118
UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE INGENIERÍA MECÁNICA Y ELÉCTRICA DIVISIÓN DE ESTUDIOS DE POSGRADO “ANÁLISIS DE DIFERENTES POLÍTICAS DE UBICACIÓN DE UNA INSTALACIÓN EN AMBIENTES COMPETITIVOS” POR LETICIA TORRES DÍAZ TESIS EN OPCIÓN AL GRADO DE MAESTRO EN CIENCIAS EN INGENIERÍA DE SISTEMAS San Nicolás de los Garza, N. L. Enero de 2006

UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

Embed Size (px)

Citation preview

Page 1: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN

FACULTAD DE INGENIERÍA MECÁNICA Y ELÉCTRICA

DIVISIÓN DE ESTUDIOS DE POSGRADO

“ANÁLISIS DE DIFERENTES POLÍTICAS DE UBICACIÓN DE

UNA INSTALACIÓN EN AMBIENTES COMPETITIVOS”

POR

LETICIA TORRES DÍAZ

TESIS

EN OPCIÓN AL GRADO DE MAESTRO EN CIENCIAS

EN INGENIERÍA DE SISTEMAS

San Nicolás de los Garza, N. L. Enero de 2006

Page 2: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN

FACULTAD DE INGENIERÍA MECÁNICA Y ELÉCTRICA

DIVISIÓN DE ESTUDIOS DE POSGRADO

“ANÁLISIS DE DIFERENTES POLÍTICAS DE UBICACIÓN DE

UNA INSTALACIÓN EN AMBIENTES COMPETITIVOS”

POR

LETICIA TORRES DÍAZ

TESIS

EN OPCIÓN AL GRADO DE MAESTRO EN CIENCIAS

EN INGENIERÍA DE SISTEMAS

San Nicolás de los Garza, N. L. Enero de 2006

Page 3: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN

Facultad de Ingeniería Mecánica y Eléctrica

División de Estudios de Posgrado

Los miembros del Comité de Tesis recomendamos que la tesis “ANÁLISIS DE

DIFERENTES POLÍTICAS DE UBICACIÓN DE UNA INSTALACIÓN EN

AMBIENTES COMPETITIVOS”, realizada por la alumna Leticia Torres Díaz,

matrícula 00191001, sea aceptada para su defensa como opción al grado de Maestro en

Ciencias en Ingeniería de Sistemas.

El Comité de Tesis

Ciudad Universitaria, Enero de 2006

Dr. Guadalupe Alan Castillo Rodríguez Subdirector

División de Estudios de Posgrado

Dra. Ada M. Álvarez Socarrás Asesor

Dr. Mauricio Cabrera Ríos Revisor

Dr. Fernando López IrarragorriRevisor

Page 4: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

DEDICATORIA

Quiero dedicar este trabajo de todo corazón a mi familia que siempre me ha apoyado

incondicionalmente y que es mi más preciado tesoro.

Page 5: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

AGRADECIMIENTOS

Quiero agradecer de manera general a todos los profesores y compañeros de PISIS,

pues de una u otra forma todos ellos me han ayudado para poder concluir mis estudios.

De manera muy especial quiero agradecer a la Dra. Ada M. Álvarez, asesora de esta

tesis y una gran amiga. Al Dr. Mauricio Cabrera por sus recomendaciones que fueron

importantes para realizar este trabajo. Al Dr. Fernando López por sus observaciones que

me ayudaron a presentar de una manera más clara los resultados de esta tesis

Page 6: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

RESUMEN

Leticia Torres Díaz

Candidato para el Grado de Maestro en Ciencias en Ingeniería de Sistemas

Universidad Autónoma de Nuevo León

Facultad de Ingeniería Mecánica y Eléctrica

Título del Estudio:

ANÁLISIS DE DIFERENTES POLÍTICAS DE UBICACIÓN DE UNA

INSTALACIÓN EN AMBIENTES COMPETITIVOS

Número de Páginas: 107

Objetivos y Método de Estudio

En este estudio se analizó el desempeño de tres políticas de ubicación que considera

una firma para decidir el lugar en el que ha de establecer su instalación. El punto de

ubicación correspondiente a cada política se obtuvo al resolver en cada caso un modelo

de la teoría de ubicación de instalaciones, luego de establecer los supuestos pertinentes.

El desempeño de cada política se estableció en base al mercado capturado por la nueva

instalación al ser ubicada en el punto correspondiente a dicha política.

Se diseñó e implementó un experimento computacional con el objetivo de determinar

si hay factores que influyen en el desempeño de las políticas de ubicación. Para ello se

definió un conjunto de instancias con características específicas.

Se buscó asimismo determinar qué política conviene más aplicar en cada una de las

instancias definidas, con el propósito de poder enunciar resultados que sirvan de apoyo a

Page 7: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

las compañías que planean ubicar una instalación en ambientes competitivos afines a los

considerados en el presente trabajo.

Contribuciones y Conclusiones

Se plantearon políticas de ubicación acordes a situaciones observables en la realidad

y se buscaron los modelos matemáticos que pudieran representarlos de la mejor manera.

Se definieron instancias con características que se pueden observar en diferentes

ámbitos comerciales, y se encontraron resultados en cada una de ellas. Con dichos

resultados se validaron algunas hipótesis que se plantearon acerca del desempeño de las

políticas y se refutaron otras.

Para cada tipo de instancia fue posible determinar la política que era más conveniente

aplicar. Es conveniente considerar estos resultados al tomar la decisión de dónde ubicar

una nueva instalación, al estar en alguna de las situaciones consideradas en este estudio.

FIRMA DEL ASESOR:__________________________

Page 8: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

ÍNDICE DEDICATORIA iv

AGRADECIMIENTOS v

RESUMEN vi

1. INTRODUCCIÓN......................................................................................................1

1.1 Descripción del problema.......................................................................................1

1.2 Relevancia..............................................................................................................5

1.3 Objetivo de la tesis.................................................................................................5

1.4 Alcance...................................................................................................................6

1.5 Estructura de la tesis...............................................................................................6

2. ANTECEDENTES HISTÓRICOS .........................................................................8

2.1 Desarrollo de la Teoría de Ubicación.....................................................................8

2.2 Modelos de Ubicación Competitiva.....................................................................12

2.2.1 La competencia............................................................................................13

2.2.2 El mercado...................................................................................................14

2.2.3 Espacio de ubicación...................................................................................16

2.3 El Problema de Weber..........................................................................................17

2.4 El Problema de Weber con Atracción y Rechazo................................................21

2.5 El Problema de la Mediana Condicional..............................................................23

3. MODELACIÓN MATEMÁTICA..........................................................................26

3.1 Supuestos..............................................................................................................26

3.2 Políticas de Decisión............................................................................................27

3.2.1 Política 1: Modelo de Weber.......................................................................28

3.2.2 Política 2: Modelo de Weber con atracción y rechazo................................29

3.2.3 Política 3: Modelo de 1-mediana condicional.............................................30

3.3 Evaluación de las Diferentes Políticas ................................................................32

4. EXPERIMENTACIÓN............................................................................................33

4.1 Descripción del Experimento...............................................................................34

4.1.1 Experimentos para la clase aleatoria...........................................................34

4.1.2 Experimentos para la clase agrupada .........................................................37

4.1.3 Experimentos para la clase reducida...........................................................40

Page 9: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

4.2 Variable de Respuesta o Índice de Desempeño...................................................42

4.3 Ajuste de Peso de Rechazo..................................................................................43

4.3.1 Clase aleatoria.............................................................................................44

4.3.2 Clase agrupada.............................................................................................45

4.3.3 Clase reducida.............................................................................................46

4.4 Implementación Computacional...........................................................................46

4.4.1 Generación de instancias.............................................................................46

4.4.2 Evaluación de la variable de respuesta........................................................47

4.4.3 Análisis de los resultados............................................................................48

5. RESULTADOS.........................................................................................................49

5.1 Resultados para la Clase Aleatoria.......................................................................49

5.1.1 Desempeño de las políticas en base a los factores......................................50

5.1.1.1 Política de Weber............................................................................50

5.1.1.2 Política de Rechazo.........................................................................57

5.1.1.3 Política de Condicional....................................................................59

5.1.2 Evaluación del desempeño individual de cada política...............................60

5.1.3 Comparación del desempeño de las tres políticas.......................................61

5.2 Resultados para la Clase Agrupada......................................................................63

5.2.1 Desempeño de las políticas en base a los factores......................................63

5.2.1.1 Política de Weber............................................................................64

5.2.1.2 Política de Rechazo.........................................................................64

5.2.1.3 Política de Condicional....................................................................65

5.2.2 Evaluación del desempeño individual de cada política...............................66

5.2.3 Comparación del desempeño de las tres políticas......................................66

5.3 Resultados para la Clase Reducida......................................................................67

5.3.1 Subclase aleatoria.......................................................................................68

5.3.1.1 Desempeño de las políticas en base a los factores.........................68

5.3.1.1.1 Política de Weber............................................................69

5.3.1.1.2 Política de Rechazo.........................................................69

5.3.1.1.3 Política de Condicional...................................................70

5.3.1.2 Evaluación del desempeño individual de cada política...................70

Page 10: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

5.3.1.3 Comparación del desempeño de las tres políticas...........................70

5.3.2 Subclase agrupada.......................................................................................72

5.3.2.1 Desempeño de las políticas en base a los factores..........................72

5.3.2.1.1 Política de Weber.............................................................72

5.3.2.1.2 Política de Rechazo..........................................................73

5.3.2.1.3 Política de Condicional....................................................73

5.3.2.2 Evaluación del desempeño individual de cada política..................74

5.3.2.3 Comparación del desempeño de las tres políticas..........................75

5.4 Comparación de Políticas en Clase Reducida y Clase de Procedencia...............76

5.4.1 Subclase aleatoria........................................................................................77

5.4.1.1 Política de Weber............................................................................77

5.4.1.2 Política de Rechazo.........................................................................77

5.4.1.3 Política de Condicional...................................................................78

5.4.2 Subclase agrupada.......................................................................................79

5.4.2.1 Política de Weber............................................................................79

5.4.2.2 Política de Rechazo.........................................................................80

5.4.2.3 Política de Condicional ...................................................................81

6. CONCLUSIONES Y RECOMENDACIONES.....................................................82

6.1 Conclusiones.........................................................................................................82

6.2 Recomendaciones y Trabajo Futuro.....................................................................84

BIBLIOGRAFÍA............................................................................................................86

LISTA DE TABLAS......................................................................................................89

LISTA DE FIGURAS....................................................................................................91

APÉNDICE A: PROGRAMAS EN C..........................................................................94

APÉNDICE B: PROGRAMAS EN GAMS.................................................................98

APÉNDICE C: TABLAS DE HSU Y DE MOOD.....................................................101

Page 11: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

CAPÍTULO 1

INTRODUCCIÓN

Descripción del problema

Desde los albores de la humanidad el hombre se ha enfrentado problemas de

ubicación en los cuales el objetivo dónde ubicar algo de acuerdo con determinadas

políticas. Al tratar de resolver este problema se pueden hacer diferentes consideraciones,

como puede ser la interacción del objeto a ubicar con otros objetos similares o con

personas a quienes se pretende brindar un bien o un servicio.

Así por ejemplo, si se pretende ubicar una planta de basura, que representa un riesgo

potencial para la salud de los seres humanos, la mejor ubicación debe estar alejada del

centro de la ciudad y a la vez cerca de la planta recicladora de basura.

Economistas, matemáticos, geógrafos, administradores, entre otros, se han dado a la

tarea de estudiar, plantear y tratar de resolver el problema general de ubicación de

instalaciones. En este sentido hay dos tipos de enfoques principales: cuantitativos y

cualitativos.

En un enfoque cualitativo las consideraciones que se hacen se basan en gran medida

en el punto de vista de un grupo de personas. Este grupo debe decidir, mediante una

discusión previa, qué factores se tomarán en cuenta para escoger el sitio dónde se hará la

ubicación.

Algunos factores considerados en el enfoque cualitativo son: disponibilidad de

tierras, condiciones climáticas, disponibilidad de mano de obra capacitada,

Page 12: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

disponibilidad de medios adecuados de transporte, regulaciones gubernamentales,

cultura de los habitantes de la región en la cual se ubicará la instalación, etc.

Sule (2001) en su libro “Logistics of Facility location and Allocation” menciona que

una forma de evaluar las ubicaciones potenciales es dando a cada factor una valor de 0 a

100 de acuerdo a su importancia. Luego para cada ubicación potencial se evalúan cada

uno de los factores de 0 al valor máximo posible. La evaluación final de una ubicación

es la suma de las evaluaciones de cada factor.

En un enfoque cuantitativo, la ubicación se selecciona basándose en la optimización

de una función objetivo definida de forma matemática y que describe costos o ganancias

cuantificables [Sule, 2001].

El desarrollo de metodologías que con este enfoque buscan resolver de manera

óptima los problemas de decisión de ubicaciones es lo que ha dado lugar a la teoría de

ubicación, la cual cuenta actualmente con muchas y muy variadas ramas. Como ilustran

Bramel y Simchi-Levi en su libro “The Logic of Logistics”, el análisis de la ubicación

ha jugado un rol central en el desarrollo de la investigación de operaciones.

En los problemas de ubicación de instalaciones se busca determinar, además de la

ubicación, el número de instalaciones y su diseño; el diseño está relacionado con la

planeación del tamaño y de las características físicas de las nuevas instalaciones.

Así, los problemas se pueden clasificar en varias categorías, teniendo en cuenta

diferentes consideraciones entre las que se pueden mencionar: la fuerza impulsora u

objetivos que se pretenden, el número de instalaciones, el espacio de decisión a

considerar, la cantidad de información disponible y el horizonte de tiempo [Ballou,

2004].

Para ejemplificar la clasificación que puede hacerse en base a la fuerza impulsora u

objetivos que se pretenden, considérese la ubicación de centros de servicio de

emergencia, de materiales tóxicos y de facilidades competitivas, entre otros. Al ubicar

centros de emergencia es primordial asegurar accesos a los centros, mientras que con los

materiales tóxicos se busca afectar a la menor cantidad posible de personas y en el caso

de facilidades competitivas se busca asegurar el servicio a la mayor cantidad de clientes.

Page 13: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

Los modelos de ubicación competitivos son aquellos en los que se considera de

manera explícita que en el espacio en que se ubicará una instalación se encuentran, o se

encontrarán en un futuro próximo, otras instalaciones con las cuales se competirá por el

mercado de clientes existente [Plastria, 2001].

En este trabajo de tesis se estudia el problema de una firma que trata de ubicar una

instalación en un área específica, en la cual se encuentran previamente establecidas

instalaciones del mismo tipo, así como clientes a los que pretende servir. Se asume que

los clientes eligen siempre la facilidad más cercana y que se conocen las ubicaciones de

los clientes y de las instalaciones ya establecidas. Como se considera que las

instalaciones competirán por los clientes, se puede clasificar como un problema de

ubicación competitiva.

Para un cliente la única consideración al elegir dónde servirse es la cercanía de las

instalaciones. Situaciones como ésta se dan, por ejemplo, en instalaciones que ofrecen

productos básicos, cuya calidad y precio es el mismo en toda instalación, por lo que lo

único que distingue una instalación de otra es su ubicación.

La firma que pretende ubicar su instalación puede considerar diversas políticas, como

pueden ser: no instalarse a menos de una cierta distancia de ninguna facilidad existente,

o por el contrario, instalarse justo a un lado de la instalación que sirva al mayor número

de clientes. Otras políticas podrían ser el considerar solamente ubicaciones con medios

de transporte adecuados o con buenas perspectivas de desarrollo a futuro.

La firma puede además listar los clientes más insatisfechos con su servicio, esto es,

aquellos cuyas distancias de servicio son las mayores, y buscar la ubicación en que se

pueda brindar un mejor servicio a la mayor cantidad de estos clientes.

En este trabajo se escogieron tres políticas que la firma puede considerar a la hora de

de decidir dónde ubicar su instalación. Se analiza el desempeño de cada política en

instancias particulares para comparar los resultados de las políticas y tratar de

determinar si en esos casos es preferible usar una política en particular.

Las políticas a considerar son las siguientes:

Page 14: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

• No tomar en cuenta las instalaciones establecidas, es decir, pretender que se entra

a un mercado virgen y buscar entonces un punto estratégico, que esté lo más

cerca posible de todos los clientes.

• Considerar las ubicaciones de la competencia y asegurarse de no instalarse a un

lado de ninguna ellas, pero al mismo tiempo tratar de establecerse lo más cerca

posible de los clientes.

• Considerar a las instalaciones de la competencia como propias, y buscar entonces

la ubicación de una nueva instalación que en conjunto con las ya establecidas

minimice las distancias de los clientes a la instalación de servicio.

A cada política se le asocia un modelo específico de la teoría de ubicación de

instalaciones. Así, la ubicación correspondiente a cada política se encuentra al resolver

el modelo correspondiente.

Una vez encontrada la ubicación correspondiente a cierta política, se contabiliza el

número de clientes que la nueva instalación atrae para sí en caso de ubicarse ahí. Es este

mercado capturado el que determina la evaluación de la política considerada.

En el presente trabajo se considera que la firma que planea la ubicación de una nueva

instalación:

a) Considera las tres políticas arriba descritas para tomar su decisión.

b) Para cada política o modelo elige la mejor ubicación.

c) Evalúa cada política de acuerdo al mercado capturado en cada caso y

d) Ubica su instalación en base a la política que obtenga mejor resultado.

Esto sobre la base de que es común que una firma considere algunas políticas

específicas cuando busca un sitio dónde ubicar su instalación. Para cada política debe

haber una ubicación candidata, y la firma elige aquella que le reditúe la mayor ganancia,

la cual está dada por el mercado capturado.

Se eligieron las políticas anteriores porque hasta donde se ha podido investigar no se

han analizado en forma conjunta y porque es razonable considerarlas como posibles

políticas de ubicación.

Page 15: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

1.2 Relevancia

Para las personas que en una firma son las encargadas de escoger la ubicación de una

instalación, es una ayuda el poder contar con guías que indiquen que en algunas

situaciones particulares es más conveniente guiarse por alguna política de ubicación en

particular.

El decidir la ubicación donde habrá de establecerse una instalación es un problema de

suma importancia, ya que la ubicación juega un papel determinante a la hora en que un

cliente decide qué instalación lo habrá de servir. Además de que debido a los altos

costos de construcción y de reubicación de una instalación se tiene que una vez

establecida una instalación en un lugar específico, ésta debe permanecer ahí por largo

tiempo.

Aunque los clientes pueden considerar muchos factores a la hora de escoger una

instalación, la ubicación es uno de los principales. Los resultados que puedan

encontrarse al considerar sólo la ubicación como factor determinante para el cliente

pueden servir de base al considerar modelos más complejos.

