1. Introducción y presentación del ponente
Diego Rosit se presenta y describe su ciudad, Bahía Blanca, y su universidad, la Universidad Nacional del Sur, con datos sobre su tamaño y producción.
eh tenía este material que venía juntando y y compilando, ¿no?, desde hace unas unos meses.Bueno, se me ocurrió que podía ser interesante.Eo, como presentó Luis, soy Diego Rosit, eh soy de la Universidad Nacional del Sur en Vallablanca, Argentina.Ahora voy a dar algunos datos.
Ya, ahora sí ya se está viendo.
¿Estás con el micro apagado, Diego?Ahora sí.¿Qué tal?Ahora sí.Eh, para presentar un poco mi ciudad.Mi ciudad está en el sur de Argentina, eh, ubicada a 700 km aproximadamente de la ciudad de Buenos Aires, que es la capital de del país.Está dentro de la provincia de Buenos Aires, está a las puertas de lo que se denomina la Patagonia Argentina.e tiene un un puerto de aguas profundas muy importantes, que es por donde se porta gran cantidad de cereales.Y bueno, ahora con con vaca muerta también muchos productos de recib de recursos fósiles también a través de de Valla Blanca.Eh, hay un gran polo petroquímico, eh representa casi el 60% de la producción nacional, que es bastante grande para un país latinoamericano.Y bueno, para Argentina, la ciudad Vall Blanca, que tiene alrededor de 300,000 habitantes, es una ciudad intermedia, ¿no?
Eh, Argentina no está caracterizada por por tener ciudades muy grandes.Eh, entonces, bueno, Vabblanca ocupa ocupa ese error.La idea un poco es presentar algunas estrategias mayormente aplicadas en Vallah Blanca, que trabajamos del lado de la investigación de operaciones para volver a a la ciudad un poco más resiliente, ¿no?Eh, tendiendo la resiliencia como como esa capacidad de adaptarse a los cambios de del ambiente, ¿no?Hoy en día con tantos impactos que estamos teniendo climáticos a nivel regional, eh realmente estas herramientas puede ser de de gran utilidad.Eh, mi universidad está en esta en mi ciudad, obviamente en Mall Blanca.Eh, es la séptima universidad nacional que creada en el país en 1956.eh tenía ya 10 años previos en base a un instituto previo que había y hoy cuenta con algo de 36,000 alumnos y bueno, 3,300 docentes.Eh, tiene 43 carreras de grado, 25 carreras cortas de grado, 24 doctorados, 25 maestrías, es decir, está bastante desarrollada para el lado lo que es la la investigación y el posgrado.
también ha tenido para lo que es Vall Blanca y para lo que es el tamaño de ciudad ha tenido un rol bastante destacado en lo que son los rankings a nivel América Latina de investigación, ¿no?
2. Resiliencia en sistemas urbanos y fuentes de incertidumbre
Se define la resiliencia como capacidad de anticipar y recuperarse ante disrupciones, y se presentan las fuentes de incertidumbre: demanda, fallas operativas, clima y datos. Se anuncian los tres temas de la charla.
Bueno, el motivo de esta charla es hablar un poco de resiliencia en sistemas urbanos.Eh, resiliencia es la capacidad de un sistema, eh en este caso vamos a hablar de transporte, pero podría ser cualquier otro sistema, de anticipar y recuperarse rápidamente frente a un cambio en las condiciones del entorno, ¿no?A una disrupción.Hablamos muchas veces los ingenios industriales tendemos a llevar toda la la cadena de suministro y ahí cuando hay un corte se habla de disrupción la cadena de suministro.Entonces, ¿cómo podemos diseñar estructuras, modelos, estrategias para lidiar con eso de manera un poco más inteligente?E la incertidumbre de entornos urbanos puede venir de distintas formas.Eh, por ejemplo, la demanda, ¿no?Estamos pensando en el sistema de recolección de residuos, que va a ser uno de los temas que vamos a abordar.Eh, la demanda puede ser la cantidad de recibos generados.
Estamos pensando en el sistema de transporte público.La demanda puede ser la cantidad de viajes, estamos pensando el nivel de servicio de las calles, la demanda puede ser el tránsito, es decir, siempre la demanda eh tiene algún componente aleatorio, ¿no?, que puede jugarnos una mala pasada,al momento de diseñar no lo contemplamos.También puede haber otro tipo de fallas operativas, eh cuestiones imprevistas de falta de personal, los tiempos de servicio, eh distintas cuestiones que pueden variar.Eh ni hablar también del clima.Eh, estamos viendo cada vez más eventos extremos de esta región, como comentaba previamente, y también la tecnológica, porque a veces estamos obligados a trabajar con bases de datos incompletas o incluso inestables.Es decir, los datos que tenemos para tomar decisiones en un momento no son los mismos que tenemos al momento siguiente.Nuestro método tiene que funcionar medianamente bien en todos los momentos, en todas las situaciones en la cual nosotros tendramos que tomar decisiones, que en definitiva es lo importante, ¿no?
Eh, entonces, bueno, esa es un poco la idea.Eh, vamos a hablar principalmente de tres temas.Eh, primero la optimización bajo incertidumbre.Yo vengo del área de optimización, eh, mi principal área de trabajo de la optimización.Entonces, bueno, vamos a hablar un poco sobre eso, de qué estrategias tiene la optimización para diseñar eh sistemas resilientes, ¿no?Eh, y vamos a ver un caso, ejemplo, a modo de de llevarlo un poco a la realidad, que era también un poco el motivo de esta charla, aplicado a gestión de residuos sólidos urbanos.Después el siguiente tema va a ser sobre simulación.No sé si si ya lo han visto, pero bueno, simulación también es otra gran herramienta que se utiliza en la investigación de operaciones para lidiar con problemas.Eh, yo le suelo decir a mis alumnos que la sistematización de la prueba y el error, porque estamos haciendo muchos ensayos de prueba y error de manera rápida, eh, pero bueno, también es una herramienta que si bien estado
optimizando, me permite también tomar decisiones, evaluar escenarios, etcétera.Y luego vamos a hablar un poquito de lo que es la adaptación del sistem.Em, la optimización y certidumbre, que es lo que el primer tema de los que vamos a hablar.
