Sin embargo, en la realidad, encontrar sistemas de transporte en donde las demandas de cada cliente son iguales, es prácticamente imposible, motivo por el cual el análisis de los métodos de ruteo se fundamentara en los problemas en que la demanda es variable. (Bremel y Simchi-Levi, 1997)

Los métodos heurísticos, lo cuales son algoritmos que entregan soluciones aproximadas para problemas de cálculo complejos, más utilizados para la determinación de la ruta optima en procesos de distribución, son el método de ahorros y el método de barridos.

5.4.1. Método de ahorros

Este método ha sobresalido durante muchos años como un método suficientemente flexible para manejar un rango práctico de restricciones, siendo relativamente rápido para cálculo de problemas con un número moderado de paradas, y capaz de generar soluciones que están cerca del óptimo. (Ballou; 2004)

El objetivo de este método es minimizar la distancia total de viaje de todos los vehículos e indirectamente minimizar el número de vehículos necesarios para cumplir con todas las paradas.

Supóngase que se tiene que distribuir desde un punto 0 (cero) a los destinos A y B, cuya situación geográfica se muestra en Figura 2. De esta figura se puede observar que las posibilidades a seguir son la ruta 0-A-0-B-0 o bien la ruta 0-A-B-0

Sí D es el recorrido total, luego para cada caso se tiene que:

El ahorro en distancia (S) es D - D', así

El método, por supuesto, se aplicar para procesos con más de 2 paradas, realizando un procedimiento similar. Por ejemplo, si un punto C es insertado entre los extremos A y B, el ahorro seria: (Ballou, 2004)

Y así sucesivamente se repiten los cálculos de la iteración para continuar con la ampliación de la ruta. Una parada con un gran ahorro sugiere la inclusión de esta en la ruta. [2] Sí una parada no puede ser incluida debido a restricciones como capacidad, tiempos de entrega, etc., la siguiente parada que tiene el ahorro mayor se considera para su inclusión. (Ballou, 2004)

Figura 2. Esquema de rutas. Interiormente, ruta 0-A-B-0, externamente ruta 0-A-0-B-0. Adoptado de Anaya (2000)

5.4.2. Método de "barrido"

Este método de ruteo de vehículos es simple y permite manejar cálculos inclusive para problemas de gran tamaño. (Ballou, 2004)

Este método es bien aplicado en problemas en que la cantidad de volumen en cada parada es tan solo una pequeña fracción de la capacidad del vehículo, cuando todos los vehículos tienen el mismo tamaño y cuando no hay restricciones de tiempo en las rutas. (Ballou, 2004)

El método se basa en la generación de un conjunto de lugares a donde se deben llevar las mercancías (clúster) y lego fija las distancias mínimas para el recorrido dentro de ese clúster. Este método puede ser explicado como:

Localizar todas las paradas, incluyendo el almacén en un mapa.

Extender una línea recta con origen en el almacén en cualquier dirección. Rotar la línea en el sentido de las manecillas del reloj, o en contra, hasta que se intercepte una parada. Preguntar: Sí la intercepción es incluida en la ruta, ¿se excede la capacidad del vehículo?, Si la respuesta es No, incluir este punto y seguir con la rotación hasta interceptar la próxima parada, en la cual se hace la misma pregunta.

Si la respuesta a la pregunta anterior en una determinada parada es positiva, luego se debe excluir ese último punto y se define la ruta como el conjunto de paradas que no exceden el vehículo. Continuar con el barrido, comenzando una nueva ruta en el último punto que fue excluido. Los barridos terminan una vez han sido asignadas todas las paradas en las determinadas rutas.

Entre cada ruta, ordenar las paradas para minimizar la distancia. El ordenamiento puede ser logrado aplicando el método de la gota de lágrima o utilizando algún algoritmo que resuelva el problema del vendedor viajero.

La Figura 3 representa gráficamente el método de barrido.

