UNIVERSIDAD ANTONIO NARIÑO

Programa de Ingeniería Industrial - Sede Villavicencio

DISEÑO MODELO DE TRANSPORTE PARA LA RECOLECCIÓN

DE BASURAS EN LAS COMUNAS 4 Y 5 DE VILLAVICENCIO

Juan Camilo Ibañez Chaparro1

1
Ingeniería Industrial, Universidad Antonio Nariño, Villavicencio,

Recibido xx de febrero de 20xx. Aceptado xx de Junio de 20xx

Received: February xx, 20xx Accepted: June xx, 20xx
RESUMEN (Times New Roman 12pt)
En esta investigación plantea el desarrollo y optimización de un modelo de transporte para la recolección de
residuos sólidos en las comunas 4 y 5 de la ciudad de Villavicencio, basado en la contenerizacion, modalidad
de disposición de residuos, en donde cada usuario se dirige al contenedor asignado por sector para depositar
sus residuos en él.
El sistema propuesto consiste en determinar el número y localización de contenedores a partir de las
necesidades dependientes factores como: la población, topografía y distribución territorial. La asignación de
los puntos de recolección a vehículos, se contempla de forma que el conductor sólo deba seguir un recorrido
y efectuar el proceso de recolección de los residuos en las comunas, minimizando los factores logísticos
asociados a este proceso.
La solución del sistema de transporte se contempla a través de un problema de asignación binaria,
programación lineal y método de colas, que determino soluciones en tiempos eficientes para la redistribución
del sistema en función de los requerimientos.
Palabras clave: Recolección de basuras, investigación de operaciones, modelo de transporte, modelo de colas,
modelo de asignación.

MODEL TRANSPORT DESING FOR THE COLLECTION OF

WASTE IN THE COMMUNES 4 AND 5 OF VILLAVICENCIO
CITY
ABSTRACT
This research proposes the development and optimization of a transport model for the collection of solid
waste in communes 4 and 5 of the city of Villavicencio, based on containerization, waste disposal modality,
where each user goes to the container assigned by sector to deposit their waste in it.
The proposed system consists of determining the number and location of containers based on the dependent
needs factors such as population, topography and territorial distribution. The assignment of the collection
points to vehicles is contemplated so that the driver only has to follow a route and carry out the process of
collecting the waste in the communes, minimizing the logistical factors associated with this process.

1

The solution of the transport system is considered through a problem of binary assignment, linear
programming and queuing method, which determined solutions in efficient times for the redistribution of the
system according to the requirements.
INTRODUCCIÓN
Alrededor del mundo los residuos urbanos
constituyen un problema fundamental para la
sociedad debido a las actividades humanas
modernas (Grimberg, 2005).
Los residuos sólidos constituyen un desafío para
las ciudades de Latinoamérica, que en su mayoría
no cuentan con procesos, instalaciones o
herramientas óptimas para la clasificación,
recolección y transporte de estos desechos; de
igual forma, la producción per cápita de basuras
ha aumentado a través de los años con una alta
participación de residuos no orgánicos; donde la
problemática más común en países latinos se debe
a la falta de saneamiento y disposición de los
residuos, que se ve evidenciado en las personas
que viven de la recolección informal de estos
restos.
Villavicencio según la normatividad Ley 9 de
1979, Ley 430 de 1998, la Ley 142 de 1997, el
Decreto 2981 de 2013 y el Plan de Gestión
Integral de Residuos Sólidos (PGIRS) vigente.
Bioagricola del Llano S.A E.S.P dispone para la
prestación del servicio de recolección y transporte
de residuos el uso de vehículos compactadores de
16 yardas 3, 25 yardas 3 y volquetas para cubrir
un total de 56 micro rutas semanales, no obstante,
aunque la entidad cuenta con los recursos
suficientes, el sistema de recolección actual (por
acera) no es el adecuado para el manejo de las
basuras en la ciudad.De igual forma el modelo
actual no permite ningún tipo de modificación que
permita optimizar el sistema logístico dentro de
sus micro-rutas.
Investigaciones como las de Apaydin y
Gonullu, (2008), Bianchi, Carravilla, y Oliveira
(2011), Gredmaier (2013), Llorente
(2014),Cavdar, Koroglu, y Akyildiz (2016), entre
otras identifican, cómo a partir del uso de sistemas
operativos y modelos de transporte adecuados
para la recolección y disposición de basuras
minimizan los costos e impacto ambiental,
situación que es reconocida por el autor de este
UNIVERSIDAD ANTONIO NARIÑO
Programa de Ingeniería Industrial - Sede Villavicencio
proyecto.
Por ello se hace necesario modificar el modelo
actual de recolección de basuras en beneficio del
avance tecnológico, operativo y social del
municipio; este estudio, ofrece un modelo
matemático estático a través de variables no
aleatorias, que da como resultado las rutas para el
servicio de recolección y transporte de residuos
sólidos en las comunas 4 y 5 en la ciudad de
Villavicencio, como mitigación a los problemas
logísticos anteriormente expuestos.
1. MATERIALES Y MÉTODOS
En este capítulo, se asume el paradigma de
investigación a seguir en el proyecto, donde se
precisa la población y la muestra. También se
valoran los diferentes métodos a nivel teórico y
empírico (instrumentos y técnicas aplicadas), así
como los métodos estadísticos, utilizados en el
análisis de resultados.
Tipo de Investigación
Este estudio se sitúa en el paradigma de
investigación cuantitativa (Hernández, y Baptista,
2014), este tipo de investigación se caracteriza por
utilizar la recolección de datos para probar
hipótesis con base en la medición numérica,
establecer pautas en el comportamiento y probar
teorías, con el objeto de proporcionar el diseño de
un modelo dirigido a la recolección y transporte
de residuos sólidos urbanos, haciendo un cambio
en el sistema de acera al sistema de contenedores
y proporcionar información cuantificable, y
verificable de los costos (tiempo, número de
operarios y distancias) en este proceso analizando
el modelo actual con el modelo propuesto.
El diseño de la investigación se efectúa de
manera cuasiexperimental, descrito como un
método en el cual no existe un grupo de control
propiamente dicho, y se realiza una planificación
sobre la intervención del proyecto y un control
sobre la asignación de las variables (María &
Cardona, 2003), debido a un cierto número de
variables como el tráfico, fallas en los vehículos,
accidentalidad, trancones, entre otras variables que
2
 UNIVERSIDAD ANTONIO NARIÑO
Programa de Ingeniería Industrial - Sede Villavicencio