3. Optimización robusta: puntos limpios de residuos
Se presenta el problema de ubicar y dimensionar puntos limpios de residuos, el trade-off entre costo y probabilidad de desborde, y el enfoque de optimización robusta aplicado al centro de Bahía Blanca.
Vamos a tomar el ejemplo del dimensionamiento de los puntos limpios.¿Qué es un punto limpio?No sé bien cómo se estructuran en en Perú, pero bueno, eh lo que tenemos en mi ciudad y en muchas ciudades es un sistema contenidorizado donde las personas llevan los residuos hacia un punto limpio, ¿no?No es que sacan la basura en en la puerta de su casa y esa basura es recolectada, sino que la transportan hacia un punto limpio y de allí pasa el vehículo eh recolector.Un problema típico de la logística inversa, la recibos sólidos urbanos, es dónde ubicar esos puntos limpios, ¿no?Que le queden medianamente cerca a las personas porque nadie quiere que le quede muy lejos y punto limpio, porque tiene que ir todos los días a tirar basura, entonces está muy lejos es una molestia y si es unamolestia el ciudadano se va a quejar y va a generar problemas.
Entonces, no queremos que se esté muy lejos, pero tampoco quiere que esté muy cerca, ¿no?Porque también los contenedores de residuos son eh aquellas instalaciones en en la jerga de de investigación de operaciones se llaman semi omivius, que quiere decir semiindeseable.Es decir, son deseables que estén cerca, pero tampoco tan cerca.Si yo tengo un contenido de frente a mi casa y empieza a largar el olor, eh la gente en vez de ponerlo adentro la basura por ahí se le cae afuera, entonces ensucia, eh, genera contaminación visual, genera contaminaciónsonora también cuando viene el camión a descargarlo o cargarlo, eso también genera un rechazo.Entonces, son esas instalaciones que son difíciles de ubicar, todos las queremos lo suficientemente cerca, pero también lo suficientemente lejos.Y además eh tenemos considerado otras cuestiones como el la capacidad de los puntos limpios, ¿no?Tenemos que dimensionar la capacidad de forma tal de que no haya desbordes eh porque nadie quiere que la basura caiga fuera punto limpio.
Tenemos que dimensionar la capacidad de forma tal que tengamos en cuenta el costo que lo cual estamos instalando.Si nosotros instalamos algo muy grande, tenemos mucha capacidad, pero también tenemos mucho costo hundido, ¿no?costo de mantenimiento de ese punto limpio.Esto combate y seguimos.Y también tengo que dimensionar la capacidad pensando en la recolección, es decir, eh cuándo va a pasar el vehículo recolector, cada cuántos días va a pasar y en base a una demanda estimada yo voy a poder calcular esacapacidad.¿Qué es lo que sucede a este problema típico de la literatura?Generalmente lo trabaja con una demanda promedio.Demanda acá entendemos, obviamente, la generación de los residuos.Él diseña el sistema con una tasa de generación promedio.Eso está bien, es medianamente aceptable.Eh, este problema en general es un problema NPJ que no sé si si conocen el término, pero quiere decir que es un problema muy difícil de resolver a escala real.
¿Por qué?Porque la matemática, el problema en sí, tiene un montón de componentes que llevan a que encontrar una solución factible a ese problema y menos óptima sea algo muy difícil de lograr con los algoritmos que hay actualmente.Entonces, como el problema es complicado, en general se lo trata como un problema determinístico en el cual se toma la demanda intermedia.Pero, ¿qué es lo que pasa cuando se toma la demanda intermedia?pueden ocurrir distintos inconvenientes.Si la generación de residuos crece de golpe, hay desbordes y de alguna forma el sistema estaría fallando, ¿no?Entonces, ¿cuáles son las opciones que tenemos?Si no trabajamos con valores fijos, eh, que podría ser, por ejemplo, el promedio o el valor esperado, tenemos algunas otras herramientas que nos provee la investigación operación.Por ejemplo, la optimización robusta.¿Qué es optimizar de manera robusta?es minimizar la probabilidad de que el sistema falle en el peor caso.
¿Cuál es el peor caso en esta situación?Puntos limpios, que la demanda exceda la capacidad instalada.Entonces, ¿qué se hace?Obviamente se aumenta la capacidad instalada tratando de minimizar esa probabilidad, pero se aumenta de manera inteligente, no es que yo dimensiono el sistema para la máxima demanda prevista.Pues si yo dimensiono el sistema para la máxima demanda prevista, no estoy aplicando la ingeniería industrial, directamente estoy tomando la solución más costosa y tratando de cubrirme.Ojal capaz que nunca se desborda, lo cual está buenísimo, pero por el lado de costo tiene sobredimensional el sistema que en 99,99% de las veces va a estar semivacío.Entonces no puedo trabajar así lo que se hace es trabajar con una cierta probabilidad de que ocurra el desborde, en este caso los puntos limpios.¿Qué probabilidad vamos a tomar?Bueno, eso va a depender del sistema, ¿no?Pero manipulando esa probabilidad, uno obtiene distintas soluciones con menor grado de probabilidad de desborde que uno tiene, pero se hace de manera inteligente u optimizando, que en definitiva es lo mismo, ¿no?
Otra forma de trabajar tipo de es a través de valores aleatorios, es decir, tomar una distribución de probabilidad y elaborar un modelo que pueda considerar esa probabilidad.El inconveniente de estos modelos estocásticos que son mucho más complejos de resolver, como vamos a ver en un rato.Este que está acá, por ejemplo, es el escenario del centro Vall Blanca.Esta es la plaza Rioavia, típica ciudad.No fue por español, perdón, no sé si hac una pregunta o Ah, e tiene una plaza central, tiene la catedral, todo muy bonito.Y est son las principales cuadras de de centro.
