3.

PROGRAMACIN POR METAS La Programacin por Metas (Goal Programming) fue inicialmente introducida por Charnes y Cooper en los aos 50. Desarrollada en los aos 70 por Ljiri, Lee, Ignizio y Romero, es actualmente uno de los enfoques multicriterio que ms se utilizan. En principio fue dirigida a resolver problemas industriales, sin embargo posteriormente se ha extendido a muchos otros campos como la economa, agricultura, recursos ambientales, recursos pesqueros, etc. Resulta de gran inters, sobre todo, en problemas complejos de gran tamao. 3.1 ESTRUCTURA DE UN MODELO DE PROGRAMACIN POR METAS El primer paso en la formulacin de un modelo de programacin por metas es fijar los objetivos/ atributos, f(x), que se consideran relevantes para el problema que estemos analizando. El segundo paso es determinar el nivel de aspiracin, t, que corresponde a cada Atributo, siendo ste el nivel de logro del atributo que el decisor considera aceptable. A continuacin, definimos las metas, es decir, los atributos combinados con niveles de aspiracin. Cada meta se convierte en una restriccin blanda a incorporar en el modelo de programacin por metas. n: variable de desviacin negativa, cuantifica la falta de logro de una meta p: variable de desviacin positiva, cuantifica el exceso de logro de una meta En general, la meta del atributo i-simo se escribe como: Los valores de las variables de desviacin son siempre positivas o cero, al menos una de las dos variables de desviacin que definen la meta tendr que ser cero. Las dos variables de desviacin tomarn el valor cero cuando la meta alcance exactamente su nivel de aspiracin, ti. Una variable de desviacin se dice que es no deseada cuando al centro decisor le conviene que la variable en cuestin alcance su valor ms pequeo, es decir, cero. Cuando la meta deriva de un objetivo a maximizar o de una restriccin de tipo ?, la variable de desviacin no deseada es la negativa ni. Cuando la meta deriva de un objetivo a minimizar o de una restriccin de tipo ?, la variable de desviacin no deseada es la positiva pi. Cuando se desea alcanzar exactamente el nivel de aspiracin, las variables de desviacin no deseadas son tanto la positiva, pi, como la negativa, ni. Las variables de desviacin no deseadas se incorporan siempre en la funcin objetivo del modelo de programacin por metas.

3.2 EJERCICIO DE EJEMPLO Mediante un ejemplo demostraremos como se introducen los datos para la creacin de un modelo de programacin de metas. Ejemplo 3-1: Formular el problema de la Planificacin de la produccin de una fbrica de papel como un problema de programacin por metas. Supngase la existencia de dos procesos, uno mecnico y otro qumico, por los que se puede obtener la pulpa de celulosa para la produccin del papel. El modelo de programacin multiobjetivos es el siguiente: Objetivos: Max f1(x) = 1000X1 + 3000X2 (Maximizar el margen bruto) Min f2(x) = X1 + 2X2 (Minimizar la demanda biolgica de O2) Restricciones rgidas iniciales: 1000X1 + 3000X2 ? 300000 (Margen Bruto) X1 + X2 ? 400 (Empleo) X1 ? 300 (Capacidades de produccin) X2 ? 200 X1, X2 ? 0 Definidas las variables de decisin y los atributos/ objetivos relevantes del problema que nos ocupa, el decisor define las siguientes METAS: g1: Para la demanda biolgica de oxgeno: un nivel de aspiracin de 300 unidades, pues desea que sea lo ms pequea posible. g2: Para el margen bruto: alcanzar un valor lo ms grande posible, ojal mayor de 400000 u.m. g3: Para el empleo: no desea ni quedarse corto ni contratar mano de obra adicional. g4: El decisor no desea superar sus capacidades de produccin, lo que implicara recurrir a turnos extras. 3.3 DEFINIENDO LAS RESTRICCIONES TIPO METAS

