Facultad de Ingeniería Escuela Profesional de Ingeniería Industrial

FACULTAD DE INGENIERÍA
ESCUELA PROFESIONAL DE INGENIERÍA INDUSTRIAL
“APLICACIÓN DE HERRAMIENTAS DE INVESTIGACIÓN DE OPERACIONES

PARA REDUCIR LOS COTOS DE TRANSPORTE DE LA EMPRESA AGRÍCOLA
PALMAS DEL ESPINO S.A, 2018”
Tesis para optar el título profesional de:
Ingeniero Industrial
Autor:
Flores Coronado, Jean Carlos
Asesor:
Mg. Javes Valladares, Santiago
Mg. Ulloa Bocanegra, Segundo Gerardo
Línea de Investigación:
Gestión Empresarial y Productiva
Trujillo - 2018
PAGINA DE JURADO
El jurado encargado de calificar y evaluar la tesis presentada por don (a) Jean
Carlos Flores Coronado, la cual se titula: “APLICACIÓN DE HERRAMIENTAS
DE INVESTIGACIÓN DE OPERACIONES PARA REDUCIR LOS COSTOS DE
TRANSPORTE DE LA EMPRESA AGRÍCOLA PALMAS DEL ESPINO S.A, 2018”
Trujillo, 2018.
----------------------------------------- --------------------------------------
PRESIDENTE SECRETARIO
Dr. Ruiz Gómez, Andrés Alberto Mg. Ulloa Bocanegra, Segundo Gerardo
-----------------------------------
VOCAL
Mg. Javez Valladares, Santos Santiago
2
DEDICATORIA
A DIOS:
Por darme fortaleza para continuar

cuando estuve a punto de caer por
ello, con toda la humildad que de
mi corazón puede emanar, dedico
en primer lugar mi trabajo a Dios.
A MIS PADADRES: Carlos y Rosa.
Mi profundo amor y gratitud, por

formarme con buenos sentimientos,
hábitos y valores, lo cual me ayudado a
salir adelante en los momentos más
difícil.
A MIS HERMANOS:
Por haber sido todo este tiempo

compañeros inseparables de
aliento y superación.
3
AGRADECIMIENTO
Agradezco a la universidad Cesar Vallejo por formarme integralmente a lo largo del

desarrollo académico de mi carrera, a los docentes que con su experiencia
contribuyeron al fortalecimiento de mis competencias como ingeniero y de manera
muy especial a mis asesores los ingenieros Segundo Gerardo Ulloa Bocanegra y
Santos Santiago Jávez Valladares. A la misma vez demuestro mi particular
deferencia con la empresa Palmas del Espino S.A quien me brindó la oportunidad
de desarrollar mi investigación y dentro de ella especialmente al ingeniero Manuel
Plinio Zavaleta Pisfil.
4
DECLARACIÓN DE AUTENTICIDAD
Yo Flores Coronado, Jean Carlos con DNI Nº 71238737, a efecto de cumplir con
las disposiciones vigentes consideradas en el Reglamento de Grados y Títulos de
la Universidad César Vallejo, Facultad de Ingeniería, Escuela de Ingeniería
Industrial, declaro bajo juramento que toda la documentación que acompaño es
veraz y auténtica.
Así mismo, declaro también bajo juramento que todos los datos e información que
se presenta en la presente tesis son auténticos y veraces.
En tal sentido asumo la responsabilidad que corresponda ante cualquier falsedad,

ocultamiento u omisión tanto de los documentos como de información aportada por
lo cual me someto a lo dispuesto en las normas académicas de la Universidad
César Vallejo.
Trujillo, 2018
Flores Coronado, Jean Carlos.
5
PRESENTACIÓN
Señores miembros del Jurado, expongo ante ustedes la Tesis titulada “Aplicación
de herramientas de Investigación de Operaciones para reducir los costos de
Transporte de la empresa agrícola Palmas del Espino S.A, 2018”, la cual
considera siete capítulos:
Capítulo I: Introducción, en la cual se detalla los principios teóricos y empíricos

que apoyen a determinar una medida a la problemática planteada, indicando la
justificación del estudio, su problemática, hipótesis y objetivos que se buscan.
Capítulo II: Método, indica el método, diseño, variables, población y muestra, a

la misma vez las técnicas e instrumentos empleados y el tratamiento de datos.
Capítulo III: Contiene los resultados de los objetivos, para lo cual como primera
instancia se realizó un análisis situacional de la empresa en estudio, mapeo de
puntos de RFF, determinación de los costos actuales del Transporte de RFF,
desarrollo del modelo matemático de planificación de rutas, simular los
resultados de los costos en diferentes panoramas de ocurrencia en Solver y por
ultimo estimar el impacto de las herramientas implementadas sobre el costo de
Transporte.
Capítulo IV al V: Contiene sucesivamente las discusiones, conclusiones de cada

objetivo, en la cual se concluyó que la aplicación del modelo de enrutamiento
heurístico disminuyo en 4.2% el costo de Transporte de RFF.
Capítulo VI: Contempla las recomendaciones pertinentes conforme al estudio; y

por último.
Capitulo VII: Presenta el resumen de las fuentes bibliográficas usadas en base

a la norma ISO 690.
Esta investigación ha sido elaborada en cumplimiento del Reglamento de Grado

y Títulos Profesional de Ingeniero Industrial. Esperando cumplir con los requisitos
de aprobación.
El Autor.
6
ÍNDICE
PRESENTACIÓN ................................................................................................... 6
ÍNDICE ................................................................................................................... 7
ÍNDICE DE TABLAS .............................................................................................. 9
ÍNDICE FIGURAS ................................................................................................ 11
RESUMEN ........................................................................................................... 12
ABSTRACT .......................................................................................................... 13
I. INTRODUCCIÓN ........................................................................................... 14
1.1. REALIDAD PROBLEMÁTICA ................................................................. 14
1.2. TRABAJOS PREVIOS ............................................................................ 16
1.3. TEORÍAS RELACIONADAS AL TEMA ................................................... 18
1.4. FORMULACIÓN DEL PROBLEMA ......................................................... 26
1.5. JUSTIFICACIÓN ..................................................................................... 26
1.6. HIPÓTESIS ............................................................................................. 26
1.7. OBJETIVOS ............................................................................................ 27
1.7.1. OBJETIVO GENERAL: ..................................................................... 27
1.7.2. OBJETIVOS ESPECÍFICOS:............................................................ 27
II. MARCO METODOLÓGICO ........................................................................... 27
2.1. TIPO DE ESTUDIO ................................................................................. 27
2.2. DISEÑO DE INVESTIGACIÓN ............................................................... 27
2.3. VARIABLES ............................................................................................ 28
2.3.1. IDENTIFICACIÓN DE VARIABLES .................................................. 28
2.3.2. VARIABLES, OPERACIONALIZACIÓN ........................................... 28
2.4. POBLACIÓN Y MUESTRA ..................................................................... 29
2.5. TÉCNICAS E INSTRUMENTOS DE RECOLECCIÓN DE DATOS ......... 30
2.6. MÉTODO DE ANÁLISIS DE DATOS ...................................................... 31
7
2.7. ASPECTOS ÉTICOS .............................................................................. 32
III. RESULTADOS ........................................................................................... 32
3.1. EVALUACIÓN DE LA SITUACIÓN ACTUAL DE LA EMPRESA ............ 32
3.1.1. Generalidades .................................................................................. 32
3.1.2. Análisis de la baja calidad de servicio del Transporte de RFF ......... 33
3.2. Mapeo de puntos críticos de recojo de RFF............................................ 33
3.2.1. Descripción del proceso actual de la Programación y Recojo de RFF:

33
3.2.2. Ubicación geográfica de los puntos críticos de recojo de RFF: ........ 34
3.3. Costos actuales del recojo de RFF ......................................................... 34
3.4. Desarrollo del modelo matemático de planificación de rutas .................. 35
3.5. Simulación de equipos según su costo en SOLVER¡Error! Marcador no

definido.
3.6. Impacto del modelo matemático de planificación de rutas en los costos de

recojo de RFF ................................................................................................... 41
3.6.1. Análisis técnico ................................................................................. 41
3.6.2. Análisis inferencial ............................................................................ 42
IV. DISCUSIÓN................................................................................................ 45
V. CONCLUSIONES .......................................................................................... 48
VI. RECOMENDACIONES .............................................................................. 49
VII. REFERENCIAS BIBLIOGRÁFICAS ........................................................... 50
ANEXOS .............................................................................................................. 54
A. Anexo Tablas ................................................................................................. 55
B. Anexo Figuras ................................................................................................ 59
C. Otros Anexos ................................................................................................. 63
D. Anexo Imágenes Empresa............................................................................. 76
8
ÍNDICE DE TABLAS
Tabla 1: Operacionalización de variables ............................................................. 28
Tabla 2: Capacidad, horas trabajadas del mes, costo del mes y tarifa (S/. x Hora)
de los volvos de la empresa Palmas del Espino S.A, 2018. ................................. 35
Tabla 3: Calculo del costo Hora-Hombre del personal que participan en esta
operación de la empresa Palmas del Espino S.A, marzo 2018. ........................... 35
Tabla 4: Costo de mantenimiento de las unidades de la empresa Palmas del Espino
S.A, 2017.............................................................................................................. 35
Tabla 5: Datos de la programación del modelo heuristico del transporte de la
Empresa Palmas del Espino S.A, 2018. ............................................................... 37
Tabla 6: Formulas de la programación del modelo heurístico del transporte de la
Tabla 7: Cuadro resumen de la programación del modelo heurístico del transporte
de la Empresa Palmas del Espino S.A, 2018. ...................................................... 38
Tabla 8: Políticas para considerar los costos respectivos del transporte de la
Tabla 9: Programación en Solver de los costos respectivos del transporte de la
Tabla 10: Costos respectivos del transporte según políticas en consideración de la
Tabla 11: Costos reducidos según políticas en consideración de la Empresa Palmas
del Espino S.A, 2018. ........................................................................................... 40
Tabla 12: Diferencia de muestras pareadas entre el costo actual y el costo
modelado por el cliente de transporte de RFF de la empresa Palmas del Espino
S.A, 2018.............................................................................................................. 42
Tabla 13: Prueba de normalidad Shapiro-Wilk para la diferencia de los costos de
distribución Pre modelo y Post modelo en la empresa Palmas del Espino S.A, 2018.
............................................................................................................................. 43
Tabla 14: Prueba estadística wilcoxon para contrastación de hipótesis. .............. 44
Tabla 15: Sistema de valoración Westinhouse..................................................... 55
Tabla 16: Sistema de suplementos por descanso en porcentaje de los tiempos
básicos. ................................................................................................................ 56
9
Tabla 17: Distancias en puntos de recojo de RFF (km). ...................................... 57
básicos. ................................................................................................................ 58
10
ÍNDICE FIGURAS
Figura 1: Principales causas que son determinantes en la baja calidad en el servicio

de recojo de RFF en Palmas del Espino S.A, 2018. ............................................ 33
Figura 2: Mapeo y zonificación de puntos de recojo de RFF en el año 2018. ...... 34
Figura 3: Programación de los costos de transporte en SOLVER en el año 2018.
............................................................................................................................. 41
Figura 4: Mapa de la Plantación Palmas del Espino S.A. .................................... 59
Figura 5: Diagrama de Ishikawa de las principales fluctuaciones del proceso ..... 60
Figura 6: Tabla de frecuencias de las causas de la disminución de servicio en el
recojo de RFF....................................................................................................... 60
Figura 7: Pareto de las causas de la disminución de servicio en el recojo de RFF.
............................................................................................................................. 61
Figura 8: Diagrama de flujo de la programación de recojo de RFF. ..................... 61
Figura 9: Diagrama operaciones del transporte de RFF. ..................................... 62
11
RESUMEN
La presente investigación titulada “Aplicación de herramientas de investigación
de operaciones para reducir los cotos de transporte de la empresa agrícola
palmas del espino S.A, 2018”, enmarcado en las teorías de investigación de
operaciones y cadena de suministro; para lo cual empleó el método deductivo, con
una investigación de tipo Pre-Experimental, aplicándolo a una población o muestra
de 32 puntos de recojo de RFF.
Para lo cual se empleó herramientas de calidad para analizar las principales
fluctuaciones que se encontraban en el área de transporte de RFF, también se
aplicó un modelos heurístico usando una hoja de cálculo de Excel y se modelo los
costos de las unidades mediante Solver. Obteniendo como principales resultados
la reducción del costo de Transporte de RFF en un 4.2%. Se realizó la prueba de
hipótesis planteada que corrobora los resultados, con la aplicación de la prueba de
Wilcoxon con un resultado de p = 0.003. Lo que me permite concluir que se acepta
la implementación del modelo heurístico reduce los costos de transporte.
Palabras claves: Investigación de operaciones, costo de transporte, reducción y

modelo heurístico.
12
ABSTRACT
The present investigation entitled "Application of tools of investigation of operations
to reduce the preserves of transport of the agricultural company palms of the espino
S.A, 2018", framed in the theories of investigation of operations and chain of supply;
for which he used the deductive method, with a Pre-Experimental type research,
applying it to a population or sample of 32 RFF collection points.
For which quality tools were used to analyze the main fluctuations that were found
in the RFF transport area, a heuristic model was applied using an Excel
spreadsheet and the unit costs were modeled using Solver. Obtaining as main
results the reduction of the cost of RFF Transportation by 4.2%. The hypothesis
test was carried out that corroborates the results, with the application of the
Wilcoxon test with a result of p = 0.003. What allows me to conclude that the
implementation of the heuristic model is accepted reduces transportation costs.
Keywords: Operations research, transportation cost, reduction and heuristic model.
13
I. INTRODUCCIÓN
1.1. REALIDAD PROBLEMÁTICA
Hoy en día, a nivel global la exigencia de aplicar los conocimientos principales y
detallados sobre Investigación de Operaciones en las empresas agrícolas nace
con el incremento monetario, el tema de la globalización y la existencia constante
en obtener servicios y productos de mejor calidad, esta necesidad ha creado una
exigencia en tener un apoyo que te permita medir cuantitativamente y avale las
decisiones a tomar, y así se puedan lograr planes propuestos, optimizando los
recursos. Estas herramientas y técnicas de la Investigación de Operaciones,
permite desarrollar planes adecuados que conlleven a responder de la mejor
manera posible, cuando se presentan grandes dificultades dentro de una
organización. (OperacionesII, 2011)
En el Perú, las organizaciones se encuentran compitiendo en un ambiente muy
complejo. Estas empresas se enfrentan al flagelo económico, por causa de las
extensas distancias a los terminales y el carente conocimiento sobre
herramientas de investigación de operaciones, que avalen las decisiones a tomar
y a la misma vez optimice los costos de transporte, lo cual termina afectando en
la rentabilidad y competitividad de esta. (Agrositio, 2017)
La investigación de operaciones brinda herramientas que permiten analizar y
cuantificar los problemas, y así puedan avalar las decisiones a tomar y a la
misma vez optimización los costos y/o recursos.
Por otro lado, un estudio indica que uno de los grandes inconvenientes en el
transporte terrestre nacional es la incapacidad de cumplir los plazos
programados debido a diferentes tipos de fluctuaciones en la ruta. Respecto a
las causas de los retrasos, la mayor relevancia se observa en la mala calidad de
las vías, que de acuerdo con los transportistas encuestados, ocasiona el 26% de
demora. Ciertamente un obstáculo para mejor la formalidad del sector de
transportistas, es el costo y la dificultad para adquirir los documentos que le
permitan operar formalmente. (Análisis Integral de la Logística en el Perú, 2016)
Asimismo, los movimientos de carga y descarga son ejecutados por operarios
poco capacitados y por mucho tiempo se han tenido pérdidas de la mercancía.
Hay que tener en cuenta que casi siempre los operadores, solamente se limitan
14
a conducir y no les interesa o desconocen el tipo de mercancía que lleva a su
resguardo. (Maria, y otros, 2009)
Palmas del Espino S.A fue establecida en el año 1979 en la ciudad de Juanjuí.
Unos años después, en 1982 una vez culminado las investigaciones necesarias,
asesorada por expertos de nacionalidad francesa se comenzó el cultivo en un
área de 600 hectáreas, generando el nacimiento de una empresa gobernadora
en su rubro, productora de riqueza y crecimiento en el departamento de San
Martin. Hoy en día funciona en el departamento de San Martin, provincia de
Tocache y distrito de Uchiza. La cual se destina a la siembra y cultivo de palmas
en un área de 12.300 hectáreas. En el área de transporte se observó que no
cuentan con modelos y/o herramientas matemáticas que puedan avalar las
decisiones tomadas y la optimización de recursos en el recojo de RFF. Toda esta
realidad, afecta a la empresa Palmas del Espino donde se observa que existe un
gran desconocimiento de cómo enfrentarse a las fluctuaciones que existen en
todo el proceso y afectan directamente a los costó de transporte, por otro lado
también se observó que no cuentan con herramientas que les sirvan para ayudar
a la toma de decisiones y puedan ayudar a optimizar los costos de transporte.
De continuar esta situación, los costos de la empresa se incrementaran,
generando que ésta desaparezca del mercado en un futuro cercano.
Por todo esto el presente estudio es oportuno, pues pretende ayudar a la
empresa Palmas del Espino S.A, a tener un amplio conocimiento acerca de las
diferentes herramientas tácticas que se pueden emplear dentro de la empresa y
así poder reducir los costos de transporte, ya que la implementación de dichas
herramientas permitirá avalar las decisiones tomadas para así mejorar la
competitividad de la organización en el mercado nacional e internacional actual.
15
1.2. TRABAJOS PREVIOS
En razón a las variables de este estudio se encontró los siguientes antecedentes
que le hacen referencia como:
La investigación de Paredes, que tiene como título “Estudio comparativo de la
aplicación de heurísticas al problema de ruteo de vehículos” con la finalidad de
obtener el título de Ingeniero Industrial de la Pontificia Universidad Católica del
Perú en el año 2011 en la ciudad de Lima – Perú; en la cual se buscó hallar el
modelo heurístico más óptimo al problema de ruteo de vehículos, para lo cual se
comenzó a realizar un mapeo de los 42 puntos de venta para la resolución del
VRP (Vehicule Routing Problem) iniciando por las distancias recorridas del
transporte hacia cada uno de los puntos establecidos de la red y se calculó la
eficiencia de los indicadores de distancia recorrida, coeficiente de cumplimiento,
factor de uso y frecuencia de entrega; para que después se resuelva el problema
en LINDO System con propuestas de Modelos matemáticos – Cercanía de
puntos, Modelo matemático – Método del barrido, Cercanía de puntos – Método
del Ahorro, Método del barrido – Método del Ahorro, Gran ruta – Método del
Ahorro y Modelo computacional. En base a los resultados obtenidos de cada
modelo se llega a tomar la decisión, es el Modelo matemático – Cercanía de
puntos debido a que recorre la menor distancia no sólo ideal sino también real
que fue 0.25% menor que el modelo matemático con método del barrido, 3.36%
menor que el método cercanía de puntos con método del ahorro, 6.11% menor
que el método del barrido con método del ahorro, 7.97% menor que el método
gran ruta con método del ahorro y 14.15% menor que el método computacional.
Utilizando el factor de linealidad que según el análisis fue de 1.383 con una
desviación estándar de 0.130. (Josymar, 2011)
Por otro lado, la investigación de Carbonel, titulada “Modelo Matemático de

