Apunte Diseño de Rutas

UNIVERSIDAD NACIONAL DE LA PLATA
FACULTAD DE IGENIERÍA
Ingeniería Industrial
Apunte de Diseño de Ruta y

Programación de Vehículos
Cátedra: Producción III

Autor: Ing. Deagustini Martín
11/11/2010
Apunte de Diseño de Ruta y Programación de Vehículos
MATERIAL DE SOPORTE
INTRODUCCIÓN
En el contenido de este apunte se incluyeron estudios respecto del diseño de rutas

para vehículos (“Puntos de origen y destino separados y sencillos”, “Puntos múltiples de
origen y destino” y “Puntos coincidentes de origen y destino”), se analizaron casos de
aplicación y diferentes modelos de resolución.
La literatura proviene de la siguientes fuentes: “Logística: administración de la

cadena de suministros” de Ronald Ballou, “Spreadsheet Modeling and Decision
Analysis” de Cliff Ragsdale y apuntes de la cátedra de Transporte de la carrera de
Especialización en Logística Integrada, USAL – Georgetown University.
En este apunte se focaliza principalmente en un problema de selección de la ruta

de un vehículo que debe efectuar entregas en varios puntos, partiendo desde un centro
de distribución y regresando finalmente a él.
Cuando se resuelve este problema el logístico debe servir a todos los clientes,
minimizando costos, tiempos de ejecución o distancias y, al mismo tiempo, satisfacer
restricciones físicas como por ejemplo la capacidad de los medios de transporte.
Podemos nombrar algunos ejemplos donde se encuentran frente al mismo

problema:
o Reparto de bebidas a bares y restaurantes.
o Reparto y programación de efectivo en cajeros automáticos.
o Reparto de alimentos a domicilio por compras basadas en Internet.
o Recoger leche y manejo del inventario.
o Distribución de ventas por mayor desde los almacenes a los minoristas.
De esta manera podríamos seguir nombrando muchísimos otros casos más, en

todos estos casos lo que se busca es hallar la secuencia en la que los puntos deberían
visitarse, de manera que se pueda reducir al máximo el tiempo o la distancia total del
recorrido.
El problema de diseño de ruta de origen y destino coincidentes por lo general se lo

conoce como problema del “agente viajero”.
MÉTODOS DE RESOLUCIÓN DE TRAVELING SALESMAN PROBLEM

(TSP)
En primer lugar abordaremos este problema que supone:
o Que se han definido todos los puntos que deben ser recorridos en la ruta.
o Que el vehículo posee capacidad suficiente para satisfacer la demanda de

todos los clientes.
11/11/10 1 Producción III

A continuación se reproduce el problema planteado por Ballou en la figura 13.9

de la página 486, en el que desde el centro de distribución W, deben abastecerse los
clientes A, B, C y D.
C
31 D
34 23
34
48
26
67
A
34
17
W
47
B
A partir de las suposiciones ya establecidas, la solución de este problema se

reduce a encontrar la ruta que iniciándose en W, pase por A, B, C, D y finalice en W.
Método “Heurístico”
En primer lugar, desarrollaremos una solución aproximada, mediante un método

heurístico. Los procedimientos heurísticos, permiten aproximar soluciones buenas,
cercanas a la óptima, pero con requerimientos de cálculo inferiores a los necesarios para
obtener un resultado exacto.
Kart y Thompson presentan el siguiente procedimiento para encontrar una

solución:
1) Seleccionar dos puntos cualquiera y ponerlos en cualquier orden ( i1 , i 2 )
2) Definir una lista, conformada por k puntos que definen un camino

continuo, 2 ≤ k ≤ n , donde n es el número total de puntos de la red.
Elegir, en forma aleatoria, uno de los puntos h que no esté en la lista.
Calcular las cantidades d para j desde 1 a k:
d j = ai j ,h + ah ,i j +1 − ai j ,i j +1
i
Donde se define que j +1 es igual a i1 cuando j=k. Las variables a
representan la distancia, tiempo o costo entre los puntos.

