TIC Y EDUCACIN

La Enseanza de Investigacin de Operaciones a travs de Estudio de Caso: manejo de basura en la ciudad de Mxico.
Isabel Quintas Pereira 2 Gloria Baca Lobera 3 Irene Snchez Guevara
1

1 2 3

Universidad Autnoma Metropolitana-Xochimilco (Mxico). iqpere@correo.xoc.uam.mx Universidad Autnoma Metropolitana-Xochimilco (Mxico). gbaca@correo.xocuam.mx Universidad Autnoma Metropolitana-Xochimilco (Mxico). isabiro@yahoo.com

RESUMEN. La adopcin de un enfoque del proceso de aprendizaje desde la perspectiva de las tecnologas de la informtica y la computacin, a travs de casos de estudio en las universidades, es un proceso complejo que se enfrenta con barreras tecnolgicas y humanas. Por este motivo, es necesario disear una serie de objetivos y estrategias nuevas. Los casos de estudio constituyen un ejemplo de estrategias que invitan a los estudiantes a travs de temas propuestos por su misma realidad, a tener una actitud de inters por el aprendizaje as como un compromiso con su comunidad por resolver situaciones emergentes como son los temas ambientales. Este trabajo surge para responder algunas inquietudes y mostrar experiencias personales sobre la enseanza de la Investigacin de Operaciones en las licenciaturas de Economa y Administracin. En este sentido se desarrollan tres casos de estudio: simulacin Monte Carlo para un tema de juegos de azar, otro de toma de decisiones en inventarios, y el uso de la Programacin Lineal en un tema de optimizacin para un problema de la basura en la Ciudad de Mxico. As mismo, se muestran algunas reflexiones que sobre el tema han hecho investigadores a cerca de la forma en que las herramientas de la informacin y la computacin pueden influir para aprender mejor. Palabras clave: Programacin lineal, transporte y toma de decisiones.

INTRODUCCIN: LA INCORPORACIN DE LAS TICS EN LOS PROCESOS DE ENSEANZA-APRENDIZAJE. Desde el inicio de los aos 80, la gran expectativa que despertaron las aplicaciones de las TICs en los procesos de enseanza- aprendizaje hasta ahora no se han realizado. Estamos convencidas de que esto no se debe a las limitaciones propias de la tecnologa, sino a las limitaciones de nuestra imaginacin, y sobre todo, a las restricciones que nos imponen los viejos hbitos y las rgidas estructuras sociales que no acepta modificaciones fcilmente. En este mismo sentido, consideramos que todava no se han identificado con toda claridad en lo que pueden contribuir las TICs que sea nuevo y diferente, y lo que es ms importante, lo que esas diferencias significan en trminos del proceso de enseanzaaprendizaje. Por lo que es una cuestin fundamental realizar estudios con la aportacin de diferentes disciplinas con el objetivo de avanzar en esa direccin. Desde el punto de vista de la enseanza de las matemticas, una actividad bsica que nos pudiera permitir obtener resultados positivos es examinar las formas que las TICs se pueden usar para representar ideas y procesos, y analizar cules son las diferencias con esas mismas representaciones en los medios tradicionales, y cules son las fuentes especficas de cualquier eficacia o ineficacia del aprendizaje. Adems se tiene que considerar los cambios que su uso introducira en la organizacin fsica del aula y de la estructura organizacional de los sistemas educativos. 1. LA PERSPECTIVA CONSTRUCTIVISTA EN LA EDUCACIN Y EL USO DE LAS TIC. Debido a la gran versatilidad y fcil acceso de las computadoras, su aplicacin en el campo de la educacin puede ayudar a cambiar el foco del conocimiento como posesin hacia el conocimiento como construccin, y del aprendizaje como guiado desde afuera, hacia el aprendizaje guiado por s mismo. Adems permite renovar el concepto de instruccin que cambia la atencin de impartir el conocimiento hacia la instruccin como una gua socialmente basada en la exploracin. No es coincidencia que esos cambios, que implican el uso de la computadora, resulten congruentes con los principios del constructivismo del aprendizaje y la enseanza. Cada una por su lado, el constructivismo y la computadora, han modificado substancialmente el concepto de aprendizaje y han provocado nuevas posibilidades de instruccin para casi todas las situaciones, incluyendo la tradicional clase, la clase a distancia y el autoaprendizaje. El constructivismo ha aportado ideas en la construccin de ambientes de aprendizaje basados en la tecnologa. Una de esas implicaciones es la necesidad que se crea de situar el aprendizaje en contextos autnticos y con significados. Es importante decir que los ambientes educativos con enfoque constructivista creados en la computadora no involucran el conocimiento para guiar y estructurar el proceso de aprendizaje, sino slo crean situaciones y ofrecen herramientas que estimulen a los estudiantes a hacer un uso mximo de su propio potencial cognitivo.(Scardamalia et al., 1989). Otra consecuencia importante del enfoque constructivista para la creacin de ambientes de aprendizaje basados en la tecnologa radica en que puede ser una actividad tanto individual como social, la introduccin de la tecnologa en el proceso de aprendizaje

