![Para las salidas el resultado fue solamente definir autobuses fijos en cada punto, justo como se muestra en la tabla 8,
durante las primeras cuatro semanas, porque no existió la posibilidad de combinar rutas de tal forma que ahorre al
menos un autobús, esto al tener remanentes de usuarios que superan los 43 asientos en cada combinación de puntos
disponible, dando así, una cantidad de autobuses igual o mayor a la original, y por tal motivo representando ningún
costo ahorrado para la universidad.
Tabla 8 Planeación de rutas seleccionadas para optimización del servicio IndioBus - Salidas
Planeación de autobuses TH-S-2PM-L1 Pa-S-2PM-L1 Az-S-2PM-L1 TL-S-2PM-L1
Pronostico de usuarios 120.00 122.00 78.00 77.00
Cantidad mínima de autobuses fijos 3.00 3.00 2.00 2.00
Sobrante de asientos 9.00 7.00 8.00 9.00
Número de pasajeros en el último camión 34.00 36.00 35.00 34.00
Número de autobuses fijos por punto 3.00 3.00 2.00 2.00
Conclusiones
Este estudio definió una forma de evaluar el desempeño del servicio de transporte universitario mediante los
parámetros de eficiencia, gasto innecesario y CPA. Se evidenciaron las áreas de oportunidad que existen dentro del
servicio. También se logró conocer cuánto le cuesta a la universidad transportar a cada usuario del servicio. Pudo
medirse la efectividad del servicio mediante el estudio de eficiencia. Y se otorgó una herramienta de fácil acceso, y
de rápida comprensión, a los administradores del servicio con el fin de calcular de forma rápida y automática los
parámetros. Por último, se aplicó un algoritmo de optimización para conocer las rutas más cortas según las
necesidades del servicio en cada uno de sus distintos puntos y horarios, obteniendo que en las primeras cuatro
semanas no son necesarios autobuses hormiga en las salidas, pero si en las entradas.
Recomendaciones
Se recomienda dar seguimiento a nuevas aplicaciones que cuenten con más elementos que ayuden a optimizar o
desarrollar otros indicadores para evaluar este servicio, con el fin de otorgar nueva información para mejorar su
desempeño. Y para investigaciones futuras buscar algoritmos que adapten las variables de tiempo y distancias para
reflejar soluciones que tomen en cuenta estas dos variables, ofreciendo así, nuevas combinaciones para la planeación
de autobuses en los diferentes puntos del servicio.
Referencias bibliográficas
Addor, J. A., Amponsah, S. K., Annan, J. & Sebil, C., 2013. School Bus Routing: A Case Study of Wood Bridge School Complex, Sekondi-
Takoradi, Ghana. International journal of business and social research (Online), December.p. 11.
Anon., s.f. Crear una tabla dinámica para analizar datos de una hoja de cálculo. [En línea]
Available at: https://support.office.com/es-es/article/Crear-una-tabla-din%25C3%25A1mica-para-analizar-datos-de-una-hoja-de-
c%25C3%25A1lculo-a9a84538-bfe9-40a9-a8e9-f99134456576?ui=es-ES&rs=es-ES&ad=ES&fromAR=1#
[Último acceso: 03 07 2016].
Anon., s.f. Métodos para analizar series de tiempo. [En línea]
Available at: http://support.minitab.com/es-mx/minitab/17/topic-library/modeling-statistics/time-series/basics/methods-for-analyzing-time-series/
[Último acceso: 20 08 2016].
Arias Rojas, J. S., Jiménez, J. F. & Montoya Torres, J. R., 2012. SOLVING OF SCHOOL BUS ROUTING PROBLEM BY ANT COLONY
OPTIMIZATION. Revista EIA, Julio.p. 16.
Boctor, D., 1997. Microsoft Office 97 Visual Basic Step by Step. Microsoft Press, p. 334.
feld, w. m., 2000. Lean Manufacturing: Tools, Techniques, and How to Use Them. s.l.:CRC Press.
Huo, L. y otros, 2014. School Bus Routing Problem Based on Ant Colony. Transportation Electrification Asia-Pacific (ITEC Asia-Pacific), p.
5.
