RED NACIONAL DE TRANSPORTE DE GAS VEHICULAR

INTEGRANTES

HEBERTO BENAVIDES HERNANDEZ COD 1721024063

CESAR HERNANDO CHAWEZ LUNA COD 1521023097

FAIBER HERNANDO PRADA DIAZ COD 1621021264

EDWARD HUGO BAEZ PACHECO COD 1611023709

HIGUEY MENDEZ VIZCAINO COD 1221960176

TUTOR
JAVIER CIPAMOCHA

POLITECNICO GRANCOLOMBIANO
INVESTIGACION DE OPERACIONES

BOGOTA DC
2018
NOMBRE DE LA COMPAÑÍA

Contenido
DESCRIPCION DEL PROBLEMA ............................................................................................. 3
MODELO PROPUESTO .............................................................................................................. 3
REPRESENTACION COMO RED .......................................................................................... 3
VARIABLES ............................................................................................................................ 4
PARAMETROS ........................................................................................................................ 4
FUNCION OBJETIVO ................................................................................................................. 4
RESTRICIONES........................................................................................................................... 5
PROPOSICIONES ........................................................................................................................ 5
Análisis estadístico para la demanda y producción del año 2016 ................................................. 6
Pronóstico para la demanda del 2016 .......................................................................................... 6
1. Método Regresión Lineal ...................................................................................................... 6
2. Método Suavizamiento o Atenuación Exponencial Simple: ................................................. 7
Pronóstico para la Producción del 2016 .................................................................................... 7
1. Método Regresión Lineal ...................................................................................................... 7
2. Método Suavizamiento o Atenuación Exponencial Simple .................................................. 8
Comentarios .................................................................................................................................. 8
PROGRAMACION GAMS. ......................................................................................................... 9
CONCLUSIONES ........................................................................................................................ 9
DESCRIPCION DEL PROBLEMA
La empresa Colombiana de Petróleos necesita controlar la Red Nacional de Transporte
de Gas Natural en la sede centro, para esto es necesario implementar un modelo
matemático eficiente, que busca optimizar y cubrir los requerimientos de gas natural
vehicular en la capital, donde se presenta la mayor interrupción del servicio.

MODELO PROPUESTO
Identificando que se trata de un problema netamente logístico que impacta en el proceso
de abastecimiento, debemos analizar la implementación de un modelo integral
permitiendo así una planificación optima, considerando que es una estructura en donde
el trayecto desde Cusiana hasta el destino final son bastantes largos, se deben manejar
en varias etapas antes de llegar al usuario final.
Proponemos trabajar con el modelo MLSP-PC, el cual logra minimizar costos en un
sistema de producción y al mismo tiempo satisface la demanda.

REPRESENTACION COMO RED

Y1 Y2 Y3 Y4 Y5 Y6 Y7 Y8 Y9
Y10
1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 1.1
0
1 ,1) ,1) ,1) ,1)
10
I11 I12 I13 I14 I15 I16 I17 I18 I19
I1102.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 2.1
X11 X12 X13 X14 X15 X16 X17 X18 X19 0
10
2.1
X110

I21 I22 I23 I24 I25 I26 I27 I28 I29

3.4 3.5 3.6 3.7 3.8 3.9 3.1
I2103.1 3.2 3.3
0

X21 X22 X23 X24 X25 X26 X27 X28 X29

X210
4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 4.9 4.1
I31 I32 I33 I34 I35 I36 I37 I38 I39 0
I310 X31 X32 X33 X34 X35 X36 X37 X38
X39 X310

