UNIVERSIDAD CATOLICA DE SANTA MARIA
ESCUELA PROFESIONAL DE INGENIERIA INDUSTRIAL
MEJORAMIENTO DEL SISTEMA
DETRANSPORTE DEL RECOJO DE RESIDUOS
DE BASURA APLICANDO
BASES DE DATOS EL MODELO DEL
Integrantes:
MAMANI SALOMAMANI RAUL
PUMACOTA HUMANI JORGE
TACO LLAYQUI STEFANO
Materia:
INVESTIGACION OPERATIVA
SECCIO
C
Fecha:
1 DE DICIEMBRE
AREQUIPA- 2019
EPÍGRAFE
“Estar preparado es importante, saber esperarlo es
aún más, pero aprovechar el momento adecuado es
la clave de la vida.”
Arthur Schnitzler
DEDICATORIA
A NUESTROS PADRES:
Por su paciencia, amor, cariño y
confianza que nos estimularon en la
ejecución del presente trabajo. A ellos
nuestro respeto y admiración.
A NUESTROS HERMANOS:
Nuestro reconocimiento por el apoyo
constante que supieron brindarnos, el
mismo que contribuyó a nuestra
formación integral y al logro de
nuestras aspiraciones.
AGRADECIMIENTOS
Nuestro a agradecimiento a nuestros
compañeros que participaron del estudio. El
presente trabajo se llevó a cabo gracias a sus
datos. Se les agradece por su colaboración
desinteresada y por haber compartido con
nosotros sus hábitos alimenticios.
Nuestro profundo agradecimiento también a
los ingenieros docentes de la Escuela
Profesional de Ingeniería Industrial por su
apoyo y preocupación constante en las
diferentes etapas del presente proyecto de
investigación experimental y por haber
contribuir en nuestra formación académica.
RESUMEN
En esta investigación se modelará matemáticamente algoritmo del
agente viajero, así también en el software, analizando hasta dónde fue
factible de resolverse el problema de los carros recolectores de una de las
rutas.
Las necesidades de una eficiente trayectoria de los carros
recolectores de desechos son un tema que ha propiciado una amplia
variedad de problemas en la población. Este problema se puede abordar
desde distintos enfoques, por ejemplo: minimización de tiempos, de costos
de traslado, o bien, desde el punto de vista de que todos los puntos sean
recabados, y en consecuencia la población quede satisfecha. Se tomó como
base la información histórica de una ruta de traslado actual.
INDICE DE CONTENIDO
EPÍGRAFE........................................................................................................................................... 2
DEDICATORIA.................................................................................................................................... 3
AGRADECIMIENTOS........................................................................................................................... 4
ÍNDICE DE TABLAS Y GRÁFICOS......................................................................................................... 5
RESUMEN........................................................................................................................................... 6
CAPÍTULO 1: INTRODUCCION............................................................................................................ 9
1.1 TÍTULO............................................................................................................................ 9
1.2 INTRODUCCIÓN............................................................................................................ 9
1.3 DESCRIPCIÓN DEL PROBLEMA.............................................................................10
1.4 OBJETIVOS DE LA INVESTIGACIÓN..........................................................................10
1.4.1 Objetivo general........................................................................................................ 10
1.4.2 Objetivos específicos................................................................................................ 10
1.5 HIPÓTESIS.................................................................................................................... 11
1.6 ALCANCE DEL PROBLEMA.....................................................................................11
1.7 JUSTIFICACIÓN........................................................................................................... 12
1.8 VARIABLES.................................................................................................................. 12
1.8.1 Variable independiente.................................................................................................... 12
1.8.2 Variables dependientes.................................................................................................... 12
CAPÍTULO 2: MARCO TEÓRICO........................................................................................................ 12
2.1 DEFINICIONES RELEVANTES.................................................................................. 12
2.2 MARCO REFERENCIAL............................................................................................. 20
2.2.1.-Ubicación........................................................................................................................ 20
2.2.2 Geografía......................................................................................................................... 21
2.2.3 Situación actual del manejo de residuos sólidos..............................................................22
2.2.4 Aplicación a Modelo de Optimización de Transporte de Residuos Sólidos.......................28
2.2.5 Optimización de Rutas en México.................................................................................... 29
2.2.6 Optimización de Rutas de residuos sólidos en Perú.........................................................33
CAPÍTULO 3...................................................................................................................................... 36
DESCRIPCIÓN DEL SISTEMA ACTUAL................................................................................................ 36
3.1 RECOLECCIÓN DE LA INFORMACIÓN..................................................................36
3.2 RESULTADOS DE LAS ENCUESTAS.....................................................................36
CAPÍTULO 4...................................................................................................................................... 37
EL MODELO PROPUESTO.................................................................................................................. 37
4.1 REQUERIMIENTOS NUTRICIONALES Y PROPIEDADES NUTRICIONALES DE
LOS ALIMENTOS..................................................................................................................... 37
CAPÍTULO 5...................................................................................................................................... 37
EVALUACIÓN.................................................................................................................................... 37
5.1 CUADROS COMPARATIVOS DE LA SITUACIÓN ACTUAL Y DE LA
SITUACIÓN PROPUESTA...................................................................................................... 37
CONCLUSIONES Y RECOMENDACIONES........................................................................................... 38
6.1 CONCLUSIONES......................................................................................................... 38
6.2 RECOMENDACIONES................................................................................................ 38
CAPÍTULO 1: INTRODUCCION
1.1 TÍTULO
MEJORAMIENTO DEL SISTEMA DETRANSPORTE DEL RECOJO DE
RESIDUOS DE BASURA APLICANDO EL MODELO DEL AGENTE
VIAJERO
1.2 INTRODUCCIÓN
Para la ciudad de Arequipa la recolección de residuos sólidos, la
distribución de rutas es elemento fundamental dentro de su visión
operativa y estratégica. Sin embargo, no es tratada de esta manera, y en
cambio la generación de rutas se convierte en un trabajo totalmente
empírico y sin tomar en cuenta principios teórico.
