Proyecto De Aula Investigacion De Operaciones.docx

PROYECTO DE AULA RED NACIONAL DE TRANSPORTE DE GAS NATURAL

LIZ JULIETH OLAYA CHAPARRO CODIGO-1620650030 JULY MARGARITA RESTREPO GONZALEZ CODIGO-1620650226 LORENA TOVAR GARCIA CODIGO-1620650338 NATHALY ALEJANDRA VELASQUEZ CODIGO- 1620650017

INSTITUCIÓN UNIVERSITARIA POLITECNICO GRANCOLOMBIANO INGENIERIA INDUSTRIAL BOGOTÁ D.C 2017

PROYECTO DE AULA RED NACIONAL DE TRANSPORTE DE GAS NATURAL

Profesor ERIK JULIAN RODRIGUEZ MARTINEZ

Materia Investigación de Operaciones

INSTITUCIÓN UNIVERSITARIA POLITECNICO GRANCOLOMBIANO INGENIERIA INDUSTRIAL BOGOTÁ D.C 2017

Tabla de contenido 1 Introducción ..................................................................................................................................... 4 2 Objetivos General y Objetivos Específicos ........................................................................................ 5 2.1

Objetivo General ................................................................................................................... 5

3 Contexto de la Organización............................................................................................................. 5 3.1

5

4 Modelo Propuesto ............................................................................................................................ 5 4.1

Formulación del Modelo ....................................................................................................... 6

4.1.1

Variables de decisión ..................................................................................................... 6

4.1.2

Parámetros .................................................................................................................... 6

4.1.3

Función Objetivo ........................................................................................................... 7

4.2

Proposiciones Claves ............................................................................................................. 8

4.3

Proposición 2.1 ...................................................................................................................... 8

4.4

Proposición 2.2 ...................................................................................................................... 8

4.5

Proposición 2.3 ...................................................................................................................... 8

5 Resumen ........................................................................................................................................... 9 6 Solución específica del modelo ........................................................................................................ 9 7 Conclusiones................................................................................................................................... 16 8 Recomendaciones .......................................................................................................................... 17 9 Bibliografía...................................................................................................................................... 18

1 Introducción Se plantea una propuesta para la implementación de un modelo de programación lineal con la cual POLIGAS S.A. (empresa de transporte de Gas Natural) piensa mejorar el problema de abastecimiento, mostrando sus múltiples beneficios. Este es un modelo matemático que permite que la empresa colombiana de petróleos controle la Red Nacional de Transporte de Gas Natural sucursal centro, de la mejor manera buscando cumplir a cabalidad la demanda de GNV en la capital (Bogotá) debido a su mayor interrupción de servicio que presenta actualmente. Garantizar una operación y mantenimiento para poder brindar un servicio de calidad en la red del centro. Para la modelación matemática se utilizaron las ecuaciones de Müller y Pole, teniendo en cuenta las características de las redes comerciales o industriales y/o residenciales respectivamente. Estas ecuaciones tienen su origen en la Termodinámica y en la Mecánica de fluidos y permiten determinar las caídas de presión en los tramos de tubería, como se estipula en la Guía de Diseño de Redes de Gas (EPM, 2000). Para unas condiciones de demanda máxima de gas, la presión de suministro en el artefacto debe estar dentro del rango estipulado en la Normas Técnicas Colombianas (NTC).

2 2.1

Objetivos General y Objetivos Específicos

Objetivo General Formular un modelo de programación lineal para el problema de transporte y distribución de GNV para la ciudad de Bogotá mejorando el abastecimiento en la ciudad 3

Contexto de la Organización

3.1 4

Modelo Propuesto

POLIGAS S.A. Incluye un modelo de programación lineal que le permite a su empresa controlar la Red Nacional de transporte de Gas Natural en su seccional centro, para satisfacer los requerimientos de Gas Natural Vehicular Bogotá. La implementación del sistema se ha enfocado como un problema de optimización siendo el núcleo central del sistema un modelo matemático de programación lineal Lotes multinivel (MLSP-PC) multilevel lot-sizing problem with production capacities. Este modelo de cadena de suministro en serie integra las decisiones en producción, inventario y transporte con su capacidad de producción y la función de costos, bajo una programación dinámica que utiliza un principio de descomposición y algoritmos polinómicos. El diseño de la red logística involucrara la capacidad y localización determinada de los puntos distribuidores de GNV. A continuación, se ilustra la representación en red del MLSP-PC para L = 3

