Revista Tecnolgica ESPOL RTE, Vol. 27, N.

1, 80-102, (Octubre 2014)

Un modelo matemtico para la optimizacin de las

operaciones de mantenimiento de reas verdes de la ciudad
de Guayaquil
Fernando Sandoyaa, Roxana Villalvab, Jacinto Monserratec
a
Departamento de Matemticas, Facultad de Ciencias Naturales y Matemticas,
Escuela Superior Politcnica del Litoral, Km. 30.5 Va Perimetral, Guayaquil, Ecuador
fsandoya@espol.edu.ec
b
Rocafuerte Seguros S.A., rvillalva@rocafuerte.com
c
Soluciones Ambientales Totales SAMBITO, jmsambito@gmym.com

Resumen. En esta investigacin se desarrolla un modelo matemtico de optimizacin del tipo

MIP (mixed integer programming) para determinar una mejor solucin en el diseo de un Plan
de Visitas para la supervisin del mantenimiento integral de las reas verdes de la ciudad de
Guayaquil, que permita un eficiente cumplimiento de las actividades ejecutadas por los
contratistas; minimizando los costos de operacin y maximizando el uso de los recursos
disponibles. Dadas las caractersticas del problema, que incluye incertidumbre en algunas
variables, se incorporan distribuciones de probabilidad para incluir el patrn de dicha
incertidumbre y determinar su influencia en los valores optimales. Luego se implementa el
modelo matemtico en un optimizador de propsito general, basado en algoritmos genticos y se
realiza un anlisis de los resultados. El modelo fue implementado con xito en el 2013,
constatndose un significativo ahorro.
Palabras clave: Mantenimiento de reas verdes, modelos matemticos de optimizacin,
programacin matemtica.
Abstract. In this research, a mathematical optimization model type MIP (mixed integer
programming) is developed to determine a better solution in the design of a plan for monitoring
visits for the integral maintenance of green areas of the city of Guayaquil, which allows an
efficient performance of the activities performed by contractors, while minimizing operating
costs and maximizing the use of available resources. Given the characteristics of the problem,
including uncertainty in some variables, probability distributions are incorporated to include the
pattern of this uncertainty and determine their influence on the optimal values. Then the
mathematical model is implemented in a general purpose optimizer based on genetic algorithms
and analysis of the results is performed. This model was successfully implemented in 2013,
resulting in significant savings.
Key words: Green areas, mathematical optimization model, mathematical programming.

1 Introduccin
El acelerado crecimiento de las zonas urbanas en las principales ciudades de
Latinoamrica es sin duda una de las mayores preocupaciones que tienen sus
autoridades municipales, las cifras indican que actualmente el 81% de la poblacin vive

81

en las zonas urbanas y se estima que para el ao 2030 la cifra alcance el 86% tal como
sucede actualmente en Europa Occidental, segn se seala en [1]. Esto traer
implicaciones econmicas, polticas y sociales debido a la alta demanda de los recursos
y a la capacidad de reaccin que puedan tener las ciudades ante problemas que se han
vuelto cotidianos tales como el deterioro del medio ambiente, congestin de trfico,
polticas de uso de tierra, disposicin de los desechos y la calidad del aire.
Los beneficios de contar con una cantidad suficiente de reas verdes urbanas son
de origen material, ambiental y social; siendo las de origen material: alimentos, madera,
especias, forrajes, fibras, medicinas, postes y otros subproductos; por su parte los
beneficios sociales y ambientales estn ligados a la salud pblica, recreacin,
contaminacin del aire, ruido as como el sombreado de superficies respectivamente.
Las influencias en el ambiente pueden ir en diferentes escalas considerando la siembra
del rbol como unidad o varias unidades sembradas, desde un parque hasta un rea
metropolitana. La Organizacin Mundial de la Salud (OMS) propone un estndar entre
9 y 11 m2 de reas verdes por habitante, sin embargo los clculos para determinar el
promedio en m2 de rea verde son complejos debido a que la distribucin de reas
verdes en las ciudades no es homognea lo cual conlleva a que en algunos sectores de
ciudades importantes se sobreestime la cantidad de m2 de rea verde por habitante.

2 Las reas verdes y su mantenimiento en la ciudad de Guayaquil

Los procesos de regeneracin urbana realizados en los ltimos aos en la ciudad
de Guayaquil comprenden adems de los cambios en la obra civil, mejoras en las reas
verdes; y tanto, los trabajos de regeneracin, como el mantenimiento de stos, requieren
de un servicio de supervisin eficiente; el cual demanda de la movilizacin de personal
tcnico a cada una de las reas con el fin de verificar el cumplimiento de las actividades
planificadas.
Actualmente son diez los contratos de mantenimiento que demandan la
supervisin diaria de las actividades, cada uno de estos contratos comprenden en
promedio diez reas verdes (parques, avenidas, distribuidores de trfico, etc.); sin
embargo el diseo actual del plan de visitas requiere de un tratamiento adicional, con
el fin de optimizarlo y establecer las rutas a seguir para visitar cada una de las reas.
En el Grfico 1 se muestra el nmero total de las reas intervenidas en la ciudad
de Guayaquil, en donde se resalta las que cuentan con un mantenimiento integral;
llmese a esto; reas que desde el ao 2007 (81 reas verdes) vienen siendo atendidas
por contratistas de mantenimiento de reas verdes, llegando al ao 2013 un total de 115
reas verdes atendidas bajo este sistema.
El incremento en nmero de reas verdes atendidas, se complementa con los
montos de inversin que la Muy Ilustre Municipalidad de Guayaquil destina para dicha
actividad, en el Grfico 2 se puede apreciar que hasta el ao 2006, los montos de
inversin oscilaban aproximadamente en cuatrocientos mil dlares anuales, en
promedio, y que, a partir del ao 2007, el rubro anual destinado a la rehabilitacin de
reas verdes complementarias ascendera a los tres millones de dlares, que
representara el 30% del presupuesto total de la Direccin de reas Verdes, segn las
fuentes consultadas en [3].