puede tener consecuencias profundas para el diseo de formas de aprendizaje sociales, dada la diversidad de contextos y de tutoriales. La computadora puede servir en el proceso de obtencin de informacin, indagacin y colaboracin, y no slo como un vestigio de instruccin directa. Las herramientas de tecnologa que ayudan al aprendizaje incluyen varios tipos de softwares de simulacin, video discos, multimedia, y telecomunicaciones (correo electrnico e Internet). Estas herramientas presentan beneficios que incluyen la habilidad de obtener informacin relevante en la forma de documentos, fotografas videos; adems de dar experiencias virtuales que de otra forma no son posibles; y la oportunidad para los estudiantes de examinar una variedad de puntos vista para que sean capaces de construir su propio conocimiento sobre diversos conceptos. El potencial de la tecnologa de la telecomunicacin radica en su habilidad de funcionar como una entrada; una entrada a los recursos, al aprendizaje colaborativo y de logro individual. Aunque es importante no perder de vista el hecho de que la tecnologa de las comunicaciones no es una componente necesaria para desarrollar un ambiente de aprendizaje ni tampoco es suficiente para provocar la emergencia de tal aprendizaje, sin embargo, permite un medio para que el aprendizaje constructivista pueda, de hecho, llevarse a cabo. 2. CASO DE ESTUDIO. La ciudad de Mxico se encuentra ubicada en una cuenca cerrada a ms de dos mil metros de altura. Cuenta con una poblacin de algo ms de ocho millones de habitantes dentro de sus lmites polticos, pero est inmersa en una de las regiones conurbadas ms grandes con cerca de 20 millones de habitantes, muy densamente poblada. La poblacin de la ciudad de Mxico tiene la mayor generacin de residuos per cpita del pas, debido a su condicin urbana y a tambin tener el mayor PIB per cpita; cada individuo produce 1.5 kg /da, lo que implica 12 mil toneladas diarias. La recoleccin de basura la llevan a cargo las autoridades locales (delegaciones) pero el manejo final se realiza de manera centralizada. La infraestructura bsica con que cuenta la ciudad consiste en un sitio de disposicin final (relleno sanitario ) que est llegando al final de su vida til, seis plantas de composta, tres plantas de separacin y 13 estaciones de transferencia. Tanto las plantas de separacin como las de composta estn subaprovechadas, y aunque al menos el 40% de los residuos son orgnicos, como no se realiza la separacin en el origen, es muy poco lo que se enva a compostaje.