3) Sea j* el valor de j tal que de dj* sea el mínimo de las cantidades

calculadas en el paso 2º)
para j = j * +1,..., k , y el subíndice h como j *+1 .

ij i j +1 i
4) Reetiquetar como
i
Esto es insertar h en la lista de puntos k y reordenar la lista con el nuevo
elemento.
5) Ahora se tiene una nueva lista de k+1 puntos. Si k+1es igual a n, se ha

finalizado el algoritmo. En otro caso, sustituir K por k+1 y volver par
paso 2º).
El procedimiento consiste en seleccionar aleatoriamente 2 puntos e ir agregando

otros de manera tal de minimizar el factor de mérito del conjunto de puntos, pudiendo
ser este, el tiempo, el costo o la distancia.
Para nuestro ejemplo:
Paso 1º)
i1=A; i2=C
Paso 2º)
Se toma como punto h = B
Como inicialmente tenemos 2 puntos, k=2
C
31 D
d1 = ai1,B + a B ,i2 − ai1 ,i2 34

34 23
d1 = a A,B + a B , A − a A,C
48
26
67
Para j=1: d1 = 17 + 26 − 34 17
A
34
W
d1 = 9 B
47
d 2 = ai 2,B + a B ,i1 − ai2 ,i1 C

31 D
d 2 = aC , B + a B , A − a C , A 34
34 23
d 2 = 26 + 17 − 34
48
Para j=2=k 26
67
d2 = 9 A
34
17
W
47
Paso 3º) B
Como ambos dj son iguales se adopta arbitrariamente uno de los dos. En este caso
tomamos
j*= 1.
Paso 4º)

Reetiquetamos ij como ij+1, desde j=j*+1 hasta j=k, entonces, siendo j*=1, i2 pasa
a ser i3
Insertar h como ij*+1
Queda entonces un nuevo recorrido donde:
i1=A; i2=B; i3=C
Dado que k=2, K+1=3< (n=5), se debe volver al paso 2º)
Paso 2º) - Segunda iteración
Se toma como punto h = W
Como el camino definido en la iteración anterior tiene 3 puntos, k=3
d1 = ai1,W + aW ,i2 − ai1 ,i2 C

31 D
d1 = a A,W + aW ,B − a A,B 34
34 23
d1 = 34 + 47 − 17
48
Para j=1: 26
67
d1 = 64 17
A
34
W
47
B
d 2 = ai 2,W + aW ,i3 − ai2 ,i3 C

31 D
d 2 = a B ,W + aW ,C − aB ,C
34 23
34
Para j=2 d 2 = 47 + 67 − 26 26
48
67
d 2 = 88 A
34
17
W
47
B
d 3 = ai 3,W + aW ,i1 − ai3 ,i1 C

31 D
d 3 = aC ,W + aW , A − aC , A 34
34 23
48
j=3=K d 3 = 67 + 34 − 34 26
67
d 3 = 67 17
A
34
W
47
B
Paso 3º) – Segunda iteración
Como d1 es el mínimo dj , tomamos j*= 1
Paso 4º) – Segunda iteración
Reetiquetamos ij como ij+1, desde j=j*+1 hasta j=k, entonces, siendo j*=1, i2 pasa
a ser i3 e i3 pasa a ser i4

i1=A; i2=W; i3=B; i4=C
Dado que k=3, K+1=4< (n=5), se debe volver al paso 2º)
Paso 2º) - tercera iteración
Se toma como punto h = D
Como el camino definido en la iteración anterior tiene 4 puntos, k=4
d1 = ai1,D + a D ,i2 − ai1 ,i2 C

31 D
d1 = a A,D + a D ,W − a A,W 34
34 23
d1 = 23 + 48 − 34
48
Para j=1: 26
67
d1 = 37 17
A
34
W
47
B
d 2 = ai 2,D + a D ,i3 − ai2 ,i3 C

31 D
d 2 = aW ,D + a D ,B − aW , B 34 23
34
Para j=2 d 2 = 48 + 34 − 47 26
67
48
d 2 = 35 A
34
17
W
47
B
d 3 = ai 3,W + aW ,i4 − ai3 ,i4 C

31 D
d 3 = a B ,D + a D ,C − a B ,C 34
34 23
48
j=3 d 3 = 34 + 31 − 26 26
67
d 3 = 39 17
A
34
W
47
B
d 4 = ai 4,W + aW ,i1 − ai4 ,i1 C

31 D
d 4 = aC ,D + aD , A − aC , A 34
34 23
48
j=4=k d 4 = 31 + 23 − 34 26
67
d 4 = 20 17
A
34
W
47
B
Paso 3º) – tercera iteración
Como d4 es el mínimo dj , tomamos j*= 4
Paso 4º) – Tercera iteración

Reetiquetamos ij como ij+1, desde j=j*+1 hasta j=k, entonces, siendo j*=4, i5 no
está asignado.
i1=A; i2=W; i3=B; i4=C; i4=D
Finalmente la solución aportada por el método es:
C
31 D
34 23
34
48
26
W→B→C→D→A→W 67
A
34
17
W
47
B
Tiempo en ruta:
47+26+31+23+34=161
Sin embargo la solución óptima de este problema es:

C
31 D
34 23
W→A→B→C→D→W 34
48
26
67
A
34
17
W
47
B
Tiempo en ruta:
34+17+26+31+48= 156
Como vemos, en una única iteración con este método heurístico se obtuvo una
solución que sólo se aparta un 3,2 % de la óptima. Como este método exige
relativamente poco cálculo y posee una alta probabilidad de obtener la solución óptima
(probabilidad 0,6 para n=5) se puede repetir varias veces el procedimiento y elegir la
ruta que proporcione la mejor solución.
Existen formas de aumentar la probabilidad de obtener la solución óptima en

pocos ensayos, como por ejemplo, elegir el punto vecino más cercano al último elegido,
siempre que no forme ya parte del camino.
Método “de Ragsdale”
El problema del agente viajero (TSP) es uno de los problemas más famosos en el
campo de la ciencia de la administración. Este problema puede ser descrito de la
siguiente manera:

Un vendedor quiere encontrar la ruta menos costosa (o más corta) para

visitar sus clientes en n ciudades, visitando cada cliente exactamente una
vez, antes de regresar a casa.
Un modelo de hoja de cálculo para el problema
El método de Ragsdale puede describirse como sigue:
1. Determinar la distancia entre cada par de ubicaciones (presentar

resultados en una matriz como la que se muestra en la Ilustración 7)
Utilizar números enteros para identificar las ubicaciones.
Ilustración 1: Modelo de hoja de cálculo para TSP

2. Definir un recorrido arbitrario (por ejemplo 0123456
780). La distancia entre cada una de las ubicaciones de este
recorrido se muestran en las celdas F16 a F24 con la siguiente
fórmula:
Formula celda F16: = índice ($C$4:K$12,D16+1,E16+1)

Copiar celda F17 hasta F24
La función INDICE (rango, número de la fila, el número de

columna) devuelve el valor del número de fila especificada y
número de columna del rango dado. La celda D16 contiene el
número 0 y la E16 contiene el número 1, la fórmula anterior
devuelve el valor de la primera fila (D16+1) y de la segunda
columna (E16+1) en el rango C4: K12 – o el valor en la celda
D4.
3. Hay que introducir entre las celdas D17 a D24 la siguiente fórmula:
Formula celda D17: = E16

Copiar celda desde D18 hasta D24
4. El número cero fue introducido en la celda E24 para asegurarse que

luego del último movimiento siempre regrese a su posición inicial.
5. El objetivo en este problema es minimizar la distancia total a

recorrer. Por lo tanto, hay que calcular la distancia total del recorrido
actual. Este se calcula en la celda F25 de la siguiente manera:
Formula celda F25: = suma (F16:F24)
6. Si partimos de la posición cero, cualquier permutación del conjunto

de los enteros de 1 a 8 a través de las celdas E16 a E23 representa un
recorrido factible (una permutación es simplemente una reordenación
de los elementos de un conjunto). La versión Premium de Solver
permite realizar permutación de celdas mediante un tipo especial de
restricción conocida como "AllDifferent".
7. La resolución del modelo
Ilustración 8 muestra los parámetros de Solver para resolver este

problema y el resultado del mismo.
Ilustración 2: Resolución del Modelo de Ragsdale
8. Análisis de la solución
La solución se muestra en la Ilustración 8, representa una reducción

del 33,5% en la distancia total del recorrido. Si este recorrido se va a
repetir todas las semanas, representa una reducción muy importante
de la distancia total y probablemente sea muy importante para la
empresa.
Es importante recordar que el algoritmo evolutivo Solver genera

aleatoriamente la población inicial de soluciones y aplicaciones de
cruce probabilística y las operaciones de mutación.

Encontrar la solución óptima global a un problema no es simple,

podría requerir una nueva resolución del modelo de varias veces con
diferentes puntos de partida inicial.
PROGRAMACIÓN Y DISEÑO DE RUTAS DE LOS VEHÍCULOS
Si al problema del Agente Viajero (TSP) le sumamos algunas restricciones reales

nos encontramos frente a un problema de Programación y Diseño de Rutas de los
Vehículos (PDRV).
Restricciones:
• Cada parada tiene un volumen asignado.
• Múltiples vehículos, con diferentes capacidades.
• Tiempo de transito, tiempo de descanso, ventanas de tiempo (recolección y

entrega), etc.
Principios para una buena programación y diseño de rutas
1. Cargar camiones con volúmenes de parada que estén lo más cercanos