Es por ello que se aprovecha esta oportunidad de mejora para
desarrollar un sistema óptimo para el recojo de residuos sólidos. La idea
de generar un modelo para encontrar las distancias optimas de cada una
de las rutas que se recorre para el recojo de residuos sólidos y mejorar
de la rentabilidad
El siguiente proyecto tiene como objetivo implementar el método de
optimización de rutas y desarrollar los objetivos mencionados. El
documento incluye un análisis teórico de optimización de rutas y
específicamente de distribución de residuos sólidos.
.
1.3 DESCRIPCIÓN DEL PROBLEMA
En la actualidad, los métodos que se han utilizado para el transporte de las
compactadoras en el recojo de desechos están muy aislados de algoritmos
matemáticos y en consecuencia, de la optimización de estas actividades. Por
consiguiente, podemos encontrar diversas dificultades en las tareas como son;
que en la actualidad no se cuente con un desplazamiento en todos los puntos
necesarios, que los camiones tengan que esperar más tiempo de lo necesario
o que bien se deje de recoger cierta cantidad de desechos, así también el largo
tramo que algunas personas deban recorrer para dejar los desechos
1.4 OBJETIVOS DE LA INVESTIGACIÓN
1.4.1 Objetivo general
Construir un MODELO DE OPTIMIZACIÓN DE RUTAS
mediante los métodos del agente viajero y la ruta más corta,
para el recojo de residuos sólidos de la ciudad de Arequipa.
1.4.2 Objetivos específicos
Recopilar información del recorrido que realizan las
compactadoras encargadas del recojo de residuos sólidos
Elegir nuestro marco referencial, el cual será estudiado para
construir un modelo de optimización de rutas para el recojo de
residuos sólidos.
Realizar un análisis situacional de cómo se realiza dicha
actividad en la actualidad
Evaluar los resultados obtenidos en el campo.
1.5 HIPÓTESIS
La aplicación del modelo del agente viajero nos ayudará a determinar la ruta
óptima del camión recolector de basura para economizar costos y recorrido
1.6 ALCANCE DEL PROBLEMA
El presente trabajo tiene como marco de Arequipa, específicamente los
sectores de:
Urb. Las Casurinas
Urb. Satelite chico
Urb. Satelite grande
Urb. Juan Pablo Vizcardo y Guzman
Urb. Santa Maria II
Urb. Rodantes del sur
Urb. Villa del mar
UPIS Sta. Lourdes
Urb. Santa Clara
Pueblo tradicional los olivos
PJ 13 de Enero
Urb. Alto de la luna
Av. EEUU
Se tomará en cuenta únicamente las distancias relevantes que existe de
esquina a esquina para determinar la ruta óptima e insertarlo al software
LINDO.
1.7 JUSTIFICACIÓN
1.8 VARIABLES
1.8.1 Variable independiente
Aplicación del MODELO DE OPTIMIZACIÓN para el recojo de
residuos sólidos
1.8.2 Variables dependientes
Variable de decisión:
Un Arco específico de recorrido; si forma parte del recorrido o
no.
Variables de la función objetivo
Distancia de recorrido.
CAPÍTULO 2: MARCO TEÓRICO
2.1 DEFINICIONES RELEVANTES
INVESTIGACIÓN DE OPERACIONES
Es una rama de las matemáticas que hace uso de modelos matemáticos y
algoritmos con el objetivo de ser usado como apoyo a la toma de
decisiones. Se busca que las soluciones obtenidas sean significativamente
más eficientes (en tiempo, recursos, beneficios, costos, etc) en comparación
a aquellas decisiones tomadas en forma intuitiva o sin el apoyo de una
herramienta para la toma de decisiones.
OPTIMIZACIÓN
Tiene que ver con la eficiencia (que utilicemos los recursos de la mejor
forma posible, obteniendo los mayores beneficios con
los mínimos costes). La eficiencia tiene una estrecha relación con la
eficacia (ya que esta hace énfasis en los resultados, lograr objetivos,
crear valores) para optimizar recursos no tendría que ser solo eficiente
sino que también ser eficaz.
[JoseManuel, 1999]
En matemáticas la optimización o programación matemática intenta dar
respuesta a un tipo general de problemas donde se desea elegir el mejor
entre un conjunto de elementos.
Maciel, M. (2000). Introducción a la Optimización Numérica. Noviembre 15,
2016, de la Universidad Nacional del Sur
MODELO MATEMÁTICO
Un modelo matemático se define como una descripción desde el punto de vista
de las matemáticas de un hecho o fenómeno del mundo real, desde el tamaño
de la población, hasta fenómenos físicos como la velocidad, aceleración o
densidad. El objetivo del modelo matemático es entender ampliamente el
fenómeno y tal vez predecir su comportamiento en el futuro.
[Celedón, 2012].
PROGRAMACIÓN MATEMÁTICA
La programación matemática ha mostrado ser una herramienta muy eficiente
en la solución de problemas de optimización, por su gran versatilidad para
modelar problemas asociados con la optimización, y porque en la actualidad,
gracias a los grandes avances teóricos en el área y los impresionantes logros
electrónicos, los ordenadores modernos son capaces de dar excelentes
soluciones en tiempos razonables. Un programa matemático tiene la forma:
Optimizar:
f(x1,x2,...,xn)
Sujeto a: g1(x1,x2,...,xn) <= b1
g2(x1,x2,...,xn) <= b2
...
gm(x1,x2,...,xn) <= bm
O en forma abreviada:
Opt f(x)
s.a. g(x) <=b
Donde:
f: RnR , x∈ Rn , g: Rn Rm b∈ Rm
La función f denominada función objetivo, es una función definida de un
dominio de Rn sobre R, y representa una descripción matemática del
objetivo que se pretende alcanzar con el problema planteado.