1.3 Objetivo de la tesis

En síntesis, el objetivo general de esta tesis consiste en estudiar el problema de

ubicación en el que se consideran las tres políticas arriba mencionadas: i) no considerar

las instalaciones que se encuentren establecidas, ii) no ubicar la instalación cerca de

instalaciones previamente establecidas y iii) considerar las instalaciones establecidas

como propias.

Para poder lograr este objetivo se enuncian los siguientes objetivos particulares

• Definir una serie de instancias con características específicas en las cuales se

comparen las políticas.

• Diseñar y realizar un experimento computacional que valide dicha comparación

y que ayude a determinar qué factores influyen en el desempeño de cada política.

Page 16: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

• Determinar posibles relaciones entre el tipo de instancia considerada y la política

que conviene seguir para poder enunciar guías que sirvan a quienes toman

decisiones de ubicación de instalaciones en un ambiente competitivo.

• Justificar la necesidad de hacer un estudio teórico que fundamente o en su

defecto refute la existencia de las relaciones entre el tipo de instancia

considerada y la política que conviene seguir.

1.4 Alcance

En este trabajo se evalúan los resultados que los tres modelos de ubicación o políticas

de decisión arrojan en un gran número de instancias. Con esto se pretende encontrar si

existe evidencia estadística de que sea más conveniente aplicar determinada política

cuando se tienen ciertas características particulares en las instancias. Se abarca una gran

cantidad de instancias buscando considerar un buen número de situaciones específicas,

sin embargo, los resultados obtenidos se aplican solamente al tipo de instancias

consideradas en la experimentación.

1.5 Estructura de la Tesis

Esta tesis se estructura de la siguiente forma:

En el capítulo uno se da un panorama muy general de los problemas de ubicación de

instalaciones y en particular de los modelos considerados en la solución del problema de

estudio en esta tesis. Se describe de manera general el problema de estudio así como su

relevancia y se enuncian los objetivos y los alcances de esta tesis.

Los antecedentes históricos, definiciones y conceptos básicos de la teoría de

ubicación en general y de la teoría de la ubicación competitiva se presentan en el

capítulo dos. Se incluyen también los antecedentes de los modelos correspondientes a las

políticas consideradas.

Page 17: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

En el capítulo tres se enuncian los supuestos del problema de esta tesis, se describen

cada una de las políticas consideradas y se plantean sus modelos correspondientes. Se

explica, además, la forma de evaluar cada política.

En el capítulo cuatro se describen las instancias consideradas en la experimentación y

los objetivos que en ellas se pretenden así como el experimento desarrollado con el

propósito de lograr tales objetivos. Se plantean hipótesis acerca del desempeño de las

políticas en cada uno de los tipos de instancias. Se explica cómo se asignaron los pesos

negativos en el modelo de Weber con atracción y rechazo y se describe cómo se llevó a

cabo la implementación computacional.

Tablas con los resultados encontrados al llevar a cabo la experimentación en cada una

de las instancias definidas se presentan en el capítulo 5. En él se analizan e interpretan

dichos resultados y se hacen las observaciones pertinentes.

Finalmente en el capítulo seis se presentan las conclusiones que se deducen de los

resultados obtenidos en el capítulo anterior y se hacen recomendaciones acerca de

trabajo.

Page 18: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

CAPÍTULO 2

ANTECEDENTES HISTÓRICOS

La teoría de ubicación de instalaciones o facilidades es relativamente reciente, a pesar

de que los problemas relacionados con la ubicación de diferentes tipos de instalaciones

han acompañado al hombre a lo largo de la historia.

En este capítulo se pretende dar un panorama general de los antecedentes históricos

de la teoría de ubicación, y en particular de la ubicación competitiva.

Se describen tres de los problemas más importantes en la teoría de ubicación, que se

han mencionado: el problema de Weber, el problema de Weber con atracción y rechazo

y el problema de la mediana condicional.

En lo sucesivo se usarán de manera indistinta los términos “facilidades” e

“instalaciones”.

2.1 Desarrollo de la Teoría de Ubicación

A través de su historia, el hombre se ha enfrentado a problemas en los que tiene que

decidir dónde ubicar instalaciones, teniendo en cuenta la relación que éstas tendrán con

otras instalaciones o con los clientes a los que se pretende servir. La formulación de

estos problemas puede incluir consideraciones geográficas, políticas, sociales,

personales etc. Algunos ejemplos de tales consideraciones son: cercanía a fuentes de

materia prima, disponibilidad de tierras, existencia de competidores, buen clima, etc.

Page 19: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

Sin embargo el diseño, desarrollo y solución de modelos simbólicos que representen

de manera adecuada la realidad y que sirvan de herramienta para tomar la mejor decisión

de ubicación es relativamente reciente [Scaparra et al., 2001].

Los inicios de la ciencia de la ubicación se remontan a principios del siglo XVII,

cuando Pierre de Fermat, Evangelista Torricelli y Battista Cavallieri, cada uno por su

cuenta, proponen y en cierta forma resuelven de manera independiente el problema de la

mediana espacial [Hale y Trevor, 2003]. A pesar de haber sido enunciado de una manera

puramente matemática, el problema de Weber se considera el problema clásico de la

teoría de ubicación [Drezner y Hamacher, 2002].

El enunciado de Fermat es el siguiente: hallar el punto que minimice las sumas de

las distancias de tres puntos fijos. Como puede apreciarse, el enunciado es meramente

geométrico y muy simple de entender, y sin embargo a dado lugar a muchas y muy

variadas generalizaciones [Drezner et al., 2002].

Otro de los principales problemas en la teoría de ubicación, el problema de cobertura

total con el menor radio posible, fue propuesto por Sylvester (1857) de la siguiente

forma: “Se requiere encontrar el menor círculo que contenga un conjunto dado de

puntos en el plano”. De acuerdo con Love et al. (1988), esto equivale a un problema de

ubicación bajo el criterio minimax. Para un conjunto de puntos dado, se llama punto

minimax al punto que minimiza la mayor de sus distancias a dichos puntos, lo que

corresponde al centro del círculo de cobertura con el menor radio [Love et al., 2002].

Hasta entonces los problemas de ubicación que habían sido estudiados se enunciaron

como problemas matemáticos, y no fue sino hasta 1909 que Alfred Weber formula el

primer modelo de ubicación como una aplicación de la ingeniería industrial. En él se

pretende ubicar una firma que usa materia prima y produce un producto, cuando se

tienen dos puntos de fuente de materia prima y un punto de mercado de consumo del

producto.

A cada uno de estos puntos se le asigna un peso que representa el costo de

distribución por unidad de distancia. Tal distribución se hace desde los puntos demanda

al punto de ubicación de la firma y desde éste al punto de mercado. Debido a las

diferentes características físicas de la materia prima y del producto terminado, el costo

Page 20: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

de distribución es diferente para los puntos fuente de materia prima y para el punto de

mercado.

El punto de ubicación de la firma se conoce como punto minisuma, ya que minimiza

el costo de transportación de la firma a los puntos fuente de materia prima y al punto de

mercado [Tönu Puu, 1997].

Sin embargo, después del planteamiento de Weber no hubo avances sustanciales en el

campo de la teoría de la ubicación, debido principalmente a las dificultades para realizar

el gran número de cálculos geométricos que este tipo de problemas requieren.

Así, a pesar de que en 1937 Endre Vaszonyi Weiszfeld desarrolla un creativo método

iterativo para encontrar el punto minisuma o mediana espacial para un número grande de

puntos con pesos diferentes, éste permanece prácticamente sin uso hasta ser

redescubierto a finales de 1950´s y principios de 1960’s.

En este período se da un crecimiento dramático en la teoría de ubicación, gracias a

que el desarrollo de la computadora facilitó el desarrollo de los procesos iterativos y

permitió el desarrollo de la geometría computacional.

Leon Cooper en 1963 desarrolla una investigación sobre métodos exactos y

heurísticos en problemas que buscan ubicación de varias instalaciones en el espacio

continuo y la asignación de los puntos demanda con la facilidad que lo ha de servir. A

estos problemas se les llama problemas de ubicación y asignación. En ellos se busca la

ubicación de facilidades o servicios de tal forma que se optimice uno o varios objetivos,

generalmente relacionados con la eficiencia del sistema o la asignación de recursos,

[Marianov et al., 2002].

En 1964 Hakimi publica resultados acerca del problema de la p-mediana en redes que

despertaron el interés de diversos investigadores. El problema de la p-mediana consiste

en ubicar un número fijo p de instalaciones en una red, que servirán a un conjunto de

puntos demanda de tal forma que se minimice la suma ponderada de las distancias de los

puntos demanda a su facilidad asignada. Hakimi prueba que las ubicaciones óptimas se

encuentran en los nodos de la red cuando ésta es conexa [Marianov et al., 2002].

Hakimi formula su modelo al trabajar en un problema aplicado al campo de las

telecomunicaciones, sin embargo actualmente el problema de la p-mediana se aplica

Page 21: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

principalmente a problemas de ubicación relacionados con el sector público, donde los

objetivos que se buscan son la minimización del costo social de la ubicación, la

eficiencia y equidad.

A partir de entonces se ha experimentado un crecimiento explosivo en los modelos de

ubicación que involucran situaciones muy diversas, así como una gran variedad de ideas

creativas en las metodologías de solución de tales problemas. Hale (2003) afirma que la

literatura en la ciencia de ubicación de facilidades ha crecido dramáticamente en los

últimos 35 años.

Los elementos básicos en todo problema de ubicación son las instalaciones, los

clientes y las ubicaciones posibles. Una forma muy general de enunciar un problema de

ubicación es la siguiente: se requiere determinar la ubicación de una o más

instalaciones con el fin de satisfacer la demanda de un cierto número de clientes, que se

encuentran ubicados en un área geográfica específica, a un costo mínimo y sujeto a un

conjunto de restricciones.

Actualmente se estudia una gran variedad de modelos pertenecientes a la teoría de

ubicación. Tal variedad de modelos se debe a las muchas características especiales que

cada uno de los elementos básicos pueden tener y a todas sus posibles combinaciones.

Es por ello que los modelos de ubicación de instalaciones se usan en una gran

variedad de aplicaciones, entre las que se encuentran: la ubicación de almacenes de

material peligroso de tal forma que se minimicen riesgos de exposición a personas, la

ubicación de unidades de emergencia que minimicen el mayor tiempo de respuesta, la

ubicación de carreteras que minimicen las distancias a ciertos poblados, etc.

Así, los modelos de ubicación difieren no sólo en su función objetivo, sino en la

forma, tamaño y número de facilidades a instalar, así como el espacio de ubicación y la

métrica utilizada. En consecuencia, con el propósito de evitar ambigüedades al plantear

problemas de ubicación, han surgido diferentes propuestas de esquemas de clasificación.

Uno de los esquemas de clasificación de los modelos de ubicación más populares se

debe a Hamacher et al., (1998). Ellos proponen una clasificación con cinco posiciones

que puede incluir a todos los problemas de ubicación. Cada posición corresponde a una

información específica del problema clasificado. Utilizando este esquema el problema

Page 22: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

de Weber se clasifica como 1/P/*/l2/∑ porque se quiere ubicar 1 instalación en el

Plano, * indica que el problema no tiene características especiales y l2 que se considera

la distancia euclidiana mientras que ∑ indica que la función objetivo es una suma.

Una bibliografía muy completa de artículos del análisis de ubicación se debe a Hale,

(2004), donde se puede encontrar un listado de alrededor de 3400 referencias de

publicaciones sobre ubicación de facilidades. En la actualidad, a pesar de los avances, la

teoría de ubicación sigue siendo un área de estudio debido a la amplia gama de

aplicaciones que cubre, así como la complejidad en la solución de muchos de sus

modelos.

Además de lo mencionado anteriormente, al tratar de ubicar una instalación se debe

tomar en cuenta si ya se encuentran instaladas facilidades del mismo tipo en el espacio

de ubicación con las cuales se competirá por los clientes. La existencia de tales

facilidades afecta el modelo que habrá de usarse. A este tipo de modelos se les conoce

como modelos de ubicación competitiva, y debido a su importancia en el desarrollo de la

presente tesis se describen a continuación.

2.2 Modelos de Ubicación Competitiva

Tradicionalmente a la hora de ubicar una instalación se ha asumido una posición

monopolista, en la que no se considera que pueda haber competencia y en la que se

asume que la ganancia depende sólo de lo que se ofrezca a los clientes, sin considerar

que éstos pudieran tener otra opción [Plastria, 2000]. En este caso se suele considerar

que los clientes tienen una distancia máxima que están dispuestos a recorrer para

satisfacer su demanda, y el objetivo normalmente consiste en ubicar la instalación en la

posición que se encuentre dentro de esa distancia máxima del mayor número de clientes.

Sin embargo esta posición no es la adecuada si en el espacio de ubicación se

encuentran de antemano instalaciones pertenecientes a otras firmas. Esto se debe a que

la decisión de ubicación afecta no solamente a la firma que ubicará la nueva instalación,

sino a sus competidores y los clientes que tenían asegurados, pues cuando un cliente

Page 23: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

decide servirse por una nueva facilidad, éste se convierte en un cliente que pierde la

instalación en la cual se servía con anterioridad.

Es por ello que cuando se encuentra más de una facilidad en el espacio de ubicación,

el correspondiente modelo de ubicación requiere de una regla que asigne los clientes a

las facilidades en las cuales habrán de satisfacer su demanda. Esto da lugar a la aparición

de modelos de asignación y modelos de elección. En los primeros la asignación de

clientes a facilidades la hace la persona encargada de la planeación, mientras que en los

modelos de elección el cliente es quien elige libremente la facilidad que ha de servirlo,

[Drezner et al., 2002].

Al tratar con modelos de ubicación competitiva Drezner y Eiselt recomiendan

trabajar con los modelos de elección, debido a que es de gran importancia comprender el

comportamiento de los clientes potenciales, y el proceso que siguen al hacer la elección

de las facilidades. Dichos autores señalan que diferentes estudios al respecto revelan que

la distancia no es el único factor que los clientes consideran a la hora de decidir dónde

habrán de servirse.

Sin embargo, en un ambiente de negocios competitivos en los cuales los bienes o

servicios ofrecidos no se distinguen entre las diferentes compañías, la ubicación juega un

papel fundamental [Mc Garvey et al., 2005].

Como se ha mencionado anteriormente, en todo modelo de ubicación los factores

básicos son el conjunto de las posibles ubicaciones, la demanda o mercado y las

facilidades.

Estos tres elementos dan lugar a las diferentes clasificaciones de los modelos de

ubicación competitiva, Plastria (2000) menciona las clasificaciones que serán

comentadas a continuación.

2.2.1 La competencia

Al considerar la competencia, los modelos de ubicación competitiva se clasifican en:

• modelos con competencia estática

• modelos dinámicos o de equilibrio competitivo y

Page 24: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

• modelos con previsión a futuro

En los modelos de competencia estática se sabe de antemano que hay competencia en

el mercado en el que se desea ubicar una instalación. Se asume que el costo y esfuerzo

de la competencia para reaccionar ante la aparición de una instalación en su área de

servicio son grandes, por lo que tal reacción no afectará a la nueva instalación. Son los

modelos competitivos más simples, pero sirven de base para modelos más complejos.

En los modelos dinámicos se considera que al haber competencia el ambiente

cambia, por lo que se describen los ciclos de acción-reacción entre los competidores.

Una de las preguntas básicas en estos modelos es si es posible que existan situaciones de

equilibrio hacia las que el sistema tiende. Hotelling sentó las bases de los modelos de

equilibrio competitivo al estudiar en 1929 la ubicación de dos instalaciones a lo largo de

una línea [Scaparra et al., 2001].

En el caso de competencia con previsión se asume que se entra a un mercado

sabiendo que habrá competencia en el futuro. Problemas representativos de esta clase

son los denominados modelos secuenciales o de tipo Stackelberg, que consideran la

solución del modelo de optimización del competidor en cada evaluación [Plastria, 2000].

2.2.2 El mercado

El mercado está formado por todos los clientes junto con su demanda por un producto

o servicio. Cliente es una persona o grupo de personas que poseen un comportamiento

de demanda y ubicación específicos, por lo que suele llamarse punto-demanda [Plastria,

2000].

Una simplificación comúnmente utilizada consiste en dividir un área en secciones

homogéneas y usar el centro de gravedad de cada sección como la ubicación del punto

demanda que representa dicha sección [Sule, 2001]. La demanda de tal punto demanda

es la suma de los volúmenes de demanda que se generan en la sección que representa el

punto demanda.

Uno de los objetivos que generalmente se persigue al ubicar una instalación en un

mercado en el cual hay competencia es el de maximizar la demanda capturada por la

Page 25: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

nueva instalación. Dicha demanda capturada comúnmente se expresa como la suma del

volumen de su demanda de cada uno de los clientes que será satisfecho por la nueva

facilidad.

La distribución, las características y el comportamiento de la demanda dan lugar a

diferentes clasificaciones de los modelos de ubicación, que a continuación se describen.

1. De acuerdo con la distribución de la demanda se clasifica a los modelos en:

• modelos de demanda puntual cuando se especifica el volumen de demanda en

cada punto-demanda

• modelos de demanda regional cuando la demanda está dada por una distribución

espacial continua.

2. Teniendo en cuenta las características de la demanda se clasifica a los modelos en

• modelos con demanda elástica si ésta depende de la calidad del producto

• modelos con demanda inelástica cuando no depende de la calidad, como es el

caso de los productos básicos.

• Modelos con demanda estocástica si la demanda varía debido a circunstancias

inciertas.

3. Por otra parte, como ha sido mencionado anteriormente, es muy importante entender

el comportamiento de los clientes al elegir la facilidad donde habrán de satisfacer su

demanda. Una forma comúnmente empleada para modelar este comportamiento consiste

en definir para cada cliente una función de atracción hacia las facilidades [Drezner et al.,

2002]

Considerando la forma de definir la función de atracción se tienen la siguiente

clasificación de modelos:

• modelos de proximidad, que asumen que el cliente satisface toda su demanda en

la facilidad más cercana

• modelos aditivos, que consideran que hay más atributos que se toman en cuenta

aparte de la distancia, y se incorporan aditivamente a la función de atracción

Page 26: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

• modelos multiplicativos, si se consideran más atributos aparte de la distancia, y

se incorporan de forma multiplicativa a la función de atracción

Una vez que se tiene definida la función de atracción se distinguen dos modelos de

acuerdo con la forma en que los clientes satisfacen su demanda:

• modelo determinístico

• modelo probabilístico

El enfoque determinístico considera que los clientes eligen la facilidad que los atrae

más para satisfacer toda su demanda y en caso de haber empate entre dos o más

facilidades, se cuenta con reglas de desempate. En este caso el cliente siempre escoge la

misma facilidad, la que ejerce la atracción máxima sobre él. El conjunto de todos los

clientes que se sienten más atraídos hacia una facilidad que a cualquier otra se le llama

el área de mercado de dicha facilidad.

