1006424071 1

Modelo de Programación Lineal Multiobjetivo

para la Logística Inversa en el Sector Plástico de
Polipropileno (noviembre de 2023)
Wilfredo Páez Rodríguez
wilfredopaez201@unisangil.edu.co
Fundación Universitaria de San Gil-Unisangil
Yopal, Casanare

Finalmente, se presenta un modelo de programación lineal

Abstract - The article presents a multi-objective linear
programming model designed to enhance reverse logistics in the
plastic polypropylene industry. The research includes a literature
review related to polypropylene recovery from urban and
industrial waste. Subsequently, a linear programming model is
introduced that incorporates key variables and parameters for
reverse logistics planning. The results of a case study demonstrate
a 12.6% improvement in logistics planning costs and an
optimization of the Degradation to Processability Index, implying
higher quality of recycled polypropylene. This approach has the
potential to be beneficial for the plastic polypropylene recycling
industry.
Palabras claves - logística inversa, índice de degradación, residuos
sólidos, plástico, programación lineal Multiobjetivo.
I. INTRODUCCION
E l artículo comienza abordando la creciente preocupación por la
gestión de residuos en la industria y la necesidad de decisiones
gerenciales estratégicas en este ámbito. Se menciona la importancia de
la logística inversa en la gestión de residuos sólidos y la tendencia de
separación de residuos en las fuentes urbanas. El artículo también
destaca la falta de modelos que integren aspectos económicos y
medioambientales en la gestión de la cadena de suministro inversa. Se
subraya el valor de la investigación de operaciones y la modelación
matemática en la toma de decisiones. Se explica que una cadena de
suministro implica una serie de procesos y flujos para satisfacer las
necesidades de los clientes internos y externos. Se menciona la
necesidad de diseñar modelos para analizar el comportamiento de las
cadenas de suministro.
Luego, se describe la logística inversa como el proceso de recolección,
desmonte y desmembramiento de productos o materiales usados con
el fin de maximizar su aprovechamiento o uso sostenible. Se menciona
la recuperación del polipropileno y su clasificación en diferentes
etapas en la cadena de logística inversa. Se detallan las etapas de
recolección y separación manual, separación mecánica de plásticos,
molienda del polipropileno, y extrusión y aditivación del material.
También se destaca la importancia de la estabilización y la degradación
del polipropileno reciclado.
multiobjetivo para la logística inversa del polipropileno, con un
enfoque en la optimización de factores clave a lo largo de la cadena de
proceso. Este modelo se implementa en un caso de estudio en una
empresa dedicada al procesamiento y comercialización de plásticos
reciclados, con el objetivo de mejorar la toma de decisiones y la
competitividad.
II. METODOLOGIA
Se empleó un enfoque cuantitativo y descriptivo para desarrollar un
modelo de programación lineal multiobjetivo relacionado con la
logística inversa del sector del plástico de polipropileno. Este enfoque
implicó la identificación de procesos clave para la recuperación de
polipropileno de residuos industriales y residuos sólidos urbanos, lo
que permitió la definición de variables y parámetros fundamentales.
Se establecieron dos funciones objetivo: el costo de la logística
inversa de polipropileno (Z1) y la degradación del polipropileno
reciclado (Z2). Estas funciones se construyeron considerando
múltiples restricciones vinculadas al proceso. El modelo se validó
mediante un análisis que evaluó la reducción de costos y la mejora del
índice de degradación a lo largo de un período de seis meses en una
empresa del sector plástico en la ciudad de Cartagena, utilizando la
solución proporcionada por el modelo.
Para la función objetivo Z1, que involucra periodos de producción,
centros de acopio y rutas de transporte, se desarrolló una expresión
matemática que considera una serie de costos relacionados con el
transporte, almacenamiento, materiales, mano de obra, contrataciones,
inventario, pedidos y aditivos. Esta expresión se detalla en la Ecuación
1 del estudio.