Planificación de rutas para minimizar los costos del reparto de la empresa San
Isidro Labrador S.R.L. en el año 2015”, el estudio se realizó a los 275 principales
clientes de la empresa, de los cuáles se escogió por muestreo de poblaciones
finitas a 161 clientes, posteriormente realizándose un estudio pre test y pos test,
a quienes se aplicó un cuestionario que mide la satisfacción de la calidad del
servicio de reparto, luego se procedió mapear a los 45 clientes insatisfechos en
16
Google MAPS y medir las distancias entre nodos obteniendo la zonificación de
5 clusters por cercanía de puntos, seguido se calculó los costos operativos por
hora de mano de obra, mantenimiento y combustible y se desarrolló el modelo
matemático de algoritmo de pétalos en LINGO System siendo la función objetivo
minimizar los costos del reparto de carga y las restricciones de demanda,
capacidad, tiempo total, hora de salida y kilometraje del vehículo. Estos costos
de reparto fueron validados con la prueba de normalidad de Shapiro Wilk, dando
un valor (p=0.503) mayor que 0.05; luego se realizó la prueba estadística t-
student, dando un valor (p=0.017) menor que 0.05. Los resultados obtenidos
permitieron determinar que el modelo matemático de planificación de rutas si
minimiza las costos del reparto de carga en 43.7% y un 49.9% de distancia
recorrida. (Jesús, 2015)
De la misma manera en la tesis de Pérez Jimena Cecilia y Silva Pimentel

Consuelo, titulada “Optimización del transporte de materia prima de una empresa
esparraguera” con motivo de optar por el título de Ingeniero Industrial de la
Universidad Nacional de Trujillo en el año 2000 en la ciudad de Trujillo – Perú,
en la cual se determinó un método óptimo de transporte de materia prima que
minimice los costos de combustible y los costos de merma de la empresa
esparraguera SAVSA mediante la aplicación de un modelo de programación
lineal se determinaron las cantidades diarias de materia prima ofertadas por cada
proveedor durante el periodo de un mes, los costos de transporte en los que se
incurrió y los recursos empleados, para la formulación y solución del modelo
propuesto se empleó LINGO Systems: el cual reporta la solución del modelo
mostrando el valor de cada una de las variables utilizadas, la ruta que debe
realizar cada uno de los vehículos asignados para el acopio de materia prima, la
cantidad de M.P. que debe recoger en cada uno de los proveedores que
visitarán, la hora de salida de cada vehículo, la cantidad de jabas que llevarán
en cada uno de sus viajes, el costo de combustible y el costo de merma que se
generará en cada uno de sus recorridos. Para determinar la variación que existe
entre los valores del modelo propuesto y la empresa se empleó la prueba de
hipótesis de diferencias pareadas para el costo de combustible y el costo de
mermas. Finalmente se logró disminuir el costo del combustible un 24.9% y el
17
costo de merma un 7.8% con el modelo propuesto el costo total promedio diario
de transporte de materia prima disminuye 21.2% y el mensual 21.17%. (PÉREZ,
y otros, 2000)
También Palacios en su tesis denominada “Aplicación de un modelo matemático

de rutas para optimizar la distribución de mercadería en la empresa LOGISTIC
MULTISERVICE COMPANY C&B S.A.C”, en la cual como primera medida
realizo una encuesta para determinar las zonas más descontentas con el
servicio, una vez realizada la tabulación refleja el puntaje más bajo en el ítem 6.
Después con el apoyo de GoogleMaps se mapeo los distintos puntos de reparto
y se logró hallar los tiempos que se demoran en llegar de un nodo a otro. El
tiempo de recorrido obtenido mediante la programación lineal en SOLVER es de:
31, 56 y 39 minutos generando un total de 126 minutos, después este tiempo se
ajustó a la realidad cuando se acompañó al reparto y se tomaron los tiempos
obteniendo un total de 432 minutos con la ruta actual y 410 con la ruta basada
en el reporte de SOLVER, adicionalmente se calcularon los costos de s/167.71
antes y de s/156.40 dando una reducción en 6,74%. Para analizar el impacto de
las nuevas rutas se realizó nuevamente la encuesta obteniendo una disminución
en los reclamos en 5 de 38, esto logra concluir que el estudio realizado ha
permitido ayudar a la empresa y mejorar su imagen ante sus clientes.
(PALACIOS, 2016)
1.3. TEORÍAS RELACIONADAS AL TEMA

Se definirá a continuación los conceptos fundamentales de las Herramientas de
Investigación de Operaciones en aplicación para el análisis de la siguiente
investigación.
Para establecer científica, humanística y tecnológicamente se tiene que
definir los primordiales conocimientos e hipótesis sobre los puntos en esta tesis,
por lo cual, comenzara definiendo el segundo punto en estudio que se encuentra
dentro de la cadena de suministro, que es un grupo de tareas la cual integra
los procesos de proveer, fabricar y distribuir; por lo cual maneja de manera
integral tanto procesos estratégicos como soporte de la empresa amarradas con
las tareas de los abastecedores y compradores. (Rodolfo Torres Rabello, 2014)
18
Las herramientas de calidad identifican problemas, los analiza y busca
soluciones a estos, pertenece a distintas metodologías que se utilizan en el
proceso de mejora continua por las grandes compañías, en gran parte las
empresas japonesas. Se facilita lograr los resultados deseados cuando se usan
las herramientas adecuadas para el fin requerido. Según Kaoru Ishikawa,
usando un conjunto de simples herramientas se logra dar solución al 80% de las
fluctuaciones de una empresa (1986). Este propuso siete herramientas:
diagrama de Pareto, diagrama de Ishikawa o causa – efecto, histograma, hoja
de inspección, gráficos de control, diagrama de dispersión y estratificación.
(Pozo, 2014)
La técnica Lluvia de Ideas o Torbellino de Ideas es una metodología mediante
la cual se encuentra e identifica posibles soluciones y oportunidades con gran
potencial para el mejoramiento de la calidad. El diagrama de Causa – Efecto es
una metodología grafica que sirve para analizar posibles causas que provocan
cierto efecto. El diagrama de Pareto es una técnica grafica mediante la cual se
determina elementos desde el más frecuente hasta el menos frecuente los
cuales lo agrupa de acuerdo a los más vitales que representan el 80% de las
frecuencias y el de menos vitales que representan el 20% restante (Tecnicas,
2009).
La distribución son gestiones que se realizan para trasladar y almacenar una
carga desde la logística de entrada hasta la logística de salida en la cadena de
suministro, la cual sucede de una etapa a otra. También se define como una
directriz principal en la rentabilidad global de la empresa, ya que influye de forma
principal en el coste de la cadena y en la satisfacción del cliente. Una adecuada
rede de distribución se utiliza para conseguir objetivos que se encuentran dentro
de la cadena de suministro los cuales empiezan principalmente por un coste
pequeño y finalizando por la rápida facultad de responder. Como efecto, las
empresas del mismo sector industrial con frecuencia seleccionan redes muy
diferentes. (Meindl, 2008)
La administración de la transportación puede tomarse como el adherente que
permite funcionar la cadena de suministro. Los aspectos más relevantes de esta
última consisten en entregar la carga correcta, en el momento exacto, con la
cantidad adecuada y con la calidad correcta, al costo y destino pertinentes. El
19
transporte es importante para que estas cosas “correctas” pasen. (COYLE, y
otros, 2014)
La gestión del transporte tiene 2 funciones principales, estas son: selección del
modo de transporte que se empleara y la sistematización en los
desplazamientos que se utilizaran, para el suceso en estudio, la forma de envió
será el de vía terrestre que tienes como componentes los volvos,
establecimientos y las cargas ah distribuir, todos estos con centros de costos
bien establecidos. En general el bulto contiene una sucesión bienes que se
trasladan en proporciones cortas, la cual es formada por mercancías propias. El
coste de distribuir se forman por las unidades las cuales inciden en el coste de
operación (normalmente la unidad sale repleto para repartir en cambio para su
regreso se viene sin carga alguna para compensarse por cada envió), en los
costos por espera que se generan por la carga y descarga. Los establecimientos
fijos que toman el coste de la zona designada a almacenar y los costos que se
generan en la carga y descarga que se da iniciando y finalizando. Los bultos
prorrateados poseen un costo relacionado al almacenamiento estático y el otro
al almacenamiento en movimiento. Los costes existentes de los operadores
indica el coste unitario de transportar en soles/kilogramo y este se reduce con la
dimensión del envío la cual es proporcional al trayecto recorrida. El coste de
almacenar se divide en 3 principales componentes: el coste de la carga
almacenada, los precios de mantenimiento de almacenar y por último el periodo
permanecido en almacén; por último se suma los costos administrativos y costos
financieros (FRANCESC, 2005). El Objeto de transporte es una acción
orientada al tránsito de la carga desde un nodo de partida hasta un nodo de
llegada. En el cual se implican aspectos como: tiempo del transporte de la carga,
en el cual comprende a partir de la mercadería disponible para cargar, tiempos
que se generan por espera, carga/descarga de la unidad, detención en el
trayecto, tiempos muertos terminando por que la carga este totalmente aligerada
en el nodo de llegada establecido; relacionamiento del operador destinado, el
cual es colaborador en relación a los planes estratégicos y tácticos que están
inmersas en la organización con la finalidad de acomodar los recursos a las
exigencias del personal. (BALLOU, 2004).
20
Las finanzas en la cadena de suministro se enfoca como una oportunidad en
para mejorar su desempeño financiero. La empresa reconoce la importancia del
desempeño de la cadena de suministro que tiene sobre la satisfacción del cliente
y las ventas futuras. Incluso, la efectividad del proceso de la cadena determina
el costo del cumplimiento de los pedidos del cliente y el de transportarlos a este,
y ambos impactan en el costo de entrega total del producto. Un objetivo
financiero determinante en toda empresa y/o organización es producir un buen
rendimiento para los accionistas. Para esto se requiere la generación de
bastantes utilidades en relación con el monto de sus inversiones para que
puedan garantizar la confianza hacia ellos para que sigan administrándolas.
(COYLE, y otros, 2014)
Para entender la otra variable es crucial encuadrarla dentro de la Investigación
de Operaciones, la cual es un conjunto técnicas metódicas desarrolladas con
la finalidad de avalar las decisiones a tomar, reconociendo los recursos óptimos
(TAHA, 2012). A la misma vez la IO es el empleo del método científico
apoyándose en el trabajo de los equipos multidisciplinarios, en la cual el
programador y los clientes trabajan paralelamente hallando las posibles
fluctuaciones que se encuentren en la inspección y gestión de técnicas
ordenadas con la finalidad de proponer medios que permitan mejorar la finalidad
en el proceso como si fuera un único, encuadrados en los sistemas de tomar
decisiones (HILLER, y otros, 2010).
De diferente manera la IO, elabora modelos IO que se encuentran orientados a
“optimizar” un juicio objetivo detallado amarrado a un grupo de restricciones, la
eficacia de la solución consecuente tiene que ver con la precisión que el modelo
interpreta el método existente. Si este es una contundente ilustración real del
proceso existente, por ende la solución resultante es buena para el sistema
existente.
Estos pilotos matemáticos se clasifican principalmente en modelo
determinístico (MD) o Modelo Probabilísticos (ME). El MD se respalda con
información que se adquieren con exactitud. El ME o probabilístico no se
respalda con ninguna información anterior, de tal manera sumando la
incertidumbre. Se lograría obtener frecuentemente conocimientos penetrantes y
útiles dentro de los resultados óptimos empleando un modelo determinístico en
21
una circunstancia en la cual es mejor emplear un modelo estocástico. De igual
manera, el modelo prescriptivo o de optimización determina la conducta la cual
logra adquirir los objetivos de la empresa de la mejor manera. (WINSTON, 2005)
El proceso de construcción de modelos comienza por establecer la
problemática, luego se establecerá las metas las cuales quieren lograr y el
elemento en exposición fijar si se maximiza o minimiza la causa de la
problemática. Al mirar el proceso, se recoge data para presumir el monto de las
medidas que afligen a la problemática; estas presunciones se emplean con la
finalidad de plantear el modelo matemático de la problemática y comprobar si el
modelo es la imagen precisa del contexto, también tiene que tomar conciencia
a nuevas fluctuaciones y los montos de la variable de decisión que no se tomaron
en cuenta, por lo cual podría cambiarse el rendimiento del proceso y la
formulación. (WINSTON, 2005).
Así mismo los modelos de rutas de transporte se basan en la práctica de la
programación lineal en la cual se define la base matemática y la teoría de
restricciones y determinar ruta más óptima mediante un análisis de sensibilidad.
Por lo consiguiente la programación lineal planea los trabajos establecidos con
recursos limitados entre trabajos competitivos para lograr un resultado óptimo.
(WEATHERFORD, y otros, 2000).
El método de asignación es una metodología que se enmarca en la
programación lineal especifico en el que los asignados son recursos designados
a la ejecución de trabajos; de esta manera es que el problema de asignación se
logra expresar como un modelo de transporte donde los n números de orígenes
(individuo, vehículo, etc.) trata de establecer los mismos n número de destinos
(clientes, tareas, etc.) con la finalidad de establecer n asignaciones para
optimizar la función objetivo la cual optimice los costos o el tiempo de traslado
(HILLER, 2002).
En referencia al estudio establecido se clasificara los modelos de rutas en
problemas de ruteo de vehículos (VRP) y las heurísticas tradicionales para el
VRP.
Las fluctuaciones de ruteo de vehículos se refieren al grupo de compradores y
establecimientos esparcidos territorialmente con una flota de vehículos,
partiendo de un modelo matemático se establezca un grupo de rutas que te
22
minimicen los costos y que inicien y terminen en los establecimientos, con la
finalidad que los vehículos asistan a los clientes. Los rasgos de los clientes,
depósitos y vehículos, así como distintas restricciones operativas sobre las rutas,
ocasionan distintos tipos de problemas. Los principales tipos de problemas de
ruteo de vehículos son:
- El problema del agente viajero (TSP) se refiere a que un solo vehículo asista
el grupo de ciudades con el costo del traslado (o distancia) entre cada uno de los
posibles pares. El TSP se centra en hallar la manera más factible posible de
asistir todas las ciudades y retornar al punto de inicio la cual minimizara el costo
del traslado (o la distancia de viaje). (DAVAENDRA, 2010) La fórmula de Dantzig
se expande sencillamente al caso asimétrico. (ANEXO C3)
-El problema de los m agentes viajeros (m-TSP) es una generalización del
TSP en la cual se tiene un depósito y m vehículos. El objetivo es construir
exactamente m rutas, una para cada vehículo, de modo que cada cliente sea
visitado una vez por uno de los vehículos. Cada ruta debe comenzar y finalizar
en el depósito y puede contener a lo sumo p clientes. (ANEXO C3)
- El problema con capacidades (VRP o CVRP) es una extensión del m-TSP en
la cual cada cliente i ∈ V \ {0} tiene asociada una demanda dij y cada vehículo
tiene una capacidad C (la flota es homogénea). En este problema la cantidad de
rutas no es fijada de antemano como en el TSP y en el m-TSP. Para un conjunto
de clientes S, d(S) = ∑i ∈ S di es su demanda total y r(S) indica la mínima cantidad
de vehículos necesarios para servirlos a todos. En la formulación conocida con
el nombre de flujo de vehículos de dos índices, se utilizan las variables binarias
xij para determinar si el arco (i, j) se utiliza o no en la solución (The Vehicle
Routing Problem: An overview of exact and approximate algorithms, 1991).
(ANEXO C3)
- En el problema con flota heterogénea (FSMVRP) los costos y capacidades
de los vehículos varían, existiendo un conjunto T = {1, … , |T|} de tipos de
vehículo. La capacidad de los vehículos k ∈ T es qk y su costo fijo (si lo tuvieran)
es f k . Los costos y tiempos de viaje para cada tipo de vehículo son cijk y t kij
respectivamente. Se asume que los índices de los vehículos están ordenados en
23
forma creciente por capacidad (es decir, qk1 ≤ qk2 para k1 , k 2 ∈ T, k1 < k 2 ).
(GOLDEN, y otros, 1984) (ANEXO C3)
- El problema con ventanas de tiempo (VRPTW), además de capacidades,
cada cliente i ∈ V \ {0} tiene asociada una ventana de tiempo [ei , li ] que establece
un horario de servicio permitido para que un vehículo arribe a él y un tiempo de
servicio o demora si . Si (i, j) es un arco de la solución y t i y t j son las horas de
arribo a los clientes i y j, las ventanas de tiempo implican que necesariamente
debe cumplirse t i ≤ li y t j ≤ lj . Utilizando los nodos 0 y n + 1 para representar al
depósito y el conjunto K para representar a los vehículos (no a los tipos de
vehículos como en la sección anterior), el problema se formula para una flota de
vehículos posiblemente heterogénea. (ANEXO C3) (BELFIORE, y otros, 2012).
La heurística de ruteo son procesos sencillos los cuales ejecutan una
investigación restringida del periodo de exploración y dar soluciones en un
tiempo determinado aceptable. Estas son:
El algoritmo de Clarke y Wright o el algoritmo de los ahorros, consiste en
conectar todos los clientes de dos en dos con el almacén y se calculan los
ahorros obtenidos en el coste de transporte; se clasifican las alternativas de
unión por ahorros decrecientes; se toma la alternativa de unión de máximo
ahorro y que a la vez sea consistente con el número de vehículos y sus
capacidades (FRANCESC, 2005).
- El algoritmo de pétalos supone que se dispone de un conjunto de rutas R, de
modo que cada ruta r ϵ R es factible, pero cada cliente es visitado por varias de
las rutas. El problema de seleccionar un subconjunto de R de costo mínimo que
visite exactamente una vez a cada cliente puede formularse como un Set
Partitioning Problem (SPP) (ANEXO C3)
- El siguiente es el método rutear primero - asignar después, también se
procede en dos fases. Primero se calcula una ruta que visita a todos los clientes
resolviendo un TSP. En general esta ruta no respeta las restricciones del
problema y se divide en varias rutas, cada una de las cuales sí es factible.
(BEASLEY, 1983) (ANEXO C3)
Es por ello que la simulación es el estudio de un sistema o sus partes mediante
manipulación de su representación matemática o de su modelo físico; permite
comparar distintos diseños y procesos que todavía no están en operación y
24
ensayar hipótesis sobre sistemas o procesos antes de llevarlos a la práctica,
permite estudiar el efecto de la modificación de las variables y parámetros con
resultados reproducibles. En el modelo matemático se puede introducir o retirar
a voluntad un error, lo cual no es posible en la realidad, ya que constituye una
importante ayuda material para el estudio de los sistemas de control y se puede
ensayar la sensibilidad de los parámetros de costes y los parámetros básicos del
sistema. (HIMMELBLAU, y otros, 1992) Las aplicaciones de software de
planificación y optimización de rutas de transporte son efectivas para el
mejoramiento de la utilización de los recursos de transporte, entre sus beneficios
se encuentran la reducción del tiempo de trayecto de los viajes, del kilometraje
en los vehículos, la disminución de costos y el mejoramiento en las entregas a
los clientes, lo que a su vez se traduce en un mejor control y servicio al cliente.
Todo esto se obtiene procesando rápidamente la información de ubicación de
las bodegas donde se encuentren los productos a despachar, de los clientes a
satisfacer, y las cantidades y los tipos de carga a ser transportados, acoplando
todo esto a la flota disponible para optimizar el uso de los recursos (MORA,
2010).
Microsoft Excel es un programa definido como “de productividad” creado en
1984 por el señor Bill Gates para ser introducido a las computadoras portátiles
de Mancintosh en el mismo año. Este programa ha avanzado evolutivamente
hasta nuestros días, de tal manera que hoy da los siguientes beneficios: posee
capacidad de edición de la vista de los datos, utiliza hojas para división de datos
tanto numéricos como otros formatos, posee la capacidad de sintetizar la
información (mediante operaciones tales como suma, resta, división, promedio,
uso de tablas dinámicas, etc.), permite programar una serie de instrucciones que
ejecutan cambios en la información (Microsoft Visual Basic). (Valladares, 2009)
Para dichas restricciones se emplea el estudio de tiempos que es una técnica
de medición del trabajo empleada para registrar los tiempos y ritmos de trabajo
correspondientes a los elementos de una tarea definida, efectuada en
condiciones determinadas, y para analizar los datos a fin de averiguar el tiempo
requerido para efectuar la tarea según una norma de ejecución preestablecida.
(Anexo C 2.1, 2, 3) La valoración del ritmo de trabajo y los suplementos de
tiempo que se deben prever para recuperarse de la fatiga y para otros fines
25
siguen siendo en gran parte cuestión de criterio. La calificación del operador
debe hacerse única y exclusivamente en el curso de las observaciones de los
tiempos elementales. (Anexo Tablas 15) El suplemento por retrasos por fatiga
es la reducción de la habilidad para hacer un debido trabajo a lo previamente
efectuado en porcentaje de los tiempos básicos posee factores que deben
tenerse en cuenta para calcular el suplemento variable. (Anexo Tablas 16)
(GARCÍA, 1999)
1.4. FORMULACIÓN DEL PROBLEMA