unos de otros. Las rutas de los camiones deben formarse alrededor de
agrupaciones de paradas que estén cerca unas de otras para reducir al
máximo el tiempo del viaje entre ellas. Esto también minimiza el tiempo
total del viajante en la ruta. La Ilustración 1 (a) muestra el tipo de
agrupación que debe evitarse en el momento de cargar los camiones. La
Ilustración 1 (b) muestra la mejor agrupación.
Ilustración 3: Agrupación para la asignación de volúmenes de parada a los vehículos
2. Las paradas en diferentes días se deberían ordenar de tal manera que

formen agrupaciones más estrechas. Cuando las paradas deben
efectuarse durante diferentes días de la semana, deben segmentarse en
problemas de programación y diseño de rutas separados para cada uno de
los días de la semana. Los segmentos diarios, para los cuales hay que
desarrollar programas y diseños de rutas, deben evitar la superposición de
las agrupaciones de paradas. Esto ayudará a minimizar el número de
camiones necesarios para atender todas las paradas, así como a minimizar

el tiempo de viaje del camión y la distancia recorrida durante la semana.

La Ilustración 2 muestra ejemplos de una buena y una mala agrupación.
Ilustración 4: Agrupación de paradas por día de la semana

.
3. Construir rutas comenzando con la parada más lejana del depósito.

Pueden desarrollarse rutas eficientes mediante la construcción de
agrupaciones de paradas alrededor de la parada más lejana del depósito y
luego trabajando de regreso hacia el depósito. Una vez que se identifica la
parada más lejana, se debe seleccionar el volumen desde la agrupación
más estrecha de paradas situada alrededor de la parada clave, para
completar la capacidad asignada al camión. Después de que se hayan
asignado al vehículo los volúmenes de paradas, se selecciona otro vehículo
e identifica la parada más lejana al depósito entre las paradas restantes que
aún no han sido asignadas a un vehículo. Proceda de esta manera hasta que
todas las paradas hayan asignado a los vehículos.
4. La secuencia de paradas de una ruta por carretera debe formar una

Ilustración de una lágrima. Las paradas deben continuarse de tal manera
que ningún camino de la ruta se cruce, y la ruta parezca tener la forma de
una lágrima. Ver Ilustración 3. Las restricciones de momentos oportunos y
la obligación de recoger después de las entregas puede provocar que los
caminos de la ruta se crucen.
Ilustración 5: Ejemplos de mala y buena secuencia de paradas

.

5. Las rutas más eficientes se construyen usando los vehículos más

grandes disponibles. Idealmente, usar un vehículo lo suficientemente
grande como para manejar todas las paradas en una misma ruta
minimizará la distancia total, o el tiempo, utilizado para atender las
paradas. Por lo tanto, se debe asignar primero los vehículos más grandes,
de entre los múltiples tamaños de la flota, a condición de que pudieran
aprovecharse en su máximo rendimiento.
6. Las recolecciones deben mezclarse dentro de las rutas de reparto, en

vez de ser asignadas al final de las rutas. Las recolecciones deben
hacerse, dentro de lo posible, durante el curso de los repartos, para
minimizar la cantidad de caminos que se cruzan, lo que puede ocurrir
cuando se atienden dichas paradas después de hacer todos los repartos. El
alcance al que puede hacerse esto dependerá de la configuración de los
vehículos, de los tamaños de los volúmenes de recolección y del grado de
obstaculización que exista para no bloquear el acceso a la mercadería de
reparto que haya dentro del vehículo.
7. Una parada que se halla a gran distancia de una agrupación de ruta es

buena candidata para un medio alternativo de reparto. Las paradas
que estén aisladas de las agrupaciones de las paradas, especialmente
aquellas con bajo volumen, son atendidas a costa de gran tiempo de
conducción y gastos del vehículo. Usar pequeños camiones para manejar
tales paradas puede ser más económico, dependiendo del aislamiento de
cada parada en particular y sus volúmenes. También sería buena
alternativa usar un servicio de transporte en alquiler.
8. Deben limitarse las paradas restringidas por momentos oportunos.

Las restricciones de momentos oportunos en las paradas, cuando son
limitadas, pueden forzar a que la secuencia de las paradas se aleje de los
patrones ideales. Dado que las restricciones por momentos oportunos a
menudo no son absolutas, debería renegociarse cualquier parada que tenga
que ser atendida en un patrón de diseño de ruta menos deseado, con la
esperanza de ampliar sus límites de momento oportuno.
Aplicando los principios nombrados anteriormente se pueden alcanzar soluciones

satisfactorias, no necesariamente optimas.
MÉTODOS DE PROGRAMACIÓN Y DISEÑO DE RUTAS DE LOS

