• Author / Uploaded
• Karen Sanchez

Citation preview

TRABAJO COLABORATIVO

PRESENTADO SUBGRUPO 30: Leidy Yurani Benavides Zúñiga Cesar Augusto Chicaiza Ordoñez Lisseth Mylady García Campos Karen Dayana Sánchez Suarez

TUTOR: Yenny Alexandra Paredes Astudillo

Universidad Politécnico Gran Colombiano Modalidad Virtual 2020

TABLA DE CONTENIDO

1.

INFORMACIÓN DE LA EMPRESA.............................................................................4

2.

EXPLICACIÓN DEL MODELO PROPUESTO..........................................................4 2.1. Representación de la Red..............................................................................................5

3.

FORMULACIÓN DEL PROBLEMA............................................................................8

4.

SOLUCIÓN DEL PROBLEMA....................................................................................12

5.

CONCLUSIONES GENERALES Y RECOMENDACIONES..................................14

2

DESARROLLO TRABAJO COLABORATIVO 1.

INFORMACIÓN DE LA EMPRESA

CH4 INVOP, es una organización experta en alternativas de operaciones y logística, asociadas a la distribución y transporte de líquidos, hidrocarburos y productos derivados del petróleo. Que busca contribuir al desarrollo de la industria colombiana mediante opciones de gestión eficiente frente a la distribución de suministros. Nuestra misión es transportar, distribuir u operar redes de abastecimiento bajo parámetros de seguridad, eficiencia y conciencia ambiental; basados en tecnologías de punta, personal calificado y en soporte al cliente dirigido hacia la cobertura de las necesidades particulares de nuestros clientes. La empresa CH4 INVOP tiene el gusto en dar a conocer el modelo matemático ideal para controlar de manera óptima su Red Nacional de Transporte de Gas Natural Vehicular desde Cusiana hasta Bogotá, con el fin de satisfacer las necesidades de transporte y distribución en la capital. 2.

EXPLICACIÓN DEL MODELO PROPUESTO Nuestra solución estará basada en el modelo de dimensionamiento de lotes multinivel con

capacidades de producción MLSP-PC (multilevel lot-sizing problem - production capacities) el cual consiste en minimizar los costos en su sistema de transporte y distribución satisfaciendo las condiciones de demanda y basados en los siguientes supuestos:  La función de costo determinada para su empresa es cóncava 3

 La cantidad de Gas Natural Vehicular transportado y distribuido no disminuyen.  Su necesidad de distribución presenta características de multinivel  Su red de distribución tiene características de suministro en serie con capacidad de producción. Teniendo en cuenta lo anterior, dadas las condiciones planteadas y la información suministrada (Hoja de cálculo de demanda, producción y costos), es posible establecer variables como:  Horizonte de planeación  Demanda NO negativa de cada nivel  Su capacidad de producción  Los componentes de cada nivel al interior de la red de distribución  El costo de producción  Costo de transporte de nivel a nivel  Cantidad de producto enviado de nivel a nivel Por consiguiente, la aplicación de modelo, la interacción de las variables y el establecimiento de la parametrización de las condiciones que integran la solución propuesta estará fundamentada en el análisis estadístico robusto de la información de las variables mencionadas y su representación mediante la red de distribución que se ajuste a sus necesidades. El análisis estadístico podrá ser visto en el Anexo 1. Por otra parte, el modelo planteado abordara las características de problema del tamaño de lote de varios niveles con una estructura en serie, en la que los artículos que se producen pueden almacenarse en el nivel del fabricante y en cada uno de los niveles del almacén se transportan al almacén del siguiente nivel. Teniendo en cuenta lo anterior se considera para la planificación periodos de tiempo (t) en la que no se enfrentaran a demandas negativas y la capacidad de producción será igual y transportada de la misma manera a todos sus niveles (l). En consecuencia, este modelo muestra similutes para su resolución con el llamado “Problema de dimensionamiento de lotes capacitado” en el que según Kaminsky y SimchiLevi (2003) se plantea un modelo de tres niveles en el que el primero y el tercero de los niveles pueden establecer etapas de producción y el segundo nivel puede establecer etapa de transporte. Así mismo se consideran que los costos lineales de mantenimiento de inventario aumentan con cada nivel de la cadena de suministro; y los costos de transporte a partir del segundo nivel son de carga fija y se asume que satisfacen en su totalidad la demanda exigida. 4

A continuación, se esquematiza la red de transporte del producto con el fin de expresar el flujo de modelo y así proceder a su formulación. 2.1. Representación de la Red La red que se presenta a continuación será complementada mediante los pronósticos de demanda, producción y costo establecidos con base en la información registrada desde el año 2001 al 2015; basándose entonces su análisis estadístico en el método de pronostico “promedio móvil”

5

0

I1,1

I1,2

I1,3

I1,4

I1,7

I1,6

I1,5

I1,8

I1,10

I1,9

1,1

1,2

1,3

1,4

1,5

1,6

1,7

1,8

1,9

2,1

2,2

2,3

2,4

2,5

2,6

2,7

2,8

2,9

2,10

3,2

3,3

3,4

3,5

3,6

3,7

3,8

3,9

3,10

3,1

1,10

3.

