Institución Universitaria Politécnico Grancolombiano

Investigación de Operaciones
Informe preliminar: Informe técnico de la investigación de operaciones, entrega 3

Integrantes del grupo

Nombre del estudiante Correo (incluya, por favor, la extensión)
Cristhian Andrés Vargas Cuero candvargas@poligran.edu.co
Michelle Loreny Velásquez mlovelasquez@poligran.edu.co
Galeano
Integrante 3 xxx@poligran.edu.co
Integrante 4 xxx@poligran.edu.co
Integrante 5 xxx@poligran.edu.co

Ejercicio 1
Breve explicación del modelo propuesto, en particular la representación como red.

Ante la problemática de Transportadora de Gas Internacional TGI S. AESP respecto a la

falta de suministro de GNC en la ciudad de Bogotá por la interrupción del servicio de
red en la parte central, la empresa presenta el modelo estratégico de 15
GRUPOLOGISTICO. para lograr una mejor oferta en el entorno, por lo que su uso está
relacionado con el dinamismo del consumo. Con este modelo es posible obtener una
distribución de gas en su distribución al consumidor con mayor rentabilidad,
confiabilidad, regularidad y mejor calidad, y esto se logra a través de un excelente
diseño de red.
La red está diseñada con automatización de líneas de gas, optimización de movimientos
desde los campos de producción hasta el proceso de distribución de gasolineras,
determinación del volumen de producción diario, operaciones diarias de las estaciones,
determinación del flujo de gas. Un diario especial reduce los costos de transporte,
controla las desviaciones en las fábricas. . . Podemos modelar MLSP-PC como un
problema de flujo de red de menor costo entrenado en una red de fuente única. Para ello,
definimos una red fuente0, T con nodos de transbordo (1, t) en el nivel de producción
(nivel 1, t = 1, T), que representa la cantidad de gas producido en un periodo de tiempo
t. dado un nodo, T enviando nodos (l, t) en cada nivel de almacenamiento (t = 1, T; l =
2, L-1) que transmiten nodos del nivel l al nivel l en 1 periodo t y nodos de demanda T (l,
t) Con demanda dt en el nivel minorista (nivel L, t = 1, T) donde se ubica el producto de
distribución final. Finalmente, la viabilidad supone que el nodo fuente 0 tiene una fuente
de unidades d1T. La Figura 1 ilustra la representación de MLSP-PC cuando L = 4 y T =
10. Habría 10 períodos de demanda, donde los movimientos verticales (arriba-abajo)
representan cantidades transportadas entre niveles y los movimientos horizontales.
(izquierda-derecha) cantidades a mantener en stock entre períodos. Por eso tenemos un
modelo multinivel.
Explique el modelo propuesto y resalte la representación como red. Esto significa que
como lo indica el nodo cero (0), sus productos son enviados a los almacenes de
distribución de los nodos (1,1), (1,2), (1,3) y (1,4) en el nivel 1. esos envíos son tomados
por flechas llamadas arco de producción, el primer nivel se transmite entre sí excepto el
nodo (1,4) y el nivel 2 representa los nodos (2,1), (2,2), (2, 3) y (2,4) se transmiten
respectivamente entre sí en este nivel, excepto en el punto final (2,4) y en el nivel 3,
representado por los nodos (3). ,1), (3,2), (3,3) y (3,4), que no son responsables de
cumplir con el requisito del sistema.

Proposición 2.1
Cada punto extremo de una posible solución se puede descomponer en sucesivos sub-
plantes. El modelo se puede dividir en una serie de sub-planes, es decir. El modelo de 10
períodos se puede analizar en varios sub-planes de red, de modo que cada sub-plan
satisfaga uno o más períodos de demanda combinando flujos de transporte y
almacenamiento.
Proposición 2.2
Un subplan puede contener como máximo un ciclo de producción libre. Aunque un
subplan puede tener múltiples arcos de producción, solo uno de ellos tiene una
capacidad menor que su capacidad total, es decir. tiene capacidad ociosa o residual, los
otros arcos de producción dentro del subplan estarán a plena capacidad.
Proposición 2.3
Entendemos que la situación actual del inventario, es decir. El excedente queda
atrapado entre la producción y la demanda. Se debe considerar que es posible realizar
producción para varios períodos de demanda y decidir si mantener inventario o
transportar ciertas cantidades, lo que significa que la cantidad transportada al nivel es
igual a la producción acumulada del almacén. los períodos anteriores del subplan o la
capacidad acumulada de los períodos del subplan.
VARIABLES DE DECISIÓN

