logística archivos - Página 2 de 3 - El blog de Víctor Yepes

Control eficiente de almacenes en obras: El método ABC

Figura 1. Método ABC para gestionar los inventarios

Ya hemos hablado de los almacenes de obra y su gestión en un artículo anterior. Ahora vamos a explicar brevemente cómo se pueden gestionar de forma eficiente a través del conocido método ABC.

Todos los sistemas de inventarios presentan un sistema de control cuya función es mantener un registro actualizado de los elementos almacenados, informar sobre el nivel de existencias, notificar las situaciones anormales y elaborar informes (Pérez Gorostegui, 2021). Sin embargo, un control minucioso solo sería necesario en unos pocos artículos, atendiendo al Principio de Pareto, según el cual, unos pocos artículos tienen mucha importancia, y muchos de ellos, poca. Este principio también suele llamarse como regla 80/20, que aplicado a un inventario significa que el 20 % de los elementos supone el 80 % de la inversión total, mientras que el 80 % de todos ellos, apenas supone el 20% de toda la inversión en stocks.

Se puede aplicar el Método ABC para controlar los elementos almacenados. Para ello se clasifican según su valor de uso anual (podría ser cualquier otro periodo), agrupándolos de acuerdo con el coste de su gasto anual: cantidad utilizada (consumida, vendida, empleada, etc.) coste unitario (o precio unitario). Para ello se dividen los elementos en tres grupos:

Grupo A: Suponen un porcentaje alto de la inversión total, de forma que, controlando este grupo, se tiene controlado casi todo el almacén. Representa generalmente el 10 % de los artículos, estando su valor de uso entre el 60 % y el 80 % del total.
Grupo C: Son aquellos cuyo control es poco interesante, pues siendo muy numeroso, su valor es pequeño. Suele ser el 50-70 % del total de artículos, significando solo entre el 5-10 % del valor total de uso
Grupo B: Tienen una importancia en relación al número de unidades del almacén parecida a la que tienen con referencia al valor total de la inversión del inventario. Abarca generalmente al 25 % de los artículos, y representa entre el 15-30 % del valor total de uso.

Lo sorprendente en este tipo de análisis es la similitud de la forma de las curvas ABC. En efecto, si el número de variedades es lo suficientemente grande, es similar con independencia del tipo de elementos almacenados.

Os dejo un vídeo explicativo al respecto.

Referencias:

PÉREZ GOROSTEGUI, E. (2021). Dirección de empresas. Editorial Universitaria Ramón Areces, 754 pp.

YEPES, V. (2008). Productivity and Performance, in Pellicer, E. et al.: Construction Management. Construction Managers’ Library Leonardo da Vinci: PL/06/B/F/PP/174014. Ed. Warsaw University of Technology, pp. 87-101. ISBN: 83-89780-48-8.

YEPES, V. (1997). Equipos de movimiento de tierras y compactación. Problemas resueltos. Colección Libro Docente nº 97.439. Ed. Universitat Politècnica de València. 256 pág. Depósito Legal: V-4598-1997. ISBN: 84-7721-551-0.

YEPES, V. (2022). Gestión de costes y producción de maquinaria de construcción. Colección Manual de Referencia, serie Ingeniería Civil. Editorial Universitat Politècnica de València, 243 pp. Ref. 442. ISBN: 978-84-1396-046-3

YEPES, V. (2023). Maquinaria y procedimientos de construcción. Problemas resueltos. Colección Académica. Editorial Universitat Politècnica de València, 562 pp. Ref. 376. ISBN 978-84-1396-174-3

Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.

Diagrama de recorrido como herramienta de estudio de métodos

Figura 1. Diagrama de recorridos (Velasco, 2014)

El diagrama planimétrico de flujo o diagrama de recorrido es una representación gráfica sobre plano del área en la cual se desarrolla la actividad, con las ubicaciones indicadas de los puestos de trabajo y el trazado de los movimientos de los hombres y/o de los materiales.