Robbins, S. P., 2004. Comportamiento organizacional. 10a. ed. s.l.:PEARSON EDUCACIÓN.
Tovar, A. & Mota, A., 2007. CPIMC: Un Modelo de Administración por Procesos. s.l.:Panorama.
Trabajos de Investigación del Congreso
Internacional de Investigación en Tecnologías
Estratégicas de Academia Journals 2016 © Academia Journals 2016
Villa de Álvarez, Colima, México
3, 4, y 5 de octubre, 2016
Libro Electrónico en CDROM
ISBN 978-1-939982-25-4
341](https://image.slidesharecdn.com/a9748bdb-ec54-43c2-b9f0-6cbada638436-161018033117/85/articulo-oficial-6-320.jpg)
articulo oficial
- 1. APLICACIÓN DEL ALGORITMO DE OPTIMIZACIÓN DE LA COLONIA DE HORMIGAS COMO UNA HERRAMIENTA DE CONTROL Y PLANEACIÓN PARA UN SERVICIO DE TRANSPORTE UNIVERSITARIO Efrén González Maldonado1 , Dr. Luis Alberto Rodríguez Picón2 , Dr. Luis Carlos Méndez González3 y MI. Luz Angélica García Villalba4 Resumen— En este trabajo se describe la aplicación del algoritmo de optimización de la colonia de hormigas para un servicio de transporte universitario midiendo la efectividad del mismo a través de los parámetros de eficiencia, gasto innecesario, y costo promedio por alumno transportado. Las características que presenta el servicio son ideales para crear un proceso de planificación de las trayectorias de los autobuses mediante el algoritmo y los parámetros ya mencionados, con el propósito de desarrollar una herramienta que ayude a la toma de decisiones de acuerdo a las restricciones que los administradores definan. Esto con el fin de implementar un proceso metodológico para la planeación y control de un servicio más eficiente con base en un análisis estadístico confiable. Introducción Un aspecto importante para la vida diaria de un estudiante es el traslado desde su hogar, o trabajo, hasta la universidad en la que estudia. El medio para lograr el traslado puede ser un servicio universitario, transporte público, o el transporte en autos particulares. Existen muchos casos de estudio donde las escuelas que no cuentan con una flotilla propia de autobuses tienen que pagar un servicio de transporte para sus estudiantes y docentes (Arias Rojas, Jiménez, & Montoya Torres, 2012). Como se describe en este artículo, la Universidad Autónoma de Ciudad Juárez paga un servicio a terceros, los cuales deben llevar o regresar, en horarios y puntos predeterminados a sus estudiantes y docentes, realizando recorridos con más de 30 kilómetros de distancia en varias de las rutas disponibles, y con una demanda de usuarios cambiante cada día de la semana. Por estas razones es importante para la universidad encontrar una logística eficiente en costo y calidad, permitiendo sustentar a largo plazo este servicio gratuito para todos sus usuarios (Addor, Amponsah, Annan, & Sebil, 2013). Para lograr que el servicio sea eficiente es necesario conocer las condiciones que se tienen el proceso universidad-servicio-estudiantes, junto con una forma de evaluar el desempeño del mismo. En este artículo se describen parámetros utilizados comúnmente en cualquier proceso productivo de manufactura o de servicio, como es la eficiencia (Robbins, 2004), costo unitario y la reducción de gasto innecesario, adaptados en esta investigación a un servicio de transporte universitario donde brindan información para evaluar su desempeño. En este caso en particular es posible llegar a una solución óptima por medio de la adaptación de los parámetros mencionados anteriormente, permitiendo conocer cuál es la situación actual del servicio con el transcurso de las semanas