¿En qué medida la implementación de herramientas de investigación de
operaciones, influye en los costos de transporte de la empresa agrícola Palmas
del Espino S.A, en el año 2018?
1.5. JUSTIFICACIÓN
La presente investigación se justifica teóricamente porque permite poner a
prueba la efectividad de las herramientas y sus procedimientos en un contexto
específico como lo es el agrícola, en la cual se presentan diversos aspectos
propios de este sector y que deben considerarse en el desarrollo del mismo;
también es pertinente de manera práctica pues al implementar las herramientas
de investigación de operaciones le permitirá a la empresa realizar una toma de
decisiones más eficientes, mejorara la coordinación de sus actividades las
cuales al final repercutirán en la disminución del costo de transporte. También
metodológicamente por que se propone herramientas necesarias para poder
medir las variables propuestas que puedan servir a futuras investigaciones, por
último se justifica económicamente ya que con los resultados logrados de la
investigación se obtendrá una disminución en los costos de transporte y lo cual
aumentara la competitividad de la empresa.
1.6. HIPÓTESIS
La implementación de herramientas de investigación de operaciones reduce los
costos de transporte de la empresa agrícola Palmas del Espino S.A, en el año
2018.
26
1.7. OBJETIVOS
1.7.1. OBJETIVO GENERAL:
Implementar las herramientas de investigación de operaciones para reducir
los costos de transporte de la empresa agrícola Palmas del Espino S.A, en
el año 2018.
1.7.2. OBJETIVOS ESPECÍFICOS:

 Determinar la situación actual del reparto de RFF.
 Mapear los puntos de recojo de RFF.
 Determinar los costos actuales del recojo de RFF.
 Desarrollar el modelo matemático de planificación de rutas.
 Simular los resultados de los costos en distintos panoramas de
ocurrencia, con SOLVER.
 Estimar el impacto de las herramientas implementadas sobre el
costo de transporte, mediante el análisis técnico y analítico.
II. MARCO METODOLÓGICO

2.1. TIPO DE ESTUDIO
Es un estudio Aplicado, por que utiliza las herramientas de Investigación de
Operaciones para optimizar los costos de transporte y así solucionar la realidad
problemática de la empresa en estudio, a su vez es experimental ya que
manipula intencionalmente la Investigación de Operaciones a través de
herramientas para evaluar sus efectos en los costos de Transporte y para
terminar es longitudinal pues mide las observaciones en dos tiempos en el
antes y después de la implementación.
2.2. DISEÑO DE INVESTIGACIÓN

El tipo de diseño es pre-experimental, debido a que aplicara un estímulo a un
determinado grupo y después aplicara una medición para observar su efecto en
la VD.
X
O1 O2
G: Grupo o Muestras (Puntos de recojo de RFF en Palmas del Espino S.A)

O1: Observación pre-prueba (Costos de Transporte)
O2: Observación post-prueba (Costo de Transporte)
27
X: Estimulo (Herramientas de Investigación de Operaciones)
2.3. VARIABLES
2.3.1. IDENTIFICACIÓN DE VARIABLES
Herramientas de Investigación de Operaciones (Cuantitativa):
Herramientas cuantitativas para la toma de decisiones que resuelven los
problemas diarios de un negocio o sirven para tomar decisiones en la
planeación a corto o largo plazo, sea el negocio de carácter gubernamental,
de producción, de servicios, gremial o cooperativo. (WordPress)
Costos de Transporte (Dependiente) Cuantitativa: Costo que genera el
movimiento de las mercancías desde su origen hasta sus respectivos
destinos, constituye en la mayoría de los casos uno de los componentes más
importantes del costo logístico.
2.3.2. VARIABLES, OPERACIONALIZACIÓN

Tabla 1: Operacionalización de variables
OPERACIONALIZACIÓN DE VARIABLES DEL PROYECTO TESIS 2018-II
Definición Definición operacional Escala de
Variable Indicadores
conceptual medición
Herramientas Calidad del servicio de Focus Group. Ordinal
cuantitativas para reparto por sector
la toma de geográfico, medido a Diagr. Ishikawa.
decisiones que través de las herramientas
resuelven los de calidad. Diagr. Pareto
problemas diarios Modelo
de un negocio o matemático Lógica de secuencia Sumatoria de Razón
sirven para tomar de Minimizar = Costos de costos de
decisiones en la planificació Transporte transporte x
Herramientas planeación a corto n de Rutas distancia recorrida
o largo plazo, sea entre nodos
de el negocio de ∑ Tiempos de Tramos Tiempos total de Razón
Investigación carácter % de Variación de Tiempo recorrido
de gubernamental, 𝑡𝑎𝑐𝑡𝑢𝑎𝑙 − 𝑡𝑚𝑜𝑑𝑒𝑙𝑜 𝑚𝑎𝑡. Tiempos de
𝑥100%
de producción, de 𝑡𝑎𝑐𝑡𝑢𝑎𝑙 recorrido entre
Operaciones
servicios, gremial nodos con modelo <
o cooperativo. Tiempos de
(WordPress) recorrido entre
nodos actual
∑ Costos de Transporte Costo Total de Razón
% de Variación de Costos Transporte
𝐶𝑎𝑐𝑡𝑢𝑎𝑙 − 𝐶𝑚𝑜𝑑𝑒𝑙𝑜 𝑚𝑎𝑡. Costo de
𝑥100%
𝐶𝑎𝑐𝑡𝑢𝑎𝑙 Transporte con
modelos < Costo de
transporte actual
28
Costos generados Costos mensuales de reparto de carga de Min= combustible+ Razón
en el recorrido que la empresa Palmas del Espino S.A mano de obra+
une a los mantenimiento de
Costos de diferentes puntos vehículo = Soles
Transporte que generan /mes
demanda.
(FRANCESC,
2005)
Fuente: Elaboración Propia.
2.4. POBLACIÓN Y MUESTRA

La población será los puntos de recojo de RFF (racimo fruto fresco) de la
empresa Palmas del Espino S.A constituida por 537 puntos de recojo de RFF
(Anexo Figura 4). Para determinar la muestra se aplicó la fórmula de poblaciones
finitas calculando una muestra de 225 puntos de recojo de RFF. La unidad de
análisis está compuesta por cada uno de los puntos de recojo de RFF de la
empresa, y el tipo de muestreo empleado es aleatorio por conveniencia, ya que
los puntos son seleccionados dada la conveniente accesibilidad y proximidad
para realizar el enrutamiento.
Calculando el tamaño de la muestra.
N= 537 puntos de recojo de RFF.
Muestra:
𝑍2𝑥 𝑃 𝑥 𝑄 𝑥 𝑁
𝑛=
𝐸 2 (𝑁 − 1) + 𝑍 2 𝑥 𝑃 𝑥 𝑄
Donde:
- n = Número de elementos de la muestra
- N = Número de elementos del universo
- P/Q = Probabilidad con las que se presenta el fenómeno, si no se
conoce P= 0.5 y Q= 0.5
- Z2 = Valor crítico correspondiente al nivel de confianza elegido;
siempre se opera con valor sigma2, grado de confianza de 95%
luego Z = 1.96
- E = Margen de error permitido: 0.05
1.962 𝑥 0.5 𝑥 0.5 𝑥 537
𝑛=
0.052 (537 − 1) + 1.962 𝑥 0.5 𝑥 0.5
29
Muestra (n) Finalmente la formula arrojo el valor de: n=225 puntos de
recojo de RFF.
La población se zonifico por conveniencia mediante los parámetros de mayor

criticidad y accesibilidad a los puntos de recojo de RFF en estudio.
2.5. TÉCNICAS E INSTRUMENTOS DE RECOLECCIÓN DE DATOS

Para el logro de cada uno de los objetivos específicos se procederá a emplear
las siguientes técnicas y herramienta:
 Para determinar el entorno actual del reparto de carga, primero se

ejecutara la técnica Lluvia de Ideas para determinar todos los problemas
que se encuentran en el Transporte de RFF (Anexo C1.1), una vez
culminado esto se procederá a realizar un diagrama de Isikawa o Espina
de pescado (Anexo Figura 5), para poder determinar las causas que
afectan a la calidad de servicio del proceso de recojo de RFF y a la misma
vez se realizará un formato (Anexo Figura 6) del cual se obtendrá las
frecuencias de dichas causas. Y por último, se realizara un Diagrama de
Pareto (Anexo Figura 7) para determinar el 80% de las causas que afectan
al recojo de RFF. A través de estas herramienta de calidad se zonificara
los puntos de recojo que presenten mayor dificultad en el transporte de
RFF, validada por el juicio de expertos (Anexo C1.2).
 Para mapear los puntos de recojo de RFF se utilizara una Hoja de ruta
(Anexo C2.4) la cual pretende anotar secuencialmente el ruteo del
vehículo (Dámper) durante el día y ubicarlas en el grafo de la zona
geográfica de la Plantación de la empresa Palmas del Espino S.A en el
mapa facilitado por la empresa (Anexo Figura 4), con la finalidad de
visualizar la ubicación de los puntos de recojo de RFF y la distancia que
existe entre los nodos descritos por el camión.
 Para determinar los costos actuales del recojo de RFF, se recurre a las
técnicas de análisis de información recolectando los datos de los costos
del área recojo de RFF tales como: costo de combustible, mano de obra
y mantenimientos incididos en el periodo mayo-2018, a través de la
información que te brindara la empresa Palmas del Espino S.A (Anexo C
2.5).
30
 Para realizar el modelo matemático de optimización de rutas con sus
restricciones se determinara las asignaciones a las variables de decisión
(clientes, vehículos, distancia) de tiempo de carguío, capacidad, horas
hombre, entre otros; anotados en la hoja de ruta (Anexo C 2.4) el cual
mostrara el modelo del Dámper, capacidad neta, nombre del conductor,
fecha del recorrido, numero de malleros, por otro lado se debe determinar
los tiempos de ciclo para lo cual se empleara el estudio de tiempos y la
observación directa anotando sus resultados en el formato de estudios de
tiempos (Anexo C1.1, 2, 3) con la cual se establecerá cronológicamente
los transportes de RFF realizados mediante una toma de tiempos sub
dividida en sub procesos desde el inicio del recorrido, tiempo de carguío,
tiempo en balanza, tiempo de espera en rampa, hasta tiempo de
descarga; teniendo en cuenta el peso de carga (kg.) por cada punto
recogido de RFF. Los datos obtenidos de este estudio de tiempos
alimentara a la función objetivo y restricciones de los distintos modelos
matemáticos de rutas a probar.
 Para simular los resultados de los costos en distintos panoramas de
ocurrencia se empleará Excel 2013 y Solver que es un software en el cual
se modelara el objetivo anterior para realizar los análisis de sensibilidad
en cada posible tipo de modelo de rutas de transporte descritos en el
marco teórico; a fin de obtener la ruta óptima que minimice los costos de
recojo de RFF.
 Para calcular el impacto del modelo matemático de planificación de rutas
en el costo del sistema de recojo de RFF se efectuará una comparación
de costos y se determinara el % de ahorro generado en el sistema de
reparto, esto se probará estadísticamente con el software SPSS Vs 22,
probándose en primer lugar la normalidad del comportamiento de los
datos de los costos dependiendo de los resultados se procede a emplear
la pruebas estadísticas de t-student.
2.6. MÉTODO DE ANÁLISIS DE DATOS

A nivel descriptivo se analizarán los datos de acuerdo a su escala, tabulándolos
en tablas de frecuencia, contingencia o presentándolos en gráficos, calculando
sus medidas de tendencia central.
31
Para probar la hipótesis se recurre a pruebas de escala razón a la comparación
de muestras a grupos pareados empleando la prueba estadística de Shapiro -
Wilk para comprobar la normalidad de los datos por corresponder a datos
cuantitativos. Si cumple se emplea la prueba estadística de t-student.
2.7. ASPECTOS ÉTICOS

En la presente investigación, se respetó la propiedad intelectual, la veracidad de
los resultados, con la confiabilidad de los datos obtenidos por los encuestados,
así mismo no se reveló la identidad de los individuos que participaron en el
estudio, así como a solo tomar los datos consentidos por los encuestados.
III. RESULTADOS
3.1. EVALUACIÓN DE LA SITUACIÓN ACTUAL DE LA EMPRESA
3.1.1. Generalidades
Datos de la Empresa:
Palmas del Espino S.A con RUC 20104121374, es una empresa dedicada al
cultivo y transporte de fruto de Palma, fue establecida en el año 1979 en la
ciudad de Juanjuí. Unos años después, en 1982 una vez culminado las
investigaciones necesarias, asesorada por expertos de nacionalidad
francesa se comenzó el cultivo en un área de 600 hectáreas, generando el
nacimiento de una empresa gobernadora en su rubro, productora de riqueza
y crecimiento en el departamento de San Martin. Hoy en día funciona en el
departamento de San Martin, provincia de Tocache y distrito de Uchiza.
Organigrama
32
3.1.2. Análisis de la baja calidad de servicio del Transporte de RFF
Como primera medida de análisis se aplicó la técnica Lluvia de Ideas en el
cual se determinó 10 problemas que se encuentran en el Transporte de RFF
(Anexo C1.1). Como segunda instancia para poder determinar las causas
que afectan a la calidad de servicio del proceso de recojo de RFF se realizó
un diagrama de Ishikawa o Espina de Pescado (Anexo Figura 5), y a la
misma vez se realizó un formato mediante el cual se obtuvo las frecuencias
de dichas causas (Anexo Figura 6). Y por último, se realizó un diagrama de
Pareto que determino el 80% de las causas que afectan al proceso de recojo
y transporte de RFF (Anexo Figura 7).
Figura 1: Principales causas que son determinantes en la baja calidad en el

servicio de recojo de RFF en Palmas del Espino S.A, 2018.
Fuente: Elaboración propia.
Para zonificar los puntos de recojo de RFF más críticos se aplicó una
encuesta (Anexo C1.2). En lo cual se concluyó que los puntos de recojo de
RFF más críticos se encuentran en el campamento Bernal en un área de
700.3 ha la cual pertenece al SE03. En esta zona denominada “Chacrita”
está conformada por 32 puntos de recojo de RFF.
3.2. Mapeo de puntos críticos de recojo de RFF

3.2.1. Descripción del proceso actual de la Programación y Recojo de
RFF:
El área de transporte cuenta con 3 supervisores, estos realizan una
programación diaria la cual comienza con la recepción de información de
33
la cosecha (RFF alistado en los puestos de cosecha) del día la cual es
dictada por los auxiliares de cada sector, luego proceden hacer su
programación pintando en un plano las zonas que contienen RFF para
transportar y de acuerdo a ese plano hacer su distribución de maquinaria
y cuadrillas (malleros y conductor) respectivas priorizando el RFF más
antiguo en campo (Anexo Figura 8). Una vez hecha la programación, los
VOLVOS comienzan el transporte de RFF desde los distintos puntos de
recojo hacia la fábrica (Anexo Figura 9) (Anexo D4).
3.2.2. Ubicación geográfica de los puntos críticos de recojo de RFF:

Luego de identificar los puntos de recojo más críticos se procedió a
ubicarlos en el plano proporcionado por la empresa (Anexo Figura 4) y se
midió la distancia entre nodos, el tiempo estándar de los vehículos y el
tiempo de carguío. (Anexo Tabla 17 y 18)
Figura 2: Mapeo y zonificación de puntos de recojo de RFF en el año 2018.

3.3. Costos actuales del recojo de RFF

Los principales costos de la operación de transporte de RFF que se tomaron
en cuenta para esta investigación son: mano de obra, mantenimiento y
combustible del periodo marzo 2018. Fueron proporcionados por el área de
contabilidad (combustible y mantenimiento) y RR.HH (mano de obra). Luego
se procedió a distribuir los gastos por Unidad Volvo según corresponda.
- Costo de Combustible: El costo de combustible se obtuvo de la base de
datos del BIOSALC a través de las órdenes internas de cada volvo.
34
Tabla 2: Capacidad, horas trabajadas del mes, costo del mes y tarifa (S/. x
Hora) de los volvos de la empresa Palmas del Espino S.A, 2018.
Capacidad Costo
Ítem Volvo Placa Horas Costo
(TM) (S/.xHora)
1 112 F5I-175 14.5 267.2 10,316.81 38.61
2 113 F7Z-897 14.5 331.3 11,767.75 35.52
3 114 F7X-925 14.5 281.4 9,477.56 33.68
4 115 A9C-872 15.8 328.8 10,521.78 32.00
Elaboración: Propia
Fuente: Área de contabilidad de la empresa palmas del Espino S.A
- Costo de Mano de Obra: La empresa emplea 6 malleros más 1 conductor de
la unidad obteniendo el Costo Total H-H = 6 x 8.32 + 10.13 = S/. 60.05,
coeficiente del modelo.
Tabla 3: Calculo del costo Hora-Hombre del personal que participan en esta
operación de la empresa Palmas del Espino S.A, marzo 2018.
Costo Empresa Horas x H-H
Ítem Actividad Jornal
(S/. x Jor) Jor (S/.)
1 Mallero 6 66.53 8 8.32
2 Conductor 1 81.03 8 10.13
Fuente: Área de RR.HH de la empresa palmas del Espino S.A
- Costo de Mantenimiento: El costo total anual de mantenimiento x volvo se
obtuvo de la base de datos del BIOSAL a través de las órdenes internas de
cada volvo.
Tabla 4: Costo de mantenimiento de las unidades de la empresa Palmas del

