Introducción Lecturas d e de M edidores Medidores Ineficientes Día 2

Transcripción

1 CLUSTERIZACIÓN Y OPTIMIZACIÓN DE RUTAS DE LECTURAS DE MEDIDORES USANDO MODELOS MATEMÁTICOS Y SIG Dra. Carola Blázquez L. Universidad Andrés Bello Claudia Arribas M. JJEY Consultants t 2 de octubre, 2013

2 Introducción Lecturas de Medidores Ineficientes Día 2

3 Introducción Distribución Inadecuada de la Carga Laboral Hora Horario de término de rutas sector Lectores

4 Introducción Distribución Inadecuada de la Carga Laboral Zona Clientes Número de lectores

5 Introducción Traslapos de Rutas de Lectores 5

6 Introducción Asignación Incorrecta de Trabajo 6

7 Descripción del Problema Clientes fuera de ruta Grandes desplazamientos de los lectores entre unas rutas Cruce de lectores en rutas Distribución inadecuada de la carga laboral de los lectores Número de rutas mayor al número de lectores 7

8 Objetivos Administrar eficientemente el sistema de lecturas Distribuir equitativamente las cargas de trabajo Mejorar la productividad Optimizar las rutas de lectores Mejorar el servicio al cliente Reducir costos Planificación para incorporar a futuros clientes 8

9 Metodología Clusterización de Clientes Optimización de Rutas de Lectores Diseño de Recursos 9

10 Tiempo de lectura Metodología Variables de Clusterización Según ubicación del medidor y tipo de edificación Distancias entre lecturas Se traduce a tiempo entre lecturas para obtener los clusters Jornada laboral Restricción principal en el modelo de optimización

11 Metodología Variables de Clusterización Geografía Identificación de quebradas, ríos, etc. Temporadas Sólo en localidades de veraneo. Se requiere datos históricos Cantidad de lectores por zona/localidad Se obtiene del diseño de recursos Carga laboral Como resultado de la optimización y diseño de recursos 11

12 Metodología Variables de Clusterización Desniveles de la superficie terrestre Se utilizará para acomodar las velocidades peatonales en zonas con muchas pendientes Zonas rurales y urbanas Se asignan los clientes a los segmentos más cercanos en zonas rurales Tipos de clientes Ventana de tiempo para locales comerciales Otras condiciones Mantener los días aproximados a la facturación Fecha de instalación de servicio

13 Preparación de Datos Identificar ubicación al lado derecho o izquierdo de cada cliente

14 Datos Modelo de Optimización Se clusteriza considerando la capacidad horaria disponible. 8 horas diarias de trabajo Horario de trabajo del lector Tiempo por medidor Tiempo estimado por tramo Clusterización de medidor Datos Clusters Tiempo estimado por tramo desde un medidor a otro. Se utilizan las variables: velocidad d promedio del lector y desniveles en la superficie terrestre de la localidad en estudio Datos Red Vial Ubicación geográfica de medidores Datos Ruteo Aumenta el número de clusters Rutas de Medición Tiempo total cluster <=Tiempo turno NO Datos de salida SI Diseño de Recursos Datos Nº de Lectores Asignación de lectores

15 Ruteo Network Analyst Atributos de la Red Vial: Red Vial Tiempo Distancia Rutas Medidores

16 Ejemplo de Ruteo

17 Ejemplo

18 Rutas Actuales Traslapo de tres rutas para la misma zona

19 Ruta Propuesta Número de clientes = 385 Tiempo por lectura = 0,75 min Tiempo total de lecturas = 4,8 hr Tiempo caminando = 3,1 hr Tiempo total ruta = 7,9 hr

20 Futuros Clientes Para año 2013 Localidad Cantidad de clientes por Localidad Tasa de crecimiento anual (%) Tiempo lectura nuevos clientes = 0,75 min. lectura de un medidor + 1,25 min. tramo Cantidad de nuevos clientes Tiempo de lectura nuevos clientes (min) Tiempo de lectura nuevos clientes (horas) Número de clusters adicionales El número de clusters corresponde a los días adicionales i de trabajo que serán incrementados, dada la tasa de crecimiento de la población. Un cluster agrupa la mayor cantidad de medidores que constituyan un día de jornada laboral ,54% 19,2 38,3 0, ,80% 22,9 45,8 0, ,67% 8,0 16,0 0, ,86% 10,0 20,0 0, ,20% 6,8 13,7 0, ,51% 30,9 61,8 1, ,93% 22,1 44,1 0, ,09% 19,8 39,7 0, ,78% 15,9 31,9 0, ,77% 22,0 43,9 0, ,39% 21,9 43,8 0, ,11% 23,6 47,2 0,8 0

21 Futuros Clientes Resumen Para el año 2016 se verá afectado el modelo, incrementando un día adicional de trabajo para la localidad 4 Localidad Cantidad de clientes por Localidad Tasa de crecimiento anual (%) Días de Trabajo adicionales por tasa de crecimiento * Año en que se verá afectado el modelo ,54% ,80% ,67% ,86% ,20% ,51% ,93% ,09% ,78% ,77% ,39% ,11% * Esto se cumple siempre y cuando los nuevos clientes se encuentren cercanos a los clusters existentes.

22 Resumen Resolver el problema de sistema de lecturas de medidores utilizando ArcGIS: Geocodificar y visualizar información (cluster, medidores, rutas) Determinar rutas de lecturas Logrando. Minimizar costos Mejorar el uso de recursos Satisfacción de los lectores Mejorar el servicio al cliente 22

23 Gracias! Dra. Carola Blázquez L. Universidad Andrés Bello