El vector X es el vector de variables instrumentales o variables de
decisión, de entre cuyos valores posibles se trata de elegir aquél o
aquellos que proporcionen el valor óptimo de la función f.
Conjunto de oportunidades, denominaremos así al conjunto de puntos x
∈ Rn que verifican todas y cada una de las restricciones y al mismo
tiempo pertenecen al dominio de definición de la función.
MODELO DE PROGRAMACIÓN MATEMÁTICA
Como indica Maynard Kong en su libro “Investigación de Operaciones”,
para resolver un problema de optimización primero se formula un modelo
del problema mediante un problema matemático y luego se resuelve el
programa matemático. A partir de la definición o enunciado del
problema, los pasos que usualmente se aplican para la formulación o
propuesta del modelo son las siguientes:
- Se identifican la cantidad o variable de salida que se desea optimizar
y las variables de decisión o de entrada x 1 , x 2, x 3 , de las que
depende y se expresa la primera como una función matemática de
laGs últimas.
- Se determinan las condiciones, requisitos y limitaciones y se
expresan mediante restricciones matemáticas que se imponen a las
variables de decisión.
- Se incluyen condiciones adicionales que no aparecen de manera
explícita pero que deben cumplirse en el problema real, por ejemplo,
si algunas variables de decisión han de tomar valores iguales a cero,
o si deben tener valores enteros. Una vez obtenido el modelo del
programa matemático se procede a resolverlo aplicando los métodos
y técnicas de optimización; esto es, hallar el valor óptimo, si existe, y
una solución óptima, o algunos valores en los cuales las variables de
decisión proporcionan el valor óptimo.
Taquia, J. (2013). Optimización de rutas en una empresa de recojo de
residuos sólidos en el distrito de los Olivos. Noviembre 15,2016
HERRAMIENTA DE SOFTWARE LINDO
LINDO es un intuitivo programa para resolver problemas de
optimización matemática, en particular de programación lineal
(continuos, enteros y binarios). El nombre de LINDO es un
acrónimo de Linear, INteractive, and Discrete Optimizer. El
presente pretende ser un escueto manual de LINDO, por lo cual
aborda lo más general de este programa sin detenerse en
detalles.
[Miguel Mata, 2015]
FORMULACIÓN DEL PROBLEMA DE PROGRAMACIÓN LINEAL
En las situaciones reales, el analista se enfrenta a “decisiones sí o no”, las que
pueden representarse con variable denominadas binarias. Cuando sólo es
necesario que algunas de las variables sean enteras y el resto continuas, el
modelo recibe el nombre de problema de Programación Lineal .Esta
clasificación incluye modelos que además de tener variables enteras no
negativas y variables continuas, tienen también variables binarias
(Hillier y Lieberman, 2002).
MODELOS DE RED
Los modelos de transporte y asignación que estudiamos en las secciones
anteriores forman parte de un tipo más general de modelos, en los cuales
intervienen orígenes y destinos, conocidos como modelos de red.
Comenzaremos ilustrando una forma más general del modelo de transporte,
llamada modelo de transbordo. Con este ejemplo a la mano estaremos en
condiciones de considerar el modelo de red y su importancia, tanto teórica
como práctica, además de varias formas especiales del modelo.
Investigación de Operaciones G.D. Eppen 5ta Edición
ALGORITMO DE ARBOL DE EXPANSION MINIMA
El algoritmo de árbol de expansión mínima enlaza los nodos de una red, en
forma directa o indirecta, con la mínima longitud de las ramas enlazantes. Una
aplicación característica es en la construcción de carreteras pavimentadas que
unen varias poblaciones. El camino entre dos poblaciones puede pasar por uno
o más poblaciones adicionales. El diseño más económico del sistema de
caminos indica que se minimice la distancia total de caminos pavimentados,
resultado que se obtiene implementando el algoritmo de árbol de expansión
mínima. Los pasos del procedimiento son los siguientes. Sea N {1, 2, ..., n} el
conjunto de nodos de la red, y se definen
Ck = Conjunto de nodos que se han conectado en forma permanente en la
iteración k
Ck = Conjunto de nodos que todavía se deben conectar en forma permanente
Investigación de operaciones Séptima edición Hamdy A. Taha
MODELO DE LA RUTA MAS CORTA
El modelo de la ruta más corta se refiere a una red en la cual cada arco
(i, j) tiene asociado un número, Cij, el cual se interpreta como la
distancia (o tal vez el costo o el tiempo) desde el nodo i hasta el nodo j.
Una ruta o camino entre dos nodos es cualquier secuencia de arcos que
los conecte. El objetivo consiste en encontrar las rutas más cortas (o de
menor costo o más rápidas) desde un nodo específico hasta cada uno
de los demás nodos de la red.
Se tienen n nodos, partiendo del nodo inicial 1 y terminando en el nodo
final n.
Arcos bi-direccionales conectan los nodos con distancias mayores que
cero.
Se desea encontrar la ruta de mínima distancia que conecta el nodo 1
con el nodo n.
Por medio de la aplicación del algoritmo de este problema podemos
conocer la menor distancia entre un nodo origen y un nodo destino.