82

Grfico 1. Resumen reas verdes intervenidas por periodo.

Fuente: Elaborado por la M.I. Municipalidad de Guayaquil.

Los esfuerzos de las Autoridades Municipales en este tema, se reflejan en un
aumento en la inversin en rehabilitacin y mantenimiento de las reas verdes, desde
el ao 2000 con 2,75 m2 de rea verde por habitante, alcanzando al ao 2011, los 6,52
m2 de densidad de rea verde por habitante (davph), tal como se aprecia en el Grfico
3. Cabe indicar que a la medicin hecha en el 2011 de acuerdo a informacin disponible,
se registr (6,52 m2dav/hab), que an est por debajo de la recomendacin dictada por
la OMS (9 m2dav/hab).

83

Grfico 2. Inversin en reas verdes.

Fuente: Elaborado por la M.I. Municipalidad de Guayaquil.

Grfico 3. Promedio rea verde por habitante (en metros cuadrados) [3].

8,00

m2/Habitante

7,00
6,00

6,00
5,00

5,01

2005

2006

6,30

2009

2010

6,52

4,00

4,00
3,00

4,90

6,20

2,75

2,00
1,00
0,00
2000

2004

2007

Aos

Fuente: M.I. Municipalidad de Guayaquil.

2011

84

El manejo de las reas verdes urbanas requiere un alto nivel de capacidad

institucional para planificar, ejecutar y mantener las reas verdes de una ciudad. En
otras ciudades, como Quito y Cuenca, el mantenimiento de las reas verdes no requiere
una mayor demanda de recursos debido a sus condiciones climticas, y el
mantenimiento de las reas verdes es realizado en su mayora por personal municipal,
mientras que en ciudades como Santo Domingo, Machala y Guayaquil donde las
condiciones climticas exigen una mayor demanda de recursos, el servicio de
mantenimiento es parcialmente tercerizado, es decir realizado mediante contratos
pblicos de mantenimiento.
La municipalidad de Guayaquil tiene implementado un mecanismo para que una
parte del mantenimiento de las reas verdes de la ciudad se realice a travs de contratos
de mantenimiento. El proceso de contratacin del mantenimiento comprende varias
etapas para su consecucin, con tiempos determinados por la entidad contratante, entre
las cuales estn: Preparacin de los Trminos de Referencia, Publicacin del concurso
a travs del SERCOP, Evaluacin y seleccin de las empresas concursantes y
finalmente, la Adjudicacin del concurso.
El servicio de mantenimiento de las reas verdes en Guayaquil es administrado
por la Direccin de reas Verdes del Municipio, la cual tiene como misin recuperar,
rehabilitar y mantener los parques y reas verdes complementarias del Cantn
Guayaquil. Para su atencin y mantenimiento, stas reas se encuentran agrupadas en
10 contratos distribuidos en toda la ciudad de Guayaquil; lo cual mejora
considerablemente el proceso de mantenimiento; sin embargo, paralelo al servicio de
mantenimiento se realiza un proceso de supervisin a stas actividades, las cuales debe
ser tan eficiente de forma que permita la verificacin diaria de las actividades realizadas
por los contratistas de mantenimiento. Para esta investigacin se han considerado 52
unidades de reas verdes, de las cuales se recopilar informacin relevante que permita
modelar la situacin real, mediante tcnicas de optimizacin.

3 Caractersticas del problema

A septiembre de 2013, el municipio cuenta con varios recursos para el proceso de
supervisin:

4 unidades de vehculos (camionetas doble cabina), que se usan diariamente

para el recorrido. Cada vehculo tiene su chofer asignado.
10 Supervisores (Ing. Agrnomos y Bilogos).
1 Coordinador de Transporte, el cual elabora el plan de visitas semanal.

En un anlisis estadstico realizado en esta investigacin sobre datos levantados

mediante una encuesta a los supervisores, se logr determinar que el tiempo de servicio
por cada supervisor para realizar las actividades planificadas en cada una de las reas a
cargo del contratista de mantenimiento integral se ajusta a una distribucin de
probabilidad Pert. Siendo quince minutos el tiempo mnimo utilizado, treinta minutos
el tiempo ms probable y cuarenta y cinco minutos el tiempo mximo en realizar sus
actividades de supervisin por rea, con un intervalo de 90% de confianza entre 21 y

85

39 minutos para cada servicio de mantenimiento. La distribucin de este tiempo de

servicio puede apreciarse en el Grfico 4.
Grfico 4. Distribucin Pert para Tiempos de Servicio.

Fuente: Elaboracin Propia

As, considerando que el turno de trabajo de cada supervisor es de 4 horas diarias.
En la situacin actual verificara con mayor frecuencia entre 1 a 2 reas, y en muy pocos
casos hasta 3 reas, tal como se aprecia en la Tabla 1. Adems notamos que en tres das
de la semana, se concentra la mayor cantidad de reas visitadas, esto es, un 73% del
total de reas. Los das lunes y mircoles se visitan 14 reas, cada da, y los das jueves
son visitadas 10 reas, y los das restantes un nmero menor de reas a ser visitadas.
En la Tabla 2, se muestra el nmero de supervisores que usan los vehculos
semanalmente, en la actualidad de uno a dos supervisores usan en el da los vehculos
para realizar las visitas a las reas verdes. En cambio la distribucin semanal de
vehculos se muestra en la Tabla 3, donde se identifica a los vehculos en la primera
columna del lado izquierdo con los nmeros del 1 al 4, mientras que los datos dentro
de la matriz con los nmeros del 1 al 10 corresponden a los supervisores.

86

Tabla 1. Nmero de reas visitadas por cada supervisor: Situacin Actual.

