Planteos Iniciales - Transporte

Estos son ejemplos de los reportes que se han preparado para la SUP dentro del programa TRANSPOTE y UNIVERSIDAD.

Equipo de trabajo - Universidad Nacional de Cuyo y Universidad Nacional de Tutuman.

Programa Universidad y Trnasporte
Optimización en Transporte de Sistemas Productivos Regionales

PALMA Ricardo R. - Universidad Nacional de Cuyo rpalma@uncu.edu.ar
RODRIGUEZ REY Julio C. - Universidad Nacional de Tucumán julio.rr@herrera.unt.edu.ar

Resumen

El presente trabajo es un resumen de la estrategias seguidas para la implementación de una plataforma colaborativa en la que actores del sector porductivo y del transporte puedan operar para encontrar instanias que les permitan alcanzan economías de escala que aumenten su competitividad.

Situación Problema

Los sistemas productivos regionales de Argentina tienen severas limitaciones en los costos de transporte.

El costo de llegar desde un sistema productivo de una econom'ia regional a la capital del país (1000 km) es equivalente al costo marítimo de llegar desde la capital a puertos del hemisferio norte (12.000 km).

También el costo de llegar desde la capital al conglomerado urbano y peri-urbano de la capital, que concentra el 75 % de la población del país, es notablemente superior (250 Km).

Podría solucionarse en parte este problema si logramos incrementar el marcado potencial para estos medianos y micros productores con alta especialización (productos gourmet y delicatesen) apelando a que:

1. Productores Se toman pequeños productores que por su capacidad no tienen vol'umenes de escala como para sostener un proceso de transporte y log'istica que garantice carga todo el a~no.
1. Clusters Se nuclean estos productores en clusters estacionarios que demandan transporte en forma intermitete y se establecen est'adares para el trasnportista y el productor a fin de elevar los est'andares de calidad de sus productos, productos extendidos y servicios al cliente.
1. Cadenas Se apunta esta cadena de suministros para que no sea push sino jalada desde el consumo que se encuentra en la capital del pa'is y su cono urbano.
Equivalecia de Medias
Trataiento de Errores
ANOVA o An'alisis de Varianza

Estado del Arte

Estado del arte

Pincipales contribuidores y autores seleccionados

Application of planning models in the agri-food supply chain: A review Omar Ahumada, J. Rene Villalobos

Cluster building and logistics network integration of local food supply chain T.G. Bosona, G. Gebresenbet

*Food supply chains and sustainability: evidence from specialist food producers in the Scottish/English borders Brian Ilbery , Damian Maye

Integrated Logistics Network for the Supply Chain of Locally Produced Food, Part I: Location and Route Optimization Analyses Techane Bosona, Girma Gebresenbet, Ingrid Nordmark,

*David Ljungberg Department of Energy and Technology, Swedish University of Agricultural Sciences, Uppsala, Sweden.

*The new conceptual framework for food supply chain assessment Riccardo Manzini , Riccardo Accorsi

Materiales y Métodos Materiales y Métodos

1. Optimización en el ruteo con herramientas GNU (R-CRAN)
1. Implementación de una plataforma que le permita a los transportistas que han realizado un trasnporte, consolidar carga para un viaje de regreso.
1. Localización de puntos de carga y descarga din'amica para cada misión lanzada desde la plataforma
1. Trazabilidad del pedido del cliente (oferente de carga).
1. Pronóstico de efectividad de la misión para que el oferente de carga opte por tomar un circuito o asumir el costo de modificar el circuito para que esa misi'on pase por su empresa.

*** Ejemlo Simple de Optimiación por LP

(maximize: 2 x_1 + 4 x_2 + 3 x_3)

(subject to: 3 x_1 + 4 x_2 + 2 x_3 <= 60 )

(2 x_1 + x_2 + x_3 <= 40)

( x_1 + 3 x_2 + 2 x_3 <= 80 )

(x_1, x_2, x_3) son Números no negativos

x_1 = Cantidad a transportar de productos horticolas y aromáticas
x_2 = Cantidad de productos frutícolas exóticos
x_3 = Cantidad de productos metalmecánicos

library (Rsymphony)
obj <- c(2, 4, 3)
mat <- matrix(c(3, 2, 1, 4, 1, 3, 2, 1, 2), nrow = 3)
dir <- c("<=", "<=", "<=")
rhs <- c(60, 40, 80)
max <- TRUE
Rsymphony_solve_LP(obj, mat, dir, rhs, max = max)

## $solution
## [1]  0  0 30
## 
## $objval
## [1] 90
## 
## $status
## TM_OPTIMAL_SOLUTION_FOUND 
##                         0

Dieño del Experimento

Es necesario diseñar cuidadosamente el modelo de transporte ya que al operar en dos regiones con fuertes actores en las industrias regionales (Azucar y Viticultura) se debe contemplar la posibilidad de hacer posible el desarrollo de las PyMEs.

Equivalecia de Medias
Trataiento de Errores
ANOVA o An'alisis de Varianza

En las seiguientes sub-secciones explicaremos cada una de ellas.