Por cierto, el material de este artículo forma parte del curso que puedes seguir en línea, en el siguiente enlace: https://ingeoexpert.com/cursos/curso-de-gestion-de-costes-y-produccion-de-la-maquinaria-empleada-en-la-construccion/

Es un diagrama que se emplea para establecer el recorrido de un solo producto o proceso. Tiene en cuenta las operaciones, inspecciones, demoras, transporte y almacenamiento. Se utiliza la misma simbología que la de un diagrama de proceso.

Este diagrama permite identificar las posibles áreas congestionadas, determinar los avances y retrocesos del proceso y facilitar el desarrollo de una mejor distribución de la planta. El objetivo, por tanto, es la mejora de métodos, eliminando o reduciendo los recorridos mediante la adecuada distribución en planta. El diagrama de recorrido puede ser bidimensional, o incluso tridimensional.

El diagrama de recorrido normalmente puede disponer dos formatos, uno referido al operario o la máquina, y otro relacionado con el material.

La manipulación de los materiales incrementa el coste de producción sin añadir valor al producto. Por tanto, para reducirla se recomienda lo siguiente:

Disponer los materiales a la altura en la que se va a trabajar con ellos.
Disminuir en lo posible las distancias que recorre el material manipulado.
Aprovecharse de la gravedad cuando sea posible.
Transportar la máxima cantidad posible.
Mantener despejados los lugares de paso.

Una buena disposición en planta del lugar de trabajo depende, entre otros, de los siguientes factores:

Peso, tamaño y movilidad del producto. Un producto pesado es difícil de manipular, requiriendo maquinaria específica. Por tanto, se debe mover lo menos posible.
Complejidad del producto. Un producto con muchas piezas pasará por distintos sitios, con más recorrido. En consecuencia, la disposición en planta tratará de reducir tiempo y energía reduciendo los transportes.
Duración del proceso. Si se dedica mucho tiempo al transporte, cualquier disminución del recorrido mejorará la productividad.

Normalmente, se aconseja utilizar el diagrama de análisis del proceso con el de recorrido cuando los procesos tienen un gran número de operaciones. En una obra normalmente los procesos son suficientemente sencillos para no ser necesario representar gráficamente lo que ocurre. Por tanto, el diagrama de recorrido sería de mayor utilidad en talleres y factorías.

Veamos a continuación algunos vídeos explicativos sobre el diagrama de recorridos.

Referencias:

HARRIS, F.; McCAFFER, R. (1999). Construction Management. Manual de gestión de proyecto y dirección de obra. Ed. Gustavo Gili, S.A., Barcelona, 337 pp. ISBN: 84-252-1714-8.

JORDAN, M.; BALBONTIN, E. (1986). Organización, planificación y control. Escuela de la Edificación, UNED, Madrid. ISBN: 84-86957-39-7.

PELLICER, E.; YEPES, V.; TEIXEIRA, J.C.; MOURA, H.P.; CATALÁ, J. (2014). Construction Management. Wiley Blackwell, 316 pp. ISBN: 978-1-118-53957-6.

VELASCO, J. (2014). Organización de la producción. Distribuciones en planta y mejora de los métodos y los tiempos. 3ª edición, Ed. Pirámide, Madrid. ISBN: 978-84-368-3018-7.

Curso:

Curso de gestión de costes y producción de la maquinaria empleada en la construcción.

Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.

Los algoritmos genéticos

Charles Darwin en una fotografía tomada por J.M. Cameron en 1869.

Resulta fascinante comprobar cómo, aplicando los mecanismos básicos de la evolución ya descritos por Darwin en su obra fundamental, El origen de las especies por medio de la selección natural, o la preservación de las razas preferidas en la lucha por la vida, publicada en 1859, se pueden generar algoritmos capaces de optimizar problemas complejos. Este tipo de metaheurísticas inspiradas en la naturaleza ya se comentaron en artículos anteriores cuando hablamos de la optimización por colonias de hormigas o de la cristalización simulada. Aunque es un algoritmo ampliamente conocido en la comunidad científica, voy a intentar dar un par de pinceladas con el único afán de divulgar esta técnica. La verdad es que las implicaciones filosóficas que subyacen a la teoría de Darwin son de una profundidad difícil de comprender cuando se llevan a sus últimas consecuencias. Pero el caso es que estos algoritmos funcionan perfectamente en la optimización de estructuras de hormigón, problemas de transporte y otros problemas difíciles de optimización combinatoria.