no podemos controlar.  Características de la ciudad

Población y muestra  Equipo disponible
 Información por rutas
Esta investigación se desarrolla en la comuna 4 y  Factores ambientales
5 de la ciudad de Villavicencio en las cuales se
desempeña la empresa Bioagricola del Llano S.A Las variables estáticas y estocásticas asociadas al
E.S.P como el ente encargado de la prestación del sistema actual de recolección en la ciudad de
servicio público domiciliario, recolección y Villavicencio, se identifican a partir del estado del
transporte de residuos sólidos urbanos. arte y la investigación anexa de las diferentes
bases bibliográficas, se provee los datos para
El muestreo de la población objetivo fue consolidar las variables más representativas
suministrado por la oficina de control físico del asociadas al mismo, tales como: capacidad de los
municipio de Villavicencio a corte del año 2015, vehículos de recolección, número de operarios,
por lo cual se realiza la proyección poblacional tiempos de jornada, frecuencia de recolección y el
correspondiente al año 2015, 2016 y 2017 objeto registro de la movilización de residuos sólidos,
de estudio (Anexo B), según la metodología con la finalidad de establecer el promedio de
expuesta por el DANE, (2009). residuos por persona y por ruta.
𝑁(𝑡 + 𝑛) = 𝑁(𝑡) + 𝐵(𝑡, 𝑡 + 𝑛) − 𝐷(𝑡, 𝑡 + 𝑛) + En relación con las implicaciones de las variables
𝐼(𝑡, 𝑡 + 𝑛) − 𝐸(𝑡. 𝑡 + 𝑛) (1) asociadas a la ciudad objeto de estudio, tales
Tabla 1. Tamaño de la población comuna 4y 5 para el como: características de la comuna 4 y 5, plano de
2017 vías, condiciones topográficas, y tipos de zona;
son establecidas mediante el servidor de
Valor Valor aplicaciones de mapas satelitales perteneciente a
Representa
Concepto comuna comuna
ción
4 5 Alphabet inc. (Google Maps), y la observación
directa en el trabajo de campo.
Tamaño de población en el
𝑁(𝑡) 109060 111993 La delimitación del alcance y necesidades
momento t,0 (2016)
ambientales, tales como: el tipo de suelo y el área
𝐵(𝑡, 𝑡 Nacimientos en el periodo (n/1000 disponible para la localización de los contenedores
+ 𝑛) 0,020 0,020
habitantes) se identifican con base a la normatividad y
documentación legal colombiana.
𝐷(𝑡, 𝑡 Defunciones en el periodo (n/1000
+ 𝑛) habitantes)
0,006 0,006 La presentación de resultados se abarca a través de
la comparación entre el modelo actual y el modelo
Inmigrantes en el periodo (n/1000 planteado en este proyecto, que se establecerá
𝐼(𝑡, 𝑡 + 𝑛) 0,005 0,005
habitantes) mediante la correlación de: número de operarios,
tiempos entre puntos de recolección, número de
Emigrantes en el periodo (n/1000
𝐸(𝑡, 𝑡 + 𝑛)
habitantes)
0 0 rutas y de manera cualitativa el impacto ambiental
y la satisfacción de los usuarios.
Tamaño de población en el
𝑁(𝑡 + 𝑛)
momento t (2017)
111057 114044 2. RESULTADOS
Investigaciones como las de Dantzig y Ramser
A través de un modelo de transportes es posible (1959), Beltrami & Bodin (1974), Shih & Chang
generar soluciones para sistemas de recolección y (2001), Angelelli & Speranza (2002) Moreno &
transporte de residuos sólidos, en sus diferentes Arriaga (2006) Derigs & Friederichs (2009)
técnicas de recolección de basuras se debe tener en Márquez (2011), Diaz & Otoma, (2012), Berglund
cuenta variables como (Andres, 2017): & Kwon (2014), Lagos (2015), Akbarpour Shirazi
 Características de la población et al. (2016), Asgari, Rajabi, Jamshidi, Khatami,
 Características de los residuos & Farahani (2017), Vidal (2017), entre otros,
3
 UNIVERSIDAD ANTONIO NARIÑO
Programa de Ingeniería Industrial - Sede Villavicencio