Supervisor

Lunes

Martes

1
2
3
4
5
6
7
8
9
10
Total

2
2
2
2
2
2
2

Mircoles

Jueves

Viernes
1
2
1

2
2
2
1

2
2
1
3
1
2
3
2
1
1
2
3
8
14
10
Fuente: Elaboracin Propia

14

2
6

Total
visitadas
5
6
5
4
5
5
5
6
6
5
52

Tabla 2. Nmero de supervisores que usan los vehculos: Situacin Actual.

Vehculo

Lunes

Martes

Mircoles

Jueves

Viernes

Totales

Vehculo 1
Vehculo 2
Vehculo 3
Vehculo 4

2
2
2
1

2
1
1
1

2
2
2
1

2
1
1
1

1
1
1
1

9
7
7
5

28

TOTAL

Fuente: Elaboracin Propia

Tabla 3. Distribucin semanal de vehculos a cada supervisor: Situacin Actual.
Vehculo
Vehculo 1
Vehculo 2
Vehculo 3
Vehculo 4

Lunes
1
2
3
4
5
6
7
-

Martes
Mircoles
1
4
2
3
5
6
7
8
8
9
9
10
Fuente: Elaboracin Propia

Jueves
4
5
6
8
10
-

Viernes
1
2
3
4
-

Por otra parte, los supervisores cuentan con un tiempo determinado (20 horas
semanales) por lo cual se requiere reestructurar el actual plan de visitas de tal forma
que disminuya el nmero de das empleados en realizar las visitas a los grupos de reas
verdes, siendo una alternativa la implementacin del sistema pool car mediante el
cual se pretende incluir ms de un supervisor dentro de cada uno de los vehculos

87

disponibles. En la Tabla 4 se muestra el Plan actual de visitas realizadas semanalmente.

Tal como se muestra en Tabla 4, el Plan de Visitas Actual muestra que los das Lunes
y Mircoles, salen siete supervisores a visitar las reas verdes, los das Martes y Jueves
salen cinco supervisores y el da viernes salen cuatro supervisores. La situacin actual
contempla que hay veintiocho salidas semanales realizadas por diez supervisores.

Tabla 4. Plan de Visitas Semanal: Situacin Actual

Supervisor Lunes Martes Mircoles Jueves Viernes # reas visitadas
1
1
1
5
1
1
1
1
6
2
1
1
1
5
3
1
1
1
4
4
1
1
1
5
5
1
1
1
5
6
1
1
5
7
1
1
1
6
8
1
1
1
6
9
1
1
5
10
7
5
7
5
4
Totales
52
Fuente: Elaboracin Propia
En la Tabla 5 se presentan los kilmetros recorridos asociados a cada vehculo,
segn el Plan de Visitas actual, se puede apreciar que tres vehculos concentran el 82%
del total de kilmetros recorridos.
En la Tabla 6 se muestran el total de minutos recorridos por los vehculos
semanalmente. Considerando que son cuatro, los vehculos disponibles y que en la
semana se realizan veinte recorrido, entonces cada uno recorrera 2.88 horas diarias.
Tabla 5. Kilmetros recorridos por el vehculo i: Situacin Actual
Vehculo
Vehculo 1
Vehculo 2
Vehculo 3
Vehculo 4

Lunes
82
86
78
43
289

Martes Mircoles Jueves Viernes

93
108
52
35
50
56
91
40
32
73
50
40
28
45
40
45
203
282
233
160
Fuente: Elaboracin Propia

Totales
370
323
273
201
1167

Tabla 6. Minutos recorridos por el vehculo i: Situacin Actual

Vehculo i

Lunes

Martes

Mircoles

Jueves

Viernes

Totales

88

Vehculo 1

261

279

305

179

90

1,114

Vehculo 2

223

116

246

186

129

899

Vehculo 3

214

85

215

176

99

788

Vehculo 4

112

108

137

159

137

652

809

588
903
699
Fuente: Elaboracin Propia

454

3,454

Finalmente los costos totales asociados al Plan de Visitas actual, el cual se

compone de costos fijos y costos variables. Los costos fijos suman un valor de $23.50
por vehculo, que incluyen los siguientes rubros:
Mantenimiento del vehculo por un valor de $5.00
Combustible, por un valor de $10.00
Pago diario al Conductor, por un valor de $8.50.
Para los costos variables de utilizacin se consider un valor de $0.06 por cada
minuto de espera, segn la Ley de Transporte1, que ser asociado a los minutos de
recorridos de cada vehculo. La suma de los costos fijos y variables, dan como resultado
el costo total por utilizacin del vehculo.
Tabla 7. Costos Totales: Situacin Actual
Vehculo

Lunes

Vehculo 1
Vehculo 2
Vehculo 3
Vehculo 4

39
37
36
30
143

Martes Mircoles

Jueves

40
42
34
30
38
35
29
36
34
30
32
33
129
148
136
Fuente: Elaboracin Propia

Viernes Totales
29
31
29
32
121

184
171
165
157
677

Para el Plan de visitas Actual, en la organizacin cada una de las reas que
conforman los 10 grupos y/o contratos han sido georeferenciadas y levantadas sobre
una plataforma de Google Maps con el fin de identificar su ubicacin en el espacio, una
ilustracin de este grupo de reas verdes identificadas con diferentes colores se
muestran en la Figura 1.

El Consejo Nacional de Trnsito, en virtud de lo que dispone el Literal g) del Art. 27 de la Ley de Trnsito

y Transporte Terrestre en concordancia con el Literal b) del Art. 113, del Reglamento de Aplicacin a la Ley
de Trnsito y Transporte Terrestre, determina el uso de los taxmetros de ltima tecnologa en los vehculos
de transporte pblico de pasajeros para el servicio de taxis, inicialmente en las ciudades de Quito, Guayaquil
y Cuenca, el control lo efectuar la Direccin Nacional de Trnsito, Subjefaturas de Trnsito y la Jefatura de
Trnsito de la Comisin de Trnsito de la Provincia del Guayas.