Figura 3. Método del barrido. (Ballou, 2004)

Según Bremel y Simchi-Levi, (1997) existen otros heurísticos que permiten determinar las distancias mínimas para la distribución de mercancías, dentro de los que se destacan:

• EL método de dos fases.
• Heurístico de asignación generalizada.
• Heurístico basado en localización.
• Métodos de plano cortado.
• Método del mínimo árbol-K

5.4.3. Metaheurísticos

Los metaheurísticos son procesos que, partiendo de una solución ya existente, intentan encontrar una buena solución (eventualmente la óptima) aplicando a cada paso un heurístico que es diseñado para cada problema en particular. El nombre de los metaheurísticos está generalmente asociado por el tipo de búsqueda, y entre ellos se puede citar al recocido simulado, la búsqueda tabú, los algoritmos genéticos, etc. (Robuste, 2005)

Los metaherurísticos se pueden clasificar básicamente en 2 grupos dependiendo del tipo de solución que arroje. El primer grupo tiene por nombre grupo de optimización local, pues estos metaheuristicos entregan una solución local que asegura que no hay otra mejor que ella. EL otro grupo son los llamados Hill-Climbing, los cuales pueden escapar de los óptimos locales, mediante la adopción de soluciones que pueden ser peores que la preferible o la incúmbete. (Robuste, 2005)

Según Robuste, (2005) los metaheurísticos más utilizados para la determinación de rutas óptimas de ruteo son:

5.4.3.1. Recocido Simulado

Según Robuste, (2005), "El recocido simulado o SA (Simulated Annealing) es un método probabilístico que construye nuevas configuraciones aleatoriamente y las somete a reglas de probabilidad para su aceptación, evitando de esta manera la caída en óptimos locales. El proceso termina después de un cierto número de iteraciones y tiene como objetivo obtener soluciones cercanas al óptimo global en problemas de optimización combinatoria compleja".

Este es un método Hill-Climbing y se basa en la analogía con el recocido de los metales y consiste en "calentar" a alta temperatura el sistema que se intenta optimizar, para luego disminuir la temperatura muy lentamente, hasta que ya no ocurren cambios en el sistema. La variación de temperatura en el proceso físico se produce de forma continua, mientras que en el SA solo puede hacerse escalonadamente. (Robuste, 2005)

En Robuste, (2005) se consigna el procesamiento matemático del SA, el cual expresa en la Tabla 1 para un programa de enfriamiento geométrico.

5.4.3.2. Búsqueda Tabú

Según Robuste, (2005) "el procedimiento denominado búsqueda tabú TS (Taboo Search) es un método inicialmente determinista, que tiene la capacidad de escapar de los óptimos locales. Comparando la mejor vecina con la solución en curso y la primera sustituye a la segunda solo si es mejor. Para que no se detenga, lo que se hace es que la mejor sustituya a la solución en curso incondicionalmente, es decir, tanto si es mejor que la solución en curso como si no lo es.

El riesgo de esta es que se pueden replantear interacciones hechas anteriormente, llevando el algoritmo a un círculo entre los mismos cálculos. Sin embargo esto puede ser solucionado mediante un grupo de soluciones no posibles, en otras palabras lo que se hace es definir el vecindario de una forma restrictiva, consistente en suponer que una solución que sea tabú y no satisfaga el nivel de aspiración no pertenece a este. (Robuste, 2005)

Tabla 1. Recocido simulado para un problema de enfriamiento geométrico. Tomado de Robuste, (2005)

Se dice que una solución es tabú si está incluida o posee alguna propiedad incluida en una lista (denominada tabú). Dicha lista generalmente contiene reglas tabú (propiedades o transformaciones) que corresponden a las soluciones que se desean evitar y no las soluciones mismas (consumirían mucha memoria, tiempo, y sería muy poco restrictiva). (Robuste, 2005)

Dos conceptos que son fundamentales en este método son los referentes a la intensificación y a la diversificación. El primero hace referencia a intensificar la búsqueda de soluciones con determinadas características, mientras que el segundo refiere a diversificar la búsqueda cuando se encuentra estancado en un grupo de soluciones. A este algoritmo le tiene que ser definido una consideración de finalización, tal como puede ser un numero fijo de iteraciones, o el tiempo empleado en las iteraciones. (Robuste, 2005)