Eh, disculpe, su micrófono se apagó.
Se se muteó tu micrófono, eh,
Diego.Ahí está.Gracias.Ya.Okay.Listo.E hay distintos.Voy a dejar el la pestaña de Teams por acá.Hay distintos e bueno, hay dos fracciones, dos corrientes en valla blanca.Tenemos los residuos mixtos o húmedos donde va todo lo que no es reciclable y lación reciclable.Entonces, lo que hicimos fue diseñar la red de recolección, o sea, los puntos limpios de la ciudad para distintas probabilidades de que haya desborde.Obviamente, mientras más eh más cantidad de puntos limpios hay, menor es la probabilidad de que haya desborde, pero también más cara es la red, ¿no?Entonces, entramos en un problema que nos gusta tanto los ingenieros industriales de evaluar esos tradeof entre dos criterios contrapuestos.o diseñamos una red más robusta que tenga menos probabilidad de desborde, pero va a ser mucho más costosa de mantener o diseñamos una red más barata y nos aguantamos, por decirlo de una forma cierta probabilidad de desborde, ¿no?
Y de última, cuando haya desborde, por ejemplo, en las época de las fiestas, que hay más generación de residuos, reforzamos con eh mayor frecuencia de recolección, o sea, pasamos más veces a recolectar en la semana.Eso podría ser una opción.Entonces, este es uno de los enfoques eh típicos de lo que es la la optimización en entornos donde las variables no son fijas o los parámetros, mejor dicho.
4. Optimización estocástica de dos etapas y demanda
Se explica la separación entre decisiones estratégicas y tácticas, la estimación de la generación de residuos con efectos comunes e individuales, y las estrategias para reducir el gap del modelo estocástico.
Eh, pero otra modalidad es trabajar con lo que es eh la optimización estocástica.¿Qué es la optimización estocástica?Es dividir el problema en dos.Por un lado, hago una decisión estratégica.estratégica, probablemente ustedes ya lo sepan, son aquellas decisiones que se van a mantener en el largo plazo.¿Por qué?Porque cambiarlas de manera muy frecuente ocasiona un costo muy alto.Generalmente las estratég estratégicas, perdón, están asociadas a infraestructura o o a cuestiones contractuales o alguna cuestión que es muy caro salir de ella, o sea, no se puede cambiar tan rápido de decisión.Y por otro lado vamos a dejar la parte táctica del problema.Táctico, sí es un horizonte de planificación más corto donde los cambios que hagamos no son tan costosos con una fórmula, por decirlo una fórmula.La parte estratégica del problema es establecer dónde vamos a localizar los contenedores y qué tipo de contenedor, es decir, cuánta capacidad vamos a instalar ahí.
¿Por qué?Porque nosotros no podemos ir a andar moviendo los puntos limpios todos los días porque la gente se va a quejar, porque la gente no se va a acostumbrar, eh, etcétera.Entonces, eso es una decisión estratégica para nosotros.Si la tomamos, la tenemos que mantener como mínimo para un horizonte de planificación de algunos años, ¿no?Y por otro lado, divimos el problema con una deción más táctica.¿Cuál es la táctica?Por ejemplo, la frecuencia de recolección.cada cuánto vamos a pasar por cada punto limpio.Es algo que nosotros podemos ajustar con medianamente eh alguna facilidad.Si bien va a tener un costo, obviamente mientras más frecuente sea la recolección, más costoso va a ser, pero es algo que se puede ajustar eh de manera más barata que lo que es la estratégica.Entonces, partimos el problema en dos y trabajamos en lo que es la segunda etapa con algunos escenarios esperados.
Es decir, lo que vamos a hacer, vamos a dimensionar la parte estratégica y luego vamos a ajustar la parte táctica sobre la marcha.Comopara eso tenemos que hacer una estimación de la demanda.Eso fue un trabajo bastante extenso en el cual trabajamos bastante tiempo, que es prever cómo va a variar la generación de residuos semana a semana dentro de cada manzana, llamamos acá a la cuaderícula de la ciudad, ¿no?Dentro de cada sector, por lo mejor.Eh, primero aislamos lo que es un factor común, porque tampoco, si bien puede haber variabilidad entre los sectores dentro una ciudad, tampoco es descabellado pensar que hay cierta correlación en la variación de la generación de residuos.Si en un sector se genera más, probablemente haya cierta influencia sobre los sectores están de daños para generar más.Por ejemplo, puede ser que estemos en época de fiestas, entonces toda la ciudad tiende a generar un poco más de residuo.
Entonces hay cierto efecto correlacionado.Sin embargo, ahí como está en el punto dos, también sabemos que hay cierto efecto individual, es decir, los sectores de la ciudad también tienen cierto movimiento individual independiente de los demás que es necesario captar.Eh, lo que hicimos nosotros fue armar una estimación de generación a partir de la combinación de estos dos efectos, uno más común o general a toda la ciudad, en el cual nos basamos en datos eh a nivel macrode la ciudad y uno eh basado en manzana a manzana.Eso no pudimos hacerlo para Vall Blanca porque, bueno, no tenemos eh ese nivel de agregación de los datos hoy en día, pero teníamos información de una ciudad bastante cerca de Vallalanca llamada Tandil, en el cual se había hechoun estudio experimental en el cual se midió la terza generación de de cada manzana de un barrio representativo de la ciudad durante un lapso de creo que era algo de un año.