PASOS A SEGUIR
1. Elaborar un cuadro con todos los nodos y los ramales que salen de él.
2. Partiendo del origen, debemos encontrar el nodo más cercano a él.
3. Anular todos los ramales que entren al nodo más cercano elegido.
4. Comenzando en el origen se debe encontrar el nodo más cercano a él,
por intermedio del(los) nodo(s) ya elegido(s) y volver al tercer paso hasta
llegar al destino
FORMULACION DE LA RUTA MAS CORTA EN PROGRAMACION LINEAL
Las formulaciones son generales, en el sentido que se pueden usar para
determinar la ruta más corta entre dos nodos cualesquiera de la red. A este
respecto, las formulaciones de programa lineal son equivalentes al algoritmo
de Floyd. Suponga que la red de ruta más corta tiene n nodos, y que se desea
determinar la ruta más corta entre dos nodos cualesquiera s y t de la red.
A. Formulación 1: En esta formulación se supone que entra a la red una
unidad externa de flujo en el nodo s y sale en el nodo t, siendo s y t dos
nodos entre los que se busca determinar la ruta más corta.
Se definen
xij =cantidad de flujo en el arco (i, j) para toda i y j factibles
cij = longitud del arco (i, j) para toda i y j factibles
Como sólo puede haber una unidad de flujo en algún arco en cualquier
momento, la variable xij debe asumir solamente valores binarios (0 o 1).
Así, la función objetivo del programa lineal se vuelve:
Minimizar z= ∑ CijXij
todos losarcos
deifinidos (i , j)
Hay una restricción que representa la conservación de flujo en cada nodo;
esto es, en cualquier nodo j,
Flujo total que entra =Flujo total que sale
B. Formulación 2: La segunda formulación es en realidad el problema dual
del programa lineal en la formulación 1. Como la cantidad de
restricciones en la formulación 1 es igual a la cantidad de nodos, el
problema dual tendrá tantas variables como cantidad de nodos haya en
la red. También, las variables duales no deben estar restringidas, porque
todas las restricciones de la formulación 1 son ecuaciones.
Sea
Yj =la restricción dual asociada al nodo j
Como s y t son los nodos inicial y terminal de la red, el problema dual se
define como sigue:
Maximizar z = Yt -Ys
Sujeta a:
Yj-Yi ≤ Cij para toda i y j factibles
Signo no restringido para toda yi y yj
Investigación de Operaciones G.D. Eppen 5ta Edición
SISTEMA DE RUTEO
Es la tercera herramienta que se utiliza en redes complejas con esquemas de
distribución extensivo y con muchos puntos de entrega. Estos sistemas buscan
reducir el costo de transporte optimizando el aprovechamiento de los camiones,
maximizando la cantidad de puntos de entrega a atender y la cantidad bultos a
colocar en los mismos.
(Dr. José L. Losada. (2008). Sistemas de Información en Procesos Logísticos. 11
marzo, de Tecno logística Consultores)
DEPÓSITOS
Los depósitos son los botaderos de residuos sólidos, son espacios donde al
inicio y final del recorrido se ubican los vehículos y materiales a transportar.
Brutti y Umaña (2002)
VEHÍCULOS
Según la información proporcionada por la fuente, los vehículos se manejan en
base a su capacidad máxima de almacenamiento. Pueden ser clasificados por
peso y volumen. En general, cada vehículo tiene asociado un costo fijo en el
que se incurre al utilizarlo y un costo variable proporcional a la distancia que
recorre.
En el caso de que los atributos sean los mismos para todos los vehículos se le
llama flota homogénea, mientras que cuando hay diferencias, se llama flota
heterogénea. La cantidad de vehículos disponibles podría ser una variable de
entrada o una variable de decisión. El objetivo más usual suele ser utilizar la
cantidad mínima de vehículos y minimizar la distancia recorrida suele
encontrarse en segundo lugar.
EL PROBLEMA DEL AGENTE VIAJERO (TSP)
En el Problema del Agente Viajero - TSP (Travelling Salesman Problem), el
objetivo es encontrar un recorrido completo que conecte todos los nodos de
una red, pasando por estos tan solo una vez y regresando al punto de partida,
y que además la distancia total recorrida sea la mínima posible. Este tipo de
problemas tiene gran aplicación en el ámbito de la logística y distribución, así
como en la programación de curvas de producción.
(Taha, 2012, p. 210.)
El problema puede formularse como:
Esta formulación fue propuesta por Dantzig, Fulkerson y Johnson Las variables
binarias Xij indican si el arco (i, j) es utilizado en la solución. La función objetivo
establece que el costo total de la solución es la suma de los costos de los arcos
utilizados.
2.2 MARCO REFERENCIAL
2.2.1.-Ubicació n
El Distrito de Cayma se encuentra ubicado en la Provincia y
Departamento de Arequipa; situado al Sur-este del distrito de Arequipa
a una distancia. Se ubica a una altitud de 2,310.00 m.s.n.m. entre los
meridianos 16°25¨04” de Latitud Sur y 71°31¨48” de Longitud Oeste,
posee una extensión territorial de 11.06 Km2, que representa el 10%
del área total de la Provincia de Arequipa.
2.2.2 Geografía
El distrito Cayma posee una extensión de 11069989 ha. Parte del
territorio tiene una fisiología y topografía con terrazas no muy altas. El
distrito tiene una pendiente que varía entre 0% y 10%, este territorio
plano comprende aproximadamente 850 Hectáreas, que equivale a
78.5% del Área Total. El 21.50% (232.50 Hectáreas) del territorio tiene
una fisiografía y topografía con terrazas no muy altas, cuyas
pendientes varían entre 10% a 25% aproximadamente.
Gráfico 1 Plano geológico distrital
Se muestra el plano geológico del distrito en la figura. Donde se
muestra el tipo de terreno eluvial, aluvial volcánico, aluvial reciente,
flujos de lodo, etc.
2.2.3 Situació n actual del manejo de residuos só lidos
A. Aspectos Gerenciales y Administrativos
La Organización del Servicio
La municipalidad es la responsable del manejo adecuado de los
residuos sólidos según la Ley General de Residuos, Ley N°27314. La
responsabilidad de brindar el servicio recae en la Sub Gerencia de
Medio Ambiente y Servicios a la Comunidad, dependiente de la
Gerencia de Servicios a la Ciudadanía, dependiente de la Gerencia
Municipal.
