riesgo Potencial En Salud Asociado A Emisiones

Gaseosas Universidad del Valle.

 ROMERA, 2008 Procesos estocásticos Cadenas de Markov (UCM3).

 SALADIÉ O. Residuos: definición y clasificación [en línea]

<http://www.desenvolupamentsostenible.org/index.php?option=com_content&view
=article&id=197&Itemid=87&lang=es> [Consulta: 26 Mayo 2015].

76
 TARIFA E. E. 2011 Teoría de Modelos de Simulación Universidad Nacional de
JuJuy.

 TORRES 2001 Concepto de Modelo pp. 3-4.

 VALVERDE, 2010 Historia de la simulación Universidad de Extramadura.

 YAZLLE 2009 Cadenas de Markov pp. 2-4

77
ANEXO A: ÁRBOL DE PROBLEMAS

Más ingreso La capacidad

de residuos Cantidad de se reduce con Reduce los
sólidos al compactación el ingreso de focos de
relleno de los residuos. infección.
sanitario. residuos varía.

Poco conocimiento de la Vida Útil del

Relleno Sanitario

Enorme El ingreso de Los Poca cantidad Demora en la

cantidad de residuos varía volúmenes de de residuos desintegración
Residuos que cada día. residuos reciclados y de los residuos
genera la almacenados reutilizados. almacenados.
población son de mayor
consideración.

1
ANEXO B: ÁRBOL DE OBJETIVOS

Mejor diagnóstico del Verificar la Analizar si la Estimar la

ingreso de residuos Cantidad de capacidad puede reducción de los
sólidos al relleno compactación de perdurar a partir del focos de
sanitario. los residuos. reciclaje de residuos. infección.

Diseñar un modelo de simulación para

conocer la Vida Útil del Relleno Sanitario

Controlar la Tener datos Verificar los Diagnosticar Estudiar el

cantidad de del ingreso volúmenes de si la cantidad tiempo de
Residuos que de residuos. residuos de residuos desintegraci
genera la almacenados. reciclados y ón de los
población reutilizados. residuos

2
ANEXO C: MATRIZ DE MARCO LÓGICO
Resumen Narrativo
Diseñar un modelo de simulación que
determine la vida útil del relleno
Fin sanitario de Alpacoma de la Ciudad de
La Paz.
Determinar la vida útil del relleno
sanitario de Alpacoma de la Ciudad de
Propósito La Paz con un margen de error de
0,5%.
 Determinar a partir de la
simulación la llegada de residuos al
relleno sanitario con un mayor nivel
de confianza en el pronóstico.
 10/09/2015.
Controlar las variables de
entrada para mejorar la precisión de
Componentes los cálculos en el modelo.
  Verificación y Validación
Estudiar todos los factores
que interviene a la hora de
almacenar los residuos, para que el
modelo sea más preciso.
Expresadas en el cronograma de
Actividades actividades
3
Indicadores
Realizar la evaluación y
verificación del modelo a
simular.
El modelo implementado en
un programa de simulación
será hasta noviembre de 2015.
 Conceptualización del
modelo hasta 01/09/2015.
 Recogida de Datos hasta
 Implementación del
modelo 18/09/2015.
25/09/2015.
 Estado de Hipótesis
06/11/2015.
 Conclusiones 27/11/2015.
Material de escritorio
Bs.2000
Internet Bs. 1500
Entrevistas, Visitas Bs. 1500
Transporte Bs. 2800
Alimentación Bs. 2000
Total. Bs.9800
Verificación Suposiciones
Se tiene información del uso
En el programa de de cadenas de Markov
simulación. implementadas en modelos de
simulación.
 Existen tesis elaboradas
acerca de Simulación de
Pruebas del modelo simulado. Residuos para diferentes
Elaboración de informes a áreas de información.
cargo del tutor o asesor.  Se cuenta con herramientas
que permiten elaborar la
simulación.
 Entrega de planteamiento
de la hipótesis al tutor-
asesor.
 Entrega de la elaboración
Se tiene información de datos
de la documentación al
tutor – revisor.
de uso, para el control de
residuos sólidos.
 Entrega de la
documentación elaborada
del tema planteado al tutor
– revisor.
- Informe del presupuesto de
gasto. Recopilar la información
- Resultados obtenidos de los necesaria para la elaboración
distintos datos recogidos. de la tesis de forma correcta.
- Avance de los informes
tutor-revisor.
ANEXO D: DATOS DE POBLACIÓN Y GENERACIÓN DE RESIDUOS