Espino S.A, 2017.
Costo Costo
Ítem Volvo Descripción Horas
(S/.) (S/.xHora)
1 112 Mtto. Volvo sin Depr. 2,939.20 102,043.26 34.72
Fuente: Área de RR.HH de la empresa palmas del Espino S.A
3.4. Desarrollo del modelo matemático de planificación de rutas
Ante las condiciones cambiantes que se presentan cada día en el recojo de RFF
(racimo fruto fresco), es que se ha tenido que realizar un programa usando una
hoja de cálculo de Excel, para lo cual se ha de considerar los siguientes
parámetros:
a) Punto de recojo: al momento de mapear la zona de estudio se tuvo que
asignar un código a cada ubicación donde se ha realizado el recojo.
35
b) Kilómetros total de recorrido: Aquí se calcula la distancia desde la planta
hasta el punto de recojo de RFF y se va acumulando cuando se traslada
de un punto a otro.
c) Kilómetros entre puntos: Distancia entre puntos de recojo de RFF que
sirve luego para calcular el total de kilómetros.
d) Capacidad disponible: Espacio que se tiene disponible para poder cargar
al llegar a determinado punto de recojo de RFF.
e) Toneladas a recoger: Cantidad de toneladas acopiadas en el punto de
recojo de RFF para ser enviadas a planta.
f) Toneladas que quedan por recoger: Cantidad de toneladas que se tiene
que regresar para recoger.
Lógica del sistema:
a) Los kilómetros recorridos se acumulan en base al mensaje de toneladas

que quedan por el recoger, si el mensaje es continuar se acumulan los
kilómetros recorridos adicionando los kilómetros entre puntos de recojo,
si el mensaje es volver se duplica la cantidad de kilómetros recorridos
dado que se considera el ida y vuelta.
b) En cuanto a la capacidad disponible depende del mensaje de las
toneladas que quedan por recoger, si el mensaje es continuar s se ha de
restar la capacidad disponible menos las toneladas a recoger, si el
mensaje es volver se actualiza la capacidad a la capacidad total del
vehículo y se resta las toneladas a recoger.
c) El dato de toneladas a recoger es lo que la empresa llena en cada uno de
los puntos de recojo, este dato es el motor para que se recalculen todos
los datos programados.
d) Toneladas que quedan por recoger, depende de la capacidad disponible
y las toneladas a recoger, si la capacidad disponible es mayor que las
toneladas a recoger se asigna el valor cero, caso contrario restamos la
capacidad disponible menos las toneladas a recoger.
36
Tabla 5: Datos de la programación del modelo heuristico del transporte de la
Empresa Palmas del Espino S.A, 2018.
a) Km recorridos 0 13 0 4 8 28
b) Km entre puntos de recojo 1 1 1
c) Capacidad disponible 11.5 11.5 1.5 14.5
d) Tn a recoger 0 no recoger 10 recoger 6 recoger
e) Tn que quedan por recoger 0 continuar 0 continuar 4.5 volver
f) Puntos de recojo 1 2 3
Fuente: Propia
Tabla 6: Formulas de la programación del modelo heurístico del transporte

de la Empresa Palmas del Espino S.A, 2018.
a) Km recorridos =SI(D6="volver";SUMA($B$7:$B$57);0)
b) Km entre puntos de recojo
=SI(D14="volver";MIN(C12:I12);SI(F14="volver";MIN(G12:I12);SI
c) Capacidad disponible (H14="volver";I12;SI(J14="volver";I12))))
d) Tn a recoger 10
e) Tn que quedan por recoger =SI(C4>=C5;0;C5-C4)
Fuente: Propia
Este sistema se agrupa en un cuadro resumen de las siguientes características:
a) Se ha de considerar tres vehículos de capacidad de 14.5 toneladas y un

vehículo de capacidad de 15.8 toneladas.
b) De abajo hacia arriba, es decir de sur a norte.
c) De Arriba hacia abajo, de norte a sur.
d) Con el sistema de recojo creado se calcula la cantidad de kilómetros
totales recorridos.
e) La cantidad de viajes que se han de realizar (se cuentan todos los
mensajes: volver).
f) La cantidad de puntos de recojo (se cuentan todos los mensajes: recoger).
37
Tabla 7: Cuadro resumen de la programación del modelo heurístico del
transporte de la Empresa Palmas del Espino S.A, 2018.
TN RECORRIDO km viajes PUNTOS DE RECOJO
14.5 ABAJO HACIA ARRIBA 267 13 27

14.5 ARRIBA HACIA ABAJO 247 8 27
15.8 ARRIBA HACIA ABAJO 233 6 27
15.8 ABAJO HACIA ARRIBA 289 15 27
Fuente: Propia
Basado en el cuadro resumen se ha de separar las dos políticas y considerar los

cotos respectivos para hallar el costo de uso:
Tabla 8: Políticas para considerar los costos respectivos del transporte de la

Empresa Palmas del Espino S.A, 2018.
ABAJO HORAS USADAS
HACIA MANTENI MALLER PARA COSTO DE
CONDUCTOR
ARRIBA MIENTO OS VELOCIDA RECOJO(HR)= USO
S/HR
CAPACIDAD S/HR S/HR D (KM/HR) Velocidad/km (s/ hr)
(Tn) recorridos
14.5 38.61 10.13 49.92 50 5.34 526.844
14.5 35.52 10.13 49.92 50 5.34 510.343
14.5 33.68 10.13 49.92 50 5.34 500.518
15.8 32 10.13 49.92 50 5.78 532.049
ARRIBA HORAS USADAS
HACIA MANTENI MALLER PARA COSTO DE
CONDUCTOR
ABAJO MIENTO OS VELOCIDA RECOJO(HR)= USO
S/HR
CAPACIDAD S/HR S/HR D (KM/HR) Velocidad/ km (s/ hr)
(Tn) recorridos
14.5 38.61 10.13 49.92 50 4.94 487.38
14.5 35.52 10.13 49.92 50 4.94 472.11
14.5 33.68 10.13 49.92 50 4.94 463.02
15.8 32 10.13 49.92 50 4.66 428.95
Fuente: Propia
Estructura para usar SOLVER:
En este tablero se asigna el valor de cero a todos los casilleros que relaciona la
capacidad de cada vehículo y la políticas de recojo a evaluar, nótese que la
última columna tiene valor 1 dado que allí se restringe la cantidad de vehículo
disponible cada tipo, de la misma manera hacia la parte inferior se considera la
38
limitante <= porque máximo un vehículo se enviara a una de las políticas de
recojo:
Tabla 9: Programación en Solver de los costos respectivos del transporte de

la Empresa Palmas del Espino S.A, 2018.
ABAJO ABAJO ABAJO ABAJO ARRIBA ARRIBA ARRIBA ARRIBA
HACIA HACIA HACIA HACIA HACIA HACIA HACIA HACIA
ARRIBA ARRIBA ARRIBA ARRIBA ABAJO ABAJO ABAJO ABAJO
14.5 14.5 14.5 15.8 14.5 14.5 14.5 15.8 =
14.5 0 0 0 0 0 0 0 0 1
14.5 0 0 0 0 0 0 0 0 1
14.5 0 0 0 0 0 0 0 0 1
15.8 0 0 0 0 0 0 0 0 1
<= 0 0 0 0 1 1 1 1
1 1 1 1 1 1 1 1
Fuente: Propia
En esta tabla se ingresan los costos calculados en las tablas de las políticas de
recojo, se debe aclarar que solo los casilleros de color amarillo son los que se
evalúan y los demás casilleros como se van a considerar se les otorga el valor
de un costo muy alto, en este caso se le da el valor de 1000.
Tabla 10: Costos respectivos del transporte según políticas en consideración

de la Empresa Palmas del Espino S.A, 2018.
14.5 14.5 14.5 15.8 14.5 14.5 14.5 15.8
14.5 526.8444 1000 1000 1000 487.3804 1000 1000 1000
14.5 1000 510.3438 1000 1000 1000 472.1158 1000 1000
14.5 1000 1000 500.5182 1000 1000 1000 463.0262 1000
15.8 1000 1000 1000 532.049 1000 1000 1000 428.953
Fuente: Propia
39
Este tablero reúne el cálculo de los costos y es la multiplicación del valor de las
variables y el costo respectivo:
Tabla 11: Costos reducidos según políticas en consideración de la Empresa

Palmas del Espino S.A, 2018.
487.380 487.3
14.5 0 0 0 0 0 0 0
4 804
472.115 472.1
14.5 0 0 0 0 0 0 0
8 158
463.026 463.0
14.5 0 0 0 0 0 0 0
2 262
428.9
15.8 0 0 0 0 0 0 0 428.953
53
COSTO 1851.
MINIMO 4754
Fuente: Propia
40
3.5. Simulación de equipos según su costo en SOLVER
Programación de SOLVER:
El modelo lineal a usar considera la función objetivo de costos, además tiene las
limitantes de oferta de vehículos con valores = 1 y de la cobertura de política con
orientación <=, adicionalmente se ha de considerar decisiones excluyentes para
cada tipo de vehículos decir debe elegir máximo una de las políticas de recojo.
Con esta programación se ha de logar decidir por cada tipo de política
considerando el de menor costos, o en algunos casos saber que política de
recojo elegir para cada tipo de vehículo.
Figura 3: Programación de los costos de transporte en SOLVER en el año 2018.

3.6. Impacto del modelo matemático de planificación de rutas en los

costos de recojo de RFF
3.6.1. Análisis técnico
El costo real de transporte de RFF obtenido es de S/. 12,024.70 en el mes
de marzo y el costo reducido es de S/. 11,518.51; entonces el porcentaje de
ahorro obtenido es:
41
𝐶𝑜𝑠𝑡𝑜𝑎𝑐𝑡𝑢𝑎𝑙 − 𝐶𝑜𝑠𝑡𝑜𝑚𝑜𝑑𝑒𝑙𝑎𝑑𝑜
𝐴ℎ𝑜𝑟𝑟𝑜(%) = 𝑥100
𝐶𝑜𝑠𝑡𝑜𝑎𝑐𝑡𝑢𝑎𝑙
12,024.70 𝑆/./𝑚𝑒𝑠 − 11,518.51 𝑆/./𝑚𝑒𝑠

𝐴ℎ𝑜𝑟𝑟𝑜(%) = 𝑥100 = 4.2%
12,024.70 𝑆/./𝑚𝑒𝑠
El modelo heurístico en la hoja de cálculo reduce 4.2% los costos de

transporte de RFF.
3.6.2. Análisis inferencial

Se analizó las muestras pareadas entre el costo de transporte de RFF
actual y el costo modelado de cada volvo, la cual se realizó la diferencia
entre ellos con la finalidad de aprobarlos estadísticamente en el software
SPSS Vs 20.
Tabla 12: Diferencia de muestras pareadas entre el costo actual y el costo

modelado por el cliente de transporte de RFF de la empresa Palmas del
Espino S.A, 2018.
Día Mes Año Volvo Costo Pretest Costo Postest Diferencia
1 3 2018 112 518,95 487,38 31,57
1 3 2018 113 502,70 472,12 30,58
1 3 2018 114 493,02 463,03 29,99
1 3 2018 115 532,05 428,95 103,10
2 3 2018 112 676,81 664,97 11,84
2 3 2018 113 655,61 644,14 11,47
2 3 2018 114 642,99 631,74 11,25
2 3 2018 115 532,05 532,05 0,00
3 3 2018 112 710,35 710,35 0,00
3 3 2018 113 688,10 688,10 0,00
3 3 2018 114 674,86 674,86 0,00
3 3 2018 115 532,05 532,05 0,00
4 3 2018 112 601,83 601,83 0,00
4 3 2018 113 582,98 582,98 0,00
4 3 2018 114 571,75 571,75 0,00
4 3 2018 115 532,05 486,02 46,03
5 3 2018 112 700,49 621,56 78,93
5 3 2018 113 678,55 602,09 76,46
5 3 2018 114 665,48 590,50 74,98
5 3 2018 115 532,05 532,05 0,00
Fuente: Empresa Palmas del Espino S.A, 2018.
42
3.6.2.1. Prueba de normalidad
Para validar la hipótesis se realizó primero la prueba de normalidad de
Shapiro -Wilk a la muestra de 4 volvos a la variable costos de transporte
de RFF, teniendo como hipótesis:
Ho: Los costos de transporte de RFF tienen un comportamiento normal.
H1: Los costos de transporte de RFF no tienen un comportamiento
normal.
Tabla 13: Prueba de normalidad Shapiro-Wilk para la diferencia de los

costos de distribución Pre modelo y Post modelo en la empresa Palmas
del Espino S.A, 2018.
Shapiro-Wilk
Estadístico gl Sig.
DIFERENCIA ,774 20 ,000
Fuente: Empresa Palmas del Espino S.A, Systems Estadístico SPSS
Obteniéndose p = 0.000 menor a la significancia de 5% por tanto se
acepta H1: Los costos de transporte de RFF no tienen un
comportamiento normal.
3.6.2.2. Prueba inferencial

Luego se realizó la prueba de contrastación de hipótesis con la prueba
estadística de t-student a la variable costos de distribución, teniendo
como hipótesis:
Ho2: El modelo heurístico no reduce los costos de transporte de RFF.
H2: El modelo heurístico reduce los costos de transporte de RFF.
43
Tabla 14: Prueba estadística wilcoxon para contrastación de hipótesis.
Rangos
N Rango promedio Suma de rangos
POSTEST - PRETEST Rangos negativos 11a 6,00 66,00
Rangos positivos 0b ,00 ,00
Empates 9c
Total 20
a. POSTEST < PRETEST
b. POSTEST > PRETEST
c. POSTEST = PRETEST
Estadísticos de contrasteb
POSTEST - PRETEST
Z -2,934a
Sig. asintót. (bilateral) ,003
a. Basado en los rangos positivos.
b. Prueba de los rangos con signo de Wilcoxon
Fuente: Empresa Palmas del Espino S.A, Systems Estadístico SPSS

Al ser p = 0.003 menor a la significancia 0.05 se rechaza Ho y se acepta
la H1, por ende el modelo heurístico reduce los costos de transporte de
RFF.
44
IV. DISCUSIÓN
 Al evaluar la situación actual del reparto de carga de la empresa Palmas del
Espino S.A, se encontró que las rutas optimas no identificadas, sectores muy
alejados de la fábrica, sectores con áreas geográficas accidentadas y no se
analiza el equipo óptimo para el proceso representan el 80% de las causas
que afectan a la calidad del servicio del reparto de RFF, los cuales
representan el 14,22% de la muestra; esta situación constantemente se
repiten en muchas empresas del mismo rubro como se puede ver en la
investigación de Namay Carbonel quien encontró el 28% de sus clientes
insatisfechos por la baja calidad de su servicio de reparto. Por otro lado se
debe observar los métodos utilizados por los investigadores para determinar
las principales fluctuaciones que afectan a la calidad de servicio de reparto
de RFF, en esta investigación se utilizó un Focus Group y las herramientas
básicas de calidad las cuales son validadas por el marco teórico (Pozo,
2014); sin embargo existen otras formar para determinar la situación actual
de reparto como la aplicación de encuesta de calidad de reparto como lo
realizo (Jesús, 2015).
 Al mapear los puntos de recojo de RFF de la empresa Palmas del Espino
S.A, se determinó mediante la aplicación de una encuesta el área más crítica
de la plantación conformada por 32 puntos de recojo de RFF en un área de
700.3 ha y a la misma vez determinar la distancia real del punto de origen
hacia los puntos de recojo de RFF; sin embargo en la investigación de
Namay Carbonel se zonifico 45 puntos de reparto en estudio con la misma
encuesta aplicada para determinar sus clientes insatisfechos y los ubico
geográficamente en Google Maps (Jesús, 2015); se utilizó un modelo de hoja
de ruta para determinar los tiempos y distancias de reparto del origen a cada
punto de recojo de RFF y a la misma vez las distancia entre cada punto de
recojo de RFF esta metodología está apoyada teóricamente por la
investigación de (GARCÍA, 1999) quien afirma que el estudio de tiempos es
una técnica de medición del trabajo empleada para registrar los tiempos y
ritmos de trabajo.
 Se determinó los costos operativos de reparto actuales de la empresa
Palmas del Espino S.A, los cuales en base a ellos se midió el impacto del
45
modelo heurístico; sin embargo en la investigación de Jose Cadillo se
exceptúan estos costos ya que mide solo el impacto en distancias de
recorrido (CADILLO, 2011); y en la investigación de Pérez Jimena Cecilia y
Silva Pimentel Consuelo solo se considera el costo de combustible para
determinar el impacto de su modelo propuesto (PÉREZ, y otros, 2000); los
costos utilizados abarcan mano de obra, mantenimiento y combustible ya
que se consumen en todas las actividades de reparto y estos son apoyados
teóricamente por (FRANCESC, 2005) que nos explica sobre el coste de
distribuir.
 Al realizar el modelo heurístico del reparto de la empresa Palmas del Espino
S.A, se determinó que la hoja de cálculo EXCEL nos permitirá expresar el
modelo heurístico en el lenguaje del modelado y a la misma vez determinar
los costos en diferentes panoramas mediante SOLVER, esto debido al
cambiante panorama que se presentan en el día a día en la operación; sin
embargo en la investigación de Jose Cadillo se empleó el software LINDO
en la cual se tiene una interfaz de programación y limita el número de
variables y restricciones a emplear, pues en este estudio solo se tomó en
cuenta la restricción de distancia entre nodo; se programaron las siguientes
restricciones en la hoja de cálculo km recorridos, km entre puntos de recojo,
capacidad disponible, tn a recoger y tn que quedan por recoger estos son
validados teóricamente por (Valladares, 2009) quien define todos los
beneficios que te da el programa Microsoft Excel.
 Al determinar los costos de reparto en diferentes panoramas después de
haber realizado el modelo heurístico de la empresa Palmas del Espino S.A,
logrando reducir en un 4.2% el costo de transporte de RFF, teniendo en
cuenta en la reducción de kilómetros recorridos el cual impacta en el costo
del combustible; sin embrago en la investigación de Namay Carbonel empleo
el algoritmo de pétalos reduciendo el costo de reparto en un 43.7% (Jesús,
2015), sin embargo en la investigación de Pérez Jimena Cecilia y Silva
Pimentel Consuelo se empleó solo la restricción de distancia entre nodos
obteniendo una reducción de 24.9% en el costo del combustible (PÉREZ, y
otros, 2000); y por último en la investigación de Palacios se obtuvo una
reducción de 6.74% en sus costos operativos de reparto. Sin embargo cabe
46
referenciar, que los criterios empleados dependen de la realidad del estudio,
siendo Microsoft Excel el más apropiado para las realidades operativas de
las empresas muy cambiantes, siendo las características antes expuestas
de la realidad de donde se aplicó.
 Se aprobaron estadísticamente los datos postest y pretest de aplicado el
modelo heurístico. Como primera instancia se aplicó la prueba de normalidad
con Shapiro Wilk al ser los datos de la muestra <50 y después la prueba
estadística de contrastación Wilcoxon p = 0,003 menor a la significancia de
0.05; no obstante la investigación realizada por Namay Carbonel realizo una
prueba de Shapiro Wilk al ser su muestra de 45 clientes y una prueba de
contrastación de t-student p = 0,017 menor a la significancia 0.05.
47
V. CONCLUSIONES
 Según las investigaciones realizadas tanto en la empresa en estudio como
en las otras realidades, se puede observar que en algún momento se dio un
bajo nivel de calidad de servicio en el transporte, pues el 14,22% de la
muestra representan los puntos más críticos.
 De acuerdo a la investigación en la empresa en estudio se concluyó que no
existe ni un modelo de rutas que permita ayudar en la toma de decisiones,
esto se basó en la realidad específica y la habilidad del investigador, para
sintetizar de la realidad las variables y restricciones que únicamente afectan
en la gestión de distribución estudiada.
 En el modelo heurístico de la investigación se consideró las siguientes
variables para alimentar dicho modelo: kilómetros recorridos, kilómetros
entre puntos de recojo, capacidad disponible, toneladas a recoger, toneladas
que quedan por recoger y puntos de recojo, las cuales fueron adecuadas a
la realidad problemática y a los objetivos de la investigación.
 El modelo heurístico desarrollado tuvo un impacto en la reducción de los
costos de reparto en un 4,2%; este impacto se dio en la reducción de
kilómetros recorridos, por lo tanto reducción de combustible.
 Se probó la hipótesis con la prueba estadística Wilcoxon obteniéndose un p
= 0.3% menor a la significancia de 5% lo cual indica que se rechaza la
hipótesis nula y se acepta la aplicación del modelo heurístico de planificación
de rutas reduce el costo de transporte de la empresa Palmas del Espino S.A,
2018.
48
VI. RECOMENDACIONES
 Capacitar a los supervisores del área de transporte en la interpretación del

reporte de Microsoft Excel además de dar seguimiento a las rutas obtenidas
en la hoja de cálculo y a las realizadas por el conductor.
 Revisar continuamente los puntos de recojo de RFF y los datos para corrida
del modelo heurístico; además de las variables para su constante mejora
continua.
 Considerar el abastecimiento del combustible si lo realiza al inicio o fin de la

operación e incluirlo en el modelo heurístico.
 Capacitar constantemente a los responsables del área de transporte sobre

las distintas herramientas de investigación de operaciones que puedan
ayudar en la toma de decisiones y mejorar la calidad de reparto.
 Aplicar un estudio de métodos para la labor de carguío realizados por el

personal conocido como malleros, considerando los implementos de
seguridad y métodos ergonómicos, para mejorar la laborar y contrastar los
beneficios de la gestión de seguridad y salud ocupacional sobre el
rendimiento y desempeño de los colaboradores.
49
VII. REFERENCIAS BIBLIOGRÁFICAS
Agrositio. 2017. Agrositio. Agrositio. [En línea] 29 de Marzo de 2017.
www.agrositio.com/vertext/.php?id=184016&se=.
Análisis Integral de la Logística en el Perú. Ministerio de Comercio Exterior y

Turismo. 2016. Perú : s.n., 2016.
BALLOU, Ronald. 2004. Lógística, Administración de la Cadena de Suministro.