Para quienes estén interesados, os paso en las referencias un par de artículos en los que hemos aplicado los algoritmos genéticos para optimizar rutas de transporte aéreo o pilas de puente huecas de hormigón armado.

Sin embargo, para aquellos que queráis un buen libro para pensar, os recomiendo «La peligrosa idea de Darwin», de Daniel C. Dennett. A más de uno le hará quitar los cimientos más profundos de sus creencias. Os paso la referencia al final.

Básicamente, los algoritmos genéticos, o “Genetic Algorithms” (GA), simulan el proceso de evolución de las especies que se reproducen sexualmente. De manera muy general, se puede decir que en la evolución de los seres vivos, el problema al que cada individuo se enfrenta diariamente es el de la supervivencia. Para ello, cuenta, entre otras, con las habilidades innatas provistas por su material genético. A nivel de los genes, el problema consiste en buscar adaptaciones beneficiosas en un medio hostil y cambiante. Debido, en parte, a la selección natural, cada especie gana cierta “información” que se incorpora a sus cromosomas.

Durante la reproducción sexual, un nuevo individuo, diferente de sus padres, se genera mediante dos mecanismos fundamentales: el primero es el cruzamiento, que combina parte del patrimonio genético de cada progenitor para elaborar el del nuevo individuo; el segundo es la mutación, que supone una modificación espontánea de esta información genética. La descendencia será diferente de los progenitores, pero conservará parte de sus características. Si los hijos heredan buenos atributos de sus padres, su probabilidad de supervivencia será mayor que la de aquellos que no los tengan. De este modo, los mejores tendrán altas probabilidades de reproducirse y de transmitir su información genética a sus descendientes.

Holland (1975) estableció por primera vez una metaheurística basada en la analogía genética. Un individuo puede asociarse a una solución factible del problema, de modo que pueda codificarse como un vector binario “string”. Entonces, un operador de cruzamiento intercambia las cadenas de los padres para producir un hijo. La mutación se configura como un operador secundario que cambia, con una probabilidad pequeña, algunos elementos del vector hijo. La aptitud del nuevo vector creado se evalúa según una función objetivo.

Los pasos a seguir con esta metaheurística serían los siguientes:

Generar una población de vectores (individuos).
Mientras no se encuentre un criterio de parada:
1. Seleccionar un conjunto de vectores padres que serán reemplazados por la población.
2. Emparejar aleatoriamente a los progenitores y cruzarlos para obtener unos vectores hijos.
3. Aplicar una mutación a cada descendiente.
4. Evaluar a los hijos.
5. Introducir a los hijos en la población.
6. Eliminar a los individuos menos eficaces.

Normalmente este proceso finaliza después de un número determinado de generaciones o cuando la población ya no puede mejorar. La selección de los padres se realiza de forma probabilística hacia los individuos más aptos. Al igual que ocurre en la naturaleza, los sujetos con mayor aptitud difunden sus características a lo largo de toda la población.

Esta descripción de los GA se adapta a cada situación concreta, siendo habitual la codificación en números enteros en lugar de binaria. Del mismo modo, se han sofisticado los distintos operadores de cruzamiento y de mutación.

Os dejo a continuación un vídeo explicativo que he elaborado para mis clases de «Modelos predictivos y de optimización heurística de estructuras de hormigón«, del Máster Universitario en Ingeniería del Hormigón, de la Universitat Politècnica de València.

Referencias:

DENNETT, D.C. (1999). La peligrosa idea de Darwin. Galaxia Gutenberg. Círculo de Lectores, Barcelona.

HOLLAND, J.H. (1975). Adaptation in natural and artificial systems. University of Michigan Press, Ann Arbor.