establecen algunos criterios relacionados con Noviem 1.502.81

942.040 21 71562,38
metodologías, en vinculación a los sistemas de bre 10 94.204,00 0
generación de rutas en el área de recolección,
1.1927.9 14 1.9059.6 27
transporte y tratamiento de residuos. Algunas de Total
24 0 85.199,46 10 5
69307,67
ellas abordan el problema desde modelos
dinámicos haciendo uso de programas de posición El cambio del sistema de recolección de residuos
satelital, otros lo abordan desde el punto de vista sólidos urbanos actual (acera y/o esquina) a
ambiental y por último varios de estos establecen contenerizacion, se desarrolló a partir de la
una solución de tipo estática mejorando los ubicación de contenedores de 5 yardas3 y las
sistemas de rutas mediante un grafo más óptimo al demás actividades pertinentes, a continuación, se
ya establecido. aprecia las características del contenedor.
De manera paralela, se elaboró el consolidado de
Característica Medida
la suma de residuos generados por las rutas (Tabla
2) de forma que sea posible establecer el promedio Ancho 1,70 m
diario de residuos generado por comuna, el cálculo
de la información se hace a partir de los datos Largo 2,70 m
suministrados por Bioagricola del Llano S.A
Alto 1,40 m
E.S.P.
Tabla 2. Residuos comuna 4 y 5 del 2016 Capacidad 3,82 m3
volumétrica
Comuna 4 Comuna 5
Volumen en kg 189,56
(vpc) kg/m3
Residuos Dí Promedio/ Residuos Dí Promedio/
Mes
(kg) as Días (kg) as Días
Fig.1. Contenedor
1.251.21 1.702.31
Enero 26 65473,46 Bh(n) = promedio de residuos generados por
0 13 96.246,92 0
habitante en tiempo n
1.083.09 1.676.71
Febrero 25 67068,40 Bd = Promedio diario de residuos depositados en
1 13 83.314,73 0
el relleno sanitario en tiempo n
1.084.14 1.764.73
Marzo 27 65360,37 Nh = Número de habitantes por comuna en tiempo
0 13 83.395,38 0
n
1.575.41
Abril 959.760 26 60592,69 𝐵𝑑(2016)
13 73.827,69 0 𝐵ℎ(2016) = (2)
𝑁ℎ(2016)
1.082.17 1.952.25
Mayo
0 13 83.243,85 0
26 75086,54 Teniendo en cuenta que los datos suministrados
por Bioagricola del llano S.A E.S.P son
Junio
1.124.23 1.912.13
26 73543,46 correspondientes al año 2016 (Tabla 2), se elaboró
0 13 86.479,23 0
la proyección de basura generada por la diferencia
1.208.83 1.859.59
de habitantes en los años 2016 y 2017 (Anexo B).
Julio 26 71522,69
3 14 86.345,21 0
Vh = Variación de habitantes
1.610.95 𝑉ℎ(2016,2017) = 𝑁ℎ(2017) − 𝑁ℎ(2016) (3)
Agosto 971.470 24 67122,92
12 80.955,83 0
Posteriormente, se realizó el cálculo de basura
Septiem 1.123.85 1.711.16
bre 0 14 80.275,00 0
24 71298,33 extra generada por la variación de habitantes en
los dos periodos de tiempo.
1.097.13 1.791.56
Octubre
0 12 91.427,50 0
24 74648,33 Bx = Basura extra generada

4
 UNIVERSIDAD ANTONIO NARIÑO
Programa de Ingeniería Industrial - Sede Villavicencio

𝐵𝑥(2017) = 𝑉ℎ(2016,2017) ∗ 𝐵ℎ(2016) (4) 724,1192 𝑘𝑔 (10)

Según los datos obtenidos se calcula el total de El desempeño de compactación del vehículo se
basura generado para el año 2017. toma según las características de la tolva fabricada
por Mcneilus (n.d.) ,correspondiente a un rango de
𝐵𝑑(2017) = 𝐵𝑑(2016) + 𝐵𝑥(2017) (5) 386 kg – 534 kg por cada m3, factor que varía
Con los valores proyectados al año 2017 se dependiendo de la densidad de los residuos.
calcula el Bh nuevamente. Es así que se calcula en cuantos m3 puede ser
𝐵 compactado el peso del contenedor lleno.
𝐵ℎ(2017) = 𝑁𝑑(2017) (6)
ℎ(2017)
Vfc = Volumen al que fue compactado
Se procede a hallar el volumen de basura en Vct = Volumen al que se compacta 1 contenedor
metros cúbicos por habitante de cada comuna. 𝑃𝑐𝑙 724,1192 𝑘𝑔
𝑉𝑓𝑐 = 𝑉𝑐𝑡
= 𝐾𝑔 = 1,8759 𝑚3 (11)
Vbh = Metros cúbicos por habitante 386 3
𝑚