Entonces, bueno, teníamos cierta información de una ciudad que tiene ciertos patrones culturales semejantes a nuestra, si queremos pensar.Entonces, de esa forma estimamos la demanda y, ¿qué hicimos con esto?generar escenarios, es decir, eh aplicamos simulación de Montecarlo para generar distintos tipos de escenarios y tratamos de optimizar para el global, es decir, eh optimizar la parte estratégica teniendo en cuenta también la parte táctica posterior.Y lo que obtuvimos fue soluciones bastante mejores que si hubiéramos diseñado solamente considerando la media.Fíjense acá a la izquierda hay un mapa también del centro Vall Blanca.Esta es la plaza, la plaza que veíamos antes y están los puntos limpios, ¿no?Los que están con circulito quiere decir que en alguno de los escenarios se hubo desbordes, es decir, eh la generación de residuos fue mayor a la capacidad instalada.En cambio, la solución estocástica garantizamos que para todos los escenarios planteados, que obviamente son limitados, uno nunca puede simular todos los escenarios que pueda haber en la realidad, pero bueno, siempre tiene que hacer una muestra representativa de esa
variable estocástica que está queriendo aproximar.logramos que no hubiera de borde, es decir, el diseño estocástico es más resiliente frente a la variabilidad de la tasa de generación de residuo.
Bueno, esta parte de acá es también capaz que los porcentajes y eso no depende en qué nivel de de investigación de operaciones estén.Por ahí le hablan de algo y por ahí no.Depende de cómo cómo estén trabajando el tema.Pero los problemas estocásticos eh son raros de encontrar, o sea, generalmente la bibliografía no trata de manera estocástica muchos problemas, no porque no sepa que la aleatoriidad es algo importante.Todos sabemos que casi todo parámetro de la vida real es aleatorio.En realidad nada es fijo, eh, sios, o sea, nosotros por ahí resolvemos algunos ejemplos en clase y eso tomando parámetros fijos, pero inmediatamente si nos ponemos a analizar los precios pueden variar, los costos pueden variar, el rendimiento dela mano de obra puede variar, es decir, hay un montón de cuestiones que la tomamos como fija que en realidad sabemos que tiene cierta variabilidad, pero ¿qué pasa?
¿Por qué no se toman como problema estocástico?Porque resolver problemas estocásticos es mucho más complejo que resolver problemas determinísticos.Entonces, a veces en vez de tener una buena solución de mucho tiempo, prefiero tener una solución de un problema, aunque sea un poco más irreal, si quiero, en menor cantidad de tiempo para poder tomar decisiones, ¿no?Ahí de nuevo hay un tradeof entre la exactitud de la solución y la rapidez en la cual la obtengo.A veces más importante tenerla rápidamente que tenerla de manera precisa.Pero bueno, los problemas estocásticos son mucho más complejos de resolver que los problemas determinísticos.Y acá lo que hicimos fue una serie de estrategias para mejorar el desempeño de nuestro modelo bajando de lo que se llama una un gap, que es básicamente la distancia que hay de la solución que yo tengo alóptimo estimado del problema, porque el óptimo del problema yo no lo conozco, pues son problemas muy difíciles, entonces tengo una estimación de ese óptimo.
Entonces mido esa distancia.Si es grande quiere decir que mi solución está muy lejos del óptimo o está muy lejos de comprobar cuál es el óptimo.Así que es razonable.Y aplicamos algunas inecuaciones que nos permitieron eh achicar esa brecha y algunas estrategias de de dominancia que por ahí no no quiero entrar en mucho detalle, pero hay ciertos puntos limpios que encontramos que dominaban a otros.¿Por qué?porque incluían dentro de su radio de de acción, por decir una forma, todos los clientes que incluía el otro y además algunos más.Entonces, hay cierta cuestión de dominancia.Entonces, a veces establecemos restricciones de este tipo que nos permiten ahorrar eh disminuir esta brecha.y también una cota por escenario que creo que está por ah no la comenté la slide porque bueno, también me pareció que no va a entrar mucho en detalle, pero bueno, otra estrategia que nos permitió achicar ese app
centro de Valanca desde 47% a 25%.Esta forma todavía no estamos en la solución óptima o no hemos comprobado que la solución que tenemos actualmente sea óptima, porque capaz que lo es, pero nos falta mejorar esta estimación del
5. Planificación de aparatos eléctricos con tarifa horaria
Caso de Uruguay sobre planificación del uso de electrodomésticos balanceando costo y satisfacción del usuario, incorporando la aleatoriedad de las preferencias mediante simulación de Monte Carlo.
otro problema con el cual hemos trabajado, eh este fue para estancias de Montevideo.Eh yo colaboro bastante con la Universidad de la República y trabajo mucho con algunos colegas de allá.Eh, y bueno, este problema es eh cómo planificar el uso de aparatos eléctricos en Nogar.Quiero decir esto, eh, no sé cómo es en Perú, interesaría saber, así que si me lo cuentan después me viene bien el dato, pero en Uruguay hay una tarifa horaria de luz, es decir, los hogares tien una tarifahoraria.¿Qué quiere decir esto?Porque no da lo mismo consumir un kilowo a las 3 de la mañana que consumir a las 8, que consumir a las 12, consumirlo a las a las 17.Tiene distintos valores.¿Por qué?Porque los sistemas eléctricos, infraestructura tratan de promover que la gente use sus equipamientos de manera eh que el consumo quede nivelado, ¿no?
Los picos de consumo que son generalmente los que sobrecarga la red.Entonces, esta tarifa horaria lo que hace es dar incentivo a que las personas desplacen sus consumos de los horarios pico, que generalmente son a las 7 de la tarde cuando todo el mundo vuelve al trabajo, a horarios valles,por ejemplo, las 3 de la tarde o a la madrugada, si tengo algún equipamiento inteligente, por ejemplo, un lavarropa que puedo programar, capaz que lo lo puedo programar para que lave a las 3 de la mañana donde esmás barato, entonces ahorro algún consumo, algún costo.Lo que nosotros hicimos es planificar el uso de aparatos eléctricos en un hogar tratando de perseguir por un lado la minimización del costo, pero por otro lado también teniendo en cuenta la satisfacción del usuario, porque no nos servíade nada generar soluciones que eran muy buenas en término de costo, es decir, ahorraba mucho precio, mucho valor en la tarifa final, pero hacía que el usuario use todas las 3 de la mañana.