MARTÍNEZ, F.J.; GONZÁLEZ-VIDOSA, F.; HOSPITALER, A.; YEPES, V. (2010). Heuristic Optimization of RC Bridge Piers with Rectangular Hollow Sections. Computers & Structures, 88: 375-386. ISSN: 0045-7949. (link)

MEDINA, J.R.; YEPES, V. (2003). Optimization of touristic distribution networks using genetic algorithms. Statistics and Operations Research Transactions, 27(1): 95-112. ISSN: 1696-2281. (pdf)

PONZ-TIENDA, J.L.; YEPES, V.; PELLICER, E.; MORENO-FLORES, J. (2013). The resource leveling problem with multiple resources using an adaptive genetic algorithm. Automation in Construction, 29(1):161-172. DOI:http://dx.doi.org/10.1016/j.autcon.2012.10.003. (link)

YEPES, V. (2003). Apuntes de optimización heurística en ingeniería. Editorial de la Universidad Politécnica de Valencia. Ref. 2003.249. Valencia, 266 pp. Depósito legal: V-2720-2003.

Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.

18 años de la lectura de mi tesis doctoral: Optimización heurística económica aplicada a las redes de transporte del tipo VRPTW

Hoy 4 de septiembre, pero del año 2002, tuve la ocasión de defender mi tesis doctoral titulada «Optimización heurística económica aplicada a las redes de transporte del tipo VRPTW«. La tesis fue dirigida por el profesor Josep Ramon Medina Folgado y el tribunal estuvo presidido por José Aguilar, acompañado por José Vicente Colomer, Francesc Robusté, Francisco García Benítez y Jesús Cuartero. La calificación fue de sobresaliente «cum laude» por unanimidad.

Por tanto, mi tesis ya ha cumplido la mayoría de edad. Es un buen momento para reflexionar sobre lo que este trabajo supuso para mí. La realicé a los 38 años, tras haber adquirido una buena trayectoria profesional en la empresa privada (Dragados y Construcciones) y en la administración pública (Generalitat Valenciana). De alguna forma, ya tenía la vida más o menos solucionada, con experiencia acumulada, pero con muchas inquietudes. En aquel momento era profesor asociado a tiempo parcial y, en mis ratos libres, me dediqué a hacer la tesis doctoral. Es innecesario decir las dificultades que supone para cualquiera sacar tiempo de donde no lo hay para hacer algo que, en aquel momento, era simplemente vocacional. No hubo financiación de ningún tipo, ni reducción de la jornada laboral, ni nada por el estilo. En aquel momento ni se me pasó por la cabeza que años después acabaría como catedrático de universidad. Entre 2002 y 2008 seguí trabajando como profesor asociado en la administración pública. Por último, gracias al sistema de habilitación nacional, accedí directamente a la universidad como profesor titular desde la categoría de profesor asociado, algo bastante inusual en aquel momento. Gracias a que era una verdadera oposición con el resto de candidatos, tuve la oportunidad de demostrar mi valía ante un tribunal. Luego la cátedra vino por el sistema de acreditación y la plaza, tras una larga espera a causa de la crisis y de las cuotas de reposición. Pasé en seis años de ser profesor asociado a tiempo parcial a estar habilitado como catedrático de universidad (12 de mayo de 2014). Todo eso se lo debo, entre otras cosas, a la gran producción científica que pude llevar a cabo y que tuvo su origen en esta tesis doctoral.

Por cierto, en aquella época la tesis doctoral tenía que ser inédita, es decir, ningún artículo de la tesis tenía que haberse publicado. Hoy en día es todo lo contrario: conviene tener de 3 a 4 artículos buenos antes de pasar por la defensa. Luego publiqué algunos artículos sobre este tema en revistas nacionales e internacionales, pero sobre todo en actas de congresos.

La tesis supuso, en su momento, aprender en profundidad lo que eran la algoritmia, el cálculo computacional y, sobre todo, la optimización heurística. En aquel momento, al menos en el ámbito de la ingeniería civil, no se sabía nada o muy poco al respecto, aunque era un campo muy activo a nivel internacional. Luego comprobé que todo lo aprendido se pudo aplicar al ámbito de las estructuras, especialmente a los puentes, pero esa es otra historia.

Os dejo las primeras páginas de la tesis y la presentación de PowerPoint que utilicé. Para que os hagáis una idea del momento, la presentación también la imprimí en acetato, ya que aún se empleaba la proyección de transparencias en las clases.