El servicio de limpieza pública abarca el barrido de calles y avenidas;
limpieza de parques y jardines; la recolección, almacenamiento y
disposición final de los residuos sólidos.
Siendo el servicio aplicable a todos los residuos sólidos que son
competencia del ámbito municipal, no siendo incluidos los residuos bio-
contaminados generados en clínicas, tópicos, policlínicos del distrito; ni
escombros de material de construcción, así como de residuos
peligrosos industriales.
Se muestra en la siguiente figura la estructura orgánica de la
municipalidad y de que gerencias depende el manejo de los residuos
sólidos domiciliarios.
B. Caracterización de Residuos Sólidos
Generación Per cápita
Según el estudio de caracterización de residuos domiciliarios realizado
en el mes de Julio del presente año por la Municipalidad Distrital se
determinó que la generación per cápita de Residuos Sólidos
Domiciliarios es de 0.35 kg/habitantes/día.
Generación Total de Residuos Sólidos Domiciliarios
La generación por cada habitante en el Distrito Cayma es de 0.35
kg/hab/día y la generación domiciliaria es de 29.43 ton/día, esto con
una población proyectada al 2015 de 84,061 habitantes, el cálculo se
muestra a continuación en el siguiente cuadro:
Tabla 1 Determinación de residuos sólidos domiciliarios
Generación de los residuos sólidos de barrido de calles
La Generación de los residuos sólidos de barrido de calles se muestra
en el cuadro.
Tabla 2 Generación de residuos sólidos de barrido de calles
Cálculo de la Generación total de Residuos Sólidos en el distrito
La generación total de residuos sólidos corresponde a la sumatoria de
residuos sólidos domiciliarios y no domiciliarios.
Tabla 3 Generación total de residuos sólidos en el dsitrito
Densidad de residuos sólidos
La densidad suelta obtenida para los residuos sólidos de origen
domiciliario en el distrito de Cayma para el año 2019 es de 163.02
kg/m3. En el siguiente cuadro se muestra la densidad suelta diaria.
Tabla 4 Densidad suelta de residuos domiciliarios
Composición física de los residuos sólidos
Los resultados de la composición física de los residuos sólidos se
obtuvieron del estudio de caracterización de los residuos sólidos
elaborado en el presente año, se muestran los valores promedios
obtenidos en la siguiente tabla y en la figura.
Tabla 5 Composición física de los residuos sólidos
Gráfico 2 Composición porcentual de residuos sólidos domiciliarios
C. Recolección:
La etapa de recolección de los Residuos Sólidos en el distrito Cayma
está encargada de la Subgerencia de Limpieza Pública. Se realiza de
acuerdo al programa de recolección de residuos sólidos, en el cual se
indican las zonas, rutas, frecuencias de recojo. Actualmente en el
distrito existe una cobertura de recolección de residuos sólidos cercana
al 99%. Esto se debe a la reciente adquisición de 04 compactadores en
los últimos 05 años. Gracias a esto se puede abarcar las zonas del
distrito en las cuales el servicio de recolección era irregular,
mejorándose así el servicio.
La recolección se realiza con vehículos recolectores tipo
compactadores y un volquete. En total se cuenta con 08 vehículos
recolectores de tipo compactadoras de capacidad que va desde los 12
m3 hasta 19 m3, además de un volquete de capacidad de 22 m3. Por
eso las quejas de vecinos, reclamos por incumplimientos de turnos,
horarios ya no se producen con la frecuencia de años anteriores debido
a la falta de regularidad en el servicio por la falta de compactadoras. Se
cuenta además con personal: choferes, ayudantes para la recolección,
etc.
En la tabla 7 se muestran las características de los vehículos
recolectores.
2.2.4 Aplicació n a Modelo de Optimizació n de Transporte de
Residuos Só lidos
Usualmente, las rutas en el transporte de residuos sólidos son
generadas por criterio del Supervisor General de Operaciones en
conjunto con los choferes de la municipalidad a recorrer, lo cual brinda
deficiencias en el modelo propuesto: numerosas repeticiones de
recorrido en las calles del mapa para poder abarcar todo el camino, y
selección de caminos muy largos debido a no haber un criterio de
minimización de recorrido; sin embargo, este estudio es importante
teniendo en cuenta los altos costos del servicio para la recolección,
manejo y transporte de residuos sólidos(Pérez, 2006).
Entre las razones por las que no se realizan los métodos de
optimización de rutas se encuentran los costos de implementación de
los sistemas y la falta de conocimiento de parte de los Jefes de
Operaciones en implementación de proyectos relacionados al tema.
A continuación se presentan investigaciones sobre optimizaciones de
rutas realizadas en distintas partes del mundo. El objetivo es encontrar
los métodos que generen mayor solidez al ejecutarse juntos y que
mejor se adapten al escenario de una asociación de recojo de residuos
sólidos reciclables peruana, con operaciones en Arequipa.
2.2.5 Optimización de Rutas en México
En el 2006, Jesús Racero y Edgar Pérez propusieron una solución al
tema de recolección, manejo y transporte de residuos sólidos
domiciliarios para Ciudad Victoria en México conscientes de las
diferentes características adaptadas de la realidad, y ajustando su
modelo a ellas. La finalidad fue obtener un diseño óptimo de
recolección, establecer la cantidad y tipo de unidades y el horario ideal
para el ruteo, y así evitar inconvenientes a la población.