En el siguiente cuadro se presenta la capacidad de cada una de las instalaciones

planta Bordo Poniente Bordo Poniente Cuajimalpa Alvaro Obregn Iztapalapa Milpa Alta Xochimilco Bordo Poniente San Juan Aragn Santa Catarina Relleno sanitario Planta composteo Planta composteo Planta composteo Planta composteo Planta composteo Planta composteo Planta seleccin Planta seleccin Planta seleccin

capacidad

uso actual ton/ao

Recuperado

73,000 ton/ao 17,000 ton/ao 1,200 1,836 1,440 1,380 1,300 5,600/3 Ton/dia 510 mil ton/ao 5,600/3 Ton/dia 509 mil ton/ao 5,600/3 Ton/dia 481 mil ton/ao

5.5% 8.5 % 6%

Las autoridades presentan su funcionamiento actual en un diagrama de flujo correspondiente a la operacin diaria; las cantidades estn expresadas en toneladas por da. Actualmente hay diferentes propuestas sobre la operacin del sistema, tan variadas como cerrar la planta de composteo del Bordo Poniente y otra que propone que se triplique su operacin diaria de 200 a 600 toneladas. Tambin hay propuestas de utilizar totalmente la capacidad instalada en las plantas de separacin, abrir otras plantas de composteo y la posibilidad de utilizar hornos para incinerar una parte de los residuos.

Anlisis del problema: al estudiarte se le presenta un problema que puede reconocer como algo concreto, y debe comenzar por analizar los datos, entender los procesos, las unidades, la distribucin geogrfica. En esta etapa el estudiante se apropia del problema y puede comprender la necesidad de mejorar el sistema. La etapa siguiente de manera natural es preguntarnos que queremos hacer, y como se trata de un curso de programacin lineal, necesitamos plantearnos un objetivo. Esto nos puede llevar a plantear posteriormente diferentes problemas. Un objetivo puede ser minimizar la cantidad de residuos generados, pero esto est fuera del alcance a corto plazo de cualquier gobierno local. Algunos objetivos posibles seran: a) minimizar la cantidad de residuos que lleguen a la disposicin final b) maximizar la recuperacin de materiales reciclables c) minimizar el costo del manejo de los residuos d) minimizar los costos sociales o ambientales de la poblacin y el entorno Para cada uno de estos objetivos se pueden plantear las restricciones materiales existentes y evaluar propuestas alternas tomando en consideracin restricciones impuestas por la normatividad vigente, las restricciones presupuestales y las limitaciones impuestas por lo que es aceptado o no por la sociedad.

3. EL MODELO DE PROGRAMACIN LINEAL PARA EL PROBLEMA DE LA MINIMIZACIN DE LA CANTIDAD DE RESIDUOS. Para ejemplificar las posibilidades, se propone un problema en que se quiere minimizar la cantidad de residuos que llegan a la disposicin final utilizando al mximo la capacidad disponible en las plantas de composteo, modernizando la planta de separacin de san Juan de Aragn de tal manera que se incremente su capacidad de procesamiento a dos mil toneladas diarias y una eficiencia de recuperacin del 15%. Adems se planea la construccin de un incinerador de residuos aprovechando la generacin de metano generado en el relleno sanitario. Los clculos indican la posibilidad de quemar 1250 toneladas diarias. Dado que la ciudad tiene tambin problemas de contaminacin ambiental, las autoridades fijaron el tope de gases producidos diariamente en tres toneladas y media de CO2 equivalente. Tanto el proceso de compostaje como la incineracin generan gases que se pueden traducir en su equivalente en CO2 En el siguiente cuadro se presentan las capacidades mximas de cada planta as como la cantidad de gases contaminantes producidos por cada tonelada procesada; las diferencias entre las plantas de composteo se deben tanto al tipo de desechos como a la tcnica empleada Planta Capacidad Ton/da 600 3.3 5 4 3.75 3.5 1 250 2 000 Contaminacin kg/ton 3.0 2.8 2.8 2.8 5.2 2.8 5. 0