Referencia:

YEPES, V. (2002). Optimización heurística económica aplicada a las redes de transporte del tipo VRPTW. Tesis Doctoral. Escuela Técnica Superior de Ingenieros de Caminos, Canales y Puertos. Universitat Politècnica de València. 352 pp. ISBN: 0-493-91360-2.

Pincha aquí para descargar

Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.

Revisión de los métodos de optimización aplicados al consumo de energía en ferrocarriles

Acaban de publicarnos un artículo en la revista Journal of Cleaner Production, revista de ELSEVIER indexada en el primer decil del JCR. Se trata de un artículo de revisión del estado del arte donde se analizan 52 artículos científicos relacionados con el consumo energético en ferrocarriles. Se analizan dos áreas principales: las técnicas de modelización utilizadas para simular el movimiento de los trenes y el consumo de energía, y los métodos de optimización utilizados para conseguir una circulación ferroviaria más eficiente. Se describen brevemente los métodos más utilizados en cada caso y se analizan las principales tendencias encontradas. Además, se ha realizado un estudio estadístico para reconocer las relaciones entre los métodos y las variables de optimización. Se encontró que los modelos determinísticos basados en la ecuación de Davis son, con diferencia (85% de los trabajos revisados), los más comunes en términos de modelización. En cuanto a la optimización, los métodos meta-heurísticos son la opción preferida (57,8%), en particular los Algoritmos Genéticos. Este artículo forma parte de nuestra línea de investigación BRIDLIFE en la que se pretenden optimizar las infraestructuras atendiendo no sólo a su coste, sino al impacto ambiental y social que generan a lo largo de su ciclo de vida.

El artículo lo podéis descargar GRATUITAMENTE hasta el 3 de mayo de 2019 en el siguiente enlace: https://authors.elsevier.com/a/1YjHX3QCo9Uqa3

Abstract:

Railways are a rather efficient transport mean, and yet there is increasing interest in reducing their energy consumption and making them more sustainable in the current context of climate change. Many studies try to model, analyse and optimise the energy consumed by railways, and there is a wide diversity of methods, techniques and approaches regarding how to formulate and solve this problem. This paper aims to provide insight into this topic by reviewing up to 52 papers related to railways energy consumption. Two main areas are analysed: modelling techniques used to simulate train(s) movement and energy consumption, and optimisation methods used to achieve more efficient train circulations in railway networks. The most used methods in each case are briefly described and the main trends found are analysed. Furthermore, a statistical study has been carried out to recognise relationships between methods and optimisation variables. It was found that deterministic models based on the Davis equation are by far (85% of the papers reviewed) the most common in terms of modelling. As for optimisation, meta-heuristic methods are the preferred choice (57.8%), particularly Genetic Algorithms.

Keywords:

Railways

Energy efficiency

Modelling

Optimisation

Meta-heuristics

Reference:

MARTÍNEZ-FERNÁNDEZ, P.; VILLALBA-SANCHÍS, I.; INSA-FRANCO, R.; YEPES, V. (2019). A review of modelling and optimisation methods applied to railways energy consumption. Journal of Cleaner Production, 222:153-162. DOI:10.1016/j.jclepro.2019.03.037

Optimización heurística mediante aceptación por umbrales

En algunos posts anteriores hemos comentado lo que es un modelo matemático de optimización, qué son las metaheurísticas, o cómo poder optimizar las estructuras de hormigón. A continuación os presentamos un Polimedia donde se explica brevemente cómo podemos optimizar siguiendo la técnica de optimización heurística mediante aceptación por umbrales. Podréis comprobar cómo se trata de un caso similar a la famosa técnica de la cristalización simulada. Espero que os sea útil.

Podéis consultar, a modo de ejemplo, algunos artículos científicos que hemos escrito a ese respecto en las siguientes publicaciones:

CARBONELL, A.; GONZÁLEZ-VIDOSA, F.; YEPES, V. (2011). Heuristic optimization of reinforced concrete road vault underpasses. Advances in Engineering Software, 42(4): 151-159. ISSN: 0965-9978. (link)
MARTÍNEZ, F.J.; GONZÁLEZ-VIDOSA, F.; HOSPITALER, A.; YEPES, V. (2010). Heuristic Optimization of RC Bridge Piers with Rectangular Hollow Sections. Computers & Structures, 88: 375-386. ISSN: 0045-7949. (link)
YEPES, V.; MEDINA, J.R. (2006). Economic Heuristic Optimization for Heterogeneous Fleet VRPHESTW. Journal of Transportation Engineering, ASCE, 132(4): 303-311. (link)

Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.

