RED NACIONAL DE TRANSPORTE DE GAS NATURAL

PRESENTADO POR:

PRESENTADO A:
ALARCON JUAN

UNIVERSIDAD POLITÉCNICO GRANCOLOMBIANO

FACULTAD DE INGENIERÍA INDUSTRIAL
INVESTIGACIÓN DE OPERACIONES
GRUPO 001
BOGOTÁ, 2017
 i

Tabla de contenido
1 Introducción ........................................................................................................................ 2

2 Objetivos General y Objetivos Específicos......................................................................... 2

2.1 Objetivo General ....................................................................................................... 3

3 Red Nacional de Transporte de Gas Natural ......................Error! Bookmark not defined.

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

4 Modelo Propuesto ............................................................................................................... 3

4.1 Formulación del Modelo ........................................................................................... 4

4.1.1 Variables de decisión ......................................................................................... 4

4.1.2 Parámetros ......................................................................................................... 4

4.1.3 Función Objetivo ............................................................................................... 5

4.2 Proposiciones Claves ................................................................................................ 5

4.3 Proposición 2.1 ......................................................................................................... 5

4.4 Proposición 2.2 ......................................................................................................... 6

4.5 Proposición 2.3 ......................................................................................................... 6

5 Bibliografía ....................................................................................................................... 11
 2

1 Introducción

Se plantea una propuesta para la implementación de un modelo de programación lineal con la cual

FAST Y DISTRIBUCIONES S.A. (empresa de transporte de Gas Natural) piensa mejorar el

problema de abastecimiento, mostrando sus múltiples beneficios. Este es un modelo matemático

que permite que la empresa colombiana de petróleos controle la Red Nacional de Transporte de

Gas Natural sucursal centro, de la mejor manera buscando cumplir a cabalidad la demanda de

GNV en la capital (Bogotá) debido a su mayor interrupción de servicio que presenta actualmente.

Garantizar una operación y mantenimiento para poder brindar un servicio de calidad en la red del

centro.

Para la modelación matemática se utilizaron las ecuaciones de Müller y Pole, teniendo en cuenta

las características de las redes comerciales o industriales y/o residenciales respectivamente. Estas

ecuaciones tienen su origen en la Termodinámica y en la Mecánica de fluidos y permiten

determinar las caídas de presión en los tramos de tubería, como se estipula en la Guía de Diseño

de Redes de Gas (EPM, 2000). Para unas condiciones de demanda máxima de gas, la presión de

suministro en el artefacto debe estar dentro del rango estipulado en la Normas Técnicas

Colombianas (NTC).
 3

2 Objetivos General y Objetivos Específicos

2.1 Objetivo General

Formular un modelo de programación lineal para el problema de transporte y distribución

de GNV para la ciudad de Bogotá mejorando el abastecimiento en la ciudad

3 Contexto de la Organización

3.1

4 Modelo Propuesto

FAST Y DISTRIBUCIONES S.A. incluye un modelo de programación lineal que le permite

a su empresa controlar la Red Nacional de transporte de Gas Natural en su seccional centro,

para satisfacer los requerimientos de Gas Natural Vehicular Bogotá. La implementación del

sistema se ha enfocado como un problema de optimización siendo el núcleo central del

sistema un modelo matemático de programación lineal Lotes multinivel (MLSP-PC)

multilevel lot-sizing problem with production capacities.

Este modelo de cadena de suministro en serie integra las decisiones en producción,

inventario y transporte con su capacidad de producción y la función de costos, bajo una

programación dinámica que utiliza un principio de descomposición y algoritmos

polinómicos. El diseño de la red logística involucrara la capacidad y localización

determinada de los puntos distribuidores de GNV.

A continuación, se ilustra la representación en red del MLSP-PC para L = 3

 4

Gráfico 1. Representación como red del problema de transporte multinivel

4.1 Formulación del Modelo

4.1.1 Variables de decisión

𝑌𝑡 : Cantidad producida en el periodo t.

𝑋𝑡𝑙 : Cantidad enviada desde el nivel L a nivel L + 1 en periodo t.

𝐼𝑡𝑙 : Cantidad de inventario a nivel L al final del periodo t.

4.1.2 Parámetros

𝑑𝑡 : Demanda no negativo

𝑏𝑡 : Capacidad de producción del fabricante en el periodo t

𝑝𝑡 : Costos de producción

𝑐𝑡𝑙 : costos de transporte

ℎ𝑡𝑙 : costos de mantenimiento de inventario

 5

4.1.3 Función Objetivo

𝑀𝑖𝑛 𝑍 = 𝑌𝑡 + 𝑋𝑡𝑙 + 𝐼𝑡𝑙

Conjunto de Restricciones

Entrada en los niveles de fabricante,

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

4.2 Proposiciones Claves

4.3 Proposición 2.1

 6

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

4.4 Proposición 2.2

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

4.5 Proposición 2.3

La preposición enuncia: En un subplan, la cantidad transportada entre los niveles e y e +1 en

algún período hace las cantidades acumuladas transportadas hasta el momento en el subplan
igual a las cantidades acumuladas de producción de una la secuencia inicial de períodos de
producción consecutivos Subplan, o la demanda acumulativa de una secuencia inicial de los
períodos de demanda en el subplan. Se puede decir que es más barato transportar tan pronto se
produce y almacenar la producción en el nivel de los minoristas. Cuando se toma la decisión de
transportar en determinado periodo de tiempo se puede indicar el mayor periodo de producción,
lo que indica, el periodo de producción, es decir el periodo que produce la producción mínima
unitaria total y los costos de inventario en el fabricante para el transporte en el periodo t,
 7