Las variables de decisión para nuestra cadena de suministro logístico ejercicio son:

Periodos de tiempo planeados:

, tendremos 12 periodos por año, debido a que son los meses del año, cada que
hablemos de un periodo o tengamos una T en nuestra ecuación significa por mes.

Niveles:

, en nuestro caso tenemos 4 niveles (Cusiana, Apiay, Bogotá, estación de servicio).

Demanda mensual:

, demanda mensual no negativa.

Capacidad mensual de producción

, capacidad de producción en un periodo de tiempo.

Costos de producción:

, costos de producción en un periodo de tiempo, están en

el dominio de los números reales.

Costos de transporte:

, los costos de transporte de un

nivel a otro en un periodo de tiempo están en el dominio de los números reales.

Costos de mantenimiento de inventario:

, costos de mantenimiento en un periodo

de tiempo, están en el dominio de los números reales.

Cantidad producida:

es la cantidad producida en un periodo de tiempo.

Cantidad transportada:
 , cantidad transportada de un nivel L a uno L+1, es decir al siguiente nivel

Cantidad de Inventario:

, cantidad de inventario en un nivel L al final de un periodo T

FUNCIÓN OBJETIVO

Lo principal es minimizar costos

1. Sumatoria de la Capacidad mensual de

producción de la planta x Cantidad de unidades producidas en la planta en un
periodo de tiempo T

2. Sumatoria de los costos de

transporte x cantidad de unidades de producto enviadas desde el eslabón N al
nivel N + 1 en el mes.

3. Sumatoria de los costos

de mantenimiento de inventario x Cantidad de unidades de producto en
inventario en el nivel N al final del mes T

RESTRICCIONES

Tenemos 5 restricciones:
 1. Cantidad transportada más la cantidad de inventario es igual a la cantidad
producida del mes más la suma del inventario del mes anterior, desde T=1.
2. Esta restricción es para el nivel 2 (L=2) en adelante, dice que la cantidad
transportada más la cantidad de inventario es igual a la cantidad transportada
desde el eslabón anterior más la cantidad de inventario del mes anterior.
3. La demanda más la cantidad de inventario en un nivel L al final de un periodo T
es igual a la cantidad transportada del eslabón anterior L-1 más la cantidad del
inventario del mes anterior (T-1), en un tiempo T=1.
4. Esta restricción dice que la cantidad producida debe ser menor o igual a la
capacidad de producción.
5. La cantidad de inventario en el nivel 1 cuando iniciamos es igual a cero.
y adicionalmente las restricciones de negatividad
Ejercicio 2
Análisis de los datos suministrados y pronóstico para los siguientes doce meses de los
parámetros: (i) Demanda y (ii) Producción.

Análisis estadístico completo de los datos de entrada (incluidos en el archivo

GNVdata.xlsx) que justifica la elección de los parámetros utilizados en el modelo (en 12
meses).

Graficamos los datos obtenidos totales del 2001 al 2015

Como podemos ver en el gráfico de enero a diciembre de los últimos quince años,
podemos analizar que los meses más solicitados son marzo, agosto, septiembre, octubre,
noviembre y diciembre.
Las unidades están expresadas en BTU
Se concluye que durante el año se puede atender la demanda de Gas en el año 2016
Revisando el panorama mes a mes, hay unos saldos negativos, en ellos se evidencia que
no se puede sostener la demanda solo con la producción de este mes, siendo el mes más
crítico septiembre.
No hay necesidad de tercerizar el abastecimiento de gas, se puede abastecer BOG con la
producción sumada de todos los meses.
Nota: En otro adjunto encontrara el archivo. gms

Ejercicio 3
La formulación del problema explicada en forma general en el software de Programación
Lineal (GAMS), especificando: conjuntos, parámetros, variables de decisión, función
objetivo y restricciones.