en cada semestre, brindando un control del mismo. Además, en este caso en particular cuenta con características que otorgan la oportunidad de replicar modelos de optimización, como es el caso del algoritmo de la colonia de hormigas (ACO, por sus siglas en inglés), inspirado en el comportamiento de las hormigas dentro de su entorno al encontrar caminos más cortos por medio de un rastro de feromonas, y que permite manejar variables tales como la capacidad máxima del autobús, predicción de la demanda, tiempos de recorrido, puntos y horarios para su abordaje o descenso (Arias Rojas, Jiménez, & Montoya Torres, 2012).Y con todo esto lograr una planeación y control óptima cada vez que los parámetros y algoritmos explicados anteriormente evalúen el desempeño y ofrezcan una solución óptima para este servicio respectivamente. 1 El alumno Efrén González Maldonado de la carrera de Ingeniería Industrial y de Sistemas en la Universidad Autónoma de Ciudad Juárez, Chihuahua. al114694@alumnos.uacj.mx (autor corresponsal) 2 El Dr. Luis Alberto Rodríguez Picón es Profesor e Investigador del Departamento de Ingeniería Industrial y Manufactura en la Universidad Autónoma de Ciudad Juárez, Chihuahua. luis.picon@uacj.mx 3 El Dr. Luis Carlos Méndez González es Profesor e Investigador Departamento de Ingeniería Industrial y Manufactura en la Universidad Autónoma de Ciudad Juárez, Chihuahua. luis.mendez@uacj.mx 4 La MI. Luz Angélica García Villalba es Profesor e Investigador del Departamento de Ingeniería Industrial y Manufactura en la Universidad Autónoma de Ciudad Juárez, Chihuahua. lugarcia@uacj.mx Trabajos de Investigación del Congreso Internacional de Investigación en Tecnologías Estratégicas de Academia Journals 2016 © Academia Journals 2016 Villa de Álvarez, Colima, México 3, 4, y 5 de octubre, 2016 Libro Electrónico en CDROM ISBN 978-1-939982-25-4 336
- 2. Metodología Realizar diagrama Proveedor, Insumos, Proceso, Salidas, Clientes (SIPOC) Realizar análisis cuantitativo a la Base de Datos COBE para determinar los siguientes indicadores Eficiencia Determinar rutas con mayor deficiencia Gasto innecesario Determinar rutas con mayor gasto innecesario Desarrollar herramienta para análisis cuantitativo en lenguaje Microsoft VBA Aplicación del modelo ACO Obtención de resultados y conclusiones Costo promedio por alumno transportado (CPA) Ilustración 1 Diagrama de flujo para la metodología Descripción del Método • Diagrama Proveedor, Insumos, Proceso, Salidas, Clientes (SIPOC): Se conoció quiénes son los dueños del proceso, quienes son parte del mismo, quienes prestan el servicio, clientes, y el entorno donde se desarrolla (Tovar & Mota, 2007). • Filtrado y Estructuración de la Base de Datos: Mediante Microsoft Excel® se manejó una base de datos logrando una reestructuración de los datos mediante tablas dinámicas para representar de forma exacta y entendible cada celda de información existente (Crear una tabla dinámica para analizar datos de una hoja de cálculo, s.f.). • Análisis de parámetros para conocer el desempeño del servicio: Gasto innecesario: Se analizó la cantidad autobuses que fueron innecesarios. Es importante aclarar que cada ruta contaba con una tarifa fija de $430 M.N., $485M.N., y $630M.N., por lo cual el análisis se basó tales cantidades. Eficiencia: Se analizó la cantidad de viajes realizados por las distintas rutas donde se aprecia la siguiente información: o Deficiencia: porcentaje promedio de falta de capacidad de un autobús respecto a la cantidad de asientos disponibles