Subseción 1.1

Tenemos la necesidad de desarrollar una simulación con un utilitario para establecer el porcentaje de consorcios que han tenido éxito en la gestión de ruta locales gracias a la generación y adopción de iniciativas de innovación.
Se utilizará una escala de 0 a 10 para establecer el impacto o éxito alcanzado . De este modo no expondremos a las PyMEs que han colaborado con la información para medir el impacto.
10 Representa Éxito total
0 representa fracaso.

Basados en datos estadísticos del CLADES (Centro Latinoamericano Para el Desarrollo de Estudios Sociales de Naciones Unidas), se han tomado 250 concesionarias de peaje de las zonad de Cuyo y del NOA, al azar de un universo de casi dos mil de empresas PyMEs; en su mayoría se trata de PyMES. Según esta muestra se observa que para Cuyo el promedio de éxito es 19,5 y el desvío estandard es 2,5.
En tanto que para la el NOA esta cifra alcanza una media de 14,7 y sigma 5,2

Representaremos estos datos con R-Cran y formularé algunas conjeturas que expliquen por que esto es así.

Uilizaremos a Cuyo como caso base para constrastar contra NOA

Nota :

No tengo niver de certeza tan alto respecto a los datos del NOA. Si he podido corroborar la exactitud de los datos del CLADES con las PyME de Mendoza.

x=seq(0,25,length=50) 
y=rnorm(length(x),mean=19.5,sd=2.5) 
z=rnorm(length(x),mean=14.7,sd=5.5)
plot(x,y,type="l",lwd=2,col="green",main="Exitosos en Cuyo",
     sub="datos propios basados en informes de la CEPAL",
     xlab="x-factor de impacto caso base Mendoza",
     ylab="y-cantidad")

Histograma

hist(y,main="Histograma de Datos Observados",sub="Cuyo")

Densidad

plot (density(y) , main="Densidad de datos secuencia para Cuyo" )

Costos Logísticos

COMPARATIVOS

El petróleo viene de tocar su valor mínimo en seis años y, en consecuencia, los precios de los fletes marítimos y terrestres a nivel internacional han venido sufriendo un marcado desplome en los últimos meses.

Sin embargo en la Argentina, a contramano de la tendencia mundial, sucede lo opuesto: las tarifas que deben enfrentar las empresas locales para mover un producto dentro del país lejos están de haber bajado.

Elcambio de gobierno y el siceramiento de los subcidios energéticos ha dado un duro golpe a la realidad de los operaodre logísticos que a su vez han impactado sobre la rentabilidad de las PyMEs.

Por el contrario, en los últimos doce meses, la “factura” que tienen que pagar las compañías por servicios de transporte y logística se encarecieron tanto en pesos como en dólares, constituyéndose en una variable de alto impacto que se traduce en dos consecuencias negativas:

En el caso de las firmas orientadas al mercado interno, esto incrementa los precios que deben pagar los consumidores por un producto.
En lo que respecta a firmas exportadoras, se agudiza la pérdida de competitividad del “Made in Argentina” a la hora de salir y pelear por un lugar en las góndolas del mundo.

“Mientras en el exterior se ha producido una baja importante del flete terrestre por el menor precio de los combustibles líquidos, en nuestro país las tarifas siguen subiendo”, advirtió Pormedoza y el Centro de Estudios para el Comercio Exterior.

El Instituto de Ingenuería Industrial (I3) recalcó que los altos costos logísticos que se deben convalidar dentro del país ‘se suman a otras dificultades que padecen las empresas exportadoras’, como el atraso cambiario -que está dejando fuera de carrera tanto a industrias como a las economías regionales-, la fuerte devaluación del real brasileño y la alta presión tributaria, sumado esto a la inestabildad política del gigante del sur.

Si bien a fines del año pasado, ante el retroceso del valor del crudo a nivel mundial, el Gobierno avanzó con una congelamiento en las naftas, para dejar “la papa caliente al nuevo gobierno” en las últimas semanas las principales petroleras volvieron a ajustar los precios.

De hecho, según datos de la Cámara Empresaria de Operadores Logísticos (CEDOL), hacia febrero, el costo del combustible en las empresas de transporte se había elevado casi 29% en los últimos doce meses.

Pero no es el único ítem que pega en las tarifas logísticas. Por el contrario, la mano de obra, el otro gran componente de la matriz de costos, llevaba acumulada una suba del 54% el último año.

De este modo, según CEDOL, los costos generales para las empresas que brindan estos servicios se dispararon hasta casi un 30%, lo que repercute en el valor de venta final de un producto, ya sea puesto en el mercado interno como en el exterior (ver cuadro).

image:

This is an R Markdown document. Markdown is a simple formatting syntax for authoring HTML, PDF, and MS Word documents. For more details on using R Markdown see http://rmarkdown.rstudio.com.

When you click the Knit button a document will be generated that includes both content as well as the output of any embedded R code chunks within the document. You can embed an R code chunk like this:

summary(cars)

##      speed           dist       
##  Min.   : 4.0   Min.   :  2.00  
##  1st Qu.:12.0   1st Qu.: 26.00  
##  Median :15.0   Median : 36.00  
##  Mean   :15.4   Mean   : 42.98  
##  3rd Qu.:19.0   3rd Qu.: 56.00  
##  Max.   :25.0   Max.   :120.00

You can also embed plots, for example:

Note that the echo = FALSE parameter was added to the code chunk to prevent printing of the R code that generated the plot.