El termino desarrollado en la propuesta fueron las macro rutas, el cual
se refiere a la división de la ciudad en sectores operativos y luego la
determinación del número de camiones necesarios en cada una y la
asignación de un área del sector a cada vehículo recolector. Para ellos
se inicia con la sectorización, que divide la ciudad en sectores, en caso
fuera factible debido a su dimensión y teniendo en cuenta las
características geográficas. Luego la zonificación, la cual consiste en
dividir cada sector en zonas que serán cubiertas por un vehículo
recolector durante la semana.
Con respecto a la población, el documento estimo la vida de un
proyecto de recolección de entre 5 y 8 años, por lo que calcula
necesario estimar la población durante 10 años.
Con respecto a la frecuencia de recolección, el documento habla de
una recolección mínima de 2 veces por semana y se trata de minimizar
debido a los costos de este servicio. Debe considerarse sin embargo, el
efecto de costumbre y conformidad en la población, lo cual no haría
posible esto en el modelo peruano.
Un término relevante para la diferenciación de la optimización de rutas
de residuos sólidos es la distancia productiva, que es aquella en donde
se cargan residuos sólidos. La no productiva, se llaman distancia
muerta. Se tiene entonces la siguiente formula de distancia cubierta en
la recolección, donde km denota a dicha distancia:
El objetivo de esta fórmula es que exista una igualdad, es decir que los
km recorridos sean iguales a los proyectados. Si la distancia
proyectada fuera mucho mayor que la real, significaría que el tiempo
disponible no alcanzaría para hacer la tarea. Y si en cambio, la
distancia real ejecutada fuera mucho mayor a la proyectada, sobraría
tiempo y habría gastos innecesarios.
El diseño de la ruta busca aumentar el valor de a, lo que significa que
las distancias productivas sean máximas, usualmente se encuentra
entre 0.9 y 0.6. El número de vehículos necesarios, denotado por Nv ,
se calcula de la siguiente manera:
Donde:
G = producción de residuos sólidos en Kg/hab/día
Fr = Factor de reserva
K = Factor de cobertura
N = Número de viajes por turno
C = Capacidad del vehículo en Kilogramos
dh = días hábiles
h, se calcula de la siguiente
El tamaño de la cuadrilla de recolección ideal, denotado por Nr, se
calcula por:
Donde:
R = Rendimiento en kg/Hombre/h
H = Duración de la Jornada en horas
Luego de efectuar la zonificación, se diseñan las rutas en detalle, para
lo que se toma en cuenta la traza urbana y topografía de la localidad, el
ancho y tipo de calles, el método de recolección, el equipo de
recolección, la densidad de población y la generación de residuos
sólidos.
Después de todo el proceso anterior, se designa el microruteo. Este
hace referencia al recorrido específico que deben realizar diariamente
los vehículos recolectores de residuos sólidos. Las variables relevantes
para tomar en cuenta son el plano del lugar, el método de recolección.
El equipo de recolección, la densidad de población y la generación de
residuos sólidos.
Los métodos más recomendables para el microruteo son los
determinísticos.
En el documento, Racero y Pérez señalan dos como los más
importantes; el algoritmo de Little para resolver el problema del agente
viajero, enfocado en una demanda discreta, para tiempos de parada fija
o en esquinas; y el algoritmo del cartero chino, para una demanda
continua, de recolección tipo acera, intradomiciliaria o similar.
Para el caso más ajustado a la realidad de recolección de residuos, el
algoritmo del cartero chino es una aplicación de la solución de redes de
flujo con arcos dirigidos. Se utiliza el circuito Euler, que hace referencia
a toda ruta continua que cubra cada arco de la red al menos una vez.
Si los arcos tienen más de una dirección, se pueden utilizar reglas muy
sencillas para saber si hay solución de ruta Euler, la cual debe ser
impar. En este problema la ruta buscada es la que reduce la distancia
viajando a lo largo de las calles (arcos) un sentido único de regreso a
su central de correos.
Como conclusión, los autores expresan que es importante conocer las
limitaciones de los algoritmos de los modelos. También que un sistema
de rutas bien diseñado trae como consecuencia que el servicio de
recolección y transporte de residuos sea eficiente, basándose en la
reducción de costos de operación y mantenimiento, reducción de las
distancias muertas, aprovechamiento de la capacidad de los vehículos
recolectores y mayor colaboración del personal al darse cuenta que los
nuevos recorridos le permiten ahorrar trabajo improductivo. Es
importante también acotar que el documento comenta la importancia de
informar adecuadamente al público en general, mediante
fundamentación lógica pues es necesaria su aprobación.
2.2.6 Optimización de Rutas de residuos sólidos en Perú
III-150 - DISEÑO DE RUTAS ÓPTIMAS DE RECOLECCION DE
RESIDUOS SOLIDOS DOMESTICOS MEDIANTE EL SOFTWARE
MARS
El presente trabajo de investigación es una contribución al manejo de
los residuos sólidos y que por lo tanto constituye una herramienta
técnica para la solución de problemas tan complejos como son las
rutas de recolección de residuos sólidos, para lo cual se utilizó el
algoritmo de ramificación y se utilizó un programa en VISUAL BASIC
para EXCEL denominado MARS V.13, con el propósito que pueda ser
usado por todas aquellas personas interesadas en el tema. En este
sentido se presentan las conclusiones del estudio.
• En primer lugar, se puede afirmar, que los modelos determinísticos
presentan dificultades de los programas computarizados para rutas de
recolección y entre ellas tenemos a las siguientes: requieren una base
de datos muy amplia, dificultad a la hora de ingreso de datos, dificultad
a la hora de modificar y sobre todo que no dan opción a elegir rutas
alternas, por lo que el programa MARS ha sido diseñado pensando en
que el usuario no va a requerir mayor conocimientos que los utilizados
en MICROSOFT EXCEL.