para transportar alumnos sentados. o Frecuencia: es la cantidad de viajes realizados con deficiencia durante todo un semestre. Cada autobús tiene la capacidad de transportar a 43 alumnos sentados, excepto la ruta llamada rectoría que cuenta con un autobús de 30 asientos. Costo promedio por alumno transportado (CPA): se tomaron en cuenta todos los viajes pagados por la universidad, y a todos los alumnos que fueron transportados. • Herramienta para análisis cuantitativo en lenguaje Microsoft Visual Basic para Aplicaciones (VBA) ®: Dar al personal universitario una herramienta capaz de calcular los parámetros mencionados mediante la estructuración de correcta de una base de datos (Boctor, 1997). • Modelo de optimización ACO: Entre las diferentes metas heurísticas para la resolución de problemas de enrutamiento basados en las redes, se encuentra el método ACO, inspirado en la manera que las hormigas pueden encontrar caminos más cortos entre las fuentes de alimentos y su nido a través de un sencillo sistema de feromonas (Arias Rojas, Jiménez, & Montoya Torres, 2012). Las características que presenta el modelo ACO se puede extender fácilmente a las hormigas artificiales (autobús, agentes de ventas, entre otros) para resolver problemas de optimización combinatoria (Addor, Amponsah, Annan, & Sebil, 2013), como el de rutas para un servicio de transporte escolar donde pueda recoger a la mayor cantidad de alumnos posible, en la menor distancia posible. Además de respetar las restricciones que sean definidas por los administradores del servicio (Huo, Yan, Fan, Wang, & Gao, 2014). • Aplicación del método ACO y parámetros: Una vez obtenido un pronóstico de usuarios por punto se definió una cantidad inicial de autobuses tal que satisfaga a toda la demanda con tal pronóstico, entendido esto, se sabe que siempre sobrara cierta cantidad de asientos, logrando así, que ningún usuario se vaya parado. Después, se aran combinaciones entre los distintos puntos tales que ofrezcan una cantidad de autobuses menor a la inicial al combinar distintas rutas (autobús hormiga). Trabajos de Investigación del Congreso Internacional de Investigación en Tecnologías Estratégicas de Academia Journals 2016 © Academia Journals 2016 Villa de Álvarez, Colima, México 3, 4, y 5 de octubre, 2016 Libro Electrónico en CDROM ISBN 978-1-939982-25-4 337
- 3. Resumen de resultados Diagrama Proveedor, Insumos, Proceso, Salidas, Clientes (SIPOC) del proceso: 1. Proveedor: concesionarias, son los proveedores del servicio, los que se encargan de proporcionar los medios para lograr el transporte de los usuarios, en este caso, las concesionarias llamadas Esparza, Quality, y Salazar. 2. Insumos: autobuses, y asientos disponibles por cada autobús que hay cada uno de los puntos de abordaje. 3. Proceso: Permitir el acceso de abordaje a los usuarios que lo requieran, llenar al máximo la capacidad de asientos disponibles, y realizar trayecto hacia el punto de descenso. 4. Salidas: Llegar directamente al punto de descenso con todos los usuarios sentados. 