ENTREGA DOS

Método Regresión Lineal

Teniendo en cuanta el análisis anterior se dispone a realizar el pronóstico por regresión lineal

el cual es el más adecuado para realizar una predicción acertada a la demanda real dado a que los

históricos revelan una tendencia al alza, por medio de la pendiente de la recta se pretende encontrar

los periodos 2016 y 2017.

Formula del modelo de regresión lineal.

𝑿𝝉 = 𝒂 + 𝒃𝒕

Donde

Xt= Pronostico del periodo siguiente

a= intersección de la línea con el eje x

b= Pendiente

t= Periodo a pronosticar

Donde:

𝒂 = 𝑿𝒕 − 𝒃𝒕

Xt= promedio de la variable dependiente

t= promedio de la variable independiente

Donde:

𝑛 ∑𝑛𝑖=1 𝑥𝑖 𝑡𝑖 − ∑𝑛𝑖=1 𝑥𝑖 ∑𝑛𝑖=1 𝑡𝑖

𝑏=
𝑛 ∑𝑛𝑖=1 𝑡 2 − (∑𝑛𝑖=1 𝑡𝑖 )2
 8

ene-16 feb-16 mar-16 abr-16 may-16 jun-16 jul-16 ago-16 sep-16 oct-16 nov-16 dic-16 TOTAL
Proyección
350 347 504 338 198 402 476 520 799 953 1000 1200 7087
Demanda
Proyección
699 701 700 701 595 300 699 696 404 899 899 900 8193
Producción

Comparativo pronóstico demanda y producción

1400
1200
1200
1000
1000 953
799
800

600 504 520

476
402
400 350 347 338
198
200

Podemos observar como con este método se logra que el pronóstico siga la tendencia en

cada uno de sus puntos de la demanda, logrando minimizar el error del pronóstico

Método de Suavizado Exponencial Doble

2017 DEMANDA PRODUCCION

Enero 349.49 702.46
Febrero 351.07 704.18
Marzo 489.89 696.26
Abril 329.73 697.66
Mayo 194.74 600.04
Junio 400.62 285.22
Julio 470.78 690.60
Agosto 528.21 688.04
Septiembre 809.89 408.27
Octubre 961.46 890.97
Noviembre 999.64 889.44
Diciembre 1199.20 909.19
 9

1400.00

1200.00

1000.00
890.97 889.44 909.19

800.00
702.46 704.18 696.26 697.66 690.60 688.04
600.04 DEMANDA
600.00
PRODUCCION
408.27
400.00
285.22

200.00

0.00

Método Promedio Móvil Doble

Demanda

2017 S't (m=4) S''t (n=3) at bt St ( Xt)

Enero 327 331 319.9 4.6 324
Febrero 324 332 311.9 7.9 320
Marzo 475 483 463.0 8.0 471
Abril 312 314 308.3 2.2 310
Mayo 184 188 178.1 4.1 182
Junio 365 370 357.4 4.9 362
Julio 442 447 433.4 5.6 439
Agosto 482 491 467.4 9.6 477
Septiembre 751 762 733.8 11.2 745
Octubre 905 915 889.5 10.3 900
Noviembre 950 960 934.4 10.3 945
Diciembre 1,149 1,157 1,135.9 8.6 1,144
 10

Producción

2017 S't (m=4) S''t (n=3) at bt St ( Xt)

Enero 649 660 631.9 11.3 643
Febrero 653 661 641.6 7.8 649
Marzo 647 659 628.3 12.2 640
Abril 648 660 631.1 11.4 643
Mayo 547 560 528.6 12.4 541
Junio 274 279 266.4 4.9 271
Julio 650 661 633.4 10.9 644
Agosto 647 654 634.8 7.8 643
Septiembre 380 384 372.8 4.5 377
Octubre 848 856 835.4 8.3 844
Noviembre 847 855 833.3 8.8 842
Diciembre 854 868 833.5 13.7 847

De acuerdo a la aplicación o complemento Excel Crystal Ball el porcentaje de error para el

segundo método es el siguiente:

Demanda

Método Rango RMSE

Promedio móvil doble Mejor 9,05
ARIMA(1,1,1) 2.º 10,04
Suavizado exponencial doble 3.º 12,64
Producción

Método Rango MAPE

ARIMA(1,1,1) Mejor 0,89%
Suavizado exponencial doble 2.º 1,16%
 11

5 Bibliografía

• Hoesel, Romeijn, Morales, Wagelmans; November 2005, Integrated Lot Sizing in Serial

Supply Chains with Production Capacities, MANAGEMENT SCIENCE, Vol. 51, No. 11,

pp. 1706–1719

• HAMDY A. TAHA, (2004), Investigación de Operaciones, 7a. edición, México,

PEARSON