VEHÍCULOS (PDRV)
En la actualidad existen diferentes métodos para la resolución de problemas de

programación y diseño de rutas, cada uno cuenta con limitaciones que lo convierten en
más o menos favorables para la aplicación en cada caso en particular. En este apunte se
presentarán los métodos “de Barrido”, “de Ahorros” y “de Rover”.
Método “de Barrido”
El método “de Barrido” para el diseño de rutas es muy sencillo para realizar
cálculos manuales, incluso en problemas de gran tamaño. Este método cuando se
programa en computadoras puede arrojar soluciones en forma rápida sin requerir

enormes cantidades de memoria, con un error promedio de 10% aproximadamente de

resultados óptimos.
Este método puede arrojar buenas soluciones cuando:
1. Cada volumen de parada es una fracción pequeña de la capacidad del

vehículo.
2. Todos los vehículos tienen el mismo tamaño.
3. No hay restricciones de tiempo en las rutas.
La desventaja del método tiene que ver con la manera en que se forman las rutas.
Primero las paradas se asignan a los vehículos y luego se determina la secuencia de las
paradas dentro de las rutas.
Como consecuencia del punto anterior, este modelo no maneja correctamente la:
o Sincronización.
o Tiempo total empleado en la ruta.
o Momento oportuno.
El método de Barrido puede describirse como sigue:
1º). Localizar todas las paradas, incluyendo el depósito, sobre un mapa o

cuadricula.
2º). Trazar una línea recta entre el depósito en cualquier dirección. Girar
la línea en el sentido de las manecillas del reloj, o sentido contrario,
hasta que intersecte una parada. Hacer la pregunta: Si la parada
insertada esta incluida en la ruta, ¿se excederá la capacidad del
vehículo? Si la respuesta es no, se procede con la rotación de la línea
hasta intersectar la siguiente parada. Hacer la pregunta: ¿Excederá la
capacidad del vehículo el volumen acumulado? Se usan los camiones
más grandes primero. Si la respuesta es sí, se excluye el último punto
y se define la ruta. Continuando el barrido de la línea, se empieza una
nueva ruta con el último punto que fue excluido de la ruta previa. Se
continúa con el barrido hasta que todos los puntos se hayan asignado
a las rutas.
3º). Dentro de cada ruta efectuar una secuencia de paradas para minimizar
la distancia. La secuencia puede lograrse aplicando el método de la
gota de lagrima o usando cualquier algoritmo que resuelva el método
del “agente viajero”.
A modo de ejemplo, presentamos la Ilustración 4 donde se puede ver el diseño de

rutas de una compañía mediante el método “de Barrido”. La empresa cuenta con
camionetas que pueden cargar 10.000 unidades. Para completar una ruta, por lo general
se requiere todo el día.

Ilustración 6: Ejemplo de resolución de caso por método “de Barrido”

.
Método “de Ahorros”
El método permite el manejo de un amplio rango de restricciones prácticas, siendo

relativamente rápido de calcular en una computadora para un número moderado de
paradas, capaz de generar soluciones cerca de lo óptimo, con un error promedio
aproximado del 2 % respecto a la solución óptima.
Puede manejar muchas restricciones prácticas, principalmente porque es capaz de

formar rutas y ordenar paradas en forma simultanea.
El método tiene como objetivo minimizar la distancia total viajada por todos los
vehículos y minimizar indirectamente el número de vehículos necesarios para atender
todas las paradas.
El método de Ahorros puede describirse como sigue:
1. Empezar con un vehículo simulado que cubre cada parada y regresa

al depósito, como se muestra en la Ilustración 5 (a). Este proceso
determina la máxima distancia para ser experimentada en el diseño de
ruta.
2. Luego combinar dos paradas en la misma ruta para que un vehículo

pueda eliminarse y la distancia del viaje se reduzca.
3. Para determinar las paradas que se van a combinar en una ruta, hay
que calcular la distancia ahorrada, antes y después de la combinación.
El valor de ahorro es S = d0,A + dB,0 – dA,B. Ver Ilustración 5 (b).