Eso no es real porque la gente eh no quiere mirar televisión a las 3 de la mañana, por eso es una forma.Entonces, tratamos de balancear la satisfacción del usuario, que la medimos a través de de un dataset que tienen en Uruguay para que en el cual intervinieron hogares, censaron durante meses como la gente usa cada aparato, etcétera.Entonces, de ahí sacamos la satisfacción y la nivel con el costo y tratamos de obtener soluciones balanceadas en ese sentido.¿Dónde entrar la aleatoriedad?Porque esta este tema está acá en esta slide, porque la preferencia del usuario es algo difícil de definir.Nosotros estimamos una satisfacción en base a la preferencia que tiene cada persona de usar cada aparato en una hora del día.Pero nos dimos cuenta que cuando la misma persona le preguntábamos en 200 días cuándo quiere usar cada aparato, había cierta variabilidad.A veces te decía las 3 de la tarde, a veces te decía 3:15, a veces te decía 3 men cu.
Es decir, las personas tenemos cierta inherencia.a ser estocásticas en nuestrasiones.Entonces ahí había algo de aleatoriedad que incluimos el modelo mediante una simulación e de Monteclot.Eh, bueno, acá tenemos un resumen de lo que fue esta hora esta charla.Tenemos la optimización robusta.¿Qué es la optimización robusta?aquella optimización más básica, si queremos pensar, que nos permite considerar la incertidumbre, pero de forma un poco burda, digamos, o bruta, ¿no?Es decir, minimizamos la probabilidad de que el sistema falle.Eh, esto quiere decir que no se use.No, se utiliza un montón.¿Cuándo se la utiliza?Cuando no hay información.Porque en la optimización robusta yo no preciso saber cómo se mueve la variable estocástica que yo estoy tratando de perseguir.Por ejemplo, la cantidad de de recibo generado, por ejemplo, la preferencia del usuario en el problema de planificación.Lo que yo preciso saber es el intervalo en el cual se mueve.
Con el intervalo ya me basta.Yo sé que la generación de residuos en general en la mayoría de las ciudades es alrededor de 1 kg eh por eh persona, ¿no?Yo sé que se mueve entre los 800 g y los 1200 g.Bueno, listo, con eso me sirve.Eh, en cambio, para pasar un modelo de dos etapas estocástico, yo preciso saber la distribución de esos valores, ¿no?¿Cómo se distribuye?¿Sigue en una distribución normal, una distribución tude en alguna aproximación que yo pueda hacer o alguna empírica?
6. Simulación de tráfico y semaforización inteligente
Se presenta la simulación microscópica con software SUMO y AIMSUN para evaluar semáforos inteligentes, emisiones de contaminantes y otros casos aplicados en talleres y cadenas de suministro.
Ya para ir eh terminando, presento el último tema del cual yo quería hablar, que es también la simulación.Eh, la charla era sobre transporte eh urbano e resiliente.Hablamos un poco del de la recollección de residuos y ahora la idea es hablar sobre el tráfico en las ciudades.También trabajamos un poco con el centro Volalanc de nuevo esta imagen que tenemos acá a través del software ZMO de microestimulación para evaluar distintos aspectos de la calidad de servicio de eh las calles en María Langa.Principalmente evaluamos distintos tipos de eh sistema de semaforización inteligente.Es un semáforo inteligente.Eh, no sé si allá en Lima tienen o no, pero muchas veces los semáforos en las ciudades intermedias como blanca se basan solo en un lapso de tiempo de luz verde, lapso de tiempo de luz roja y amarillo.Tenemos acá intermedio, ¿no?Fijo, sin importar la demanda de las calles, es decir, cuántos autos están circulando, cuántos vehículos.
Lo que nosotros tratamos de mostrarle a la municipalidad es cómo mejoraría el flujo del tránsito si en vez de semforización fija hubiera semforización eh guiada.Guiada por qué?Por la cantidad de flujo que va circulando en el en la calle.Por ejemplo, podría ser un semáforo que tenga una cámara y sense eh la cantidad de flujo por segundo y cuando hay mucho flujo quiere decir que hay mucho tránsito en la calle, entonces mantiene la luz verde activa.Cuando el flujo empieza a menguar, quiere decir que la cantidad de tránsito está bajando, entonces es probable que le convenga pasar a rojo y dar paso a la otra calle del cruce, ¿no?Es decir, tener algún tipo de inteligencia.y descubrimos que eh bueno, basado en retraso es otro tipo de semforización también inteligente eh que por ahí no tiene sentido a detalle, pero bueno, descubrimos que mejoraban ciertos parámetros al cambiar en una esquina eh muy importante adelanta,
por ejemplo, la velocidad promedio de los vehículos, el flujo era más eh más natural, más fluido por una forma eh la duración promedio de los viajes, es decir, había varias cuestiones que eh mejoraban con instalación de tecnología inteligente.Otra cuestión que también vimos a la acá, la imagen quedó un poco borrada es e la cantidad de de residuos, ¿no?Eh, trabajo con grasica que ingeniería química y ya me corregiría la cantidad de contaminantes que se generan eh en esta cruz de la ciudad, ¿no?en base al flujo de vehículos y también encontramos que había cierta mejora al usar inteligente porque los vehículos tendían a frenar y arrancar menos y cuando los vehículos fren y arrancan es cuando más emiten contaminantes.Entonces, bueno, también hay un impacto no solo en la calidad del servicio eh de las personas, sino también en el medio ambiente, ¿no?Se emintían menos contaminantes.
Y otra cuestión que también eh vimos es como ese flujo vehicular que genera emite, perdón, contaminantes, cómo se distribuían a través también de un de otro simulador.Este es un simulador de tráfico sumo, ¿no?AR mode es un simulador de eh calidad de aire.Entonces, a partir de una fuente fija, esto es una cuadra de Valla Blanca de acá cerca de la plaza arriba de esta, la plaza principal, perdón, está por acá.Entonces, lo que vimos es como un vehículo emite y cómo esa pluma de contaminante se mueve según los vientos dominantes, ¿no?Hacia donde se mueve para dos días eh particulares de Vall Blanca.Y eso también nos da cierta información sobre la dirección de los vientos y cómo se propagan esos contaminantes en la ciudad.Eh, bueno, más o menos esa sería la idea de este de este último tema.Lo que traté de presentar acá son ciertas herramientas que nos permiten diseñar sistemas más resilientes, es decir, eh sistemas que tengan en cuenta la aleatorialidad y la incorporen al proceso de toma decisiones para tomar mejores decisiones.