Vpc = densidad media de los residuos en un m3 Luego, se calculó la capacidad del vehículo
(Tchobanoglous, Theissen, & Eliassen, 1982) total, conforme a:
𝐵ℎ(2017)
𝑉𝑏ℎ = (7) Cc = Número de contenedores por camión
𝑉𝑝𝑐
Vv = Volumen del vehículo recolector (25
Consiguiente a la actividad, se identifica el yardas3) (19,1139 m3)
número total de población por contenedores,
según el volumen por metro cubico-habitante y el 𝑉 19,11 𝑚3
𝐶𝑐 = 𝑉 𝑣 = 1,8759 𝑚3 = 10,189 ≈ 10 (12)
volumen del contenedor correspondiente a 3,82 𝑓𝑐

m3, valor que se debe tener en cuenta la relación El posicionamiento de los contenedores en las
de periodicidad de recolección que es cada dos comunas 4 y 5 se llevó a cabo según el Decreto
días, el volumen diario disponible es de la mitad 605 de 1996, de forma que se tuviera en cuenta los
1,91 m3. planos de las vías y las condiciones topográficas
Pc = Población por contenedor en los lugares de asentamiento.
Vc = Volumen del contenedor El proceso de ubicación se efectuó de forma
presencial y a través del servidor de aplicaciones
𝑉𝑐
𝑃𝑐 = (8) de mapas satelitales perteneciente a Alphabet inc.
𝑉𝑏ℎ
(Google Maps), con el objetivo de hacer una
Todo esto con el objetivo de obtener el número representación gráfica de los nodos se realizó el
total de contenedores por comuna que se calculó mapeo de los contenedores a través de la
según: aplicación tablas dinámicas de Google (Fig. 2 y
Nc = Número de contenedores Fig. 3) y una Infowindow que contuviera los datos
más relevantes.
𝑁ℎ
𝑁𝐶 = (9)
𝑝𝑐

Una vez se ha identificado la cantidad de

contenedores por comuna, es necesario determinar
el número de contenedores que se pueden
transportar según la capacidad del vehículo
recolector en cada viaje, desde el relleno sanitario
hasta el siguiente nodo.
Fig. 2. Contenedores comuna 5
Pcl = Peso del contenedor lleno
𝐾𝑔
𝑃𝐶𝑙 = 𝑉𝑝𝑐 ∗ 𝑉𝑐 = 189,56 𝑚3
∗ 3,82 𝑚3 =
5
 UNIVERSIDAD ANTONIO NARIÑO
Programa de Ingeniería Industrial - Sede Villavicencio

Los resultados del sistema de transporte se

efectuaron a través de la modificación y relajación
del alcance global del modelo, esto se logró a
partir de la creación de macro rutas Fig.4 y Fig. 5.,
que permitieron la eliminación de puntos lejanos
en criterio del posicionamiento del sector, que no
poseían relevancia entre puntos cercanos;
actividad que se contempló debido a la dificultad
Fig. 3. Contenedores comuna 4
de cálculo computacional propia de los métodos
El tiempo de recorrido entre nodos (contenedores) exactos, que supone tiempos de ejecución
de las comunas 4 y 5 se recopiló a través del exponenciales a la cantidad de nodos y por ende
software Excel, empleando una macro vinculada no computables en tiempos efectivos para el
al sistema de geodificación de Google Maps, que desarrollo del sistema de recolección.
realiza la solicitud de información entre
coordenadas a la base de datos perteneciente a
Google, los datos obtenidos se hacen con base a la
frecuencia del servicio de recolección.
Turno mañana: 6:00 a.m. a 2:00 p.m.
Turno noche: 7:30 p.m. a 3:30 a.m.
Como seguimiento a estas actividades se realiza el Fig. 4. Macro rutas comuna 4
planteamiento de un modelo que responda a los
parámetros y variables establecidas, que a
continuación es descrito.
𝐹. 𝑂. 𝑀𝑖𝑛𝑖𝑚𝑖𝑧𝑎𝑟 𝑧 = ∑𝑚 𝑛
𝑖=1 ∑𝑗=1 𝐶𝑖𝑗 𝑋𝑖𝑗 (13)
Sujeto a:
𝑚

∑ 𝑋𝑖𝑗 = 1 𝑖 = 1,2, … , 𝑚
𝑖=1
𝑛

∑ 𝑋𝑖𝑗 = 1 𝑗 = 1,2, … . . , 𝑛 Fig. 5. Macro rutas comuna 5

𝑗=1
Para un seguimiento gráfico de las micro rutas, se
𝑖=𝑚 identificaron los nodos por medio de etiquetas con
𝑗=𝑛
las letras del alfabeto, en donde A y J están unidos
∑ 𝑥𝑖𝑗 = 11 𝑖, 𝑗 = 1,2, … . . , 11 como el inicio y fin del recorrido, desde el relleno
𝑖=1
𝑗=11 sanitario, un ejemplo del micro ruteo (Fig. 6.).
𝑋11 = 𝑋𝑖11 𝑖 = 1,2 … ,11
𝑋𝑖𝑗 = binarios
n y m = número de contenedores por comuna
i = índice para los orígenes(Contenedores), i = 1, 2, …, m
j = índice para los destinos(Contenedores), j = 1, 2, …, n
xij = Cantidad de unidades del origen i al destino j
Cij = Tiempo de transporte del origen i al destino j

Fig. 6. Comuna 5-Macroruta 3- Microruta 16.