Los condicionantes físicos en el emplazamiento de una obra

El espacio disponible, junto con las necesidades necesarias que se deben cubrir en una obra, son dos datos fundamentales para proyectar e implantar las instalaciones y planificar correctamente las tareas. Por ello, una correcta planificación debe considerar, entre otros, los siguientes aspectos: el solar, su situación geográfica, geometría, topografía y linderos, el emplazamiento respecto a la población, el planeamiento vigente, la calificación del suelo, el equipamiento urbano, las expropiaciones necesarias y servidumbres, etc. Es necesario un estudio geológico y geotécnico de la zona que ocupa la obra. Además, se debe conocer con precisión los condicionantes meteorológicos (temperatura, lluvia, viento, soleamiento, etc.). En obras marítimas también son necesarios estudios batimétricos, de clima marítimo, corrientes, etc.

Para el correcto desarrollo de las obras, se debe contar no sólo con el terreno necesario para la ocupación, sino que además, es necesario disponer, aunque sea de forma provisional, del espacio suficiente para las instalaciones de obra y los acopios de materiales, así como para obras provisionales inevitables como desvíos o ataguías. Además, resulta ineludible, en su caso, el acceso a las canteras o vertederos necesarios. Se aprovechan los desniveles para que la circulación de los materiales en las instalaciones sea por gravedad. En su caso, además, debe considerarse la necesidad de vallar el solar, o al menos, controlar sus accesos. Las aguas pluviales pueden dificultar el desarrollo normal de las obras, para lo cual se debe tener prevista la circulación y evacuación de dichas aguas. Para ello las pistas y caminos de obra deben drenar adecuadamente.

A este respecto, se distingue entre obras puntuales, lineales o extensas. Un ejemplo de las primeras son los edificios, donde los solares suelen ser pequeños con los consiguientes problemas de almacenamiento de materiales, instalaciones temporales, etc. Las obras lineales como las carreteras, los canales o las líneas ferroviarias, o las obras extensas como los aeropuertos o las urbanizaciones, presentan otros problemas como los transportes de materiales y equipos dentro de la obra, la reposición de servicios y servidumbres, o el control de los accesos, el vallado y la seguridad.

La elección del espacio necesario y de la situación óptima donde ubicar las instalaciones necesarias para ejecutar una obra es un problema que debe estudiarse con cierto detalle. En ocasiones tanto el espacio como su localización son datos fijos del problema, es decir, no existe la posibilidad de elegir alternativas. Por ejemplo, puede ocurrir que en una obra de edificación sólo podamos utilizar el propio solar o un solar anexo a la obra. Sin embargo, siempre que sea posible, es necesario dedicar el tiempo necesario para localizar la mejor opción posible. Hay que tener en cuenta que las personas y los materiales van a moverse por la obra de un sitio a otro. La elección de aquel lugar que minimice los movimientos va a tener una repercusión económica en los costes de ejecución de la obra. Una técnica de interés para estudiar la repercusión que tiene la localización de las instalaciones de una obra es el diagrama planimétrico de flujo o diagrama de recorrido. Se trata de una representación gráfica sobre plano del área en la cual se desarrolla la actividad, con las ubicaciones indicadas de los puestos de trabajo y el trazado de los movimientos de los hombres y de los materiales. Este tipo de gráfico muestra el trabajo realizado de forma clara y sencilla, permitiendo el estudio de cada actividad para realizar mejoras.

Referencias:

PELLICER, E.; YEPES, V.; TEIXEIRA, J.C.; MOURA, H.P.; CATALÁ, J. (2014). Construction Management. Wiley Blackwell, 316 pp. ISBN: 978-1-118-53957-6.

