EVALUACIÓN DE LA CONFIGURACIÓN DE LA CADENA LOGÍSTICA DESDE EL PUNTO DE VISTA SUSTENTABLE PARA EL MEGA, MODELO EMPRESARIAL DE GESTIÓN AGROINDUSTRIAL, EN LA ASOCIACIÓN DE PRODUCTORES DE MORA DE CLIMA FRIO Y TEMPLADO “FRUSAN”, SEDE SUMAPAZ, EN EL MUNICIPIO DE SAN BERNARDO
JUAN ANTONIO BURBANO ABOSAID JUAN CAMILO SIERRA BEJARANO
FUNDACIÓN UNIVERSITARIA AGRARIA DE COLOMBIA FACULTAD DE INGENIERIA INGENIERIA INDUSTRIAL BOGOTÁ, COLOMBIA 2014
EVALUACIÓN DE LA CONFIGURACIÓN DE LA CADENA LOGÍSTICA DESDE EL PUNTO DE VISTA SUSTENTABLE PARA EL MEGA, MODELO EMPRESARIAL DE GESTIÓN AGROINDUSTRIAL, EN LA ASOCIACIÓN DE PRODUCTORES DE MORA DE CLIMA FRIO Y TEMPLADO “FRUSAN”, SEDE SUMAPAZ, EN EL MUNICIPIO DE SAN BERNARDO
Trabajo de grado presentado como requisito para optar al título de Ingeniero Industrial Juan Camilo Sierra Bejarano Código: 7037107 Juan Antonio Burbano Abosaid Código: 7019107 Director: Mcs. Rafael Tordecilla Madera
FUNDACIÓN UNIVERSITARIA AGRARIA DE COLOMBIA FACULTAD DE INGENIERIA INGENIERIA INDUSTRIAL BOGOTÁ, COLOMBIA 2014
INDICE DE CONTENIDO
INTRODUCCIÓN ..................................................................................................... 6 1. EL PROBLEMA.................................................................................................... 8 1.1 TÍTULO .............................................................................................................. 8 1.2 ANTECEDENTES ............................................................................................. 8 1.3 PLANTEAMIENTO DEL PROBLEMA ............................................................... 9 1.4.1 Objetivo General ........................................................................................... 11 1.4.2 Objetivos Específicos .................................................................................... 11 1.5 HIPÓTESIS ..................................................................................................... 11 1.6 JUSTIFICACIÓN ............................................................................................. 11 2. MARCO REFERENCIAL................................................................................... 13 2.1 MARCO TEÓRICO ......................................................................................... 13 2.1.1 Diseño de una red logística de transporte.................................................... 13 2.1.2 Sustainable Supply Chain Management ...................................................... 14 2.1.4 Diseño de la variable SSCM. ........................................................................ 17 2.1.5 Cálculo de la huella de carbono. .................................................................. 18 2.2 MARCO CONCEPTUAL ................................................................................. 18 2.2.1 Cadena de suministros ................................................................................. 18 2.2.2 Dióxido de carbono ....................................................................................... 19 2.2.3 FRUSAN ....................................................................................................... 19 2.2.4 Mora de castilla ............................................................................................. 19 2.2.5 Sostenibilidad................................................................................................ 20 2.2.6 Sustentabilidad. ............................................................................................ 20 2.2.7 Transporte..................................................................................................... 20 2.3 MARCO GEOGRÁFICO ................................................................................. 20 3. DISEÑO METODOLÓGICO............................................................................... 22 3.1 LÍNEA DE INVESTIGACIÓN............................................................................ 22 3.2 TIPO DE INVESTIGACIÓN.............................................................................. 22 3.3 ESTRUCTURA METODOLÓGICA .................................................................. 22 3.3.1 Etapa I: Caracterización. ............................................................................... 22
3.3.2 Etapa II: Modelación del SSCM. .................................................................. 23 3.3.2.1 Validación .................................................................................................. 27 3.3.2.2 Cálculo de SSCM ....................................................................................... 28 4. RESULTADOS................................................................................................... 33 4.1 CARACTERIZACIÓN ....................................................................................... 33 4.1.1 Mapas. .......................................................................................................... 34 4.1.2 Diagramas.................................................................................................... 35 4.1.3 Oferta ............................................................................................................ 35 4.1.4 Consumo de Combustible. ............................................................................ 37 4.2 ESCENARIOS ................................................................................................. 38 4.2.1 Respuesta de las interacciones en escenarios sin SSCM. ........................... 38 4.2.2 Respuesta de las interacciones en escenarios con SSCM. .......................... 41 5. ANÁLISIS DE RESULTADOS............................................................................ 44 5.1 ESCENARIOS SIN LA VARIABLE SSCM ....................................................... 45 5.2 ESCENARIOS CON LA VARIABLE SSCM ..................................................... 46 6. CONCLUSIONES .............................................................................................. 47 BIBLIOGRAFÍA ...................................................................................................... 48
INDICE DE FIGURAS
Figura 1. Estructura de la gestión de la cadena de suministros ............................. 16 Figura 2. Ubicación geográfica del municipio de San Bernardo. ........................... 21 Figura 3. Emisiones de kgCO2 generada por los vehículos ................................... 29 Figura 4. Mapa de rutas de FRUSAN .................................................................... 34 Figura 5. Diagrama de las rutas de recolección. .................................................... 35 Figura 6. Consumo de combustible por los vehículos ............................................ 38 Figura 7. Costo promedio según la oferta presentada sin SSCM .......................... 40 Figura 8. Costo promedio según los días de recolección sin SSCM ...................... 40 Figura 9. Costo promedio según el estado de las rutas sin SSCM ........................ 41 Figura 10. Costo promedio y parámetros ............................................................... 41 Figura 11. Costo promedio según los días de recolección con SSCM .................. 43 Figura 12. Costo promedio según la oferta presentada con SSCM ....................... 43 Figura 13. Costo promedio según la generación de kg de CO2 con SSCM ........... 44
INDICE DE TABLAS
Tabla 1. Características de los vehículos. ............................................................. 23 Tabla 2. Rutas actuales de recolección. ................................................................ 23 Tabla 3. Validación del modelo .............................................................................. 28 Tabla 4. Diseño de escenarios sin SSCM .............................................................. 31 Tabla 5. Diseño de escenarios con SSCM ............................................................ 32 Tabla 6. Equivalencia de la oferta anual por semana ............................................ 36 Tabla 7. Oferta semanal de cada mes ................................................................... 36 Tabla 8. Porcentaje de recolección por días para recorridos 4 días a semana. .... 37 Tabla 9. Porcentaje de recolección por días para recorridos 3 días a la semana. . 37 Tabla 10. Consumo de los Vehículos .................................................................... 38 Tabla 11. Respuesta de las interacciones en escenarios sin SSCM. .................... 39 Tabla 12. Respuesta de las interacciones en escenarios con SSCM. ................... 42
INDICE DE ANEXOS
ANEXO A ............................................................................................................... 52 ANEXO B ............................................................................................................... 55 ANEXO C ............................................................................................................... 57 ANEXO D ............................................................................................................... 59 ANEXO E ............................................................................................................... 62 ANEXO F ............................................................................................................... 63 ANEXO G .............................................................................................................. 81
INTRODUCCIÓN
El MEGA, Modelo Empresarial de Gestión Agroindustrial, es una integración regional que pretende crear un espacio económico de oportunidades con el ánimo de mejorar las condiciones productivas y logísticas de las diferentes empresas productoras de Bogotá y Cundinamarca de productos como hortalizas, frutas tropicales, tubérculos, etc., por lo tanto, es necesario considerar las oportunidades de mejora y ajuste al MEGA, Modelo Empresarial de Gestión Agroindustrial, en el sistema productivo que realiza la Asociación de Productores de Mora FRUSAN. El análisis de la gestión en la administración de la cadena de suministros de es en esencia la herramienta administrativa que permitirá caracterizar el sistema integrador que se pretende construir entorno al óptimo desempeño productivo, administrativo y logístico.
Dentro del proyecto agroindustrial es importante destacar que debe existir un modelo de optimización económica, donde la rentabilidad de las empresas correspondan a los esfuerzos del mejoramiento de la estructura de la cadena de suministros, ya que no existe un liderazgo empresarial que sea consecuencia de un modelo de gestión que permita la asociación y cooperación en todos los puntos de la cadena de suministros; la falta de estabilidad económica no permite el fortalecimiento de las relaciones entre productores y comercializadores, expresado en no poder responder satisfactoriamente a las necesidad del mercado y por lo tanto el aumento de los costos debido a la existencia de intermediarios, aumentando de esta forma los precios relativos de los productos y hace que existan precarias condiciones sanitarias. Las herramientas regionales políticas y entidades financieras involucradas, no establecen un proceso de apoyo financiero local que permita el mejoramiento de las condiciones de infraestructuras logísticas y operacionales de las empresas para poder determinar las redes empresariales orientadas al mercado objetivo, garantizando el desarrollo económico simétrico a lo largo de las cadenas agroindustriales.
1. EL PROBLEMA
1.1 TÍTULO
EVALUACIÓN DE LA CONFIGURACIÓN DE LA CADENA LOGÍSTICA DESDE EL PUNTO DE VISTA SUSTENTABLE PARA EL MEGA, MODELO EMPRESARIAL DE GESTIÓN AGROINDUSTRIAL, EN LA ASOCIACIÓN DE PRODUCTORES DE MORA DE CLIMA FRIO Y TEMPLADO “FRUSAN”, SEDE SUMAPAZ, EN EL MUNICIPIO DE SAN BERNARDO.
1.2 ANTECEDENTES
El Consejo Regional de Competitividad a finales de 2005 generó el Modelo Empresarial de Gestión Agroindustrial: MEGA, como una estrategia de desarrollo económico para Bogotá y Cundinamarca con el “objetivo de fortalecer y diversificar la capacidad productiva y la base exportable de la región, a través de productos agrícolas y agroindustriales” 1. El MEGA es un programa liderado por la Cámara de Comercio de Bogotá e integrado por el Ministerio de Agricultura y Desarrollo Rural, la gobernación de Cundinamarca, la alcaldía de Bogotá, PROEXPORT, el SENA, la Sociedad de Agricultores de Colombia y FINAGRO, así como diferentes universidades.
En 2006 el Grupo Apoyo a Alianzas Productivas y la Universidad Nacional presentaron el documento: “Alianza para el mejoramiento de la productividad y comercialización de mora de castilla (Rubus glaucus), a través de la Asociación de Productores de Frutas y Verduras de Clima Frío y Moderado del municipio de San Bernardo (FRUSAN)”. Los resultados mostraban que: “La alianza involucra a 124 beneficiarios directos, pequeños productores, cuyos ingresos provienen de actividades agropecuarias en más del 75%; son habitantes de los municipios de San Bernardo y Silvania, de los cuales el 56% corresponde al género masculino y el 44% al femenino, lo que muestra la incidencia positiva de la mujer en las tareas del cultivo de mora” 2.
1
CCB. 2014. Modelo Empresarial de Gestión Agrícola y Agroindustrial. Recuperado el 4 de febrero de 2014 del Sitio web http://camara.ccb.org.co/contenido/contenido.aspx?conID=153&catID=78 2 Grupo Apoyo a Alianzas Productivas. 2006. Alianza para el mejoramiento de la productividad y comercialización de mora de castilla (Rubus glaucus), a través de la asociación de productores de frutas y verduras de clima frío y moderado del municipio de San Bernardo (FRUSAN). Universidad Nacional de Colombia. p. 7.
La alianza, que aún sigue vigente, fue realizada entre la Unión Temporal Alianza Mora Sumapáz (UTAMS), la Asociación de Productores de Fruta de San Bernardo (FRUSAN) y la Asociación de Productores Agropecuarios de Silvania (APROAS), además de los aliados comerciales: Comercializadora de frutas FRUCONGSA S.A. y Productora de Jugos S.A. Respecto a dicha agremiación los autores expresaron que: “Los posibles beneficiarios están agremiados en la Asociación de Productores de Fruta FRUSAN, que da muestras de un importante avance organizacional, empresarial, operativo y una gran capacidad de gestión” 3.
1.3 PLANTEAMIENTO DEL PROBLEMA
La capacidad de asociación y desarrollo del liderazgo de las empresas productoras de mora, en el municipio de San Bernardo, bajo la asociación de productores FRUSAN y su interés de vinculación al proyecto MEGA de la Cámara de Comercio de Bogotá, son factores importantes para el mejoramiento del sistema logístico existente, con el fin de asumir los nuevos retos productivos de mejoramiento para la región. La capacidad de recolección, transporte, acopio y distribución de la mora de forma óptima y competitiva, serán el resultado de una adecuada evaluación y ajuste de las condiciones actuales del modelo logístico.
El desconocimiento de la estructura y funcionamiento del sistema logístico de la producción de mora en San Bernardo es un problema que afecta productivamente a los empresarios vinculados a FRUSAN, ya que el sistema logístico actual tiene fallas que van desde el proceso de recolección hasta los centros de acopio (CA). Se evidencian fallas, principalmente, en las rutas de recolección y transporte, las cuales se realizan según la necesidad diaria y no bajo un esquema de planeación anticipada implicando, en algunos casos, la realización de varios viajes en un mismo día, conllevando la sobreutilización de los camiones en el proceso de recolección y, por lo tanto, generando pérdidas por costos (no estimados), relacionados con el transporte4.
En la actualidad FRUSAN, no tiene una programación de los volúmenes o cantidades de mora a recolectar cada día, por lo cual, no tienen la certeza sobre sí la capacidad del CA es adecuada para los volúmenes producidos en la región, los cuales pueden variar de acuerdo a factores como época del año, condiciones ambientales, etc. Existen otros problemas de logística y transporte asociados al proceso de acopio de la producción de mora, por un lado, el difícil acceso de los medios de transporte 3 4
Ibid., p Opinión de agricultores de FRUSAN.
a las zonas de producción, lo cual obstaculiza el desarrollo del proceso de recolección de la mora en el sistema logístico propuesto por FRUSAN. Además, la configuración de las rutas de transporte dificulta el desarrollo óptimo de un modelo de transporte y un sistema logístico 5. Por otro lado, la existencia de intermediarios, no pertenecientes a la Asociación FRUSAN, afecta los ingresos por tonelada de los productores, pues el precio de venta varía de acuerdo al criterio del intermediario.