𝑑1 𝑑2 𝑑3 𝑑4 𝑑5 𝑑6 𝑑7 𝑑8 𝑑9 𝑑10
Definimos el modelo como una red de una sola fuente 0, en el nivel 1 tenemos los
nodos de distribución designados como (1,1) (1,2) (1,3) (1,4) (1,5) (1,6) (1,7) (1,8) (1,9)
y (1,10), el cual recibe la producción del nodo 0 representados como arcos de
producción.
El nivel 1 envía entre sí exceptuando el nodo (1,10) y envía también al nivel 2 a los
nodos (2,1) (2,2) (2,3) (2,4)(2,5)(2,6)(2,7)(2,8)(2,9) y (2,10), este nivel realiza también
envíos entre sí exceptuando el punto extremo (2,10) y el nivel 3 con los nodos (3,1)
(3,2) (3,3) (3,4)(3,5)(3,6)(3,7)(3,8)(3,9) y (3,10),realizara envíos entre sí excepto en el
punto (3,10),y el nivel 4 con los nodos(4,1)(4,2)(4,3)(4,4)(4,5)(4,6)(4,7)(4,8)(4,9) y
(4,10), el cual es el encargado de satisfacer la demanda de la ciudad.

VARIABLES
𝑌𝑡 Es la cantidad de gas a producir en un periodo t en este caso 10 meses.

𝒙𝒍𝒕 Es la cantidad de gas transportada desde el nivel 𝒍 + 1 en el periodo 𝒕.

𝑰𝒍𝒕 Es la cantidad de inventario de gas a almacenar en el nivel 𝒍 llegando al final del

periodo 𝒕
Donde:
𝒍 = Nivel 1, Nivel 2, Nivel 3, Nivel 4
𝒕= 10 Meses

PARAMETROS
𝑑𝑡 Es la demanda de gas en un periodo 𝒕
𝑏𝑡 Es la capacidad de producción en un periodo 𝒕
𝑝𝑡 Son los costos de producción en un periodo 𝒕
𝑐𝑡 Son los costos de transporte entre los niveles (𝒍 y 𝒍 + 1) en un periodo 𝒕
ℎ𝑡 Son los costos de almacenamiento al nivel 𝒍 en un periodo 𝒕

FUNCION OBJETIVO
La función busca minimizar los costos de producción, transporte, almacenamiento
acorde con cantidades optimas de producción por cada periodo y las cantidades óptimas
para transportar.

𝑇 L−1 L

𝑀𝑖𝑛 𝑍 = ∑ 𝑝𝑡 (𝑦𝑡 ) + ∑ ctl (xtl ) + ∑ hlt (Itl )

𝑡=1 𝑙=1 𝑙=1
RESTRICIONES
 Restricción de flujo de entrada: 𝑙
𝑥𝑡𝑙 + 𝐼𝑡𝑙 = 𝑦𝑡 + 𝐼𝑡−1 Es la cantidad
trasportada desde el nivel 1 al 2 en un periodo 𝒕, sumado al inventario del nivel
1 en un periodo 𝒕 es igual a la cantidad producida en un periodo 𝒕 más el
inventario del periodo anterior.
 𝑙
Restricción de balance del inventario: 𝑥𝑡𝑙 + 𝐼𝑡𝑙 = 𝑥𝑡𝑙−1 + 𝐼𝑡−1 Es la cantidad
transportada desde el nivel 2 al nivel 3 en un periodo 𝒕 mas el inventario del
nivel 2 en un periodo 𝒕 debe ser el mismo a la cantidad que se trasporto del nivel
1 al 2 en el periodo 𝒕 mas el inventario del periodo anterior en el nivel 2.
 Restricción de flujo de salida: 𝑑𝑡 + 𝐼𝑡𝑙 = 𝑥𝑡𝐿−1 + 𝐼𝑡−1𝐿
Es la demanda en un
periodo 𝒕 mas el inventario del nivel 4 en el periodo 𝒕 debe ser igual a la
cantidad que se transporto del nivel 3 al 4 más el inventario del periodo anterior
en el nivel 4.
 Restricción capacidad máxima de producción: 𝑦𝑡 ≤ 𝑏𝑡 La cantidad a producir
en un periodo 𝒕 no podrá sobrepasar la capacidad de producción del periodo 𝒕 .
 Restricción de inventario 0 al inicio de cada nivel: 𝐼0𝑙 = 0 El inventario inicial en
el periodo 0 debe ser 0 en cada nivel 𝒍.
 Restricción de no Negatividad: Las variables de decisión no podrán valer 0.
𝑦𝑡 ≥ 0
𝑥𝑡𝑙 ≥ 0
𝐼𝑡𝑙 ≥ 0