Gráfico 1. Representación como red del problema de transporte multinivel

4.1 4.1.1

Formulación del Modelo Variables de decisión 𝑌𝑡 : Cantidad producida en el periodo t. 𝑋𝑡𝑙 : Cantidad enviada desde el nivel L a nivel L + 1 en periodo t. 𝐼𝑡𝑙 : Cantidad de inventario a nivel L al final del periodo t.

4.1.2

Parámetros 𝑑𝑡 : Demanda no negativo 𝑏𝑡 : Capacidad de producción del fabricante en el periodo t 𝑝𝑡 : Costos de producción 𝑐𝑡𝑙 : Costos de transporte ℎ𝑡𝑙 : Costos de mantenimiento de inventario

4.1.3

Función Objetivo

𝑀𝑖𝑛 𝑍 = 𝑌𝑡 + 𝑋𝑡𝑙 +

𝐼𝑡𝑙

Conjunto de Restricciones

Entrada en los niveles de fabricante, almacen y minorista en cada periodo almacenamiento salida en los niveles de fabricante, almacen y minorista en cada periodo salida en los niveles de fabricante, almacen y minorista en cada periodo La cantidad de producción en cada periodo. Niveles iniciales de inventario son iguales a cero

4.2

Proposiciones Claves Realizar la regresión lineal como modelo de red.

4.3

Proposición 2.1 La literatura nos indica que en una solución factible cualquier punto extremo de esta puede descomponerse en una secuencia de sub-planos consecutivos. Este método de solución por súplanos es dinámica

4.4

Proposición 2.2 Aquí habla de los arcos de producción y afirma que un subplan máximo tiene un arco de producción libre

4.5

Proposición 2.3 La preposición enuncia: En un subplan, la cantidad transportada entre los niveles e y e +1 en algún período hace las cantidades acumuladas transportadas hasta el momento en el subplan igual a las cantidades acumuladas de producción de una la secuencia inicial de períodos de producción consecutivos Subplan, o la demanda acumulativa de una secuencia inicial de los períodos de demanda en el subplan. Se puede decir que es más barato transportar tan pronto se produce y almacenar la producción en el nivel de los minoristas. Cuando se toma la decisión de transportar en determinado periodo de tiempo se puede indicar el mayor periodo de producción, lo que indica, el periodo de producción, es decir el periodo que produce la producción mínima unitaria total y los costos de inventario en el fabricante para el transporte en le periodo t.

5

Resumen

Para realizar los pronósticos de la demanda y la producción para el año de 2017 se emplearon tres métodos diferentes los cuales fueron: 

Pronóstico por promedio móvil



Pronóstico por regresión lineal



Pronóstico por suavización exponencial doble

A cada uno de estos métodos se le calculo su respectivo error escogiendo de esta manera el pronóstico con el menor error; en este calculó se empleó el método de la desviación media absoluta. La desviación media absoluta es una medida que se utiliza para calcular cuánto varían de su medida los valores de un conjunto de datos, el error del pronóstico lo calculamos mediante esta medida dado que suele ser la medida preferida para medir el error de un pronóstico. El pronóstico para la producción del año 2017 se realizó por el método de suavización exponencial doble dado que con este método obtuvimos la menor desviación media absoluta. 6

Solución específica del modelo

Una vez establecido los pronósticos obtenidos en la fase 2, se tomaron como datos de entrada el pronóstico de producción y de demanda, junto a ellos los datos de costos de inicio de orden de producción, costos de mantener inventario y costo de transporte. Con los datos de entrada se planteó el problema de programación lineal y con la ayuda del programa LINGO se resolvió arrojando los siguientes datos.

En la siguiente imagen se ve como se nombra cada variable para este caso:

Nuestra función objetivo es minimizar los costos en transporte y de mantener inventario y orden de producción en nuestra red. Además, se declaró restricciones de capacidad de producción, de demanda y de balance de las unidades transportadas en cada uno de los puntos, de tal forma cumpliendo con las necesidades de nuestra red.