La importancia medioambiental es un tema que desde hace unos años está tomando fuerza en los esquemas de producción mundial, debido a la observación de las consecuencias del uso de una tecnología no amigable con el ambiente. En este caso, la producción de dióxido de carbono, generado como consecuencia del transporte terrestre de mercancías, es un problema que afecta el medio ambiente al agudizar el efecto invernadero. El desconocimiento de los residuos y la contaminación generada por este sistema, es un tema que se debe abordar y solucionar a través del análisis del impacto medio ambiental durante los procesos de transporte, recolección y acopio.
Durante el diseño preliminar de un modelo matemático que represente el sistema logístico actual de FRUSAN, se observó que es de suma importancia la utilización de una variable asociada a la gestión de la cadena de suministros sustentable y sostenible SSCM, por sus siglas en inglés “Sustainable Supply Chain Management”. La variable SSCM muestra varias formas de abordar con un criterio medioambiental los sistemas de producción y las cadenas de suministros, siendo una herramienta indispensable en el análisis adecuado de un modelo matemático real para los procesos o sistemas a mejorar.
Dadas las diferentes problemáticas presentadas en FRUSAN y con el fin de brindar una estrategia que permita mejorar los procesos que están implicados en su producción, se plantea la siguiente pregunta de investigación: ¿Cómo se puede mejorar el sistema actual de logística de la producción de mora desde una gestión de la cadena de suministros sustentable y sostenible para la asociación FRUSAN del municipio de San Bernardo?
5
Opinión de Nelson Orlando Guáqueta Munar, coordinador Mega Sumapaz Cámara de Comercio de Bogotá.
1.4 OBJETIVOS
1.4.1 Objetivo General Evaluar la configuración de la cadena logística en la asociación de productores de mora FRUSAN, para el MEGA Modelo Empresarial de Gestión Agroindustrial, Sede Sumapaz, en el municipio de San Bernardo, desde el punto de vista del SSCM, para optimizar la recolección y transporte de esta fruta.
1.4.2 Objetivos Específicos
Caracterizar el sistema logístico actual de recolección, transporte y acopio de mora en FRUSAN, mediante la aplicación de instrumentos como entrevistas o encuestas.
Modelar matemáticamente el sistema logístico de mora en FRUSAN, con base en SSCM.
Formular diversos escenarios para el modelo matemático, que permitan la evaluación de la cadena logística actual.
1.5 HIPÓTESIS
Los costos de operación de la cadena de suministros disminuyen con el modelo que será propuesto
1.6 JUSTIFICACIÓN
El estudio del modelo de logística y transporte para la producción de mora en el proyecto MEGA para la asociación de cultivadores de mora FRUSAN de la provincia de San Bernardo, es una herramienta importante en el diseño de estrategias orientadas al mejoramiento de la integración de los cultivadores en la zona de estudio. La determinación de los problemas de funcionamiento de la red logística dentro de la asociación FRUSAN, es importante para el fortalecimiento de las redes de empresas que se vinculan a este sector en la región, a través del fortalecimiento y crecimiento conjunto del MEGA en la Provincia del Sumapaz.
El análisis, diseño e implementación de modelos de mejoramiento en el sistema logístico muestra la importancia del fortalecimiento en las organizaciones, ya que en el liderazgo empresarial se acoplan las necesidades logísticas y de transporte. La dirección empresarial tiene un impacto social en el desarrollo de la productividad en la región, al favorecer un ambiente propicio para vincular al productor con toda la cadena de abastecimiento hasta el cliente final.
La evaluación del sistema actual logístico y de transporte para la producción de mora en FRUSAN, determinó las acciones de mejora que se pueden desarrollar. El reconocimiento de las fallas y limitaciones en el sistema logístico permitió diseñar estrategias de mejoramiento a problemáticas específicas en diferentes procesos del sistema al realizar su análisis a través de la metodología SSCM.
Los estudios realizados sobre el sistema productivo de FRUSAN son escasos, aun cuando varias entidades iniciaron estudios o investigaciones que en su mayoría no fueron concluidas o publicadas, por lo tanto, fue posible disponer de información previa que sirviera como referente en el desarrollo inicial de este proyecto. Es así como, se generó la necesidad de realizar una mayor amplitud de la información recolectada y procesada en este estudio, permitiendo abrir las puertas a futuras investigaciones relacionadas con los procesos en FRUSAN, la temática de estudio y la región. El crecimiento económico de los productores depende del reconocimiento de la gestión de la cadena de suministros, por lo cual se propuso un modelo logístico de transporte importante para minimizar fallas de recolección de la mora desde el productor, pasando por el CA hasta llegar al cliente final.
La determinación, desarrollo e implementación de las estrategias y configuración de la red de distribución dentro de un modelo logístico multimodal bajo un sistema integrado de la información, deben responder a las necesidades de mejora de las condiciones de conectividad en la infraestructura de productores, proveedores y comercializadores en las zonas rural y urbana, articulándolo con los factores geográficos del cultivo como son suelo, recursos hídricos y acceso técnico.
Esta investigación hace parte del proyecto de investigación del programa de Ingeniería Industrial, titulado “Análisis y evaluación del proceso de distribución de la mora en la zona de influencia de la Asociación de Productores de frutas y verduras de clima frio moderado del municipio de San Bernardo, Cundinamarca (FRUSAN)”.
2. MARCO REFERENCIAL
2.1 MARCO TEÓRICO
2.1.1 Diseño de una red logística de transporte. El diseño de una red logística de transporte es la configuración del conjunto de elementos logísticos y administrativos, los cuales estudian los componentes económicos y físicos con el objeto de determinar una configuración continua y coherente, correspondiente a las necesidades logísticas de un determinado contexto industrial. Los procesos industriales deben estar en concordancia con el sistema de producción, de tal forma que el flujo de información sea imagen de los procesos y procedimientos, a su vez, el flujo de materiales debe conformar la red logística para satisfacer la demanda. Para conformar una red logística de transporte se debe tener en cuenta: el número, ubicación, equipamiento y tamaño de las instalaciones, las cuales van a responder a las necesidades logísticas del sistema en cuanto a su configuración.
El objetivo de la logística administrativa es la minimización de costos logísticos, por lo que administrar los procesos y procedimientos, permite el diseño de una red logística que va a responder al sistema actual, analizando las condiciones físicas y económicas externas, con el fin de satisfacer los clientes del sistema, a través de la construcción de una red logística que este en función de la sostenibilidad económica. Diseñar una red logística es un proceso de integración de elementos los cuales dependen del tipo de orientación administrativa, por lo tanto, planificar el conjunto de elementos pertenecientes al sistema logístico es la condición para crear una red logística que responda a la interacción entre los sistemas de producción, sistemas de información, instalaciones y flujo de materias primas.
La construcción de una red logística hace necesaria la interpretación de las siguientes condiciones:
Necesidad de decisiones de localización: El inicio de una red logística se forma a partir de la toma de decisiones de localización de las instalaciones, las cuales deben ser consecuencia del análisis del patrón de demanda o distribución espacial, el flujo de materiales, la energía o los costos laborales.
Dualidad en las decisiones de localización: Las decisiones de localización pueden ser de carácter estratégico o táctico, lo que implica la consolidación de las decisiones según la naturaleza de los problemas logísticos actuales, de
esta forma los procesos de localización dependen de las características de los elementos que están sujetos al sistema logístico.
Ubicación y asignación decisiones que están entrelazadas: Es importante destacar que la ubicación de las instalaciones tienen un carácter económico y logístico, por lo que la asignación de los recursos y operaciones dentro del sistema se da en la medida en que se planifique la red logística.
Las decisiones de localización pueden afectar a la demanda: Las decisiones de localización afectan la demanda en la medida en que la orientación de las estrategias y metodologías determinen el volumen de productos dentro del sistema de producción, por lo tanto, la capacidad de distribución y almacenamiento hace que disminuyan las ventas potenciales.
2.1.2 Sustainable Supply Chain Management. La gestión de la cadena suministros sostenible y sustentable es una metodología que pretende analizar en su totalidad la cadena logística con el fin de mejorar los componentes integradores tales como la parte organizacional, la cadena de suministros, el flujo de información y los impactos ambientales. Todo esto enmarcado en la construcción de las políticas, metas y objetivos de las organizaciones, la gestión de los indicadores de rentabilidad y los factores de impacto medioambientales son articulados a las necesidades productivas de mejoramiento continuo de la cadena de valor y la cadena de suministros.
En la integración de la cadena de suministros existe un componente ambiental de valorización de residuos que le da un carácter sustentable al sistema logístico.
En estudios de sustentabilidad se ha demostrado el cambio de la orientación del producto al medio ambiente, según Frota-Neto et al. (2012): “El medio ambiente les ha ayudado a cosechar los beneficios de una imagen ecológica, por ejemplo, para atraer personas conscientes con el medio ambiente, para cumplir con la complicada actual legislación, y anticipar los cambios necesarios en hacer frente a las futuras normas legales ambientales. Entre ellos, un grupo de empresas ha ido obteniendo beneficios económicos adicionales a partir de la adopción de las redes logísticas favorables al medio ambiente. IBM, por ejemplo, se ha beneficiado de sus programas para recibir
el extremo de uso de productos, promover artículos de subastas de Internet y desmantelar equipos como una fuente de piezas de repuesto”6
Por su parte Van Nunen expresa que: “Los consumidores y la legislación han encaminado a las empresas a rediseñar sus redes logísticas con el fin de mitigar los impactos negativos ambientales. El objetivo en el diseño de redes de logística ha cambiado, por lo tanto, a partir de la minimización de costos y la minimización del impacto ambiental. El objetivo es desarrollar un marco para el diseño y la evaluación de la sostenibilidad de las redes logísticas, en que los impactos ambientales y la rentabilidad están equilibrados. Se debe revisar las principales actividades que afectan el desempeño ambiental y la eficiencia de costes en las redes logísticas” 7.
La gestión de la cadena de suministros se integra al concepto de sostenibilidad económica y a su vez se articula con la sustentabilidad de los productos, dando importancia a la construcción de las bases de la gestión sostenible, donde: “La integración del desarrollo sostenible y la gestión de la cadena de suministro mediante el cual es a menudo descrito como el desarrollo sostenible que contiene tres dimensiones - la integración de las cuestiones ambientales, sociales y económicos para el desarrollo humano - que también afecta a la estrategia corporativa y la acción. Aunque el campo de SSCM es considerado bastante nuevo, el interés en SSCM ha crecido rápidamente en los últimos años”8.
Dentro del desarrollo de la gestión de la cadena de suministros, existen tres componentes que conforman la estructura de la logística sostenible y sustentable., los cuales son el económico, social y ambiental. En un estudio hecho de logística en Malasia se mostró la configuración de los componentes por lo que “es necesaria la integración estratégica, la transparencia y el logro de una de organización, objetivos sociales, ambientales y económicos a través de la coordinación sistémica de los procesos clave de negocio entre organizaciones para mejorar el desempeño económico a largo plazo de cada empresa y su
6
Frota Neto, J. Q., Bloemhof-Ruwaard, J. M., Van Nunen, J. A. y Van Heck, E. (2008). Designing and evaluating sustainable logistics networks. International Journal of Production Economics, 111(2), p. 195-208. 7 Ibid., p 8 Ibid., p 85-102.
cadena de suministro”9. La Figura 1 muestra el esquema de la configuración de los componentes de la estructura de la gestión de la cadena de suministros.
FUENTE: TEUTEBERG & WITTSTRUCK, 2010.
Figura 1. Estructura de la gestión de la cadena de suministros
2.1.3 Metodología de gestión de la cadena de suministros sostenible y sustentable. Son los pasos sistemáticos que se deben seguir para desarrollar la gestión de la cadena de suministros: 1. Caracterización: Se hace una descripción del problema logístico de la cadena de suministros, donde se reúne toda la información. 2. Diagnóstico: Se realiza el diagnóstico de los componentes logísticos como son el económico, ambiental y en la cadena de suministros. Es importante para desarrollar la metodología ya que describe y obtiene la información necesaria para encontrar los problemas más frecuentes de la organización. 3. Medición: Se miden los indicadores de rentabilidad así como los indicadores de los impactos medioambientales para su posterior tratamiento. Los problemas organizacionales se abordan desde un enfoque cultural. 9
Zailani, S., Jeyaraman, K., Vengadasan, G. y Premkumar, R. 2012. Sustainable supply chain management (SSCM) in Malaysia: A survey. International Journal of Production Economics, 140(1), p. 330-340.
4. Análisis: Se analiza en su totalidad la estructura logística desde sus tres componentes social, ambiental y económico en la finalidad de encontrar mejoras del sistema sostenible y sustentable 5. Diseño: Se diseña una red logística sostenible y sustentable a través de los objetivos y metas de la organización que contenga las necesidades ambientales, culturales y económicas correspondientes a las necesidades del mercado.
2.1.4 Diseño de la variable SSCM. Según el SSCM, en los modelos de optimización los costos de transporte y, específicamente, los costos relacionados con los materiales son indicadores de sostenibilidad si se llegan a minimizar y se establece una gestión sostenible. Los costos relacionados con la sustentabilidad son aquellos que determinan la recuperación de materiales o la valorización de los recursos, como estrategia económica de la cadena sostenible y sustentable, con un componente ambiental10. De forma complementaria a la variable SSCM, los costos de transporte representan los indicadores de sostenibilidad y son fundamentales en la construcción del modelo.
