Research Outputs
Propuesta de modelo conceptual de comunidades portuarias basado en benchmarking y anĂ¡lisis de enfoque sistĂ©mico para sistemas complejos
Este trabajo propone un modelo conceptual de comunidades portuarias basado en benchmarking y anĂ¡lisis de enfoque sistĂ©mico para sistemas complejos. Este cuenta con ocho dimensiones, las que se interrelacionan y tienen como base de construcciĂ³n elementos comunes que se identificaron a travĂ©s de revisiĂ³n bibliogrĂ¡fica y benchmarking. Estas determinan el funcionamiento operacional y el rol que cumplen las comunidades portuarias insertas en un sistema portuario. Esta propuesta fomenta la competitividad de la propuesta de valor para una comunidad portuaria.
Algoritmos para el problema de localizaciĂ³n de plantas y centros de distribuciĂ³n maximizando beneficio
Este artĂculo presenta un caso particular del problema de localizaciĂ³n de instalaciones. La caracterĂstica de este es que considera un conjunto de clusters que representan la acumulaciĂ³n de clientes que demandan un producto en particular. Se desea localizar P centros de distribuciĂ³n donde la demanda de los clusters se satisface solo si localizamos un centro de distribuciĂ³n en dicho cluster. AdemĂ¡s, se debe determinar tanto el nĂºmero de plantas como sus respectivas ubicaciones con el fin de abastecer los diferentes centros de distribuciĂ³n localizados. El objetivo es maximizar la utilidad considerando, por un lado, los ingresos que se obtienen por satisfacer la demanda de los diferentes clusters y, por otro lado, los costos de instalaciĂ³n que se incurren al localizar los centros de distribuciĂ³n y las plantas como tambiĂ©n los costos de transporte de material desde las plantas a los centros de distribuciĂ³n. Otras aplicaciones de este problema se aprecian en redes de telecomunicaciones, redes elĂ©ctricas, etc. Se presenta un nuevo modelo de programaciĂ³n lineal entera que permite resolver instancias pequeñas, hasta 300 clusters, en un tiempo CPU aceptable, los problemas fueron programados con AMPL, y resueltos con CPLEX 11.0. Para instancias de mayor tamaño se presentan heurĂsticas que permiten obtener soluciones con un GAP menor al 1%.