En el enfoque probabilístico se considera que la demanda se distribuye entre las

diferentes facilidades en base a una probabilidad que está dada en razón a la atracción

que el cliente siente por cada una de las facilidades. Esta es la única alternativa actual a

la regla de todo o nada que constituye el modelo determinístico.

2.2.3 Espacio de ubicación

El conjunto de localidades donde es posible establecer la nueva instalación

constituye el espacio de ubicación. De acuerdo al tipo de espacio de ubicación

considerado los modelos se clasifican en:

• modelos discretos cuando hay un número finito de ubicaciones candidatas donde

ubicar la instalación y se conoce la ubicación de los puntos-demanda. En estos

casos se conocen las distancias de punto-demanda a punto-candidato de manera

muy precisa y real

• modelos en redes, si tanto las demandas como las facilidades se pueden encontrar

en cualquier lugar a lo largo de las aristas, y la distancia que se considera es la de

Page 27: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

la ruta más corta. Por lo general la ubicación de las nuevas facilidades se

restringe a una parte específica de la red

• modelos continuos cuando la ubicación se determina por las coordenadas del

sistema coordenado en cuestión. La distancia que generalmente se utiliza en

estos modelos es la euclidiana.

A continuación se describen tres de los problemas más importantes en la teoría de

ubicación y que son los que representan a cada política de ubicación bajo estudio en el

presente trabajo.

2.3 El Problema de Weber

El problema de Weber es considerado como el modelo básico en la teoría de

ubicación. A pesar de la sencillez de su formulación, tiene muchas variantes, por lo que

hay un gran número de generalizaciones, extensiones y modificaciones de este

problema.

Desde el siglo XVII hasta el siglo XX ha habido muchas personas que han propuesto,

resuelto y redescubierto el problema de Weber. Es por esto que un problema común al

que se han enfrentado quienes se han dedicado a estudiarlo es cómo llamarlo. Algunos

de los nombres con que se conoce a este problema son: problema de Fermat, de Steiner,

de Weber, de Fermat-Torricelli, de Steiner-Weber, de Fermat-Weber, de mediana

espacial, de uno-mediana, de minisuma y de punto de traslado agregado.

Es usual dar el crédito de la propuesta básica al matemático francés Pierre de

Fermat,: “dados tres puntos en el plano, encontrar un cuarto punto de tal forma que la

suma de sus distancias a los tres puntos dados es un punto minisuma” [Drezner,et al,

2002]. Sin embargo también se le acredita al matemático italiano Evangelista Torricelli,

a quien se debe una solución geométrica del problema. Lo mismo se dice del

matemático italiano Battista Cavalieri: que él lo propuso y resolvió geométricamente.

El planteamiento general del problema de Weber es el siguiente: dados n puntos fijos

en el plano, cada uno con un peso asociado, encontrar el punto que minimice la suma

de las distancias ponderadas a los puntos fijos.

Page 28: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

El planteamiento del problema dual aparece en el diario de las damas o almanaque de

la mujer en el año 1755. En él se plantea el siguiente problema: se tienen 3 árboles

situados a distancias de 10, 12 y 16 cadenas entre ellos. Encontrar el mayor contenido

de un terreno equiangular de tres lados que tiene en cada lado uno de estos árboles. De

forma matemática el problema dual se propone así: dado cualquier triángulo,

circunscribir el mayor triángulo equilátero posible. Esta propuesta aparece por primera

vez en los anales de matemática pura y aplicada, volumen 1 de 1810-11 [Drezner et al,

2002].

Como se ha mencionado anteriormente, Alfred Weber propone la primera aplicación

del problema en 1909 sin embargo Tönu Puu (1997), afirma que Wilhelm Launhardt

publica los mismos resultados en 1882.

Considérese la propuesta de Alfred Weber en la que una firma busca la ubicación

óptima que minimice los costos de transportación cuando se tienen dos puntos fijos que

son fuente de materia prima y un tercer punto que representa al mercado. Es fácil intuir

que la ubicación óptima no puede estar fuera del triángulo formado por los tres puntos

fijos, pues estando en un punto exterior a dicho triángulo es posible moverse a algún

lugar dentro del triángulo disminuyendo al mismo tiempo las distancias a los tres

vértices.

En la figura 2.1 se muestra esta situación con un punto P cuyas distancias a los

puntos fijos son D1, D2 y D3. Al mover a P hacia el interior del triángulo se observa que

las distancias d1, d2 y d3 son menores que D1, D2 y D3, respectivamente.

Sin embargo una vez estando dentro del triángulo en alguna ubicación fija para la

firma, no es posible cambiar tal ubicación sin que se incremente alguno de los tres

costos de transportación.

En el punto óptimo las fuerzas se encuentran balanceadas, por lo que al moverse en

alguna dirección se tendrían ganancias y pérdidas en los costos de transportación, lo que

no es conveniente hacer movimiento alguno.

Page 29: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

Figura 2.1 La ubicación óptima no puede estar fuera del triángulo

Varignon propuso un método de solución basado en un aparato mecánico conocido

como máquina de Varignon [Tönu Puu, 1997]. Su idea básica es el balance de fuerzas

que se ejemplifica en la figura 2.1. La máquina de Varignon consta de un marco de

material muy liso, con tres hoyos en la ubicación de las fuentes de materia prima y del

mercado.

Si se amarran con un nudo tres listones, luego se pasa cada extremo por los hoyos y

se suspende de ellos el peso correspondiente a cada punto, entonces el nudo quedará en

reposo en el lugar correspondiente a la ubicación óptima de la firma. Esto se debe a que

el costo de transportación o peso de los puntos corresponde a la energía potencial de este

sistema. Ver figura 2.2

De manera análoga se puede afirmar que para que la ubicación óptima ocurra en

alguno de los hoyos, es suficiente que la fuerza neta que ejercen los pesos en los otros

hoyos sea igual al peso del listón en ese hoyo [Tönu Puu, 1997].

Page 30: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

Figura 2.2 Máquina de Varignon para encontrar el punto de Weber.

En los años 30 se puso de manifiesto un error que duró alrededor de 20 años: la

oficina de censos de EUA calculaba el centro de gravedad de poblaciones y le atribuía a

éste las propiedades del punto de mínimo traslado agregado, es decir, de la mediana

espacial de los puntos [Drezner et al, 2002]. Este sigue siendo un error común en sentido

contrario: al tratar de encontrar el punto de la mediana espacial, equivocadamente se

encuentra el centro de gravedad.

En 1936 el joven húngaro Endre Vaszonyi Weiszfeld propone un método iterativo

para hallar la mediana espacial para un número grande de puntos con pesos diferentes.

En él se propone derivar la función objetivo e igualarla a cero para obtener las

condiciones de optimalidad y de ellas separar parcialmente el punto (x, y).

Posteriormente se usa un proceso iterativo que mejora cada vez las soluciones

resultantes.

Debido a las dificultades de los cálculos involucrados en el proceso, este método

permanece sin ser usado hasta 1958, año en que Miehle lo redescubre al trabajar en un

problema derivado del problema de Steiner, y más tarde, en 1963, Cooper utiliza sus

ideas principales como parte de su famoso algoritmo de ubicación y asignación.

Page 31: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

2.4 El problema de Weber con Atracción y Rechazo

Hay ocasiones en que se tiene un conjunto de puntos demanda y se busca la

ubicación para una instalación pero la cercanía de esta instalación a algunos de los

puntos demanda es favorable, mientras que para otros puntos la cercanía es

desfavorable. Ejemplos de esto son la instalación de instalaciones deportivas o de

centros de recreación que pretenden estar accesibles a los usuarios potenciales, pero que

por otra parte producen ciertos efectos negativos como ruido y congestionamientos. Esta

situación da lugar a una variante del problema de Weber conocida como problema de

Weber con atracción y rechazo.

En este problema el objetivo consiste, al igual que en el problema de Weber, en

encontrar la ubicación de una instalación de manera que se minimice la suma ponderada

de sus distancias a los puntos demanda. La diferencia con el problema tradicional es que

a algunos de los puntos se les asigna un peso negativo.

El estudio del problema de Weber con atracción y rechazo es muy reciente. El primer

problema de ubicación que tiene que ver con pesos positivos y negativos es el llamado

problema complementario. Este problema fue propuesto por vez primera en el libro

“What is Mathematics?” que en 1941 escriben Courant y Robbins.

La propuesta del problema complementario es la siguiente: dados tres puntos en el

plano, dos de los cuales tienen un peso de +1 y el tercero tiene peso -1, encontrar un

cuarto punto de tal forma que la suma de las distancias euclidianas sea mínima. Krarup

(1998) muestra que Courant y Robbins resolvieron de manera incorrecta este problema

y propone un procedimiento geométrico para encontrar la solución correcta. Más tarde

Jalal y Krarup (2003) generalizan este procedimiento para cualquier combinación de

pesos positivos y negativos asociados a los vértices del triángulo.

El primero en considerar el problema de Weber en general con algunos pesos

negativos fue Tellier. Tellier estudió este problema en 1985, sin embargo publicó sus

resultados cuatro años más tarde junto con Polanski [Jalal et al., 2003]. Más tarde

Drezner y Wesolowski estudiaron el problema de Weber usando algunos pesos

negativos. En su trabajo la cercanía a algunos de los puntos involucrados era

desventajosa, y eso lo reflejaron asignándoles un peso negativo.

Page 32: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

Cuando se quiere ubicar una instalación y se asignan pesos negativos a algunos de los

puntos demanda, estos pesos se pueden interpretar como el grado de desaprobación de

los clientes hacia la instalación. Los clientes que están representados por los puntos

demanda con pesos negativos pueden no desear que la instalación esté cerca de ellos por

el riesgo que ésta representa, o bien debido al ruido que produce o al vandalismo que

genera, etc

En la situación extrema de que todos los pesos sean negativos la ubicación de la

facilidad se alejará de todos los puntos demanda. En este caso los costos de

transportación son irrelevantes debido al riesgo que la ubicación de tales instalaciones

conlleva. A este tipo de facilidad se le llama completamente indeseable, [Drezner et al,

2002].

Uno de los objetivos más comunes en los problemas de ubicación de facilidades

indeseables es el de minimizar el riesgo que provocan. Estos problemas tienen entre

otras aplicaciones la ubicación de plantas nucleares y de lugares de almacenamiento de

desechos tóxicos.

En 1981 Hansen, Peeters y Thisse proponen su famoso método de optimización

global conocido como cuadrado grande cuadrado pequeño o BSSS por sus siglas en

inglés. Este método se aplica para resolver problemas grandes de Weber con atracción y

rechazo y problemas de facilidades indeseables y fue generalizado por Plastria, (1992).

Drezner y Suzuki (2003) proponen una variante a este método. En ella triangulan la

región factible para resolver problemas no convexos, y prueban su método, triángulo

grande, triángulo pequeño, con problemas de facilidades indeseables y problemas de

Weber con atracción y rechazo. Resuelven problemas desde 10 hasta 10000 puntos

demanda, con pesos generados uniformemente en el intervalo [0, 1].

Los casos que encuentran más difíciles de resolver son precisamente aquellos en que

la mitad de los pesos son positivos y la mitad negativos, lo cual coincide con lo que

Maranas y Floudas reportan en 1994: que los problemas más fáciles de resolver son

aquellos en los que predominan ya sea los pesos positivos o los negativos.

Con el desarrollo de la optimización global se ha avanzado en la solución de

problemas “d-c”, que son aquellos en que su función objetivo y restricciones pueden

Page 33: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

escribirse como diferencia de funciones convexas. Pertenecen a esta clase el problema

de Weber con atracción y rechazo y el problema de la p-mediana condicional.

El problema de Weber con atracción y rechazo está relacionado en cierta forma con

la ubicación de facilidades semi-indeseables, esto es, facilidades que con algunos puntos

demanda tienen interacciones positivas, por lo que se desea su ubicación cerca de ellos,

pero por otra parte hay otros puntos demanda con los que tiene interacciones negativas y

se desea la ubicación lo más alejada posible de ellos.

Este tipo de problemas se modelan generalmente como problemas biobjetivo.

Carrizosa y Conde (2000) trabajan este problema en ambiente de redes y utilizan una

función agregada que depende de los costos de transportación y de la utilidad ambiental.

Muestran que cuando esta función agregada es la diferencia de la utilidad ambiental y

los costos de transportación, el problema se convierte en el problema de la p-mediana

con atracción y rechazo, y que bajo ciertas condiciones es posible afirmar que existe

solución óptima, con las p facilidades ubicadas en los nodos.

En la actualidad se sabe que si la suma de los pesos es positiva, el problema tiene

solución óptima [Carrizosa et al., 1999].

2.5 El problema de la Mediana Condicional

En el problema de la mediana condicional se encuentran establecidas de antemano

una serie de facilidades que sirven a un conjunto de puntos demanda, y se desea ubicar

una o más instalaciones con el propósito de mejorar el servicio a los clientes. El cliente

escogerá la nueva instalación para satisfacer su demanda sólo si está más cerca que la

facilidad que lo satisfacía anteriormente. Esta es una variante del problema de ubicación

y asignación conocido como problema de Weber de fuentes múltiples.

En el problema de Weber de fuentes múltiples se tiene un conjunto de clientes cuyas

ubicaciones y demandas se conocen. Se pretende ubicar varias instalaciones que

satisfagan las demandas de los clientes pero además se desea asignar a cada cliente una

facilidad. El objetivo es minimizar la suma ponderada de las distancias de los clientes a

su facilidad asignada. Como las facilidades no tienen restricciones de capacidad, cada

Page 34: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

cliente satisface su demanda en la facilidad que le resulte más cercana [Brimberg et al,

2000].

Cooper (1963) estudia ampliamente el problema de ubicación y asignación y propone

su famosa heurística de ubicación y asignación siguiendo muy de cerca el método

iterativo de Weiszfeld. Estudia además las propiedades de su función objetivo, como la

no convexidad y el hecho de que puede tener un gran número de óptimos locales

[Cooper, 1964].

En el problema de la mediana condicional se asume que se encuentra ubicado

previamente un conjunto de facilidades que sirven a un conjunto conocido de puntos

demanda, donde cada punto demanda tiene asignado un peso de acuerdo con su

demanda.

Se considera la construcción de facilidades adicionales de tal manera que se minimice

la suma ponderada de las distancias de los clientes a su facilidad más cercana, la cual

puede ser la que lo servía anteriormente, o alguna de las recién ubicadas. Esto es, se

buscan las ubicaciones que reduzcan lo más posible la suma ponderada de las nuevas

distancias de servicio de cada uno de los clientes.

Cuando el número de las nuevas facilidades a ubicar es p, el problema se conoce

como problema de la p-mediana condicional.

Lin estudia por vez primera este problema en 1975 al tratar de ubicar una nueva

instalación de emergencia en una red, [Chen et al, 1998]. El término “condicional” es

usado por primera vez por Minieka, al trabajar con centros y medianas en un grafo,

[Chen, 1988].

Un problema de centro es aquel en que se tiene un conjunto de puntos demanda, cada

uno de ellos con una distancia crítica y se considera cubierto si la nueva instalación esta

dentro de dicha distancia. Cada punto demanda tiene además asignado un peso y se

desea ubicar una instalación de tal manera que se maximice el peso total de puntos

demanda que son cubiertos por la instalación.

Minieka llama centro condicional al centro que junto con una serie de centros ya

establecidos maximiza el peso total de puntos cubiertos por todas las instalaciones,

incluyendo a la nueva.

Page 35: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

En su trabajo de 1988, Chen resuelve problemas condicionales minisuma y minimax

con hasta 200 clientes, tres facilidades existentes y de una a seis nuevas facilidades en el

espacio euclidiano. Propone una solución heurística que da buenos mínimos locales y es

una variante de su método de aproximación para el problema de Weber de fuentes

múltiples.

Más tarde, en 1998, Chen et al aplican el método de programación d-c, minimización

cóncava y la enumeración de vértices de politopos para resolver problemas de Weber

con fuentes múltiples, problemas de p-mediana condicional y de ubicación de

facilidades con distancias limitadas.

Trabajan con problemas de una nueva facilidad, desde 20 hasta 1000 clientes y desde

una hasta 20 facilidades existentes y con problemas de dos nuevas facilidades en

problemas de 10 a 200 clientes y desde una hasta 10 facilidades existentes.

Un algoritmo heurístico para problemas de p-mediana condicional es propuesto por

Drezner, (1995). Dicho algoritmo resuelve en cada iteración un problema de p-mediana.

En su trabajo, Drezner propone además un algoritmo óptimo para el problema de

1-mediana condicional.

Se presentan resultados computacionales del algoritmo heurístico aplicado a un

problema de 100 puntos demanda, 7 facilidades establecidas y una nueva instalación por

ubicar. Se usan 100 soluciones iniciales y se llega en total a 29 óptimos locales

diferentes.

Page 36: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

CAPÍTULO 3

MODELACIÓN MATEMÁTICA

El problema de decisión que se aborda en el presente trabajo considera tres políticas

asociadas a igual número de modelos matemáticos dentro de la teoría de ubicación de

instalaciones.

En este capítulo se presentan los supuestos del problema, se describen de manera

detallada cada una de las políticas y se plantean los modelos asociados.

Asimismo, se explica la manera en que se evalúa cada política considerando su

modelo correspondiente.

3.1 Supuestos

Como se ha mencionado con anterioridad, el problema que se aborda es el siguiente:

Una firma que planea ubicar una instalación en un mercado considera tres

políticas diferentes para tomar su decisión. En el espacio de ubicación se encuentran de

antemano establecidas otras facilidades con las cuales la nueva instalación competirá.

La firma desea evaluar las tres políticas con el fin de tomar su decisión utilizando la

política que le reditué la mayor captura de mercado.

Con el propósito de estudiar el problema de una manera sistemática se hacen las

siguientes consideraciones:

El mercado al cual planea entrar la firma está compuesto de n clientes representados

por las coordenadas de n puntos demanda en el espacio ( ) ( )1 ,01 ,0 × . Se tiene una

Page 37: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

demanda puntual e inelástica o fija, en la que cada cliente demanda una unidad del

producto que ofrecen las instalaciones.

Se eligió este espacio de ubicación porque se observó que es común considerarlo al

trabajar con problemas de ubicación. Esto sucede porque en cualquier espacio que se

tenga puede hacerse una normalización que resulte en el que aquí se considera.

El que la demanda de cada cliente sea implica que para la firma que planea la

ubicación todos los clientes tienen el mismo valor. Se puede pensar que esto ocurre con

instalaciones que brindan un servicio al cliente y donde una de las políticas es brindar el

mejor servicio a todos y cada uno de los clientes.