En el desarrollo de un modelo sustentable del proceso se tuvo presente que la producción de CO2 es un producto directo del consumo de gasolina por los vehículos en los recorridos de las rutas y su generación afecta negativamente el medio ambiente, por lo tanto, un modelo real debe tener en cuenta los kilómetros recorridos, el peso del producto transportado y la producción de dióxido de carbono. De acuerdo a la metodología SSCM, se realizó el cálculo de las emisiones de CO2 provenientes de los vehículos usados por FRUSAN, utilizando como referencia la formulación de SOYSAL et al. (2010) en la investigación “Modeling food logistics networks whit emission considerations”, que dice: “El parámetro principal de rendimiento para la formulación fue litros de combustible por kilómetros recorridos (l/km), y se tuvo presente el peso de la carga o producto en kilogramo (kg) que los vehículos transportan, o sí los vehículos van vacíos. Además, estos parámetros son afectados por el tipo de combustible y la estructura de la vía del recorrido. Por otro lado, para la formulación basada en la distancia se asumió que el peso de la carga afecta el consumo de combustible linealmente y se calculó la constante para los vehículos considerando su peso de carga y la cantidad de recorrido”.
10
Soysal, M., Bloemhof-Ruwaard, J. y Van Der Vorst, J. (2014). Modelling food logistics networks with emission considerations: The case of an international beef supply chain. International Journal of Production Economics, 152, 57–70
2.1.5 Cálculo de la huella de carbono. En el cálculo de la huella de carbono del proceso de transporte en una empresa es necesario conocer la cantidad de combustible o, en su defecto, el estimado de la distancia recorrida. Esta información debe ser relacionada con un factor de conversión que es multiplicado por la cantidad de kilómetros recorridos, dando como resultado los kilogramos de dióxido de carbono emitidos. La cantidad de gases de efecto invernadero emitidos es un indicador de gestión ambiental y permite medir como la empresa o asociación comprende y controla las variables medioambientales dentro de la organización11.
Es necesario que una empresa que tenga los principios de SSCM establezca como es el comportamiento de los agentes medioambientales en el área donde se desarrollan sus actividades. El sentido SSCM le muestra a la organización los parámetros generales de cómo se comportan los costos ambientales según las políticas de la empresa.
La huella de carbono permite implementar medidas con el fin de mitigar el impacto medioambiental de la empresa, ya que el análisis de una cadena logística tiene como fin la toma de medidas, tales como, “mejorar la eficiencia de los vehículos, estudiar el tipo de combustible que se usa, optimizar la distancia y recorrido de las rutas, elegir vehículos de capacidad adecuada, utilizar dispositivos de ahorro de combustible, realizar las revisiones periódicas del vehículo, comprobar el estado de los neumáticos una vez al mes, mantener una velocidad uniforme, evitar cargas innecesarias en el vehículo y, en algún caso, sustituir el combustible de propulsión”12.
2.2 MARCO CONCEPTUAL 2.2.1 Cadena de suministros. “La cadena de suministros es el conjunto de procesos para posicionar e intercambiar materiales, servicios, productos, así como de información, en logística integrada que va desde la procuración y la adquisición de materia prima hasta la entrega y puesta en servicio de productos terminados al consumidor final”13.
11
Jiménez, L. (2013). Manual de cálculo y reducción de huella de carbono para actividades de transporte por carretera, Cap 4, “Medidas para reducir la huella de carbono” p 46 - 61 12 Ibid., p 13 Peña, V y Zamelzu, L. (2006). Cadena de suministros: sus niveles e importancia. Universidad Técnica Federico Santa María, p 1.
2.2.2 Dióxido de carbono. “El dióxido de carbono es un gas incoloro e inodoro que se forma en todos aquellos procesos en que tiene lugar la combustión de sustancias que contienen carbono”14. El dióxido de carbono es uno de los gases causantes del efecto invernadero. El incremento de su concentración en la atmósfera está reforzando dicho efecto, el cual, así como sus consecuencias. Fundamentalmente, el aumento del efecto invernadero produce una afección sobre el clima, alterando el equilibrio de radiación, dado que permite el paso de la radiación solar pero absorbe la radiación infrarroja emitida por la Tierra. El consecuente incremento en la temperatura atmosférica podría derivar en alteraciones en las corrientes marinas a gran escala, interconectadas con posibles deshielos polares, especialmente en el Ártico y, por consiguiente, en una variación en los regímenes de lluvias de amplias regiones, lo que podría derivar finalmente en una modificación de ecosistemas y una repercusión sobre la producción de alimentos15. 2.2.3 FRUSAN. Alianza de la mora entre la Alcaldía Municipal, cámara de comercio y Ministerio de agricultura. Según el Acta de Empalme de 2007 a 2008 de la alcaldía municipal de San Bernardo. La alcaldía aportó a FRUSAN $50.000.000 y el Ministerio $600.000.000 para el proyecto enfocado a 120 productores socios de FRUSAN, donde 90 son del municipio de San Bernardo y 30 del municipio de Silvania16.
2.2.4 Mora de castilla. La mora de Castilla (Rubus glaucus Benth), cultivada comercialmente en Colombia fue descubierta por Hartw y descrita por Benth. Tiene como centro de origen las zonas altas tropicales de América principalmente Colombia, Ecuador, Panamá, Guatemala, Honduras, México y Salvador, entre 1500 y 3100 m.s.n.m17. La mora Andina o mora de Castilla es una planta perenne, de porte arbustivo, semirrecta y de naturaleza trepadora, perteneciente a la familia de las rosáceas. Está conformada por varios tallos que se forman en corona en la base de la planta y son redondeados y espinosos, de 1 a 2 cm de diámetro, y pueden crecer hasta 3m. Las hojas son trifoliadas con bordes aserrados, de color verde oscuro el haz y blanquecino el envés. Tanto los tallos como las hojas están cubiertos por un polvo blanquecino 18. 14
Subils, M. J. B. y Domínguez, F. B. (2000). NTP 549: El dióxido de carbono en la evaluación de la calidad del aire interior. 15 Recuperado del Sitio web: http://www.navarra.es/home_es/Temas/Medio+Ambiente/Calidad+del+aire/Informacion/Contamina ntes/CO2.htm. 16 Acosta T., A. 2007. Acta final de empalme. Recuperado del Sitio web: http://www.sanbernardo-cundinamarca.gov.co/apc-aafiles/64646638343034353961636539376336/ACTA_DE_EMPALME_FINAL_2007.pdf 17 Franco, G., Gallego, J., Tamayo, A., Heredia, L. y Medina, G. 2000. Fertilización de la mora de Castilla (Rubus glaucus Benth) en zonas frías del departamento de Caldas. 18 http://es.wikipedia.org/wiki/Rubus_glaucus
2.2.5 Sostenibilidad. La sostenibilidad es la capacidad intrínseca de las organizaciones de mantener y sostener un determinado estado económico, así las habilidades económicas, sociales y ambientales son importantes para determinar las posibilidades de mejora en los contextos administrativos. Ser sostenible es flexible frente a los diferentes escenarios externos de la empresa, por lo que el análisis en la ejecución de los objetivos estructurales de la organización pretende mostrar los alcances de la disposición administrativa a los cambios del futuro organizacional19.
2.2.6 Sustentabilidad. Es la interacción dinámica entre la parte económica, social y ambiental donde se genera un ambiente de equilibrio y dinámica donde la tecnología juega un papel fundamental para el desarrollo de las empresas, lo cual es importante mitigar los efectos adversos al medio ambiente a través de políticas de control y diseño ambientales20.
2.2.7 Transporte. Es la actividad e trasladar algún tipo de mercancía de un punto a otro, en donde los productos son valorizados a través de las etapas de la cadena logística, como lo son, la recolección, el acopio y la distribución de los productos21.
2.3 MARCO GEOGRÁFICO
En el Sitio Oficial de San Bernardo en Cundinamarca, Colombia, se encuentran los siguientes datos acerca del municipio: Localización: El municipio se encuentra ubicado al Sur – Oriente del departamento de Cundinamarca en la provincia del Sumapaz (Figura 2).
Límites del municipio: Limita por el norte con el municipio de Arbeláez, por el oriente con Bogotá D. C., por el sur con el municipio de Venecia y el municipio de Cabrera, y por el occidente con el municipio de Panda. Extensión total: 248.98 km2
19
Milián, G. (1999). "La Sostenibilidad y las ciudades hacia el siglo XXI". Benemérita Universidad Autónoma de Puebla, Dirección General de Fomento Editorial. México 20 Daly, H. (2008). Desarrollo Sustentable. Definiciones, principios y políticas. Instituto Nacional de Tecnología Industrial, Aportes (7). p 8 21 Molins, A. (2011). Logística internacional. Escuela de Organización Industrial, p 4.
Extensión área urbana: 0.6 km2 Extensión área rural: 248.38 km2
Altitud de la cabecera municipal: 1.600 m.s.n.m.
Temperatura media: 20ºC.
Fuente: http://www.sanbernardo-cundinamarca.gov.co/mapas_municipio.shtml
Figura 2. Ubicación geográfica del municipio de San Bernardo.
3. DISEÑO METODOLÓGICO
3.1 LÍNEA DE INVESTIGACIÓN
El proyecto se ajusta a la línea de investigación: Gestión de Operaciones y a la sublínea en Gestión de Sistemas Logísticos Sustentables y de Manufactura, ya que busca entender las problemáticas logísticas actuales del sistema en estudio y, de esta forma, mejorar los proceso, gestionando todas las operaciones relacionadas con el sistema y diseñando las estrategias de mejoramiento de la cadena de abastecimiento.
3.2 TIPO DE INVESTIGACIÓN
La investigación que se llevó a cabo para resolver el problema fue de tipo aplicada, debido a que se tomaron conceptos de ingeniería industrial ya establecidos y se aplicaron, específicamente, a la solución del problema. Inicialmente, la investigación fue de tipo descriptivo, lo cual implico registrar, analizar e interpretar los datos que permitieron mostrar un panorama de la situación actual del sistema. Posteriormente, la investigación fue de tipo correlacional, debido a que se estableció la relación entre las variables y parámetros asociados al sistema y algunas medidas de desempeño como lo fue el costo y el tiempo, con el fin de mejorar el desempeño del sistema.
3.3 ESTRUCTURA METODOLÓGICA
3.3.1 Etapa I: Caracterización. Se determinó la situación actual del sistema a través del reconocimiento y obtención de información, suministrada por las entidades involucradas (FRUSAN y CCB-MEGA) y por comprobaciones realizadas por medio de herramientas de medición como: encuestas, toma de datos y entrevistas.
En las entrevistas se registró la información en un formato diseñado con preguntas puntuales y organizadas sobre los costos variables de transporte (Anexo A). La información fue clasificada y, sistemáticamente, se procesó para el análisis y uso en el modelo matemático. En primer lugar, se determinó que existen dos referencias de camiones o vehículos que realizan el transporte, con diferentes características (Tabla 1).
Tabla 1. Características de los vehículos. Referencia Vehículo 1 Vehículo 2
Tipo de Camión Chevrolet MPR Chevrolet Dimas 3.0 diesel
Capacidad(ton) 6 1.5
Se estimaron las distancias recorridas por los vehículos y se graficaron las rutas que representa la configuración actual de los recorridos. Además, se agrupó información a través de entrevistas a las personas encargadas del sistema de transporte sobre cómo era la recolección, qué días se realizaba y qué distancia se recorría. Se estableció que actualmente existen cinco rutas, dos de las rutas son subcontratadas y 3 son propias (Tabla 2).
Tabla 2. Rutas actuales de recolección. Rutas Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
Veredas Santa Marta y Santa Rita Quecos, Agua Negra, Agua Amarilla y Carmen Laureles, Dorado, Tulcán y Agua Amarilla Diamante, Graciela, Dorado y Tulcán Honduras y Gualilo
Estado Propia Subcontratada Subcontratada Propia Propia
La oferta de producción en FRUSAN se consiguió entrevista con el contador, Sr Cesar Garavito, quien aportó la información sobre la oferta semanal y mensual del año 2013 (Anexo B). También entregó información sobre el estado de resultados de los vehículos (Anexos C y D). Así mismo, manifestó que la capacidad del CA es de 6.000 kg.
3.3.2 Etapa II: Modelación del SSCM. Con base en la información recolectada en la etapa 1 se hizo un análisis detallado para obtener el panorama integral del estado actual del sistema. Basados en la metodología SSCM se hizo la modelación matemática del sistema actual, con sus respectivas variables y restricciones. Posteriormente, se validó el modelo con el objetivo de verificar que es una fiel representación del sistema.
3.3.2.1 Modelación sin SSCM 3.3.2.1.1 Subíndices i: Ruta i = 1, …, n. j: Centro de acopio j = 1, …, m. k: Cliente final k = 1, …, o. l: Tipo de vehículo l = 1, …, p. t: Indica el día t = 1,…, q
3.3.2.1.2 Variables de decisión:
3.3.2.1.3 Parรกmetros:
3.3.2.1.4 Modelo: ∑∑∑
∑∑∑
∑∑∑∑ (1)
∑∑∑∑
(
)
∑ s.a. ∑
(2)
∑∑
(3) (4) (5) (6)
∑∑
∑∑
(7)
(8) (9)
∑
∑∑
∑∑
(10)
(11) (12) (13) (14) (15)
∑∑∑
∑
(16)
∑
∑∑
∑∑
(17)
En este modelo, la ecuación (1) indica la función objetivo, la cual minimiza el costo total de transporte. Las ecuaciones (2) y (3) garantizan que se recolecte toda la oferta en las rutas. Las ecuaciones (4), (8), (12) y (14) garantizan que la cantidad de fruta transportada no sobrepase la capacidad de los vehículos. Las ecuaciones (5), (9), (13) y (15) garantizan que la cantidad de viajes que se harán para el transporte de la fruta no sobrepase el máximo posible en un día. La ecuación (6) establece que si no hay recolección de fruta, no se asignen vehículos a la ruta respectiva. La ecuación (7) garantiza que no haya inventario en el primer campamento, es decir, que toda la fruta que llega allí sea enviada el mismo día. La ecuación (10) garantiza el equilibrio de inventario en el centro de acopio. La ecuación (11) garantiza que el inventario que queda en un día dado en el centro de acopio, no sobrepase su capacidad. La ecuación (16) garantiza la satisfacción de la demanda de la fruta. La ecuación (17) establece el límite de la distancia que puede recorrer cada vehículo en un día de trabajo.