Fundacion Universitaria de San Gil-Unisangil, Facultad de ciencias naturales e

ingeniería, Ingenieria de sistemas.
 1006424071 2

Donde p son los periodos de producción (p=1 … P), n los centros

de acopio (n=1,…, N), r la ruta del transporte (r=1,…, R), Transrp es
transporte por la ruta r hasta en el periodo p, CTransrp es el costo del
transporte por la ruta r hasta en el periodo p, Almnp el almacenaje en
el centro de acopio n en el periodo p, CAlm el costo de almacenaje,
Pdp la producción realizada en el periodo p, CMP el costo de materia
prima, HhR p horas hombre regular en el periodo p, CHhR: Costo hora
hombre regular, HEp horas extras en el periodo p, CHE costo horas
extras, Cp contrataciones en el periodo p, PCp costo del perjuicio por
las contrataciones en el periodo p, Dp despidos en el periodo p, PDp
costo del perjuicio por los despidos en el periodo p, HhOp horas
hombre ociosas en el periodo p, CHO costo hora hombre ociosa, Invp
inventario en bodegas en el periodo p, CInv costo por inventario en
bodegas, PNSp pedidos no satisfechos en el periodo p, CPNS costo de
los pedidos no satisfechos, PSp producción subcontratadas en el
periodo p, CPS costo por producción subcontratadas, Ast p aditivo
usado en el periodo p, CAdt costo aditivos. Así mismo en la
investigación experimentalmente se determinó el comportamiento
lineal del índice de degradación a la procesabilidad en función de la
concentración de aditivo estabilizante adicionada en el periodo p
mediante un análisis de regresión simple, en el que obtuvo un-R-
cuadrada del 98.48677 %. (Ec. 2), donde PDI0 es el Índice de
Degradación a la Procesabilidad al inicio del proceso de reciclaje, m la
pendiente de la línea obtenida en la relación del PDI y el Adt, Adt p la
concentración del aditivo estabilizante adicionada en el period p. ver
[1]
En la continuación del estudio, se presentan las restricciones que
afectan el proceso. Estas restricciones se refieren a la producción (Ec.
3), la mano de obra o las horas hombre (Ec. 4), las contrataciones y
despidos (Ec. 5), las horas extras y horas ociosas de los trabajadores
(Ec. 6), los niveles de inventario en las bodegas (Ec. 7), la producción
no entregada a tiempo y las insatisfacciones debido a retrasos (Ec. 8),
la producción subcontratada en una empresa externa (Ec. 9), la
concentración de aditivo estabilizante agregado (Ec. 10), y la
restricción de no negatividad (Ec. 11).
En estas ecuaciones, se utilizan variables como 𝑝 (número de
periodo), HhOp (horas ociosas de los trabajadores en el periodo p), MC
(número máximo de contrataciones de trabajadores), MD (máximo de
despidos de trabajadores), X%HR (porcentaje máximo de horas extras
permitidas por ley), MInv (máximo inventario permitido), Dmp
(demanda en el periodo), PDI0p (índice de degradación del
polipropileno al inicio del periodo p), y Cpd (capacidad de
producción).
Se menciona que este modelo fue validado utilizando información
del programa de producción de la empresa durante un período
específico (mayo a octubre de 2016).
III. RESULTADOS Y DISCUSIÓN
El análisis de la literatura resalta la importancia de las herramientas
matemáticas en el diseño de cadenas de suministro (CS) dedicadas a la
recuperación de materiales reciclables. La recuperación de materiales
compartidos y las condiciones de incertidumbre en la generación y
demanda representan desafíos significativos en la gestión de estas CS.
Por lo tanto, se busca desarrollar procesos que promuevan el desarrollo
sostenible al mismo tiempo que se cumplen objetivos económicos,
sociales y ecológicos (Feitó et al., 2016).
El modelo propuesto en este artículo optimiza dos objetivos clave
para el proceso de estudio, lo que lo hace relevante y original, además
de complementar otros modelos previamente discutidos en la literatura
científica (Chen et al., 2007; Gou et al., 2008 y Lee y Dong, 2009). La
propuesta del artículo aborda la contradicción existente entre la
necesidad de optimizar estos objetivos y la falta de una herramienta
metodológica explícita para hacerlo. Por lo tanto, se considera que este
trabajo contribuye al avance del conocimiento científico en esta área.