PELLICER, E.; YEPES, V.; TEIXEIRA, J.M.C.; MOURA, H.; CATALÁ, J. (2008). Construction Management. Construction Managers’ Library Leonardo da Vinci: PL/06/B/F/PP/174014. Ed. Warsaw University of Technology, 231 pp. ISBN: 83-89780-48-8.

¿Cuántas piezas de repuesto debo tener en mi almacén de obra?

La gestión de inventarios o stocks no es algo nuevo. Sin embargo, a veces no sabemos con exactitud cuántas piezas de repuesto deberíamos tener en nuestro almacén de obra. Pues bien, en esta entrada dejo una forma sencilla de calcularlo basada en la probabilidad prevista de fallos para un periodo de tiempo determinado. Espero que os sea útil.

Para un buen funcionamiento de una máquina es necesario mantener un stock de piezas de recambio y un utillaje adecuado. Si bien mantener estas existencias implica una fuerte suma de capital inactivo, también es cierto que la falta de recambios puede suponer pérdidas importantes en la producción.

La previsión de los repuestos necesarios de un elemento de una máquina para un periodo de tiempo determinado depende de su tasa de fallos.

A continuación, os dejo un Polimedia en el que se explica con detalle la función de distribución de Poisson. Espero que os sea útil.

Os dejo un vídeo de mi canal de Youtube donde os explico un problema resuelto.

Referencias:

YEPES, V. (1997). Equipos de movimiento de tierras y compactación. Problemas resueltos. Colección Libro Docente nº 97.439. Ed. Universitat Politècnica de València. 253 pág. Depósito Legal: V-4598-1997. ISBN: 84-7721-551-0.

Curso:

Curso de gestión de costes y producción de la maquinaria empleada en la construcción.

Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.

¿Qué es la optimización combinatoria?

Los problemas de optimización en los que las variables de decisión son enteras, es decir, donde el espacio de soluciones está formado por ordenaciones o subconjuntos de números naturales, se denominan problemas de optimización combinatoria. En este caso, se trata de hallar el mejor valor entre un número finito o numerable de soluciones viables. Sin embargo, la enumeración de este conjunto resulta prácticamente imposible, aun para problemas de tamaño moderado.

Las raíces históricas de la optimización combinatoria subyacen en ciertos problemas económicos: la planificación y la gestión de operaciones, así como el uso eficiente de los recursos. Pronto comenzaron a modelizarse de esta manera aplicaciones más técnicas, y hoy vemos problemas de optimización discreta en diversas áreas: informática, gestión logística (rutas, almacenaje), telecomunicaciones, ingeniería, etc., así como para tareas variadas como el diseño de campañas de marketing, la planificación de inversiones, la división de áreas en distritos políticos, la secuenciación de genes, la clasificación de plantas y animales, el diseño de nuevas moléculas, el trazado de redes de comunicaciones, el posicionamiento de satélites, la determinación del tamaño de vehículos y las rutas de medios de transporte, la asignación de trabajadores a tareas, la construcción de códigos seguros, el diseño de circuitos electrónicos, etc. (Yepes, 2002). La trascendencia de estos modelos, además del elevado número de aplicaciones, estriba en el hecho de que “contiene los dos elementos que hacen atractivo un problema a los matemáticos: planteamiento sencillo y dificultad de resolución” (Garfinkel, 1985). En Grötschel y Lobas (1993) se enumeran otros campos en los cuales pueden utilizarse las técnicas de optimización combinatoria.

REFERENCIAS

GARFINKEL, R.S. (1985). Motivation and Modeling, in LAWLER, E.L.; LENSTRA, J.K.; RINNOOY KAN, A.H.G.; SHMOYS, D.B. (eds.) The Traveling Salesman Problem: A Guide Tour of Combinatorial Optimization. Wiley. Chichester.

GRÖTSCHEL, M.; LÓVASZ, L. (1993). Combinatorial Optimization: A Survey. Technical Report 93-29. DIMACS, May.

YEPES, V. (2002). Optimización heurística económica aplicada a las redes de transporte del tipo VRPTW. Tesis Doctoral. Escuela Técnica Superior de Ingenieros de Caminos, Canales y Puertos. Universitat Politècnica de València. 352 pp. ISBN: 0-493-91360-2. (pdf)

Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.