Las restricciones quedaran de la siguiente forma: g1: X1 + 2X2 + n1 - p1 = 300 (Demanda Biolgica de O2) g2: 1000X1 + 3000X2 + n2 - p2 = 400000 (Margen Bruto) g3: X1 + X2 + n3 - p3 = 400 (Empleo) g4: X1 + n4 - p4 = 300 (Capacidades de Produccin) g5: X2 + n5 - p5 = 200 X1, X2 ? 0 3.4 INTRODUCIENDO EL PROBLEMA En el men Archivo (File) seleccionamos Nuevo problema (New Problem) e introducimos la informacin del problema: Al pulsar el botn OK aparecer una nueva ventana donde procederemos a introducir los coeficientes de las variables: Para trabajar con el mismo formato de las variables definidas en el ejemplo, activaremos la opcin Nombre de las variables (Variable Names) en el men Editar (Edit). Los nombres de las variables se cambiarn de acuerdo al orden que en que aparecen en el problema: Al pulsar OK en esta ventana podremos definir las metas y restricciones: Luego de introducido el modelo se inicia el proceso de solucin, siguiendo los mismos pasos al empleado en la solucin de los modelos de programacin lineal. La solucin final se muestra en la siguiente pgina: La ventana con el resumen de la informacin permite un anlisis detallado de cada variable. 3.5 INTERPRETANDO LA SOLUCIN En el tablero optimal se puede observar que: * Las toneladas de celulosa a producir por medios mecnicos son 300. * Dado que n1 y p1 son ambas cero, la demanda biolgica de oxgeno mnima es de 300 unidades, igual al nivel de aspiracin.

* La meta 2, asociada con el margen bruto, se queda por debajo del nivel de aspiracin en cuanta de 100.000 u. m., valor que asume la variable de desviacin n2. * La meta del empleo se fija en 100 unidades de mano de obra menos que el nivel de aspiracin que era de 400. * Las metas 4 y 5, asociadas con los niveles mximos de produccin por cada mtodo, se fijan en 0 ton. de capacidad no aprovechada, para la 4, y de 200 para la 5. Conocidos estos resultados, el WINQSB tambin permite el anlisis paramtrico del modelo..

PROGRAMACION DE METAS La mayora de las situaciones de decisin real, sean personales o profesionales, se caracterizan por metas (atributos) y objetivos mltiples ms que por un simple objetivo. Estas metas (atributos) pueden ser complementarias, pero frecuentemente son conflictivas y tambin inconmensurables. Por ejemplo, un productor de autos como la General Motors deseara construir un vehculo de pasajeros que pudiera venderse por menos de $200,000.00, tuviera 250 caballos y consiguiera 40 millas por galn. Consideremos, por ejemplo, las metas (atributos) de economa de combustible y de potencia. entre ms alta sea la potencia, menor es la economa de combustible, indicando que las dos metas (atributos) estn en conflicto. Adems estas dos metas (atributos) son inconmensurables, pues la potencia y las millas por galn tienen diferentes escalas y dimensiones. La formulacin de un modelo de Programacin Meta es similar al modelo de P.L.. El Primer paso es definir las variables de decisin, despus se deben de especificar todas las metas gerenciales en orden de prioridad. As, una caracterstica de la Programacin Meta es que proporciona solucin para los problemas de decisin que tengan metas mltiples, conflictivas e inconmensurables arregladas de acuerdo a la estructura prioritaria de la administracin. La Programacin Meta es capaz de manejar problemas de decisin con una sola meta o con metas mltiples. En tales circunstancias, las metas establecidas por el tomador de decisiones son logradas nicamente con el sacrificio de otras metas. Las caractersticas que distinguen la programacin Meta es que las metas se satisfacen en una secuencia ordinal. Esto es, las metas que deben clasificarse en orden de prioridad por el tomador de decisiones son satisfechas secuencialmente por el algoritmo de solucin. Las metas con prioridad baja se consideran solamente despus de que las metas de prioridad alta se han cumplido. La Programacin meta es un proceso de satisfaccin, en el sentido de que el tomador de decisiones tratar de alcanzar un nivel satisfactorio en vez del mejor resultado posible para un solo objetivo. La nocin fundamental de la Programacin Meta, comprende incorporar todas las metas gerenciales en la formulacin del modelo del sistema. En la programacin Meta, en vez de intentar minimizar o maximizar la Funcin Objetivo directamente, como en la programacin lineal, se minimizan las desviaciones entre las metas y los lmites logrables dictados por el conjunto dado de restricciones en los recursos. Estas variables de desviacin, que se denominan de "holgura" o "sobrantes" en programacin lineal toman un nuevo significado en la Programacin Meta. Ellas se dividen en desviaciones positivas y negativas de cada una de las submetas o metas. El objetivo se convierte entonces en la minimizacin de estas desviaciones, dentro de la estructura prioritaria asignada a estas desviaciones.

MULTIPLES EN AUSENCIA DE INCERTIDUMBRE: PROGRAMACIN DE METAS.