89

Figura 1. Distribucin de reas por contrato

4 Modelo matemtico
mantenimiento

de optimizacin

para

el

plan de

El xito de la movilizacin desde un punto seleccionado como origen hacia otro

punto seleccionado como destino final puede no ser un inconveniente al momento de
planificar una ruta, pues se entiende que la misma conlleva una planificacin simple.
Sin embargo, el incluir nuevas variables dentro de la programacin puede complicar
seriamente la planificacin de las rutas afectando con ello los costos de la operacin y
el uso inadecuado de los recursos. La probabilidad de reducir los costos y optimizar los
recursos motiva la implementacin de un modelo matemtico de optimizacin, en
particular por sus caractersticas, este problema es del tipo denominado en la literatura
de investigacin de operaciones como problema de ruteo de vehculos (VRP por sus
siglas en ingls).
4.1 El problema de Ruteo de vehculos VRP
A breves rasgos un problema de ruteo de vehculos (VRP) consiste en, dado un
conjunto de nodos a visitar (clientes), uno o varios depsitos (bases) y una flota de
vehculos, determinar un conjunto de rutas de costo mnimo que comiencen y terminen
en los depsitos y que den servicio a todos los clientes. En las ltimas cuatro dcadas
se han presentado soluciones a travs de diferentes formulaciones de este problema,
que corresponde al rea de investigacin de la optimizacin combinatoria, tal es el caso
de Dantzig y Ramser que en 1959 realizaron por primera vez una formulacin del
problema para una aplicacin de distribucin de combustible, luego de esto, dicha
formulacin fue mejorada por Clarke & Wright en los aos sesenta mediante la
aplicacin de una heurstica [4]. Estos modelos algortmicos no han dejado de

90

evolucionar incorporando durante este proceso ms caractersticas de la realidad y ms

precisin en los resultados.
El problema del VRP clsico, considera que la flota de vehculos es homognea y
est ubicada en un nico depsito, los clientes pueden ser visitados en cualquier
momento, el orden de visita no es importante y los vehculos solo entregan o reciben
carga. Tambin se ha considerado algunas variantes del VRP debido a las mltiples
aplicaciones que estos tienen, dichas variantes son flotas heterogneas (VRP con
Backhauls), con varios depsitos (MDVRP), con ventanas de tiempo (VRPTW), con
importancia en el orden de visitas (VRPP), con cargas y descargas (PDVRP), etc.
El Problema de Ruteo de Vehculos VRP y todas sus variantes, es un problema de
optimizacin combinatoria duro; ver por ejemplo [5], y slo pueden resolverse por
medio de tcnicas exactas en casos pequeos, en un tiempo prudencial, y para resolver
casos reales se requiere de tcnicas heursticas o de algoritmos basados en
metaheursticas. En cuanto a mtodos heursticos se destaca la heurstica de Clarke &
Wright, mientras que entre los mtodos basados en Metaheursticas se destacan en la
literatura procedimientos de solucin basados en Colonia de hormigas, Bsqueda Tab,
Recocido simulado, algoritmos genticos, GRASP, etc.
En particular nuestro problema es una variante del VRP en el que se busca obtener
rutas ptimas en los recorridos para el mantenimiento de las reas verdes, minimizando
el tiempo total recorrido, lo cual implicar reducir los costos operativos y aumentar el
nmero de visitas semanales para cubrir un potencial incremento del nmero de reas
verdes supervisadas.
4.2 Optimizadores de propsito general para resolver el VRP
Como se presenta en [6], existen procedimientos basados en metaheursticas que
pueden usarse para buscar en el espacio de soluciones a problemas de optimizacin. A
stos se les conoce como procedimientos de propsito general o independientes de
contexto.
Al resolver un problema de optimizacin, una prctica comn es desarrollar un
mtodo dependiente del contexto (es decir un procedimiento que explote
explcitamente la estructura y propiedades del problema para conducir una bsqueda
eficiente). Muchas implementaciones de heursticas y metaheursticas estn basadas en
este paradigma, es decir, desarrollan un mtodo especializado para un problema
especfico. El propsito de algunas investigaciones es lo contrario; es decir, crear
procedimientos generales que permitan encontrar soluciones de calidad razonable para
una amplia clase de problemas de optimizacin basados en un paradigma independiente
del contexto, y es, bajo esta filosofa que se han desarrollado programas de software
comercial relevantes que se han popularizado en los ltimos aos en esta rea, uno de
los cuales es RISKOptimizer2, que es su complemento para optimizacin con
incertidumbre o estocstica.

RiskOptimizer es una marca registrada de PALISADE Corporation.

