Nuestra empresa se llama Energía Gas, nuestro lema es “Energía para hoy y para el futuro”.

Nos caracterizamos por proporcionar un servicio de distribución de gas rápido y confiable

para satisfacer las necesidades de nuestros clientes en todo momento. Nuestro objetivo es
ser la empresa de distribución de gas preferida por nuestros clientes y ser reconocidos por
nuestra velocidad y eficiencia.
Objetivo: Resolver un problema de cadena de suministro logístico para la distribución de
GNV en la ciudad de Bogotá aplicando la programación lineal y usando un modelo
matemático conocido como “multilevel lot-sizing problem with production capacities”.
Explicación del modelo: El modelo a utilizar para el desarrollo de este proyecto es un
modelo de programación lineal que se utiliza para planificar la producción y la asignación
de recursos en una cadena de suministro con varios niveles. El objetivo del modelo es
minimizar los costos totales de producción, que incluyen los costos de producción por
periodo y por nivel, los costos de transporte y los costos de almacenamiento.
Preposiciones del modelo: Para poder desarrollar el modelo es necesario tomar en cuenta
tres preposiciones que se describen en el documento guía:
 Preposición 1:
Se analizó un sistema multinivel con una estructura secuencial, frecuentemente empleado
en cadenas de suministro. En dicho modelo se consideran variables como el inventario en
algunos niveles o el transporte entre niveles, lo que permite obtener una visión más
completa con los datos requeridos. Encontrar modelos factibles en cualquier punto extremo
de la solución que puedan descomponerse en subplanes permite que cada uno de ellos
cumpla con uno o más periodos de la demanda.
 Preposición 2:
Para asegurar la viabilidad, se parte de la premisa de que la demanda acumulada durante los
primeros t periodos no puede exceder la capacidad de producción. De esta forma, se puede
considerar el escenario planteado como un problema de flujo de red de costo mínimo, tal y
como se representa en el diagrama de red que se ha elaborado.
 Preposición 3:
El objetivo es encontrar un período de tiempo determinado para la producción que permita
optimizar los costos de transporte y producción, para poder abastecer y almacenar y
satisfacer la demanda del minorista. Se considera que esta sería la mejor temporada de
producción en términos de costo individual y mayorista, ya que no se tendría que almacenar
inventario y la mercancía se entregaría según la demanda del cliente.
Diagrama de red:
El diagrama de flujo que representa el modelo a usar para resolver el problema de TGI
contiene 4 niveles y 10 periodos. Tal como se ve a continuación las filas están
representadas por los niveles y las columnas por los periodos, que van desde Marzo hasta
diciembre.

Figura 1. Diagrama de red.

Formulación del modelo matemático
El modelo matemático que modela la distribución de gas natural vehicular en la ciudad de
Bogotá está compuesto por diferentes elementos. En primer lugar se definen los Subíndices
que acompañarán las variables. Luego los parámetros, que son los valores de entrada tales
como la capacidad de producción o la demanda por periodos. Los parámetros son valores
constantes que dan forma al modelo. Posteriormente se definen tres variables, la función
objetivo que busca minimizar costos y por último, las restricciones del modelo.
Sets (Subíndices que acompañarán las variables)
l : son los niveles que conforman la cadena de suministro (Cusiana, Cusiana-Apiay,
Apiay-Bogotá, Bogotá).
t : Son los periodos que conforman el horizonte de planeación (Mar, Abr, May, Jun, Jul,
Ajo, Sep, Oct, Nov, Dic)
1. Parámetros (valores fijos que afectan el resultado final del modelo)
d t : Demanda de gas en el periodo t, donde t=1, …,10

b t: Capacidad de producción de gas t, donde t=1, …,10

 pt : Costo de iniciar la orden de producción de gas, donde t=1, …, 10

htl : El costo de mantener el inventario de gas por un periodo en cada nivel,

donde t=1, …,12 y l=0,1,2,3
t
c l : El costo de transportar gas natural en cada nivel, donde t=1, …,10 y l=1,2,3.