6
 UNIVERSIDAD ANTONIO NARIÑO
Programa de Ingeniería Industrial - Sede Villavicencio

En relación al análisis de variación, se empleó la 12

teoría de colas a fin de concretar el número de ∑ 𝑇𝑖𝑗 ≤ 𝑃 𝑗 = 1,2, … . , 𝑚
jornadas que dan respuesta a las necesidades de las 𝑖=1
nuevas rutas (Alvarado, Jacobo, y Cruz, 2014). 𝑋𝑖𝑗 = binarios
ℵ = ∑𝑛𝑘=1 ∆𝑛 (14) n = Numero de micro rutas
ℵ m= Número de jornadas
𝜀=
𝜆 i = índice para las micro rutas, i = 1, 2, …, m
∃ j = índice para las jornadas, j = 1, 2, …, n
𝜇=
𝜀 Mij = Asignación de i a j
𝜆 Tij = Matriz de tiempos del origen i al destino j
𝜑=
𝜇 dij = Demanda de tiempo en micro rutas i

Tabla 3. Calculo de servidores (jornadas) P = Horas de jornada (480 minutos)

Tabla 4. Vehículos asignados por micro-ruta

Representaci Comuna 4 Comuna
ón Concepto 5
N° Vh Jornada Am/Pm Jornada Am/Pm

Número clientes(micro-
20 24 3 7
𝜆 rutas)
2 6
Tiempo de trabajo por
Vehículo 1
8:00 8:00
∃ jornada
44 37
∆ Tiempo de micro rutas n n
43 17
ℵ Tiempo de ruta 9:30 17:22
1 16
𝜀 Promedio tiempo micro ruta 1:40 1:43
11 30
Capacidad de atención por 4.7743379 4.641044
Vehículo 2

𝜇 jornada 34 23 10 14

Servidores necesarios 9 13
5 6
𝜑 (Jornadas)
8 12
Nota: Cálculos correspondientes a las ecuaciones
planteadas 20 24

19 23
Vehículo 3

Una vez definido el número de jornadas mínimas 31 22

necesarias, se establece el diseño de un modelo
que elabore la asignación de vehículos a las micro- 15 21
rutas, considerado también como un modelo con
29
ventanas de tiempo, descrito a continuación:
𝐹. 𝑂. 𝑀𝑎𝑥𝑖𝑚𝑖𝑧𝑎𝑟 𝑧 = ∑𝑛𝑖=1 ∑𝑚
𝑗=1 𝑇𝑖𝑗 𝑀𝑖𝑗 (15) 28 41
Vehículo 4

Sujeto a: 27 42

12 26 18
∑ 𝑀𝑖𝑗 = 𝑑𝑗 𝑖, 𝑗 = 1,2, … ,12
25 34
𝑗=1

7

Programa de Ingeniería Industrial - Sede Villavicencio
33
36 40
Vehículo 5
35 39
5 38
4 32
3. DISCUSIÓN
La importancia de realizar un estudio de la
literatura enmarcada en el área de optimización y
sistemas de solución a modelos matemáticos,
radico en la necesidad de diferenciar el proyecto
de un espectro global, y por ende lograr
determinar y abordar el problema de manera
individual.
Los modelos de programación sean abarcados de
forma lineal o heurística, deben ser considerados
una herramienta fundamental a las demandas de
actualización y mejora en los sistemas globales de
industria, en áreas de proceso en el caso de la
investigación de prestación de servicios.
El sistema propuesto permitió la optimización del
sistema de recolección y transporte de residuos,
entregando resultados en número de contenedores,
rutas, jornadas, vehículos y el sistema de
asignación para las mismas. Además, facilita la
visualización del sistema propuesto a partir del
sistema de geodificacion desarrollado por Google
La investigación deja abierta la posibilidad para
inclusión de variables heuristicas (probabilísticas)
y de restricciones que contemplen la minimización
de distancias/tiempos como por ejemplo la
reducción de giros a la izquierda, de forma que el
sistema de transporte y recolección en la ciudad de
Villavicencio sea ejecutado de manera dinámica y
por consiguiente de respuesta a las demandas
generadas por la población en función de su
crecimiento. Además, se recomienda hacer uso de
sistemas especializados en guías móviles como
técnicas de geodificación en tiempo real y
Software para el manejo de Big data.
4. REFERENCIAS BIBLIOGRÁFICAS
1. Akbarpour Shirazi, M., Samieifard, R., Abduli,
M. A., & Omidvar, B. (2016). Mathematical
UNIVERSIDAD ANTONIO NARIÑO
modeling in municipal solid waste management:
Case study of Tehran. Journal of Environmental
Health Science and Engineering, 14(1), 1–12.
https://doi.org/10.1186/s40201-016-0250-2
2. Alvarado, G., Jacobo, M., & Cruz, H. (2014).
MODELO DE LA TEORÍA DE COLAS PARA
OPTIMIZAR LOS TIEMPOS DE ESPERA DE
LOS PACIENTES DE MEDICINA GENERAL
DE LA UNIDAD COMUNITARIA DE SALUD
FAMILIAR ZACAMIL, MUNICIPIO DE
MEJICANOS, DEPARTAMENTO DE SAN
SALVADOR.
3. Ambiente, S. de medio. (2015).
ACTUALIZACION DEL PLAN DE GESTION
INTEGRAL DE RESIDUOS SOLIDOS PGIRS
DEL MUNICIPO DE VILLAVICENCIO, (1672).
4. Andres, gaviria mahecha. (2017). VALIDACION
DE UN MODELO DE TRANSPORTE PARA
LA RECOLECCIÓN DE BASURAS EN LAS
RUTAS 1 Y 2 DE LA CIUDAD DE
VILLAVICENCI.
5. Angelelli, E., & Speranza, M. G. (2002). The
application of a vehicle routing model to a waste-
collection problem: Two case studies. Journal of
the Operational Research Society, 53(9), 944–
952.
https://doi.org/10.1057/palgrave.jors.2601402
6. Apaydin, O., & Gonullu, M. T. (2008). Emission
control with route optimization in solid waste
collection process: A case study. Sadhana, 33(2),
71–82. https://doi.org/10.1007/s12046-008-0007-
4
7. Asgari, N., Rajabi, M., Jamshidi, M., Khatami,
M., & Farahani, R. Z. (2017). A memetic
algorithm for a multi-objective obnoxious waste
location-routing problem: a case study. Annals of
Operations Research, 250(2), 279–308.
https://doi.org/10.1007/s10479-016-2248-7
8. Battarra, M., Monaci, M., & Vigo, D. (2009).
Computers & Operations Research An adaptive
guidance approach for the heuristic solution of a
minimum multiple trip vehicle routing problem,
36, 3041–3050.
https://doi.org/10.1016/j.cor.2009.02.008
9. Beasley, J. E. (1983). Route First - Cluster Second
Methods for Vehicle Routing. The International
Journal of Management Science, 11(4), 403–408.
https://doi.org/10.1016/0305-0483(83)90033-6
10. Beltrami, E. J., & Bodin, L. D. (1974). Networks
and vehicle routing for municipal waste
collection. Networks, 4(1), 65–94.
https://doi.org/10.1002/net.3230040106
8