En este ejercicio no debe incluir nada en el informe necesariamente.

Podría incluir pantallazos de su modelo, pero dichos pantallazos no son necesarios.

Acá recuerde adjuntar de forma correcta el archivo GAMS en su entrega considerando:

Correcto:

Incorrecto:

Recuerde no incrustar el archivo de GAMS dentro de este formato sino enviarlo como
archivo adjunto. No se considera el archivo si únicamente se “envía” incrustado en el
formato en Word.
Ejercicio 4
Solución específica del modelo con los datos estructurados en el numeral 2. Se requiere un
análisis detallado de los principales resultados del modelo, en donde se muestren las
medidas de desempeño más significativas del sistema.

 El costo de producción envió e inventario en la empresa GBTU para los meses

Enero, febrero, marzo, abril, mayo, junio, julio, agosto, septiembre, octubre, noviembre y
diciembre es de $ 50.305.411

Plan de producción:

 En el mes de enero se produce 699 GBTU de gas.

 En el mes de febrero se produce 700 GBTU de gas.
 En el mes de marzo se produce 700 GBTU de gas.
 En el mes de abril se produce 701 GBTU de gas.
 En el mes de mayo se produce 596 GBTU de gas.
 En el mes de junio se produce 299 GBTU de gas.
 En el mes de julio se produce 700 GBTU de gas.
 En el mes de agosto se produce 696 GBTU de gas.
 En el mes de septiembre se produce 404 GBTU de gas.
 En el mes de octubre no hay producción.
 En el mes de noviembre se produce 899 GBTU de gas.
 En el mes de diciembre se produce 695 GBTU de gas.
Plan de envíos

NIVELES
PERIODO Cusiana Apiay Bogotá 0
S
Enero 349 349 349 349
Febrero 1050 1050 347 347
Marzo 700 700 505 505
Abril 701 701 339 339
Mayo 596 596 198 198
Junio 299 299 402 402
Julio 700 700 476 476
Agosto 696 696 521 521
Septiembre 404 404 799 799
Octubre 953 953
Noviembre 899 899 1000 1000
Diciembre 695 695 1200 1200

 En el mes de enero se proyecta enviar desde el nivel Cusiana 349 unidades hacia
el nivel Apiay.
 En el mes de enero se proyecta enviar desde el nivel Apiay 349 unidades hacia el
nivel Bogotá.
 En el mes de febrero se proyecta enviar desde el nivel Cusiana 1050 unidades
hacia el nivel Apiay.
 En el mes de febrero se proyecta enviar desde el nivel Apiay 347 unidades hacia
el nivel Bogotá.
 En el mes de marzo se proyecta enviar desde el nivel Cusiana 700 unidades
hacia el nivel Apiay.
 En el mes de marzo se proyecta enviar desde el nivel Apiay 505 unidades hacia
el nivel Bogotá.
 En el mes de abril se proyecta enviar desde el nivel Cusiana 701 unidades hacia
el nivel Apiay.
 En el mes de abril se proyecta enviar desde el nivel Apiay 339 unidades hacia el
nivel Bogotá.
 En el mes de mayo se proyecta enviar desde el nivel Cusiana 596 unidades hacia
el nivel Apiay.
 En el mes de mayo se proyecta enviar desde el nivel Apiay 198 unidades hacia el
nivel Bogotá.
 En el mes de junio se proyecta enviar desde el nivel Cusiana 299 unidades hacia
 el nivel Apiay.
 En el mes de junio se proyecta enviar desde el nivel Apiay 402 unidades hacia el
nivel Bogotá.
 En el mes de julio se proyecta enviar desde el nivel Cusiana 700 unidades hacia
el nivel Apiay.
 En el mes de julio se proyecta enviar desde el nivel Apiay 476 unidades hacia el
nivel Bogotá.
 En el mes de agosto se proyecta enviar desde el nivel Cusiana 696 unidades
hacia el nivel Apiay.
 En el mes de agosto se proyecta enviar desde el nivel Apiay 521 unidades hacia
el nivel Bogotá.
 En el mes de septiembre se proyecta enviar desde el nivel Cusiana 404 unidades
hacia el nivel Apiay.
 En el mes de septiembre se proyecta enviar desde el nivel Apiay 799 unidades
hacia el nivel Bogotá.
 En el mes de octubre se proyecta enviar desde el nivel Cusiana 0 unidades hacia
el nivel Apiay.
 En el mes de octubre se proyecta enviar desde el nivel Apiay 953 unidades hacia
el nivel Bogotá.
 En el mes de noviembre se proyecta enviar desde el nivel Cusiana 899 unidades
hacia el nivel Apiay.
 En el mes de noviembre se proyecta enviar desde el nivel Apiay 1000 unidades
hacia el nivel Bogotá.
 En el mes de diciembre se proyecta enviar desde el nivel Cusiana 695 unidades
hacia el nivel Apiay.
 En el mes de diciembre se proyecta enviar desde el nivel Apiay 1200 unidades
hacia el nivel Bogotá.