En la Tabla 2 se muestra un procesamiento matemático simple para la búsqueda tabú con estrategia de diversificación o intensificación, el cual fue tomado de (Robuste, 2005)

Tabla 2. Búsqueda Tabú. Tomado de Robuste, (2005)

5.4.3.3. Algoritmos Genéticos

En los los algoritmos genéticos (GA) cada iteración permite obtener un conjunto de soluciones, o poblaciones en curso, y no una única solución en curso. Las soluciones posteriores son obtenidas a partir de parejas constituidas con los elementos de la población y no mediante la transformación de la solución en curso. (Robuste, 2005)

Robuste, (2005) menciona que el punto de partida de los GA es la teoría de evolución de las especies de Darwin. Si se adopta un procedimiento que dadas dos soluciones genere sucesoras que conserven las mejores características de las misma, la calidad de las soluciones se mantendrá en las generaciones posteriores.

El procesamiento matemático de un algoritmo genético simple se muestra en la Tabla 3. (Robuste, 2005)

Tabla 3. Algoritmo genético. Tomado dze: Robuste, 2005

Para seleccionar las soluciones del conjunto que tendrán descendencia, se puede utilizar el azar puro, la elección de los mejores, hacer intervenir cada individuo un cierto número de veces o bien el azar, pero con mayor probabilidad para las soluciones de buena calidad. Los procedimientos de cruce deben asegurar que las mejores características se mantengan en las soluciones sucesivas. También se suelen realizar mutaciones para fomentar la diversidad. (Robuste, 2005). Luego de haber incrementado la población se debe reducir a un tamaño conveniente, eligiendo un cierto número de soluciones mediante procesos idénticos a los de selección (proceso de regeneración). (Robuste, 2005)

5.4.3.4. Colonias De Hormigas

Tal como se expresa en Robuste, (2005) Los algoritmos de colonias de hormiga ACO (Ant Colony Optimization) son modelos inspirados en el comportamiento de las colonias de hormigas reales. Estos animales, casi ciegos, son capaces de seguir la ruta más corta en su camino de ida y vuelta entre la colonia y una fuente de abastecimiento, debido a que pueden transmitirse información gracias a que cada una de ella, al desplazarse, va dejando un rastro de feromona a lo largo del camino seguido.

En general, puede decirse que el proceso se caracteriza por una retroalimentación positiva, en la que la probabilidad con la que una hormiga escoge un camino aumenta con el número de hormigas que previamente hayan elegido el mismo camino.

Los algoritmos ACO son procesos iterativos donde en cada iteración se introduce una colonia de m hormigas y cada una de estas construye una solución al problema. Las soluciones construidas (por cada hormiga) se hacen mediante reglas probabilísticas, guiándose por un rastro de feromona artificial y una información calculada a priori de manera heurística. (Robuste, 2005)

Cuando todas las hormigas han construido una solución se debe actualizar la feromona en cada arco y, tras esta, puede comenzarse una nueva iteración. (Montemanni, et al, s.a.).

Además de los metaheurísticos ya mencionados, en la literatura se pueden encontrar otros metaheurísticos que pueden ser utilizados, entre ellos encontramos los algoritmos Greedy, las redes Neuronales, etc.

6. PUERTOS SECOS Y HUMEDOS

La industria de los puertos debe asumir una posición de eficiencia y reducción de costos que permitan maximizar los beneficios de la operación teniendo en cuenta la relación con los clientes y la optimización de los recursos. Paixao y Bernard (2003) establecen que aquello puertos que no realizan operaciones eficientes de bajo costo, debido a las exigencias del mercado actual, pueden ser dejados de lado, y cuando una nueva alternativa de sistema de transporte sea desarrollada tenderán a desaparecer. Por consiguiente los puertos deben volverse mas agiles para ser cada vez más competitivo y al mismo tiempo volverse un elemento clave en la logística en las cadenas de transporte.

En la Industria minera, los puertos juegan un papel fundamental, pues gran porción de los materiales obtenidos mediante el proceso de minería tienen destino internacional, y la forma como estos salen de los países, gracias a sus condiciones físicas, es a través de los puertos. Sin embargo no solo aquellos materiales que salen del país atraviesan un puerto, actualmente con el concepto de puerto seco, muchas empresas mineras están moviendo a través de éstos, ya sea por necesidades legales o por condiciones de eficiencia en el transporte de dichos materiales.