México : PEARSON Educación, 2004. 970-26-0540-7.
BEASLEY, J. 1983. Omega. EE.UU. : Elsevier Ltd., 1983. págs. 403-408. Vol. 11.
0305-0483.
BELFIORE, Patricia y YOSHIZAKI, Hugo. 2012. Computers & Industrial

Engineering. EE.UU. : Elsevier Ltd., 2012. págs. 589-601. Vol. 64. 0360-8352.
CADILLO, José. 2011. Estudio comparativo de la aplicación de heurísticas al

problema de ruteo de vehículos”. Lima : Pontificia Universidad Católica del Perú,
2011.
CHAVEZ, Rodolfo y TORRES, Jorge. 2012. Supply Chain Management. Segunda

ed. Santiago de Chile : RIL editores, 2012. pág. 32. 978-956-284-909-8.
COYLE, jhon, y otros. 2014. Administracíon de la Cadena de Suministro. Mexico :

CENGAGE Learning, 2014. 646.
DAVAENDRA, Donald. 2010. Traveling Salesman Problem: an Overview of

Applications, Formulations, and Solution Approaches. EE.UU. : INTECH, 2010.
978-953-307-426-9.
FRANCESC, Anton. 2005. Logística del transporte. España : Ediciones UPC,

2005. 9788483017739.
GARCÍA, Roberto. 1999. Estudio del trabajo. Ingeniería de métodos y medición

del trabajo. México : Mc Graw Hill, 1999. 970-10-4657-9.
GOLDEN, B., y otros. 1984. Computers & Operations Research. EE.UU. : Elsevier
Ltd., 1984. págs. 49-66. Vol. 11. 03050548.
HILLER, FREDERICK S. y LIEBERMAN, GERALD J. 2002. Investigación de

Operaciones. 7 ed. México : Mc Graw Hill, 2002. 9789701034.
50
HILLER, Frederick y LIEBERMAN, Gerald. 2010. Introducción a la Investigación
de operaciones. Quinta ed. México : McGRAW-HILL, 2010. págs. 2-3. 978-607-
15-0308-4.
HIMMELBLAU, David y BISCHOFF, Kenneth. 1992. Análisis y Simulación de

procesos. Madrid : Editorial Reverte, 1992. 9788429172355.
Jesús, Carbonel Namay Teresa de. 2015. MODELO MATEMÁTICO DE

PLANIFICACIÓN DE RUTAS PARA MINIMIZAR LOS COSTOS DEL REPARTO
DE LA EMPRESA SAN ISIDRO LABRADOR S.R.L. EN EL AÑO 2015. Trujillo :
s.n., 2015. 80.
Josymar, Cadillo Paredes José. 2011. ESTUDIO COMPARATIVO DE LA

APLICACIÓN DE HEURÍSTICAS AL PROBLEMA DE RUTEO DE VEHÍCULOS.
Lima : s.n., 2011. 70.
KONG, Maynard. 2010. Investigación de Operaciones. 1 edición. Lima : Fondo

Editorial de la Pontificia Universidad Católica del Perú, 2010. pág. 300. 978-9972-
42-921-7.
LINDO Systems, Inc. 2003. Descarga: LINDO User´s Manual. LINDO Web site.
[En línea] 2003. [Citado el: 3 de Junio de 2015.] http://www.lindo.com .
Maria, García Murrieta y Jorge, Rodriguez Garduño. 2009. "Desarrollo de un

marco conceptual para el manejo y operación de la carga con un enfoque de
ingeniería de Transporte". Mexico D.F : s.n., 2009.
Meindl, Sunil Chopra Peter. 2008. Administración de la Cadena de Suministro.

Mexico : Pearson, 2008. 553.
MORA, Luis. 2010. Gestión logística integral : las mejores prácticas en la cadena
de abastecimientos. Primera ed. Bogotá : Ecoe Ediciones, 2010. pág. 210.
9789586485722.
OperacionesII, Artículos relacionados con la investigación de. 2011. Artículos

relacionados con la Investigación de OperacionesII. [En línea] 26 de Septiembre
de 2011. operativaii.blogspot.pe/2011/09/aplicacion-de-la-investigacion-
de.html?m=1.
51
PALACIOS, dionicio. 2016. APLICACIÓN DE UN MODELO MATEMÁTICO DE
RUTAS PARA OPTIMIZAR LA DISTRIBUCIÓN DE MERCADERÍA EN LA
EMPRESA LOGISTIC MULTISERVICE COMPANY C&B SAC. Trujillo :
Universidad César Vallejo, 2016.
PÉREZ, Jimena y PIMENTEL, Consuelo. 2000. Optimizacion del transporte de

materia prima de una empresa esparraguera. Trujillo : Universidad Nacional de
Trujillo, 2000.
—. 2000. Optimización del transporte de materia prima de una empresa

esparraguera. Trujillo : Universidad Nacional de Trujillo, 2000.
Pozo, Francisco Germán Calderon. 2014. Diagnostico y propuesta de mejora del

proceso de control de la calidad en una empresa que elabora aceites lubricantes
automotrices e industriales utilizando herramientas y técnicas de la calidad. Lima :
s.n., 2014. 100.
Rodolfo Torres Rabello, Jorge H. Chávez. 2014. Supply Chain Management. s.l. :
Ril Editores, 2014.
Taha, Hamdy A. 2012. Investigación de Operaciones. Mexico : Pearson, 2012.

827.
TAHA, Hamdy. 2012. Investigación de Operaciones. Novena ed. México :

PEARSON, 2012. pág. 11. 978-607-32-0796-6.
Tecnicas, Instituto Uruguayo de Normas. 2009. Herramientas para la mejora de la

Calidad. Herramientas para la mejora de la Calidad. [En línea] 2009.
https://qualitasbiblo.files.wordpress.com/2013/01/libro-herramientas-para-la-
mejora-de-la-calidad-curso-unit.pdf. 117.
The Vehicle Routing Problem: An overview of exact and approximate algorithms.

LAPORTE, GILBERT. 1991. 6128, Montreal : European Journal of Operational
Research, 1991, Vol. I. H3C 3J7.
Valladares, Joe Jordan Esteves. 2009. Propuesta y aplicación de una metodología

integral para diseñar e implementar sistemas híbridos de información en
empresas. Lima : s.n., 2009. 165.
52
WEATHERFORD, Moore, SCHMIDT, Gould y EPPEN. 2000. Investigación de
Operaciones en la Ciencia Administrativa. Quinta ed. México : Prentice-Hall, 2000.
pág. 68. 970-17-0270-0.
WINSTON, Wayne L. 2005. Investigación de Operaciones: Aplicaciones y

Algortimos. Cuarta ed. México : Thomson, 2005. págs. 20-24. 9706863621.
WordPress. Porque la optimización no es sólo un proceso, es nuestro día a día.

Porque la optimización no es sólo un proceso, es nuestro día a día. [En línea]
https://inveoperaciones.wordpress.com/investigacion-de-operaciones/.
53
ANEXOS
54
A. Anexo Tablas
Tabla 15: Sistema de valoración Westinhouse.
55
básicos.
56
Tabla 17: Distancias en puntos de recojo de RFF (km).
Dij 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32
1 0,00 0,35 1,37 1,04 0,69 1,70 2,72 1,37 1,02 2,03 3,05 4,07 1,35 2,37 3,38 4,40 3,32 2,70 3,72 4,73 3,70 3,03 4,05 5,07 3,85 3,37 5,40 4,14 3,70 4,72 4,47 4,03
2 0,35 0,00 1,02 0,69 0,33 1,35 2,36 1,02 0,67 1,68 2,70 3,71 1,00 2,01 3,03 4,05 2,97 2,35 3,36 4,38 3,34 2,68 3,70 4,71 3,50 3,01 5,05 3,79 3,35 4,36 4,12 3,68
3 1,37 1,02 0,00 1,70 1,35 0,33 1,35 2,03 1,68 0,67 1,68 2,70 2,01 1,00 2,01 3,03 1,95 1,33 2,35 3,36 2,59 1,67 2,68 3,70 2,48 2,00 4,03 2,77 2,33 3,35 3,11 2,66
4 1,04 0,69 1,70 0,00 0,35 1,37 2,38 1,04 0,69 1,70 2,72 3,73 1,02 2,03 3,05 4,07 2,99 2,37 3,38 4,40 3,36 2,70 3,72 4,73 3,52 3,03 5,07 3,81 3,37 4,38 4,14 3,70
5 0,69 0,33 1,35 0,35 0,00 1,02 2,03 0,69 0,33 1,35 2,36 3,38 0,67 1,68 2,70 3,71 2,63 2,01 3,03 4,05 3,01 2,35 3,36 4,38 3,17 2,68 4,71 3,46 3,01 4,03 3,79 3,35
6 1,70 1,35 0,33 1,37 1,02 0,00 1,02 1,70 1,35 0,33 1,35 2,36 1,68 0,67 1,68 2,70 1,62 1,00 2,01 3,03 1,99 1,33 2,35 3,36 2,15 1,67 3,70 2,44 2,00 3,01 2,77 2,33
7 2,72 2,36 1,35 2,38 2,03 1,02 0,00 2,72 2,36 1,35 0,33 1,35 2,70 1,68 0,67 1,68 2,63 2,01 1,00 2,01 3,01 2,35 1,33 2,35 3,17 2,68 2,68 3,46 3,01 4,03 3,79 3,35
8 1,37 1,02 2,03 1,04 0,69 1,70 2,72 0,00 0,35 1,37 2,38 3,40 0,69 1,70 2,72 3,73 2,65 2,03 3,05 4,07 3,03 2,37 3,38 4,40 3,19 2,70 4,73 3,48 3,03 4,05 3,81 3,37
9 1,02 0,67 1,68 0,69 0,33 1,35 2,36 0,35 0,00 1,02 2,03 3,05 0,33 1,35 2,36 3,38 2,30 1,68 2,70 3,71 2,68 2,01 3,03 4,05 2,83 2,35 4,38 3,12 2,68 3,70 3,46 3,01
10 2,03 1,68 0,67 1,70 1,35 0,33 1,35 1,37 1,02 0,00 1,02 2,03 1,35 0,33 1,35 2,36 1,28 0,67 1,68 2,70 1,66 1,00 2,01 3,03 1,82 1,33 3,36 2,11 1,67 2,68 2,44 2,00
11 3,05 2,70 1,68 2,72 2,36 1,35 0,33 2,38 2,03 1,02 0,00 1,02 2,36 1,35 0,33 1,35 2,30 1,68 0,67 1,68 2,68 2,01 1,00 2,01 2,83 2,35 2,35 3,12 2,68 3,70 3,46 3,01
12 4,07 3,71 2,70 3,73 3,38 2,36 1,35 3,40 3,05 2,03 1,02 0,00 3,38 2,36 1,35 0,33 3,32 2,70 1,68 0,67 3,69 3,03 2,01 1,00 3,85 3,36 2,30 4,14 3,70 4,71 4,47 4,03
13 1,35 1,00 2,01 1,02 0,67 1,68 2,70 0,69 0,33 1,35 2,36 3,38 0,00 1,02 2,03 3,05 1,97 1,35 2,36 3,38 2,34 1,68 2,70 3,71 2,50 2,01 4,05 2,79 2,35 3,36 3,12 2,68
14 2,37 2,01 1,00 2,03 1,68 0,67 1,68 1,70 1,35 0,33 1,35 2,36 1,02 0,00 1,02 2,03 0,95 0,33 1,35 2,36 1,33 0,67 1,68 2,70 1,48 1,00 3,03 1,77 1,33 2,35 2,11 1,67
15 3,38 3,03 2,01 3,05 2,70 1,68 0,67 2,72 2,36 1,35 0,33 1,35 2,03 1,02 0,00 1,02 1,97 1,35 0,33 1,35 2,34 1,68 0,67 1,68 2,50 2,01 3,43 2,79 2,35 3,36 3,12 2,68
16 4,40 4,05 3,03 4,07 3,71 2,70 1,68 3,73 3,38 2,36 1,35 0,33 3,05 2,03 1,02 0,00 2,98 2,36 1,35 0,33 3,36 2,70 1,68 0,67 3,52 3,03 1,97 3,80 3,36 4,38 4,14 3,70
17 3,32 2,97 1,95 2,99 2,63 1,62 2,63 2,65 2,30 1,28 2,30 3,32 1,97 0,95 1,97 2,98 0,00 0,62 1,63 2,65 1,61 0,95 1,97 2,98 1,77 1,28 4,29 2,06 1,62 2,63 2,39 1,95
18 2,70 2,35 1,33 2,37 2,01 1,00 2,01 2,03 1,68 0,67 1,68 2,70 1,35 0,33 1,35 2,36 0,62 0,00 1,02 2,03 1,00 0,33 1,35 2,36 1,15 0,67 3,67 1,44 1,00 2,01 1,77 1,33
19 3,72 3,36 2,35 3,38 3,03 2,01 1,00 3,05 2,70 1,68 0,67 1,68 2,36 1,35 0,33 1,35 1,63 1,02 0,00 1,02 2,01 1,35 0,33 1,35 2,17 1,68 3,09 2,46 2,01 3,03 2,79 2,35
20 4,73 4,38 3,36 4,40 4,05 3,03 2,01 4,07 3,71 2,70 1,68 0,67 3,38 2,36 1,35 0,33 2,65 2,03 1,02 0,00 3,03 2,36 1,35 0,33 3,18 2,70 1,64 3,47 3,03 4,05 3,80 3,36
21 3,70 3,34 2,59 3,36 3,01 1,99 3,01 3,03 2,68 1,66 2,68 3,69 2,34 1,33 2,34 3,36 1,61 1,00 2,01 3,03 0,00 0,66 1,68 2,69 1,48 1,00 4,00 1,77 1,33 2,34 2,10 1,66
22 3,03 2,68 1,67 2,70 2,35 1,33 2,35 2,37 2,01 1,00 2,01 3,03 1,68 0,67 1,68 2,70 0,95 0,33 1,35 2,36 0,66 0,00 1,02 2,03 0,82 0,33 3,34 1,11 0,67 1,68 1,44 1,00
23 4,05 3,70 2,68 3,72 3,36 2,35 1,33 3,38 3,03 2,01 1,00 2,01 2,70 1,68 0,67 1,68 1,97 1,35 0,33 1,35 1,68 1,02 0,00 1,02 2,28 1,35 2,76 2,12 1,68 2,70 2,46 2,01
24 5,07 4,71 3,70 4,73 4,38 3,36 2,35 4,40 4,05 3,03 2,01 1,00 3,71 2,70 1,68 0,67 2,98 2,36 1,35 0,33 2,69 2,03 1,02 0,00 2,85 2,36 1,30 3,14 2,70 3,71 3,47 3,03
25 3,85 3,50 2,48 3,52 3,17 2,15 3,17 3,19 2,83 1,82 2,83 3,85 2,50 1,48 2,50 3,52 1,77 1,15 2,17 3,18 1,48 0,82 2,28 2,85 0,00 0,49 3,34 1,26 0,82 1,83 2,03 1,15
26 3,37 3,01 2,00 3,03 2,68 1,67 2,68 2,70 2,35 1,33 2,35 3,36 2,01 1,00 2,01 3,03 1,28 0,67 1,68 2,70 1,00 0,33 1,35 2,36 0,49 0,00 3,34 0,77 0,33 1,35 1,11 0,67
27 5,40 5,05 4,03 5,07 4,71 3,70 2,68 4,73 4,38 3,36 2,35 2,30 4,05 3,03 3,43 1,97 4,29 3,67 3,09 1,64 4,00 3,34 2,76 1,30 3,34 3,34 0,00 4,44 4,00 5,02 4,78 4,33
28 4,14 3,79 2,77 3,81 3,46 2,44 3,46 3,48 3,12 2,11 3,12 4,14 2,79 1,77 2,79 3,80 2,06 1,44 2,46 3,47 1,77 1,11 2,12 3,14 1,26 0,77 4,44 0,00 0,44 1,46 1,22 0,77
29 3,70 3,35 2,33 3,37 3,01 2,00 3,01 3,03 2,68 1,67 2,68 3,70 2,35 1,33 2,35 3,36 1,62 1,00 2,01 3,03 1,33 0,67 1,68 2,70 0,82 0,33 4,00 0,44 0,00 1,02 0,77 0,33
30 4,72 4,36 3,35 4,38 4,03 3,01 4,03 4,05 3,70 2,68 3,70 4,71 3,36 2,35 3,36 4,38 2,63 2,01 3,03 4,05 2,34 1,68 2,70 3,71 1,83 1,35 5,02 1,46 1,02 0,00 1,79 1,35
31 4,47 4,12 3,11 4,14 3,79 2,77 3,79 3,81 3,46 2,44 3,46 4,47 3,12 2,11 3,12 4,14 2,39 1,77 2,79 3,80 2,10 1,44 2,46 3,47 2,03 1,11 4,78 1,22 0,77 1,79 0,00 0,44
32 4,03 3,68 2,66 3,70 3,35 2,33 3,35 3,37 3,01 2,00 3,01 4,03 2,68 1,67 2,68 3,70 1,95 1,33 2,35 3,36 1,66 1,00 2,01 3,03 1,15 0,67 4,33 0,77 0,33 1,35 0,44 0,00
57
básicos.
CÁLCULO DEL TIEMPO ESTÁNDAR POR TONELADA DE CADA CLIENTE INSATISFECHO DE LA EMPRESA SAN ISIDRO
LABRADOR S.R.L.
T. observado T. base por ciclo T. estándar por T EST/PESO
ÍTEM SECTOR N° de ciclos Peso TM Peso/Ciclo
por ciclo (min) (min) ciclo (min) (Hr/TM)
1 SE03 2 93,55 105,72 132,15 28,7 14,33 0,15
2 SE03 2 92,61 104,65 130,82 31,0 15,48 0,14
3 SE03 5 89,90 101,59 126,99 81,1 16,22 0,13
4 SE03 4 92,67 104,71 130,89 64,6 16,14 0,14
5 SE03 4 91,72 103,65 129,56 59,6 14,89 0,15
6 SE03 4 89,02 100,59 125,74 61,8 15,44 0,14
7 SE03 2 91,72 103,65 129,56 33,6 16,78 0,13
8 SE03 5 91,78 103,71 129,64 71,8 14,36 0,15
9 SE03 5 90,84 102,65 128,31 80,8 16,15 0,13
10 SE03 3 88,13 99,58 124,48 49,1 16,35 0,13
11 SE03 4 90,84 102,65 128,31 67,6 16,89 0,13
12 SE03 3 93,54 105,71 132,13 49,4 16,48 0,13
13 SE03 5 89,95 101,64 127,05 76,1 15,21 0,14
14 SE03 2 87,24 98,58 123,23 32,7 16,33 0,13
15 SE03 5 89,95 101,64 127,05 76,3 15,25 0,14
16 SE03 4 92,66 104,70 130,88 63,6 15,89 0,14
17 SE03 4 88,00 99,44 124,30 59,1 14,78 0,14
18 SE03 3 86,35 97,58 121,97 46,0 15,34 0,13
19 SE03 5 89,06 100,64 125,80 81,3 16,25 0,13
20 SE03 5 91,77 103,70 129,62 81,8 16,36 0,13
21 SE03 4 87,23 98,57 123,21 59,1 14,78 0,14
22 SE03 5 85,46 96,57 120,72 84,2 16,84 0,12
23 SE03 4 88,17 99,63 124,54 66,4 16,59 0,13
24 SE03 5 90,88 102,70 128,37 72,4 14,48 0,15
25 SE03 2 85,87 97,03 121,29 29,2 14,59 0,14
26 SE03 5 0,21 0,24 0,30 82,3 16,45 0,00
27 SE03 3 94,36 106,63 133,28 42,8 14,25 0,16
28 SE03 5 84,87 95,90 119,87 71,8 14,36 0,14
29 SE03 4 83,69 94,57 118,21 64,0 16,01 0,12
30 SE03 3 86,40 97,63 122,04 48,8 16,25 0,13
31 SE03 4 83,98 94,89 118,62 57,6 14,39 0,14
32 SE03 5 82,80 93,56 116,96 76,8 15,35 0,13
58
B. Anexo Figuras
Figura 4: Mapa de la Plantación Palmas del Espino S.A.
Fuente y elaboración: Palmas del Espino S.A
59
El presente diagrama determino las causas que afectan al proceso de recojo de RFF
mediante una Lluvia de Ideas o Torbellino de Ideas.
Figura 5: Diagrama de Ishikawa de las principales fluctuaciones del proceso
Fuente y elaboración: propia.
Figura 6: Tabla de frecuencias de las causas de la disminución de servicio en el