Planificación de redes de transporte con baja demanda

La planificación y gestión de redes de distribución de baja demanda exigen contar con técnicas eficientes de optimización de rutas. El sistema de optimización de rutas disponible no solo afecta el desarrollo de operaciones, sino también las decisiones tácticas y estratégicas, como el tamaño óptimo de la flota, la estimación de costes, las políticas de publicidad y la rotura de servicio, etc. Por ejemplo, es habitual la venta de paquetes turísticos que incluyen el transporte; los precios se fijan mucho antes de que la demanda de transporte sea conocida, siendo frecuentes las cancelaciones de última hora y la llegada de nuevos clientes. Si el número de pasajeros que deben ser transportados es pequeño, en comparación con la máxima capacidad de carga del vehículo óptimo a la distancia correspondiente, los beneficios o pérdidas del transporte dependen críticamente de la eficiencia del sistema de optimización de rutas. La Figura muestra la influencia de la optimización de operaciones en la planificación y la gestión de redes de distribución de baja demanda.

Redes de baja demanda — Planificación y Gestión de Redes de Distribución de Baja Demanda

Así pues, la planificación y gestión de redes de distribución de baja demanda generan una variedad de problemas de decisión que dependen críticamente de la optimización de operaciones, con espacios de solución muy amplios y, además, crecientes exponencialmente con el número de destinos y el tamaño de la flota. Esta explosión combinatoria de soluciones y la complejidad de las variables a optimizar impiden que la optimización pueda abordarse con técnicas de optimización exactas; por el contrario, las técnicas metaheurísticas y probabilísticas son alternativas siempre viables que, aunque no garantizan alcanzar la solución óptima absoluta, sí pueden proporcionar buenas soluciones a problemas reales complejos (ver Díaz et al., 1996). En este contexto, los sistemas inteligentes son métodos apropiados para resolver problemas complejos de optimización combinatoria como el planteado (ver Goonatilake and Treleaven, 1996, Fayyard et al., 1996 y Medina, 1998). En este artículo, se ha utilizado un algoritmo genético originalmente diseñado para resolver el TSP para abordar problemas más complejos como el CVRP y el SCVRP, utilizando funciones de coste y restricciones muy variadas.

Por otro lado, el problema de optimización de las operaciones de transporte es crucial para la propia existencia de un cierto nicho de mercado de baja demanda. Si se consigue una distribución muy eficiente, es posible aflorar una demanda latente y satisfacerla con una flota pequeña y un costo razonable. Esta situación se produce en el mercado turístico con destinos poco masificados. En un ejemplo de aplicación presentado por Medina y Yepes (2003), se utiliza un aeropuerto hub, donde tanto para fijar precios como para definir la mejor estrategia comercial resulta imprescindible disponer de un sistema flexible para optimizar la distribución de pasajeros y de modelos estocásticos de simulación de escenarios.

Pantallazo rutas — Salida típica del programa de optimización de rutas

Referencias:

DÍAZ, A., GLOVER, F., GHAZIRI, H.M., GONZÁLEZ, J.L., LAGUNA, M., MOSCATO, P. y TSENG, F.T.(1996). Optimización Heurística y Redes Neuronales en Dirección de Operaciones e Ingeniería. Editorial Paraninfo S.A., Madrid (España).

FAYYARD, U.M., PIATETSKI-SHAPIRO, G., SMYTH, P., and UTHURUSAMI, R.(1996). Advances in Knowledge Discovery and Data Mining. MIT Press.

GOONATILAKE, S. and TRELEAVEN, P. (1996). Intelligent Systems for Finance and Business. John Wiley.

MEDINA, J.R.(1998). Algoritmos genéticos para la optimización de redes de distribución. Actas del X Congreso Panamericano de Ingeniería de Tránsito y Transporte. Santander 1998, Ministerio de Fomento (España), pp. 339-347.

MEDINA, J.R.; YEPES, V. (2003). Optimization of touristic distribution networks using genetic algorithms. Statistics and Operations Research Transactions, 27(1): 95-112. ISSN: 1696-2281. (pdf)