En el espacio de ubicación se encuentran previamente establecidas m instalaciones

del mismo tipo que el de la instalación que la firma desea ubicar. Se conocen las

coordenadas de ubicación de los puntos demanda y de las instalaciones establecidas.

Se asume que se tiene competencia estática, por lo que se considera que la

competencia no reacciona ante la nueva instalación. Se asume además que los clientes

satisfacen toda su demanda en la facilidad más cercana, y en caso de empate eligen la

nueva instalación. Cuando esto último sucede se dice que los clientes tienen una

orientación por la novedad [Plastria, 2001].

Se considera entonces un modelo de proximidad y determinístico en el espacio

continuo, en el cual la cercanía está determinada por la distancia euclidiana.

Se asume que la nueva instalación no tiene restricciones de capacidad, por lo que

puede satisfacer la demanda de todos los clientes que lo requieran.

Con estos supuestos cuando la firma establece su instalación, capturará a todos los

puntos demanda para los que la distancia a la nueva instalación es menor o igual que la

distancia de servicio que tenían.

3.2 Políticas de Decisión

A continuación se explica a detalle en qué consiste cada una de las políticas

consideradas y se plantean los modelos que se asociaron a cada una de ellas.

Page 38: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

3.2.1 Política 1: Modelo de Weber

Esta política no tiene en cuenta a la competencia a la hora de ubicar la instalación, es

decir, asume que se entra a un mercado virgen en el cual todos los clientes satisfacen su

demanda en la nueva instalación.

Se considera entonces solamente la ubicación de los clientes que forman el mercado

y se busca brindar un buen servicio estableciendo la instalación en el lugar que se

encuentre de manera integral lo más cerca posible de todos los clientes.

Una manera de asegurar tal cercanía consiste en instalarse en el lugar que minimice la

suma de las distancias de la instalación a cada uno de los clientes, por lo que se utiliza el

planteamiento del problema de Weber:

Dadas las posiciones de n clientes en el espacio continuo, así como sus demandas,

¿dónde se debe ubicar una instalación de tal forma que se minimice la suma de las

distancias ponderadas de la instalación a cada uno de los clientes?

El modelo del problema de Weber es el siguiente:

∑=

n

iiiyx yxdw

1, ),(min

donde

),( ii ba = coordenadas del i -ésimo cliente.

iw = peso asociado al i -ésimo cliente.

),( yxdi = 22 )()( ii byax −+− = distancia del i-ésimo cliente al punto (x, y).

Generalmente el peso asociado a cada cliente corresponde a su demanda y como se

asume en este problema que la demanda de cada cliente es uno, se tiene que iw =1 para

todo cliente i .

La política uno, a la que en adelante se hará referencia indistintamente como primera

política o política de Weber, se representa entonces por el siguiente modelo:

∑=

n

iiyx yxd

1, ),(min (3.1)

Page 39: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

Se describe enseguida la segunda política que la firma considera para ubicar su

instalación.

3.2.2 Política 2: Modelo de Weber con atracción y rechazo

Esta política pretende determinar la ubicación para la instalación en la que se brinde

un buen servicio a todos los clientes y en la cual se asegure además que no habrá cerca

competidores. Se consideran las ubicaciones tanto de clientes como de facilidades ya

establecidas, pero de manera diferente.

Al igual que en el caso anterior, una forma de modelar el hecho de que se desea

brindar un buen servicio es minimizando la suma de las distancias de la nueva

instalación a cada uno de los clientes. Sin embargo, se debe asegurar que la nueva

instalación no se ubicará cerca de las instalaciones ya establecidas.

Una manera en que se puede modelar esta situación consiste en asignar un peso

negativo a cada una de las instalaciones previamente establecidas e incorporar los

términos resultantes en la suma de distancias que se pretende minimizar.

Esta idea coincide con el planteamiento del problema de Weber con atracción y

rechazo, que como se ha mencionado ya, es una variante del problema original de

Weber. Es por ello que se decidió asociar este modelo a la segunda política.

El planteamiento del problema de Weber con atracción y rechazo es el siguiente:

Se tiene un conjunto de puntos demanda en el espacio continuo los cuales tienen

asociados pesos que pueden ser positivos o negativos. El objetivo es encontrar el punto

que minimice la suma ponderada de sus distancias a cada uno de los puntos demanda.

En el problema de estudio a los n puntos demanda que corresponden a los clientes se

les asigna un peso igual uno, mientras que a los puntos correspondientes a las m

facilidades previamente establecidas se les asigna un peso negativo, que es igual para

toda instalación. Al final del siguiente capítulo se explica cómo se asignaron los pesos

negativos de las facilidades en las instancias de la experimentación.

Page 40: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

Se tiene entonces el siguiente modelo:

+ ∑∑

==

m

jC

n

iAyx yxdwyxd

ji11

, ),(),(min (3.2)

donde

A i = ),( ii ba = coordenadas del i -ésimo cliente.

C j = ),( jj dc = coordenadas de la j -ésima instalación ya establecida.

w = valor negativo asociado a cada instalación ya establecida.

),( yxd P = distancia del punto P al punto (x, y).

{ }ni ,...,2,1∈ y { }mj ,...,2,1∈ .

En adelante se hará referencia a la política 2 como segunda política o política de

rechazo.

A continuación se describe en qué consiste la tercera política y se presenta el

planteamiento de su modelo correspondiente.

3.2.3 Política 3: Modelo de 1-mediana condicional

Esta política consiste en considerar a las instalaciones ya establecidas como propias y

buscar entonces la ubicación donde la nueva instalación, en conjunto con las

instalaciones previamente establecidas, mejore lo más posible el servicio a los clientes.

De alguna forma esta política muestra especial interés por aquellos clientes que están

más inconformes con el servicio que reciben de las instalaciones ya establecidas, y busca

satisfacer la demanda de la mayor cantidad de ellos.

Como se ha supuesto que todo cliente satisface su demanda en la facilidad más

cercana, y que en caso de empates optan por la nueva instalación, los clientes que

capturará la nueva instalación son aquellos para los cuales su distancia a la nueva

instalación resulte ser menor o igual a su actual distancia de servicio.

Page 41: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

El problema de la 1-mediana condicional, también conocido como problema

condicional de Weber, se utiliza comúnmente cuando una firma con facilidades

establecidas en el mercado planea una expansión, con el objetivo de mejorar el servicio a

los clientes. Es por ello que se seleccionó este modelo para asociarlo a la tercera política,

a la que en adelante se hará referencia como tercera política o política de condicional.

El planteamiento del problema de la 1-mediana condicional es el siguiente:

Se tienen establecidas m instalaciones que sirven a un conjunto de n clientes y se

busca la ubicación para una nueva facilidad de tal forma que se minimice la suma de

las distancias de servicio de cada uno de los clientes. Cada cliente será servido por la

instalación que resulte más próxima a él, que puede ser la que lo servía originalmente o

bien la nueva instalación.

El modelo matemático que refleja la situación anterior es el siguiente:

}{[ ]

∑=

),(,minmin11

, yxdD ii

n

yx (3.3)

donde

),( ii ba = coordenadas del i -ésimo cliente.

),( jj dc = coordenadas de la j-ésima instalación ya establecida.

),( yxdi = 22 )()( ii byax −+− = distancia del punto (x, y) al i-ésimo cliente.

22 )()(),( jijiiij dbcabad −+−= = distancia de la instalación j al cliente i .

),(min1 iijmji badD

≤≤=

{ }ni ,...,2,1∈ y { }mj ,...,2,1∈

A continuación se describe la forma evaluar cada una de las políticas usando sus

modelos correspondientes, para poder tomar la decisión sobre dónde ubicar la nueva

instalación.

Page 42: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

3.3 Evaluación de las Diferentes Políticas

La evaluación de una política está directamente relacionada con la demanda

capturada por la nueva instalación al ser ubicada en el punto que resulta al resolver el

modelo asociado a dicha política. La política mejor evaluada es aquella que logra la

mayor captura de demanda.

Debido a los supuestos de este problema, la captura de una nueva instalación consiste

en el total de clientes capturados, es decir, el total de clientes para los cuales la distancia

a la nueva instalación es menor o igual que su distancia de servicio.

Por otra parte, conviene recordar que la distancia de servicio de un cliente es la

menor de las distancias del cliente a cada una de las facilidades existentes.

Resumiendo, para evaluar una política es necesario resolver su modelo asociado y

contar el número de clientes para los cuales su distancia al punto solución es menor que

su distancia de servicio.

Page 43: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

CAPÍTULO 4

EXPERIMENTACIÓN

En este capítulo se describe el experimento que se diseñó con el propósito de evaluar

las tres políticas de ubicación que una firma considera al buscar la ubicación para su

instalación en un mercado con competencia.

Se definieron tres tipos de instancias en las que se enunciaron los objetivos

particulares que se esperaba lograr. Se diseñó en cada caso un experimento para tratar de

determinar si algunas características de estas instancias sugieren que es más conveniente

aplicar una política sobre las otras

Se tenían algunas hipótesis de que en instancias con ciertas características específicas

alguna política en particular pudiera ser la que tuviera el mejor desempeño. Ello dio

lugar a la definición de los tres tipos de instancias con los que se trabajó en la

experimentación.

Como se mencionó en el capítulo anterior, se puede hacer referencia como política de

Weber a la primera política, política de Rechazo a la segunda y política de Condicional a

la tercera.

Page 44: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

4.1 Descripción del experimento

Luego de discutir las diversas situaciones que se pueden observar en la realidad en el

ámbito de las instalaciones competitivas, se decidió definir las siguientes clases de

instancias para obtener información acerca del desempeño de las tres metodologías:

• Instancias en las que tanto los clientes como las facilidades se encuentran

aleatoriamente ubicados de manera uniforme en el área ( ) ( )1 ,01 ,0 × . Se hace

referencia a esta clase de instancias como la clase aleatoria.

• Instancias con las facilidades y la mayoría de los clientes aleatoriamente

ubicados de manera uniforme en el área ( ) ( )1 ,01 ,0 × y donde el resto de los

clientes se encuentran agrupados en un área menor que se localiza a cierta

distancia de ( ) ( )1 ,01 ,0 × . Esta se denomina la clase agrupada.

• Instancias donde los clientes se encuentran ubicados como en las dos clases

anteriores pero que sus facilidades se están aleatoriamente ubicadas de manera

uniforme en un área reducida situada alrededor del centro de ( ) ( )1 ,01 ,0 × . Se

llama a esta clase de instancias la clase reducida.

Para cada clase se diseñó un experimento específico con el fin de obtener

información que permitiera afirmar que las características de dicha clase influyen en el

desempeño de las políticas y para tratar de establecer la ventaja de alguna política sobre

las otras dos.

A continuación se describen los experimentos que se diseñaron para cada clase.

4.1.1 Experimentos para la clase aleatoria

En este caso los clientes y las facilidades se encuentran aleatoriamente ubicados de

manera uniforme en el área ( ) ( )1 ,01 ,0 × , como se muestra en el ejemplo de la figura 4.1.

Page 45: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

Como se recordará, en este estudio se asume que se conoce el número n de puntos

demanda y el número m de facilidades establecidas, así como sus coordenadas de

ubicación, que en esta clase aleatoria se hallan ubicados de manera aleatoria. Se desea en

esta clase de instancias determinar si los números n y m afectan el desempeño de las

metodologías.

0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 1.1

Eje x del espacio de ubicación

Eje

y de

l esp

acio

de

ubic

ació

n

ClientesFacilidades

Figura 4.1 Instancia con 40 clientes y 4 facilidades aleatoriamente ubicados.

Debido a lo anterior se decidió considerar al número n de clientes y el número m de

facilidades establecidas como las variables controlables de este experimento.

Se enunciaron los siguientes objetivos para la clase aleatoria:

• Para cada política determinar si el número de clientes y de facilidades

establecidas afectan su desempeño.

• Evaluar el desempeño individual de cada política.

• Comparar el desempeño de las tres políticas con el fin de determinar si alguna de

ellas tiene el mejor desempeño en esta clase de instancias.

Page 46: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

En la clase aleatoria se planteó la hipótesis de que la política de Weber sería la mejor

evaluada de las tres políticas.

Para tratar de lograr los objetivos y validar la hipótesis planteada, se diseñaron los

experimentos que se describen a continuación. En todos ellos la variable de respuesta o

índice de desempeño es una normalización de la captura resultante al instalar la nueva

instalación en el punto solución de cada metodología. Más adelante se explica a detalle

en qué consiste tal normalización.

Experimento I-1: Para determinar si el número de clientes y de facilidades

establecidas afectan el desempeño de cada política, se utilizó un diseño factorial de 2

factores a tres niveles con las siguientes características:

1. Niveles para el número de clientes: 20, 40 y 60.

2. Niveles para el número de facilidades: 1, 2 y 4. Ello equivale a que las

facilidades competidoras capturan originalmente el total, la mitad y la cuarta

parte de la demanda total en promedio, respectivamente.

3. Se hicieron 20 réplicas del experimento para cada una de las 32 = 9 corridas

experimentales.

Una vez hecho el diseño, se analizó el modelo general lineal con dos factores y con

interacciones con el fin de determinar la significancia estadística de cada uno de los

factores así como de su interacción. Sin embargo, no se pudieron enunciar los resultados

que dicho modelo arrojó porque no se cumplieron los supuestos requeridos por esta

prueba, como se explica a detalle en el capítulo 6.

Por consiguiente, se trabajó de manera individual con cada factor, determinando su

significancia mediante las pruebas no paramétricas de igualdad de medianas de

Kruskal-Wallis y de Mood [Gibbons, 1976]. Se realizó además el correspondiente

análisis de varianza, (ANOVA), al relajar los supuestos, para determinar si había

concordancia en todos resultados.

Page 47: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

En caso de que alguna política tuviera significancia estadística en un factor, se

comparó el desempeño de cada nivel mediante los intervalos de confianza para la

mediana. Asimismo se relajaron los supuestos de la prueba de comparación múltiple de

Hsu [Hsu, 1996], esperando encontrar concordancia en ambos resultados.

Experimento I-2: Se evaluó el desempeño individual de cada política haciendo en

cada caso una prueba de hipótesis sobre el valor de la mediana del índice de desempeño

correspondiente.

Debido a la definición del índice de desempeño, la cual se explica más adelante, el

obtener un valor mayor que uno resulta en un buen desempeño de la política. Por ello en

la prueba de hipótesis se investigó si la mediana de los valores del índice de desempeño

es mayor que uno.

Experimento I-3: Se pretendía comparar los desempeños de las tres políticas

mediante la comparación múltiple de Hsu, sin embargo, no se cumplieron los supuestos

requeridos. Por ello se compararon los desempeños de las políticas mediante las pruebas

de Kruskal-Wallis y de Mood y se validaron los resultados obtenidos al compararlos con

los que arrojó la prueba de Hsu al relajar los supuestos.

En todas las etapas del experimento se utilizaron las instancias descritas para el

diseño factorial.

4.1.2 Experimentos para la clase agrupada

En este tipo de instancias las facilidades y la mayoría de los clientes se encuentran

ubicados aleatoriamente y distribuidos de manera uniforme en el área ( ) ( )1 ,01 ,0 × , a la

que se hace referencia como área original de ubicación. El resto de los clientes se

encuentran agrupados al este del área original a una cierta distancia. El agrupamiento se

ubica en un cuadrado cuya área es proporcional al área original, con respecto a la

cantidad de clientes en cada una de las áreas.

Page 48: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

Se decidió tomar el agrupamiento de esta forma pensando en la situación en que la

densidad de clientes en el espacio original se conservara en el agrupamiento. Aunque

esto puede no cumplirse siempre, es razonable para una primera aproximación del

problema.

La figura 4.2 muestra una instancia con un agrupamiento de 10 clientes que se

encuentra ubicado en un área de 1/6 unidades cuadradas, ya que en el área original hay

60 clientes.

En esta clase de instancias, a diferencia de la clase aleatoria, no se esperaba que el

número de clientes y de facilidades establecidas afectaran el desempeño de las

metodologías consideradas.

Las características que se esperaba que pudieran afectar tal desempeño corresponden

a las siguientes propiedades del agrupamiento:

a) su distancia del área original de ubicación ( ) ( )1 ,01 ,0 × y

b) la cantidad de clientes en él, pero no vista de forma aislada, sino comparada con

el promedio de captura de clientes por facilidad existente.

Se definió la distancia del agrupamiento al área original como la mínima distancia

horizontal entre puntos del área de ubicación del agrupamiento y el área ( ) ( )1 ,01 ,0 × . Se

definió de esta forma para facilitar la construcción de las instancias.

Así por ejemplo considérese una instancia cuyo agrupamiento está ubicado en el

cuadrado ( ) ( )eddecc +×+ , , y tiene 1n clientes, mientras que en el área original hay n

clientes. En este problema la distancia del agrupamiento al área original es 1−c y

debido a la proporción que el área en que se ubica el agrupamiento debe cumplir, se

tiene que nn

e 12 = .

La instancia que muestra la figura 4.2 tiene un agrupamiento que se ubica en

( ) ( )582.0 ,174.0908.1 ,5.1 × a una distancia de 0.5 del área original.

Page 49: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

En lo que respecta al tamaño del agrupamiento, se hizo referencia a él mediante el

porcentaje que el número de clientes en dicho agrupamiento representa del promedio de

captura por facilidad. En el ejemplo de la figura 4.2 el agrupamiento tiene tantos clientes

como el promedio de captura por facilidad.

0

0.2

0.4

0.6

0.8

1

1.2

0 0.5 1 1.5 2Eje x del espacio de ubicación

Eje

y de

l esp

acio

de

ubic

ació

n

Clientes en (0, 1)X(0, 1) Clientes agrupados Facilidades

Figura 4.2 Instancia con 7 facilidades y 70 clientes, 10 de ellos agrupados.

Se consideraron instancias con un número fijo de 72 clientes, 6 de los cuales estaban

agrupados. Se variaron las distancias horizontales del agrupamiento al espacio original

de ubicación ( ) ( )1 ,01 ,0 × y se consideraron diferentes porcentajes de clientes en el

agrupamiento. Cabe hacer notar que los porcentajes de clientes en el agrupamiento, una

vez que se ha fijado el número de clientes y el número de ellos en el agrupamiento, se

obtiene variando el número de facilidades.

Las variables controlables que se consideraron en esta clase son la distancia del

agrupamiento al área original y el porcentaje de clientes en el agrupamiento con respecto

al número total de clientes.

Como se esperaba encontrar resultados análogos a los de la primera clase se

utilizaron experimentos similares, adecuándolos a la situación particular de la clase

Page 50: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

agrupada. Se definió de la misma forma la variable de respuesta o índice de desempeño

para cada política, ésta se explica en el punto 4.2.

En esta clase se tenía la hipótesis de que la política de Condicional sería la política

con el mejor desempeño.