Bordo Poniente Cuajimalpa Alvaro Obregn Iztapalapa Milpa Alta Xochimilco Incinerador Seleccin Las variables de este problema son ocho X1 X2 X3 X4 X5 X6 X7 X8

: cantidad de ton de desperdicios a enviar a composteo a Bordo Poniente : cantidad de ton de desperdicios a enviar a composteo a Cuajimalpa : cantidad de ton de desperdicios a enviar a composteo a lvaro Obregn : cantidad de ton de desperdicios a enviar a composteo a Milpa Alta : cantidad de ton de desperdicios a enviar a composteo a Iztapalapa : cantidad de ton de desperdicios a enviar a composteo a Xochimilco : cantidad de ton de desperdicios a enviar al incinerador : cantidad de ton de desperdicios a enviar a separacin

El modelo correspondiente es maximizar la cantidad de residuos que se envan a estas plantas para minimizar la cantidad de residuos que irn a disposicin final sin exceder los lmites establecidos. Finalmente se analizar la cantidad en que se reduce la disposicin final. Max X1 + X2+ X3 + X4 + X5 + X6 + X7 + X8

Sujeto a : 3 X1 + 2.8 ( X2 + X3 + X4 )+ 5.2X5 + 2.8X6 + 5 X7 X1 X2 X3 X4 X5 X6 X7 X8 3000 600 3.3 5 4 3.75 3.5 1250 2000

El problema se introduce a la hoja de clculo y con la herramienta SOLVER se obtienen un reporte de resultados y otro con el anlisis de sensibilidad.

x1 cantidad (ton)

x2

x3 5

x4 4

x5 0

x6 3.5

x7

x8

600 3.3

331 2000 2946.95 600 3.3 5 4 0 3.5 1 1 < < < < < < 600.00 3.30 5.00 4.00 3.75 3.50

Comp BP 1 Comp C 1 Comp AO Comp MA Comp Iz Comp X Al incinerador A separacin kg CO2 equiv 3.00 2.8

1 1 1 1

331.152 < 1250.00 2000 3500 < 2000.00 < 3500.00

2.8

2.8

5.2

2.8

Microsoft Excel 11.0 Informe de respuestas Celda objetivo (Mximo) Valor Celda Nombre original Valor final cantidad $J$2 (ton) 2800.00 2947 Celdas cambiantes Celda Nombre cantidad $B$2 (ton) x1 cantidad $C$2 (ton) x2 cantidad $D$2 (ton) x3 Valor original 600 0 0 Valor final 600 3.3 5

cantidad (ton) x4 cantidad $F$2 (ton) x5 cantidad $G$2 (ton) x6 cantidad $H$2 (ton) x7 cantidad $I$2 (ton) x8 $E$2 Restricciones Celda Nombre $J$4 Comp BP $J$5 $J$6 $J$7 $J$8 Comp Iz $J$9 Al $J$10 incinerador A $J$11 separacin $J$12

0 0 0 200.0 2000

4 0 3.5 331.2 2000

Valor de la celda frmula 600 $J$4<=$L$4 3.3 $J$5<=$L$5 5 $J$6<=$L$6 4 $J$7<=$L$7 0 $J$8<=$L$8 3.5 $J$9<=$L$9 331.2 2000 3500

Estado Obligatorio Obligatorio Obligatorio Obligatorio Opcional Obligatorio

Divergencia 0 0 0 0 3.75 0 918.8

$J$10<=$L$10 Opcional

$J$11<=$L$11 Obligatorio 0 $J$12<=$L$12 Obligatorio 0

Celdas cambiantes Celda $B$2 $C$2 $D$2 $E$2 $F$2 $G$2 $H$2 $I$2 Nombre cantidad (ton) x1 cantidad (ton) x2 cantidad (ton) x3 cantidad (ton) x4 cantidad (ton) x5 cantidad (ton) x6 cantidad (ton) x7 cantidad (ton) x8 Valor Igual 600 3.3 5 4 0 3.5 331.2 2000 Gradiente reducido 0 0 0 0 -0.04 0 0 0 Coeficiente objetivo 1 1 1 1 1 1 1 1 Aumento permisible 1E+30 1E+30 1E+30 1E+30 0.04 1E+30 0.67 1E+30 Decremento permisible 0.4 0.44 0.44 0.44 1E+30 0.44 0.04 1