PROPOSICIONES
 Proposición 2.1. Cualquier solución factible punto extremo se puede
descomponer en una secuencia de sub-planes consecutivos.
Podemos descomponer el modelo para 10 periodos en varios nodos para la red,
los cuales cada nodo pueda satisfacer 1 o más periodos de demanda.
 Proposición 2.2. Un sub-plan puede contener como máximo un arco de
producción libre.
Solo un arco de producción llevando flujo entre cada uno de los sub-planes.
 Proposición 2.3. En un sub-plan, la cantidad transportada entre niveles l y l + 1
en algún período hace que las cantidades acumuladas transportadas hasta el
momento en el sub-plan sean iguales a las cantidades de producción acumuladas
de una secuencia inicial de períodos de producción consecutivos en el sub-plan o
a la demanda acumulada de Una secuencia inicial de períodos de demanda en el
sub-plan.
Es la cantidad de producción para varios periodos de demanda, decidiendo
mantener un inventario o transportar determinadas cantidades, haciendo que la
cantidad transportada hasta el nivel sea igual a la producción acumulada de
periodos anteriores dentro del sub-plan.
Análisis estadístico para la demanda y producción del año 2016

Para realizar los pronósticos de la demanda y producción para el año 2016 se han
empleado dos métodos de análisis estadístico que son:
 Pronostico por Regresión Lineal
 Pronostico por Suavizamiento o Atenuación Exponencial Simple
Para cada uno de estos métodos se le ha calculado su respectivo error, escogiendo de
esta manera el que tuviera el error más mínimo.
Para el cálculo del error se ha escogido el método de la Desviación Media Absoluta
(DAM).
La Desviación Media Absoluta (DMA) es una medida que se utiliza para pronosticar o
calcular en cuanto varían de su media los valores de un conjunto de datos, el error del
pronostico se calcula mediante esta medida, ya que suele suceder la medida preferida
para medir el error de un pronóstico.
Tabla resumen de los pronósticos

Pronóstico para la demanda del 2016

1. Método Regresión Lineal. Se Tiene encuentra para este cálculo el promedio de
todos los mese de todos los años.
Promedio x REGRESION LINEAL| PRONOSTICO DEMANDA
mes del
año 2001
al 2015 X Y XY X^2 Y^2 2016 error(et) abs et
269
270
420 1 420 420 1 176.344 139,18 280,75 280,75
259 2 259 518 4 67.081 223,66 35,34 35,34
161 3 161 482 9 25.792 308,14 -147,54 147,54
280 4 280 1.121 16 78.512 392,62 -112,42 112,42
358 5 358 1.789 25 127.973 477,09 -119,36 119,36
402 6 402 2.415 36 161.979 561,57 -159,11 159,11
641 7 641 4.487 49 410.796 646,05 -5,12 5,12
791 8 791 6.327 64 625.470 730,53 60,34 60,34
841 9 841 7.566 81 706.720 815,01 25,66 25,66
1041 10 1041 10.409 100 1.083.542 899,49 141,45 141,45
PROMEDIO 5,5 519
SUMA 35.533 385
n 10
B1 84,48
B0 54,70
DMA 108,71
2. Método Suavizamiento o Atenuación Exponencial Simple: Igualmente se
promedia los meses junto con los años.

Pronóstico para la Producción del 2016

Promedio
x mes del
año 2001
al 2015
Pronóstico Suavizamiento o Atenuación Exponencial Simple|
269
Pronóstico de Demanda
270
420
promedio
Pronóstico Diferencia
del año
259 Mes (t)
2001 al
para el Demanda real y α 1,00
2016 (Yt') pronostico (et)
2015(Y)
161 Marzo 419,93 419,93 0
280 Abril 259,00 419,93 160,93
0 ≤ α ≤
358 Mayo 160,60 259,00
98 1
402 Junio 280,20 160,60 120
641 Julio 357,73 280,20 78
791 Agosto 402,47 357,73 45
Y_(t+1)`= αY_t +
841 Septiembre 640,93 402,47
(1-α) Y_t'