Experimento II-1: Para el primer objetivo se utilizó un diseño factorial de 2 factores a

tres niveles. Las características correspondientes a este diseño fueron:

1. Niveles para el porcentaje de clientes en agrupamiento: 25, 50 y 100. Esto quiere

decir que se consideraron 3, 6 y 12 facilidades, ya que como se mencionó, todas

las instancias tenían 72 clientes, 6 de los cuales estaban agrupados.

2. Distancias horizontales del agrupamiento a ( ) ( )1 ,01 ,0 × : 0, 0.25 y 0.5 unidades.

3. Al igual que en la primera clase, se hicieron 20 réplicas del experimento.

Se pretendía analizar el modelo general lineal con interacción, pero al igual que en la

clase aleatoria, no se cumplió con los supuestos, por lo que se trabajó de la misma

forma que se describe en el experimento I-1.

Experimentos II-2 y II-3: La evaluación del desempeño individual de cada una de las

políticas y la comparación de dicho desempeño entre ellas se realizaron de la misma

manera que en el caso de la clase aleatoria.

4.1.3 Experimentos para la clase reducida

En esta clase se trabajó con instancias con las mismas características de los clientes

que en las dos clases anteriores, pero cuyas facilidades se encontraban aleatoriamente

ubicadas y distribuidas de manera uniforme en un área reducida de 1/16 unidades

cuadradas situada alrededor del centro del área ( ) ( )1 ,01 ,0 × .

Se pretendía comparar los resultados obtenidos en estas instancias con los

correspondientes resultados obtenidos en las primeras dos clases, por lo que se utilizaron

Page 51: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

las mismas instancias de las clases anteriores, a las que se les cambió la ubicación de las

facilidades por otras situadas en un área menor. Se descartaron únicamente las instancias

de la clase aleatoria con una sola facilidad.

Se consideran entonces en esta clase dos subclases de instancias:

• La subclase 3 aleatoria consiste de instancias con clientes aleatoriamente

distribuidos de manera uniforme en ( ) ( )1 ,01 ,0 × .

• La subclase 3 agrupada consta de instancias con la mayoría de los clientes

ubicados aleatoriamente y distribuidos de manera uniforme en el área

( ) ( )1 ,01 ,0 × , y el resto de ellos agrupados al este del área original a una cierta

distancia.

Ambas subclases tienen en común que las facilidades se encuentran ubicadas en un

área reducida. La figura 4.3 muestra un ejemplo de cada subclase.

Figura 4.3 a) Ejemplo de una instancia de la subclase 3 aleatoria.

b) Ejemplo de una instancia de la subclase 3 agrupada.

Page 52: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

Para cada subclase de instancias se pretendía lograr objetivos similares a los de la

clase de la cual provienen, por lo que en estas instancias se realizaron los mismos

experimentos que se hicieron en la clase de donde provienen.

Para efectos de claridad en la discusión de los resultados, los experimentos realizados en

la subclase 3 aleatoria y en la subclase 3 agrupada se renombran como III-1A, III-2A ,

III-3A y III-1B, III-2B y III3B, respectivamente.

Experimentos III-4A y III-4B: En cada subclase se comparó el desempeño de cada

política con el desempeño que dicha política obtuvo en la clase anterior mediante una

comparación de medianas de las correspondientes variables de respueta..

Para esta clase de instancias se tenía la hipótesis de que en la subclase aleatoria el

mejor desempeño fuera para la política de Rechazo y que en la subclase agrupada la

política de Condicional fuera la mejor evaluada.

4.2 Variable de respuesta o índice de desempeño

En cada una de las fases del experimento era necesario evaluar los resultados que

arrojan cada una de las tres políticas. Como se mencionó anteriormente, la evaluación de

cada política está directamente determinada por la captura que la nueva instalación

obtiene al ser ubicada en el punto solución de la metodología asociada a dicha política.

Por otra parte, el mercado capturado por la nueva facilidad consiste en el conjunto de

clientes o puntos demanda para los cuales la nueva instalación resulta estar más cerca de

ellos que cualquier otra facilidad existente.

Teniendo en cuenta lo anterior se decidió considerar como medida de desempeño

para cada una de las fases del experimento a una normalización de la captura de mercado

de la nueva instalación. Si se tiene una instancia con m facilidades establecidas y n

puntos demanda y se encuentra que la nueva instalación captura p puntos demanda,

entonces el índice de desempeño I está dado por ( )1+

= m

npI

Page 53: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

Esta medida de desempeño representa la proporción del promedio de captura que

obtiene la nueva facilidad considerando que luego de instalarse habrá m+1 facilidades

que se disputarán el total del mercado presente. Así por ejemplo, si la nueva facilidad

obtiene un índice de desempeño de 1 o mayor, se puede decir que su desempeño es

bueno, pues ello significa que obtuvo tanto o más demanda que el promedio de captura

de las facilidades ya instaladas.

Teniendo en mente la idea de una sociedad justa y equitativa es sensato pensar que la

firma estaría satisfecha con la política que obtuviera al menos 1 como índice de

desempeño, pues ello implicaría que la captura al ubicar la instalación en el punto

correspondiente sería al menos igual al promedio de captura por facilidad. Se recuerda

que en este estudio la ubicación de la instalación se basa en tres políticas particulares

que la firma puede considerar.

4.3 Ajuste de peso de rechazo

Como ya se ha mencionado, en el problema de Weber con atracción y rechazo se

busca minimizar la suma ponderada de las distancias a un conjunto de puntos dados. En

el problema de estudio, los puntos demanda tienen asociado un peso de 1, que

corresponde a su demanda, mientras que las facilidades existentes tienen un peso

negativo.

El peso negativo asociado a las facilidades existentes determina en cierta forma el

nivel de rechazo que dichas facilidades sienten por la nueva facilidad. Enseguida se

explica cómo se determinó el peso negativo para de las instancias en las tres clases

consideradas.

Page 54: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

4.3.1 Clase aleatoria

Al resolver las instancias bajo la segunda política, correspondiente al modelo de

Weber con atracción y rechazo, en un principio se dio un peso de -1 a cada una de las

instalaciones establecidas. Sin embargo al resolver instancias con 40 y 60 puntos

demanda, se observó que las soluciones encontradas resultaban estar muy cerca de las

soluciones halladas bajo la primera política.

Ello sugería que el peso de rechazo debía estar dado en función del tamaño de la

instancia considerada. Se pensó que el valor negativo que se debía asignar a las

facilidades establecidas debía estar en función del promedio de captura de cada una de

estas facilidades.

Con el propósito de establecer el peso de rechazo que debía asignarse a cada tamaño

de instancia se intentó hacer un análisis de varianza donde el factor es el peso negativo,

al cual se le asignaron diferentes valores.

Se consideraron instancias con 40 clientes y 4 facilidades establecidas, en las cuales

el promedio de captura por facilidad es 10. Se utilizaron los niveles de 2, 4, 6 y 8 para

los pesos negativos que se usaron en el planteamiento de la segunda política. Los pesos

seleccionados corresponden al 20, 40, 60, 80 % del promedio de captura por facilidad.

Como no fue posible justificar los supuestos del análisis de varianza, se realizaron las

pruebas no paramétricas de Kruskal-Wallis y de Mood cuya hipótesis nula es que las

medianas en los diferentes niveles de un tratamiento son iguales.

Los resultados de ambas pruebas mostraron que no había diferencia significativa en

la mediana de la variable de respuesta, por lo que era posible usar cualquiera de los

pesos considerados.

Se decidió tomar el peso -2 por ser el peso en que se encontró el mayor valor para la

mediana. Este valor representa el 20% del promedio de captura por instalación

previamente establecida. Por eso se dio al peso de rechazo el valor que corresponde al

Page 55: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

20% del promedio de captura por facilidad establecida. La tabla 4.1 muestra los pesos

asignados a las instancias de esta clase de acuerdo al número de clientes y de

instalaciones establecidas.

Tabla 4.1 Pesos asignados a las instancias de la clase aleatoria

4.3.2 Clase agrupada

En esta clase se realizaron también las pruebas de Kruskal-Wallis y de Mood para

determinar el peso que se debía asignar a las instancias de esta clase en el modelo de

Weber con atracción y rechazo. Se trabajó con las instancias de 72 puntos demanda, 6 de

ellos agrupados a una distancia de 0.25 del área original de ubicación, y con 6

facilidades existentes. En estas instancias el promedio de captura por facilidad es de 12.

Se usaron los valores de 2, 6 y 10 para los niveles del peso de rechazo. Los resultados

mostraron que no había diferencia significativa en los valores de la mediana del índice

de desempeño con los niveles seleccionados y que el mayor valor para la mediana se

obtuvo cuando w = - 6.

Ya que 6 es la mitad del promedio de captura por facilidad, se decidió tomar el 50%

del promedio de captura por facilidad en todas las instancias de la clase agrupada. La

tabla 4.2 muestra los valores del peso negativo para las instancias de esta clase.

Page 56: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

Tabla 4.2 Pesos asignados a las instancias de la clase reducida.

4.3.3 Clase reducida

Las instancias de esta clase provienen de la clase aleatoria y la clase agrupada, por lo

que los pesos asignados son los mismos que se utilizaron en las clases respectivas.

4.4 Implementación computacional

Para llevar a cabo los experimentos descritos en el presente capítulo, era necesario

generar en cada clase un conjunto de instancias con las características correspondientes a

dicha clase.

Luego, para cada instancia se debía encontrar la variable de respuesta para cada una

de las políticas. Como se ha mencionado, se requiere en cada caso evaluar la captura que

se obtiene en el punto solución que arroje la metodología asociada a cada política.

Enseguida se describe la manera en que se llevó a cabo proceso mediante el cual se

realizó lo anterior.

4.4.1 Generación de instancias

Las instancias para cada una de las clases que se utilizaron en el experimento fueron

generadas mediante programas en C++. En cada caso se hizo un programa que generaba

Page 57: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

dos tipos de archivos de texto: uno para ser utilizado por el software GAMS [Brooke et

al., 1992] y otro para ser utilizado por un programa en C++. Ambos archivos

representaban las coordenadas de los clientes y las facilidades existentes en el formato

correspondiente para ser leído por GAMS y por el programa escrito en C++ para evaluar

la captura.

4.4.2 Evaluación de la variable de respuesta

El punto solución que arroja cada política de ubicación se obtuvo mediante la

utilización del optimizador “dnlp” del GAMS para resolver el programa correspondiente

a cada caso. Dicho optimizador es utilizado para resolver programas no lineales con

derivadas discontinuas, como resultan ser cada uno de los modelos considerados para las

políticas de ubicación.

GAMS requiere un formato específico para los datos que utiliza y puede leerlos de

archivos de texto que cumplan con este formato. Por consiguiente, el generador de

instancias fue diseñado de modo que generara los datos de manera conveniente para ser

leídos por GAMS.

Una vez encontrado el punto solución correspondiente a cada política, los tres puntos

obtenidos se anexan al segundo archivo que generó el programa en C++. Se hizo un

segundo programa en C++ que evalúa la captura de cada punto solución.

Cabe hacer notar que al resolver las instancias con los modelos del problema de

Weber y el problema de Weber con atracción y rechazo se obtuvo en cada caso siempre

la misma respuesta, sin importar la solución inicial de la cual se parta en GAMS. Es por

ello que se fijó el punto (0,0) como solución inicial para todas las instancias al

considerar las primeras dos políticas.

Para la tercera política, para la cual las instancias se resuelven utilizando el modelo

de la 1-mediana condicional, se encontraron diferentes óptimos locales dependiendo de

Page 58: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

la solución inicial de la cual se partía. Es por ello que se utilizaron 50 puntos iniciales

generados aleatoriamente de manera uniforme en el área de ubicación y se tomó la mejor

solución encontrada.

Una vez obtenida la captura de cada solución, se evalúa el desempeño de cada

política encontrando la medida de desempeño descrita arriba y se vacían estos datos a

una tabla de resultados.

4.4.3 Análisis de los resultados

Para cada clase de instancias se vaciaron los datos correspondientes a la variable de

desempeño de cada una de las políticas a una tabla de resultados. Se utilizó el software

MINITAB release 14.12.0 (2004) como herramienta estadística para poder analizar los

datos mediante las pruebas descritas en este capítulo y así poder establecer conclusiones.

Page 59: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

CAPÍTULO 5

RESULTADOS

Se describen a continuación los resultados que se obtuvieron en cada etapa de la

experimentación descrita en el capítulo anterior. Asimismo, se presentan comentarios y

observaciones acerca de dichos resultados.

5.1 Resultados para la clase aleatoria

Como se mencionó en el capítulo anterior, la clase aleatoria se compone de instancias

con facilidades y puntos demanda aleatoriamente distribuidos de manera uniforme en el

espacio ( ) ( )1 ,01 ,0 × . En esta clase de instancias se construyó un diseño factorial cuyos

factores son el número de puntos demanda y el número de facilidades existentes. Los

niveles de los puntos demanda fueron 20, 40 y 60, y para las facilidades los niveles

seleccionados fueron 1, 2 y 4.

Las capturas que se obtuvieron en cada una de las tres políticas fueron muy variables.

Así por ejemplo, en una instancia con 1 facilidad y 40 puntos demanda, se encontró con

la política de Weber que la nueva instalación capturaba 35 puntos demanda, quedando 5

solamente para la facilidad existente, mientras que en otra instancia del mismo tamaño,

Weber capturó solamente 6 puntos demanda, dejando 34 para la facilidad existente.

Los objetivos en esta clase eran:

Page 60: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

• Para cada metodología determinar si los factores definidos afectan su

desempeño.

• Comparar el desempeño de las tres metodologías con el fin de determinar si

alguna de ellas tiene el mejor desempeño en esta clase de instancias.

• Evaluar el desempeño individual de cada metodología.

A continuación se describen los resultados que se encontraron al llevar a cabo los

experimentos I-1, I-2 y I-3 diseñados con el fin de lograr tales objetivos.

5.1.1 Desempeño de las políticas en base a los factores

5.1.1.1 Política de Weber

Con el propósito de lograr el primer objetivo se realizó en Minitab el análisis

estadístico del modelo de efectos fijos

ijkijjiijky ετββτµ ++++= )(

En él µ representa el efecto promedio global, iτ es el efecto del i-ésimo nivel del

primer factor, jβ es el nivel j-ésimo nivel del segundo factor, ( )ijτβ es la interacción

entre iτ y jβ y ijkε es el error aleatorio. Este modelo tiene como supuesto la normalidad

de los residuos y varianza constante, aunque desconocida.

Tabla 5.1 Resultados del modelo general lineal con dos factores.

Page 61: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

Los resultados mostrados en la tabla 5.1 indican que el número de facilidades es

significativo, es decir, afecta el desempeño de la política de Weber, no así el número de

puntos demanda ni la interacción puntos demanda – facilidades.

Se observa que los valores de R2 y R2 ajustada son muy pequeños, y como se sabe, en

general se esperan valores mayores a 60% para R2 ya que ésta representa

totalvariaciónLa variaciónla deexplicar puede se que Lo . Los valores encontrados pueden justificarse en

parte por el tipo de problemas que se está manejando, pero para poder establecer

seriamente que es así, se buscó una cota superior R2upper con la cual comparar los

resultados.

Para ello, para cada ijky se utilizó un error ijke = ijky - .ijy , se calculó el valor de R2

upper como 1-SS ijke /SS ijky y se encontró que R2 upper fue 5.908%. Con ello se

comprobó que a pesar de lo pequeño del número, este es un buen valor para R2. Como el

error utilizado es el promedio de todas las observaciones, R2 upper es una buena cota.

En relación a los supuestos, se trató de verificarlos mediante las gráficas de los

residuales que se muestran en la figura 5.1

Residual

Por

cent

aje

210-1-2

99.9

99

90

50

10

1

0.1

Valores Ajustados

Res

idua

l

1.71.61.51.41.3

1

0

-1

Residual

frec

uenc

ia

1.20.80.40.0-0.4-0.8-1.2

30

20

10

0

Orden de Observación

Res

idua

l

180160140120100806040201

1

0

-1

Gráfica de Probabilidad Normal de los Residuales Residuales Contra Valores Ajustados

Histograma de los Residuales Residuales contra el Orden de los Datos

Gráfica de Residuales para Weber en Aleatorios

Figura 5.1 Gráfica de residuales de la política de Weber en la clase 1.

Page 62: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

Por otra parte, y como se tenía tanta variación, se hizo una prueba para determinar si

se contaba con el supuesto de varianza constante, aunque desconocida. En la figura 5.2

se muestran los resultados de Minitab para las pruebas de Bartlett y de Levene de

igualdad de varianzas.

95% Bonferroni Confidence Intervals for StDevs

P D Facilidades

60

40

20

4

2

1

4

2

1

4

2

1

1.41.21.00.80.60.40.20.0

Bartlett's Test

0.000

Test Statistic 64.21P-Value 0.000

Levene's Test

Test Statistic 5.68P-Value

Prueba de Igualdad de Varianza, Residuales de Weber, clase 1

Figura 5.2 Pruebas de igualdad de varianzas para los residuales

Se observa que el p-valor en ambas pruebas es 0.000, por lo que se rechaza la

hipótesis nula de igualdad de varianzas, es decir, no se cumple el supuesto de varianza

constante.

Con el fin de salvar este problema, se buscó una transformación en las observaciones

que lograra estabilizar la varianza, para poder seguir con el análisis del modelo de los

efectos fijos. Sin embargo, a pesar de intentar con diferentes transformaciones como el

logaritmo o la raíz cuadrada de las observaciones, no se consiguió estabilizar la varianza.

Volviendo con los supuestos del modelo de los efectos fijos, se hizo una prueba

formal de normalidad a los datos y se encontró que los datos no cumplen con los

supuestos de normalidad. Ello indica que es necesario recurrir a pruebas no paramétricas

para tratar de encontrar resultados de la variable de respuesta, que es la normalización de

la captura, pero ahora respecto a la mediana de los datos. La figura 5.3 muestra los

resultados de la prueba de normalidad.

Page 63: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

RESI1

210-1-2

99.9

99

95

80

50

20

5

1

0.1

Mean

<0.005

-1.78252E-16StDev 0.4996N 180AD 1.361P-Value

Prueba de normalidad de residuales de Weber, clase 1

Figura 5.3 Prueba de normalidad para los residuales

El equivalente al análisis de varianza de dos factores de las pruebas paramétricas es la

prueba de Friedman [Hollander et al., 1999]. La prueba de Friedman analiza un

experimento aleatorizado en bloques que considera sólo un número de datos igual al

número de corridas experimentales y sustituye las 20 réplicas por el promedio de éstas.

Los resultados que arroja la prueba de Friedman sirven para determinar si hay

diferencia significativa en las medianas considerando un factor cada vez, es decir, para

poder concluir en los dos factores debe bloquearse cada vez en cada factor.