3.3.2.2 Validación. Se compararon los resultados del modelo con los costos actuales (Anexos C y D), donde se incluyen los costos de combustible y peajes de los vehículos. Este valor se divide entre 52 semanas y da como resultado el
promedio del costo semanal del modelo. El costo semanal del modelo se comparó con el escenario actual de oferta promedio, que incluye 4 días de recolección con 3 rutas propias y 2 arrendadas (Anexo E).
Tabla 3. Validación del modelo Concepto Combustible Vehículo 1 Peajes Vehículo 1 Combustible Vehículo 2 Peajes Vehículo 2 Total Valor Modelo Valor Escenario Actual Diferencia
Valor $ 27’366.489 $ 6’689.400 $ 5’853.227 $ 1’024.010 $ 40’993.126 $ 787.176 $ 786.310 $ 865
El cálculo del modelo frente al escenario actual muestra que hay una diferencia de $ 865, lo que permite decir que el modelo matemático propuesto se acerca a la realidad del sistema de transporte.
3.3.2.3 Cálculo de SSCM. Se calculó la variable SSCM a partir de una tabla de factores del Departament for Environment Food & Rural Affairs del Reino Unido (DEFA), donde las emisiones CO2 se relacionan linealmente con la cantidad de kilogramos transportados. El cálculo se realizó para los dos vehículos con el fin de encontrar la razón entre la cantidad de kilogramos de CO2 y las toneladas de producto o carga. Según la Figura 3 se observa que los kilogramos de CO2 producido por los vehículos 1 y 2 son directamente proporcionales a las toneladas transportadas. Al establecer la linealidad de los valores relacionados por múltiplos cuadrados, se muestra como la ecuación indica el coeficiente de la pendiente, tomado como la razón proporcional entre las toneladas y la cantidad de kilogramo de CO2 emitidas. El intercepto de la función hace referencia al transporte cuando el vehículo está vacío.
Vehículo 1 y = 0,0932x + 0,5478 R² = 1
0,70 kg CO2/km
0,60 0,50 0,40 0,30 0,20 0,10 0,00 0
0,2
0,4
0,6 Toneladas
0,8
1
1,2
0,8
1
1,2
Vehículo 2 kg CO2/km
0,80
y = 0,4968x + 0,1535 R² = 1
0,60 0,40 0,20 0,00 0
0,2
0,4
0,6 Toneladas
Figura 3. Emisiones de kgCO2 generada por los vehículos 3.3.2.3.1 Restricciones para el modelo con SSCM Después de calcular la variable SSCM, se establece de forma complementaria las restricciones que representan la sostenibilidad y sustentabilidad del modelo, de esta forma se determina el modelo que representa las necesidades ambientales y logísticas con las siguientes ecuaciones: 3.3.2.3.1.1 Parámetros de Z:
3.3.2.3.2 Restricciones de Z: (18)
(
∑
)
(
)
( ∑∑
(19)
(20)
) ∑∑
(21)
∑∑∑
∑
(22)
(23)
(24)
Las ecuaciones (18), (19), (20) y (21) calculan la cantidad de CO 2 que expulsa cada vehículo a lo largo de cada eslabón de la cadena. La ecuación (22) calcula las emisiones totales de CO2 de cada vehículo en toda la cadena. La ecuación (23) calcula las emisiones totales de CO2 en todo el proceso de transporte de la fruta. La ecuación (24) establece el límite que se le impondrá a las emisiones totales de CO2. 3.3.3 Etapa III: Evaluación. Con el fin de poder analizar el sistema, evaluar las condiciones actuales y mostrar el comportamiento del sistema sin SSCM, se crearon escenarios teniendo en cuenta los factores: Oferta, Días de recolección y Estado de las rutas; todo esto con el modelo inicial. En el factor Oferta, con 3 niveles, los niveles mínimos, máximos y promedio (Véase Anexo F). En el factor Estado, con 3 niveles, el nivel Actual corresponde a 3 rutas propias y 2 arrendadas, los niveles Propia y Subarrendada corresponde a las 5 rutas bajo una u otra condición. Se realizó un arreglo factorial con los factores teniendo en cuenta los niveles de cada factor. El diseño factorial 3x2x3 permite obtener un total de 18 escenarios sin SSCM (Tabla 4).
Tabla 4. Diseño de escenarios sin SSCM Escenario Días Oferta Estado 1 3 Promedio Actual 2 3 Promedio Subcontratadas 3 3 Promedio Propias 4 3 Máxima Actual 5 3 Máxima Subcontratadas 6 3 Máxima Propias 7 3 Mínima Actual 8 3 Mínima Subcontratadas 9 3 Mínima Propias 10 4 Promedio Actual 11 4 Promedio Subcontratadas 12 4 Promedio Propias 13 4 Máxima Actual 14 4 Máxima Subcontratadas 15 4 Máxima Propias 16 4 Mínima Actual 17 4 Mínima Subcontratadas 18 4 Mínima Propias
Posteriormente, se diseñó un experimento con la variable SSCM, donde en los 18 escenarios se tienen en cuenta los parámetros Oferta, Días de recolección y Z. Para el parámetro Estado de la ruta se tomó como único nivel la condición rutas propias, dado que la variable Z y su coeficiente se calcularon sólo para los vehículos que son propiedad de FRUSAN, ya que cuando los vehículos se subcontratan las referencias de los vehículos dependen de la disponibilidad que haya en la región y pueden variar considerablemente de FRUSAN.
En el factor Oferta, con 3 niveles, los niveles mínimos, máximos y promedio y en el factor Z, con 3 niveles, los niveles mínimos, máximos y promedio (Véase Anexo G). Se realizó un arreglo factorial con los factores teniendo en cuenta los niveles de cada factor. El diseño factorial 3x2x3 (Tabla 5). Los valores de Z se calcularon a través de las iteraciones del modelo con las restricciones del SSCM, dando como Zmax la cantidad máxima de CO 2 en Kg producida por el sistema, Zmin al imponer la restricción, es el valor mínimo antes de que el modelo sea infectable y Zprom es el promedio entre el Zmax y el Zmin restringido en el modelo.
Tabla 5. Diseño de escenarios con SSCM Escenario Días Oferta Z 1 3 Promedio Zmax 2 3 Promedio Zprom 3 3 Promedio Zmin 4 3 Máxima Zmax 5 3 Máxima Zprom 6 3 Máxima Zmin 7 3 Mínima Zmax 8 3 Mínima Zprom 9 3 Mínima Zmin 10 4 Promedio Zmax 11 4 Promedio Zprom 12 4 Promedio Zmin 13 4 Máxima Zmax 14 4 Máxima Zprom 15 4 Máxima Zmin 16 4 Mínima Zmax 17 4 Mínima Zprom 18 4 Mínima Zmin
4. RESULTADOS
4.1 CARACTERIZACIÓN FRUSAN es la asociación de pequeños productores del municipio de San Bernardo, cuya principal actividad económica es comercializar y transportar mora y otros frutales, sin embargo, el producto con mayor representación es la mora, por lo que el interés de la Asociación es el fortalecimiento del producto a través de la integración regional.
El sistema de transporte de FRUSAN está constituido por 5 rutas internas, 3 de su propiedad y 2 rutas subcontratadas. Estas 5 rutas recolectan el producto predio a predio y llevan la fruta a un sitio de recolección denominado “Primer Campamento”, donde dependiendo de la cantidad de mora recolectada, es transportada por un camión de mayor capacidad al CA ubicado en la zona urbana del municipio de San Bernardo. Cuando el CA está en su máxima capacidad se pueden hacer 2 viajes diarios hasta la ciudad de Bogotá.
En el CA se realizan procedimientos como: pasar la fruta de un tanque a otro para su selección, pesar, seleccionar y empacar la fruta, y cargar los camiones. Los registros de estas actividades se llevan en planillas, donde cada socio tiene un código de identificación, el cual identifica la fruta en el empaque y en caso de un reclamo se sabe qué productor es el proveedor de la fruta. La mora es una fruta perecedera, el tiempo de deterioro varía dependiendo de los cambios climáticos, lo cual modificaría las características iniciales del producto, pero aproximadamente y con un buen cuidado puede durar hasta 4 días, después de ser cosechada, sin refrigeración.
El transporte desde San Bernardo hacia Bogotá se hace en dos vehículos de FRUSAN. El vehículo 1 es de 5 toneladas pero puede cargar hasta 6 toneladas en su máxima capacidad y el vehículo 2 es de una tonelada (1 ton) de capacidad, según especificaciones técnicas, pero puede ser cargado hasta con 1.5 toneladas. En cuanto al empaque de presentación de la mora, se tienen la caja de mora de 250gr, libra o kilo, para pedidos especiales. Las canastillas de 22 kilos, la “¾” de 36 kilos y la canastilla de 50kg son las más utilizadas para el transporte a Bogotá.
Existe un sistema de información precario que registra el movimiento de la mora desde la producción hasta el destino final, lo cual permite, finalmente, saber la cantidad específica entregada por cada productor y determina el pago final.
4.1.1 Mapas. El actual mapa del sistema de transporte de la mora por FRUSAN, de acuerdo a las rutas o recorridos de recolecci贸n, en el Municipio de San Bernardo se muestra en la Figura 4.
Figura 4. Mapa de rutas de FRUSAN
4.1.2 Diagramas. Se estableció que las rutas de recolección están distribuidas según el día de cosecha, y se identifican así: a. “Lunes”, b. “Martes” y c. “Jueves y Viernes”. En la Figura 5 se muestran los diagramas de la distribución de las rutas.
a. b.
c.
Figura 5. Diagrama de las rutas de recolección. a. Día Lunes, b. Día Martes c. Días Jueves y Viernes
4.1.3 Oferta. Se calculó para cada mes la oferta semanal, tomando en cuenta que la información muestra el total recolectado para las semanas 1, 2, 3, 4 y 5 del año. Se busca la equivalencia total del año (Tabla 5).
Tabla 6. Equivalencia de la oferta anual por semana Semana Semana 1 Semana 2 Semana 3 Semana 4 Semana 5 Total
Cantidad(kg) 124.409,5 122.719,5 113.902,0 104.253,5 37.928,0 503.212,5
Porcentaje(%) 24,72 24,39 22,63 20,72 7,54 100,00
De acuerdo al porcentaje obtenido para la semana anual se calculó la oferta por semana en cada mes (Tabla 6).
Tabla 7. Oferta semanal de cada mes Mes\kg ENERO FEBRERO MARZO ABRIL MAYO JUNIO JULIO AGOSTO SEPTIEMBRE OCTUBRE NOVIEMBRE DICIEMBRE
Semana 1 15.510,87 9.019,22 13.698,74 11.512,42 9.405,64 14.987,43 10.457,11 9.176,83 12.228,52 11.097,56 7.736,99 9.379,06
Semana 2 15.300,17 8.896,70 10.800,36 8.063,39 9.277,87 11.955,34 10.315,06 9.052,17 12.062,40 10.946,81 7.643,38 9.251,65
Semana 3 14.200,84 8.257,46 10.024,35 7.484,03 8.611,25 11.096,34 9.573,91 8.401,76 11.195,71 10.160,27 7.154,97 8.586,92
Semana 4 12.997,90 7.557,98 9.175,20 6.850,06 7.881,80 10.156,38 8.762,92 7.690,06 10.247,33 9.299,61 6.620,53 7.859,53
Semana 5 4.728,71 5.830,08 6.882,95 6.525,72 3.383,25 4.960,21
También se calculó la oferta semanal basados en el porcentaje de recolección por rutas para recorridos de 3 ó 4 días de recolección (Tabla 7 y 8, respectivamente). En los caso de recolección dos días por semana se dividió en 2 el total por ruta.
Tabla 8. Porcentaje de recolección por días para recorridos 4 días a semana. Ruta Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5 Total
Total(kg) Porcentaje(%) Lunes Marte Jueves Viernes 52633,0 10,5 X 107459,0 21,4 X X 103353,5 20,5 X X 57553,5 11,4 X X 182213,5 36,2 X X 503.213 100 -
Tabla 9. Porcentaje de recolección por días para recorridos 3 días a la semana. Ruta Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5 Total
Total(kg) Porcentaje(%) 52.633 10,5 107.459 21,4 103.354 20,5 57.554 11,4 182.214 36,2 503.213 100
Lunes
X X X -
Marte X X X
Jueves X X
-
-
4.1.4 Consumo de Combustible. Se usaron los factores de conversión del DEFA. Teniendo en cuenta un promedio del galón de Diesel en Colombia de $8.700, según el Ministerio de Minas y Energía para Junio de 2014, se calculó el costo por viaje (Figura 6 y Tabla 9).
Vehículo 1
Vehículo 2
900 800 700y = 361,350767x + 111,633994 y = 67,831006x + 398,505706
kgCO2/km
600 500 400 300 200 100 0 0
1
2
3
4
5
6
7
Ton
Figura 6. Consumo de combustible por los vehículos
Tabla 10. Consumo de los Vehículos Vehículo Vehículo 1 Vehículo 2
Costo Vacío ($/km) 111,63 398,83
Coeficiente ($/km-kg) 0,06783 0,36135
4.2 ESCENARIOS
4.2.1 Respuesta de las interacciones en escenarios sin SSCM. Después de elaborar todas las interacciones del modelo sin SSCM (Anexo F), se registraron los resultados por escenario para observar su comportamiento (Tabla 10).