2. Variables:
y t : Cantidad de gas producida en el periodo t; donde t=1, 2, …,10.
l
x t : Cantidad enviada de gas natural desde el nivell al nivell+1 en el periodo t,
donde, t=1,2, …,10 y l =0,1,2. No se incluye l =3 porque no se envía gas natural en el
último nivel.
l
I t : Cantidad de gas en inventario en el nivel l al final del periodo t, donde t=1,2,
…,10 y l =0,1,2,3.
3. Función Objetivo: Se establece una función objetivo para minimizar
costos

( )
10 3 4
Min Z=∑ pt ( y t ) + ∑ c ( x ) + ∑ hlt ( I lt )
l
t
l
t
t =1 l=1 l=1

El principal objetivo de la cadena de suministro es disminuir los costos asociados con la

producción, transporte y almacenamiento, lo cual se logra mediante tres elementos
principales. El primer componente se enfoca en la función de costo de producción, que
tiene en cuenta tanto los costos fijos como los variables de cada nivel en la cadena de
suministro, con el propósito de reducir los costos totales de producción. El segundo
componente, el costo de transporte, se encarga de reducir los gastos relacionados con el
movimiento de los productos de un nivel a otro de la cadena de suministro. El tercer
componente, el costo de almacenamiento, busca disminuir los gastos asociados con el
almacenamiento de los productos en cada nivel de la cadena de suministro para reducir
los costos totales de inventario. Una adecuada gestión de la cadena de suministro puede
ayudar a maximizar los beneficios y aumentar la satisfacción del cliente, mediante la
mejora de la eficiencia en la producción, la reducción de desperdicios y la mejora en la
calidad del producto entregado. La implementación efectiva de la cadena de suministro
es esencial para garantizar el éxito de la empresa y mantener su competitividad en el
mercado.
4. Restricciones (Limitantes lineales del modelo)
1 1 1
x t + I t = y t + I t −1 , t=1,2 , … ,10 Restricción de entrada.
l l l−1 l
x t + I t =xt + I t−1 ,t=1 , … , 10 ;l=2 ,3 Restricción de balance de
Inventario.
 4 3 3
d t + I t =x t + I t −1 , t=1 , … ,10 Restricción de salida
y t ≤ bt , t=1 , … ,10 Restricción de la capacidad de producción. (no
se puede producir más de la capacidad)
l
I 0=0 , l=0,1,2,3 Restricción de inventario inicial para cada uno
de los niveles.
y t ≥ 0 , t=1,2,3,4,5,6,7,8,910; Condición de no negatividad.
l
x t ≥ 0 ,t =1,2,3,4,5,6,7,8,910 ; l=1 , 2, 3; Condición de no negatividad.

I lt ≥0 ,t=1,2,3,4,5,6,7,8,9,10 ; l=0,1,2,3 Condición de no negatividad.

Análisis de los datos.

Para analizar la información contenida en el Excel proporcionado por TGI en primer lugar
se organizó la información referente a la demanda y a la producción histórica de manera
que se pudieran construir las gráficas que se presentan a continuación.
Así pues, las gráficas se construyeron asignando el eje de las ordenadas a la demanda y la
producción y el eje de las ordenadas al tiempo. El cual comprende desde enero del 2001
hasta diciembre del 2015.

Gráfico demanda a lo largo del tiempo

1400

1200

1000

800

600

400

200

0
01 01 02 02 03 03 04 04 05 05 06 06 07 07 08 08 09 09 10 10 11 11 12 12 13 13 14 14 15 15
ne- jul- ne- jul- ne- jul- ne- jul- ne- jul- ne- jul- ne- jul- ne- jul- ne- jul- ne- jul- ne- jul- ne- jul- ne- jul- ne- jul- ne- jul-
e e e e e e e e e e e e e e e

Figura 2. Gráfico demanda a lo largo del tiempo

 Gráfica Producción a lo largo del tiempo
1000
900
800
700
600
500
400
300
200
100
0
01 01 02 02 03 03 04 04 05 05 06 06 07 07 08 08 09 09 10 10 11 11 12 12 13 13 14 14 15 15
ne- jul- ne- jul- ne- jul- ne- jul- ne- jul- ne- jul- ne- jul- ne- jul- ne- jul- ne- jul- ne- jul- ne- jul- ne- jul- ne- jul- ne- jul-
e e e e e e e e e e e e e e e