5. Clientes: Alumnos y docentes de la UACJ. Eficiencia: Se realizó el análisis en cada uno de los viajes realizados, en sus distintos horarios, de cada una de las rutas del servicio. Se obtuvo un promedio de la deficiencia de las rutas, con la suma de la frecuencia de viajes deficientes acumulados en los cuatro semestres que fueron analizados. Se seleccionó de color amarillo a las tres rutas con mayor a frecuencia acumulada de viajes deficientes tanto para las entradas como para las salidas. Los resultados se pueden observar en la tabla 1. Tabla 1 Resumen de los semestres completos en cada una de las rutas respecto a su deficiencia – Entradas y Salidas Agosto 2014 a Enero 2016 Entradas Salidas RUTA Deficiencia Frecuencia de viajes Deficiencia Frecuencia de viajes Aztecas 14% 119.00 10% 305.00 Carlos Amaya 11% 74.00 12% 31.00 Centro 19% 43.00 20% 7.00 Independencia Henequén 12% 195.00 10% 246.00 Panamericana 13% 138.00 11% 439.00 Plaza el Reloj 10% 48.00 - - Plaza Juárez 8% 27.00 12% 100.00 Plaza Sendero 13% 82.00 13% 257.00 Plaza Torres 13% 31.00 - - Porvenir 15% 18.00 9% 86.00 Ramón rayón y Lucero 10% 38.00 - - Rectoría 27% 3.00 33% 7.00 Torres Henequén 11% 63.00 8% 324.00 Torres Libramiento 11% 148.00 12% 398.00 TOTAL 1,024.00 2,200.00 Gasto innecesario: Se calculó el total de autobuses que no fueron necesarios en cada uno de los semestres disponibles. Los resultados de las entradas y las salidas se pueden observar en la tabla 2. Tabla 2 Número de autobuses innecesarios por semestre - Entradas Hora Agosto 2014 Enero 2015 Agosto 2015 Enero 2016 Entradas Salidas Entradas Salidas Entradas Salidas Entradas Salidas Autobuses Autobuses Autobuses Autobuses 8:00:00 AM 229.00 75.00 72.00 84.00 12:00:00 PM - 8.00 12.00 19.00 1.00 4.00 2.00 4.00 2:00:00 PM 29.00 15.00 33.00 22.00 9.00 2.00 1.00 3.00 4:00:00 PM 5.00 2.00 - - - 3.00 1.00 5.00 6:00:00 PM 9.00 16.00 - 4.00 - 4.00 - 1.00 8:00:00 PM 21.00 20.00 7.00 12.00 TOTAL 272.00 62.00 120.00 65.00 82.00 20.00 88.00 25.00 Y se calculó el costo exacto en el que se ha incurrido en cada una de las rutas, como se muestra en la tabla 3. Trabajos de Investigación del Congreso Internacional de Investigación en Tecnologías Estratégicas de Academia Journals 2016 © Academia Journals 2016 Villa de Álvarez, Colima, México 3, 4, y 5 de octubre, 2016 Libro Electrónico en CDROM ISBN 978-1-939982-25-4 338
- 4. Tabla 3 Costo de autobuses innecesarios por ruta COSTO Agosto 2014 Enero 2015 Agosto 2015 Enero 2016 RUTA Entradas Salidas Entradas Salidas Entradas Salidas Entradas Salidas Aztecas $ 3,395 $ 4,365 $ 970 $ 5,335 $ 1,940 $ 4,365 $ 6,790 $ 1,720 Carlos Amaya $ 1,455 $ - $ - $ - $ - $ - $ 485 Centro $ 1,890 $ 630 $ 1,890 $ 630 $ - $ - $ 28,130 $ 2,425 Independencia Henequén $ 3,870 $ - $ - $ 1,290 $ 430 $ - $ - $ 630 Panamericana $ 31,040 $ 8,245 $ 15,035 $ 3,880 $ 24,250 $ 1,940 $ - $ 1,455 Plaza el Reloj $ - $ - $ - $ - $ - $ - $ - $ - Plaza Juárez $ - $ - $ - $ - $ - $ - $ - $ - Plaza Sendero $ 485 $ - $ - $ - $ - $ - $ 485 $ - Plaza Torres $ 1,290 $ - $ 860 $ - $ - $ - $ - $ - Porvenir $ - $ 970 $ - $ - $ - $ - $ 630 $ - Ramón rayón y Lucero $ 7,740 $ - $ - $ - $ - $ - $ - $ - Rectoría $ - $ 630 $ - $ 630 $ 1,260 $ - $ - $ - Torres Henequén $ 65,790 $ 12,900 $ 34,830 $ 17,630 $ 10,750 $ 2,150 $ 3,440 $ 4,730 Torres Libramiento $ 4,730 $ 860 $ 430 $ - $ - $ 860 $ 3,780 $ - TOTAL $ 121,685 $ 28,600 $ 54,015 $ 29,395 $ 38,630 $ 9,315 $ 43,255 $ 11,445 Costo promedio por alumno transportado: Se tomó en cuenta el costo de todos los autobuses que brindaron el servicio en cada semestre, y fueron expulsados los autobuses que no fueron pagados por la universidad por llevar a menos 15 pasajeros a bordo al punto de llegada. Los resultados se muestran en la tabla 5. Tabla 4 Tabla 5 CPA por ruta de los últimos cuatro semestres tanto en entradas como en salidas RUTA Agosto 2014 Enero 2015 Agosto 2015 Enero 2016 Entradas Salidas Entradas Salidas Entradas Salidas Entradas Salidas Aztecas $ 15.34 $13.38 $ 13.82 $13.38 $ 14.22 $12.44 $ 11.10 $12.39 Carlos Amaya $ 16.11 $14.61 $ 15.31 $15.93 $ 15.36 $27.09 $ 14.41 $11.20 Centro $ 20.58 $30.12 $ 23.45 $28.72 $ 35.93 $28.85 $ 21.79 $31.08 Independencia Henequén $ 14.27 $12.25 $ 12.76 $13.06 $ 12.05 $11.56 $ 12.61 $12.20 Panamericana $ 13.90 $12.69 $ 14.24 $12.79 $ 13.45 $12.27 $ 14.21 $12.86 Plaza el Reloj $ 11.31 $ 11.42 $ 12.99 $ 13.49 Plaza Juárez $ 14.21 $13.62 $ 17.48 $15.71 $ 13.45 $12.33 $ 15.55 $15.42 Plaza Sendero $ 15.52 $14.15 $ 17.12 $13.63 $ 15.39 $11.98 $ 16.63 $15.18 Plaza Torres $ 13.44 $ 14.59 $ 11.14 $ 11.01 Porvenir $ 12.84 $17.93 $ 19.55 $13.29 $ 16.66 $12.13 $ 23.02 $13.65 Ramón rayón y Lucero $ 13.86 $ 16.70 $ 11.88 $ 13.83 Rectoría $ 52.33 $61.70 $ 72.36 $61.43 $ 49.98 $74.78 $ 47.15 $54.43 Torres Henequén $ 12.57 $11.11 $ 12.69 $11.48 $ 11.70 $10.67 $ 12.74 $11.68 Torres Libramiento $ 12.65 $10.22 $ 12.22 $11.14 $ 12.21 $11.27 $ 12.47 $12.32 PROMEDIO $ 17.06 $19.25 $ 19.55 $19.14 $ 17.60 $20.49 $ 17.15 $18.40 Desarrollar herramienta para análisis en lenguaje VBA dentro del programa Microsoft Excel®: El resultado fue que los administradores del servicio obtuvieron una herramienta de fácil acceso y manejo con la cual es posible estructurar una base de datos confiable, eliminando errores al momento de capturar datos mediante un formulario con valores predefinidos. Y para realizar el cálculo de la eficiencia, gasto innecesario y CPA ya no fue necesario crear tablas dinámicas, estas fueron sustituidas por funciones programables en VBA. Resultados de modelo ACO: Se compararon los resultados de distintos modelos de regresión y series de tiempo (Métodos para analizar series de tiempo, s.f.), y usando el indicador del error cuadrático medio (RMSE) se seleccionó el de menor valor. Después se hicieron estimaciones del número de usuarios por punto basándose en ese modelo. Se fijó un número de autobuses por punto y para el remanente de personas por cada punto se realizó una optimización con el ACO de manera que una cantidad determinada de autobuses pasara por todos los puntos disminuyendo la distancia recorrida. Trabajos de Investigación del Congreso Internacional de Investigación en Tecnologías Estratégicas de Academia Journals 2016 © Academia Journals 2016 Villa de Álvarez, Colima, México 3, 4, y 5 de octubre, 2016 Libro Electrónico en CDROM ISBN 978-1-939982-25-4 339
- 5. Tabla 5 Comparativa de métodos estadísticos para la predicción de la demanda Métodos Pa-S-2PM-L1 Pa-S-2PM-L2 Pa-S-2PM-L3 Pa-S-2PM-L4 Regresión Lineal 23.90126075 22.72972317 20.81247265 18.15412187 Regresión Cuadrática 23.78274712 22.72714393 20.73989997 17.99154662 Regresión Cubica 23.17375231 22.67952442 20.51037417 17.88092214 Serie de Tiempo lineal 23.90126075 22.72972317 20.81247265 18.15412187 Serie de Tiempo Cuadrática 23.78274712 22.72714393 20.73989997 17.99154662 Serie de Tiempo Exponencial Growth 24.4334425 23.12065922 20.9462596 18.37618012 Serie de Tiempo S-Curve 23.77228234 Serie de Tiempo Descomposición (Multiplicativo - Tendencia y Estacionalidad) 21.50349422 21.09127061 19.93928964 16.99939265 Serie de Tiempo Descomposición (Multiplicativo - y Estacionalidad) 22.36095748 23.31156031 23.60935042 18.03838954 Serie de Tiempo Descomposición (Adictivo- Tendencia y Estacionalidad) 21.47126652 21.13391174 20.10656995 16.95451983 Serie de Tiempo Descomposición (Adictivo- y Estacionalidad) 22.41894099 23.17174765 23.59229944 17.93966396 Promedio Móvil (no centrado - longitud 5) 24.81920509 21.46388087 20.8579612 18.77047327 Promedio