Una Funcin valor v(x1,x2,....xn) es una funcin de valor aditivo si existen n funciones v1(x1), v2(x2),...vn(xn) que satisfagan i=n v(x1,x2,....xn) = " vi(xi) i=1

Una funcin costo c(x1,x2,....xn) es funcin de costo aditivo si existen n funciones c1(x1), c2(x2),....cn(xn) que satisfagan i=n c(x1,x2,....xn) = " ci(xi) i=1

Un atributo (llammosle atributo 1) es preferencialmente independiente (pi) de otro atributo (el atributo 2) si las preferencias para valores del atributo 1 no dependen del valor del atributo 2. Si el atributo 1 es pi del atributo 2, y el atributo 2 es pi del atributo 1, entonces el atributo 1 es mutua y preferencialmente independiente (mpi) del atributo 2. Un conjunto S de atributos es mutua y preferencialmente independiente (mpi) de un conjunto S de atributos si (1) los valores de los atributos en S no afectan las preferencias para los valores de los atributos en S, y (2) los valores de los atributos en S no afectan las preferencias para los valores de los atributos en S. Un conjunto de atributos 1,2,....,n es mutua y preferencialmente independiente (mpi) si para todos los. TEOREMA 1. Si el conjunto de atributos 1,2,....,n es mpi, las preferencias del tomador de decisiones se pueden representar por una funcin valor (o costo) aditiva. Restricciones de meta -Por cada meta Componentes en la F.O. (minimizar suma de desviaciones con respecto a las metas) | FORMULACIN -Resticciones Estructurales (no tienen que ver con las metas) Las suposiciones bsicas que caracterizan el modelo de programacin lineal se aplican igualmente al modelo de programacin meta. La diferencia principal en la estructura es que la programacin meta no intenta minimizar o maximizar la funcin objetivo como lo hace el modelo de programacin lineal. En vez de ello,

busca minimizar las desviaciones entre las metas deseadas y los resultados reales de acuerdo a las prioridades asignadas.. El objetivo de un modelo de programacin meta es expresado en terminos de las desviaciones de las metas a que se apunta. esto es las desviaciones de las metas se colocan en la funcin objetivo y deben minimizarse. El modelo general de la programacin meta puede expresarse matemticamente de la siguiente manera: m min Z = " wi(di+ + di-) i=1 s.a. n "aijxj+di- - di+ = bi para toda i j=1 xj,di-,di+" 0 para toda j Donde: w = Ponderacin de las desviaciones con respecto a la meta. di- = Desviacin dficit di+ = Desviacin excedente Una divisin de Schwim Manufacturing Company produce dos tipos de bicicletas: (1) una bicicleta de 3 velocidades y (2) una de 10 velocidades. La divisin obtiene una utilidad de $25 en la bicicleta de 10 velocidades y $15 en la bicicleta de 3 velocidades. Debido a la fuerte demanda de estos artculos, durante el perodo de planeacin de verano la divisin cree que puede vender, a los precios que prevalezcan, todas los unidades de estas dos bicicletas que produzca. Las instalaciones de produccin se consideran recursos escasos. estos recursos escasos corresponden al departamento de ensamblado y terminado. Los tiempos unitarios de procesamiento y las capacidades de cada uno de los departamentos se muestran en la tabla siguiente: Hrs. requeridas para procesar cada bicicleta Tipo de bicicleta 3 velocidades 10 velocidades En el Depto. ensamble 1 3 de En el depto. terminacin 1 1 40 de Contribucin a utilidad unitaria 15 25 la

Hrs. disponibles en 60

cada depto. La divisin durante este perodo de planeacin se enfrenta a cambios grandes de organizacin y cree que el maximizar la utilidad no es un objetivo realista. Sin embargo, deseara lograr un nivel satisfactorio de utilidad durante este perodo de dificultad. La direccin cree que la utilidad diaria de $600 debera satisfacerse y desea determinar, dadas las restricciones del tiempo de produccin, la mezcla de producto, que debera llevar a esta tasa de contribucin a utilidades. Formula un modelo de programacin meta que satisfaga estos requerimientos Definicin de variables: x1 = Nmero de bicicletas de 3 velocidades producidas por da x2 = Nmero de bicicletas de 10 velocidades producidas por da d1- = Cantidad por debajo de la utilidad perseguida d1+ = cantidad por encima de la utilidad perseguida Minimizar Z = d1- + d1+ s.a. x1 +3x2 " 60 (horas de ensamble). Restricciones estructurales x1 + x2 " 40 ( (horas de terminacin) 15x1 +25x2 +d1- - d1+ = 600 (Utilidad perseguida) Restriccin meta x1,x2,d1-,d1+ " 0 Nota: Puesto que tanto d1-,d1+ aparecen en la funcin objetivo y a ambas se les asigna pesos iguales, esto indica que la administracin desea lograr la utilidad meta exactamente.. TAREA. Plantea este mismo modelo con las siguiente consideracin: La administracin cree que es dos veces ms importante sobrelograr que sublograr la meta de utilidad perseguida. 1.4.2 EJEMPLO METAS MLTIPLES. Considera la informacin que se presenta en la siguiente tabla: Departamentos Producto 1 2 1 .10 .08 2 2.1 1.4 3 1 .7 4 .3 .2 415 362

