Академический Документы
Профессиональный Документы
Культура Документы
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.
82
83
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
2011
84
85
86
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
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
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
Lunes
82
86
78
43
289
Totales
370
323
273
201
1167
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
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
4 Modelo matemtico
mantenimiento
de optimizacin
para
el
plan de
90
91
92
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
Variables de decisin:
X {
1
0
Variables de estado:
F {
A {
1
0
Si el fiscalizador va en el vehculo
.
1
0
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.
(1)
95
TMax
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
(10)
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
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
Lunes
Martes
Mircoles
Jueves
Viernes
Totales
Vehculo 1
Vehculo 2
12
Vehculo 3
Vehculo 4
TOTAL
7
3
7
Fuente: Elaboracin Propia
30
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
Lunes
30
74
8
15
126
Totales
76
168
105
89
439
98
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.
99
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.
100
Situacin
Actual
Solucin
Propuesta
1,167
439
3,454
2,709
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
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
7. Referencias
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
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.