La Ec. 10 se destaca porque se basa en los resultados para minimizar
el Índice de Degradación a la Procesabilidad, propuesto por Vélez y
De la Hoz en 2016, ver [2]. Estas restricciones son esenciales para
garantizar que el modelo se ajuste a la realidad y produzca resultados
válidos y coherentes.
Se llevó a cabo un estudio en una empresa del sector plástico en
Cartagena, Colombia, con el objetivo de validar un modelo y
demostrar mejoras en los resultados. Se simularon programas de
producción de seis meses, uno actual y otro propuesto. Se compararon
los resultados de ambos programas en términos de demanda, tiempo
de trabajo, aditivo estabilizante y costos. Los resultados se obtuvieron
mediante la simulación del modelo utilizando la herramienta Solver de
Excel, las tablas acontinuacion muestran los resultados.

Tabla 1: Información de la demanda en el periodo

Detalle May Jun Jul Agt Sept Oct

Dias 25 24 24 25 25 26
laborados
Horas 200 192 192 200 200 208
laboradas
Demanda 30 30 25 30 30 27
(Tn)
 1006424071 3

Aditivo 0,030 0,030 0,025 0,030 0,030 0,027 The proposed model optimizes two main objectives: minimizing
Estab reverse logistics costs and minimizing the degradation of recycled
(1%) (Tn) polypropylene.

Tabla 2: Información de costos The model takes into account multiple variables and constraints
related to the recycling process, such as production, inventory,
Detalle Valor transportation, among others.
Costo de un-Trab. (Incluy. $ 919.620 /Mes
Prest) The results of a case study in a Cartagena-based company show a
Costo Directos $ 825.000 /Tn 12.6% reduction in reverse logistics costs when applying the model. It
Costo Aditivo Estabilizante $ 10.608.000/Tn also achieves an optimization of the Degradation to Processability
Costo por Mantener Inventarios $ 10.000/Tn/mes Index, implying higher quality of recycled polypropylene.
Costo Marginal del Desabasto $ 9.000/Tn
Costo de Contratación $ 7.000/Trab The proposed model is relevant as it integrates economic and
Costo de Despidos $ 3.000/Trab environmental objectives, complementing previous work on reverse
Costo del Tiempo Regular $ 3.125/hr logistics.
Costo del Tiempo Extra $ 3.906,25/hr
Capacidad Máxima del Proceso 0,17 Tn/hr This approach has the potential to improve the management of the
Inventario Inicial 7/Tn reverse supply chain in the plastics recycling industry.
Inventario mínimo requerido 10/Tn
(stock) In conclusion, the article presents a valuable contribution through a
Número de operarios 6 multi-objective programming model that allows for cost and quality
optimization in the reverse logistics of plastic polypropylene recycling.
Tabla 3: Resultados de los programas de producción actual y
propuesta V. REFERENCIAS

Detalle Programa actual Programa [1] J. V. L. L. Efraín De la Hoz, «Modelo de Programación Lineal
propuesto Multiobjetivo para la Logística,» ebscohost, 2017, p. 7.
Días laborados 149 149 [2] J. V. Efrain de la Hoz, «Modelo lineal para estimar el índice de
Horas laboradas 1192 1192 degradación a la procesabilidad del polipropileno,» Chile,
Demanda 209 209 Ingeniare, 2016, pp. 85-93.
requerida (Tn)
Aditivo 2,09 0,491
estabilizante
consumido (Tn)
Horas extras 273,3 250,9
realizadas
Costo de materia $ 174.900.000 $ 174.900.000
prima
Costo horas $ 25.826.798 $ 25.826.798
hombre regular
Costo horas $ 7.854.130 $ 3.553.385
extras
Costo horas --- $ 823.059
hombre ociosas
Costo de --- $ 543.000
Inventario
Costo aditivo $ 26.424.528 $ 1.124.448
estabilizante
Total $ 235.006.456 $ 205.405.631

Los resultados muestran reducción del 12,6% en el costo total del

programa propuesto, siendo el costo de aditivo estabilizante el factor
con mayor impacto en el ahorro, producto de la implementación de la
Segunda función objetivo en el modelo. Así mismo, los resultados
muestran un ahorro en el costo asociado a horas extras asociada a la
primera función objetivo.

IV. CONCLUSIONES

The article presents a multi-objective linear programming model to

enhance reverse logistics in the plastic polypropylene industry.