• Para el presente estudio se ha utilizado el algoritmo de ramificación
porque permite elegir de un conjunto de soluciones factibles la que
mejor se adapte a cada caso particular. Además se tomó como criterio
que la menor ruta es aquella que tiene menor recorrido (o menor
distancia total) y que por lo tanto es la de menor costo.
• Otro aspecto importante de la investigación es que no necesariamente
la ruta óptima ''es aquella en la que el inicio debe estar cerca del
garaje, ni el final cerca de la disposición final'' ya que esto queda
compensado con otra(s) ruta(s) que evaluada(s) en conjunto es (son)
más óptima(s) por el criterio de mínimo costo.
El software MARS V.13 es un software aplicativo que corre bajo el
entorno MICROSOFT EXCEL 97, se utiliza los comandos principales y
algunas rutinas fueron programadas en MICROSFT VISUAL BASIC
para aprovechar las ventajas que nos ofrece EXCEL.
• El tiempo para hacer correr el programa de una zona con 15 manzanas
es de aproximadamente 1¾ horas, en una computadora pentium de 16
Mb, pero que es ejecutado sólo una vez, ya que para obtener otras
rutas alternas no es necesario correr nuevamente el programa sino
solo buscar en las soluciones alternas que no demora más de 30
segundos. Por lo que en los próximos años se podrá abarcar zonas con
mayor cantidad de manzanas e inclusive grandes sectores como un
distrito ya que está dificultad será superado en la medida que
aparezcan nuevas computadoras con una mayor velocidad.
• Se recomienda la aplicación del software MARS V.13 en una
computadora Pentium Pro II de 64 Mb porque disminuye el tiempo de
ejecución del programa.
• Para futuras investigaciones se recomienda integrar tanto el ingreso de
datos como los resultados del software MARS con sistemas de
información geográfica, porque constituyen herramientas que se
adaptan a la solución del problema de recolección de residuos sólidos.
Gráfico 3 Ejemplo de un sector con 104 nodos.
CAPÍTULO 3
DESCRIPCIÓN DEL SISTEMA ACTUAL
3.1 INTRODUCCION
Primeramente debemos señalar que con la premisa de garantizar a los
habitantes un lugar saludable donde vivir, la Municipalidad Distrital de
Cayma concibe al ambiente como un bien común, siendo la política
ambiental una prioridad es por eso que en cuanto a la recolección de
residuos sólidos se refiere este distrito cuenta con 2 compactadores, las
cuales hacen el recorrido respectivo por cada una de sus rutas, asimismo
dicha actividad se realiza 3 veces por semana.
Ubicación espacial
El lugar donde se realiza el estudio es en el distrito de cayma , parte baja,
específicamente delimitado .
3.2 EL RECORRIDO ACTUAL DE LAS COMPACTADORAS
En la siguiente imagen se puede apreciar el recorrido actual de las
compactadoras en un sector del distrito de Cayma
3.3 PROCEDIMIENTO PARA RECOLECCION DE DATOS
Para la recolección de datos, como ya se habían designado rutas
con anticipación se investigó el sentido de las calles así como sus
distancias; mediante la visita al portal de la Municipalidad y
también por medio de la interrogación de personas encargadas
Para obtener y generar nuestros propios mapas usamos el
Google Maps.
3.4 FUENTES DE INFORMACIÓN
Para obtener la información previamente expuesta se recurrieron a las
siguientes fuentes de información:
Primarios
Servicios comunales – Municipalidad Distrital de cayma
3.5 GASTOS DE TRANSPORTE ACTUAL
Para encontrar el ahorro en la Optimización, se toma como base la distancia
recorrida en total por las rutas actuales.
Respecto a la cuantificación de esta diferencia, se utiliza el precio de
combustible. La razón de galón de combustible por hora usada será de 8
litros por hora, según una tabla de rendimientos. El costo de combustible
Diesel es de 8 soles aproximadamente por galón. Como se puede apreciar
en la tabla , se concluye que el ahorro cuantificado anual es de S/.
Tabla 6 Datos recolectados de ambas compactadoras
Tabla 7 Gastos de transportes para la situación actual
CAPÍTULO 4
EL MODELO PROPUESTO
4.1 modelos
Programación lineal de la ruta más corta propuesta:
Min
473x0102+774x0104+507x0105+473x0201+925x0203+1010x0206+925x0302+1300x0307+
774x0401+695x0405+792x0415+695x0504+507x0501+670x0506+889x0514+670x0605+1010x0602
+623x0607+589x0613+623x0706+1300x0703+776x0708+585x0711+776x0807+602x0810+398x091
0+868x0921+398x1009+537x1011+738x1020+602x1008+537x1110+585x1107+316x1112+572x111
9+316x1211+445x1213+455x1218+445x1312+932x1314+449x1317+589x1306+265x1416+932x141
3+889x1405+694x1516+792x1504+1350x1528+966x1622+265x1614+694x1615+375x1718+474x17
22+449x1713+340x1819+375x1817+455x1812+340x1918+405x1920+410x1923+572x1911+405x20
19+489x2021+399x2024+738x2010+910x2134+489x2120+868x2109+388x2226+966x2216+474x22
17+495x2325+341x2326+410x2319+240x2425+399x2420+360x2533+495x2534+495x2523+240x25