91

4.3 Caractersticas del modelo matemtico de optimizacin

El modelo matemtico de optimizacin es la expresin del problema con
simbolismo matemtico. El modelo contiene un objetivo y un conjunto de restricciones
que deben ser respetadas.
Para la estimacin de los parmetros a ser utilizados en el modelo matemtico se
han considerado variables de Costos, Tiempos, Distancias, Asignacin y Capacidad,
las cuales deben ser determinadas de tal manera que expresen la problemtica por s
mismas. Adicionalmente a esto; una correcta estimacin y determinacin de stas,
traer consigo beneficios, como la aplicabilidad de la solucin de forma prctica y en
trminos apropiados de acuerdo al giro del negocio al cual se le est dando la solucin
matemtica.
La resolucin del modelo de optimizacin no solo nos permite determinar el valor
de las variables de decisin, sino tambin otra informacin de utilidad prctica en torno
a la solucin ptima. Por ejemplo:
La comparacin de la situacin actual y la situacin deseada ptima.
Anlisis de la capacidad instalada en contraste con la capacidad mxima a ser
utilizada para optimizar los recursos.
Ahorros en tiempos que permitirn utilizar el tiempo sobrante en nuevas
actividades que agreguen valor a la organizacin.
Para la funcin objetivo se consideraron los siguientes componentes:
El precio del combustible, el cual ha sido tomado como referencia de los
precios oficiales de la gasolina a la fecha, asociados al consumo diario de
cada vehculo. Para el modelo se ha considerado un valor de $10.00 (diez
dlares) como costo fijo del consumo diario de gasolina para cada vehculo
(camioneta en la que es transportado el supervisor). De existir una
disminucin de das en que se realicen la totalidad de las visitas a los grupos
de reas verdes, se podra determinar el ahorro en el consumo de
combustibles.
Una cifra expresada en semanas, facilitara el desembolso administrativo
programado por los supervisores, y expresado en meses sera de utilidad para
el manejo del flujo de gastos por parte del rea Financiera.
Los costos incurridos en eventualidades menores y/o mantenimiento, es otro
rubro que se ha considerado en el modelo, dado que stos se encuentran
asociados al uso diario de los vehculos. De darse una solucin que disminuya
el nmero de das en que estos vehculos son utilizados semanalmente, se
ver reflejado en el ahorro en este rubro de eventualidades menores. En el
modelo se ha contemplado un valor de $5 diarios.
Mediante la recopilacin de datos se encontr una particularidad en los costos
generados por el pago al conductor y al coordinador de transporte, que en
primera instancia son declarados como costos fijos, dado que son rubros
considerados en la nmina de la compaa; sin embargo con la solucin
ptima, que permitira minimizar los costos asociados al plan de visitas de las
reas verdes; por ejemplo utilizar menos das de la semana para visitar la
totalidad de reas, puede verse reflejado en el tiempo que stos dedican a sus
actividades; para el caso del primero, conducir el vehculo que va a realizar
una visita a un rea determinada y para el segundo, el tiempo destinado para

92

el seguimiento y monitoreo del Plan de visitas semanal y que pudiera ser

reasignado a otras actividades.
Referente a los tiempos, el modelo considera lo siguiente:
Tiempo en que debe efectuar el recorrido o de ocupacin del vehculo,
mximo de cuatro horas, tiempo en el cual el supervisor puede utilizar el
vehculo diariamente; esto debido a que las actividades del Supervisor se
dividen en cuatro horas de supervisin o trabajo de campo y cuatro horas de
tareas administrativas o trabajo en oficina, en donde se elaboran informes de
actividades y aprobacin de planillas (documentos que incluye labores
realizadas por los contratistas), para posterior pago.
Distancias de traslado (en minutos), estos datos se refieren al tiempo entre
dos puntos o minutos que toma recorrer entre un rea y otra.
Para esta medicin se consider una velocidad promedio de 35km/h. Los
datos se resumen en una matriz de tiempos de trayecto que contiene 52 grupos
de reas o 52 nodos, ms el depsito u oficina de donde parten los
supervisores en los vehculos asignados.
Tiempo de servicio, el cual fue estimado luego de haber levantado datos
mediante una encuesta realizada a los supervisores de reas, a los que se le
preguntaba el menor tiempo que hayan utilizado para efectuar la supervisin,
el tiempo ms frecuente y el tiempo mximo que le ha tomado realizar su
labor de supervisin en un rea verde.
Luego de la recopilacin de datos, se realiz el anlisis para determinar el
ajuste de distribucin de probabilidad, de manera que sea posible adicionar
estos tiempos de servicio a los tiempos de recorrido, resultando as la matriz
de distancias que ser utilizada en el modelo.
Otros datos de inters en el modelo son los siguientes: La capacidad del vehculo,
que es de 3 ocupantes; Nmero de reas a ser visitadas en la semana: 52 reas; Nmero
mnimo de salidas del supervisor en la semana: 2 salidas y Nmero mximo de salidas
del supervisor en la semana: 4 salidas.
4.4 Matriz de distancias y tiempos de servicio
Para la obtencin de la matriz de tiempos de trayecto o matriz de distancias, se
incluyeron 52 puntos o nodos (cada rea verde a ser visitada), y un punto o nodo que
corresponde al depsito u oficina de donde salen los supervisores. As la matriz de
distancias, expresadas en minutos de recorrido de punto i a un punto j, corresponde a
una Matriz 53 x 53 (5353 )
En la mencionada matriz de tiempos de trayecto se aadieron los tiempos servicio,
que hace referencia al total de minutos empleados en realizar la actividad de supervisin
en cada rea verde. Dado que, en la prctica los tiempos de las actividades tienen
asociada una variabilidad aleatoria, la estimacin se la hizo mediante el levantamiento
de datos a partir de la realizacin de una encuesta a los supervisores, y se determin
que se ajustan a una distribucin Pert. La distribucin Pert, es usualmente empleada en
problemas de simulacin cuando se requiere encontrar solucin a problemas reales,