Como se observa en la imagen anterior tenemos una serie de restricciones que se deben tener en cuenta a la hora de formular el ejercicio de tal manera que no pueda superar ciertos criterios que plantea el ejercicio, como lo son de la capacidad de producción del ejercicio, la demanda que tiene cada mes y de balance para mantener una equidad en cada punto de llegada o salida.

Luego de haber formulado y programado el ejercicio se ejecuta para obtener resultados de cada una de las iteración que realiza el programa para suministrarnos una solución óptima. A continuación se muestran los resultados que nos muestra el programa.

Una vez programado el problema en LINGO se obtienen los siguientes resultados que nos muestra los costos representativos de envió y las unidades correctas que cumplan con los requisitos de la demanda. Esta es la solución óptima que nos arroga la formulación que se realizado y que el programa considera es la óptima.

En la siguiente tabla se muestran un resumen en que están las cantidades que se deben enviar de la planta al distribuidor y de este al cliente final. TABLA 1. Resultados de cantidades. MES (MAR-DIC) CANTIDAD 1 (CUSIANA-APIAY) MARZO 0 ABRIL 800 MAYO 1000 JUNIO 1559 JULIO 0 AGOSTO 0 SEPTIEMBRE 900 OCTUBRE 800 NOVIEMBRE 1100 DICIEMBRE 1100 Fuente: Elaboración propia.

CANTIDAD 2 (APIAYCLIENTE) 1000 900 0 1300 900 900 0 0 1259 1000

Se puede observar que el mes en cual hay mayor flujo de gas natural en el periodo (mar-dic) es junio, y los siguientes son el mes de noviembre y diciembre. Teniendo en cuenta los costos de mantenimiento y de transporte para el año proyectado.

7

Conclusiones

 Como resultado del informe presentado, es posible concluir que existe una minimización de los costos de transporte para poder mantener un orden en la producción de la red. debido a la estadística realizada que nos dio los pronósticos y análisis de los meses por medio de una regresión lineal la cual nos acercó a una demanda real.  Por otro lado, al comparar los análisis de demanda y producción se observa una evolución que da como resultado un rango especifico del estudio en total.  La empresa POLIGAS S.A. le brinda a su proyecto un modelo para su mejor control de las necesidades de exploración, producción y transporte de productos. Así se garantiza una operación y mantenimiento a sus centrales de operación.  Concluimos que la cantidad de unidades que debe distribuir cada origen y la demanda de unidades debe tener en cuenta los modelos de transporte. Ya que esto va a satisfacer la demanda y minimizara costos.  Las herramientas nos permiten la posibilidad de realizar proyecciones más reales.  Teniendo en cuenta los costos de mantenimiento y de transporte para el año proyectado. Podemos concluir que el mes con más mayor flujo de gas natural es junio.

8

Recomendaciones



La Red Nacional de transporte de Gas Natural en su seccional centro pueda controlar y mantener un buen servicio al cliente sin interrupciones del servicio que presenta actualmente por medio de POLIGAS S.A.



Agradecemos si escoge este modelo como su proyecto para poder implementarlo en la Red Nacional de transporte y brindar un servicio de calidad.



Implementar y ejecutar herramientas tecnológicas a lo largo de la red de distribución brinda múltiples soluciones, las cuales pueden ser eficientes a problemas de transbordo. Dichas técnicas de programación lineal simplificaran modelos de trasporte.



El uso correcto de las herramientas propuestas, ayudan a tener proyecciones más reales



El implementar modelos de trasporte, logra satisfacer las demandas ya que el objetivo principal es minimizar costos dentro de la distribución.

9

Bibliografía

• Hoesel, Romeijn, Morales, Wagelmans; November 2005, Integrated Lot Sizing in Serial Supply Chains with Production Capacities, MANAGEMENT SCIENCE, Vol. 51, No. 11, pp. 1706–1719 • HAMDY A. TAHA, (2004), Investigación de Operaciones, 7a. edición, México, PEARSON