Programa de Ingeniería Industrial - Sede Villavicencio
11. Berglund, P. G., & Kwon, C. (2014). Robust
Facility Location Problem for Hazardous Waste
Transportation. Networks and Spatial Economics, 21.
14(1), 91–116. https://doi.org/10.1007/s11067-
013-9208-4
12. Bianchi-Aguiar, T., Carravilla, M. A., & Oliveira,
J. F. (2011). Municipal waste collection in Ponte 22.
de Lima, Portugal – A vehicle routing application.
OR Insight, 25(November 2011), 185–198.
https://doi.org/10.1057/ori.2011.23
13. Blasco, J. E., & Pérez, J. A. (2007). Metodologías 23.
de investigación en las ciencias de la actividad
física y el deporte: ampliando horizontes. 24.
Retrieved from
https://rua.ua.es/dspace/bitstream/10045/12270/1/
blasco.pdf
14. Castillo, M. (2017). Diseño De Un Modelo 25.
Matemático De Logística Inversa Para La
Gestión Del Manejo De Llantas Usadas. 26.
Universidad Autonoma de Occidente. Retrieved
from
https://red.uao.edu.co/bitstream/10614/9934/1/T0
7602.pdf
15. Cavdar, K., Koroglu, M., & Akyildiz, B. (2016).
Design and implementation of a smart solid waste 27.
collection system. International Journal of
Environmental Science and Technology, 13(6),
1553–1562. https://doi.org/10.1007/s13762-016-
0993-4 28.
16. Chen, X., Huang, G., Suo, M., Zhu, H., & Dong,
C. (2014). An inexact inventory-theory-based
chance-constrained programming model for solid
waste management. Stochastic Environmental
Research and Risk Assessment, 28(8), 1939–1955. 29.
https://doi.org/10.1007/s00477-014-0936-x
17. Dane. (2009). Departamento Administrativo
Nacional de Estadística Dirección de Censos y
Demografía Estadísticas Vitales - EEVV Mayo
2009, 1–39. 30.
18. Dantzig, G. B., & Ramser, J. H. (1959). The
Truck Dispatching Problem. Management
Science, 6(1), 80–91.
https://doi.org/10.1287/mnsc.6.1.80
19. Derigs, U., & Friederichs, S. (2009). On the
application of a transportation model for revenue
optimization in waste management: A case study.
Central European Journal of Operations 31.
Research, 17(1), 81–93.
https://doi.org/10.1007/s10100-008-0058-y
20. Diaz, R. A., & Otoma, S. (2012). Effect of
informal recycling on waste collection and
transportation: The case of Chiclayo city in Peru.
Journal of Material Cycles and Waste
UNIVERSIDAD ANTONIO NARIÑO
Management, 14(4), 341–350.
https://doi.org/10.1007/s10163-012-0070-0
Eiselt, H. A., & Sandblom, C.-L. (2000). Integer
Programming and Network Models. Retrieved
from https://books.google.com/books?id=vnSy4-
enytQC&pgis=1
Erdoğan, G. (2017). An open source Spreadsheet
Solver for Vehicle Routing Problems. Computers
and Operations Research, 84, 62–72.
https://doi.org/10.1016/j.cor.2017.02.022
España, G. de. (1998). LEY 10/1998, de 21 de
abril, de Residuos BOE No 96. BOE Núm. 96, 13.
Fallis, A. . (2013). 50 Years of Integer
Programming. Journal of Chemical Information
and Modeling (Vol. 53).
https://doi.org/10.1017/CBO9781107415324.004
Fed, M., & Prescott, E. (1996). Neil Wallace,
(September 2013), 3–9.
Fernández, P., & Díaz, P. (2002). Investigación:
Investigación cuantitativa y cualitativa
Investigación cuantitativa y cualitativa. Retrieved
from
https://www.fisterra.com/mbe/investiga/cuanti_cu
ali/cuanti_cuali2.pdf
Fisher, M. L., & Jaikumar, R. (1981). A
generalized assignment heuristic for vehicle
routing. Networks, 11(2), 109–124.
https://doi.org/10.1002/net.3230110205
Geetha, S., Vanathi, P. T., & Poonthalir, G.
(2012). Metaheuristic approach for the multi-
depot vehicle routing problem. Applied Artificial
Intelligence, 26(9), 878–901.
https://doi.org/10.1080/08839514.2012.727344
Glover, F. (1986). Paths for Integer Programming.
Computers and Operations Research, 13(5), 533–
549.
https://doi.org/http://dx.doi.org/10.1016/0305-
0548(86)90048-1
Golden, Bruce L., Arjang A. Assad, and E. A. W.
(2001). Routing vehicles in the real world:
applications in the solid waste, beverage, food,
dairy, and newspaper industries. The vehicle
routing problem. Society for Industrial and
Applied Mathematics APA. InformationSciences,
176(18), 2698–2712.
https://doi.org/10.1016/j.ins.2005.11.012
González, G., & González, F. (2006).
Metaheurísticas aplicadas al ruteo de vehículos .
Un caso de estudio . Parte 1 : formulación del
problema Metaheuristics applied to vehicle
routing . A case study . Revista Ingeniería e
Investigación, 26(3), 149–156.
9