Tabla 11. Respuesta de las interacciones en escenarios sin SSCM. Escenario Días Oferta Estado 1 3 Promedio Actual 2 3 Promedio Subcontratadas 3 3 Promedio Propias 4 3 Máxima Actual 5 3 Máxima Subcontratadas 6 3 Máxima Propias 7 3 Mínima Actual 8 3 Mínima Subcontratadas 9 3 Mínima Propias 10 4 Promedio Actual 11 4 Promedio Subcontratadas 12 4 Promedio Propias 13 4 Máxima Actual 14 4 Máxima Subcontratadas 15 4 Máxima Propias 16 4 Mínima Actual 17 4 Mínima Subcontratadas 18 4 Mínima Propias
Costo $ 652.858 $ 606.699 $ 580.831 $ 874.522 $ 860.417 $ 816.333 $ 618.532 $ 552.066 $ 513.679 $ 786.310 $ 730.564 $ 714.717 $ 851.187 $ 783.729 $ 792.998 $ 696.751 $ 685.474 $ 658.484
De acuerdo al análisis de estos escenarios es posible la toma de decisiones relacionadas con la oferta, los días de recolección y el estado de las rutas. Se puede observar la tendencia de los datos de una forma organizada y sistemática seleccionando los parámetros de interés dentro de las interacciones del modelo. En la Figura 7 se muestra el costo promedio frente la oferta máxima, promedio y mínima y en la Figura 8 se muestra el costo promedio en relación al uso de 3 ó 4 días de recolección.
$ 1.000.000 $ 950.000
Costo
$ 900.000 $ 850.000 $ 800.000 $ 750.000 $ 700.000 Min
Prom
Max
Oferta
Figura 7. Costo promedio según la oferta presentada sin SSCM
$ 890.000 $ 870.000
Costo
$ 850.000 $ 830.000 $ 810.000 $ 790.000 $ 770.000 3 Días
4 Días
Figura 8. Costo promedio según los días de recolección sin SSCM En la Figura 9 se observa cómo se relaciona el costo promedio con el estado de las rutas.
1100000 1050000 1000000
Costo($)
950000 900000 850000 800000 750000 700000 650000 600000 Subcontratadas
Actual
Propias
Estado
Figura 9. Costo promedio según el estado de las rutas sin SSCM En la Figura 10 se puede visualizar de manera general todos los factores frente a los costos, lo cual permite observar la tendencia de los costos por oferta y Estado de las rutas.
1150000 1050000 Costo($)
950000 850000 750000
Costo 3 Días
650000
Costo 4 Días
550000 450000 Min Sub
Min Act
Min Prop
Pro Sub
Pro Act
Pro Prop
Max Sub
Max Act
Max prop
Oferta/ Estado
Figura 10. Costo promedio por oferta y estado de las rutas.
4.2.2 Respuesta de las interacciones en escenarios con SSCM. Después de elaborar todas las interacciones del modelo SSCM (Anexo G), se registraron los resultados por escenario para observar su comportamiento (Tabla 12).
Tabla 12. Respuesta de las interacciones en escenarios con SSCM. Escenario Días 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
3 3 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4 4
Oferta
Z
KgCO2
Promedio Promedio Promedio Máxima Máxima Máxima Mínima Mínima Mínima Promedio Promedio Promedio Máxima Máxima Máxima Mínima Mínima Mínima
Zmax Zprom Zmin Zmax Zprom Zmin Zmax Zprom Zmin Zmax Zprom Zmin Zmax Zprom Zmin Zmax Zprom Zmin
859 840 821 885 840 794 995 945 895 861 840 818 885 839 818 901 892 882
Costo $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $
580.831 585.373 714.918 513.679 550.535 693.289 792.998 900.944 905.547 714.717 719.517 866.268 658.484 684.027 714.766 792.998 798.464 915.105
El análisis de los escenarios con la variable SSCM, donde el estado de las rutas es constante (Propias), permite observar en la Figura 11 donde se muestra el costo promedio frente la oferta mínima, promedio y máxima. En la Figura 12 el costo promedio en relación al uso de 3 ó 4 días de recolección. En la Figura 13 se muestran los costos promedio relacionados con la producción de dióxido de carbono.
$ 900.000
Costo
$ 800.000
$ 700.000
$ 600.000
$ 500.000 Min
Prom
Max
Oferta
Figura 11. Costo promedio según la oferta presentada con SSCM En la Figura 12 se muestra la diferencia de costos promedios según los días de recolección. $ 770.000 $ 760.000
Costo
$ 750.000 $ 740.000 $ 730.000 $ 720.000 $ 710.000 $ 700.000 3 Días
4 Días
Figura 12. Costo promedio según los días de recolección con SSCM En la Figura 13 se puede observar el costo promedio con relación a la generación de Co2 cuando es mínima, promedia o máxima.
$ 850.000
$ 800.000
Costo
$ 750.000
$ 700.000
$ 650.000
$ 600.000 Zmin
Zpro
Zmax
Figura 13. Costo promedio según la generación de kg de CO2 con SSCM En la Figura 14 se muestran los costos promedio según la oferta relacionada con la generación de CO2.
$ 900.000
Costo
$ 800.000
$ 700.000
Costo 3 Días Costo 4 Días
$ 600.000
$ 500.000 Min Min Min Pro Pro Pro Max Max Zmax Zprom Zmin Zmax Zprom Zmin Zmax Zpro
Max Zmin
Oferta / Z
Figura 14 Costo promedio según la oferta y la generación de CO2 con SSCM
5. ANÁLISIS DE RESULTADOS
Los principales resultados de esta investigación se muestran en la Figura 14, y en las Tablas 11 y 12. Sin embargo, antes de llevar a cabo el análisis de esta figura y estas tablas, es pertinente hacer el análisis de los escenarios mostrados en los Anexos F y G. 5.1 ESCENARIOS SIN LA VARIABLE SSCM (ANEXO 6)
En los escenarios propuestos, al relacionar el costo promedio con la oferta máxima, promedio y mínima, se observa que a medida que aumenta la oferta aumentan los costos relacionados al transporte (Figura 8). Por qué a mayor Oferta son más los viajes y el consumo de combustible de los vehículos aumenta. Cuando el transporte se realiza en 3 días de recolección se minimiza el costo del transporte, ya que se optimiza el uso de los vehículos (Figura 9). Por otro lado, se observa que a medida que aumentan los días de recolección aumenta proporcionalmente el costo promedio, porque se transporta la misma cantidad final de mora, pero en más recorridos de las rutas. Es importante resaltar que cuando se realizan menos días de recolección se está utilizando mucho más la capacidad de los camiones y, por lo tanto, disminuye el costo de transporte en el que incurre. Si se transporta más producto en menor cantidad de viajes y, por lo tanto, se minimiza el costo de combustible. El costo por kilómetro y por kilogramo disminuye cuando se transporta más producto en menos viajes, optimizando los desplazamientos. 5.1.1 ANALISIS DE LA FIGURA 10 Lo primero que se debe analizar en esta graficas es la tendencia según la oferta, que nos muestra que aumenta la demanda el costo aumenta. Para el caso 3 días de recolección cuando aumenta la oferta, el costo aumenta y la proporción entre ofertas se amplia, para el caso 4 días de recolección cuando aumenta la oferta, el costo aumenta de igual manera, pero tiende a disminuir la proporción entre ofertas. También se puede ver que cuando la oferta es baja o promedio son mayores los costos de realizar los recorridos y rutas en 3 días, cuando la oferta es máxima la diferencia de costos, entre 3 y 4 días de recolección, se aproximan. En la medida en que todas las rutas son propias los costos de transporte disminuyen, ya que, realizar la ruta subcontratada tiene un costo mayor; se infiere que hay una disminución del costo promedio cuando se utilizan los camiones de la asociación FRUSAN.
5.2 ESCENARIOS CON LA VARIABLE SSCM
Cuando se relacionan los costos promedios de transporte y la oferta máxima, promedio y mínima, se observa que a medida que aumenta la oferta, el costo promedio crece proporcionalmente (Figura 11). En la cantidad de días de recolección se observa una relación lineal, en donde el costo promedio es directamente proporcional a la cantidad de días que se recolecta (Figura 12).
Al relacionar los costos promedio y la cantidad de emisión de dióxido de carbono se evidencia que a medida que las emisiones aumentan el costo medioambiental crece, es decir, es mayor la penalización de costos por la emisión de gases, mostrado en la (Figura 13). Como se ve en el Anexo G cuando la variable Z es mínima o promedio se incurren en gastos adicionales, que son el usar el centro de acopio y realizar viajes adicionales con el Vehículo 1 5.2.1 Análisis de la Figura 14 La tendencia de los costos es la misma que en el caso sin SSCM (figura 10) ya que al aumentar la oferta aumentan los costos proporcionalmente, cuando esta es mínima o promedio se denota que el costo por realizar 3 días de recolección es menor que el de 4 días de recolección, en el caso de la oferta máxima el menor costo esta en 4 días de recolección. Basados en Z que es la cantidad de CO2 producida por los vehículos, ocurre lo mismo que la Figura 13, que cuando lo esta es mínima o promedio se incurren en gasto adicionales como lo es el uso del centro de acopio y viajes adicionales en el Vehículo 1.
6. CONCLUSIONES La caracterización es importante ya que ofrece toda la información pertinente para poder desarrollar el proyecto, por lo que fue importante el sistema de información y recolección de datos. Al realizar la validación como se muestra en la Tabla 3 se puede ver que es una fiel representación de la realidad, por lo tanto se puede concluir que los instrumentos utilizados en la caracterización fueron los adecuados. Se modelo matemáticamente y se comprobó como se muestra en la Tabla 3 que el modelo represento al sistema actual. Permitiendo el análisis detallado del panorama integral del estado actual, lo cual permite interpretar todos sus componentes a través de la representación con variables y parámetros que determinan los costos de transporte del sistema. Basados en la metodología SSCM se detectaron los costos medioambientales. Al realizar los escenarios, la primera mejora que se puede comparar con el estado actual, es que al ser la oferta mínima o promedio es recomendable realizar la recolección, acopio y distribución, 3 días a la semana en cualquier caso del estado de las rutas. En el caso de que la oferta sea máxima es recomendable realizar la recolección, acopio y distribución, 4 días a la semana en cualquier caso del estado de las rutas. Como lo muestra la Figura 9 podemos concluir que al subcontratar todas las rutas el costo aumenta y al realizarlas con los camiones propios el costo disminuye, todo esto comparado con el estado actual. La variable SSCM es una parte fundamental del modelo ya que restringe con el fin de poder tener un sistema logístico sostenible y sustentable con un contenido medioambiental. El uso de la variable SSCM disminuye los costos de transporte, pero a su vez incurre en gastos adicionales como lo es el uso del centro de acopio y el uso del vehículo 1 en más ocasiones, lo ideal será buscar un puto medio entre la producción de CO2 como puede ser el Zprom, que, comparado con el sistema actual, disminuye la producción de CO2 y no se incurren en gastos adicionales como lo es el uso del centro de acopio.
BIBLIOGRAFÍA
Acosta, A. (2007). Acta final de empalme. Recuperado el 4 de febrero de 2014, de Alcaldía de San Bernardo - Cundinamarca: http://www.sanbernardocundinamarca.gov.co/apc-aafiles/64646638343034353961636539376336/ACTA_DE_EMPALME_FINAL_2007. pdf
CCB. (2014). Modelo Empresarial de Gestión Agrícola y Agroindustrial. Recuperado el 4 de febrero de 2014, de Cámara de Comercio de Bogotá: http://camara.ccb.org.co/contenido/contenido.aspx?conID=153&catID=78
CCB, CARCE, CAF y ECA Internacional. (2005). Estrategia regional de exportación de sector agrícola y agroindustrial de Bogotá y Cundinamarca. Resumen ejecutivo: Estudio de prefactibilidad del megaproyecto Agroindustrial de Bogotá y Cundinamarca. Recuperado el 4 de febrero de 2014, de Cadena Hortofruticola de Cordoba: http://www.cadenahortofruticola.org/admin/poli/148estrategias_para_dinamizar_se ctor_agroindustrial_productos_emergentes.pdf
Daly, H. (2008). Desarrollo Sustentable: Definiciones, principios y políticas (Vol. Aportes). Buenos Aires: Instituto Nacional de Tecnología IndustriaL.
Dehghanian, F., y Mansour, S. (2009). Designing sustainable recovery network of end-of-life products using genetic algorithm. Resources, Conservation and Recycling, 53(10), 559-570.
Dióxido de carbono (CO2). (s.f.). Obtenido de Gobierno de Navarra: http://www.navarra.es/home_es/Temas/Medio+Ambiente/Calidad+del+aire/Informa cion/Contaminantes/CO2.htm Estadísticas Agropecuarias (Vol. 21). (2010). Bogotá, Cundinamarca: Edison Ltda.
Franco, G., Gallego, J., Tamayo, A., Heredia, L., y Medina, G. (2000). Fertilización de la mora de Castilla (Rubus glaucus Benth) en zonas frías del departamento de Caldas. En Memorias del tercer seminario frutales de clima frío moderado (págs. 81-87). Manizales: Centro de Desarrollo Tecnológico de Frutales C.D.T.F.
Frota-Neto, J., Bloemhof-Ruwaard, J., Van-Nunen, J., y Van Heck, E. (2008). Designing and evaluating sustainable logistics networks. International Journal of Production Economics, 111(2), 195-208.
Ghiani, G., Laporte, G., y Musmanno, R. (2004). Introduction to logistics systems planning and control. Recuperado el 28 de febrero de 2014, de John Wiley & Sons: http://www.pcfreak.net/international_university_college_files/Introduction%20to%20
Grupo Apoyo a Alianzas Productivas. (2006). Alianza para el mejoramiento de la productividad y comercialización de mora de castilla (Rubus glaucus), a través de la asociación de productores de frutas y verduras de clima frío y moderado del municipio de San Bernardo (FRUSAN). (Universidad Nacional de Colombia, Ed.) Recuperado el 4 de febrero de 2014, de Observatorio de alianzas productivas: http://observatorio.misionrural.net/alianzas/productos/mora/sanbernardosilvania/preinversion.pdf
Jiménez, L. (2013). Manual de cálculo y reducción de huella de carbono para actividades de transporte por carretera. Madrid: Observatorio de la Sostenibilidad en España.