Restricciones Celda $J$4 $J$5 $J$6 $J$7 $J$8 $J$9 $J$10 $J$11 $J$12 Al incinerador A separacin Comp Iz Nombre Comp BP Valor Igual 600 3.3 5 4 0 3.5 331.152 2000 3500 Sombra precio 0.40 0.44 0.44 0.44 0 0.44 0 1 0.2 Restriccin lado derecho 600 3.3 5 4 3.75 3.5 1250 2000 3500 Aumento permisible 551.92 591.34 591.34 591.34 1E+30 591.34 1E+30 1E+30 4594.24 Decremento permisible 600 3.3 5 4 3.75 3.5 918.8 2000 1655.8

Los resultados del problema nos indican que esta alternativa reducira la cantidad de residuos que se envan a disposicin final en 1247 toneladas diarias, aunque generando las 3.5 toneladas de gases de efecto invernadero que se establecieron como tope, y se podra reducir a razn de 200 kg por cada kilogramo excedente de generacin de gases, mientras que si se incrementa la capacidad de la planta de separacin se lograran disminuir 150 kilogramos por tonelada, sin afectar a la atmsfera.

10

4. EL MODELO DE TRANSPORTE PARA EL TRASLADO DE LA BASURA DE LAS ESTACIONES DE TRANSFERENCIA A LAS PLANTAS DE COMPOSTEO. Uno de los problemas es cmo transportar la basura de las 13 estaciones de transferencia a las 6 plantas de composta, a costo mnimo. Este problema se puede describir mediante la siguiente grfica: Produccin Estaciones de diaria de transferencia toneladas de basura Plantas de composteo Capacidad Diaria de toneladas para composteo

520 1549 458 676 580 916 461 815 1299 1065 788 524 149

AZ GM MH Cuah VC AO BJ

B. P.

2644 1200

Coajimalpa

A. O.

1836

Iztaplapa Coy Izt1 Izt2 Tlal Xoc MA Xoc

1440

M. A.

1380

1300

11

La organizacin para un problema de transporte se hace a travs de la siguiente tabla: Plantas de composta Produccin diaria de Estaciones de Bordo Alvaro Milpa toneladas tranferencia poniente Cuajimalpa Obregn Iztapalapa Alta Xochimilco de basura Azcapotzalco 520 Gustavo A Madero 1549 Miguel Hidalgo 458 Cuahutemoc 676 Venustiano Carranza 580 Albaro Obregn 916 Benito Juarez 461 Coyoacn 815 Iztapalapa 1299 Iztaplapa 1065 Tlalpan 788 Xochimilco 524 Milpa Alta 149 1,200 1,836 1,440 1,380 1,300 9,800 capacidad diaria 2,644 La produccin diaria de toneladas de basura se calcul con base en el nmero de habitantes de cada delegacin y la produccin diaria de basura que se encuentra entre 1 kg y 1.3 kg de basura por habitante.4 Posteriormente se calculan las distancias entre las estaciones de transferencia y las plantas de composta Distancia entre las estaciones de transferencia y las plantas de composta Plantas de composta Estaciones de tranferencia Azcapotzalco Gustavo A Madero Miguel Hidalgo Cuahutemoc V Carranza Albaro Obregn Benito Juarez Coyoacn
4

Alvaro Bordo poniente Cuajimalpa Obregn 20 40 20 15 20 10 5 25 20 25 40 25 30 35 15 30 20 30 10 13 18 0 8 10

Izt 45 40 35 30 5 15 15 10

Milpa Alta 65 60 65 55 45 45 35 25

Xoch 40 45 40 35 30 30 25 20

Produccin diaria de toneladas de basura 520 1549 458 676 580 916 461 815

Informacin obtenida por el INEGI.