Año Población PPc Dps Dps Anual

2012 764617,00 0,59 451124,03 164660,27

2013 767216,70 0,5959 457184,43 166872,32

2014 769825,23 0,601859 463326,25 169114,08

2015 772442,64 0,60787759 469550,57 171385,96

2016 775068,95 0,61395637 475858,51 173688,36

2017 777704,18 0,62009593 482251,20 176021,69

2018 780348,37 0,62629689 488729,76 178386,36

2019 783001,56 0,63255986 495295,35 180782,80

2020 785663,76 0,63888546 501949,15 183211,44

2021 788335,02 0,64527431 508692,34 185672,70

4
ANEXO E: DATOS GENERACIÓN DE RESIDUOS Y VOLUMEN DEL RELLENO
SANITARIO DE ALPACOMA DE LA CIUDAD DE LA PAZ.

Dps Vrs
Año Vdiario Vanual Vrs
Acumulada Acumulada
2012 164660,27 820,23 299382,31 374227,89 374227,89

2013 331532,59 831,24 303404,21 379255,27 753483,15

2014 500646,67 842,41 307480,14 384350,18 1137833,34

2015 672032,63 853,73 311610,83 389513,54 1527346,88

2016 845720,98 865,20 315797,01 394746,27 1922093,14

2017 1021742,67 876,82 320039,43 400049,29 2322142,43

2018 1200129,03 888,60 324338,84 405423,55 2727565,98

2019 1380911,84 900,54 328696,01 410870,01 3138435,99

2020 1564123,28 912,63 333111,71 416389,64 3554825,63

2021 1749795,98 924,90 337586,73 421983,42 3976809,05

5
ANEXO F: GRÁFICA DE CRECIMIENTO POBLACIONAL Y DE GENERACIÓN
DE RESIDUOS DE LA CIUDAD DE LA PAZ HASTA EL AÑO 2022.

Población
795000,00
790000,00
785000,00
780000,00
775000,00 Población
770000,00
765000,00
760000,00
2010 2012 2014 2016 2018 2020 2022 2024

Dps Anual
190000,00

185000,00

180000,00

175000,00
Dps Anual
170000,00

165000,00

160000,00
2010 2012 2014 2016 2018 2020 2022 2024

6
ANEXO G: GRÁFICO DE VIDA ÚTIL DEL RELLENO SANITARIO DE
ALPACOMA.

Vida Útil
440000,00
430000,00
420000,00
410000,00
400000,00 Vrs

390000,00
380000,00
370000,00
2010 2012 2014 2016 2018 2020 2022 2024

7
ANEXO H: MODELO DE SIMULACIÓN EN PROMODEL

8
ANEXO I: COMPORTAMIENTO DEL MODELO EN PROMODEL

9
ANEXO J: RESULTADOS DE LA SIMULACIÓN EN PROMODEL

10
ANEXO K: RESULTADOS DE LA SIMULACIÓN EN PROMODEL

11
ANEXO L: VISTA SATELITAL DE LA SUPERFICIE DE LA CIUDAD DE LA PAZ
Y ESTADÍSTICA DE GENERACIÓN DE RESIDUOS.

12
ANEXO M: PROCESO DE ALMACENAJE EN UN RELLENO SANITARIO

13
ANEXO N: NORMAS Y LEYES

14
ANEXO O: EL RELLENO SANITARIO DE ALPACOMA

Ingreso al Relleno y Macro Celdas

15
Macro Celdas para el Almacenaje de Residuos

16