recojo de RFF.
60
Figura 7: Pareto de las causas de la disminución de servicio en el recojo de RFF.
Figura 8: Diagrama de flujo de la programación de recojo de RFF.
61
Figura 9: Diagrama operaciones del transporte de RFF.
62
C. Otros Anexos
C 1: FORMATOS
C 1.1: FORMATO FOCUS GROUP
El presente Formato tiene el propósito de determinar los principales problemas que
presenta el servicio de recojo de RFF hacia el cliente más importante de la empresa
Palmas del Espino S.A, con la finalidad de conocer y ofrecer un mejor servicio con
calidad y seguridad.
Para llenar este formato, previamente se realizara un Focus Group con la finalidad
de determinar los principales problemas en el proceso y los participantes deberán
registrarse al final de la hoja.
FOCUS GROUP
Tema: Problemas en el Transporte de RFF. Fecha: 15/11/2017
Sectores muy alejados de la

Fabrica Sectores con áreas
Rutas óptimas no
geográficas
identificadas
accidentadas
PRINCIPALES
PROBLEMAS EN EL
No se analiza el TRANSPORTE DE RFF
No se da seguimiento
equipo optimo para
a los viajes
el proceso
Dampers es sus Indiferencia y desconocimiento

últimos años de vida sobre los costos de transporte y
útil su impacto
Problemas de Capacitación no
programación calificada
No se sigue el plan de
mantenimiento
Participantes
Nombre DNI CARGO
Elder Toribio 45485963 SUPERVISOR DE TRANSPORTE
Jose Liñan 71589645 SUPERVISOR DE TRANSPORTE
Alberto Herrera 41526348 SUPERVISOR DE TRANSPORTE
ZAVALETA PISFIL, MANUEL PLINIO.

(JEFE ATC)
63
C 1.2: FORMATO ZONIFICACIÓN
El presente formato tiene el propósito de determinar la zona más crítica de la

muestra en estudio.
FORMATO PARA ZONIFICACIÓN SEGÚN CRITICIDAD

SUPERVISOR Jose Liñan
SECTOR
DESCRIPCIÓN OBSERVACIÓN
SE01 SE02 SE03 SE04
Rutas optimas no identificadas x x x x Recorrido según plano
Sector muy alejado de la fabrica x x La chacrita
Sectores con áreas geográficas accidentadas x La chacrita
SUPERVISOR Elder Toribio
SECTOR
SE01 SE02 SE03 SE04
Sector muy alejado de la fabrica x x x La chacrita
SUPERVISOR Alberto Herrera
SECTOR
SE01 SE02 SE03 SE04
Sector muy alejado de la fabrica x x La chacrita
ZAVALETA PISFIL, MANUEL PLINIO.

(JEFE ATC)
C 2: Formatos
C 2.1: Formulario simple de estudios para ciclo breve
ESTUDIO DE TIEMPOS: CICLO BREVE PARA EL RECOJO DE RRF EN LA EMPRESA PALMAS DEL
ESPINO S.A, TRUJILLO - 2018
Departamento: Sección Estudio N°:
Operación: Estudio de métodos N°: Hoja N°: de
Comienzo:
Instalación: Núm.: Término:
Tiempo transc:
Herramientas y calibradores: Operario:
Producto/Pieza: Núm.: Ficha N°:
Plano N°: Material: Observado por:
Fecha:
Calidad: Cond. De trabajo: Comprobado:
Nota: Dibuje plano de taller al dorso

El. Tiempo observado Prom. V. T.B.
64
Núm. Descripción Total T.O.
del 1 2 3 4 5 6 7 8 9 10 T.O.
elemento
Nota: V. = valoración T.O. = Tiempo Observado T.B. = Tiempo Base

Fuente: Introducción al estudio del trabajo, George Kanawaty.
C 2.2: Formulario simple de estudio para ciclo breve
Fecha del estudio: Estudio núm.

Término:
Comienzo: Hoja de estudio: ciclo breve
Tiempo transc: Hoja núm de

Departamento: Nombre de la pieza: Tiempo del ciclo básico o Total de
min
Operación: tiempos medios de los elementos
Plano núm Pieza núm
Velocidad: R/min Factor de valoración min
Herramientas utilizadas: Avance: MM/min Tiempo del ciclo básico min
Tipo
Máquina y núm Motivo del estudio Personales %
Función. Auntom A pie A mano Primer estudio Esperas %
Suplementos min
Material
Descansos %
Modificar estudio de
métodos Varios %
Verif. Tiempo tipo Tiempo tipo por pieza min
Disposición del lugar de trabajo Descripción del método
Observación
C 2.3: Formulario simple de estudio para ciclo breve
65
C 2.4: Hoja de ruta y toma de tiempos en vehículo
HOJA DE RUTA Y TOMA DE TIEMPOS DURANTE EL RECOJO DE RFF AL PUNTO DE DESCARGA

PALMAS DEL ESPINO S.A
MODELO FECHA
VEHÍCULO CAPACIDAD N°
CONDUCTOR Estibadores
H. PENALIDAD T.
N° DIRECCIÓN H. INICIO EMBOTELLAMIENTO POR MOTIVO H. LLEGADA ATENCIÓ
INICIO FIN VELOCIDAD N
1
2
3
4
Fuente: Formato de toma de tiempo acumulativo. Estudio del trabajo.
C 2.5: Costos de reparto
COSTOS DE REPARTO DE LA EMPRESA PALMAS DEL ESPINO S.A, MARZO 2017-18

Responsable Fecha
COMBUSTIBLE MANO DE OBRA MANTENIMIENTO
FECHA COSTO (S/.) FECHA COSTO (S/.) FECHA COSTO (S/.)
TOTAL TOTAL TOTAL

Fuente y elaboración: propia
66
C 3: Formulario de problemas de ruteo de vehículo
FORMULARIO DE PROBLEMAS DE RUTEO DE VEHÍCULO (TSP)

NOMBRE EXPRECIÓN MATEMÁTICA DESCRIPCIÓN
Variables de decisión La formulación de modelos de programación lineal se procede de la siguiente manera:
𝒙𝒋 , 𝒋 = 𝟏, 𝟐, 𝟑, … , 𝒏 la función objetivo está formada por variables de decisión (𝑋1 , 𝑋2 , 𝑋3 , …, 𝑋𝑛 ) a las que se
Función objetivo pretende maximizar o minimizar, las restricciones son limitaciones o requerimientos
𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒐 𝑴𝒊𝒏𝒊𝒎𝒊𝒛𝒂𝒓 𝒁 = 𝒂𝟏 𝒙𝟏 + 𝒂𝟐 𝒙𝟐 + ⋯ + 𝒂𝒏 𝒙𝒏 impuestos al grupo de variables de decisión permisibles y finalmente la restricción de
MODELO desigualdad es el símbolo ≥ significa mayor o igual que y consiste en restringir todas las
Restricciones
MATEMÁTICO DE variables 𝑋𝑗 a valores no negativos.
𝒂𝟏𝟏 𝒙𝟏 + 𝒂𝟏𝟐 𝒙𝟐 + ⋯ + 𝒂𝟏𝒏 𝒙𝒏 {≤, =, ≥} 𝒃𝟏
PROGRAMACIÓN
𝒂𝟐𝟏 𝒙𝟏 + 𝒂𝟐𝟐 𝒙𝟐 + ⋯ + 𝒂𝟐𝒏 𝒙𝒏 {≤, =, ≥} 𝒃𝟐
LINEAL
…
𝒂𝒎𝟏 𝒙𝟏 + 𝒂𝒎𝟐 𝒙𝟐 + ⋯ + 𝒂𝒎𝒏 𝒙𝒏 {≤, =, ≥} 𝒃𝒎
Restricción de desigualdad
𝒙𝒋 ≥ 𝟎 , 𝒋 = 𝟏, 𝟐, … , 𝒏
La función objetivo es: El modelo matemático para el problema de asignación emplea las variables de decisión:
𝒏 𝒏
𝟏 𝒔𝒊 𝒆𝒍 𝒊𝒏𝒅𝒊𝒗𝒊𝒅𝒖𝒐 𝒊 𝒔𝒆 𝒂𝒔𝒊𝒈𝒏𝒂 𝒂 𝒍𝒂 𝒕𝒂𝒓𝒆𝒂 𝒋
𝒙𝒊𝒋 = {
𝑴𝒊𝒏𝒊𝒎𝒊𝒛𝒂𝒓 𝒁 = ∑ ∑ 𝒄𝒊𝒋 𝒙𝒊𝒋 𝟎 𝒆𝒏 𝒐𝒕𝒓𝒐 𝒄𝒂𝒔𝒐
𝒊=𝟏 𝒋=𝟏 Para i = 1, 2, …, n y j = 1, 2, …, n. Entonces cada 𝒙𝒊𝒋 es una variable binaria que representa
Sujeto a: las decisiones de si o no debe ser asignado. Siendo Z el costo de distribución. El conjunto
𝒏
de restricciones especifica que cada n individuos se le debe asignar n tareas; siendo 𝒄𝒊𝒋 , el
∑ 𝒙𝒊𝒋 = 𝟏 𝒑𝒂𝒓𝒂 𝒊 = 𝟏, 𝟐, … , 𝒏, costo de asignar al individuo la tarea, con la finalidad de establecer una asignación en la
MÉTODO DE
ASIGNACIÓN
𝒋=𝟏 que el costo total sea el mínimo.
𝒏
∑ 𝒙𝒊𝒋 = 𝟏 𝒑𝒂𝒓𝒂 𝒋 = 𝟏, 𝟐, … , 𝒏,
𝒊=𝟏
y
𝒙𝒊𝒋 ≥ 𝟎, 𝒑𝒂𝒓𝒂 𝒕𝒐𝒅𝒂 𝒊 𝒚 𝒋
(𝑥𝑖𝑗 binarias, para toda i y j)
La formulación es la siguiente: La función objetivo establece que el costo total de la solución es la suma de los costos de
𝑴𝒊𝒏𝒊𝒎𝒊𝒛𝒂𝒓 𝒁 = ∑ 𝒄𝒊𝒋 𝒙𝒊𝒋 los arcos utilizados. Las restricciones indican que la ruta debe llegar y abandonar cada
nodo exactamente una vez. Finalmente, las restricciones de eliminación de sub-tours
𝒊≠𝒋
indican que todo subconjunto de nodos S debe ser abandonado al menos una vez.
Sujeto a:
𝒏
PROBLEMA DEL ∑ 𝒙𝒊𝒋 = 𝟏 (𝑖 ∈ 𝑉, 𝑖 ≠ 𝑗)

AGENTE VIAJE 𝒋=𝟏
𝒏
(TSP)
∑ 𝒙𝒊𝒋 = 𝟏 (𝑗 ∈ 𝑉, 𝑗 ≠ 𝑖)
𝒊=𝟏
∑ 𝒙𝒊𝒋 ≤ |𝑺| − 𝟏 (𝑆 ⊂ 𝑉, 2 ≤ |𝑆| ≤ 𝑛 − 2)

𝒊,𝒋 ∈ 𝑺
𝒙𝒊𝒋 = 𝟎 𝒐 𝟏 (𝑖, 𝑗) ∈ 𝐴
67
La formulación es la siguiente: La restricción indica que exactamente m vehículos salen del depósito y aseguran que cada
𝐦𝐢𝐧 𝒁 = ∑ 𝒄𝒊𝒋 𝒙𝒊𝒋 cliente es un nodo intermedio en exactamente una ruta. Finalmente, se eliminan los sub-
tours y se impone que en cada ruta no haya más de p clientes. En el caso que p = n (es
(𝒊,𝒋)∈ 𝑬
decir, cuando la cantidad de clientes por ruta no está acotada) el m-TSP puede formularse
Sujeto a:
como un TSP con m copias del depósito tales que la distancia entre ellas es infinita. Las
∑ 𝒙𝟎𝒋 = 𝒎 soluciones a ese TSP no utilizarán arcos que conectan dos copias del depósito y por lo
𝒋 ∈ ∆+(𝟎) tanto, pueden ser interpretadas como soluciones del m-TSP.
PROBLEMA DE LOS ∑ 𝒙𝒊𝒋 = 𝟏 ∀ 𝒊 ∈ 𝑽 \ {𝟎}
m – AGENTES 𝒋 ∈ ∆+(𝒊)
VIAJEROS (m-TSP)
∑ 𝒙𝒊𝒋 = 𝟏 ∀ 𝒋 ∈ 𝑽 \ {𝟎}
𝒊 ∈ ∆−(𝒋)
∑ 𝒙𝒊𝒋 = 𝟏 ∀ 𝒊 ∈ 𝑽 \ {𝟎}
𝒋 ∈ ∆+(𝒊)
𝒖𝒊 − 𝒖𝒋 + 𝒑𝒙𝒊𝒋 ≤ 𝒑 − 𝟏 ∀ (𝑖, 𝑗) ∈ 𝐸, 𝑖 ≠ 0, 𝑗 ≠ 0
𝒙𝒊𝒋 ∈ {𝟎, 𝟏} ∀ (𝑖, 𝑗) ∈ 𝐸
𝒖𝒊 ≥ 𝟎 ∀ 𝑖 ∈ 𝑉 \ {0}
El problema se formula de la siguiente manera: La función objetivo es el costo total de la solución. Las restricciones indican que m es la
𝐦𝐢𝐧 𝒁 = ∑ 𝒄𝒊𝒋 𝒙𝒊𝒋 cantidad de vehículos utilizados en la solución y que todos los vehículos que parten del
depósito deben regresar. Las restricciones aseguran que todo cliente es un nodo
(𝒊,𝒋)∈ 𝑬
intermedio de alguna ruta y la última restricción actúa como restricción de eliminación de
Sujeto a:
sub-tours y a la vez impone que la demanda total de los clientes visitados por un vehículo
∑ 𝒙𝟎𝒋 = 𝒎 no puede superar la capacidad C. (ANEXO A) Donde k es un conjunto con suficientes
𝒋 ∈ ∆+(𝟎) vehículos para satisfacer la demanda. Este problema, según Martello (1990) es conocido
∑ 𝒙𝒊𝟎 = 𝒎 como Bin Packing Problem (BPP). Una cota inferior para la cantidad de vehículos está dada
𝑑(𝑠)
𝒊 ∈ ∆−(𝟎) por el valor óptimo de la relajación lineal del BPP, que es ⌈ ⌉. La formulación es válida
𝐶
𝑑(𝑠)
∑ 𝒙𝒊𝒋 = 𝟏 ∀ 𝑖 ∈ 𝑉 ∖ {0} incluso cuando se sustituye r(S) por la cota inferior ⌈ ⌉.
𝐶
𝒋 ∈ ∆+(𝒊)
∑ 𝒙𝒊𝒋 = 𝟏 ∀ 𝑗 ∈ 𝑉 ∖ {0}
PROBLEMA CON 𝒊 ∈ ∆−(𝒋)
CAPACIDADES ∑ 𝒙𝒊𝒋 ≥ 𝒓(𝑺) ∀ 𝑆 ⊂ 𝑉 ∖ {0}
(VRP o CVRP) 𝒊 ∈𝑺,𝒋∈ ∆+(𝒊)∖𝑺
𝒎≥𝟏
𝒙𝒊𝒋 ∈ {𝟎, 𝟏} ∀ (𝑖, 𝑗) ∈ 𝐸
Determinar el valor de r(S) requiere la resolución del siguiente problema:
𝑟(𝑆) = min ∑ 𝑦𝑘
𝑘∈𝐾
Sujeto a:
∑ 𝑑𝑖 𝑥𝑖𝑘 ≤ 𝐶𝑦𝑘 ∀𝑘 ∈𝐾
𝑖∈𝑆
∑ 𝑥𝑖𝑘 = 1 ∀𝑖 ∈𝑆
𝑘∈𝐾
𝑥𝑖𝑘 ∈ {0,1} ∀ 𝑖 ∈ 𝑆, ∀ 𝑘 ∈ 𝐾
𝑦𝑘 ∈ {0,1} ∀ 𝑘 ∈ 𝐾
68
El problema se formula de la siguiente manera: En la siguiente formulación de flujo de vehículos de tres índices se agrega un índice para
𝑴𝒊𝒏𝒊𝒎𝒊𝒛𝒂𝒓 𝒁 = ∑ 𝒇𝒌 ∑ 𝒙𝒌𝟎𝒋 + ∑ ∑ 𝒄𝒌𝒊𝒋 𝒙𝒌𝒊𝒋 discriminar entre los tipos de vehículos. Las variables binarias 𝑥𝑖𝑗𝑘 indican si el arco (i, j) es
𝒌∈𝑻 𝒋∈∆+(𝟎) 𝒌∈𝑻 (𝒊,𝒋)∈𝑬
utilizado por el vehículo k y las variables 𝑟𝑖 positivas indican la carga acumulada en la ruta
Sujeto a: correspondiente hasta el nodo i (inclusive). La función objetivo mide el costo total de la
solución incluyendo costos fijos y variables. Las restricciones establecen que todo cliente
∑ ∑ 𝒙𝒌𝒊𝒋 = 𝟏 ∀ 𝑗 ∈ 𝑉 ∖ {0} debe ser visitado por algún vehículo, en la siguiente restricción se indica que si un vehículo
𝒌∈𝑻 𝒊∈∆+(𝒋) de tipo k visita al nodo i, entonces un vehículo del mismo tipo debe abandonarlo. Las
PROBLEMA CON
∑ 𝒙𝒌𝒊𝒋 − ∑ 𝒙𝒌𝒊𝒋 = 𝟎 ∀ 𝑖 ∈ 𝑉, ∀ 𝑘 ∈ 𝑇 penúltimas restricciones fijan los valores de las variables 𝑟𝑖 y actúan como restricciones de
FLOTO
𝒋∈∆+(𝒊) 𝒋∈∆−(𝒊) eliminación de subtours, mientras que la capacidad de los vehículos se impone en la última
HETEROGÉNEA
𝒓𝟎 = 𝟎 restricción.
(FSMVRP)
𝒓𝒋 − 𝒓𝒊 ≥ (𝒅𝒋 + 𝒒|𝑻| ) ∑ 𝒙𝒌𝒊𝒋 − 𝒒|𝑻| ∀ 𝑖 ∈ 𝑉 ∖ {0}, ∀ 𝑗 ∈ ∆ + (𝑖)
𝒌∈𝑻
𝒓𝒋 ≤ ∑ ∑ 𝒒𝒌 𝒙𝒌𝒊𝒋 ∀ 𝑗 ∈ 𝑉 ∖ {0}
𝒌∈𝑻 𝒊∈∆−(𝒋)
𝒙𝒌𝒊𝒋 ∈ {𝟎, 𝟏} ∀ (𝑖, 𝑗) ∈ 𝐸, ∀ 𝑘 ∈ 𝑇
𝒓𝒋 ≥ 𝟎 ∀𝑗∈𝑉
El problema se formula de la siguiente manera: Las variables 𝑥𝑖𝑗𝑘 indican si el arco (i, j) es recorrido por el vehículo k. Las variables 𝑦𝑖𝑘
𝑴𝒊𝒏𝒊𝒎𝒊𝒛𝒂𝒓 𝒁 = ∑ ∑ 𝒄𝒌𝒊𝒋 𝒙𝒌𝒊𝒋 indican la hora de arribo al cliente i cuando es visitado por el vehículo k (si el cliente no es
𝒌∈𝑲 (𝒊,𝒋)∈𝑹
visitado por dicho vehículo el valor de la variable no tiene significado). La función objetivo
Sujeto a: es el costo total de las rutas. La primera restricción indica que todos los clientes deben ser
visitados. Las dos siguientes determinan que cada vehículo k ∈ K recorre un camino de 0
∑ ∑ 𝒙𝒌𝒊𝒋 = 𝟏 ∀ 𝑖 ∈ 𝑉 ∖ {0, 𝑛 + 1} a n + 1. La capacidad de cada vehículo es impuesta en la cuarta, siendo M una constante
𝒌∈𝑲 𝒋∈∆−(𝒊) lo suficientemente grande, la siguiente restricción asegura que si un vehículo k viaja de i a
∑ 𝒙𝒌𝟎𝒋 = 𝟏 ∀𝑘 ∈ 𝐾 j, no puede llegar a j antes que 𝑦𝑖 + 𝑠𝑖 + 𝑡𝑖𝑗𝑘 , y actúan además como restricciones de
PROBLEMA CON 𝒋∈∆+(𝟎) eliminación de sub-tours. Finalmente, los límites de las ventanas de tiempo son impuestos
VENTANAS DE ∑ 𝒙𝒌𝒊𝒋 − ∑ 𝒙𝒌𝒋𝒊 = 𝟎 ∀ 𝑘 ∈ 𝐾, 𝑖 ∈ 𝑉 ∖ {0, 𝑛 + 1} en la última restricción.
TIEMPO (VRPTW) 𝒋∈∆+(𝒊) 𝒋∈∆−(𝒊)
∑ 𝒅𝒊 ∑ 𝒙𝒌𝒊𝒋 ≤ 𝒒𝒌 ∀𝑘 ∈ 𝐾
𝒊∈𝑽∖{𝟎,𝒏+𝟏} 𝒋∈∆+(𝒊)
𝒚𝒌𝒋 − 𝒚𝒌𝒊 ≥ 𝒔𝒊 + 𝒕𝒌𝒊𝒋 − 𝑴(𝟏 − 𝒙𝒌𝒊𝒋 ) ∀ 𝑖, 𝑗 ∈ 𝑉 ∖ {0, 𝑛 + 1}, 𝑘 ∈𝐾
𝒆𝒊 ≤ 𝒚𝒌𝒊 ≤ 𝒍𝒊 ∀ 𝑖 ∈ 𝑉 ∖ {0, 𝑛 + 1}, 𝑘 ∈ 𝐾
𝒙𝒌𝒊𝒋 ∈ {𝟎, 𝟏} ∀ (𝑖, 𝑗) ∈ 𝐸, 𝑘 ∈ 𝐾
𝒌
𝒚𝒊 ≥ 𝟎 ∀ 𝑖 ∈ 𝑉 ∖ {0, 𝑛 + 1}, 𝑘 ∈ 𝐾
Los pasos a seguir son:

Paso 1 (inicialización). Para cada cliente i construir la ruta (0, i, 0).
Si en una solución dos rutas diferentes (0, . . . , i, 0) y (0, j, . . . , 0) Paso 2 (cálculo de ahorros). Calcular 𝑠𝑖𝑗 para cada par de clientes i y j.
pueden ser combinadas formando una nueva ruta (0, . . . , i, j, . . . , 0), Paso 3 (mejor unión). Sea 𝑟𝑖 ∗𝑗 ∗ = 𝑚𝑎𝑥 𝑠𝑖𝑗 , donde el máximo se toma entre los ahorros que
ALGORITMO DE no han sido considerados aún. Sean 𝑟𝑖 ∗ y 𝑟𝑗 ∗ las rutas que contienen a los clientes 𝑖 ∗ y 𝑗 ∗
el ahorro (en distancia) obtenido por dicha unión es
AHORROS
respectivamente. Si 𝑖 ∗ es el último cliente de 𝑟𝑖∗ y 𝑗 ∗ es el primer cliente de 𝑟𝑗 ∗ y la
𝒔𝒊𝒋 = 𝒄𝒊𝟎 − 𝒄𝒊𝒋 + 𝒄𝟎𝒋 combinación de 𝑟𝑖 ∗ y 𝑟𝑗 ∗ es factible, combinarlas.
Paso 4 Eliminar si 𝑠𝑖 ∗ y 𝑠𝑗 ∗ de futuras consideraciones. Si quedan ahorros por examinar ir a
3, si no terminar.
69
Función objetivo: Donde 𝒂𝒊𝒌 vale 1 si el cliente es visitado por la ruta 𝒓𝒌 y 0 si no y donde 𝒄𝒌 es el costo de
𝐦𝐢𝐧 𝒁 ∑ 𝒂𝒊𝒌 𝒙𝒌 = 𝟏 la ruta 𝒓𝒌 . La variable 𝒙𝒌 indica si la ruta 𝒓𝒌 es seleccionada o no en la solución final. Esta
formulación se debe a Balinski y Quandt (1964). En el caso extremo de que R contenga
𝒌∈𝑹
Sujeto a todas las posibles rutas factibles, solucionar el SPP es equivalente a resolver el problema
en forma exacta. Como la cantidad de rutas factibles es, en el caso general, exponencial
∑ 𝒂𝒊𝒌 𝒙𝒌 = 𝟏 ∀ 𝑖 ∈ 𝑉 ∖ {0} en la cantidad de clientes, se suele generar solamente un subconjunto formado por
ALGORTIMO DE 𝒌∈𝑹 “buenas” rutas.
PÉTALOS 𝒙𝒊𝒌 ∈ {𝟎, 𝟏} ∀ 𝑘 ∈ 𝑆 Cada columna del SPP representa una ruta de R. Cuando en toda columna los ceros
aparecen de forma consecutiva, el problema verifica la propiedad de Columnas Circulares
y el SPP correspondiente puede ser resuelto en tiempo polinomial. Trasladada al problema
la propiedad establece que, para determinado ordenamiento de los clientes del problema,
el conjunto de clientes visitado por cada ruta forma un intervalo (que en algunos casos
tiene forma de pétalo). Diversas técnicas han sido propuestas para generar “buenos”
conjuntos de rutas que verifiquen la propiedad llamadas 1-pétalos y 2-pétalos.
Dada r = (0, 𝑣1 ,…, 𝑣𝑛 , 0), la solución del TSP obtenida en la primera fase, se determina la
mejor partición de r que respete la capacidad del vehículo. Este problema se puede
Cada arco (𝑣𝑖 , 𝑣𝑗 ) se pondera con el costo de la ruta (0, 𝑣𝑖+1 ,…, 𝑣𝑗 , 0), formular como el de hallar un camino mínimo en un grafo dirigido y acíclico. Para ello, se
es decir: construye un grafo G = (X, V, W) donde X = {0, v1,…, 𝑣𝑛 }. Los arcos del G conectan todo
RUTEAR PRIMERO 𝑗−1 par de clientes 𝑣𝑖 y 𝑣𝑗 con i < j y tales que la demanda total de los clientes 𝑣𝑖+1 ,…, 𝑣𝑗 no
– ASIGNAR 𝑗
𝜔 (𝑣𝑖 , 𝑣𝑗 ) = 𝑐0,𝑣𝑖+1 + 𝑐𝑣𝑗 ,0 + ∑ 𝑐𝑣𝑘,𝑣𝑘+1 supera la capacidad del vehículo: 𝑉 = {(𝑣𝑖 , 𝑣𝑗 )| 𝑖 < 𝑗, ∑𝑘=𝑖+1 𝑑𝑣𝑘 ≤ 𝑄}.
DESPUÉS
𝑘=𝑖+1 Un arco (𝑣𝑖 , 𝑣𝑗 ) representa la ruta (0, 𝑣𝑖+1 ,…, 𝑣𝑗 , 0). Cada camino de 0 a 𝑣𝑛 en G representa
una posible partición de la ruta r en rutas que respetan las restricciones de demanda. Por
lo tanto, el camino de costo mínimo entre 0 y 𝑣𝑛 representa la partición de costo mínimo de
la ruta original en rutas que respetan la restricción de capacidad.
Fuente: Varios Autores
70
C 4: Modelo Heurístico
=SI(C5>0,D2,SI(E5+G5=0,0,0)) =SI(E5>0,D2+F3,SI(E5+G5=0,0,D2)) =SI(G5>0,D2+F3+H3,SI(E5+G5=0,0,F1)) viajes
14.5 km =SI(D6="volver",SUMA($B$7:$B$57),0)
=SI(C6=0,SUMA(B8:B58)+D3,SI(D6="volver",2*(SUMA(B8:B58)+D3)))
=SI(F6="volver",SUMA($B$7:$B$57),0) =SI(E5=0,0,SI(F6="continuar",2*(D3+F3),SI(F6="volver",2*((SUMA($B$8:$B$58)+D3+F3)),0)))
=SI(H6="volver",SUMA($B$7:$B$57),0)
=SI(G5=0,0,SI(H6="continuar",2*(D3+F3+H3),SI(H6="volver",2*((SUMA($B$8:$B$58)+F3+H3)),0))) =SUMA(D2:M2) =CONTAR.SI(B2:M64,"volver")
1 1 1
Capacidad disponible =SI(D6="continuar",C4-C5,$A$2-C6)
=SI(D14="volver",MIN(C12:I12),SI(F14="volver",MIN(G12:I12),SI(H14="volver",I12,SI(J14="volver",I12)))) =SI(F6="continuar",E4-E5,$A$2) =SI(H6="continuar",G4-G5,$A$2)
tn a Recoger 4 4
=SI(C5=0,"no recoger","recoger") 5
=SI(E5=0,"no recoger","recoger") =SI(G5=0,"no recoger","recoger")
tn que quedan por recoger =SI(C4>=C5,0,C5-C4) =SI(E4>=E5,0,E5-E4)

=SI(C6=0,"continuar","volver") =SI(G4>=G5,0,G5-G4)
=SI(E6=0,"continuar","volver") =SI(G6=0,"continuar","volver")
1 2 3
1
LO2b LO3b LO4b LO5b
km =SI(D14="volver",SUMA($B$11:$B$57),0)
=SI(C14=0,SUMA(B10:B58)+D11,SI(D14="volver",2*(SUMA(B15:B58)+D11),D11))
=SI(G13=0,0,SI(H14="continuar",2*(D11+F11+H11),SI(H14="volver",2*((SUMA($B$10:$B$58)+F11+H11)),0)))
=SI(J14="volver",SUMA($B$11:$B$57),0)
=SI(I13=0,0,SI(J14="continuar",2*(D11+F11+H11+J11),SI(J14="volver",2*((SUMA($B$10:$B$58)+H11+J11)),0))) =SUMA(D10:M10)
1 1 1 1
Capacidad disponible =SI(D21="volver",MIN(E19:M19),SI(F21="volver",MIN(G19:M19),SI(H21="volver",MIN(I19:M19),SI(J21="volver",M19))))
=SI(C13=0,"no recoger","recoger")
=SI(D14="volver",$A$2-C14,C12-C13) =SI(E13=0,"no recoger","recoger")
=SI(F14="volver",$A$2-E14,E12-E13)
=SI(G13=0,"no recoger","recoger")
=SI(H14="volver",$A$2-G14,G12-G13)
=SI(I13=0,"no recoger","recoger")
tn a Recoger 8 4 4 5 2 6 2 7

=SI(E14=0,"continuar","volver") =SI(I12>=I13,0,I13-I12)
=SI(G14=0,"continuar","volver") =SI(I14=0,"continuar","volver")
1
LO2a LO3a LO4a LO5a
km =SI(C21=0,SUMA(B17:B58)+D18,SI(D21="volver",2*(SUMA(B17:B58)+D18),D18))
=SI(E20=0,0,SI(F21="continuar",2*(D18+F18),SI(F21="volver",2*((SUMA($B$17:$B$58)+D18+F18)),0)))
=SI(I20=0,0,SI(J21="continuar",2*(D18+F18+H18+J18),SI(J21="volver",2*((SUMA($B$18:$B$58)+H18+J18)),0)))
=SI(K20=0,0,SI(J21="continuar",2*(D18+F18+H18+J18+L18),SI(J21="volver",2*((SUMA($B$18:$B$58)+H18+J18)),0))) =SUMA(D17:M17)
1 1 1 1 1
Capacidad disponible =SI(L28="continuar",K26-K27,A2-K28)
=SI(F21="volver",$A$2-E21,E19-E20)
=SI(H21="volver",$A$2-G21,G19-G20)
=SI(J21="volver",$A$2-I21,I19-I20)
=SI(K20=0,"no recoger","recoger")
=SI(L21="volver",$A$2-K21,K19-K20)
tn a Recoger 6 8 3 9 6 10 3 11 2 12 4
=SI(G21=0,"continuar","volver") =SI(K19>=K20,0,K20-K19)
=SI(I21=0,"continuar","volver") =SI(M19>=M20,0,M20-M19)
=SI(K21=0,"continuar","volver")
1
kO3c kO4c kO5c kO6c
K03b
km =SI(E27=0,0,SI(F28="continuar",2*(F25),SI(F28="volver",2*((SUMA($B$24:$B$58)+F25)),0)))
=SI(G27=0,0,SI(H28="continuar",2*(F25+H25),SI(H28="volver",2*((SUMA($B$24:$B$58)+F25+H25)),0)))
=SI(I27=0,0,SI(J28="continuar",2*(F25+H25+J25),SI(J28="volver",2*((SUMA($B$24:$B$58)+H25+J25)),0)))
=SI(K27=0,0,SI(J28="continuar",2*(F25+H25+J25+L25),SI(J28="volver",2*((SUMA($B$24:$B$58)+H25+J25)),0))) =SUMA(D24:M24)
1 1 1 1
Capacidad disponible =SI(L35="continuar",K33+K34,$A$2-K35) =SI(E27=0,"no recoger","recoger")
=SI(F28="volver",$A$2-E28,E26-E27)
=SI(H28="volver",$A$2-G28,G26-G27)
=SI(J28="volver",$A$2-I28,I26-I27)
tn a Recoger 6 13 4 14 2 15 5 16
tn que quedan por recoger =SI(E26>=E27,0,E27-E26) =SI(G26>=G27,0,G27-G26)
=SI(I28=0,"continuar","volver") =SI(K28=0,"continuar","volver")
1
kO3b kO4b kO5b kO6b
1 1 1 1
=SI(F35="volver",$A$2-E35,E33-E34)
=SI(H35="volver",$A$2-G35,G33-G34)
=SI(J35="volver",$A$2-I35,I33-I34)
tn a Recoger 4 17 7 18 5 19 5 20
tn que quedan por recoger =SI(E33>=E34,0,E34-E33) 4
=SI(E35=0,"continuar","volver") 3
=SI(G35=0,"continuar","volver") 2
1
kO3a kO4a kO5a kO6a
1 1 1 1
Capacidad disponible =SI(J49="continuar",I47+I48,$A$2-I49) =SI(E41=0,"no recoger","recoger")
=SI(F42="volver",$A$2-E42,E40-E41)
=SI(H42="volver",$A$2-G42,G40-G41)
=SI(J42="volver",$A$2-I42,I40-I41)
tn a Recoger 7 21 6 22 5 23 4 24
tn que quedan por recoger 2 3
1
JO3c JO4c JO5c
=SI(I48=0,0,SI(J49="continuar",2*(F46+H46+J46),SI(J49="volver",2*((SUMA($B$46:$B$58)+H46+J46)),0))) =SUMA(D45:M45)
1 1 1
=SI(F49="volver",$A$2-E49,E47-E48)
=SI(H49="volver",$A$2-G49,G47-G48)
tn a Recoger 6 25 5 26 6 27
1
JO3b JO4b JO5b
1 1 1
=SI(F56="volver",$A$2-E56,E54-E55)
=SI(H56="volver",$A$2-G56,G54-G55)
tn a Recoger 6 28 6 29 6 30
1
JO3a JO4a JO5a
4
km =SI(E62=0,0,SI(F63="continuar",2*(F60),SI(F63="volver",2*((SUMA($B$58)+F60)),0)))
=SI(G62=0,0,SI(H63="continuar",2*(F60+H60),SI(H63="volver",2*((SUMA($B$58)+F60+H60)),0)))
=SI(I62=0,0,SI(J63="continuar",2*(F60+H60+J60),SI(J63="volver",2*((SUMA($B$58)+H60+J60)),0))) =SUMA(D59:M59)
1 1 1
Capacidad disponible =A2 =SI(E62=0,"no recoger","recoger")
=SI(F63="volver",$A$2-E63,E61-E62)
=SI(H63="volver",$A$2-G63,G61-G62)
tn a Recoger 4 31 6 32 7
=SI(G63=0,"continuar","volver") =SI(I63=0,"continuar","volver") TN RECORRIDO km viajes PUNTOS DE RECOJO
14.5 ABAJO HACIA ARRIBA =SUMA(O3:O59) =CONTAR.SI(B2:M64,"volver")
=CONTAR.SI(B2:M64,"recoger")
14.5 ARRIBA HACIA ABAJO =arribahaciabajo14.5!O64 =arribahaciabajo14.5!P64 =Q64
15.8 ARRIBA HACIA ABAJO =arribahaciaabajo15.8!O64=arribahaciaabajo15.8!P64=Q65
15.8 ABAJO HACIA ARRIBA =abajohaciarriba15.8!O64 =abajohaciarriba15.8!P64 =Q66
71
=SI(C5>0,D2,SI(E5+G5=0,0,0)) =SI(E5>0,D2+F3,SI(E5+G5=0,0,D2)) =SI(G5>0,D2+F3+H3,SI(E5+G5=0,0,F1))
=SI(F6="volver",SUMA($B$7:$B$57),0)
=SI(G5=0,0,SI(H6="continuar",2*(D3+F3+H3),SI(H6="volver",2*((SUMA($B$8:$B$58)+F3+H3)),0))) =SUMA(D2:M2)
1 1 1
Capacidad disponible =A2 =SI(D6="continuar",C4-C5,$A$2-C6) =SI(F6="continuar",E4-E5,$A$2) =SI(H6="continuar",G4-G5,$A$2)
tn a Recoger =abajohaciaarriba14.5!C5 =abajohaciaarriba14.5!E5 =abajohaciaarriba14.5!G5
1 2 3
1
LO2b LO3b LO4b LO5b
1 1 1 1
Capacidad disponible =SI(D6="volver",MIN(E4:I4),SI(F6="volver",MIN(G4:I4),I4))
=SI(D14="volver",$A$2-C14,C12-C13) =SI(F14="volver",$A$2-E14,E12-E13) =SI(H14="volver",$A$2-G14,G12-G13)
tn a Recoger =abajohaciaarriba14.5!C13
4 =abajohaciaarriba14.5!E13
5 =abajohaciaarriba14.5!G13
6 =abajohaciaarriba14.5!I13
7