Plan de inventarios:
  En el periodo de enero se mantiene en el nivel de Cusiana un inventario de 350
unidades
 En el periodo de febrero se mantiene en el nivel de Bogotá un inventario de 703
unidades
 En el periodo de marzo se mantiene en el nivel de Bogotá un inventario de 898
unidades
 En el periodo de abril se mantiene en el nivel de Bogotá un inventario de 1260
unidades
 En el periodo de mayo se mantiene en el nivel de Bogotá un inventario de 1658
unidades
 En el periodo de junio se mantiene en el nivel de Bogotá un inventario de 1555
unidades
 En el periodo de julio se mantiene en el nivel de Bogotá un inventario de 1779
unidades
 En el periodo de agosto se mantiene en el nivel de Bogotá un inventario de 1954
unidades
 En el periodo de septiembre se mantiene en el nivel de Bogotá un inventario de
1559 unidades
 En el periodo de octubre se mantiene en el nivel de Bogotá un inventario de 606
unidades
 En el periodo de noviembre se mantiene en el nivel de Bogotá un inventario de
505 unidades

Ejercicio 5
Conclusiones generales y las principales recomendaciones a las que haya llegado su
compañía, para la gerencia de TGI.

Conclusiones del ejercicio

 Se respeto la capacidad de producción de todos los meses.
 Todos los meses hubo producción a excepción del mes de octubre, sin embargo,
pese a no haber producción, hubo envió de gas de Apiay a Bogotá.
 Se evidencia que el mes de octubre no hay cantidades enviadas de Cusiana a
Apiay debido a que no hubo producción.
 Los valores de inventario son el resultado, de la diferencia entre la producción y
el producto enviado a otro eslabón, sumado a la cantidad en inventario del mes
anterior.
 El mes que más GBTU se envió a Apiay fue en febrero.
 El mes que mas GBTU se enviaron a Bogotá fue diciembre.
 El mes de mayor producción fue noviembre.
 El mes de menor producción fue junio.

Conclusiones generales

La programación lineal es una técnica matemática utilizada para encontrar la mejor

solución en situaciones donde se deben tomar decisiones para maximizar o minimizar
una función lineal sujeta a un conjunto de restricciones lineales. Se aplica en una amplia
gama de campos, incluyendo economía, logística, ingeniería, finanzas, entre otros.
Algunos de los usos comunes incluyen:

1. Optimización de la producción y la distribución: En la industria, se utiliza para

determinar la cantidad óptima de productos que deben producirse para
maximizar las ganancias, considerando limitaciones de recursos como mano de
obra, materiales y espacio de almacenamiento.

2. Asignación de recursos: Puede usarse para asignar recursos limitados a

diferentes actividades de manera eficiente. Por ejemplo, asignar trabajadores a
diferentes tareas para maximizar la productividad.

3. Planificación de la cadena de suministro: Ayuda a decidir cómo distribuir

productos desde múltiples puntos de producción hasta múltiples destinos,
considerando restricciones de capacidad y costos de transporte.