León, M. y VELOZ, L. (2009). Internacionalización de Frusan. Recuperado el 4 de febrero de 2014, de Universidad del Rosario: http://repository.urosario.edu.co/bitstream/10336/3302/1/Fasc%C3%ADculo77.pdf
MADR. (2007). Alianzas productivas 2006. (Universidad Nacional de Colombia, Ed.) Recuperado el 4 de febrero de 2014, de Facultad de Ingeniería: http://webcache.googleusercontent.com/search?q=cache:http://www.ing.unal.edu.c o/alianzas/informe_alianzas_2006.pdf
Milián, G. (1999). La sustentabilidad y las ciudades hacia el siglo XXI. (Benemérita Universidad Autónoma de Puebla, Ed.) México: Dirección General de Fomento Editorial.
Millet, D. (2011). Designing a sustainable reverse logistics channel: the 18 generic structures framework. Journal of Cleaner Production, 19(6), 588-597.
Molins, A. (2011). Logística internacional. MAdrid: Escuela de Organización Industrial.
Peña, V y Zamelzu, L. (15 de Noviembre de 2006). Cadena de suministros: sus niveles e importancia. Universidad Técnica Federico Santa María.
Revista Dinero. (2008). Las ventajas de un 'mega' respaldo. Recuperado el 4 de febrero de 2014, de Revista Dinero: http://www.dinero.com/pais/articulo/lasventajas-mega-respaldo/67160
Rubus glaucus. (s.f.). Obtenido de: http://es.wikipedia.org/wiki/Rubus_glaucus
San Bernardo. (s.f.). Obtenido cundinamarca.gov.co/mapas_municipio.shtml
de:
http://www.sanbernardo-
Scholz-Reiter, B., Frazzon, E. y Makuschewitz, T. (2010). Integrating manufacturing and logistic systems along global supply chains. CIRP Journal of Manufacturing Science and Technology, 2(3), 216-223.
Soysal, M., Bloemhof-Ruwaard, J. y Van Der Vorst, J. (2014). Modelling food logistics networks with emission considerations: The case of an international beef supply chain. International Journal of Production Economics, 152, 57–70.
Subils, M., & Domínguez, F. (2000). NTP 549: El dióxido de carbono en la evaluación de la calidad del aire interior. Recuperado el 5 de mayo de 2014, de Instituto Nacional de Seguridad e Higiene del Trabajo: http://www.insht.es/InshtWeb/Contenidos/Documentacion/FichasTecnicas/NTP/Fic heros/501a600/ntp_549.pdf
Teuteberg, F. y Wittstruck, D. (2010). A Systematic Review of Sustainable Supply Chain Management Research. MKWI 2010 – Betriebliches Umwelt- und Nachhaltigkeitsmanagement, 1001-1015.
Zailani, S., Jeyaraman, K., Vengadasan, G. y Premkumar, R. (2012). Sustainable supply chain management (SSCM) in Malaysia: A survey. International Journal of Production Economics, 140(1), 330-340.
ANEXO A Formato Para Transportadores
1. Hallar el costo relacionados al camión en la ruta: CyIL costo fijo si el camión l se asigna a la ruta i camión Ruta Costos fijos 1 2 3 4 5 total
2. Hallar costo relacionado al camión hasta el centro de acopio (lugar donde se reúne la mora):
CSjl Costo fijo si el camión l se asigna hasta el centro de acopio j camión Costos fijos 1 2 3 4 5 6 total
3. Hallar el costo relacionado a la ruta del camión hasta el centro de acopio (lugar donde se reúne la mora:
CYAijl Costo fijo si el camión l se asigna a la ruta i hasta el centro de acopio j camión ruta costos fijos 1 2 3 4 5 total 4. Hallar el costo por kg desde el centro de acopio hasta el cliente final en el camión:
CWjkl Costo de transporte por Kg desde el centro de acopio j hasta el cliente k en el camión l camión Cliente Costos 1 2 3 4 5 total
5. Costo por cada viaje del centro de acopio hasta el cliente final en el camión:
CVjkl Costo por viaje desde el centro de acopio j hasta el cliente k en el camión l camion cliente costos 1 2 3 4 5 6 total Gl capacidad camión
del
Número máximo de viajes que puede hacer el camión l en la ruta i
Número máximo de viajes que puede hacer el camión l del 1° campamento hasta el centro de acopio
Número máximo de viajes del centro de acopio j hasta el cliente k en el camión l
Número máximo de viajes que puede hacer el camión l en la ruta i hasta el centro de acopio j
ANEXO B
ANEXO C
ANEXO D
ANEXO E 1 Of: Prom t1 w1 w2 w3 w4 w5
obj
Dias: 4 t2 0 0 0 585 1852
RutP:3 t3 1070 0 1050 0 1852
RutA: 2 t4 0 0 6 0 0
t5
0 1092 0 585 0
0 1092 1050 0 0
$ 786.310
u Lunes Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
Martes 1Veh2
1veh2 1Veh1
1Veh1
Lunes
Martes
Miércoles
Jueves
Viernes
1veh2
r Veh1 Veh2
1
Miércoles
Jueves
Viernes
1 1
1
ua Lunes
Martes
Miércoles
Jueves
Veh1 Veh2
Viernes 3
3
w Lunes
Martes Miércoles 6000
Jueves
Viernes 4201
Lunes
Martes
Jueves
Viernes
Veh1 Veh2 v Veh1 Veh2
Miércoles 1
1
inv Lunes CA
Martes 2410
382
Miércoles Jueves Viernes 382 2059
0
ANEXO F 1 Of: Prom t1 w1 w2 w3 w4 w5
Obj
Dias: 4 t2 0 0 0 585 1852
RutP:3 t3 1070 0 1050 0 1852
RutA: 2 t4 0 0 6 0 0
t5
0 1092 0 585 0
0 1092 1050 0 0
$ 786.310
U Lunes Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
Martes 1Veh2
1veh2 1Veh1
1Veh1
Lunes
Martes
Miércoles
Jueves
Viernes
1veh2
R Veh1 Veh2
1
Miércoles
Jueves
Viernes
1 1
1
Ua Lunes
Martes
Miércoles
Jueves
Veh1 Veh2
Viernes 3
3
W Lunes
Martes Miércoles 6000
Jueves
Viernes 4201
Lunes
Martes
Jueves
Viernes
Veh1 Veh2 V Veh1 Veh2
Miércoles 1
1
Inv Lunes CA
Martes 2410
382
Miércoles Jueves Viernes 382 2059
0
2 Of: Min t1 w1 w2 w3 w4 w5
Obj
Dias: 4 t2 0 0 0 461 1460
RutP:3 t3 843 0 828 0 1460
RutA: 2 t4 0 0 0 0 0
t5 0 861 0 461 0
0 861 828 0 0
$ 696.751
U Lunes Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
Martes 1veh2
1veh2 1veh1
1veh1
Lunes
Martes
Miércoles
Jueves
Viernes
1veh2
R Veh1 Veh2
1
Miércoles
Jueves
Viernes
1 1
1
ua Lunes
Martes
Miércoles
Jueves
Veh1 Veh2
Viernes 3
3
W Lunes Veh1 Veh2
1921
Martes Miércoles 1331
Jueves
Viernes 1322
1289
V Lunes cliente.Veh1 cliente.Veh2
Martes 1
Miércoles
Jueves
Viernes
1 1
1
Inv Lunes CA
Martes 0
Miércoles 0
Jueves 0
Viernes 0
0
3
w1 w2 w3 w4 w5
Of: Max t1 0 0 0 875 2770
obj
$ 851.187
Dias: 4 t2 1600 0 1571 0 2770
RutP:3 t3 0 0 0 0 0
RutA: 2 t4 0 1634 0 875 0
t5 0 1634 1571 0 0
Martes 1veh1
Miércoles
Jueves
Viernes
u Lunes Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
1veh2 1veh1
1veh2 1veh1
Lunes 1
Martes 1
r Veh1 Veh2
Miércoles
Jueves
Viernes 1
1
ua Lunes
Martes
Miércoles
Jueves 3
Viernes 3
Lunes 3645
Martes 5941
Miércoles
Jueves 2509
Viernes 3205
Lunes 1
Martes 1
Miércoles
Jueves 1
Viernes 1
Lunes 0
Martes 0
Miércoles 0
Jueves 0
Viernes 0
Veh1 Veh2 w Veh1 Veh2 v cliente.Veh1 cliente.Veh2 inv CA
4 Of: Prom t1 w1 w2 w3 w4 w5
obj
Dias: 3 t2
0 0 1050 585 3703
RutP:3 t3 1070 1092 1050 0 0
RutA: 2 t4 0 0 0 0 0
t5
0 1092 0 585 0
0 0 0 0 0
$ 652.858
u Lunes Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
Martes 1veh1
1veh2 1veh1
1veh1
Lunes
Martes
Miércoles
Jueves
Viernes
1veh2
r Veh1 Veh2
1
Miércoles
Jueves
Viernes
1 1
ua Lunes
Martes
Veh1 Veh2
Miércoles
Jueves
3
Viernes 3
w Lunes Veh1 Veh2
5338
Martes Miércoles 3212
Jueves
Martes
Jueves
Viernes 1677
v Lunes cliente.Veh1 cliente.Veh2
1
Miércoles 1
Viernes 1
inv Lunes CA
Martes 0
Miércoles 0
Jueves 0
Viernes 0
0
5 Of: Min t1 w1 w2 w3 w4 w5
obj
Dias: 3 t2 0 0 828 461 2920
RutP:3 t3 843 861 828 0 0
RutA: 2 t4 0 0 0 0 0
t5 0 861 0 461 0
0 0 0 0 0
$ 618.532
u Lunes Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
Martes 1veh2
1veh2 1veh1
Miércoles
Jueves
Viernes
1veh2 1veh1
r Lunes Veh1 Veh2
Martes 1
Miércoles
Jueves
Viernes
1 1
ua Lunes
Martes
Veh1 Veh2
Miércoles
Jueves
3
Viernes 3
w Lunes Veh1 Veh2
Martes Miércoles 4209 3392
Jueves
Viernes 1322
v Lunes cliente.Veh1 cliente.Veh2
Martes 1
Miércoles
Jueves
1
Viernes 1
inv Lunes CA
Martes 0
Miércoles 0
Jueves 0
Viernes 0
0
6 Of: Max t1 w1 w2 w3 w4 w5
obj
Dias: 3 t2 0 0 1571 875 5540
RutP:3 t3 1600 1634 1571 0 0
RutA: 2 t4 0 0 0 0 0
t5
0 1634 0 875 0
0 0 0 0 0
$ 874.522
u Lunes Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
Martes 1veh1
Miércoles
Jueves
1veh2 1veh1
Viernes
1veh2
r Lunes Veh1 Veh2
Martes 2
Miércoles
Jueves
Viernes
1 1
ua Lunes
Martes
Veh1 Veh2
Miércoles
Jueves
3
Viernes 3
w Lunes Veh1 Veh2
Martes Miércoles 6000 4805 1986
Jueves
Viernes 2509
v Lunes cliente.Veh1 cliente.Veh2
Martes 1 2
Miércoles
Jueves
1
Viernes 1
inv Lunes CA
Martes 0
Miércoles 0
Jueves 0
Viernes 0
0
7 Of: Prom t1 w1 w2 w3 w4 w5
Dias: 4 t2
0 0 0 585 1852
RutP:0 t3 1070 0 1050 0 1852
RutA: 5 t4 0 0 0 0 0
t5
0 1092 0 585 0
0 1092 1050 0 0
$ 1.129.186
obj u
Lunes Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
Martes 1veh2
Miércoles
Jueves
Viernes
1veh2 1veh2 1veh1
1veh2 1veh2
1veh1
r Lunes Veh1 Veh2
Martes 1
Miércoles
Jueves
Viernes
1 1
1
1
ua Lunes
Martes
Veh1 Veh2
Miércoles
Jueves
Viernes
3
3
w Lunes Veh1 Veh2
Martes
Miércoles
Jueves
Viernes 4234
Miércoles
Jueves
Viernes
6000
v Lunes
Martes
cliente.Veh1 cliente.Veh2
1
1
inv Lunes CA
Martes 2437
Miércoles Jueves Viernes 409 415 2092
0
8 Of: Min t1 w1 w2 w3 w4 w5
Dias: 4 t2 0 0 0 461 1460
RutP:0 t3 843 0 828 0 1460
RutA: 5 t4 0 0 0 0 0
t5 0 861 0 461 0
0 861 828 0 0
$ 1.085.473
obj u
Lunes Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
Martes 1veh2
Miércoles
Jueves
Viernes
1veh2 1veh2 1veh1
1veh2 1veh2
1veh1
r Lunes Veh1 Veh2