93

pero con poca informacin; permitiendo, mayor tolerancia en la estimacin del valor
ms probable, lo que mejora la robustez del modelo utilizado.
Luego del levantamiento de datos mediante la encuesta se obtuvieron los
siguientes valores, que corresponden a las estimaciones de los parmetros de la
distribucin Pert:
Tiempo mnimo de supervisin por rea. (15 minutos)
Tiempo mximo de supervisin por rea. (30 minutos)
Tiempo promedio de supervisin por rea. (45 minutos)
4.5 Formulacin matemtica del modelo de optimizacin
Restricciones:
Capacidad del vehculo: Se refiere al nmero de supervisores que pueden ir en
el vehculo. Para el modelo se ha colocado que a lo mucho deben viajar 3
supervisores en un vehculo.
Jornada laboral/Tiempo de recorrido: Se refiere al nmero de horas destinadas
por los supervisores para realizar las visitas a las reas. Considerando el
escenario actual, stos deben emplear cuatro horas para visitas y cuatro horas
en oficina para elaboracin de reportes de novedades. Para el modelo fue
expresado en minutos, es decir 240 minutos.
Visitas semanales: Se refiere al rango de das en que los supervisores deben
cumplir con las visitas a las reas semanalmente. Este rango ser de dos a
cuatro veces por semana.
rea-Vehculo: Esta restriccin significa que cada rea debe ser visitada por
un vehculo, esto con la finalidad de que una misma rea no sea visitada por
ms de un vehculo.
Dems que involucren el cumplimiento de las anteriores.
Funcin Objetivo:
Para la funcin objetivo se consider un costo fijo por utilizacin de un
vehculo, ms el costo de combustible por el consumo promedio del recorrido
a cumplir por cada vehculo en su ruta.
ndices:
Sea el rea a ser supervisada para el mantenimiento integral de las reas
verdes, la cual representa a cualquier punto de origen o destino.
1 52
El ndice identifica el vehculo motorizado a ser utilizado. 1 20
Sea el fiscalizador, quien supervisar el mantenimiento de las reas verdes.
1 10
Sea vehculos destinados para el da lunes.
Sea vehculos destinados para el da martes.
Sea vehculos destinados para el da mircoles.
Sea vehculos destinados para el da jueves.
Sea vehculos destinados para el da viernes.

94

Datos de entrada (Parmetros):

TMax, Tiempo mximo de ocupacin o tiempo de recorrido del vehculo

durante el da.(240 minutos)
Tiempo de viaje + tiempo de servicio desde la rea hacia la rea .(Matriz
de Distancias-Matriz de tiempos de trayecto)
Areas rea que debe ser visitada por el fiscalizador .
Nmero mximo de fiscalizadores en un vehculo.
Nmero mnimo y mximo de salidas de cada fiscalizador durante la
semana.
k Costo asociado por utilizar el vehculo .

Variables de decisin:

X {

1
0

Si la rea es seleccionada para ser servida por el vehculo

.

Variables de estado:

Comb Costo de combustible consumido por el vehculo por visitar el

rea .

F {

A {

T Tiempo tomado por visitar el rea en el vehculo .

1
0

Si el fiscalizador va en el vehculo
.

1
0

Si el rea es visitada por vehculo

.

Modelo de Optimizacin:
El modelo propuesto es un modelo de programacin estocstica 3 y su formulacin
matemtica es como sigue:
= , + .
Sujeto a las siguientes restricciones:
Tiempo mximo para efectuar las fiscalizaciones por vehculo.

Por la consideracin aleatoria en las variables de demanda de viajes

(1)

95

TMax

(2)

Nmero de fiscalizadores que van dentro de un vehculo.

(3)

(4)

Nmero de salidas por cada fiscalizador.

Un fiscalizador en un da debe de ir en un solo vehculo.

1

(5)

(6)

(7)

(8)

(9)

(10)

Cada rea debe ser visitada por un solo vehculo.

1

5 Resultados obtenidos
En esta seccin se presentarn los resultados obtenidos a partir de la aplicacin
de tcnicas de optimizacin y simulacin; de manera que se encuentre una mejor
solucin al problema objeto de estudio; que es el Plan de Visitas de Inspeccin en el
servicio de mantenimiento de reas verdes de la ciudad de Guayaquil, al que estn
sujeto los supervisores para fiscalizar las labores realizadas por los contratistas del
mantenimiento integral de las reas verdes.

96

En la Tabla 8 podemos apreciar el nmero propuesto de reas visitadas por cada

supervisor, que muestra una mejora en el nmero de visitas diarias actual de la Tabla
1, muestra una mejora en el nmero de visitadas redistribuidas diariamente. Adems
hay un balanceo en los das de la semana y no se concentran en unos pocos.
La Tabla 9, muestra los resultados referentes al nmero de supervisores que usan
los vehculos. Como se observa, existe un incremento de los supervisores por vehculo,
esto principalmente, debido a que en un vehculo puede transportar ms de un
supervisor, lo cual comparado con el nmero de supervisores que actualmente usan los
vehculos de la Tabla 2.
Tabla 8. Nmero de reas visitadas por cada supervisor: Solucin propuesta.
Supervisor

Lunes

1
2
3
4
5
6
7
8
9
10
Total

1
1
1
2
1
1
2
2
11

Martes

1
1
1
1
1

Mircoles

Jueves

4
1
3
1

3
1
1

3
1

3
3

Viernes

3
11
10
9
Fuente: Elaboracin Propia

11

Total
visitadas
5
6
5
4
5
5
5
6
6
5
52

Tabla 9. Nmero de supervisores que usan los vehculos: Solucin propuesta

Vehculo i

Lunes

Martes

Mircoles

Jueves

Viernes

Totales

Vehculo 1

Vehculo 2

12

Vehculo 3

Vehculo 4

TOTAL

7
3
7
Fuente: Elaboracin Propia

30

En la Tabla 10 se puede observar el Plan de Visitas Semanal: Solucin propuesta.