En definitiva, es un poco lo que uno quiere hacer.E acá hay bueno otros casos en los que he trabajado, que no están las slide por una cuestión de tiempo.Trabajamos también eh ya no en un contexto urbano, sino en un contexto más bien de servicio, en el taller de realización técnica vehicular de Vall Blanca mediante un simulador evaluamos distintas eh afectaciones puede haber al servicio, por ejemplo,la caída de un sistema, la falta de un empleado, incorporar un empleado con poca experiencia.Bueno, cómo todo eso afecta al sistema eh dentro de lo que es el contexto de perdón, me tomo mate industria 5.0 cuando ya incorporamos a las personas y si no 4.0 cuando hablamos más bien de la tecnología.También en problemas con aleatoriedad.Hemos trabajado en Colombia, en Bogotá, tengo un eh dirijo un tesista doctoral que está trabajando allá y él está trabajando con lo que son cadena de suministro de Banco de Alimentos.
Es bastante interesante el problema porque ahí la autoridad no está solo en la demanda.La demanda de de alimentos de los bancos de alimentos generalmente surge cuando hay un problema, un cataclismo natural, por ejemplo, una inundación.Allá en en Colombia tiene muchos deslizamientos también de tierras o de lodo que ocasionan problemas en ciertas comunidades y bueno, hay que salirlo a asistir con alimentos.Entonces, la demanda tiene mucha, pero también la oferta porque la oferta muchas veces se nutre de donaciones y las donaciones es algo difícil de prever también.Entonces es bastante interesante, digamos, está atacada la cadena por dos lados por la incertidumbre y después también con una empresa Vall Blanca que distribuye alimentos balanceado, eh, que también tiene una una demanda bastante bastante interesante porque trabaja conmuchos productos, entonces la demanda de los productos tiene cierta correlación.Cuando baja uno probablemente suba al otro.
Es bastante está bastante bueno también el problema.
7. Conclusiones sobre resiliencia y aleatoriedad
El ponente concluye que optimizar para el promedio no siempre garantiza resiliencia y que la decisión de incorporar aleatoriedad depende del nivel de detalle requerido. Cierra agradeciendo y abriendo colaboraciones.
Em bueno, como conclusión, eh, esto no de que la resiliencia eh no significa muchas veces optimizar para el promedio.optimizar para el promedio está bien.Es una primera aproximación que se puede hacer a muchos problemas.Muchas veces puede ser útil esa solución, pero tenemos que saber que en realidad eh si estamos considerando aspectos reales eh de la industria, de la naturaleza, de los sistemas urbanos, muchas veces esos parámetros van a ser aleatorios.¿Cuándo incorporamos o no la aleatoriedad?Bueno, va a depender de la calidad de la adición que nosotros queramos eh proponer.E yo tenía un profesor que siempre decía lo mismo, que decía, "No sirve medir con un calibre para trazar con una tisa, para cortar con un hacha."Si nosotros vamos a tomar una decisión de manera rústica y la queremos rápido, bueno, probablemente está eh diseñadoando esa variable sea suficiente.Ah, si nosotros queremos ir al detalle solución aplicar durante mucho tiempo, porque solución va a tener un alto costo de implementación, probablemente nos convenga algún método más refinado, ¿no?
Bueno, eso es básicamente un poco lo que quiero comentar.Hay muchos problemas que que siguen abiertos, como pueden ver acá.Y bueno, eh no quiero para tenderme, pero cualquier duda o consulta ya mi correo.Eh, no sé bien en qué etapa la carrera están o qué están haciendo, pero bueno, siempre he abierto a colaboraciones eh internacionales, siempre colaboramos acá con varios grupos.Estamos abiertos a a establecer nueva línea de trabajo y y nuevas opciones de vinculación, digamos.Eh, por último, bueno, agradecerles por el tiempo de de escuchar, agradecerle a Luis por la invitación y y bueno, quedar abierto un poco alguna alguna duda que puedan tener.
8. Preguntas y respuestas con el auditorio
Sesión de preguntas sobre la frecuencia de recolección, la flota de vehículos, la dinámica poblacional, los horarios de recojo y las tarifas eléctricas comparadas entre Perú, Argentina y Uruguay.
Excelente, Diego.Sí, excelente.Este, eh, gracias por la presentación.nos has ilustrado eh rápidamente, justamente como lo que te había pedido para que los chicos vean este el alcance del de las técnicas de investigación de operaciones.Yo sé que hay niveles, ¿no?, metaurísticas y hay nuevas técnicas que que siempre se están se están este descubriendo, implementando, explorando, ¿no?Eh, veo yo eh sé que yo he visto tu currículum, ¿no?Te te he seguido y sé que tienes un gran alcance, ¿no?Quiero hacerte una pregunta referente al tema uno que mostraste con respecto a la recolección de de residuos.Eh, entiendo que lo simulas.Entiendo que las ubicaciones de los de los contenedores ya están predefinidos.Eh eh entiendo también que eh mostraste, digamos, un primer escenario donde sí habían desbordes, creo que trabajabas con promedios y después mostraste un escenario ya donde incorporabas el factor aleatorio y mitigabas el desborde como que ya no no
se desbordaba.Entonces, mi pregunta es, eh yo sé que en ese segundo escenario tú has aplicado simulación y has probado probablemente escenarios, escenarios hasta buscar una configuración ideal que te lleve a que no se generen esos desbordes, ¿no?O a controlar eso.Para eso tú has probado, digamos, escenarios en los cuales estás cambiando la frecuencia del recojo?Eh, no, lo que estamos cambiando es la la generación, o sea, la solución tiene que ser robusta e dimensionando la Ah, perdón, sí, la frecuencia, sí, porque era una adión táctica la frecuencia.Lo que no cambiamos es la la disposición y la capacidad de los puntos límpios.Sí, la frecuencia es lo que adapta la el sistema.Ya, esa pregunta igual.Sí, no había entendido la pregunta.La frecuencia.Sí, eso es lo que estaba tratando de entender.Tu escenario está en función a la frecuencia del recojo y también dentro de eso, de esa escenario, aparte de la frecuencia también estás conciendo la capacidad del vehículo que recoge.