238
1041 Octubre 790,87 640,93 150
Noviembre 840,67 790,87 50
Diciembre 1040,93 840,67 200
Pronostico 1040,93
DAM(Desviación Media Absoluta) 114

1. Método Regresión Lineal

Promedio x mes del REGRESION LINEAL|PRONOSTICO DE PRODUCCION
año 2001 al 2015 X Y XY X^2 Y^2 2016 error(et) abs et
539
541
541 1 541 541 1 292.537 399,43 141,44 141,44
541 2 541 1.081 4 292.176 429,69 110,84 110,84
437 3 437 1.312 9 191.202 459,95 -22,69 22,69
218 4 218 873 16 47.669 490,22 -271,88 271,88
541 5 541 2.704 25 292.393 520,48 20,25 20,25
540 6 540 3.240 36 291.672 550,75 -10,68 10,68
 321 7 321 2.248 49 103.127 581,01 -259,88 259,88
739 8 739 5.909 64 545.628 611,27 127,39 127,39
738 9 738 6.644 81 545.038 641,54 96,73 96,73
740 10 740 7.403 100 547.995 671,80 68,47 68,47
PROMEDIO 5,5 535,613
SUMA 31.955 385
n 10
B1 30,26
B0 369,16
DMA 113,03

2. Método Suavizamiento o Atenuación Exponencial Simple

Promedio Pronóstico Suavizamiento o Atenuación Exponencial
x mes del Simple| Pronóstico de Producción
año 2001
al 2015

Diferencia
Promedio
Pronóstico Demanda
del año
539 Mes (t)
2001 al
para el 2016 real y α 1,00
(Yt') pronostico
2015
(et)
541 Marzo 539 539,33 0
541 Abril 541 539,33 1,73 0 ≤ α ≤ 1
541 Mayo 541 541,07 0
Y_(t+1)`= αY_t + (1-
437 Junio 540,87 0
α) Y_t'

541
218 Julio 437 540,53 103
541 Agosto 218 437,27 219
540 Septiembre 541 218,33 322
321 Octubre 540 540,73 1
739 Noviembre 321 540,07 219
738 Diciembre 739 321,13 418
740 Pronostico 738,67
DAM(Desviación Media Absoluta) 128

Comentarios
Para poder hallar los pronósticos así se emplee cualquier método de estadística, para
poder visualizar los pronósticos tanto de la Demanda como Producción para el año
2015, los hemos realizado con el valor promedio de los meses por los años que van
desde el 2001 hasta el año 2015, ya que con este dato numérico procedimos a dar
solución con el pronóstico para el año 2016.
También nos genero el menor error de desviación Media Absoluta (DAM).
 PROGRAMACION GAMS.

¿Por qué Utilizar el Programa GAMS?

La optimización es la principal característica del programa GAMS para la toma de
decisiones.
Permite parametrizar los costos llevando las unidades de producción de un lugar a otro.
Las tomas de decisiones sirven para determinar la viabilidad de fabricar, comprar o
arrendar un bien o un servicio.

Para esto ahora procedemos a realizar la programación de los parámetros en el modelo

GAMS.
 Se anexa el formato digital del Gams donde se desarrolla la Función Objetivo,
las variables y restricciones de la red de gas Vehicular.

CONCLUSIONES

El transporte es tan solo una parte del sistema de distribución de la compañía. Es muy
difícil resolver el mejor programa de trasporte en términos de servicio y bajo costo. Esta
área de la empresa requiere una constante atención para incorporar los cambios que
constituyan una difícil tarea para cualquier grupo de investigación de negocios.
La aplicación del método de transporte permite a los fabricantes maximizar sus
ganancias ya que esto determina las rutas de menor costo de distribución dentro del área
de mercado.
La obtención de los modelos matemáticos por computadora agiliza la obtención de
soluciones en el menor tiempo.
Fue de gran importancia el poder realizar una distribución no solo de una red de
transporte sino el conocer la demanda y la producción la cual se basa en identificar la
cantidad y el nivel de transportar, almacenar y producir.
La modulación y su uso en la compañía demuestra que es una herramienta matemática
fundamental para el desarrollo de las actividades, esto hace que genere mayor impacto
en la competitividad en el mercado mundial.