Móvil (centrado - longitud 3) 19.72924842 20.42571606 19.4380942 16.86238617 Suavización exponencial simple 25.05119869 24.46935869 23.26483827 19.38752886 Suavización exponencial doble 28.32907962 27.89491483 26.7984861 21.25002485 Método de Winters (Multiplicativo) 26.23109511 28.47120844 26.46150261 20.55592376 Método de Winters (Adictivo) 27.07407305 28.51365894 26.1214315 20.81223401 Se menciona en qué consisten las restricciones del método ACO: Las rutas de donde se extrajo el kilometraje recorrido son las que COBE consideran como oficiales, se usó una feromona inicial de 0.8, un coeficiente de evaporación de 0.3, un número de hormigas de 1000, y el número de vértices es representado por los 6 puntos que conforman las 5 rutas seleccionadas para el método, y a ciudad universitaria como punto de llegada o salida. Los resultados se pueden observar en la tabla 6. Tabla 6 Combinaciones de rutas más cortas Orden de avance Número de hormigas 1000 Az Pa TH TL IH CU Km Ida - empezando en Aztecas 1 6 2 3 5 4 66.955 Ida - empezando en Panamericana 2 1 3 4 6 5 66.955 Ida - empezando en Torres Henequén 6 5 1 2 4 3 66.955 Ida - empezando en Torres Libramiento 5 4 6 1 3 2 66.955 Ida - empezando en Independencia Henequén 3 2 4 5 1 6 66.955 Vuelta - solo desde Ciudad Universitaria (CU) 4 3 5 6 2 1 66.955 Aplicación del método ACO y parámetros para la planeación del servicio de transporte IndioBus: La planeación del servicio está limitada dentro en las rutas seleccionadas anteriormente en el modelo ACO, y en el horario de las 2:00 PM. Esta planificación aplica solamente para las primeras cuatro semanas del servicio, antes de volver a analizar datos más actuales, y replantear la cantidad de autobuses por punto, y sus respectivas combinaciones. Para las entradas el resultado fue ahorrar un solo autobús, como se muestra en la tabla 7, de los 3 autobuses que hay en torres henequén, 2 en torres libramiento (total 5), se combinó uno para ambos puntos, dejando así 2 fijos para torres henequén, 1 fijo para torres libramiento, y 1 para ambos (autobús hormiga) realizando el recorrido que defina el algoritmo ACO, dejando solamente 4 autobuses para ambos puntos. Tabla 7 Planeación de rutas seleccionadas para optimización del servicio IndioBus - Entradas Planeación de autobuses TH-E-2PM-L1 Pa-E-2PM-L1 Az-E-2PM-L1 TL-E-2PM-L1 IH-E-2PM-L1 Pronostico de usuarios 98.00 70.00 71.00 61.00 35.00 Cantidad mínima de autobuses fijos 3.00 2.00 2.00 2.00 1.00 Sobrante de asientos 31.00 16.00 15.00 25.00 8.00 Número de pasajeros en el último camión 12.00 27.00 28.00 18.00 35.00 Combinación de rutas (autobús hormiga) A A Número de autobuses fijos por punto 2.00 2.00 2.00 1.00 1.00 Trabajos de Investigación del Congreso Internacional de Investigación en Tecnologías Estratégicas de Academia Journals 2016 © Academia Journals 2016 Villa de Álvarez, Colima, México 3, 4, y 5 de octubre, 2016 Libro Electrónico en CDROM ISBN 978-1-939982-25-4 340
- 6. Para las salidas el resultado fue solamente definir autobuses fijos en cada punto, justo como se muestra en la tabla 8, durante las primeras cuatro semanas, porque no existió la posibilidad de combinar rutas de tal forma que ahorre al menos un autobús, esto al tener remanentes de usuarios que superan los 43 asientos en cada combinación de puntos disponible, dando así, una cantidad de autobuses igual o mayor a la original, y por tal motivo representando ningún costo ahorrado para la universidad. Tabla 8 Planeación de rutas seleccionadas para optimización del