Sí, la capacidad del vehículo ya está fija.Eh, tenemos una flota homogénea en Vall Blanca.Por suerte en realidad hay uno o dos vehículos.Son algo de 23 vehículos.la flota, cambi compactadores.Eh, hay uno o dos con distinta capacidad, pero tomamos el el mayoritario que era de 21 toneladas e 21 toneladas como máximo y lo conseguamos fijo porque en realidad la flota es bastante homogénea.Lo que nosotros suponíamos que había más viajes, eh viajes desde el resido, que está en las afueras de la ciudad, eh, y también ahí está la planta de clasificación.Sí.Y la otra pregunta es, ya esto, yo sé que todos los sistemas pues son cambiantes en el tiempo, son dinámicos.La configuración ideal de lo que hagamos ahorita de acá a 2 años puede cambiar porque aparecen nuevos este nuevos condominios, ¿no?Llega más gente, eh tal vez este los residuos este suben, ¿no?
Este lo que yo inicialmente había configurado después de acá 2 años ya no es tanto así.Eh, eh cómo cómo eh eh le das mantenimiento a eso?O sea, o o eso todavía está abierto, ¿cómo cómo lo eh si en realidad a la distribución poblacional cambia mucho, eh probablemente la decisión, incluso considerando el modelo estocástico deje de ser resiliente también, porque es verdad que siyo me alejo mucho de lo que yo había previsto, eh, eso puede puede hacer que la solución caiga en infactibilidad.Eh, por suerte en lo que es la la población de Vallalanca y lo que es Argentina en general la población está bastante estable.Eh, no tenemos grado en crecimiento poblacional.Lo que sí tenemos variabilidad es en los meses de verano, porque Vall Blanca es una ciudad que también depende un poco de la población universitaria y bueno, cuando es verano los chicos, como le decimos acá, huelen a los
pueblos, huelen a las ciudades y eso tiene un impacto.Eh, ahí lo que se hace se no se reduce la cantidad de puntos limpios porque ya eso está definido, sino que se ajusta nuevamente la frecuencia para abajo.Pero bueno, también es un problema que es interesante abordar y es una buena pregunta, pues en realidad en verano acá en Bahía Blanca por más que estemos en el sur calor, ha llegado a ser muchas veces 40 gr,40 y pico grados y cuando uno disminuye mucho la frecuencia eh puede que la basura se descomponga, genera otro tipo de problemas, moscas, olores.Entonces, bueno, esto también es una queja constante.Ese es un escenario que no hemos analizado todavía, que sería interesante ver cómo si podemos incorporar dentro de la toma de decisiones esa variabilidad, ya no semana a semana, sino de manera eh intervenual, si queremos pensar eh agrandar
un poco ahí.Sí, sería algo interesante para para analizar que que el día de hoy no no hemos avanzado, pero sí, muy buena pregunta.Diego, este, una consulta, este, ¿y esos eh recojos, los horarios, los turnos se dan en la madrugada, en la noche o durante el día la mañana que hay tráfico?¿Cómo lo cómo lo han cuál es la política, mejor dicho, en esta zona céntrica?Eh, se van a la madrugada por justamente por lo que decís, porque de mañana hay mucho, o sea, durante el día hay mucho tráfico, entonces hacen de noche.Eh, en los barrios más alejados sí se hace, depende del barrio se puede hacer manera diaria.Está vivo en dos turnos, diaria o nocturno.Eh, el turno diario es una gran franja horaria, después algunos barrios se va a hacen más a la mañana, otros más a la tarde, pero están considerados diarios.
Pero este que era céntrico es nocturno justamente por eso, por el por el tráfico y y esas cuestiones.Okay.Este, también habías hablado sobre un segundo tema eh con respecto a la energía eléctrica.Bueno, acá es es casi igual o similar a cómo lo manejan allá.Eh, la energía eléctrica es más costosa en la noche, en la madrugada, sobre todo la energía que que va a las fábricas, pues no.Eh, el costo en la mañana es más barato.Eh, normalmente primero se consume la energía que se genera por el agua, ¿no?Este, y una vez que eso no cubre, que llegas a tu tope, comienzan a activarse las la la las termoeléctricas.Ya, esa energía es más cara y normalmente se usa a partir de las 6, 7 de la noche en la franja, digamos que es alta y ya como lo mismo que dices tú, en la madrugada que ya baja
el consumo, este es más barato, ¿no?Este, justo lo que yo te escuchaba decir es es casi similar acá, ¿no?Pero es escalonado.Primero usan el agua que se genera producto de las caídas del agua, la las hidroeléctricas, pero eso tiene un tope pues en nuestra red nacional, ¿no?Este, y luego ya se van activando las termoeléctricas.Es un poquito porque habías preguntado eso.Sí, sí, está bueno saberlo.En Argentina, por ejemplo, eh esto era el caso de Uruguay.En Argentina todavía muchas zonas, eh, mi ciudad incluida la tarifa es plana, no está distribuida, eh no es variable y eso no genera incentivos para que la gente eh tenga esos esas conductas más sustentables o que permitan disminuirel piso a la red.El problema que para pasar a tarifa que tienen ustedes horaria tienen que cambiar los medidores, tienen que poner medidores inteligentes que permitan eh censar el horario en el cual se consume y eso es costoso.