Programa de Ingeniería Industrial - Sede Villavicencio
32. Gredmaier, L., Riley, K., Vaz, F., & Heaven, S.
(2013). Seasonal yield and fuel consumed for
domestic, organic waste collections in currently
operational door-to-door and bring-type collection
systems. Waste and Biomass Valorization, 4(3),
683–693. https://doi.org/10.1007/s12649-012-
9193-8
33. Grimberg, W. M. R. G. E. (2005). Directrices
Para La Gestion Integrada Y Sostenible De
Residuos Solidos Urbanos En America Latina Y
El Caribe. Aidis.Org.Br. Retrieved from
http://www.aidis.org.br/PDF/libro_residuos_solid
os.pdf
34. Guan, D. J., & Zhu, X. (1998). Downloaded 01 /
01 / 13 to 138 . 26 . 31 . 3 . Redistribution subject
to SIAM license or copyright ; see
http://www.siam.org/journals/ojsa.php, 11(4),
590–602.
35. Hemidat, S., Oelgemöller, D., Nassour, A., &
Nelles, M. (2017). Evaluation of Key Indicators
of Waste Collection Using GIS Techniques as a
Planning and Control Tool for Route
Optimization. Waste and Biomass Valorization,
8(5), 1533–1554. https://doi.org/10.1007/s12649-
017-9938-5
36. Henao Guzmán, B., & Piedrahíta Arana, J. (2015).
Diseño de un modelo de ruteo de vehículos para la
recolección de residuos sólidos en el municipio de
Zarzal Valle del Cauca. Retrieved from
http://hdl.handle.net/10893/9103
37. Herazo, N. (2012). Modelación matemática del
problema de ruteo de vehículos con restricciones
de múltiples depósitos, flota heterogénea de
vehículos y ventanas de tiempos 1. Retrieved from
http://repositorio.cuc.edu.co/xmlui/bitstream/hand
le/11323/90/1129495709.pdf?sequence=1&isAllo
wed=y
38. Hernández, R., Fernández, C., & Baptista, P.
(2014). Metodología de la investigación. Journal
of Chemical Information and Modeling (Vol. 53).
https://doi.org/10.1017/CBO9781107415324.004
39. Huang, G. H., Liu, L., & Chen, Z. (2001). An
interval-parameter fuzzy-stochastic programming
approach for municipal solid waste management
and planning. Environmental Modeling &
Assessment, 6, 271–283.
40. Inga, P., Torres, M., Ing, I., & Salazar, F. G.
(n.d.). Tamaño de una muestra para una
investigación de mercado, (02), 1–13.
41. Juan Pablo Orrego Cardozo. (2013). Solución al
CVRP usando heurística barrido y alg genético.
Tesis, 1–69.
UNIVERSIDAD ANTONIO NARIÑO
42. Kek, A. G. H., Cheu, R. L., & Meng, Q. (2008).
Distance-constrained capacitated vehicle routing
problems with flexible assignment of start and end
depots. Mathematical and Computer Modelling,
47(1–2), 140–152.
https://doi.org/10.1016/j.mcm.2007.02.007
43. Lagos, M. A. M. (2015). Un Modelo de
Programación Lineal Entera para Resolver el
Problema de Recolección de Residuos
Domiciliarios.
44. Laporte, G. (1990). Capacitated VRP, 109–128.
45. Laporte, G. (1992). The traveling salesman
problem: An overview of exact and approximate
algorithms. European Journal of Operational
Research, 59(2), 231–247.
https://doi.org/10.1016/0377-2217(92)90138-Y
46. Lenstra, J. K., & Rinnooy-Kan, A. H. G. (1981).
Complexity of Vehicle Routing and Scheduling
Problems. Networks, 11(2), 221–227.
https://doi.org/10.1002/net.3230110211
47. Lezaca, J. A. (n.d.). Para escribir bien
CONCEPCIONES SOBRE EL PROBLEMA EN
INVESTIGACIÓN. Retrieved from
http://revistas.uexternado.edu.co/index.php/contad
/article/viewFile/1313/1250
48. Llorente, T. (2014). Optimización de rutas de
recogida de residuos en zonas mixtas urbana-
rurales y orografía singular.
49. LOZADA, A., & CADENA, R. (2012). Solución
del problema de ruteo de vehículos con ventanas
de tiempo (VRPTW) mediante métodos
heurísticos. Universidad Industrial de Santander.
50. Magriñá, A., & Robusté, F. (n.d.). Optimización
de rutas de vehículos de recogida de basuras
mediante recocido simulado.
51. María, A., & Cardona, S. (2003). Diseños
Cuasiexperimentales. Facultad de Salud Pública.
Universidad de Antioquia, 4.
52. Márquez, J. (2011). Macro y microruteo de
residuos sólidos residenciales, 1–91.
53. Mcneilus. (n.d.). C A R G A D O R T R A S E R
O M E T R O - PA K Una opción económica y
ligera que proporciona eficiencia y versatilidad en
un chasis de un solo eje . M E T R O - PA K R E
A R L O A D E R.
54. Medina, L. B. R., Rotta, E. C. G. La, & Castro, J.
A. O. (2011). Una Revisión al Estado del Arte del
Problema de Ruteo de Vehículos: Evolución
Histórica Y Métodos De Solución. Ingeniería,
16(2), 35–55. Retrieved from
http://revistas.udistrital.edu.co/ojs/index.php/revin
g/article/view/3832
10
 UNIVERSIDAD ANTONIO NARIÑO
Programa de Ingeniería Industrial - Sede Villavicencio