En caso de haber empates en los valores de la medida de desempeño, como sucede en

las instancias que aquí se consideran, esta prueba puede ser muy conservadora o muy

liberal. Debido a lo anterior se decidió determinar si el número de puntos demanda y de

facilidades son significativos, haciendo cada vez un análisis de varianza de un sólo

factor, (ANOVA), relajando los supuestos requeridos, con el fin de comparar los

resultados que se obtengan acerca de las medias con los resultados en las medianas que

se obtengan con las pruebas no paramétricas equivalentes. Las hipótesis nulas son

igualdad de medias en el ANOVA y de medianas en las pruebas no paramétricas para los

diferentes niveles de los factores.

Minitab permite hacer dos pruebas no paramétricas para determinar o refutar la

igualdad de medianas bajo diferentes niveles de un tratamiento o factor:

Page 64: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

• La prueba Kruskal-Wallis, cuyos supuestos son que las muestras de los

diferentes niveles son muestras aleatorias e independientes de distribuciones

continuas que tienen la misma forma.

• La prueba de Mood, cuyos supuestos son los mismos que la prueba anterior.

La prueba de Mood es más robusta que la Kruskal-Wallis contra valores atípicos y

proporciona intervalos de confianza al 95% para las medianas de los diferentes niveles

del tratamiento, pero es menos poderosa para los datos de muchas distribuciones, por lo

que se usaron ambas pruebas.

En caso de haber significancia en un factor, se pretende comparar el desempeño de la

política en los diferentes niveles de dicho factor. Para ello existen comparaciones

múltiples no paramétricas, sin embargo, su ejecución está fuera del alcance del presente

trabajo.

Por consiguiente, se usó la prueba de Hsu de comparación múltiple de medias,

relajando los supuestos de normalidad e igualdad de varianza de residuos, y con los

intervalos de confianza de las medianas que proporciona la prueba de Mood, se trató de

justificar si se cumplían o no los resultados análogos para las medianas.

Para cada nivel del factor, la prueba de Hsu da como resultado los intervalos de

confianza simultáneos al 95% de la diferencia de la media del nivel, menos la mayor

media de los otros niveles. Asimismo, la prueba de Mood da los intervalos de confianza

individuales para las medianas. Por consiguiente, los resultados de la prueba de Hsu,

confirmados por la prueba de Mood, se enunciaron con las reservas correspondientes. En

caso de que los resultados no coincidan, se enunciaran solamente los resultados que

arroja la prueba de Mood.

Cabe mencionar que si para algún nivel el intervalo de confianza de Hsu tiene como

valor extremo derecho a cero, entonces la mejor media de los otros niveles es mayor que

la del nivel en cuestión. Si se tiene que el extremo izquierdo del intervalo es cero,

entonces la media de dicho nivel tiene la mejor media de todos los niveles. En general, si

ninguno de los extremos del intervalo es cero, entonces los extremos derecho e izquierdo

Page 65: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

representan qué tanto la media de dicho nivel puede ser mejor o peor, respectivamente,

que la mejor media de los otros niveles.

Al investigar la igualdad de medias y medianas para la política de Weber en los

diferentes niveles de los puntos demanda y de las facilidades se obtuvieron los

resultados que se muestran en la tabla 5.2.

Tabla 5.2 P-valores de pruebas para la política de Weber.

El ANOVA muestra que no hay evidencia para rechazar la igualdad de medias y en

concordancia con ello las pruebas Kruskal-Wallis y Mood muestran que no hay

evidencia para rechazar la igualdad de medianas, por lo que se puede afirmar que el

número de puntos demanda no es significativo para la política 1.

En lo que respecta al número de facilidades, se observa que de cumplirse los

supuestos, se podría afirmar que las medias de los diferentes niveles de las facilidades

son diferentes, es decir, el número de facilidades es significativo. Las figuras 5.4 y 5.5

muestran los resultados de la comparación múltiple de medias de Hsu y los intervalos de

confianza de las medianas de la prueba de Mood.

Figura 5.4 Prueba de Hsu: Weber contra facilidades

Page 66: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

Figura 5.5 Prueba de Mood: Weber contra facilidades.

Como el extremo derecho del intervalo para el nivel de 1 facilidad es cero, la media

de este nivel no puede ser mejor que la mejor de los otros niveles. Por otra parte, los

intervalos de los niveles de 2 y de 4 facilidades indican que la media de 2 facilidades

puede ser 0.1 mejor que la de 4 facilidades, pero ésta última es a su vez 0.25 mejor que

la de 2 facilidades. Podría decirse que la media del nivel 4 es la mejor, sin embargo, es

comparable a la del nivel 2.

En consecuencia, de acuerdo a la prueba Hsu, se puede afirmar que la media para el

nivel de 4 facilidades es mayor que la de 1 facilidad y las medias de los niveles 2 y 4 son

comparables.

Por otra parte, los intervalos de confianza de la prueba de Mood de la figura 5.5

permiten afirmar que la mediana de 4 facilidades es mayor que la mediana de 1

facilidad, y que las medianas de 2 y de 4 facilidades son comparables. Con esto se

confirman los resultados de la prueba de Hsu.

Resumiendo, se encontró que el índice de desempeño de la política de Weber no se

ve afectado por el número de puntos demanda, pero sí por el número de facilidades

establecidas en las instancias de la clase aleatoria. La política de Weber tiene un mejor

desempeño en instancias con 4 facilidades establecidas que en las que hay un sola

facilidad establecida. No hay diferencia en el desempeño de la política de Weber en

instancias con 2 y con 4 facilidades establecidas.

Para las dos políticas restantes se realizó un análisis similar, pues se encontraron

resultados análogos en cuanto a los supuestos de las pruebas paramétricas.

Page 67: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

5.1.1.2 Política de Rechazo

En la tabla 5.3 se muestran los resultados de las pruebas de igualdad de medias y de

medianas para la variable de respuesta con la política 2.

Tabla 5.3 P-valores de pruebas aplicadas a la política de Rechazo

Los resultados indican que ambos factores son significativos, y esto es válido tanto

para las medias como para las medianas.

Para tratar de comparar los desempeños en los diferentes niveles de facilidades y

puntos demanda se realizaron las pruebas de Hsu y de Mood y sus resultados se

muestran en las figuras 5.6 y 5.7.

Figura 5.6 Prueba de Hsu: Rechazo contra puntos demanda.

Figura 5.7 Prueba de Mood: Rechazo contra puntos demanda.

Page 68: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

De acuerdo con la prueba de Hsu, al tener 20 puntos demanda se obtiene un mejor

desempeño de la política de Rechazo que cuando se tienen 40 puntos demanda. Con 20 y

60 puntos demanda se tienen resultados comparables.

En concordancia con lo anterior, los resultados de la prueba de Mood indican que en

instancias con 20 o 60 puntos demanda la mediana del índice de desempeño de la

política de Rechazo es mayor que la de instancias con 40 puntos demanda.

Esto significa que se tiene un mejor desempeño para la política de rechazo en

instancias con 20 o con 60 puntos demanda que en las que tienen 40 puntos demanda. El

desempeño de la política de rechazo en instancias con 20 puntos demanda es comparable

al desempeño en 60 puntos demanda.

Al considerar como factor el número de facilidades previamente establecidas se

obtuvieron los resultados que se muestran en la figura 5.8.

Figura 5.8 Prueba de Hsu: Rechazo contra número de facilidades.

Figura 5.9 Prueba de Mood: Rechazo contra número de facilidades.

Los resultados muestran que la política de Rechazo tiene su mejor desempeño en

instancias con 4 facilidades previamente establecidas.

Page 69: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

5.1.1.3 Política de Condicional Se procedió de manera similar a las dos políticas anteriores. La tabla 5.4 muestra los

p-valores que se encontraron al aplicar las pruebas de igualdad de medias y medianas en

la variable de respuesta de la política de condicional en cada uno de los factores.

Tabla 5.4 P-valores de pruebas aplicadas a la política de Condicional

En este caso se observa que a pesar de que el ANOVA no acusa significancia en el

factor puntos demanda, las pruebas no paramétricas sí. Con relación al número de

facilidades, todas las pruebas indican que es un factor significativo.

Figura 5.10 Prueba de Hsu: Condicional contra número de puntos demanda.

Figura 5.11 Prueba de Mood: Condicional contra número de puntos demanda.

Los resultados de la prueba de Hsu que se muestran en la tabla 5.10 indican que la

media cuando hay 60 puntos demanda es mayor que la media cuando hay 20 puntos

demanda y los desempeños de los niveles de 60 y 40 puntos demanda son comparables.

Page 70: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

Resultados similares pueden deducirse de la prueba de Mood cuyos resultados se

muestran en la figura 5.11: la mediana del nivel de 60 es mayor a la mediana del nivel de

20 puntos demanda, pero los resultados de los niveles 40 y 60 puntos demanda son

comparables.

Figura 5.12 Prueba de Hsu: Condicional contra número de facilidades.

Figura 5.13 Prueba de Mood: Condicional contra número de facilidades.

La figura 5.12 indica que al relajar los supuestos podemos afirmar que el mejor

desempeño de la política condicional en el factor facilidades se obtiene en instancias con

4 facilidades. En cuanto a las medianas, se puede afirmar que se obtienen mejores

resultados con la política 3 en instancias con 4 facilidades que en aquellas que tienen una

sola facilidad. Los resultados que se obtienen en instancias con 2 y con 4 facilidades son

comparables entre sí.

5.1.2 Evaluación del desempeño individual de cada metodología

Como se recordará, la evaluación de una ubicación para la nueva instalación es buena

si la variable de respuesta, que es la normalización de la captura, es mayor que uno. Por

ello, y debido a que no se satisfacen los supuestos de las pruebas t para los intervalos de

Page 71: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

confianza de las medias, se utilizó su equivalente no paramétrica para las medianas, que

es la prueba de signos de una muestra. Los resultados se muestran en la tabla 5.5.

Tabla 5.5 Prueba de los signos para mediana de las tres políticas

Los resultados indican que para cada una de las tres políticas se rechaza la hipótesis

nula de que la mediana es 1 en favor de la hipótesis alternativa de que la mediana es

mayor que uno, por lo que podemos afirmar que todas las políticas tienen en general un

buen desempeño.

5.1.3 Comparación del desempeño de las tres metodologías o políticas

Con el propósito de comparar el desempeño de las tres metodologías, se pretendía

hacer una comparación múltiple del desempeño de la variable de respuesta en las tres

políticas. Sin embargo como al considerar los resultados de las tres políticas tampoco se

cumplió con los supuestos, esto no fue posible.

Como se mencionó anteriormente, las comparaciones múltiples no paramétricas

quedan fuera del alcance de este trabajo, por lo que se utilizaron las pruebas de

Kruskal-Wallis y de Mood, considerando ahora a las políticas como los diferentes

tratamientos. Al igual que en cada una de las políticas, se hizo primero la prueba

paramétrica correspondiente, que es el ANOVA de un factor, para comparar los

resultados que se obtienen acerca de las medianas de las diferentes políticas con los

resultados de las medias que arroja el ANOVA.

Page 72: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

Tabla 5.6 Prueba de igualdad de medias y medianas de la clase 1 contra políticas

En todas las pruebas se obtuvo un p-valor de 0.000, lo que indica que sí hay

diferencia en la captura de los puntos de ubicación que se obtienen al considerar las

diferentes políticas.

Las figuras 5.14 y 5.15 muestran los resultados que se obtienen con la prueba de Hsu

y de Mood con respecto a los intervalos de confianza de las diferencias de la media de

cada política menos la mejor de las otras dos políticas y de las medianas de las diferentes

políticas, respectivamente.

Figura 5.14 Prueba de Hsu: Variable de respuesta contra política.

Figura 5.15 Prueba de Mood: Variable de respuesta contra política.

Page 73: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

De acuerdo con los resultados que se muestran en las figuras 5.14 y 5.15 es posible

afirmar que en la clase de instancias aleatorias la política de Weber es la que tiene el

mejor desempeño. Esto confirma la hipótesis que se tenía al definir la clase aleatoria.

5.2 Resultados para la clase agrupada

Como se recordará, la clase agrupada consiste de instancias con un número fijo de 72

puntos demanda, 6 de los cuales se encuentran agrupados a una cierta distancia del área

original de ubicación. En ella se diseñó un factorial en el cual los factores son la

distancia horizontal del agrupamiento al área original de ubicación y el número de

facilidades establecidas.

Se tienen los mismos objetivos que los de la clase aleatoria, por lo que se hicieron

experimentos análogos. Al igual que en la clase aleatoria no se cumplió con los

supuestos de las pruebas paramétricas en ninguna de las fases de la experimentación, por

lo que se procedió de manera similar, utilizando el ANOVA correspondiente relajando

supuestos y comparando sus resultados con las pruebas correspondientes no

paramétricas.

Enseguida se muestran los resultados que se obtuvieron en la clase agrupada con la

experimentación.

5.2.1 Desempeño de las políticas en base a los factores

La tabla 5.7 muestra los resultados de los p-valores de las pruebas de igualdad de

medias y medianas aplicadas a cada política en cada uno de los factores.

Las figuras con las comparaciones múltiples de Hsu y los intervalos de confianza

para las medianas de la prueba de Mood para cada una de las políticas en la clase

agrupada se encuentran en el apéndice C.

Page 74: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

Tabla 5.7 p-valores de pruebas. A= ANOVA, K= Kruskal-Wallis, M= Mood

5.2.1.1 Política de Weber

De acuerdo con los p-valores de la prueba de igualdad de medias, no hay diferencia

en las medias de los diferentes niveles de la distancia del agrupamiento al área original,

y la prueba de Kruskal-Wallis arroja el mismo resultado para las medianas. Sin embargo,

la prueba de Mood indica que distancia sí es un factor significativo. De acuerdo con los

intervalos de confianza de las medianas que arroja esta prueba, se observa un mejor

desempeño en la política de Weber cuando la distancia del agrupamiento al área original

de ubicación es 0 que cuando es 0.25 y que el desempeño cuando la distancia es 0.5 es

comparable a los desempeños en los otros dos niveles.

Por otra parte, los p-valores cuando el factor es el número de facilidades establecidas

indican que el desempeño de la política de Weber sí varía con este factor. Las pruebas de

Hsu y de Mood indican que en instancias con 3 facilidades se obtiene un mejor

desempeño que en las cuales hay 12 facilidades establecidas.

5.2.1.2 Política de Rechazo

Los resultados de la tabla 5.7 correspondientes a la política de Rechazo indican que el

número de facilidades no es un factor significativo, pero la distancia sí lo es, con un

nivel de significancia de al menos el 6.6%.

Page 75: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

Al relajar los supuestos de la prueba de comparación múltiple de Hsu se podría

afirmar que la política de Weber proporciona la mejor captura en la clase agrupada. Sin

embargo, de acuerdo con la prueba de Mood todo lo que se puede afirmar es que la

política de rechazo tiene mejor desempeño cuando la distancia del agrupamiento al área

original de ubicación es 0 que cuando es 0.25.

5.2.1.3 Política de Condicional

De acuerdo con los resultados de la tabla 5.7, la distancia del agrupamiento al área

original de ubicación es un factor significativo. Por otra parte, tanto la prueba de Hsu

como la de Mood indican que la política Condicional está mejor evaluada cuando la

distancia del agrupamiento al área de ubicación es cero que a cualquier otra distancia.

Al considerar como factor el número de facilidades establecidas, ni el ANOVA ni la

prueba Kruskal-Wallis muestran que este sea un factor significativo. La prueba de Mood

indica lo contrario, pero los intervalos de confianza de las medianas que esta prueba

arroja no permiten afirmar que haya diferencia en el desempeño de la condicional en los

diferentes niveles de la distancia.

Aquí resulta oportuno comentar lo siguiente: al definir la clase agrupada se

sospechaba que la política Condicional tendría un muy buen desempeño, dependiendo

de la interacción de la distancia del agrupamiento y el número de facilidades

establecidas. Sin embargo, como los resultados enunciados se apoyan en las pruebas de

Kruskal-Wallis y de Mood, no es posible determinar interacción entre los factores.

En muchas de las instancias cuya distancia del agrupamiento al área original era 0.25

o 0.5 el punto de ubicación de la política de condicional fue el punto de Weber del

agrupamiento. Ello representa un desempeño bueno de 1.08 en el caso de haber 12

facilidades establecidas, pero francamente malo si el número de facilidades establecidas

es 3, pues el desempeño es de 0.33.

Page 76: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

5.2.2 Evaluación del desempeño individual de cada política.

Al igual que en la clase aleatoria, se evaluó el desempeño de cada política haciendo

una prueba de hipótesis sobre el valor de su mediana. Los resultados que se muestran en

la tabla 5.9 indican que todas las políticas tienen en general un buen desempeño.

Tabla 5.9 Prueba de los signos para mediana de las tres políticas

5.2.3 Comparación del desempeño de las tres políticas

Al hacer pruebas de hipótesis de igualdad de medias y medianas bajo los 3 niveles

del factor política se obtienen los p-valores que se muestran en la tabla 5.10. Dichos

valores indican que hay diferencia significativa en el desempeño de la variable de

respuesta entre las diferentes políticas.

Tabla 5.10 Prueba de igualdad de medias y medianas de la clase 2 contra políticas

De acuerdo con los resultados de la figura 5.16, que corresponden a las pruebas de

Hsu y de Mood se puede afirmar que el mejor desempeño en la clase agrupada lo tiene la

política de Rechazo.

Como se recordará, se tenía la hipótesis de que en la clase agrupada la política de

Condicional sería la que obtuviera el mejor desempeño, pero esta hipótesis resultó ser

falsa.

Page 77: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

Figura 5.16 Pruebas de Hsu y de Mood: Clase agrupada contra políticas

5.3 Resultados para la clase reducida

La clase reducida consiste de instancias con las mismas características de los clientes

que en las dos clases anteriores, pero las facilidades se encuentran en un área reducida

situada alrededor del centro del área original de ubicación.

Se distinguen aquí dos subclases: la subclase 3 aleatoria cuyas instancias provienen

de la clase aleatoria y la subclase 3 agrupada que proviene de la clase agrupada. En

ambas subclases se pretenden objetivos similares a los de la clase de la cual provienen.

Como se tienen los mismos objetivos, se procedió de forma análoga a las clases

anteriores. A continuación se muestran los resultados.

Page 78: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

5.3.1 Subclase 3 aleatoria

Los factores a investigar en esta subclase son el número de puntos demanda y de

facilidades establecidas. Los niveles del primer factor son 20, 40 y 60, sin embargo, para

el segundo factor, se consideran sólo dos niveles: 2 y 4.

Al llevar a cabo los experimentos III-1A, III-2A y III-3A, se encontró que al igual

que en las clases anteriores, no se cumple con los supuestos de las pruebas paramétricas,

así es que se procedió como en las clases anteriores.