servicio IndioBus - Salidas Planeación de autobuses TH-S-2PM-L1 Pa-S-2PM-L1 Az-S-2PM-L1 TL-S-2PM-L1 Pronostico de usuarios 120.00 122.00 78.00 77.00 Cantidad mínima de autobuses fijos 3.00 3.00 2.00 2.00 Sobrante de asientos 9.00 7.00 8.00 9.00 Número de pasajeros en el último camión 34.00 36.00 35.00 34.00 Número de autobuses fijos por punto 3.00 3.00 2.00 2.00 Conclusiones Este estudio definió una forma de evaluar el desempeño del servicio de transporte universitario mediante los parámetros de eficiencia, gasto innecesario y CPA. Se evidenciaron las áreas de oportunidad que existen dentro del servicio. También se logró conocer cuánto le cuesta a la universidad transportar a cada usuario del servicio. Pudo medirse la efectividad del servicio mediante el estudio de eficiencia. Y se otorgó una herramienta de fácil acceso, y de rápida comprensión, a los administradores del servicio con el fin de calcular de forma rápida y automática los parámetros. Por último, se aplicó un algoritmo de optimización para conocer las rutas más cortas según las necesidades del servicio en cada uno de sus distintos puntos y horarios, obteniendo que en las primeras cuatro semanas no son necesarios autobuses hormiga en las salidas, pero si en las entradas. Recomendaciones Se recomienda dar seguimiento a nuevas aplicaciones que cuenten con más elementos que ayuden a optimizar o desarrollar otros indicadores para evaluar este servicio, con el fin de otorgar nueva información para mejorar su desempeño. Y para investigaciones futuras buscar algoritmos que adapten las variables de tiempo y distancias para reflejar soluciones que tomen en cuenta estas dos variables, ofreciendo así, nuevas combinaciones para la planeación de autobuses en los diferentes puntos del servicio. Referencias bibliográficas Addor, J. A., Amponsah, S. K., Annan, J. & Sebil, C., 2013. School Bus Routing: A Case Study of Wood Bridge School Complex, Sekondi- Takoradi, Ghana. International journal of business and social research (Online), December.p. 11. Anon., s.f. Crear una tabla dinámica para analizar datos de una hoja de cálculo. [En línea] Available at: https://support.office.com/es-es/article/Crear-una-tabla-din%25C3%25A1mica-para-analizar-datos-de-una-hoja-de- c%25C3%25A1lculo-a9a84538-bfe9-40a9-a8e9-f99134456576?ui=es-ES&rs=es-ES&ad=ES&fromAR=1# [Último acceso: 03 07 2016]. Anon., s.f. Métodos para analizar series de tiempo. [En línea] Available at: http://support.minitab.com/es-mx/minitab/17/topic-library/modeling-statistics/time-series/basics/methods-for-analyzing-time-series/ [Último acceso: 20 08 2016]. Arias Rojas, J. S., Jiménez, J. F. & Montoya Torres, J. R., 2012. SOLVING OF SCHOOL BUS ROUTING PROBLEM BY ANT COLONY OPTIMIZATION. Revista EIA, Julio.p. 16. Boctor, D., 1997. Microsoft Office 97 Visual Basic Step by Step. Microsoft Press, p. 334. feld, w. m., 2000. Lean Manufacturing: Tools, Techniques, and How to Use Them. s.l.:CRC Press. Huo, L. y otros, 2014. School Bus Routing Problem Based on Ant Colony. Transportation Electrification Asia-Pacific (ITEC Asia-Pacific), p. 5. Robbins, S. P., 2004. Comportamiento organizacional. 10a. ed. s.l.:PEARSON EDUCACIÓN. Tovar, A. & Mota, A., 2007. CPIMC: Un Modelo de Administración por Procesos. s.l.:Panorama. Trabajos de Investigación del Congreso Internacional de Investigación en Tecnologías Estratégicas de Academia Journals 2016 © Academia Journals 2016 Villa de Álvarez, Colima, México 3, 4, y 5 de octubre, 2016 Libro Electrónico en CDROM ISBN 978-1-939982-25-4 341