El cambio en los puertos debe hacerse pensando en cumplir con las futuras tendencias de la cadena de suministro, las cuales cada vez mas tienden a ser estrategias basadas en tiempo para reducir los costos de inventario a lo largo de toda la estructura de la cadena, y reduciendo los tiempos de operación y desperdicio en las operaciones de cargue y descargue. Paixao y Bernard (2003)

6.1. Esbeltez y agilidad

Para el desarrollo de Puertos ágiles se requiere en primera instancia que estos Sean ágiles y esbeltos. (Womack et al., 1990; Chuah, 2000; Lee, 2000).

Paixao y Bernard (2003) mencionan que los servicios producidos por los puertos varían entre muchas operaciones las cuales deben ser optimizadas y que entre el 55 y 60% de todos los costos de transporte se asignan una operación de transporte ineficiente

Para Paixao y Bernard (2003) mediante la implementación de la teoría de esbeltez, se logra obtener un amplio rango de beneficios como son reducción de los tiempos muertos para los clientes, establecer o reducir costos, incrementar el mercado compartido, reducir el tiempo para lanzar nuevos servicios, incrementar la diversificación de los servicios, aumentar la productividad y obtener mayores beneficios

La implementación de esta teoría en otros sectores económicos ha resultado en una reducción de hasta el 90% del ciclo de tiempo, mejoras en los envíos sobre tiempo, reducción de la mano de obra en los procesos de hasta el 90%, mejoramientos de calidad por encima del 50% y una reducción del 75% del espacio utilizado para la operación. Manufacturing Extension Partnerships, 2000) tomado de Paixao y Bernard (2003)

Los retos de logística esbelta para los puertos, es por consiguiente mover las mercancías rápida y suavemente a través de los puertos, entregando un servicio alineado con la demanda del mercado y al tiempo eliminar los desperdicios entre los procesos. (Paixao y Bernard, 2003)

Para Paixao y Bernard (2003) tales logros son, sin duda, muy importantes, especialmente cuando los puertos luchan por alcanzar un crecimiento a largo tiempo, e inclusive cuando éstos se ven en necesidad de trabajar por encima del 75% de la capacidad normal y al tiempo enfrentan aumentos inesperados de demandas de corto tiempo o fluctuaciones a causa de temporadas.

Sin embargo, la producción esbelta es solo buena entre procesos sobre los cuales se tiene control. Por ende, en los puertos, donde la incertidumbre es una condición permanente, la implementación de una producción esbelta es más compleja. Para aplicar esta incertidumbre, los operadores de puerto deben aplicar agilidad a sus operaciones. (Paixao y Bernard, 2003)


7. CONCLUSIONES

El mundo moderno presenta la característica de ser cada vez más exigente en cuanto a requerimientos de calidad y reducción de desperdicios en los procesos. La industria minera no se escapa de esta ley universal, por lo cual se ve obligada a la optimización de sus operaciones, donde la actividad de trasporte juega un papel fundamental.

La logística esbelta es aquella que permite disminuir los desperdicios de tiempo, materiales y procesos y obtener las condiciones de máxima utilización de los recursos de las empresas.

El transporte de materiales y productos terminado constituye un peso importante en el precio final del mismo, por ende realizar procesos de transporte implicando logística esbelta se convierte en una actividad fundamental para todas las empresas que deseen ser exitosas.

