Trabajo presentado en la Universidad Tecnológica Nacional - Facultad Regional Buenos Aires

XX ESCUELA DE PERFECCIONAMIENTO EN INVESTIGACIÓN OPERATIVA

XXII ENCUENTRO NACIONAL DE DOCENTES EN INVESTIGACIÓN OPERATIVA

ESTUDIO DE EFICIENCIAS EN LA INDUSTRIA DEL TÉ – ELABORACIÓN DE UN MODELO DE OPTIMIZACIÓN USANDO ALGORITMOS GENÉTICOS Y REGRESIÓN LOGÍSTICA MULTIVARIADA.

JOSE M. DELUCA, ROBERTO C. GUIDEK, MARCOS D. BENITEZ

Departamento de Administración, Facultad de Ciencias Económicas de la Universidad Nacional de Misiones - Argentina. Mayo de 2009

RESUMEN

Este trabajo resume los resultados parciales logrados por un proyecto de investigación financiado por la Agencia Nacional Científica y Técnica, en el marco del PICTO UNAM 2006, el cual se ha dividido en dos etapas, una ya realizada que es la que corresponde a este informe y otra a acometer en el futuro. El modelo a desarrollar apunta a resolver el abastecimiento de un cluster industrial conformado por cinco secaderos de té, todos ubicados en la zona de Leandro N. Alem y Obera, Provincia de Misiones , a partir de la cosecha en zona productora, dividida en quince minicuencas. Para ello, el problema a acometer se lo ha atacado usando un modelo de transporte con capacidades estocásticas, y una metaheuristica basada en algoritmos genéticos en entorno difuso.

El ambiente de incertidumbre de la oferta de brotes verdes (materia prima) se lo ha modelado mediante una correlación por Regresión Logística Multivariada que enlaza las variables climáticas que afectan los meses de corte, con el volumen de cosecha y por ende, el volumen acopiado en las plantas, para cada mes de operación en particular. En esta primera parte del estudio, se describen los resultados del análisis de los rendimientos del sector primario por Regresión Logística Multivariada y en la segunda parte del mismo se describirán los resultados logrados en el estudio de la eficiencia industrial a partir de diversas calidades del brote de té recepcionado.

PALABRAS CLAVES: Eficiencia Industrial, Modelo de Transporte, Metaheurística, Algoritmos Genéticos, Regresión Logística Multivariada