12

Iztapalapa Iztaplapa Tlalpan Xochimilco Milpa Alta Capacidad diaria

10 10 30 30 30 2,644

35 35 30 35 35 1,200

20 20 15 25 25 1,836

0 0 10 10 10 1,440

20 20 15 10 0 1,380

10 10 10 0 10 1,300

1299 1065 788 524 149 9,800

Se prepara la tabla de costos por camin de basura que transporta 5 toneladas de una estacin de transferencia a una planta de composta; suponiendo que el litro de diesel es de $7.53 y que el rendimiento por litro es de 10 km en promedio. Tabla de costos de transporte de cada camin que va de una estacin de transferencia a una planta de composteo Nmero de camiones Estaciones con 5 de Bordo Alvaro Milpa toneladas tranferencia poniente Cuaj Obregn Izta Alta Xoch de basura Azcapotzalco $15.06 $30.12 $15.06 $33.89 $48.95 $30.12 104 G A Madero $11.30 $30.12 $22.59 $30.12 $45.18 $33.89 310 Miguel Hidalgo $15.06 $18.83 $7.53 $26.36 $48.95 $30.12 92 Cuahutemoc $7.53 $22.59 $9.79 $22.59 $41.42 $26.36 135 V Carranza $3.77 $26.36 $13.55 $3.77 $33.89 $22.59 116 Alvaro Obregn $18.83 $11.30 $0.00 $11.30 $33.89 $22.59 183 Benito Juarez $15.06 $22.59 $6.02 $11.30 $26.36 $18.83 92 Coyoacn $18.83 $15.06 $7.53 $7.53 $18.83 $15.06 163 Iztapalapa $7.53 $26.36 $15.06 $0.00 $15.06 $7.53 260 Iztaplapa $7.53 $26.36 $15.06 $0.00 $15.06 $7.53 213 Tlalpan $22.59 $22.59 $11.30 $7.53 $11.30 $7.53 158 Xochimilco $22.59 $26.36 $18.83 $7.53 $7.53 $0.00 105 Milpa Alta $22.59 $26.36 $18.83 $7.53 $0.00 $7.53 30 Capacidad diaria 529 240 368 288 276 260 1,961 en nmero de camiones

Con la tabla anterior y una tabla para asignacin, se utiliza la herramienta del Excel, SOLVER y se obtienen las siguientes asignaciones:

13

Estaciones de Bordo lvaro Tranferencia poniente Cuajimalpa Obregn Azcapotzalco 104 G. A Madero 117 M Hidalgo 92 Cuahutemoc 135 V. Carranza 116 l Obregn Benito Jurez 92 Coyoacn 5 Iztapalapa Iztaplapa 213 Tlalpan 136 22 Xochimilco 105. Milpa Alta capacidad diaria 529 240 368

Iztapalapa

Milpa Alta

Xoc. 193

116 28 260 130

67

30 288 276 260

Nmero de camiones con 5 toneladas de basura 104 310 92 135 116 183 92 163 260 213 158 105 30

Finalmente los costos:

Matriz para asignacin por costos y costo total mnimo Estaciones de tranferencia Azcapotzalco G. A Madero M Hidalgo Cuahutemoc V Carranza A. Obregn Benito Jurez Coyoacn Iztapalapa Iztaplapa Tlalpan Xochimilco Milpa Alta

Bordo poniente $1,566.24

Cuajimalpa Alvaro Obregn

Iztapalapa Milpa Alta Xochimilco

$2,643.03 $1,385.52 $1,321.51 $1,572.26

$6,539.80

$3,930.66 $1,513.53 $1,385.52 $72.29 $5,613.61 $501.50 $0.00 $36,144.75 $212.35 $0.00 $2,447.25