55. Medvedev, A., Fedchenkov, P., Zaslavsky, A., problem by a NSGA-II combined with clustering
Anagnostopoulos, T., & Khoruzhnikov, S. (2015). approach: application in waste collection problem.
Waste Management as an IoT-Enabled Service in Journal of Industrial Engineering International,
Smart Cities, 9247, 104–105. 13(1), 13–27. https://doi.org/10.1007/s40092-016-
https://doi.org/10.1007/978-3-319-23126-6 0172-8
56. Mejía, C. A. Z. (2009). Metodología de diseño 67. Shih, L., & Chang, H. (2001). A routing and
para la recogida de residuos sólidos urbanos scheduling system for infectious waste collection,
mediante factores punta de generación: Sistemas 261–269.
de caja fija (SCF). Ingenieria e Investigacion, 68. Taha, H. A. (2004). Investigación de operaciones.
29(2), 119–126. Language.
57. Mes, M. (2102). Using Simulation to Assess the https://doi.org/10.1017/CBO9781107415324.004
Opportunities of Dynamic Waste Collection. 69. Tchobanoglous, G., Theissen, H., & Eliassen, R.
58. Min, H. (1989). The multiple vehicle routing (1982). Desechos sólidos: Principio de ingeniería
problem with simultaneous delivery and pick-up y administración., 216.
points. Transportation Research Part A: General, 70. Vazquez, J. (Secretaria de desarrollo social),
23(5), 377–386. https://doi.org/10.1016/0191- Mulás, A. (Subsecretaria de desarrollo urbano y
2607(89)90085-X vivienda), Aguilar, O. ( O. M., & Sancho, J.
59. Ministerio de salud. Código Sanitario Nacional (Dirección general de infraestructura y
(1979). equipamiento). (2000). Manual Técnico sobre
60. Mmereki, D., Baldwin, A., Li, B., & Liu, M. generación, recolección y transferencia de
(2015). Healthcare waste management in Residuso Sólidos Municipales.
Botswana: storage, collection, treatment and 71. Villa-Ochoa, J., Bustamante, C., & Berrio, M.
disposal system. Journal of Material Cycles and (2010). Sentido de realidad en la modelación
Waste Management, 19(1), 351–365. matemática. Comité Latinoamericano de
https://doi.org/10.1007/s10163-015-0429-0 Matemática Educativa A. C., 23(2009), 1087–
61. Moreno, J. R., & Arriaga, E. P. (2006).
Optimización del sistema de rutas de recolección
de residuos sólidos domiciliarios ( Ecoeficiencia ).
Congreso de Ingeniería de Organización.
62. Moreno, J. R., Salinas, I. E., Manuel, J., &
Sánchez, G. (2008). Modelado para el diseño de
rutas en un sistema de recolección de residuos
sólidos urbanos. II International Conference on
Industrial Engineering and Industrial
Management, 1113–1120.
63. Olivera, A. (2004). Heurísticas para problemas de
ruteo de vehículos. Instituto de Computacion -
Facultad de Ingenieria., 63. Retrieved from
https://www.fing.edu.uy/inco/pedeciba/bibliote/re
ptec/TR0408.pdf
64. Paul, K., Dutta, A., & Krishna, A. P. (2016). A
comprehensive study on solid waste vehicle
routing and tracking — a case study on Kolkata
city. KSCE Journal of Civil Engineering, 20(1),
137–144. https://doi.org/10.1007/s12205-015-
0214-6
65. Perdomo, A., & Molina, J. (2017). Optimización
Basada En Metaheurísticas: Una Aproximación a
La Solución Del Problema De Ruteo De
Vehículos Con Ventanas Horarias.
66. Rabbani, M., Farrokhi-Asl, H., & Asgarian, B.
(2017). Solving a bi-objective location routing
11