El Supervisor 1 realizar recorridos los das lunes, mircoles y jueves, visitando cinco
reas. Para el caso del Supervisor 10, el modelo sugiere realizar dos salidas en la

97

semana, con las cuales abarcara visitar cinco reas. La solucin propuesta contempla
treinta salidas semanales realizadas por diez supervisores.
Tabla 10. Plan de Visitas Semanal: Solucin propuesta
Superviso
r
1
2
3
4
5
6
7
8
9
10
Total

Lune
s
1
1
1

Marte
s

1
1
1
1
1
8

1
1
1
1
1
1
1
7

Mircole
s
1

Jueve
s
1
1
1

1
1

Vierne
s
1
1
1
1

1
1
1

1
1
4
6
5
Fuente: Elaboracin Propia

# reas
visitadas
5
6
5
4
5
5
5
6
6
5
52

A continuacin se muestran, en la Tabla 11, los kilmetros recorridos asociados

a cada vehculo segn el modelo propuesto, se puede apreciar que de los veinte
recorridos que se contemplaban en el Plan de Visitas Actual, Tabla 5, el modelo
propone realizar diecisiete recorridos, lo cual sumado a la optimizacin de las rutas, los
kilmetros recorridos al final de la semana se reducen sustancialmente, esto se
encuentra ligado directamente a la reduccin de costos (ver Tabla 13).
La Tabla 12 presenta un total de 2,709 minutos de recorrido, correspondiente a
las rutas totales de los vehculos, que representara 45 horas semanales. Considerando
que la solucin propuesta disminuye el nmero de recorridos a un total de diecisiete,
por tanto cada vehculo recorrera aproximadamente 2.66 horas diarias de recorrido.
Tabla 11. Kilmetros recorridos por el vehculo i: Solucin propuesta.
Vehculo i
Vehculo 1
Vehculo 2
Vehculo 3
Vehculo 4

Lunes
30
74
8
15
126

Martes Mircoles Jueves Viernes

17
17
12
0
12
37
19
26
53
0
25
20
25
0
26
23
107
54
82
69
Fuente: Elaboracin Propia

Totales
76
168
105
89
439

98

Tabla 12. Minutos recorridos por el vehculo i: Solucin propuesta.

Vehculo i

Lunes

Martes

Mircoles

Jueves

Viernes

Totales

Vehculo 1

170

116

136

144

566

Vehculo 2

202

111

189

188

193

883

Vehculo 3

74

218

165

182

639

Vehculo 4

157

168

139

157

621

603

613
325
636
Fuente: Elaboracin Propia

532

2,709

Debido a que los vehculos utilizados para esta actividad son de las mismas
caractersticas, si observamos en forma grfica podemos determinar que la exposicin
total de horas de estos vehculos cambia de 58 horas en la situacin actual a 45 horas
en la solucin ptima o solucin propuesta, tal como se aprecia en el Grfico 5.

Grfico 5. Comparativo horas semanales.

Fuente: Elaboracin Propia

En la Tabla 13, se aprecian los costos totales asociados a la solucin propuesta,
que por considerar menos kilmetros recorridos, disminuyen los costos totales.

99

Tabla 13. Costos totales: Solucin propuesta.

Vehculo i

Lunes

Martes

Mircoles

Jueves

Viernes

Totales

Vehculo 1

34

30

32

32

128

Vehculo 2

36

30

35

35

35

170

Vehculo 3

28

37

33

34

132

Vehculo 4

33

34

32

33

131

130

131
67
132
Fuente: Elaboracin Propia

102

562

Tal como se observa en las Tabla 7 y Tabla 13, la reduccin en costos por la
implementacin del modelo es de $ 115.00 por semana, lo cual muestra la optimizacin
del modelo y el alcance del objetivo, reduccin de costos operativos., lo anterior se
ilustra en el Grfico 6.
Grfico 6. Comparativo costos totales.

Fuente: Elaboracin Propia

Resumiendo, se tienen los resultados que se muestran en la Tabla 14, los recursos
utilizados para el diseo del Plan de visitas actual, requiere cuatro vehculos que son
usados durante cinco das de la semana; diez supervisores para realizar las tareas de
verificacin de los trabajos realizados por los contratistas y un coordinador de
transporte. La alternativa de solucin propuesta luego de ejecutar el modelo, sugiere
nicamente usar cuatro vehculos durante cuatro das a la semana. Maximizando as el
uso de los recursos y minimizando los costos asociados al uso del vehculo y al costo
total de la operacin.

100

Tabla 14. Comparativo Situacin Actual versus Solucin propuesta.

Comparativo

Situacin
Actual

Solucin
Propuesta

Distancia (en Kilmetros)

1,167

439

Tiempo de recorrido (en minutos)

3,454

2,709

Nmero de recorridos (vehculos)

20

17

Costos Fijos

470

400

Costos Variables

207

163

Costos Totales

677

563

28
Salidas de supervisores
Supervisores por vehculo (en
1.4
promedio)
Fuente: Elaboracin Propia

30
1.7

El modelo fue implementado con xito desde finales de 2013, constatndose

ahorros significativos en los costos de operacin de las Instituciones involucradas en el
mantenimiento de las reas verdes.

6. Conclusiones y recomendaciones
En la resolucin de problemas prcticos que involucran procesos logsticos, existe una
gran discusin sobre la aplicabilidad de tcnicas aproximadas, como es el caso de
metaheursticas en general y los mtodos genticos en particular. En cuanto a los
resultados la versatilidad de la aplicacin de los algoritmos genticos en los problemas
de ruteo, se observ que permitieron alcanzar buenas soluciones a los problemas de
enrutamiento, de tal manera que se logr la reduccin del nmero de vehculos en 3
unidades durante la semana de operaciones, en relacin a la planificacin actual donde
se necesitaban 20 unidades de vehculos durante los cinco das de la semana para
cumplir con la ruta planificada.
Esta reduccin en el nmero de vehculos deriv en una reduccin en los costos por uso
semanal de los vehculos en $ 115.00en relacin a los costos semanales de la situacin
actual misma que asciende a $ 677.
Otra ventaja que se logr es que a travs del modelo planteado el equipo tcnico al igual
que los vehculos tambin optimizan su tiempo, al transportarse en un mismo vehculo
ms de un supervisor, con lo cual el supervisor dispondr de una mayor cantidad de
tiempo para realizar sus actividades administrativas y atender situaciones puntuales de
los contratos tal como se muestra en la Tabla 9.