1
LO2a LO3a LO4a LO5a
=SI(K20=0,0,SI(J21="continuar",2*(D18+F18+H18+J18+L18),SI(J21="volver",2*((SUMA($B$18:$B$58)+H18+J18)),0)))
=SUMA(D17:M17)
1 1 1 1 1
=SI(D21="volver",$A$2-C21,C19-C20) =SI(F21="volver",$A$2-E21,E19-E20) =SI(H21="volver",$A$2-G21,G19-G20) =SI(J21="volver",$A$2-I21,I19-I20) =SI(L21="volver",$A$2-K21,K19-K20)
tn a Recoger =abajohaciaarriba14.5!C208 =abajohaciaarriba14.5!E209 =abajohaciaarriba14.5!G2010 =abajohaciaarriba14.5!I20 11 =abajohaciaarriba14.5!K2012 =abajohaciaarriba14.5!M20
1
kO3c kO4c kO5c kO6c
K03b
=SI(K27=0,0,SI(J28="continuar",2*(F25+H25+J25+L25),SI(J28="volver",2*((SUMA($B$24:$B$58)+H25+J25)),0)))
=SUMA(D24:M24)
1 1 1 1
Capacidad disponible =SI(D21="volver",MIN(E19:M19),SI(F21="volver",MIN(G19:M19),SI(H21="volver",MIN(I19:M19),SI(J21="volver",MIN(K19:M19),M19))))
=SI(F28="volver",$A$2-E28,E26-E27) =SI(H28="volver",$A$2-G28,G26-G27) =SI(J28="volver",$A$2-I28,I26-I27)
tn a Recoger =abajohaciaarriba14.5!E2713 =abajohaciaarriba14.5!G2714 =abajohaciaarriba14.5!I27 15 =abajohaciaarriba14.5!K2716
1
kO3b kO4b kO5b kO6b
=SUMA(D31:M31)
1 1 1 1
Capacidad disponible =SI(F28="volver",MIN(G26:K26),SI(H28="volver",MIN(I26:K26),K26))
1
kO3a kO4a kO5a kO6a
=SUMA(D38:M38)
1 1 1 1
1
JO3c JO4c JO5c
1 1 1
=SI(F49="volver",$A$2-E49,E47-E48) =SI(H49="volver",$A$2-G49,G47-G48)
tn a Recoger =abajohaciaarriba14.5!E4825 =abajohaciaarriba14.5!G4826 =abajohaciaarriba14.5!I48 27
1
JO3b JO4b JO5b
1 1 1
1
JO3a JO4a JO5a
4
1 1 1
Capacidad disponible =SI(F56="volver",MIN(G54:I54),I54) =SI(F63="volver",$A$2-E63,E61-E62) =SI(H63="volver",$A$2-G63,G61-G62)
tn a Recoger =abajohaciaarriba14.5!E6231 =abajohaciaarriba14.5!G6232 =abajohaciaarriba14.5!I62
=SI(G63=0,"continuar","volver") =SI(I63=0,"continuar","volver") km viajes
=SUMA(O3:O59) =CONTAR.SI(B2:M64,"vol
72
=SI(C5>0,D2,SI(E5+G5=0,0,0)) =SI(E5>0,D2+F3,SI(E5+G5=0,0,D2)) =SI(G5>0,D2+F3+H3,SI(E5+G5=0,0,F1))
=SI(G5=0,0,SI(H6="continuar",2*(D3+F3+H3),SI(H6="volver",2*((SUMA($B$8:$B$58)+F3+H3)),0))) =SUMA(D2:M2)
1 1 1
Capacidad disponible =A2 =SI(D6="continuar",C4-C5,$A$2-C6) =SI(F6="continuar",E4-E5,$A$2) =SI(H6="continuar",G4-G5,$A$2)
tn a Recoger =abajohaciaarriba14.5!C5 =abajohaciaarriba14.5!E5 =abajohaciaarriba14.5!G5
1 2 3
1
LO2b LO3b LO4b LO5b
1 1 1 1
=SI(D14="volver",$A$2-C14,C12-C13) =SI(F14="volver",$A$2-E14,E12-E13) =SI(H14="volver",$A$2-G14,G12-G13)
tn a Recoger =abajohaciaarriba14.5!C13
4 =abajohaciaarriba14.5!E13
5 =abajohaciaarriba14.5!G13
6 =abajohaciaarriba14.5!I13
7

1
LO2a LO3a LO4a LO5a
=SI(K20=0,0,SI(J21="continuar",2*(D18+F18+H18+J18+L18),SI(J21="volver",2*((SUMA($B$18:$B$58)+H18+J18)),0)))
=SUMA(D17:M17)
1 1 1 1 1
=SI(D21="volver",$A$2-C21,C19-C20) =SI(F21="volver",$A$2-E21,E19-E20) =SI(H21="volver",$A$2-G21,G19-G20) =SI(J21="volver",$A$2-I21,I19-I20) =SI(L21="volver",$A$2-K21,K19-K20)
tn a Recoger =abajohaciaarriba14.5!C208 =abajohaciaarriba14.5!E209 =abajohaciaarriba14.5!G2010 =abajohaciaarriba14.5!I20 11 =abajohaciaarriba14.5!K2012 =abajohaciaarriba14.5!M20
1
kO3c kO4c kO5c kO6c
K03b
=SUMA(D24:M24)
1 1 1 1
Capacidad disponible =SI(D21="volver",MIN(E19:M19),SI(F21="volver",MIN(G19:M19),SI(H21="volver",MIN(I19:M19),SI(J21="volver",MIN(K19:M19),M19))))
1
kO3b kO4b kO5b kO6b
=SUMA(D31:M31)
1 1 1 1
1
kO3a kO4a kO5a kO6a
=SUMA(D38:M38)
1 1 1 1
1
JO3c JO4c JO5c
1 1 1
1
JO3b JO4b JO5b
1 1 1
1
JO3a JO4a JO5a
4
1 1 1
Capacidad disponible =SI(F56="volver",MIN(G54:I54),I54) =SI(F63="volver",$A$2-E63,E61-E62) =SI(H63="volver",$A$2-G63,G61-G62)
tn a Recoger =abajohaciaarriba14.5!E6231 =abajohaciaarriba14.5!G6232 =abajohaciaarriba14.5!I62
=SI(G63=0,"continuar","volver") =SI(I63=0,"continuar","volver") km viajes
=SUMA(O3:O59) =CONTAR.SI(B2:M64,"volv
73
=SI(C5>0,D2,SI(E5+G5=0,0,0)) =SI(E5>0,D2+F3,SI(E5+G5=0,0,D2)) =SI(G5>0,D2+F3+H3,SI(E5+G5=0,0,F1)) viajes
=SI(G5=0,0,SI(H6="continuar",2*(D3+F3+H3),SI(H6="volver",2*((SUMA($B$8:$B$58)+F3+H3)),0))) =SUMA(D2:M2) =CONTAR.SI(B2:M64,"volver")
1 1 1
Capacidad disponible =SI(D6="continuar",C4-C5,$A$2-C6)
=SI(D14="volver",MIN(C12:I12),SI(F14="volver",MIN(G12:I12),SI(H14="volver",I12,SI(J14="volver",I12)))) =SI(F6="continuar",E4-E5,$A$2) =SI(H6="continuar",G4-G5,$A$2)
tn a Recoger 0 10
=SI(C5=0,"no recoger","recoger") 6
=SI(E5=0,"no recoger","recoger") =SI(G5=0,"no recoger","recoger")

1 2 3
1
LO2b LO3b LO4b LO5b
1 1 1 1
Capacidad disponible =SI(D21="volver",MIN(E19:M19),SI(F21="volver",MIN(G19:M19),SI(H21="volver",MIN(I19:M19),SI(J21="volver",M19))))
=SI(F14="volver",$A$2-E14,E12-E13)
=SI(H14="volver",$A$2-G14,G12-G13)
tn a Recoger 1 4 1 5 2 6 4 7

1
LO2a LO3a LO4a LO5a
=SI(K20=0,0,SI(J21="continuar",2*(D18+F18+H18+J18+L18),SI(J21="volver",2*((SUMA($B$18:$B$58)+H18+J18)),0))) =SUMA(D17:M17)
1 1 1 1 1
Capacidad disponible =SI(L28="continuar",K26-K27,A2-K28)
=SI(F21="volver",$A$2-E21,E19-E20)
=SI(H21="volver",$A$2-G21,G19-G20)
=SI(J21="volver",$A$2-I21,I19-I20)
=SI(L21="volver",$A$2-K21,K19-K20)
tn a Recoger 9 8 5 9 9 10 5 11 3 12 0
1
kO3c kO4c kO5c kO6c
K03b
1 1 1 1
=SI(F28="volver",$A$2-E28,E26-E27)
=SI(H28="volver",$A$2-G28,G26-G27)
=SI(J28="volver",$A$2-I28,I26-I27)
tn a Recoger 3 13 7 14 0 15 2 16
1
kO3b kO4b kO5b kO6b
1 1 1 1
=SI(F35="volver",$A$2-E35,E33-E34)
=SI(H35="volver",$A$2-G35,G33-G34)
=SI(J35="volver",$A$2-I35,I33-I34)
tn a Recoger 8 17 9 18 3 19 3 20
1
kO3a kO4a kO5a kO6a
1 1 1 1
=SI(F42="volver",$A$2-E42,E40-E41)
=SI(H42="volver",$A$2-G42,G40-G41)
=SI(J42="volver",$A$2-I42,I40-I41)
tn a Recoger 2 21 0 22 0 23 3 24
1
JO3c JO4c JO5c
1 1 1
=SI(F49="volver",$A$2-E49,E47-E48)
=SI(H49="volver",$A$2-G49,G47-G48)
tn a Recoger 1 25 2 26 1 27
1
JO3b JO4b JO5b
1 1 1
=SI(F56="volver",$A$2-E56,E54-E55)
=SI(H56="volver",$A$2-G56,G54-G55)
tn a Recoger 5 28 4 29 3 30
1
JO3a JO4a JO5a
4
1 1 1
Capacidad disponible =A2 =SI(E62=0,"no recoger","recoger")
=SI(F63="volver",$A$2-E63,E61-E62)
=SI(H63="volver",$A$2-G63,G61-G62)
tn a Recoger 4 31 0 32 0
=SI(G63=0,"continuar","volver") =SI(I63=0,"continuar","volver") TN RECORRIDO km viajes PUNTOS DE RECOJO
14.5 ABAJO HACIA ARRIBA =SUMA(O3:O59) =CONTAR.SI(B2:M64,"volver")
=CONTAR.SI(B2:M64,"recoger")
14.5 ARRIBA HACIA ABAJO =arribahaciabajo14.5!O64 =arribahaciabajo14.5!P64 =Q64
15.8 ARRIBA HACIA ABAJO =arribahaciaabajo15.8!O64=arribahaciaabajo15.8!P64=Q65
15.8 ABAJO HACIA ARRIBA =abajohaciarriba15.8!O64 =abajohaciarriba15.8!P64 =Q66
74
=abajohaciaarriba14.5!M63=abajohaciaarriba14.5!N63 =abajohaciaarriba14.5!O63 =abajohaciaarriba14.5!P63 =abajohaciaarriba14.5!Q63
=C3 MANTENIMIENTO CONDUCTOR MALLEROS HORAS USADAS COSTO DE

CAPACIDAD (Tn) S/HR S/HR S/HR VELOCIDAD (KM/HR) PARA RECOJO(HR) USO
14.5 38.61 10.13 49.92 50 =D3/G11 =H11*(D11+E11+F11)
14.5 35.52 10.13 49.92 50 =D3/G12 =H12*(D12+E12+F12)
14.5 33.68 10.13 49.92 50 =D3/G13 =H13*(D13+E13+F13)
15.8 32 10.13 49.92 50 =D6/G14 =H14*(D14+E14+F14)
=MIN(I11:I14)
=C4 MANTENIMIENTO CONDUCTOR MALLEROS HORAS USADAS COSTO DE

CAPACIDAD (Tn) S/HR S/HR S/HR VELOCIDAD (KM/HR) PARA RECOJO(HR) USO
14.5 38.61 10.13 49.92 50 =D4/G20 =H20*(D20+E20+F20)
14.5 35.52 10.13 49.92 50 =D4/G21 =H21*(D21+E21+F21)
14.5 33.68 10.13 49.92 50 =D4/G22 =H22*(D22+E22+F22)
15.8 32 10.13 49.92 50 =D5/G23 =H23*(D23+E23+F23)
=MIN(I20:I23)
=C9 =D25 =E25 =F25 =C18 =H25 =I25 =J25
14.5 14.5 14.5 15.8 14.5 14.5 14.5 15.8 = EXCLUYENTES
14.5 1 0 0 0 0 0 0 0 =SUMA(D27:K27) 1 =D27+H27 1
14.5 0 1 0 0 0 0 0 0 =SUMA(D28:K28) 1 =E28+I28 1
14.5 0 0 1 0 0 0 0 0 =SUMA(D29:K29) 1 =F29+J29 1
15.8 0 0 0 0 0 0 0 1 =SUMA(D30:K30) 1 =G30+K30 1
<= =SUMA(D27:D30) =SUMA(E27:E30) =SUMA(F27:F30) =SUMA(G27:G30) =SUMA(H27:H30) =SUMA(I27:I30) =SUMA(J27:J30) =SUMA(K27:K30)
1 1 1 1 1 1 1 1
=D25 =E25 =F25 =G25 =H25 =I25 =J25 =K25

14.5 14.5 14.5 15.8 14.5 14.5 14.5 15.8
14.5 =I11 1000 1000 1000 =I20 1000 1000 1000
14.5 1000 =I12 1000 1000 1000 =I21 1000 1000
14.5 1000 1000 =I13 1000 1000 1000 =I22 1000
15.8 1000 1000 1000 =I14 1000 1000 1000 =I23
=D34 =E34 =F34 =G34 =H34 =I34 =J34 =K34

=C36 =D36*D27 =E36*E27 =F36*F27 =G36*G27 =H36*H27 =I36*I27 =J36*J27 =K36*K27 =SUMA(D42:K42)
COSTO MINIMO =SUMA(L42:L45)
75
D. Anexo Imágenes Empresa
76

Facultad de Ingeniería Escuela Profesional de Ingeniería Industrial

Cargado por

Copyright:

Formatos disponibles

Facultad de Ingeniería Escuela Profesional de Ingeniería Industrial

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Facultad de Ingeniería Escuela Profesional de Ingeniería Industrial

Cargado por

Copyright:

Formatos disponibles

FACULTAD DE INGENIERÍA

ESCUELA PROFESIONAL DE INGENIERÍA INDUSTRIAL

“APLICACIÓN DE HERRAMIENTAS DE INVESTIGACIÓN DE OPERACIONES

Tesis para optar el título profesional de:

Flores Coronado, Jean Carlos

Mg. Javes Valladares, Santiago

Mg. Ulloa Bocanegra, Segundo Gerardo

Gestión Empresarial y Productiva

Por darme fortaleza para continuar

A MIS PADADRES: Carlos y Rosa.

Mi profundo amor y gratitud, por

Por haber sido todo este tiempo

Agradezco a la universidad Cesar Vallejo por formarme integralmente a lo largo del

En tal sentido asumo la responsabilidad que corresponda ante cualquier falsedad,

Flores Coronado, Jean Carlos.

Capítulo I: Introducción, en la cual se detalla los principios teóricos y empíricos

Capítulo II: Método, indica el método, diseño, variables, población y muestra, a

Capítulo IV al V: Contiene sucesivamente las discusiones, conclusiones de cada

Capítulo VI: Contempla las recomendaciones pertinentes conforme al estudio; y

Capitulo VII: Presenta el resumen de las fuentes bibliográficas usadas en base

Esta investigación ha sido elaborada en cumplimiento del Reglamento de Grado

ÍNDICE DE TABLAS .............................................................................................. 9

ÍNDICE FIGURAS ................................................................................................ 11

1.1. REALIDAD PROBLEMÁTICA ................................................................. 14

1.2. TRABAJOS PREVIOS ............................................................................ 16

1.3. TEORÍAS RELACIONADAS AL TEMA ................................................... 18

1.4. FORMULACIÓN DEL PROBLEMA ......................................................... 26

1.5. JUSTIFICACIÓN ..................................................................................... 26

1.6. HIPÓTESIS ............................................................................................. 26

1.7. OBJETIVOS ............................................................................................ 27

1.7.1. OBJETIVO GENERAL: ..................................................................... 27

1.7.2. OBJETIVOS ESPECÍFICOS:............................................................ 27

II. MARCO METODOLÓGICO ........................................................................... 27

2.1. TIPO DE ESTUDIO ................................................................................. 27

2.2. DISEÑO DE INVESTIGACIÓN ............................................................... 27

2.3. VARIABLES ............................................................................................ 28

2.3.1. IDENTIFICACIÓN DE VARIABLES .................................................. 28

2.3.2. VARIABLES, OPERACIONALIZACIÓN ........................................... 28

2.4. POBLACIÓN Y MUESTRA ..................................................................... 29

2.5. TÉCNICAS E INSTRUMENTOS DE RECOLECCIÓN DE DATOS ......... 30

2.6. MÉTODO DE ANÁLISIS DE DATOS ...................................................... 31

III. RESULTADOS ........................................................................................... 32

3.1. EVALUACIÓN DE LA SITUACIÓN ACTUAL DE LA EMPRESA ............ 32

3.1.1. Generalidades .................................................................................. 32

3.1.2. Análisis de la baja calidad de servicio del Transporte de RFF ......... 33

3.2. Mapeo de puntos críticos de recojo de RFF............................................ 33

3.2.1. Descripción del proceso actual de la Programación y Recojo de RFF:

3.2.2. Ubicación geográfica de los puntos críticos de recojo de RFF: ........ 34

3.3. Costos actuales del recojo de RFF ......................................................... 34

3.4. Desarrollo del modelo matemático de planificación de rutas .................. 35

3.5. Simulación de equipos según su costo en SOLVER¡Error! Marcador no

3.6. Impacto del modelo matemático de planificación de rutas en los costos de

3.6.1. Análisis técnico ................................................................................. 41

3.6.2. Análisis inferencial ............................................................................ 42

VI. RECOMENDACIONES .............................................................................. 49

VII. REFERENCIAS BIBLIOGRÁFICAS ........................................................... 50

A. Anexo Tablas ................................................................................................. 55

B. Anexo Figuras ................................................................................................ 59

C. Otros Anexos ................................................................................................. 63