$3,067.72 $2,371.95

COSTO TOTAL MINIMO

14

Interpretacin de la solucin

La solucin ptima es: Enviar 104 camiones de 5 toneladas de basura de Azcapotzalco a la planta de composteo en el Bordo Poniente a un costo de $1,566.24 Enviar 117 camiones de 5 toneladas de basura de Gustavo A. Madero a la planta de composteo de lvaro Obregn a un costo de $2,643.03 Enviar 117 camiones de 5 toneladas de basura de Gustavo A. Madero a la planta de composteo de lvaro Obregn a un costo de $2,643.03 y 193 camiones de 5 toneladas a la planta de composteo ubicada en Xochimilco. Enviar 92 camiones de 5 toneladas de basura de Miguel Hidalgo a la planta de composteo en el Bordo Poniente a un costo $1,385.52 Enviar 135 camiones de 5 toneladas de basura de Cuauhtemoc a la planta de composteo en lvaro Obregn a un costo $1,321.51 Enviar 116 camiones de 5 toneladas de basura de lvaro Obregn a la planta de composteo en Milpa Alta a un costo de $3,930.66 y 67 camiones de 5 toneladas a la planta de composteo ubicada en Xochimilco. Enviar 92 camiones de 5 toneladas de basura de Benito Jurez a la planta de composteo en el Bordo Poniente a un costo $1,385.52 Enviar 5 camiones de 5 toneladas de basura de Coyoacn a la planta de composteo en Cuajimalpa a un costo de $72.29, 28 camiones de 5 toneladas a la planta de composteo ubicada en Iztapalapa y 130 a Milpa Alta Enviar 280 camiones de 5 toneladas de basura de Iztapalapa a la planta de composteo en Iztaplapa a un costo de $0.0 y 213 camiones de 5 toneladas a la planta de composteo ubicada en Coajimalpa a un costa de $5,613.61 Enviar 136 camiones de 5 toneladas de basura de Tlalpan a la planta de composteo en el Bordo Poniente a un costo de $3,067.72 y 22 camiones de 5 toneladas a la planta de composteo ubicada en Coajimalpa a un costa de $501.50 Enviar 105 camiones de 5 toneladas de basura de Xochimilco a la planta de composteo en el Bordo Poniente a un costo de $2371.95 Enviar 30 camiones de 5 toneladas de basura de Milpa Alta a la planta de composteo en el Bordo Poniente a un costo de $0.0

El costo mnimo por este plan de transporte diario de basura es de: $36,144.75 5. CONCLUSIONES. La metodologa epistemolgica que se ofrece en la UAM Xochimilco denominada sistema modular y que consiste en plantear un problema eje de inters multidisciplinarlo, para ser analizado y en su caso resuelto con diversas aristas del conocimiento, fue aplicado en este trabajo, con el problema eje del manejo de la basura. Para su anlisis y vas posibles de solucin se aplic las herramientas de Investigacin de Operaciones, La utilizacin de las TICs permite alcanzar dos objetivos: 1. A travs de la herramienta SOLVER, del Excel, se evitan los clculos engorrosos que antao se realizaban forzosamente y funcionaban como antdoto para el

15

aprendizaje de matemticas y en consecuencia el anlisis del problema y su posible solucin. 2. La utilizacin de la Internet para la recopilacin de informacin de datos estadstico, para un anlisis real del contexto del problema, en consecuencia la exacerba la motivacin del estudiante BIBLIOGRAFA. MCKEOWN, Iberoamrica. GOULD SCHMITH, E., Investigacin de operaciones en la ciencia administrativa. Prentice Hall. D.,

Modelos

cuantitativos

para

administracin.

Grupo

editorial

HILLIER & LIEBERMAN, Introduccin a la investigacin de operaciones. McGraw

Hill.

WINSTON., Investigacin operativa. Grupo editorial Iberoamrica.

16