FORMULACIÓN DEL PROBLEMA

CONJUNTOS: I: Fabricas u orígenes {Cusiana, Apiay, Bogotá, Sistema de Distribución} J: Meses {Enero, Febrero, Marzo, Junio, Julio, Agosto, Septiembre, Octubre, Noviembre, Diciembre} PARAMETROS: p (i) Capacidad de producción d (j) Costo de iniciar la orden de producción por mes c (i, j) Costo mantener inventario por un periodo en cada nivel ci (i, j) Costo de transporte en cada nivel VARIABLES: X i j: Número de unidades de una fábrica a un destino Z i j: Costo total FUNCION OBJETIVO MAX Z= ∑ X 10 j∗V j−∑ ∑ X ij∗d j−∑ ∑ Z ij∗Cij jEJ

iEI jEJ

iEI jEJ

SA: X1j ≤ pj * wj Xi1 + Zi1 = X(i-1)1

∀ jeJ ∀ ie I i ≥ 2

Xij + Zij = X(i-1)j + Zi(j-1) Xij>=0 Zij>=0

∀ ie I i ≥ 2 and ∀ j e J : j ≥ 2

$ONTEXT Problema de Gas Natural-Proyecto, formulación estructurada. $OFFTEXT SETS i fabricas u orígenes /Cusiana, Apiay, Bogotá, SistemadeDistribucion/ j destinos /ENERO,FEBRERO,MARZO,JUNIO,JULIO,AGOSTO,SEPTIEMBRE,OCTUBRE,NOVIEMBRE,DICIEMBRE/; PARAMETERS p(i) capacidad de producción de la fábrica en Apiay (Promedio de todos los meses) / Apiay 608.75/ d(j) Costo de iniciar la orden de producción por mes /ENERO 1000 FEBRERO 1000 MARZO 1000 JUNIO 1700 JULIO 1200 AGOSTO 1200 SEPTIEMBRE 1400 OCTUBRE 1000 NOVIEMBRE 900 DICIEMBRE 900/;

TABLE c(i,j) Costo Mantener el Inventario por un Periodo en Cada Nivel (Dado en US) ENERO FEBRERO MARZO JUNIO JULIO AGOSTO SEPTIEMBRE OCTUBRE NOVIEMBRE DICIEMBRE Cusiana 1 1 1 1.3 1.3 1.3 1.3 2 2 2 Apiay 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 Bogotá 1 1 1 1 1.2 1.2 1.2 1.2 1.2 1.2 SistemadeDistribucion 2 2 2 2 2 2 2 2 2 2 ; TABLE ci(i,j) Costo de Transporte en Cada Nivel (Dado en US) ENERO FEBRERO MARZO JUNIO JULIO AGOSTO SEPTIEMBRE Cusiana 1 1 1 1 1 1 1 Apiay 1.5 1.5 1.5 1.5 1.5 1.5 1.5 Bogotá 3 3 3 3 3 3 3

OCTUBRE NOVIEMBRE DICIEMBRE 1.2 1.2 1.2 1.8 1.8 1.8 3 3 1.2;

SCALAR k coeficiente para pasar de US a pesos colombianos /3828/; VARIABLES x(i,j) número de unidades de una fábrica a un destino z costo total ; POSITIVE VARIABLES x; EQUATIONS costo total de transporte capacidad(i) capacidad en cada fabrica demanda(j) demanda en cada destino; costo.. z =e= k*sum( (i,j), c(i,j)*ci(i,j)*x(i,j)*d(j)*p(i) ); capacidad(i).. sum(j, x(i,j) ) =l= p(i); demanda(j).. sum(i, x(i,j) ) =e= d(j); MODEL ProyectoFinal /ALL/; SOLVE ProyectoFinal USING LP MINIMIZING z; DISPLAY x.l, x.m;

9

10

4.

SOLUCIÓN DEL PROBLEMA

 Se realizo aparte un análisis estadístico. Con respecto a la demanda mensual y anual se evidencia una tendencia lineal por lo cual calculamos dicha tendencia con la herramienta de pronóstico de Excel para el año 2016. año

enero 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016

febrero 208 214 215 226 237 240 252 262 281 289 297 313 322 323 349 349

marzo 203 220 227 230 236 242 258 278 270 290 300 300 323 323 349 347

abril 344 352 362 373 394 399 418 427 436 447 447 451 479 470 500 505

mayo 194 203 201 212 221 245 248 265 269 283 298 305 300 319 322 339

junio 125 127 144 147 141 153 158 154 172 174 177 172 190 183 192 198

julio 179 193 198 212 234 254 259 286 290 315 324 350 354 377 378 402

agosto 249 274 287 296 308 333 348 355 368 380 401 425 441 443 458 476

303 315 324 349 358 366 375 400 425 440 455 453 481 480 513 521

septiembre octubre noviembre diciembre 491 652 701 898 528 668 728 910 549 683 731 947 567 719 766 967 575 737 784 990 609 749 793 1005 626 763 820 1018 637 793 843 1031 667 805 851 1057 672 832 890 1089 691 842 904 1107 717 874 919 1123 732 894 939 1130 764 913 958 1164 789 939 983 1178 799 953 1000 1200