Martes 1
Miércoles
Jueves
Viernes
1 1
1
ua Lunes
Martes
Miércoles
Jueves
Veh1 Veh2
Viernes 3
3
w Lunes Veh1 Veh2
1921
Martes Miércoles 3131
Jueves
Viernes 1689 1322
v Lunes cliente.Veh1 cliente.Veh2
Martes 1
Miércoles
Jueves
Viernes
1
1 1
inv Lunes CA
Martes 0
Miércoles 0
Jueves 0
Viernes 0
0
9 Of: Max t1 w1 w2 w3 w4 w5
Dias: 4 t2 0 0 0 875 2770
RutP:0 t3 1600 0 1571 0 2770
RutA: 5 t4 0 0 0 0 0
t5
0 1634 0 875 0
0 1634 1571 0 0
$ 1.183.728
obj u
Lunes Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
Martes 1veh2
Miércoles
Jueves
Viernes
2veh2 1veh2 1veh1
1veh2
1veh1
r Lunes Veh1 Veh2
Martes 1
Miércoles
Jueves
Viernes
1
1 1
ua Lunes
Martes
Miércoles
Jueves
Veh1 Veh2
Viernes 3
3
2509
Viernes 3205
w Lunes Veh1 Veh2
3645
Martes Miércoles 5941
Jueves
Martes
Jueves
v Lunes cliente.Veh1 cliente.Veh2
1
Miércoles 1
Viernes 1
1
inv Lunes CA
Martes 0
Miércoles 0
Jueves 0
Viernes 0
0
10 Of: Prom t1 w1 w2 w3 w4 w5
Dias: 3 t2
0 0 1050 585 3703
RutP:0 t3 1070 1092 1050 0 0
RutA: 5 t4 0 0 0 0 0
t5
0 1092 0 585 0
0 0 0 0 0
$ 946.699
obj u Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
Lunes
Martes 1veh2
1veh2 1veh2 1veh1
1veh2
Miércoles
Jueves
Viernes
iveh2
r Lunes Veh1 Veh2
Martes 1
Miércoles
Jueves
Viernes
1 1
ua Lunes
Martes
Veh1 Veh2
Miércoles
Jueves
3
Viernes 3
w Lunes Veh1 Veh2
5338
Martes Miércoles 3212
Jueves
Martes
Jueves
Viernes 1677
v Lunes cliente.Veh1 cliente.Veh2
1
Miércoles 1
Viernes 1
inv Lunes CA
Martes 0
Miércoles 0
Jueves 0
Viernes 0
0
11 Of: Min t1 w1 w2 w3 w4 w5
Dias: 3 t2 0 0 828 461 2920
RutP:0 t3 843 861 828 0 0
RutA: 5 t4 0 0 0 0 0
t5 0 861 0 461 0
0 0 0 0 0
$ 892.066
obj u Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
Lunes
Martes 1veh2
1veh2 1veh2 1veh1
1veh2
Miércoles
Jueves
Viernes
iveh2
r Lunes Veh1 Veh2
Martes 1
Miércoles
Jueves
Viernes
1 1
ua Lunes
Martes
Veh1 Veh2
Miércoles
Jueves
3
Viernes 3
w Lunes Veh1 Veh2
4209
Martes Miércoles 2532
Jueves
Viernes 1322
v Lunes cliente.Veh1 cliente.Veh2
Martes 1
Miércoles
Jueves
1
Viernes 1
inv Lunes CA
Martes 0
Miércoles 0
Jueves 0
Viernes 0
0
12 Of: Min t1 w1 w2 w3 w4 w5
Dias: 3 t2 0 0 1571 875 5540
obj
RutP:0 t3 1600 1634 1571 0 0
RutA: 5 t4 0 0 0 0 0
t5
0 1634 0 875 0
0 0 0 0 0
115846 1 u
Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
Lunes
Martes 1veh1
1veh1 1veh2 1veh1
2veh2
Lunes
Martes
Miércoles
Jueves
Viernes
iveh2
r Veh1 Veh2
2
Miércoles
Jueves
Viernes
1 1
ua Lunes
Martes
Veh1 Veh2
Miércoles
Jueves
3
Viernes 3
w Lunes Veh1 Veh2
Martes Miércoles 6000 4805 2986
Jueves
Viernes 2509
v Lunes cliente.Veh1 cliente.Veh2
Martes 1 2
Miércoles
Jueves
1
Viernes 1
inv Lunes CA
Martes 0
Miércoles 0
Jueves 0
Viernes 0
0
13 Of: Prom t1 w1 w2 w3 w4 w5
Dias: 4 t2
0 0 0 585 1852
RutP:5 t3 1070 0 1050 0 1852
RutA: 0 t4 0 0 6 0 0
t5
0 1092 0 585 0
0 1092 1050 0 0
$ 714.717
obj u
Lunes Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
Martes 1veh2
Miércoles
Jueves
Viernes
1veh2 1veh2 1veh1
1veh2 1veh2
1veh1
r Lunes Veh1 Veh2
Martes 1
Miércoles
Jueves
Viernes
1 1
1
ua Lunes
Martes
Miércoles
Jueves
Veh1 Veh2
Viernes 1
1
w Lunes
Martes Miércoles 6000
Jueves
Viernes 4228
Lunes
Martes
Jueves
Viernes
Veh1 Veh2 v cliente.Veh1 cliente.Veh2
Miércoles 1
1
inv Lunes CA
Martes 2437
Miércoles Jueves Viernes 409 409 2086
0
14 Of: Min t1 w1 w2 w3 w4 w5
Dias: 4 t2 0 0 0 461 1460
RutP:5 t3 843 0 828 0 1460
RutA: 0 t4 0 0 0 0 0
t5 0 861 0 461 0
0 861 828 0 0
$ 658.484
obj u
Lunes Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
Martes 1veh2
Miércoles
Jueves
Viernes
1veh2 1veh2 1veh1
1veh2 1veh2
1veh1
r Lunes Veh1 Veh2
Martes 1
Miércoles
Jueves
Viernes
1 1
1
ua Lunes
Martes
Miércoles
Jueves
Veh1 Veh2
Viernes 1
1
w Lunes Veh1 Veh2
1921
Martes Miércoles 3131
Jueves
Viernes 1689 1322
v Lunes cliente.Veh1 cliente.Veh2
Martes 1
Miércoles
Jueves
Viernes
1
1 1
inv Lunes CA
Martes 0
Miércoles 0
Jueves 0
Viernes 0
0
15 Of: Max t1 w1 w2 w3 w4 w5
Dias: 4 t2 0 0 0 875 2770
RutP:5 t3 1600 0 1571 0 2770
RutA: 0 t4 0 0 0 0 0
t5
0 1634 0 875 0
0 1634 1571 0 0
$ 792.998
obj u Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
Lunes
Martes 1veh1
1veh1 1veh2 1veh1
2veh2
Miércoles
Jueves
Viernes
1veh1 1veh2
1veh1
r Lunes Veh1 Veh2
Martes 1
Miércoles
Jueves
Viernes
1
1 1
ua Lunes
Martes
Miércoles
Jueves
Veh1 Veh2
Viernes 1
1
2509
Viernes 3205
w Lunes Veh1 Veh2
3645
Martes Miércoles 5941
Jueves
Martes
Jueves
v Lunes cliente.Veh1 cliente.Veh2
1
Miércoles 1
Viernes 1
1
inv Lunes CA
Martes 0
Miércoles 0
Jueves 0
Viernes 0
0
16 Of: Prom t1 w1 w2 w3 w4 w5
Dias: 3 t2
0 0 1050 585 3703
RutP:5 t3 1070 1092 1050 0 0
RutA: 0 t4 0 0 0 0 0
t5
0 1092 0 585 0
0 0 0 0 0
$ 580.831
obj u Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
Lunes
Martes 1veh1
1veh2 1veh2 1veh1
iveh2
Miércoles
Jueves
Viernes
1veh2
r Lunes Veh1 Veh2
Martes 1
Miércoles
Jueves
Viernes
1 1
ua Lunes
Martes
Veh1 Veh2
Miércoles
Jueves
1
Viernes 1
w Lunes Veh1 Veh2
5338
Martes Miércoles 3212
Jueves
Martes
Jueves
Viernes 1677
v Lunes cliente.Veh1 cliente.Veh2
1
Miércoles 1
Viernes 1
inv Lunes CA
Martes 0
Miércoles 0
Jueves 0
Viernes 0
0
17 Of: Min t1 w1 w2 w3 w4 w5
Dias: 3 t2 0 0 828 461 2920
RutP:5 t3 843 861 828 0 0
RutA: 0 t4 0 0 0 0 0
t5 0 861 0 461 0
0 0 0 0 0
$ 513.679
obj u Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
Lunes
Martes 1veh2
1veh2 1veh2 1veh1
1veh2
Miércoles
Jueves
Viernes
1veh2
r Lunes Veh1 Veh2
Martes 1
Miércoles
Jueves
Viernes
1 1
ua Lunes
Martes
Veh1 Veh2
Miércoles
Jueves
1
Viernes 1
w Lunes Veh1 Veh2
4209
Martes Miércoles 2532
Jueves
Viernes 1322
v Lunes cliente.Veh1 cliente.Veh2
Martes 1
Miércoles
Jueves
Viernes
1 1
inv Lunes CA
Martes 0
Miércoles 0
Jueves 0
Viernes 0
0
18 Of: Max
Dias: 3 t1
w1 w2 w3 w4 w5
RutP:5 t2 0 0 1571 875 5540
RutA: 0 t3 1600 1634 1571 0 0
t4 0 0 0 0 0
t5 0 1634 0 875 0
0 0 0 0 0
$ 816.333
obj u
Lunes Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
Martes 1veh1
Miércoles
Jueves
Viernes
2veh2 1veh2 1veh1
1veh2
r Lunes Veh1 Veh2
Martes 2
Miércoles
Jueves
Viernes
1 1
ua Lunes
Martes
Veh1 Veh2
Miércoles
Jueves
1
Viernes 1
w Lunes Veh1 Veh2
6000 1986
Martes Miércoles 4805
Jueves
Martes
Jueves
Viernes 2509
v Lunes cliente.Veh1 cliente.Veh2
1 2
Miércoles 1
Viernes 1
inv Lunes CA
Martes 0
Miércoles 0
Jueves 0
Viernes 0
0
1
w=ruta Of: Prom t1
w1 w2 w3 w4 w5
0 0 0 585 1852
ANEXO G t=dia de la semana Z=Kg CO2 Dias: 4 Z max t2 t3 t4 t5 1070 0 0 0 0 1092 1050 0 0 0 0 585 1852 0 0 Obj $ 714.717
Ztotal
Veh1
Martes 1veh2
Miércoles
861
0 1092 1050 0 0
Veh2 656
205
u Lunes Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
Jueves
Viernes
1veh2 1veh2 1veh1
1veh2
1veh1
r Lunes Veh1 Veh2
Martes 1
Miércoles
Jueves
Viernes
1 1
1
ua Lunes
Martes
Miércoles
Jueves
Veh1 Veh2
Viernes 1
1
w Lunes
Martes Miércoles 6000
Jueves
Viernes 4228
Lunes
Martes
Jueves
Viernes
Veh1 Veh2 v cliente.Veh1 cliente.Veh2
Miércoles 1
1
inv Lunes CA
Martes 2437
Miércoles Jueves Viernes 409 409 2086
0
2
w=ruta Of: Prom t1
w1 w2 w3 w4 w5
0 0 0 585 1852
t=dia de la semana Dias: 4 Z min t2 t3 1070 0 1050 0 1852
Z=Kg CO2 t4 0 0 0 0 0
Obj $ 866.268
Ztotal
Martes 1veh1
Miércoles
t5 0 1092 0 585 0
Veh1 818
0 1092 1050 0 0 Veh2
667
151
u Lunes Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
Jueves
Viernes
1veh1 1veh1 1veh1
1veh1 1veh1
1veh1
r Lunes Veh1 Veh2
Martes 1
Miércoles
Jueves
1
Viernes 1
1
ua Lunes
Martes
Miércoles
Jueves
Veh1 Veh2
Viernes 1
1
w Lunes Veh1 Veh2
Martes
Miércoles Jueves 6000
Viernes 3819
Martes
Miércoles
Viernes
409
v Lunes cliente.Veh1 cliente.Veh2
1
Jueves 1
1
inv Lunes CA
Martes 2028
Miércoles 6000
Jueves 0
Viernes 1677
0
3
w=ruta Of: Prom t1
w1 w2 w3 w4 w5
0 0 0 585 1852
t=dia de la semana Dias: 4 Zpro t2 t3 1070 0 1050 0 1852
Z=Kg CO2 t4 0 0 0 0 0
Obj $ 719.517
Ztotal
Martes 1veh1
Miércoles
t5 0 1092 0 585 0
Veh1 840
0 1092 1050 0 0 Veh2
662
178
u Lunes Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
Jueves
Viernes
1veh1 1veh1 1veh1
1veh1 1veh1
1veh1
r Lunes Veh1 Veh2
Martes 1
Miércoles
Jueves
1
Viernes 1
1
ua Lunes
Martes
Miércoles
Jueves
Veh1 Veh2
Viernes 1
1
w Lunes Veh1 Veh2
Martes
Miércoles Jueves 6000
Viernes 3819
Martes
Miércoles
Viernes
409
v Lunes cliente.Veh1 cliente.Veh2
1
Jueves 1
1
inv Lunes CA
Martes 2028
Miércoles 6000
Jueves 0
Viernes 1677
0
4
w=ruta Of: Min t1
w1 w2 w3 w4 w5
0 0 0 461 1460
t=dia de la semana Dias: 4 Z max t2 t3 843 0 828 0 1460
Z=Kg CO2 t4 0 0 0 0 0
Obj $ 658.484
Ztotal
Martes 1veh2
Miércoles
t5 0 861 0 461 0
Veh1 887
0 861 828 0 0 Veh2
617
268
u Lunes Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
Jueves
Viernes
1veh2 1veh2 1veh1
1veh2 1veh2
1veh1
r Lunes Veh1 Veh2
Martes 1
Miércoles
Jueves
Viernes
1 1
1
ua Lunes
Martes
Miércoles
Jueves
Veh1 Veh2
Viernes 1
1
w Lunes Veh1 Veh2
Martes 1921
Miércoles
Jueves
Viernes 1689
3131 1322
v Lunes cliente.Veh1 cliente.Veh2
Martes 1
Miércoles
Jueves
Viernes
1
1 1
inv Lunes CA
Martes 0
Miércoles 0
Jueves 0
Viernes 0
0
5
w=ruta Of: Min t1
w1 w2 w3 w4 w5
0 0 0 461 1460
t=dia de la semana Dias: 4 Z min t2 t3 843 0 828 0 1460