Ilustración 7: Distancia reducida en viaje mediante consolidación de paradas en una

ruta
4. Realizar el punto 3 para todos los pares de paradas.
5. Seleccionar para la combinación el par de puntos con el valor de

ahorro más grande.
6. El proceso de combinación continua, además de combinar las paradas

sencillas, el proceso puede insertar otra parada en una ruta que
contenga más de una parada.
Ejemplo: (Ver Ilustración 6)

o Se inserta una parada entre A y B (A)
S = d0,C + dC,0 + dA,B – dA,C – dC,B
o Se inserta una parada después de B (B)
S = dB,0 + d0,C – dB,C
o Se inserta una parada antes de A (C)
S = dC,0 + dA,0 – dC,A
C
d0,A d0,C dA,C
d0,A
0 A 0 A
d0,A
d0,C dA,C 0 A
dA,B C
dC,0 dB,0 dA,C dA,B dC,B
dB,0
dC,B dB,0 dA,B
B B
C dC,B
B
(A) (B) (C)
Ilustración 8: Ejemplos de cálculo de ahorros según ubicación de la parada
El potencial del método se debe a la capacidad de asignar, simultáneamente, una

parada a una ruta y colocarla en un lugar en la propia secuencia de la ruta. Por lo tanto,
antes de aceptar una parada en una ruta debe preverse la ruta con la nueva parada.
Pueden contemplarse diferentes condicionantes a la hora de proyectarse una ruta, como
por ejemplo si existe un vehículo lo suficientemente grande como para aceptar ese
volumen, si se logra la parada en momento oportuno, etc.

Método “de Rover”
Se trata de resolver el problema que plantea la necesidad de distribuir productos a

varios clientes desde un centro de distribución, o recoger productos desde varios
proveedores y llevarlos a un almacén central. Se trata de definir la ruta de recolección o
entrega de carga que minimice tiempo, distancia o costo, teniendo como restricción la
capacidad del vehículo.
El método que se presenta a continuación, llamado ROVER, fue desarrollado por

Fisher, Greenfield, Jaikumar y Lester, en 1982. Este método tiene básicamente tres
pasos:
1) Determinar para cada recorrido o camión, los puntos de origen o centros

de atracción.
2) Asignar, en forma óptima, todos los clientes a algún recorrido, relacionado

a un punto de origen.
3) Determinar para cada recorrido la secuencia de clientes para la entrega

mediante la solución del problema del viajante.
El método supone que todos los vehículos poseen la misma capacidad, que no hay
restricciones en cuanto a la distancia, tiempo o máximo número de parada permitidas, y
que las operaciones de carga y descarga no tienen tiempo asociado.
Para presentar el tema desarrollaremos el problema presentado por Ballou, en las

páginas 491 y 495, en el que una terminal T que tiene asignados 6 clientes y dispone de
2 camiones que tienen una capacidad de 30 unidades cada uno. Los costos de transporte
son proporcionales a la distancia recorrida. A continuación se presentan el esquema
espacial de la ubicación de los nodos y, en forma tabular, se resumen las distancias y
demandas correspondientes.
2
6
1
5 3
14
4
8
T 5
9
6
10

Nodo Distancia a Distancia al nodo Nº Demanda

la Terminal 1 2 3 4 5
1 33 5
2 45 15 6
3 32 14 16 14
4 68 60 51 46 8
5 25 32 36 21 46 9
6 20 48 58 42 65 24 10
Primer paso
Se busca determinar para cada recorrido o camión, los puntos de origen o centros
de atracción. La demanda total es de 52 unidades y la capacidad total de los camiones es
de 60 unidades, por lo tanto efectuado dos recorridos, uno con cada camión, se puede
distribuir el total de la carga.
Se definirán entonces dos recorridos que contengan la mitad de la demanda (26

unidades), para ello se utiliza el método de “barrido”, para ello se define una dirección
de referencia, por ejemplo, la línea que pasa entre la terminal el cliente 1, a partir de
aquí comienza a rotarse la línea en el sentido de las agujas del reloj y se van asignado
las demandas al primer vehículo hasta completar la mitad de la demanda total.
Siguiendo este procedimiento al llegar al cliente 3 se acumula una demanda de

(5+6+14=25) y si agregáramos el próximo cliente superaríamos la capacidad del
camión, por lo que el límite del primer sector está entre el cliente 3 y 4. Para establecer
este límite se asume que la demanda crece proporcionalmente con el ángulo de barrido,
por lo que a la distancia angular entre 3 y 4, corresponde un crecimiento de la demanda
de 8 unidades (las que corresponden al punto 4). Como para llegar a una demanda
acumulada de 26 hay que añadir una unidad, el ángulo de barrido adicional será de 1/8
del que separa a 3 de 4.
2
6
δ = α /8
1
3 α
5
14
4
8
5
T
9
6
10
Una vez establecido el límite del barrido que encierra el 50 % de la demanda, se

define la bisectriz del sector que ha quedado definido.