Algunos de los principales problemas que genera la minería en lo referente a las redes de transporte son en este momento:

• La mayoría de las minas no tienen una exploración sistemática y estructurada por lo cual no poseen conocimientos exactos de las características del yacimiento, teniendo como consecuencia directa la mala planeación y desarrollo de la explotación, trayendo consigo una alta pérdida de mineral, es decir se carece de métodos de trasporte logísticos esbeltos.
• La entibación de los túneles no son diseñadas bajo ninguna norma, sosteniendo la mina con tacos y puertas mal estructuradas. Lo cual hace de sus redes de transporte internas una operación con altos riesgos, compleja e ineficiente.
• Las actividades de arranque y transporte se realizan manualmente sin ninguna tecnología asociada aumentando el riesgo de accidentalidad y generando ineficiencia en los procesos. Complementariamente a la actividad, se utiliza en muchas ocasiones pólvora y explosivos los cuales generan diferentes gases nocivos para la salud colocando en riesgo la misma vida de los mineros.
• No existe un correcto tratamiento de los residuos o sedimentos (material estéril), provocando un impacto ambiental negativo al afectar el ecosistema como por ejemplo en los ríos y quebradas.
• Los trabajadores no poseen o utilizan los elementos de seguridad como tapa bocas, tapa oídos, correctores de postura, gafas, guantes, entre otros, colocando en riesgo la salud del trabajador al estar expuesto a una gran cantidad de ruido, vibraciones, polvo y gases, entre otros elementos que se generan en la actividad no controlada u desorganizada.
• La infraestructura y maquinaria con la cual opera normalmente para el trasporte se suministro y materiales son entables viejos y adaptados con operaciones locales de baja calidad y sin sustentos ingenieriles, provocando un riesgo en la operación para los operarios y paros permanente que afectan la productividad, además la organización no tiene como elemento fundamental el mantenimiento de su maquinaria.
• Los residuos o colas que se generan después de los procesos de trituración, molienda y amalgamación contienen grandes cantidades de oro, en muchos casos son tratados como residuos inoficiosos y dejados en cualquier parte o son vertidos a ríos. Con la ineficiencia y no control de los procesos se calcula que se recupera entre el 40% y 60% del oro en el material tratado.
• El proceso de amalgamación, fundición y refinación se producen emisiones de mercurio en forma elemental, por derrames debidos a la mala manipulación en el almacenamiento y transporte, y de vapor, principal mente por la quema y fundición que realizan a cielo abierto produciendo emisiones atmosférica de vapor.

La mayoría de las empresas no conocen sus capacidades, ni se interesan lo suficiente por mejorar sus viejos métodos de trabajo y desarrollo logístico, siendo reacios a las nuevas tecnologías que en el mundo se utilizan, lo cual tienen que cambiar si se quiere desarrollar una industria competitiva a nivel mundial. Las empresas mineras tienen que ser más productivas y eficientes y el aumento de la productividad tiene que llegar acompañado de tecnología.


BIBLIOGRAFÍA

[1] Anaya, J.A., 2000. Logística integral. La gestión operativa de la empresa. Editorial ESIC, Madrid.        [ Links ]

[2] Ballou, R. H., 2004. Business Logistics/ Supply Chain Management. Planning, Organizing, and controlling the supply chain. Fifth Edition. Prentice Hall.        [ Links ]

[3] Bask, A.H., 2001. Relationships among TPL providers and members of the supply chains - a strategic perspective. The Journal of Business & Industrial Marketing, Vol. 16 Nos 6/7, pp. 470-86.        [ Links ]

[4] Boughton, R.F., 2003. Addressing the escalating cost of road transport. Logistics and Transport Focus, Vol. 5 No. 3, pp. 36-43.        [ Links ]

[5] Bremel, J., and Simchi-levi, D., 1997. The Logic of Logistics: theory, algorithms, and applications for logistics management. Springer- Verlag New York, Inc.         [ Links ]

[6] Cárdenas, M. y Reina, M., 2008. La minería en Colombia: Impacto socioeconómico y fiscal. Fedesarrollo. Numero 25. 22 P.        [ Links ]

[7] CEPAL., 2008. Naciones Unidas (coordinación José Luis Machinea, con la colaboración de Juan Martín y Mario Cimoli), La transformación productiva 20 años después. Viejos problemas, nuevas oportunidades. C/G.2367(SES.32/3) Mayo de 2008. 345 pp. http://www.eclac.cl/cgi-bin/getprod.asp?xml=/publicaciones/xml/7/33277/P33277.xml&xsl=/pses32/tpl/p9f.xsl&base=/pses32/tpl/top-bottom.xsl (Última visita: Junio de 2009).         [ Links ]