5.3.1.1 Desempeño de las políticas en base a los factores

La tabla 5.11 muestra los resultados de los p-valores de las pruebas de igualdad de

medias y medianas aplicadas a cada política en cada uno de los factores.

Subclase aleatoria Política1: Weber Política 2: Rechazo

Política 3: Condicional

Factor A K M A K M A K MDistancia 0 0 0 0.012 0.008 0.002 0.147 0.197 0.356Facilidad 0.037 0.009 0.011 0 0 0 0 0 0

Tabla 5.11 p-valores de pruebas. A= ANOVA, K= Kruskal-Wallis, M= Mood

Para establecer los resultados de una política se utilizan los resultados

correspondientes a dicha política en la tabla anterior, así como las figuras con las

comparaciones múltiples de Hsu y los intervalos de confianza para las medianas de la

prueba de Mood correspondientes a la subclase aleatoria, los cuales se encuentran en el

apéndice C.

Page 79: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

5.3.1.1.1 Política de Weber

La tabla 5.11 muestra que hay diferencias en las medias y medianas de los diferentes

niveles de los puntos demanda, así como en los diferentes niveles de las facilidades. Para

cada factor, al relajar los supuestos de la prueba de comparación múltiple de Hsu y

comparar los resultados que ésta arrojó con aquellos que se obtuvieron de la prueba de

Mood se encontró que lo siguiente:

• Teniendo en consideración los puntos demanda, la política de Weber obtiene el

mejor desempeño en instancias con 60 puntos demanda.

• De acuerdo a la prueba de Hsu, al considerar el factor facilidades, se obtiene

mejor desempeño al haber 4 facilidades establecidas, sin embargo, los intervalos

de confianza de la prueba de Mood no permiten confirmar tal afirmación.

5.3.1.1. 2 Política de Rechazo

Los resultados de la tabla 5.11 correspondientes a la política de Rechazo muestran

que tanto el número de puntos demanda como el de facilidades establecidas afectan su

desempeño en la subclase aleatoria.

Tanto la prueba de Hsu como la de Mood permiten afirmar que hay un mejor

desempeño en la política de Rechazo en instancias con 60 puntos demanda que en las

que tienen 40 puntos demanda.

Por otra parte, sin lugar a dudas el mejor desempeño de la política de Rechazo en la

subclase 3 aleatoria se obtiene en instancias con 4 facilidades establecidas.

Page 80: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

5.3.1.1.3 Política de Condicional

Como se deduce de los resultados de la tabla 5.11, el desempeño de la política de

Condicional en los diferentes niveles del factor puntos demanda es comparable. Por otra

parte, se puede afirmar que hay diferencia significativa en dicho desempeño cuando el

factor considerado es el número de facilidades establecidas.

El mejor desempeño de la política de Condicional se obtiene en instancias en las

cuales hay 4 facilidades establecidas.

5.3.1.2 Evaluación del desempeño individual de cada política

Los resultados de la prueba de signos aplicada a cada una de las tres políticas en la

subclase aleatoria se muestran en la tabla 5.12. Ya que todas las políticas tienen una

mediana mayor que uno es posible afirmar todas que tienen un buen desempeño.

Tabla 5.12 Prueba de los signos para mediana de las tres políticas

5.3.1.3 Comparación del desempeño de las tres políticas

La tabla 5.13 muestra los p-valores que se obtuvieron al hacer las pruebas de

igualdad de medianas y de medias considerando como factor la política. Todas las

pruebas indican que hay diferencia significativa en el desempeño de la variable de

respuesta que se obtiene con las diferentes políticas en la subclase 3 aleatoria.

Page 81: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

Tabla 5.13 Desempeño de subclase 3 aleatoria contra políticas

En la figura 5.17 se muestran los resultados de las pruebas de Hsu y de Mood

aplicadas a los resultados de la subclase 3 aleatoria cuando el factor es la política. De

ellos se puede afirmar que la política de Weber tiene un mejor desempeño que la política

de condicional en esta subclase de instancias y que los desempeños de Weber y Rechazo

son comparables. Se puede afirmar también de acuerdo con la prueba de Mood que la

política de rechazo tiene mejor desempeño que la política de condicional.

Figura 5.17 Pruebas de Hsu y de Mood: Clase 3 aleatoria contra política

Al definir esta clase de instancias se tenía la hipótesis de que la política de rechazo

sería la política mejor evaluada. Sin embargo, de acuerdo con los resultados que se

encontraron dicha hipótesis no se pudo confirmar.

Page 82: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

5.3.2 Subclase agrupada

Las instancias de esta subclase provienen de aquellas de la clase agrupada, y al igual

que en ella los factores en esta subclase son las distancia del agrupamiento y el número

de facilidades establecidas.

Los niveles que se tienen son 0, 0.25 y 0.5 para la distancia y 3, 6 y 12 para las

facilidades.

Se trabajó de la misma forma que en las clases anteriores ya que al llevar a cabo los

experimentos III-1B, III-2B y III-3B tampoco se cumplió con los supuestos de las

pruebas paramétricas.

5.3.2.1 Desempeño de las políticas en base a los factores

Tabla 5.14 p-valores de pruebas. A= ANOVA, K= Kruskal-Wallis, M= Mood

Las figuras con las comparaciones múltiples de Hsu y los intervalos de confianza

para las medianas de la prueba de Mood para cada una de las políticas en la subclase

agrupada se encuentran en el apéndice C.

5.3.2.1.1 Política de Weber

Los resultados que muestra la tabla 5.14 indican que la distancia no es un factor

significativo en el desempeño de la política de Weber en la subclase agrupada. En lo que

respecta al factor número de facilidades, el ANOVA muestra que las medias de sus

Page 83: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

diferentes niveles son iguales, sin embargo, las dos pruebas no paramétricas indican que

este factor es estadísticamente significativo.

De acuerdo con la prueba de Mood, la política de Weber tiene un mejor desempeño

en instancias con 3 facilidades que en aquellas con 12 facilidades establecidas. Cabe

mencionar que el desempeño de la política de Weber es francamente malo en instancias

con 6 y 12 facilidades, ya que la nueva instalación obtiene una captura menor al

promedio de captura por facilidad.

5.3.2.1.2 Política de Rechazo

De acuerdo con los resultados de las pruebas que se muestran en la tabla 5.14 la

distancia no es un factor significativo en el desempeño de la política de Rechazo en la

subclase agrupada, pero el número de facilidades establecidas sí lo es.

Luego de realizar las pruebas de Hsu y de Mood se puede afirmar que la política de

Rechazo en la subclase agrupada tiene su mejor desempeño en instancias con 12

facilidades establecidas, y que este desempeño es mejor por mucho al de los otros dos

niveles.

La mediana para la política de Rechazo aplicada a las instancias con 12 facilidades es

mayor de tres, lo cual indica que en estas instancias se tiene un muy buen desempeño ya

que la nueva instalación obtiene más del triple del promedio de captura por facilidad

establecida.

5.3.2.1.3 Política de Condicional

Los resultados de la tabla 5.14 correspondientes a la política de condicional indican

que tanto la distancia del agrupamiento como el número de facilidades establecidas son

factores significativos.

Page 84: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

Relajando los supuestos de la prueba de Hsu es posible afirmar que la política

condicional tiene el mejor desempeño en la subclase agrupada cuando la distancia

horizontal del agrupamiento al área original es de 0, lo cual se confirma con la prueba de

Mood.

Cuando el factor es el número de facilidades establecidas los resultados de la prueba

de Hsu y los de la prueba de Mood no coinciden. Si se cumplieran los supuestos de la

prueba de Hsu podría afirmarse que la política de condicional tiene el mejor desempeño

en instancias en las cuales hay establecidas 12 facilidades. Sin embargo, la prueba de

Mood indica que el desempeño de la política de condicional es comparable en los tres

niveles del número de facilidades establecidas.

Al igual que en la clase agrupada, que es de donde proviene esta subclase, en este

caso sería particularmente útil poder determinar si hay interacción entre los factores

considerados.

A continuación se pretende determinar si alguna política tiene el mejor desempeño en

esta subclase de instancias.

5.3.2.2 Evaluación del desempeño individual de cada política

Se aplicó la prueba de signos a cada una de las políticas en la subclase agrupada. Los

resultados se encuentran en la tabla 5.15.

Tabla 5.15 Prueba de los signos para mediana de las tres políticas

Page 85: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

De acuerdo con estos resultados, se puede decir que la política de Weber tiene un mal

desempeño en las instancias de la subclase agrupada. Se observa además que el

desempeño de la política de Condicional es bueno y por mucho el mejor desempeño en

esta subclase agrupada lo tiene la política de Rechazo.

5.3.2.3 Comparación del desempeño de las tres políticas

La tabla 5.16 muestra los p-valores de las pruebas de igualdad de medias y medianas

cuando se considera como factor la política. Dichos valores indican que hay diferencia

significativa en la captura del punto de ubicación de acuerdo con la política que

determina dicho punto.

Tabla 5.16 Desempeño de la subclase 3 agrupada contra políticas

Tanto los resultados de la prueba de Hsu como los de la prueba de Mood se muestran

en la figura 5.18. Ambos resultados indican una clara ventaja de la política de Rechazo

sobre las otras dos.

Debido a lo anterior, se puede afirmar que el mejor desempeño en la subclase

agrupada lo obtiene la política de Rechazo. Esto indica que la hipótesis de que la política

de condicional sería la mejor evaluada es falsa.

Page 86: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

Figura 5.18 Prueba de Hsu: Clase 3 agrupada contra política

5.4 Comparación de políticas en clase reducida y clase de procedencia

Se recuerda que un objetivo único de la clase reducida consiste en comparar el

desempeño de las políticas en cada una de las subclases con el correspondiente

desempeño en la clase de la cual proviene.

Para ello en cada subclase y para cada política se hicieron pruebas de ANOVA de un

solo factor, de Kruskal-Wallis y de Mood, donde el factor es la clase. Los niveles del

factor son la subclase correspondiente y la clase de la cual dicha subclase proviene.

En caso de encontrar evidencias de que el desempeño de una política cambia con la

clase, se muestran los resultados que se obtienen en la prueba de Hsu al relajar los

supuestos y el intervalo de confianza al 95% para la diferencia de medianas que arroja la

prueba de Mood.

Page 87: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

5.4.1 Subclase aleatoria

Para esta subclase, que en tablas y figuras se denota como clase 3A, se compara el

desempeño de cada política con el desempeño correspondiente en la clase aleatoria.

5.4.1.1 Política de Weber

Los resultados que se muestran en la tabla 5.17 indican que no hay diferencia en el

desempeño de la política de Weber en la clase1 y la clase 3A.

Tabla 5.17 P-valores de pruebas aplicadas a la política de Weber

5.4.1.2 Política de Rechazo

De acuerdo con los resultados del ANOVA que se muestran en la tabla 5.18, el

desempeño de la política de Rechazo varía en las clases 1 y 3A, el p-valor de la prueba

de Kruskal-Wallis confirma esta afirmación. Sin embargo, la prueba de Mood difiere de

las dos anteriores.

Tabla 5.18 P-valores de pruebas aplicadas a la política de Rechazo

Como se ha mencionado, la prueba de Mood es más robusta contra puntos atípicos

que la prueba Kruskal-Wallis, y como en los datos que se manejan existen muchos

Page 88: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

puntos de este tipo, no se muestra en este caso los resultados de la comparación múltiple

de Hsu.

Para tener una mejor idea de lo que ocurre con los datos encontrados en este caso

especial se muestran las gráficas de caja para la política de Rechazo en la figura 5.19.

C la se s

Rec

haz

o

3 AA le a to r ia

3 .0

2 .5

2 .0

1 .5

1 .0

0 .5

0 .0

D ia g r a m a d e c a j a p a r a R e c h a zo c o n tr a C la se s

Figura 5.19 Comparación del desempeño de la política de Rechazo contra las clases

Como se puede observar, no es posible establecer diferencia alguna en el desempeño

de la política de Rechazo en la clase aleatoria y la subclase aleatoria.

5.4.1.3 Política de Condicional

La tabla 5.19 muestra que con un grado de significancia de 5% no es posible

establecer que haya diferencia en los desempeños de la política de Condicional en las

clases consideradas.

Tabla 5.19 P-valores de pruebas aplicadas a la política de Condicional

La figura 5.20 muestra los diagramas de caja correspondientes, los cuales confirman

que no hay diferencia significativa en el desempeño de la política de Condicional.

Page 89: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

Clases

Con

dici

onal

3AA leatoria

2.5

2.0

1.5

1.0

0.5

0.0

Diagrama de caja para Condicional contra clases Clases

Figura 5.20 Comparación del desempeño de la política de Condicional contra las clases

5.4.2 Subclase agrupada

Enseguida se compara el desempeño de cada una de las políticas en la clase agrupada

y en la subclase agrupada que aquí llamamos clase 3B.

5.4.2.1 Política de Weber

De acuerdo con los resultados que se muestran en la tabla 5.20, hay diferencia en el

desempeño de la política de Weber en ambas clases.

Tabla 5.20 P-valores de pruebas aplicadas a la política de Weber

En la figura 5.21 se muestran los resultados de la prueba de Hsu y de Mood, de ellos

es posible afirmar que la política de Weber tiene un mejor desempeño en la clase 2 que

en la clase 3B.

Page 90: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

Figura 5.21 Resultados de las pruebas Hsu y Mood: Weber contra Clase

En base a las características de ambas clases, lo que se afirma es que la política de

Weber tiene mejor desempeño en instancias con un agrupamiento de clientes cuando las

facilidades se encuentran aleatoriamente ubicadas en el espacio original de ubicación

que cuando se encuentran en un área reducida de este espacio.

5.4.2.2 Política de Rechazo

La tabla 5.20 muestra que al igual que la política de Weber, hay evidencia estadística

de que la política de Rechazo se comporta de manera diferente en la clase agrupada que

en la clase 3B.

Tabla 5.21 P-valores de pruebas aplicadas a la política de Rechazo

La figura 5.22 muestra los resultados de la comparación múltiple de Hsu y de la

prueba de Mood. Ambos permiten afirmar que la política de Rechazo se desempeña

mejor en la subclase agrupada de la clase reducida que en la clase agrupada.

Page 91: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

Figura 5.22 Resultados de las pruebas Hsu y Mood: Rechazo contra Clase

Esto quiere decir que la política de Rechazo tiene un mejor desempeño en instancias

con agrupamiento de clientes cuando las facilidades existentes se encuentran en un área

reducida que cuando se encuentran en todo el espacio original de ubicación.

5.4.2.3 Política de Condicional

La tabla 5.22 muestra los resultados de las pruebas de igualdad de medias y medianas

para el desempeño de la política Condicional en las clases consideradas.

Tabla 5.22 P-valores de pruebas aplicadas a la política de Condicional

De acuerdo con los resultados, se tiene el mismo desempeño de la política

Condicional en instancias de la clase agrupada que en las de la subclase agrupada de la

clase reducida.

Page 92: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

CAPÍTULO 6

CONCLUSIONES Y

RECOMENDACIONES

En el presente trabajo se planteó el problema de evaluar tres políticas para la

ubicación de una instalación en ambientes competitivos. A cada política se le asignó un

modelo de ubicación cuya solución es el punto de ubicación correspondiente a tal

política. La evaluación de cada política se hizo en base al objetivo que pretende toda

empresa dedicada a buscar el beneficio económico: obtener la mayor captura de

mercado.

Se diseñaron tres clases diferentes de instancias en las cuales se esperaban buenos

resultados para los desempeños de las políticas consideradas. A continuación se

presentan las conclusiones de este trabajo, así como algunas recomendaciones de trabajo

futuro.

6.1 Conclusiones

Las políticas consideradas en este trabajo se plantearon en base a situaciones que se

consideraron hasta cierto punto razonables a la hora de decir la ubicación de una

instalación, teniendo la información de la ubicación de los clientes y facilidades

establecidas que forman el mercado en el cual se desea ingresar.

Page 93: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

Se encontró que en un mercado donde tanto clientes como instalaciones se han ido

ubicando sin considerar la situación que en ese momento de dicho mercado, es sin duda

la política de ignorar las instalaciones la mejor alternativa para la ubicación. El modelo

de Weber proporciona las ubicaciones que obtienen la mejor captura de mercado sobre

las otras dos políticas consideradas.

Una hipótesis que se formuló fue que la política 3, que considera las facilidades

establecidas como propias, pudiera ser particularmente buena en instancias con un

agrupamiento de clientes fuera del área original de ubicación. Dicha hipótesis resultó ser

falsa, pues se probó en instancias en las cuales el agrupamiento representaba el 25, 50 y

100% del promedio de captura por facilidad establecida, y en todos ellos resultó estar

muy por debajo de la política de Rechazo, que fue la mejor evaluada en estos casos.

Más aún, esta política resultó ser como una especie de metodología voraz respecto a

la disminución de las distancias de servicio consideradas, ya que arroja en mayoría de

los casos como punto de ubicación el punto minisuma del agrupamiento. Es por ello que

su desempeño fue francamente malo en instancias en las cuales el agrupamiento estaba a

0.5 del área original de ubicación y representaba el 25% del promedio de captura por

facilidad establecida. En estos casos la captura que se obtiene es la mayor parte de las

veces el agrupamiento, lo que representa únicamente la tercera parte del promedio de

captura.

Por otra parte, la mejor evaluación para una política se obtuvo cuando las instancias

consideradas tenían un agrupamiento de clientes y las instalaciones se encontraban

ubicadas en un área pequeña alrededor del centro del espacio de ubicación original.

La política 2, que considera a las facilidades y les da un valor de rechazo fue la que

obtuvo tal evaluación. Se puede concluir en base a ello que la asignación del peso de

rechazo para las facilidades resultó ser buena.

Estos resultados tienen implicaciones prácticas, pues es posible aconsejar a las

empresas dónde ubicar sus nuevas instalaciones en caso de que el mercado donde

planean ingresar tenga las características de alguna de las clases que se consideraron.

Page 94: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

Hasta donde se ha podido investigar, no se había hecho este tipo de trabajo, es decir,

no se habían planteado modelos de ubicación reconocidos como metodología de apoyo a

las políticas planes de acción que consideran las empresas cuando debe tomar la decisión

de dónde ubicar una nueva instalación.

6.2 Recomendaciones y trabajo futuro

En la actualidad no es raro ver cómo se establecen nuevas tiendas de conveniencia

por diferentes rumbos de la ciudad, en lugares que pareciera fueron elegidos sin un poco

de sentido común. Algunas consideraciones sin duda se debieron haber hecho, por lo

que sería muy importante hacer una conexión con las empresas para tener una mejor

idea de las políticas que en algunos casos consideran para elegir tales ubicaciones, y

evaluar de una manera formal tales políticas para poder hacer comentarios al respecto

con bases científicas.