De acuerdo a los datos suministrados en el archivo de los costos de 2017 por cada mes, se resuelve mediante el método de GAMS los resultados de Giga BTU producción mensual. mes enero febrero marzo abril mayo junio julio agosto septiembre octubre noviembre diciembre

Giga BTU producidas 349 347 505 701 596 299 493 696 404 899 899 901

Al resolver el modelo de GAMS los resultados de Giga BTU de cada mes entre sus niveles (1 y 1+1) trasportados es: mes

enero febrero marzo abril mayo junio julio agosto septiembre octubre noviembre diciembre

Giga BTU Campos de Producción a Cusiana 349 347 505 701 596 299 493 696 404 899 899 901

Giga BTU Cusiana a Apiay Giga BTU Apiay-Bogotá

349 347 505 701 596 299 493 696 404 899 899 901

349 347 505 339 198 402 476 521 799 953 1000 1200

Al resolver el modelo de GAMS los resultados de Giga BTU de cada mes entre su nivel (1) almacenados es: Costo total de recurrencia 59.229,2. mes enero febrero marzo abril mayo junio julio agosto septiembre octubre noviembre diciembre

Giga BTU Campos de Producción a Cusiana

Giga BTU Cusiana a Apiay Giga BTU Apiay-Bogotá 0 0 0 362 760 657 674 849 454 400 299 0

12

5.

CONCLUSIONES GENERALES Y RECOMENDACIONES

De acuerdo a la formulación del problema se deducen variables que no se tenían contempladas para el transporte de un producto para cualquier empresa, en este caso Gas natural, dichas variables se contemplan de acuerdo a las proyecciones de producción y la demanda, con el fin de diseñar la red de transporte y establecer los parámetros y/o criterios para la base matemática (algoritmo) y que este se pueda ejecutar mediante programas como Excel, Gams, entre otros. Para que dichas variables contempladas se estructuran para que nos den el resultado por periodo y tener más clara la dinámica del inventario y del transporte, también por estos periodos, allí se puede dimensionar la producción total y tener una base para poder hacer una reducción de costos y generar un plan estratégico a nivel logístico para dicha compañía, contemplando todas estas variables utilizando diferentes herramientas para lograr los resultados más óptimos y beneficiosos para la compañía. De acuerdo a la investigación de la operación al diseñar la red de transporte se conocen otros factores cruciales para cumplir con la demanda solicitada en el momento, sino también la cantidad de inventario y las proyecciones que van atados a la demanda y producción de cualquier compañía, este flujo de información le estrega datos importantes y relevantes para establecer proyecciones de demanda, cálculo de costos fijos y variables, que implicarían reducciones o amplificaciones en diferentes sectores o áreas de la empresa y no solamente en la red de distribución o transporte. El transporte es tan solo uno de los eslabones de la cadena de distribución de una compañía, y que no solo afectan las variables contempladas por parte de la producción con respecto a la demanda para establecer los costos de operación, si no también implican otros factores como las condiciones del terreno tipo de medio de transporte, condiciones climáticas y demás que influyen en costos ocultos y que en ocasiones no son contemplados en una operación de transporte de una empresa, por ello es crucial que se utilicen una serie de herramientas o estrategias complementarias, para que se logre optimizar al máximo la cadena de distribución contemplando la mayoría de las variables que pueden afectarla, y los costos se puedan minimizar cada vez más.

13

CONCLUSIONES 

Al comparar el análisis de demanda y producción de puede establecer una tendencia a la alta que da un rango de análisis más fácil para generar los pronósticos y establecer las proyecciones y la operación de la red distribución con datos más específicos.



Al hacer la verificación de los datos en la herramienta de análisis se verifica una disminución o minimización de los costos de transporte manteniendo un orden en la producción de la red, esto en base al pronóstico y análisis de los meses lo cual hizo un acercamiento a la demanda real.



El desarrollo de herramientas como Excel, Gams Lingo entre otros que se pueden establecer bases matemáticas para establecer algoritmos, como en este caso establecer una red de transporte, ayudan a que las proyecciones sean muy cercanas a la realidad establecida por la operación en sí y que el margen de error sea mínimo.



La red de distribución que se plantea de acuerdo a la demanda y la producción de cada uno de los puntos debe tener en cuenta la variables de acuerdo al tipo de transporte y con ellos implicar estrategias adicionales para que los costos de la operación en general no sobrepasen las proyecciones estimadas.

14