Entonces yo creo que ahí está el el la gran inversión que hace falta que que hagan las empresas eléctricas acá para para lo que te lo que te comento mayormente es para las empresas que consumen fuerte, ¿no?Este, en el hogar, ¿no?Para los hogares, este, hay un costo por kilw.Ah, es plana.Ah, está bien.Es siempre la misma, digamos.Sí, eso.Bueno, eso es lo que veo, lo que veo mi recibo.Este, eh, bueno, es cambiante en en diciembre que es fuerte por Navidad sube el consumo, ¿no?Pero el tema de las empresas se maneja distinto.Este, no sé si jóvenes quieren hacer alguna pregunta.Eh, sobre la exposición de Diego, que ha sido muy interesante.Si bien es cierto, él nos ha contado la idea, yo sé que detrás de eso pues hay toda hay bastante matemáticas, bastantes conceptos que que el dominio conoce, pero lógicamente en este corto tiempo él no puede profundizar, pero
las ideas, el alcance, la aplicabilidad, eso es lo importante, ¿no?No sé si alguien más tiene alguna duda, alguna consulta.
9. Cierre del webinar y entrega de constancia
Agradecimientos finales, captura de pantallas con los asistentes, entrega del certificado al ponente y despedida del webinar internacional.
No sé si me están escuchando por ahí, todo está claro.Y he pedido a la coordinadora de área que que lo grabe porque es muy interesante su tu exposición, Diego.La verdad que me ha gustado mucho.Voy a pedirles a los jóvenes si pueden.Este, todo está claro, perfecto.Todo está bien hecho y claro.Lo que pasa es que esto ha sido bien didáctico, Diego.Me ha gustado tu exposición, la verdad.ha sido puntual, o sea, como para ellos, ¿no?Ya si nosotros queremos profundizar, ya ellos te escribirán algún en algún caso este en algún caso si hubiera ya una exposición específica, ya te te pedimos que lo hagas de otra forma, pero lo has hecho perfecto, me hagustado.Bueno, muchas gracias, Luis, eh gracias por la invitación y también gracias por por ser resiliente recién con el link.Yo había creado el evento, pero lo había creado para mí, ¿no?
Yo no ni me acordaba que te había invitado.Entonces yo a veces hago eso, bloqueo la fecha, ¿viste?Para no poner nada hoy en día con tanta reunión virtual.Y después entendí, digo, "Pero, ¿por qué me dice que lo?"Bueno, ya se enteraron, no vamos a entrar en el detacho, pero gracias por la resiliencia.No, no hay problema, digo, pero es tiempo para poder actualizar el enlace de los chicos.Más bien, jóvenes, ¿podrían prender su cámara para poder captar la la las imágenes, por favor, y poder documentar esta presentación?Les agradecería que prendan su cámara un ratito, por favor.Pueden prender su cámara.Listo, profe.Ya son hay nueve páginas que tengo acá de hay 132 conectados.Entonces, prendan, por favor.Voy a ir capturando pantalla.
Ya, prendan.Ya por cada página me voy a pasar.Por favor, no se vayan a ir todavía.Prendan la la cámara.
Ahí, ahí están, están mis alumnos.Algunos
Un momentito ahí que estoy capturando a pantalla.Eso que son varias hojas.Profe, se apaga mi celular, disculpe.Ya no te preocupes, tú te preocupes.Si se apaga ya no importa.Un momentito, está en 3%.Un momentito.Ya estoy en la página siete.Estoy en la página 7.Ya, un momentito, por favor.Y me voy a la página 9.Ya estoy tomando imagen de la página 9.No me la apaguen.
Listo.Ya he capturado eh las imágenes de los que están presentes.Eh, Diego, ¿dónde estás?No te veo.¿Estás con la cámara prendida o Sí?Te perdí.A ver, ¿dónde estás?¿En qué página?Ah, a ver.La uno, pero yo siempre me veo la profe.Captura.A ver, a ver, a ver.Ah, ya te, ya te vi, por favor.Ya, Diego, Diego, este, te debo un el certificado, eh, ya este la la coordinación ya lo lo está generando.Yo supongo que el día lunes me lo me lo te lo mandan, te lo envían.La idea es que te lo presente hoy día, pero bueno, ya en todo caso el lunes te lo hago llegar.Quiero agradecerte, por favor, este esta presentación que que ha sido muy buena y este ya habrá otra oportunidad de de conversar.y y y de coordinar.Veo también que vas a participar en el labio de Uruguay, ¿no?
Del otro año, creo.Sí, vas a estar como ponente allá.Sí, en febrero.Sí, sí.Qué qué bueno, qué bueno, qué bueno.Te agradezco y Luis, disculpa, el diploma ya está en tu bandeja.Ah, ya está en la bandeja.Sí, sí, ya está en la bandeja.A ver, un ratito.Entonces, este eh lo voy a descargar y lo vamos a mostrar a ver un ratito para compartirlo y yo te lo mando también por email, pero igual quiero compartirlo para que lo veas y recordar a los alumnos queregistren su asistencia también.
Sí, yo ya la les he pasado la Ahí está.Diego, la Facultad de Ingeniería de la Universidad Peruana de Ciencias Aplicadas y se otorga la presente constancia a Diego Rosit por su participación como ponente en el webinar internacional modelado optimización y simulación para sistema de transporte urbano resiliente.El 20 de noviembre del 2026 lo firma nuestro director de la carrera, Gino Tejada Prada, Facultad de Ingeniería, Lima, 20 de noviembre de 2026.Muchas gracias, Diego.Muchas gracias por tu apoyo, por tu colaboración.Te lo voy a hacer llegar por email.Bueno, muy amable, Luis.Muchas gracias también, Rosa, por las constancias y muchas gracias a todos y todas por el tiempo, ¿no?Por escuchar.Okay, entonces damos por concluida al web.Muchas gracias, Diego.Y los estamos conectando en otro momento por por email, por correo o por WhatsApp.Vamos a estar en contacto.A lo mejor hacemos algún trabajo de investigación en conjunto y formamos ahí una red, pero ya ya tengo tu contacto.
Muchas gracias.Listo, Luis, a disposición.Saludos.Muchas gracias.Saludos.Chao.Chao.Nos vemos.Cuídense.