2 6
Origen o centro de atracción 1
1 14
5 3
4
8
45
5
T
9
6
10
Sobre la bisectriz del ángulo de barrido del primer recorrido se ubica el centro de
atracción u origen del mismo a una distancia a la terminal igual a la del cliente más
alejado, en este caso es el cliente 2, cuya distancia a la terminal es 45.
Siguiendo el procedimiento anterior se ubica el ángulo de barrido del segundo

corredor que tendrá su límite en el cliente 6 y se define el centro de atracción.
2 6
1 14
5 3
4
8
5
T
9
6 Origen o centro de atracción 2

10
Segundo paso
Para poder asignar en forma óptima los clientes a cada recorrido, deben definirse,
en primer lugar, las distancias de inserción, esto es la distancia extra que habría que
recorrer si un cliente se introduce en un recorrido desde la terminal al punto de origen y
vuelta.
En primer lugar, es necesario definir las distancias lineales entre los centros de
atracción de cada circuito a todos los clientes. En nuestro caso esas distancias son las
siguientes:

Distancias a los centros de atracción

Recorrido Cliente
1 2 3 4 5 6
1 15 3 19 48 39 57
2 57 55 49 6 43 61
Se trata ahora de definir la distancia requerida para insertar cada cliente en cada
uno de los recorridos o circuitos. A modo de ejemplo, veremos la forma de cálculo de
las distancias de inserción del nodo 4 en los circuitos 1 y 2.
48
45
68 4
8
T 6
68
La distancia de ida y vuelta desde la terminal al centro de atracción 1 es de

45+45= 90 y un recorrido que iniciándose en la terminal vaya hasta el centro de
atracción 1, desde allí al nodo 4 y desde éste de vuelta a la terminal tendrá como
distancia de 45+48+68=161. Por lo anterior la distancia extra para insertar el cliente 4
en el circuito 1 es de 161-90=71.
Si repetimos los cálculos respecto del centro de atracción 2 tendremos lo

siguiente:
o Distancia de ida y vuelta desde la terminal al centro de atracción 2 es de

68+68= 136
o Distancia terminal-centro de atracción 2-cliente 4-terminal es de

68+6+68=142
o Distancia de inserción del cliente 4 en el circuito 2 es de 142-136=6
Si repetimos estos cálculos para cada cliente respecto de ambos centros de

atracción obtendremos todas las distancias de inserción, cuyos resultados se resumen en
la tabla que sigue.
Distancias de inserción
Recorrido Cliente
1 2 3 4 5 6
1 3 3 6 71 19 32
2 22 32 13 6 0 13

Conocidas las distancias de inserción, es el momento de asignar clientes a cada

ruta de forma de minimizar la suma de las distancias de inserción, para ello Fisher,
Greenfield, Jaikumar y Lester proponen la utilización de un algoritmo de asignación
general, formulado de la forma que sigue:
Dados los siguientes datos:
d ik = cos to de inserción del cliente i en el circuito k

ai = demanda del cliente i
Y las variables
1 si el cliente i es asignado al circuito k ;

yik =  
0 en cualquier otro caso 
El problema de asignación generalizado tiene por función objetivo la

minimización de la suma de las distancias de inserción y su planteo es:
K n
min ∑∑ d ik * yik
k =1 i =1
Sujeto a las siguientes restricciones:
Cada cliente debe asignarse a un circuito, y se plantea de la siguiente manera:

K
∑y
k =1
ik = 1, i = 1..., n
No se puede exceder la capacidad del vehículo, esto se formula como sigue:

n
∑a * y
i =1
i ik ≤ bk , k = 1,..., K
Donde:
K = número total de circuitos

k = circuito k
n = número total de clientes
i = cliente i
bk = capacidad del camión en el circuito k
A continuación se presenta la implementación en Exel de la solución, el

correspondiente cuadro de diálogo de Solver para obtener la solución y la formulación
utilizada en cada celda de cálculo.

Formulas
Celda Formula Copiar
B23 =B16*B$11 Copiar de B23 a G23; a B24 y desde B24 a G24
=SUMA(B23:G23
H23 ) Copiar a H24
B29 =B16*B5 Copiar de B29 a G29; a B30 y desde B30 a G30
H29 =SUMA(B29:G29) Copiar a H30
H31 =SUMA(H29:H30)
El cuadro de asignación de clientes a la ruta representa la solución encontrada por

SOLVER a este problema. Los 1 implican que el cliente, cuyo número identifica a la
columna, ha sido asignado al circuito cuyo número designa a la fila.
De este resultado surge que:
o Al circuito 1 se asignan los cliente 1, 2 y 3.
o Al circuito 2 se asignan los clientes 4,5 y 6.
o Este resultado es el que suma la distancia de inserción mínima que es 31.
Tercer paso
Una vez asignado los clientes que van a ser servidos dentro de cada circuito, cabe
definir la secuencia de paradas en cada circuito. Esto puede hacerse por cualquier
método que resuelva el problema de asignación de secuencia de paradas cunado el
punto de origen y destino final coinciden.
o Puede usar un método gráfico muy sencillo y eficaz, que consiste en

definir circuitos en forma de “lágrima”, teniendo en cuenta no introducir
enlaces que se crucen.