[8] Chuah, K.H., 2000. About lean manufacturing. The University of Kentucky College of Engineering, Lexington, KY, available at www.engr.uky.edu/me/cfpl/lm/students/keng.html, (accessed 2 June 2000)        [ Links ]

[9] Cordeau, J. F., Laporte, G. et al. 2004. Transportation on Demand.        [ Links ]

[10] Departamento Administrativo Nacional de Estadística - DANE, Pagina Web: www.dane.gov.co (Última visita: Junio de 2009).        [ Links ]

[11] Gobernación de Antioquia, s.a. La minería como generador del desarrollo de las regiones y del país. Capacitación para alcaldes. http://www.gobant.gov.co/organismos/scompetividad/temasmineros_capacitacion/encuentro.htm. (Última visita: Junio de 2009).         [ Links ]

[12] Goldsby, T. and Martichenko, R., 2005. Lean Six Sigma Logistics: Strategic Development To Operational Success. J. Ross Publishing, Inc.        [ Links ]

[13] Hill, T., 1985. Manufacturing Strategy, Macmillan, Basingstoke.        [ Links ]

[14] http://www.ltdmgmt.com/mag/understanding-lean-logistics.htm . World Wide Shipping, www.ltdmgmt.com . (Última visita: Junio de 2009).         [ Links ]

[15] Lee, S.S., 2000. Lean manufacturing. The University of Kentucky College of Engineering, Lexington, KY, available at www.engr.uky.edu/me/cfpl/lm/students/lee.html (accessed 2 June 2000)        [ Links ]

[16] Martichenko, R., s.a. Lean Logistics-Understanding. Lean Cor. http://www.ltdmgmt.com/mag/understanding-lean-logistics.htm . World Wide Shipping, www.ltdmgmt.com . (Última visita: Junio de 2009)        [ Links ]

[17] MESA SECTORIAL DE MINERÍA, 2003. Caracterización ocupacional del sector minero. Bogota: SENA, 193 P.        [ Links ]

[18] Mohamed, M., Naim, A.T., Potter, R., Mason, J. and Bateman, N., 2006. The role of transport flexibility in logistics provision. The International Journal of Logistics Management Vol. 17 No. 3, pp. 297-311        [ Links ]

[19] Montemanni, et al., s.a. A new algorithm for a Dynamic Vehicle Routing Problem based on Ant Colony system. Istituto Dalle Molle di Studi sull'Intelligenza Artificiale. (IDSIA). ZUIZA.        [ Links ]

[20] Ohnell, S. and Woxenius, J., 2003. An industry analysis of express freight from a European railway perspective. International Journal of Physical Distribution & Logistics Management Vol. 33 No. 8, pp. 735-751        [ Links ]

[21] Paixao, A.C. and Bernard, M. A., 2003. Fourth generation ports - a question of agility? International Journal of Physical Distribution & Logistics Management Vol. 33 No. 4, pp. 355-376.        [ Links ]

[22] Robuste, A.F., 2005. E-logistics. Editorial UPC. Barcelona.         [ Links ]

[23] Sanchez, R.V., 2008. Establishing a transport operation focused uncertainty model for the supply chain. International Journal of Physical Distribution & Logistics Management Vol. 38 No. 5, pp. 388-411        [ Links ]

[24] Slack, N., 1990. The Manufacturing Advantage, Mercury, London.        [ Links ]

[25] Unidad de Planeación Minero Energética - UPME, 2007. Plan nacional desarrollo minero 2007-2010. Gestión pública para propiciar la actividad minera. Editorial Scripto Ltda. http://www.imcportal.com/galeria/PNDM-2007-2010.pdf (Última visita: Junio de 2009).         [ Links ]

[26] UPME, 2002. Plan Nacional de Desarrollo Minero 2002-2006. Unidad de Planeación Minero Energética (UPME). http://www.upme.gov.co/ .        [ Links ]

[27] Womack, J.P., Jones, D.T. and Roos, D., 1990. The Machine that Changed the World, Rawson, New York, NY.        [ Links ]