4. Planificación financiera: Se puede utilizar para determinar la mejor forma de

invertir o distribuir fondos para maximizar los rendimientos, teniendo en cuenta
 diferentes tasas de interés y restricciones presupuestarias.

¿Cuáles son los métodos de programación lineal?

Los problemas de programación lineal se pueden resolver utilizando técnicas como:

1. Método gráfico: Este método es útil cuando se trabaja con problemas de

programación lineal con sólo dos variables. En este método se grafican las
restricciones y la función objetivo en un plano cartesiano y se busca la
intersección de las restricciones para encontrar la solución óptima.

2. Método simplex: Este es uno de los métodos más utilizados para resolver
problemas de programación lineal con varias variables. En este método se
construye una tabla que muestra las variables y las restricciones, y se realiza
una serie de iteraciones para encontrar la solución óptima.

3. Método de los multiplicadores de Lagrange: Este método se utiliza cuando hay

restricciones en forma de igualdad en el problema de programación lineal. En
este método se construye una función Lagrangiana y se utilizan los
multiplicadores de Lagrange para encontrar la solución óptima.

4. Método de las regiones factibles: Este método se utiliza cuando hay

restricciones en forma de desigualdad en el problema de programación lineal.
En este método se divide el espacio de variables en varias regiones factibles, y se
prueba cada una de ellas para encontrar la solución óptima.

Hemos tenido acercamiento a dos herramientas muy usadas para la resolución de este
tipo de problemas, las cuales son:

GAMS (General Algebraic Modeling System) es un lenguaje de modelado algebraico

que facilita la formulación y resolución de problemas de optimización matemática. Se
utiliza en conjunto con solvers (programas que resuelven problemas de optimización)
para encontrar soluciones óptimas. En el contexto de la programación lineal, GAMS es
útil para:
1. Formular modelos de optimización: GAMS proporciona una sintaxis que facilita
la formulación de modelos matemáticos, lo que permite describir problemas de
optimización de manera clara y concisa.
2. Integrar múltiples tipos de restricciones y variables: Permite la inclusión de
restricciones no lineales, restricciones de igualdad o desigualdad, y diferentes
tipos de variables (continuas, enteras, binarias, etc.).
 Solver en Excel es una herramienta de optimización incorporada en Microsoft Excel. Se
utiliza para resolver una variedad de problemas de optimización, incluidos los
problemas de programación lineal. Algunos usos comunes de Solver en Excel incluyen:

1. Planificación financiera personal: Puede ayudar a las personas a asignar sus

recursos financieros de manera óptima para cumplir con objetivos como ahorros,
inversiones y gastos.

2. Optimización de carteras de inversión: Ayuda a los inversores a determinar la

combinación óptima de activos para maximizar los rendimientos dados ciertos
niveles de riesgo.

3. Problemas de asignación: Se utiliza para asignar recursos (como trabajadores a

tareas o productos a clientes) de manera que se maximice una función objetivo
(como ganancias o productividad).

4. Optimización de la cadena de suministro a pequeña escala: Puede ser útil para

pequeñas empresas que deseen optimizar la distribución de productos con
recursos limitados.

Es importante destacar que la programación lineal requiere de datos precisos y fiables

para funcionar correctamente. Por lo tanto, es fundamental contar con sistemas
adecuados para la recopilación y análisis de datos relevantes y precisos, que permitan
tomar decisiones informadas y precisas. Además, la programación lineal se puede
utilizar para analizar grandes conjuntos de datos y encontrar patrones y tendencias que
no son evidentes a simple vista, lo que puede ser de gran utilidad en la toma de
decisiones estratégicas.

En resumen, la programación lineal, GAMS y Solver en Excel son herramientas valiosas

para abordar una amplia gama de problemas de optimización en diferentes campos,
desde la industria hasta la planificación financiera personal.
Esta guía pretende facilitar su trabajo y guiarlo en su proceso de aprendizaje. Quedo muy
atento a cualquier cosa adicional que pueda requerir.