24+611x2627+388x2622+341x2623+513x2633+611x2726+338x2732+890x2736+1350x2815+397x2
829+580x2844+397x2928+586x2930+832x2940+586x3029+523x3031+916x3039+506x3040+523x3
130+169x3132+680x3138+338x3227+169x3231+650x3237+410x3336+495x3335+513x3326+360x3
325+382x3435+495x3425+910x3421+382x3534+495x3533+335x3543+467x3643+890x3627+410x3
633+210x3738+650x3732+210x3837+680x3831+202x3839+789x3842+202x3938+916x3930+240x3
941+783x4041+1380x4044+832x4029+506x4030+663x4145+783x4140+240x4139+513x4245+789x
4238+507x4243+507x4342+467x4336+335x4335+580x4428+1380x4440+663x4541+513x4542
St
x0102+x0104+x0105-x0201-x0401-x0501=1
x0201+x0206+x0203-x0102+x0302-x0602=0
x0302+x0307-x0703-x0203=0
x0405+x0415+x0401-x0104-x0504-x1504=0
x0504+x0501+x0506+x0514-x0105-x0405-x0605-x1405=0
x0605+x0602+x0613+x0607-x0706-x0506-x1306-x0206=0
x0706+x0711+x0703+x0708-x0807-x0607-x1107-x0307 =0
x0807+x0810-x0708-x1008=0
x0910+x0921-x1009-x2109=0
x1009+x1008+x1011+x1020-x2010-x1110-x0910-x0810=0
x1112+x1107+x1110+x1119-x1211-x0711-x1011-x1911=0
x1211+x1213+x1218-x1112-x1312-x1812=0
x1312+x1306+x1317+x1314-x1213-x0613-x1713-x1413=0
x1416+x1405+x1413-x1614-x0514-x1314=0
x1504+x1516+x1528-x0415-x1615-x2815=0
X1615+X1614+X1622-X1516-X1416-X2216=0
X1713+X1722+X1718-X1317-X2217-X1817=0
X1812+X1817+X1819-X1218-X1718-X1918=0
X1918+X1911+X1920+X1923-X1819-X1119-X2019-X2319=0
X2010+X2021+X2019+X2024-X1020-X2120-X1920-X2420=0
X2134+X2109+X2120-X3421-X0921-X2021=0
X2216+X2226+X2217-X1622-X2622-X1722=0
X2325+X2319+X2326-X2523-X1923-X2623=0
X2420+X2425-X2024-X2524=0
X2524+X2534+X2523+X2533-X2425-X3425-X2325-X3325=0
X2622+X2633+X2623+x2627-X2226-X3326-X2326-x2726=0
X2732+X2726+x2736-x3627-X3227-X2627=0
X2815+X2844+X2829-X1528-X4428-X2928 =0
X2928+X2930+X2940-X2829-X3029-X4029 =0
X3029+X3031+X3040+X3039-X3930-X3130-X4030-X2930=0
x3132+x3130+x3138-x3231-x3031-x3831=0
x3231+x3237+x3227-x3132-x3732-x2732=0
x3326+x3325+x3336+x3335-x3633-x2533-x2633-x3533=0
x3435+x3425+x3421-x3534-x2534-x2134=0
x3533+x3543+x3534-x3435-x4335-x3335=0
x3643+x3627+x3633-x4336-x2736-x3336=0
x3732+x3738-x3237-x3837=0
x3837+x3831+x3842+x3839-x3938-x4238-x3138-x3738=0
x3941+x3930+x3938-x4139-x3039-x3839=0
x4044+x4029+x4030+x4041-x4440-x2940-x3040-x4140=0
x4140+x4139+x4145-x4041-x3941-x4541=0
x4243+x4238+x4245-x4342-x3842-x4542=0
x4336+x4342+x4335-x3643-x4243-x3543=0
x4440+x4428-x2844-x4044=0
-x4541-x4542+x4145+x4245=1
End
Int 142
CAPÍTULO 5
EVALUACIÓ N
5.1 CUADROS COMPARATIVOS DE LA SITUACIÓN ACTUAL
Y DE LA SITUACIÓN PROPUESTA
Comparación de la ruta más corta
Se puede apreciar que utilizando una técnica apropiada como es el caso del modelo de la
ruta más corta se optimiza en la distancia con una diferencia de 1322 metros haciendo que
los gastos en combustible como en recursos humanos seas mejor utilizados en beneficio del
distrito
CONCLUSIONES Y RECOMENDACIONES
6.1 CONCLUSIONES
El desarrollo y uso de las técnicas de programación lineal y modelado
matemático que provee el estudio de la investigación de operaciones resulta
útil para la toma de decisiones a la hora de solucionar múltiples situaciones con
las que nos podemos topar muy seguramente en proyectos empresariales e
incluso personales en el área de las finanzas, compras, planeación, entre otras.
Es posible realizar la asignación de la ruta óptima en la visita de ocho centros
comerciales siguiendo los algoritmos de resolución de TSP (Problema del
agente viajero) en el lenguaje de programación manejado por Lingo siempre y
cuando no se supere la capacidad del programa en la admisión de variables y
demás; sin embargo para este proyecto se encuentra la solución óptima y en
concordancia con otros softwares como “Tspsg” y Solver de excel.
6.2 RECOMENDACIONES
Se concluye que seguir esta ruta ya mencionada con anterioridad (sin ningún
desvio y ninguna modificación) permite recorrer la distancia más corta, sin
embargo, variantes imposibles de predecir como las condiciones
climatológicas, el cierre inesperado de una calle que se encuentre dentro de la
ruta estipulada, pueden afectar eventualmente la solución, también cabe
resaltar que es posible realizar el recorrido en menor tiempo tomando otra ruta
puesto que las distancias no son euclidianas y se depende de factores como el
tráfico, condiciones de la carretera, habilidades del conductor, entre otras.
BIBLIOGRAFÍA
Investigación de operaciones Séptima edición Hamdy A. Taha University
of Arkansas, Fayetteville
Investigación de Operaciones G.D. Eppen 5ta Edición
Shannon, R. (1988). Simulación de Sistemas, diseño, desarrollo e
implementación. México.
TRIPOD. (2012). TRIPOD. Obtenido de
http://operativa.tripod.com/lindo/lindo.html
VALENCIA, U. U. (s.f.). Biblioteca de la universidad de valencia.
Obtenido de https://www.uv.es/martinek/material/WinQSB2.0.pdf