Otro trabajo interesante en esta línea sería investigar las características de diferentes

mercados de ubicación para instalaciones de algún giro específico, por ejemplo las

tiendas de conveniencia tipo OXXO. Determinar si existe alguna topología de mercado

común en este tipo de tiendas, y de ser así hacer el planteamiento de políticas o modelos

de ubicación que fuera conveniente considerar.

Se podría considerar el caso en el cual los clientes tengan diferentes demandas y

aplicar las políticas aquí planteadas o bien plantear nuevas políticas, como por ejemplo

el buscar de manera primordial capturar aquellos clientes con mayor demanda, o ubicar

la nueva instalación a un lado de la instalación con mayor mercado capturado.

La asignación de pesos negativos para las facilidades es un punto que puede mejorar

aún más el desempeño de esta política, pues en este caso se consideró solamente un

porcentaje del promedio general de captura por facilidad como el peso a asignar a cada

instalación. Una variante interesante sería el asignar los pesos en base a la captura real

que tienen cada una de las instalaciones.

Page 95: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

Se sugiere hacer un análisis estadístico no paramétrico más completo, como puede se

la comparación múltiple racional [Hollander et al., 1999] con el fin de justificar de una

forma más contundente los resultados enunciados.

Por último, consideramos que será de mucha utilidad una investigación acerca de las

bases teóricas que justifiquen por qué una política pueda ser mejor en cierto tipo de

instancias. Esto podría servir de ayuda para la comprensión de los problemas de

ubicación bajo la óptica de las empresas que buscan la ubicación de instalaciones en un

mercado competitivo, considerando políticas particulares.

Page 96: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

BIBLIOGRAFÍA

Bramel, J. y Simchi-Levi D. (1997). The Logic of Logistics. Theory, Algorithms and

Applications for Logistics Management. Springer Series in Operations Research.

Brimberg, J.; Hansen P.; Mladenovic, N. y Taillard, E. (2000). Improvements and

Comparison of Heuristics for Solving the Uncapacitated Multisource Weber Problem,

Operations Research, INFORMS, Vol 48, No. 3, pp. 444-460.

Brooke, A.; Kendrick, D. y Meeraus, A. (1992). GAMS: A User´s Guide, Release 2.25.

The Scientific Press, San Francisco.

Carrizosa, E. y Romero, M.D. (1999). Attainment of optimal solution in a

semiobnoxious location problem, Studies in Locational Analysis, pp. 12, 41-48.

Carrizosa, E. y Conde, E. (2002). A fraccional model for locating semi-desirable

facilities on networks. European Journal of Operational Research, pp 136, 67-80.

Chen, R. (1988). Conditional Minisum and Minimax Location-Allocation Problems in

Euclidean Space, Transportation Science, No. 22, pp. 157-160.

Chen, P.; Hansen, P.; Jaumard, B. y Tuy, H. (1998). Solution of the Multisource Weber

and Conditional Weber Problems by D.-C. Programming, Operations Research, Vol.

46, pp. 548-562.

Cooper, L. (1963). Location-Allocation Problems, Operations Research, pp. 11, 331-

343.

Cooper, L. (1964). Heuristic Methods for Location-Allocation Problems, SIAM Review,

Volume 6, No.1, pp. 37-53.

Page 97: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

Drezner, T. y Eiselt, H.A. (2002). Consumers and Competitive Location Models, editado

por Drezner Z. y Hamacher H.W., en Facilities Location: Applications and Theory.

Springer

Drezner, Z. (1995). On the Condicional p-Median Problem, Computers Operations

Research, Vol. 22, No. 5, pp. 523-530.

Drezner, Z., Klamroth, K., Schöbel, A. y Wesolowsky, G., (2002). The Weber Problem,

editado por Drezner Z. y Hamacher H.W., en Facilities Location: Applications and

Theory. Springer.

Drezner Z. y Hamacher H.W. (2002). Facilities Location: Applications and Theory,

Springer-Verlag, preface V.

Drezner, Z. y Suzuki, A. (2004). The Big Triangle Small Triangle Method for the

Solution of Nonconvex Facility Location Problems, Operations Research, Vol 52, No.

1, pp. 128-135.

Gibbons, J.D. (1976). Nonparametric Methods for Quantitative Analysis. Holt,

Rhinehart, and Winston.

Hale, T.; (2003). Location Science research: a Review Annals of Operations Research,

pp. 123, 21-35.

Hale, T.; (2004) .Trevor Hale´s location science references. Disponible en internet en la

dirección http://www.ent.ohiou.edu/~thale/thlocation.html.

Hamacher, H.W.; Nickel, S. y Schneider, A. (1998). Classification of Location Models.

Location Science, No. 6, pp. 229-242.

Hsu, J.C.; (1996). Multiple Comparisons, Theory and methods. Chapman & Hall.

Jalal, G. and Krarup, J. (2003). Geometrical solution to the Fermat problem with

arbitrary weights. Annals of Operation Research, pp. 123, 67-104.

Krarup, J. (1998). On a “Complementary Problem” of Courant and Robbins. Location

Science, pp 6, 337-354.

Page 98: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

Love, R.; Morris J. G. and G. O. Wesolowski (1998), Facilities Location. Models and

Methods. North-Holland

Marianov, V. and Serra, D.; (2002). Location Problems in the Public Sector, editado por

Drezner Z. y Hamacher H.W., en Facilities Location: Applications and Theory. Springer

McGarvey, R. ; Cavailier, T. (2005). Constrained location of competitive facilities in

the plane. Computers and Operations Research, Vol. 32, pp359-378.

Plastria, F. (2001). Static competitive facility location: An overview of optimisation

approaches. European Journal of Operational Research, pp. 129, 461-470.

Plastria, F. (1992). GBSSS, the generalized big square small square method for planar

single facility location. European Journal of Operational Research, pp 62, 163-174.

Scaparra, M.P. and Scutellá, M.G. (2001). Facilities, Locations, Customers: Building

Blocks of Location Models. A Survey. Reporte Técnico. Universitá di Pisa,

Dipartimento di Informatica.

Sule, D., (2001). Logistics of Facility Location and Allocation. Marcel Dekker.

Sylvester, J.J. (1857). A Question in the Geometry of Situation. Quarterly Journal of

Pure and Applied Mathematics, Vol. I, pp. 79.

Tönu Puu, (1997). Mathematical Location and Land Use Theory. An Introduction.

Springer.

Page 99: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

LISTA DE TABLAS

4.1 Pesos asignados a las instancias de la clase aleatoria 45

4.2 Pesos asignados a las instancias de la clase reducida 46

5.1 Resultados del modelo general lineal con dos factores 50

5.2 P-valores de pruebas para la política de Weber 55

5.3 P-valores de pruebas aplicadas a la política de Rechazo 57

5.4 P-valores de pruebas aplicadas a la política de condicional 59

5.5 Prueba de los signos para mediana de las tres políticas 61

5.6 Prueba de igualdad de medias y medianas de la clase 1 contra políticas 62

5.7 P-valores de pruebas 64

5.8 Prueba de medianas 65

5.9 Prueba de los signos para la mediana de las tres políticas 66

5.10 Prueba de igualdad de medias y medianas de la clase 2 contra políticas 66

5.11 P-valores de pruebas 68

5.12 Prueba de los signos para mediana de las tres políticas 70

5.13 Desempeño de subclase 3 aleatoria contra políticas 71

Page 100: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

5.14 P- valores de pruebas 72

5.15 Prueba de los signos para mediana de las tres políticas 74

5.16 Desempeño de la subclase 3 agrupada contra políticas 75

5.17 P-valores de pruebas aplicadas a la política de Weber 77

5.18 P-valores de pruebas aplicadas a la política de Rechazo 77

5.19 P-valores de pruebas aplicadas a la política de Condicional 78

5.20 P-valores de pruebas aplicadas a la política de Weber 79

5.21 P-valores de pruebas aplicadas a la política de Rechazo 80

5.22 P-valores de pruebas aplicadas a la política de Condicional 81

Page 101: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

LISTA DE FIGURAS

2.1 La ubicación optima no puede estar fuera del triángulo 19

2.2 Máquina de Varignon para encontrar el punto de Weber 20

4.1 Instancia con 40 clientes y 4 facilidades aleatoriamente ubicados 35

4.2 Instancia con 7 facilidades y 70 clientes, 10 de ellos agrupados 39

4.3a Ejemplo de una instancia de la subclase 3 aleatoria 41

4.3b Ejemplo de una instancia de la subclase 3 agrupada 41

5.1 Gráfica de residuales de la política de Weber en la clase 1 51

5.2 Pruebas de igualdad de varianzas para los residuales 52

5.3 Prueba de normalidad para los residuales 53

5.4 Prueba de Hsu: Weber contra facilidades 55

5.5 Prueba de Mood: Weber contra facilidades 56

5.6 Prueba de Hsu: Rechazo contra puntos demanda 57

5.7 Prueba de Mood: Rechazo contra puntos demanda 57

5.8 Prueba de Hsu: Rechazo contra número de facilidades 58

5.9 Prueba de Mood: Rechazo contra número de facilidades 58

5.10 Prueba de Hsu: Condicional contra número de puntos demanda 59

Page 102: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

5.11 Prueba de Mood: Condicional contra número de puntos demanda 59

5.12 Prueba de Hsu: Condicional contra número de facilidades 60

5.13 Prueba de Mood: Condicional contra número de facilidades 60

5.14 Prueba de Hsu: Variable de respuesta contra política 62

5.15 Prueba de Mood: Variable de respuesta contra política 62

5.16 Pruebas de Hsu y de Mood: Clase agrupada contra políticas 67

5.17 Pruebas de Hsu y de Mood: Clase 3 aleatoria contra política 71

5.18 Prueba de Hsu: Clase 3 agrupada contra política 76

5.19 Comparación del desempeño de la política de Rechazo contra las clases 78

5.20 Comparación del desempeño de la política de Condicional contra las clases 79

5.21 Resultados de las pruebas Hsu y Mood: Weber contra Clase 80

5.22 Resultados de las pruebas Hsu y Mood: Rechazo contra Clase 81

A1 Programa que genera instancias de la clase aleatoria 94

A2 Programa que genera instancias de la clase agrupada 95

A3 Programa generador de instancias de la clase reducida 96

A4 Programa que evalúa la captura de las tres políticas 97

B1 Programa que resuelve el problema de Weber 98

B2 Programa que resuelve el problema de Weber con atracción y rechazo 99

B3 Programa que resuelve el problema de la 1-mediana condicional 100

Page 103: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

C1 Clase agrupada, Weber contra distancia 101

C2 Clase agrupada, Weber contra facilidades 101

C3 Clase agrupada, Rechazo contra distancia 102

C4 Clase agrupada, Condicional contra distancia 102

C5 Clase agrupada, Condicional contra facilidades 103

C6 Subclase aleatoria, Weber contra puntos demanda 103

C7 Subclase aleatoria, Weber contra facilidades 104

C8 Subclase aleatoria, Rechazo contra clientes 104

C9 Subclase aleatoria, Rechazo contra facilidades 105

C10 Subclase aleatoria, Condicional contra facilidades 105

C11 Subclase agrupada, Weber contra facilidades 106

C12 Subclase agrupada, Rechazo contra facilidades 106

C13 Subclase agrupada, Condicional contra distancia 107

C14 Subclase agrupada, Condicional contra facilidades 107

Page 104: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

APÉNDICE A Programas en C++

La figura A1 muestra el programa en C++ que genera instancias de la clase aleatoria

con 20 puntos demanda y 4 facilidades establecidas

Figura A1. Programa que genera instancias de la clase aleatoria

Page 105: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

En la figura A2 se muestra el programa que genera instancias de la clase agrupada

con 72 puntos demanda y 6 facilidades. Hay 6 puntos demanda agrupados a una

distancia horizontal de 0 unidades del área original de ubicación.

Figura A2. Programa que genera instancias de la clase agrupada.

Page 106: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

En la figura A3 se muestra el programa que genera instancias de la clase reducida,

subclase aleatoria, o subclase 3Acon 60 puntos demanda y 4 facilidades establecidas.

Figura A3. Programa generador de instancias de la clase reducida.

Page 107: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

La figura A4 muestra el programa que evalúa la captura de cada una de las tres

políticas en una instancia con 72 puntos demanda y 3 facilidades establecidas.

Figura A4. Programa que evalúa la captura de las tres políticas.

Page 108: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

APÉNDICE B. Programas en GAMS

A continuación se presentan los códigos fuente de los programas en GAMS que

arrojan los puntos de ubicación de las tres políticas e imprimen los puntos solución en un

archivo .out en el fólder de GAMS.

La figura B1 muestra el programa en GAMS que resuelve el problema de Weber para

una instancia con 60 puntos demanda y una facilidad establecida.

Figura B1. Programa que resuelve el problema de Weber.

Page 109: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

En la figura B2 se muestra el programa que resuelve el problema de Weber con

atracción y rechazo para una instancia con 60 puntos demanda y una facilidad

establecida. El peso de rechazo de la facilidad es 12.

Figura B2. Programa que resuelve el problema de Weber con atracción y rechazo.

Page 110: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

En la figura B3 se muestra el programa en GAMS para resolver el problema de la uno

mediana condicional en una instancia con 60 puntos demanda y una facilidad

establecida.

Figura B3. Programa que resuelve el problema de la 1-mediana condicional.

Page 111: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

APÉNDICE C Pruebas de Hsu y de Mood

Clase Agrupada La figura C1 muestra los resultados para la clase agrupada, en ella se observa un

mejor desempeño en la política de Weber cuando la distancia del agrupamiento al área

original de ubicación es 0 que cuando es 0.25 y que el desempeño cuando la distancia es

0.5 es comparable a los desempeños en los otros dos niveles.

Figura C1. Clase agrupada, Weber contra distancia

Los resultados de la figura C2 indican que en instancias de la clase agrupada con 3

facilidades la política de Weber obtiene un mejor desempeño que en aquellas instancias

con 12 facilidades establecidas.

Figura C2. Clase agrupada, Weber contra facilidades

Page 112: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

De acuerdo con la figura C3, a pesar de que la prueba de Hsu indica que el mejor

desempeño de la política de Rechazo en esta clase se da cuando la distancia del

agrupamiento es cero, la prueba de Mood indica que sólo se puede afirmar que hay

mejor captura cuando la distancia del agrupamiento al área original de ubicación es 0

que cuando es 0.25.

Figura C3. Clase agrupada, Rechazo contra distancia

Como se observa en la figura C4, tanto la prueba de Hsu como la prueba de Mood

indican que el mejor desempeño de la política de Condicional en la clase agrupada se

obtiene cuando la distancia del agrupamiento al área original es cero.

Los resultados de la prueba de Mood en las distancias 0.25 y 0.50 no muestran

intervalos pues como se mencionó en el capítulo 5, en estos casos muchos de los

resultados fueron iguales.

Figura C4. Clase agrupada, Condicional contra distancia

Page 113: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

Para la política de Condicional nada puede afirmarse en el caso de que el factor

considerado sea el número de facilidades, como se observa en la figura C5.

Figura C5. Clase agrupada, Condicional contra facilidades

Subclase aleatoria La figura C6 muestra que para la subclase aleatoria la política de Weber tiene su

mejor desempeño en instancias con 60 puntos demanda cuando el factor considerado es

el número de puntos demanda.

Figura C6. Subclase aleatoria, Weber contra puntos demanda

Al considerar el factor número de facilidades, los resultados de la política de Weber

son comparables, de acuerdo con los resultados de la prueba de Mood de la figura C7.

Page 114: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

Figura C7. Subclase aleatoria, Weber contra facilidades

De acuerdo con la figura C8, la política de Rechazo tiene mejor desempeño en

instancias con 60 puntos demanda que en aquellas con 40 puntos demanda.

Figura C8. Subclase aleatoria, Rechazo contra clientes

La figura C9 muestra que el mejor desempeño de la política de Rechazo se obtiene en

instancias con 4 facilidades establecidas.

Page 115: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

Figura C9. Subclase aleatoria, Rechazo contra facilidades

El mejor desempeño de la política de Condicional en instancias de la subclase

aleatoria se obtiene cuando hay 4 facilidades establecidas, como lo muestra la figura

C10..

Figura C10. Subclase aleatoria, Condicional contra facilidades

Subclase agrupada De acuerdo con la tabla C11, pesar de que la prueba de Hsu no muestra información

acerca de las comparaciones del desempeño de la política de Weber, la prueba de Mood

indica que hay un mejor desempeño cuando hay 3 facilidades que cuando hay 12

facilidades establecidas.

Page 116: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

Figura C11. Subclase agrupada, Weber contra facilidades

Los resultados de la figura C12 se puede afirmar que la política de Rechazo en la

subclase agrupada tiene su mejor desempeño en instancias con 12 facilidades

establecidas, y que este desempeño es mejor por mucho al de los otros dos niveles.

Figura C12. Subclase agrupada, Rechazo contra facilidades

De acuerdo con la figura C13, al considerar el factor distancia, la política de

Condicional tiene el mejor desempeño en la subclase agrupada en instancias cuyo

agrupamiento está a una distancia de cero del área original de ubicación.

Page 117: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

Figura C13. Subclase agrupada, Condicional contra distancia.

Cuando el factor considerado es el número de facilidades establecidas, la prueba de

Hsu indica que en instancias con 12 facilidades se tiene el mejor desempeño de la

política Condicional. Sin embargo, de acuerdo con la prueba de Mood, en la subclase

agrupada no hay diferencia en el desempeño de la política Condicional en los diferentes

niveles del número de facilidades establecidas.

Figura C14. Subclase agrupada, Condicional contra facilidades

Page 118: UNIVERSIDAD AUTÓNOMA DE NUEVO EÓNpisis.fime.uanl.mx/ftp/pubs/thesis/msc/2006-leticia_torres/tes... · universidad autÓnoma de nuevo leÓn facultad de ingenierÍa mecÁnica y elÉctrica

FICHA AUTOBIOGRÁFICA

Leticia Torres Díaz

Candidata para el grado de maestro en Ciencias en Ingeniería de Sistemas

Universidad Autónoma de Nuevo León

Facultad de Ingeniería Mecánica y Eléctrica

Tesis

“Análisis de Diferentes Políticas de Ubicación de una Instalación en

Ambientes Competitivos”

Nace en Monterrey, Nuevo León. Hija del Sr. Crescencio Torres de la Cruz y de la

Sra. María Guadalupe Díaz Alba. Se gradúa de la Facultad de Ciencias Físico

Matemáticas (1979-1983) como Licenciado en Matemáticas. Trabaja en la entonces

Escuela de Ciencias Físico Matemáticas de la UAP (1984-1990) y en el departamento de

Matemáticas de la Prepa Tec Campus Eugenio Garza Sada, (1991-1996) y Campus

Santa Catarina (1996-2004). En Febrero de 2004 ingresa a la Maestría en Ciencias en

Ingeniería de Sistemas con apoyo económico por parte de CONACYT.