Documente Academic
Documente Profesional
Documente Cultură
• Analisis procesadora.
• Analisis equipos
Metodología • Analisis producción
• Descripcion de vaiables.
• Correlación de variables
Análisis y Resultado • Modelo de regresión multiple
• Modelo de Asignasión.
• Solución modelo de asignación.
Conclusión
Antecedentes
Antecedentes de la empresa
• 2002: Inicio de actividades.
• Ubicación: San Pedro de la paz.
• Equipos disponibles.
• Faenas.
Delimitación y limitaciones
• Ubicación faenas
• Datos entregados.
• Epoca del año.
Antecedentes
• Necesidad de mejorar la • Disminuir las perdidas.
planeacion de la produccion. • Lograr ventajas
competitivas.
• Necesidad de Incorporar • Mejorar las técnicas
modelo de asignacion. existentes.
• Disminuir arbitraje, azar e
Problema Justificación incetidumbre.
• Aumentar la produccion.
• Identificar y caracterizar la
maquinaria a utilizar.
• Identificar variables Objetivos Objetivo • Asignar en forma optima
determinantes. Específicos General
• Crear y Validar modelo de la maquinaria, según
regresion multiple por condiciones de cada
procesadora.
• Analizar variablesde faena, mejorarndo asi la
optimizacion. productividad del quipo
• Aplicar modelo de
asignacion. forestal.
Marco Teórico
Análisis Procesadora
Investigación de
Operaciones
Análisis de
variables
Modelo de
Modelo de
Regresión
Asignación
Múltiple
Coeficiente de Prueba de t-
Correlación de Coeficiente de
correlación de Student y Excel.
variables Determinación R2
Pearson significancia de F
Diagrama de
Dispersión
Marco Teórico
Modelo de Asignación
𝑚 𝑛
Min = 𝑋𝑖𝑗 𝑋𝑖𝑗 C ij ij
𝑖=1 𝑗=1
1. Restricciones.
a) Para cada actividad o tarea, existirá solo una persona que lo realice.
𝑚
𝑋𝑖𝑗 = 1 ∀𝑗 = 1,2,3,4, . . . , 𝑛
𝑖=1
𝑛
𝑋𝑖𝑗 = 1 ∀𝑖 = 1,2,3,4, . . . , 𝑛
𝑗=1
Marco Teórico
Modelo de regresión.
2,50 pulpable 2,50 m 8 cm y más Trozos 2,50 aserrable que tienen defecto
F1 F2 F3 Total
Procesadora Producción
Producción 3)
(mpor Producción ($)
en pesos Procesadora
F1 15.350 78.285.000
F2 17.339 88.428.900
F3 15.862 80.896.200
F4 16.983 86.613.300
F5 16.959 86.490.900
F6 16.325 83.257.500
F7 17.131 87.368.100
F8 17.049 86.949.900
F9 16.968 86.536.800
Metodología
Desarrollo de la estrategia: Descripción de Variables
c) Volumen por árbol: metros cúbicos que tiene cada árbol (m³/aa).
Donde:
t: corresponde a la variable dependiente, que es el valor de la produccion diaria de
cada procesadora.
0: corresponde a la intercepción, es un término constante para cada procesadora.
1, 2, 3, 4, 5, 6, 7: corresponde al valor que tendran los parametros entregados
por el modelo de regresion y mediran la influencia que las variables analizadas sobre
la produccion.
1, 2, 3, 4 , 5, 6, 7: corresponde al valor de las variables de cada
procesadora.
: termino aleatorio
Metodología
Desarrollo de la estrategia: Descripción de Variables
Producción
1
(m³)
Densidad
0,06785909 0,017500589 1
(aa/ha)
Volumen por
0,477290596 -0,351089436 0,04777245 1
árbol (m³/aa)
Diámetro
0,635426349 -0,382801873 0,029794462 0,292843209 1
(cm)
Horas de
cosecha (nº 0,10786231 -0,149237565 -0,09830136 0,050983006 0,037537208 0,089263657 1
hrs)
Función objetivo:
9 9
9
Restricciones: 𝑋𝑖𝑗 = 1 ∀𝑗 = 1,2,3,4,5,6,7,8,9.
𝑖=1
9
𝑋𝑖𝑗 = 1 ∀𝑖 = 1,2,3,4,5,6,7,8,9.
𝑗=1
Análisis y resultado
Modelo de Asignación
A partir de las producciones diarias reales y también de las estimadas por el modelo,
se desarrollara el modelo de asignación, a partir de la matriz siguiente:
Procesadora Arauco Fowi Formin 1A 1B 1C 2A 2B 2C
F1 931.020 7.203.186 3.745.942 0 0 0 0 0 0
F2 697.770 84.516 5.194.203 0 0 0 0 0 0
F3 3.913.931 5.835.916 4.509.160 0 0 0 0 0 0
F4 1.245.044 8.461.232 4.388.526 0 0 0 0 0 0
F5 169.938 69.503 5.315.850 0 0 0 0 0 0
F6 4.172.865 6.270.462 2.290.029 0 0 0 0 0 0
F7 1.043.926 7.672.535 3.990.491 0 0 0 0 0 0
F8 214.167 268.390 5.376.674 0 0 0 0 0 0
F9 4.085.372 6.228.654 3.333.642 0 0 0 0 0 0
Análisis y resultado
Solución Modelo de Asignación