101

Es posible una alternativa econmica adicional para los vehculos que se dejarn de
usar por temas de optimizacin. stos podran ser utilizados en la supervisin de nuevas
reas, aumentando con ello el alcance del proyecto sin invertir en nuevos vehculos.
Una extensin importante a partir de los resultados observados es que en el mbito
pblico de gestin, existen muchos problemas que comparten caractersticas similares
con el abordado en este estudio, as la Institucin beneficiaria del modelo podr
replicarlo en nuevos proyectos de visitas, supervisin de reas verdes, obras
municipales, obras civiles, entre otros.
En cuanto a las mejoras que se podran establecer en el sistema a partir del modelo
generado en este estudio, se sugiere la modificacin de los procedimientos existentes
en la organizacin, como parte de la mejora continua que permita ejecutar la solucin
propuesta; entre las actividades a considerarse estn:
o
o

Registrar en la bitcora de vehculos los datos informativos acorde a

las visitas realizadas con las respectivas variables que se deben
incluir.
Maximizar el uso de los vehculos, implementando el sistema Car
Pool, que permite que el vehculo transporte ms de un supervisor.

7. Referencias

[1]

[2]
[3]
[4]
[5]
[6]

[7]
[8]
[9]

Unit, Economist Intelligence, SIEMENS, 2010. [En lnea]. Available:

http://www.siemens.com/press/pool/de/events/corporate/2010-11-lam/resultpresentation.pdf. [ltimo acceso: Junio 2013].
L. Krishnamurthy y N. R. Jose, Areas Verdes Urbanas en Latinoamrica y El Caribe, Ciudad
de Mxico, 1998.
M.I. Municipalidad de Guayaquil, Rendicin de Cuentas 2010-2011, Wong & Wong
Consultores Asociados, Ca Ltda., Guayaquil, 2011.
T. Paolo y V. Daniele, "The Vehicle routing problem", Bologna: Universita degli Studi di
Bologna, 2000.
F., Sandoya, Instituto de Ciencias Matemticas, [En lnea]. Available:
http://goo.gl/B9nndW.
Sandoya F., UNAM, UN MODELO PARA EL PROBLEMA DE LA DIVERSIDAD
MXIMA UN ESTUDIO PARA LA SELECCIN DE LO MEJOR Y LO MS
DIVERSO, MXICO, 2013.
S. Palomo, La Planificacin Verde de las Ciudades, Barcelona: 2da edicion, 2005.
B.
Francisco,
El
Reeditor,
2011.
[En
lnea].
Available:
http://www.reeditor.com/columna/303/2/arquitectura/areas/verdes/densidad/habitacional.
A. Oliveira, Facultad de Ingenieria Universidad de Uruguay, 2004. [En lnea]. Available:
http://www.fing.edu.uy/inco/pedeciba/bibliote/reptec/TR0408.pdf. [ltimo acceso: 2013].

102

[10] G. LAPORTE, The vehicle routing problem: an overview of exact and approximate
algorithms., 1992.
[11] G. W. L. Nemhauser, Integer and Combinatorial Optimization.
[12] J. Holland, Adaptation in Natural and artificial systems: An Introduction Analysis with
Applications To Biology, Control and Artificial Intelligence, The University of Michigan
Press, 1975.
[13] CIRRELT, Interuniversity Research Centre on Enterprise Network, Logistic and
Transportation, Department of Computer Science and Operations Research of the
Universite de Motreal, August 2007. [En lnea]. Available: 8. CIRRELT. CIRRELT.
Metaheuristic
for
the
vehicle
routing
problhttps://www.cirrelt.ca/DocumentsTravail/CIRRELT-2007-27.pdf..
[14] Palisade Corporation, Gua para el uso de EVOLVER, Ithaca, 2010.
[15] Palisade Corporation, Palisade Corporation, [En lnea]. Available: http://www.palisadelta.com/. [ltimo acceso: Julio 2013].
[16] Programa de las Naciones Unidas para el Medio Ambiente, Perspectivas del Medio
Ambiente Amrica Latina y el Caribe.
[17] Diagnstico Tcnico Participativo del Plan Regional de Desarrollo Concertado de Lima
2012

2025,
Plan
Lima,
2011.
[En
lnea].
Available:
http://www.planlima.gob.pe/pdf/diagnostico_cap5.pdf. [ltimo acceso: 2013].
[18] J. L. Lu y M. Xie, INTECHOPEN, 2010. [En lnea].
[19] Y. Chang y C. Lin, AIMSciences, University of North Carolina at Wilmington, 2007. [En
lnea].
Available:
http://www.aimsciences.org/journals/pdfs.jsp?paperID=2806&mode=full.
[20] F. Dwyer, G. McPherson, W. Schroeder y R. Rowntree, ASSESSING THE BENEFITS
AND COSTS OF THE URBAN FOREST, 1992.
[21] sci2s, Departamento de Ciencias de la Computacin e Inteligencia Artificial, E.T.S.
Ingeniera Informtica, C/ Periodista Daniel Saucedo Aranda s/n, 18071 Granada (Espaa),
[En
lnea].
Available:
http://sci2s.ugr.es/publications/ficheros/OCH%20Modelos%20y%20Nuevos%20Enfoques
%20(Chapter).pdf.
[22] F. Hillier y G. Lieberman, Introduccin a la Investigacin de Operaciones, Ciudad de
Mxico: McGraw-Hill Interamericana, 2007.
[23] Y.-J. Potvin, GENETIC ALGORITHMS FOR THE TRAVELING SALESMAN
PROBLEM, CENTRE DE RECHERCHE SUR LES TRANSPORTS UNIVERSITE DE
MONTREAL, [En lnea]. Available: http://goo.gl/foIGy4.
[24] M. Vzquez, CSIC, Dpto. de Estructuras de Edificacin de la UPM de Madrid-Espaa,
1995. [En lnea]. Available: http://goo.gl/ooJwQF.
[25] B. M. Batista y F. Glover, University of Colorado at Boulder, [En lnea]. Available:
http://goo.gl/nba8Ng.