Z=Kg CO2 t4 0 0 0 0 0
Obj $ 714.766
Ztotal
Martes 1veh2
Miércoles
t5 0 861 0 461 0
Veh1 791
0 861 828 0 0 Veh2
667
151
u Lunes Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
Jueves
Viernes
veh1 1veh1 1veh1
veh1 1veh1
1veh1
r Lunes Veh1 Veh2
Martes 1
Miércoles
Jueves
1
Viernes 1
1
ua Lunes
Martes
Miércoles
Jueves
Veh1 Veh2
Viernes 1
1
w Lunes
Martes
Miércoles
Jueves
Lunes
Martes
Miércoles
Jueves
Veh1 Veh2
Viernes 6000 2063
v cliente.Veh1 cliente.Veh2
Viernes 1
1
inv Lunes CA
Martes 1921
Miércoles Jueves Viernes 5052 5052 374
0
6
w=ruta Of: Min t1
w1 w2 w3 w4 w5
0 0 0 461 1460
t=dia de la semana Dias: 4 Zpro t2 t3 843 0 828 0 1460
Z=Kg CO2 t4 0 0 0 0 0
Obj $ 684.027
Ztotal
Martes 1veh2
Miércoles
t5 0 861 0 461 0
Veh1 839
0 861 828 0 0 Veh2
632
207
u Lunes Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
Jueves
Viernes
veh2 1veh1 1veh1
1veh2 1veh1
1veh1
r Lunes Veh1 Veh2
Martes 1
Miércoles
Jueves
1
Viernes 1
1
ua Lunes
Martes
Miércoles
Jueves
Veh1 Veh2
Viernes 1
1
w Lunes
Martes
Miércoles Jueves 5052
Viernes 3011
Lunes
Martes
Miércoles
Viernes
Veh1 Veh2 v cliente.Veh1 cliente.Veh2
Jueves 1
1
inv Lunes CA
Martes 1921
Miércoles 5052
Jueves 0
Viernes 1322
0
7
w=ruta Of: Max t1
w1 w2 w3 w4 w5
0 0 0 875 2770
t=dia de la semana Dias: 4 Z max t2 t3 1600 0 1571 0 2770
Z=Kg CO2 t4 0 0 0 0 0
Obj $ 792.998
Ztotal
Martes 1veh2
Miércoles
t5 0 1634 0 875 0
Veh1 902
0 1634 1571 0 0 Veh2
725
176
u Lunes Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
Jueves
Viernes
2veh2 1veh2 1veh1
1veh2
1veh1
r Lunes Veh1 Veh2
Martes 1
Miércoles
Jueves
Viernes
1
1 1
ua Lunes
Martes
Miércoles
Jueves
Veh1 Veh2
Viernes 1
1
w Lunes Veh1 Veh2
Martes 3645
Miércoles
Jueves
Miércoles
Jueves
5941
Viernes 2509 3205
v Lunes cliente.Veh1 cliente.Veh2
Martes 1
1
Viernes 1
1
inv Lunes CA
Martes 0
Miércoles Jueves 0 0
Viernes 0
0
8
w=ruta Of: Max t1
w1 w2 w3 w4 w5
0 0 0 875 2770
t=dia de la semana Dias: 4 Z min t2 t3 1600 0 1571 0 2770
Z=Kg CO2 t4 0 0 0 0 0
Obj $ 915.105
Ztotal
Martes 1veh1
Miércoles
t5 0 1634 0 875 0
Veh1 882
0 1634 1571 0 0 Veh2
730
152
u Lunes Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
Jueves
Viernes
veh1 1veh1 1veh1
veh1 1veh1
1veh1
r Lunes Veh1 Veh2
Martes 1
Miércoles
Jueves
1
Viernes 1
1
ua Lunes Veh1 Veh2
Martes
Miércoles
1
Jueves
Viernes
1
1
w Lunes Veh1 Veh2
Martes
Miércoles Jueves 6000
Viernes 5714
Martes
Miércoles
Viernes
3586
v Lunes cliente.Veh1 cliente.Veh2
1
Jueves 1
1
inv Lunes CA
Martes 59
Miércoles 6000
Jueves 0
Viernes 2509
0
9
w=ruta Of: Max t1
w1 w2 w3 w4 w5
0 0 0 875 2770
t=dia de la semana Dias: 4 Zpro t2 t3 1600 0 1571 0 2770
Z=Kg CO2 t4 0 0 0 0 0
Obj $ 798.464
Ztotal
Martes 1veh1
Miércoles
t5 0 1634 0 875 0
Veh1 892
0 1634 1571 0 0 Veh2
728
164
u Lunes Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
Jueves
Viernes
2veh2 1veh1 1veh1
1veh1 1veh1
1veh1
r Lunes Veh1 Veh2
Martes 1
Miércoles
Jueves
Viernes
1
1 1
ua Lunes
Martes
Miércoles
Jueves
Veh1 Veh2
Viernes 1
1
w Lunes Veh1 Veh2
Martes 3645
Miércoles Jueves Viernes 5941 0 2509 3205
v Lunes cliente.Veh1 cliente.Veh2
Martes 1
Miércoles
Jueves
1
Viernes 1
1
inv Lunes CA
Martes 0
Miércoles Jueves 0 0
Viernes 0
0
1
w=ruta Of: Prom t1
w1 w2 w3 w4 w5
0 0 1050 585 3703
t=dia de la semana Dias:3 Z max t2 t3 1070 1092 1050 0 0
Z=Kg CO2 t4 0 0 0 0 0
Obj $ 580.831
Ztotal
Lunes
Martes 1veh2
Miércoles
1veh2 1veh2 1veh1
1veh2
t5 0 1092 0 585 0
Veh1 859
0 0 0 0 0 Veh2
657
202
u Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
Jueves
Viernes
1veh2
r Lunes Veh1 Veh2
Martes 1
Miércoles
Jueves
Viernes
1 1
ua Lunes
Martes
Veh1 Veh2
Miércoles
Jueves
1
Viernes 1
w Lunes Veh1 Veh2
Martes Miércoles 5338 3212
Jueves
Viernes 1677
v Lunes cliente.Veh1 cliente.Veh2
Martes 1
Miércoles
Jueves
1
Viernes 1
1
inv Lunes CA
Martes 0
Miércoles 0
Jueves 0
Viernes 0
0
2
w=ruta Of: Prom t1
w1 w2 w3 w4 w5
0 0 1050 585 3703
t=dia de la semana Dias:3 Z min t2 t3 1070 1092 1050 0 0
Z=Kg CO2 t4 0 0 0 0 0
Obj $ 714.918
Ztotal
Lunes
Martes 1veh1
Miércoles
1veh1 1veh2 1veh1
1veh1
t5 0 1092 0 585 0
Veh1 821
0 0 0 0 0 Veh2
665
156
u Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
Jueves
Viernes
1veh1
r Lunes Veh1 Veh2
Martes 1
Miércoles
Jueves
1
Viernes 1
1
ua Lunes
Martes
Veh1 Veh2
Miércoles
Jueves
1
Viernes 1
w Lunes Veh1 Veh2
Martes
Miércoles
Jueves
Viernes 4889
Martes
Miércoles
Jueves
Viernes
5338
v Lunes cliente.Veh1 cliente.Veh2
1
1
inv Lunes CA
Martes 3212
Miércoles 3212
Jueves 0
Viernes 4889
0
3
w=ruta Of: Prom t1
w1 w2 w3 w4 w5
0 0 1050 585 3703
t=dia de la semana Dias:3 Zpro t2 t3 1070 1092 1050 0 0
Z=Kg CO2 t4 0 0 0 0 0
Obj $ 585.373
Ztotal
Lunes
Martes 1veh2
Miércoles
1veh2 1veh2 1veh1
1veh1
t5 0 1092 0 585 0
Veh1 840
0 0 0 0 0 Veh2
662
178
u Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
Jueves
Viernes
1veh2
r Lunes Veh1 Veh2
Martes 1
Miércoles
Jueves
Viernes
1 1
ua Lunes
Martes
Veh1 Veh2
Miércoles
Jueves
1
Viernes 1
w Lunes Veh1 Veh2
Martes 5338
Miércoles
Jueves
3212
Viernes 1677
v Lunes cliente.Veh1 cliente.Veh2
Martes
Miércoles
1
Jueves 1
Viernes 1
inv Lunes CA
Martes 0
Miércoles 0
Jueves 0
Viernes 0
0
4
w=ruta Of: Min t1
w1 w2 w3 w4 w5
0 0 828 461 2920
t=dia de la semana Dias:3 Z max t2 t3 843 861 828 0 0
Z=Kg CO2 t4 0 0 0 0 0
Obj $ 513.679
Ztotal
Lunes
Martes 1veh2
Miércoles
1veh2 1veh2 1veh1
1veh2
t5 0 861 0 461 0
Veh1 885
0 0 0 0 0 Veh2
618
267
u Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
Jueves
Viernes
1veh2
r Lunes Veh1 Veh2
Martes 1
Miércoles
Jueves
Viernes
1 1
1
ua Lunes
Martes
Veh1 Veh2
Miércoles
Jueves
1
Viernes 1
1
w Lunes Veh1 Veh2
Martes 4209
Miércoles
Jueves
Viernes
2532 1322
v Lunes cliente.Veh1 cliente.Veh2
Martes 1
Miércoles
Jueves
Viernes
1 1
inv Lunes CA
Martes 0
Miércoles 0
Jueves 0
Viernes 0
0
5
w=ruta Of: Min t1
w1 w2 w3 w4 w5
0 0 828 461 2920
t=dia de la semana Dias:3 Z min t2 t3 843 861 828 0 0
Z=Kg CO2 t4 0 0 0 0 0
Obj $ 693.289
Ztotal
Lunes
Martes veh1
Miércoles
1veh1 1veh2 1veh1
veh1
t5 0 861 0 461 0
Veh1 794
0 0 0 0 0 Veh2
638
156
u Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
Jueves
Viernes
1veh1
r Lunes Veh1 Veh2
Martes 1
Miércoles
Jueves
1
Viernes 1
ua Lunes
Martes
Veh1 Veh2
Miércoles
Jueves
1
Viernes 1
w Lunes Veh1 Veh2
Martes
Miércoles
Jueves
Viernes 3854
Martes
Miércoles
Jueves
Viernes
4209
v Lunes cliente.Veh1 cliente.Veh2
1
1
inv Lunes CA
Martes
Miércoles Jueves Viernes 2532 2532 3854
0
6
w=ruta Of: Min t1
w1 w2 w3 w4 w5
0 0 828 461 2920
t=dia de la semana Dias:3 Zpro t2 t3 843 861 828 0 0
Z=Kg CO2 t4 0 0 0 0 0
Obj $ 550.535
Ztotal
Lunes
Martes 1veh2
Miércoles
1veh2 1veh2 1veh1
1veh2
t5 0 861 0 461 0
Veh1 840
0 0 0 0 0 Veh2
632
208
u Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
Jueves
Viernes
1veh2
r Lunes Veh1 Veh2
Martes 1
Miércoles
Jueves
Viernes
1 1
ua Lunes
Martes
Veh1 Veh2
Miércoles
Jueves
1
Viernes 1
w Lunes Veh1 Veh2
Martes 4209
Miércoles
Jueves
2532
Viernes 1322
v Lunes cliente.Veh1 cliente.Veh2
Martes 1
Miércoles
Jueves
1
Viernes 1
inv Lunes CA
Martes 0
Miércoles 0
Jueves 0
Viernes 0
0
7
w=ruta Of: Max t1
w1 w2 w3 w4 w5
0 0 1571 875 5540
t=dia de la semana Dias:3 Z max t2 t3 1600 1634 1571 0 0
Z=Kg CO2 t4 0 0 0 0 0
Obj $ 816.332
Ztotal
Lunes
Martes 1veh2
Miércoles
1veh1 1veh2 1veh1
2veh2
t5 0 1634 0 875 0
Veh1 995
0 0 0 0 0 Veh2
705
290
u Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
Jueves
Viernes
1veh2 1veh1
r Lunes Veh1 Veh2
Martes 2
Miércoles
Jueves
Viernes
1 1
ua Lunes
Martes
Veh1 Veh2
Miércoles
Jueves
1
Viernes 1
w Lunes Veh1 Veh2
Martes 6000 1986
Miércoles
Jueves
Miércoles
Jueves
5941
Viernes 2509 3205
v Lunes cliente.Veh1 cliente.Veh2
Martes 1 2
1
Viernes 1
inv Lunes CA
Martes 0
Miércoles Jueves 0 0
Viernes 0
0
8
w=ruta Of: Max t1
w1 w2 w3 w4 w5
0 0 1571 875 5540
t=dia de la semana Dias:3 Z min t2 t3 1600 1634 1571 0 0
Z=Kg CO2 t4 0 0 0 0 0
Obj $ 905.547
Ztotal
Lunes
Martes 1veh1
Miércoles
1veh1 1veh2 1veh1
2veh2
t5 0 1634 0 875 0
Veh1 895
0 0 0 0 0 Veh2
728
167
u Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
Jueves
Viernes
1veh1
r Lunes Veh1 Veh2
Martes 2
Miércoles
Jueves
1
Viernes 1
ua Lunes
Martes
Veh1 Veh2
Miércoles
Jueves
1
Viernes 1
w Lunes Veh1 Veh2
Martes 6000
Miércoles
Jueves
3300
Viernes 6000
v Lunes cliente.Veh1 cliente.Veh2
Martes 1
Miércoles
Jueves
1
Viernes 1
inv Lunes CA
Martes 1986
Miércoles Jueves 3491 3491
Viernes 0
0
9
w=ruta Of: Max t1
w1 w2 w3 w4 w5
0 0 1571 875 5540
t=dia de la semana Dias:3 Zpro t2 t3 1600 1634 1571 0 0
Z=Kg CO2 t4 0 0 0 0 0
Obj $ 900.944
Ztotal
Lunes
Martes 1veh1
Miércoles
1veh1 1veh2 1veh1
2veh2
t5 0 1634 0 875 0
Veh1 945
0 0 0 0 0 Veh2
726
219
u Ruta 1 Ruta 2 Ruta 3 Ruta 4 Ruta 5
Jueves
Viernes
1veh2
r Lunes Veh1 Veh2
Martes 2
Miércoles
Jueves
Viernes
1 1
ua Lunes
Martes
Veh1 Veh2
Miércoles
Jueves
1
Viernes 1
w Lunes Veh1 Veh2
Martes 6000
Miércoles Jueves Viernes 3300 0 6000
0
v Lunes cliente.Veh1 cliente.Veh2
Martes 1
Miércoles
Jueves
1
Viernes 1
1
inv Lunes CA
Martes 1986
Miércoles Jueves 3491 3491
Viernes 0
0