Figura 3. Gráfico Producción a lo largo del tiempo

Las dos gráficas comparten varias características. En primer lugar, se puede observar una
tendencia general ascendente en ambas, lo que significa que a medida que nos movemos
hacia la derecha en el eje X, tanto los mínimos como los máximos van aumentando. En
términos de distribución de los datos en la gráfica, no se puede identificar una distribución
estadística específica, pero se puede notar un patrón que se repite cada 12 meses. También
se puede observar una ciclicidad en ambas gráficas, lo que indica que tanto la demanda
como la producción histórica siguen un ciclo de 12 periodos que coincide con los meses del
año, lo que significa que el comportamiento de cada mes es similar al del mismo mes del
año anterior. Finalmente, se puede ver una estacionalidad en la gráfica de la demanda,
donde la demanda alcanza su punto máximo en diciembre y su punto mínimo en enero y
mayo, mientras que la producción alcanza su punto máximo en noviembre y diciembre y su
punto mínimo en junio.
Justificación del modelo de pronóstico utilizado:
Ahora bien, a partir de la información histórica es posible hacer un pronóstico sobre cómo
se podría comportar la demanda y la producción en el año 2016. Para ello, haremos uso del
método de pronóstico, Holt-Winters.
El método utilizado se justifica por el hecho de que los datos proporcionados por TGI
poseen ciertas características favorables para su análisis mediante este método, tales como:
- La serie temporal carece de valores extremos o atípicos que puedan
afectar la precisión del modelo de pronóstico.
- La serie temporal muestra un patrón claro y predecible en el tiempo,
lo que sugiere la existencia de una tendencia o estacionalidad en los datos.
- La serie temporal cuenta con suficientes datos históricos para analizar
y modelar el patrón de comportamiento.
 - La serie temporal no presenta cambios abruptos o repentinos en su
comportamiento, lo que podría indicar cambios en las condiciones que afectan la
demanda o producción.
Pronóstico por medio del método Holt-Winters.
La primera fase consiste en seleccionar los parámetros del modelo de Holt-Winters, que
incluyen el nivel base, la tendencia y el componente estacional. Es importante ajustar estos
parámetros utilizando los datos históricos para asegurarse de que el modelo refleje
correctamente el comportamiento de la serie temporal. Utilizando la herramienta Solver de
Excel, se establecieron los siguientes parámetros del modelo:
 α = 0.032
 β = 0.181
 γ=1
Donde: Nivel: se simboliza con la letra "α" (alfa). Tendencia: se simboliza con la letra "β"
(beta). Y componente estacional: se simboliza con la letra "γ" (gamma).
Después de la definición de los parámetros, se procede al desarrollo del modelo de Holt-
Winters mediante el uso de los datos históricos. Durante este proceso, se ajustan los
parámetros para minimizar el error entre los valores pronosticados y los valores históricos.
Para validar la precisión del modelo, se generan las gráficas "GRÁFICA DEMANDA
PRONOSTICADA CON HOLT WINTERS" y "GRÁFICA PRODUCCION
PRONOSTICADA CON HOLT WINTERS", las cuales comparan los valores
pronosticados con los valores reales.

1400 GRÁFICA DEMANDA PRONOSTICADA CON

HOLT WINTERS
1200 PRONÓSTICO Demanda

1000

800

600

400

200

0
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
ner juli ner juli ner juli ner juli ner juli ner juli ner juli ner juli ner juli ner juli ner juli ner juli ner juli ner juli ner juli ner juli
e e e e e e e e e e e e e e e e

Figura 4. GRÁFICA DEMANDA PRONOSTICADA CON HOLT WINTERS.

 1000 GRÁFICA PRODUCCION PRONOSTICADA CON
900 HOLT WINTERS
PRONÓSTICO Demanda
800

700

600

500

400

300

200

100

Figura 5. GRÁFICA PRODUCCION PRONOSTICADA CON HOLT WINTERS

Pronóstico año 2016:
Una vez que se ha confirmado la validez del modelo, es factible hacer uso de él para
realizar predicciones futuras de la demanda o producción. En este contexto, se muestran los
pronósticos de demanda y producción correspondientes al año 2016.
Periodo Pronóstico demanda 2016 Pronóstico Producción 2016
enero-16 366,23 700,14
febrero-16 366,00 708,14
marzo-16 516,60 699,14
abril-16 339,01 700,14
mayo-16 209,32 602,14
junio-16 395,93 301,14
julio-16 476,16 692,14
agosto-16 530,85 690,14
septiembre-16 806,70 414,14
octubre-16 956,49 896,14
noviembre-16 1000,27 897,14
diciembre-16 1195,37 907,14

Referencias:
Van Hoesel, S., Romeijn, H. E., Morales, D. R., & Wagelmans, A. M. (2005). Integrated
Lot Sizing in Serial Supply Chains with Production Capacities. Management Science,
51(11), 1706-1719. doi:10.1287/mnsc.1050.0378. Recuperado de
https://login.loginbiblio.poligran.edu.co/login?url=http://search.ebscohost.com/login.aspx?
direct=true&db=edsjsr&AN=edsjsr.20110457&lang=es&site=eds-live