o Puede aplicarse la heurística que ya hemos descripto para resolver el

problema del viajante.
Por ejemplo, si aplicamos el método gráfico las secuencias dentro de cada circuito
pueden ser las siguientes:
1
3
4
5
Circuito 1
T→3→2→1→T Distancia=32+16+15+33=96
Circuito 2
T→6→4→5→T Distancia=20+65+46+25=156

Apunte Diseño de Rutas

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Apunte Diseño de Rutas

Diunggah oleh

Hak Cipta:

Format Tersedia

UNIVERSIDAD NACIONAL DE LA PLATA

Apunte de Diseño de Ruta y

Cátedra: Producción III

En el contenido de este apunte se incluyeron estudios respecto del diseño de rutas

La literatura proviene de la siguientes fuentes: “Logística: administración de la

En este apunte se focaliza principalmente en un problema de selección de la ruta

Podemos nombrar algunos ejemplos donde se encuentran frente al mismo

o Reparto de bebidas a bares y restaurantes.

o Reparto y programación de efectivo en cajeros automáticos.

o Reparto de alimentos a domicilio por compras basadas en Internet.

o Recoger leche y manejo del inventario.

o Distribución de ventas por mayor desde los almacenes a los minoristas.

De esta manera podríamos seguir nombrando muchísimos otros casos más, en

El problema de diseño de ruta de origen y destino coincidentes por lo general se lo

MÉTODOS DE RESOLUCIÓN DE TRAVELING SALESMAN PROBLEM

En primer lugar abordaremos este problema que supone:

o Que el vehículo posee capacidad suficiente para satisfacer la demanda de

11/11/10 1 Producción III

A continuación se reproduce el problema planteado por Ballou en la figura 13.9

A partir de las suposiciones ya establecidas, la solución de este problema se

En primer lugar, desarrollaremos una solución aproximada, mediante un método

Kart y Thompson presentan el siguiente procedimiento para encontrar una

1) Seleccionar dos puntos cualquiera y ponerlos en cualquier orden ( i1 , i 2 )

2) Definir una lista, conformada por k puntos que definen un camino

11/11/10 2 Producción III

3) Sea j* el valor de j tal que de dj* sea el mínimo de las cantidades

para j = j * +1,..., k , y el subíndice h como j *+1 .

5) Ahora se tiene una nueva lista de k+1 puntos. Si k+1es igual a n, se ha

El procedimiento consiste en seleccionar aleatoriamente 2 puntos e ir agregando

Para nuestro ejemplo:

Se toma como punto h = B

Como inicialmente tenemos 2 puntos, k=2

d1 = ai1,B + a B ,i2 − ai1 ,i2 34

d 2 = ai 2,B + a B ,i1 − ai2 ,i1 C

11/11/10 3 Producción III

Insertar h como ij*+1

Queda entonces un nuevo recorrido donde:

i1=A; i2=B; i3=C

Dado que k=2, K+1=3< (n=5), se debe volver al paso 2º)

Paso 2º) - Segunda iteración

Se toma como punto h = W

Como el camino definido en la iteración anterior tiene 3 puntos, k=3

d1 = ai1,W + aW ,i2 − ai1 ,i2 C

d 2 = ai 2,W + aW ,i3 − ai2 ,i3 C

d 3 = ai 3,W + aW ,i1 − ai3 ,i1 C

Paso 3º) – Segunda iteración

Como d1 es el mínimo dj , tomamos j*= 1

Paso 4º) – Segunda iteración

Insertar h como ij*+1

11/11/10 4 Producción III

Queda entonces un nuevo recorrido donde:

i1=A; i2=W; i3=B; i4=C

Dado que k=3, K+1=4< (n=5), se debe volver al paso 2º)

Paso 2º) - tercera iteración

Se toma como punto h = D

Como el camino definido en la iteración anterior tiene 4 puntos, k=4

d1 = ai1,D + a D ,i2 − ai1 ,i2 C

d 2 = ai 2,D + a D ,i3 − ai2 ,i3 C

d 3 = ai 3,W + aW ,i4 − ai3 ,i4 C

d 4 = ai 4,W + aW ,i1 − ai4 ,i1 C

Paso 3º) – tercera iteración

Como d4 es el mínimo dj , tomamos j*= 4

Paso 4º) – Tercera iteración

11/11/10 5 Producción III