3 4 Disp. hrs/mes

.05 .04 320

1.1 .9 2400

.6 .5 800

.15 .1 450

216 68

*El producto 2 no debe exceder 90 unidades al mes. *Cada hora extra aumenta los costos en $20.00 Metas:

productos (en unidades). Definicin de variables: xi = cantidad a producir del producto i mensualmente. i = 1,2,3,4. F.O. Min Z = d1- +d2- +d3- +d4- + d5- +d6+ +d7+ +d8+ +d9+ +d10+ s.a. 1) 415x1 +362x2 +216x3 + 68x4 -20d2+ - 20d3+ - 2 0d4+ - 20d5+ -d1 + + d1=350,000 2).10x1+.08x2+.05x3+.04x4 -d2+ + d2- = 320 2.1x1 +1.4x2 +1.1x3 +0.9x4 -d3+ + d3- = 2400 x1+.7x2+.6x3+.5x4 -d4+ +d4- = 800 .3x1 +.2x2 +.15x3 +.1x4 -d5+ +d5- = 450 3)x1-d6+ +d6- = .5(x1+x2+x3+x4) ! .5x1-.5x2-.5x3-.5x4 -d6+ +d6- = 0 -.5x1 +.5x2 -.5x3-.5x4 -d7+ +d7- = 0 -.5x1-.5x2+.5x3-.5x4 -d8+ +d8- = 0 -.5x1-.5x2-.5x3+.5x4 -d9+ +d9- = 0 4)d3+ -d10+ +d10- = 300 Restricciones estructurales: x2" 90 xi" 0 para toda i di+,di- " 0 para toda i.

Considera la situacin de Schwim Manufacturing Company en donde la administracin desea alcanzar varias metas. Ahora supondremos que la administracin desea ordenar dichas metas en orden de importancia y que la meta ms importante tiene prioridad absoluta sobre la siguiente meta ms importante y as sucesivamente. Para lograr que las metas de baja prioridad se consideren solamente despus de lograr las metas de alta prioridad, se clasifican las metas en k rangos y las variables de desviacin asociadas con las metas, se les asigna un nmero prioritario Pj(j = 1,2,....,k). Los factores de prioridad satisfacen P1>>>P2>>>...Pj>>>Pj+1. Las relaciones de prioridad implican que la multiplicacin por n, no importa que tan grande sea n, no puede hacer una meta de baja prioridad tan importante como una meta de alta prioridad (por ejemplo: Pj>nPj+1). Ahora supongamos que la divisin de bicicletas de Schwim, adems de lograr sus $600.00 de meta primaria de utilidad, desea utilizar completamente sus departamentos de ensamblaje y terminacin durante la reorganizacin que se avecina. Esto es, como una meta secundaria, la divisin desea minimizar el tiempo ocioso. La formulacin del modelo es: Minimizar Z = P1(d1- + d1+) + P2(d2-+d3-) s. a. 15x1+25x2 +d1- -d1+ = 600 x1 +3x2 + d2- -d2+ = 60 x1 +x2 +d3- -d3+ = 40 x1,x2,di-,di+ " 0 Donde: x1 = Nmero de bicicletas de 3 velocidades producidas por da x2 = Nmero de bicicletas de 10 velocidades producidas por da d1- = Cantidad por debajo de la utilidad perseguida d1+ = cantidad por encima de la utilidad perseguida d2- = Tiempo ocioso diario en el departamento de ensamble d2+ = Tiempo extra diario en el departamento de ensamble d3- = Tiempo ocioso diario en el departamento de terminacin. d3+ = Tiempo extra diario en el departamento de terminacin. Nota: Puesto que d1- y d1+ se incluyen en la funcin objetivo, el modelo intentar lograr exactamente la utilidad diaria perseguida de $600, minimizando tanto las desviaciones positivas como las negativas. Con d2+ d3+ y eliminados de la

funcin objetivo, sin embargo, el modelo no se preocupar del tiempo extra en el departamento de ensamble o terminacin e intentar minimizar solamente el tiempo ocioso en estos departamentos. Debido a que la meta de utilidad perseguida es ms importante que la meta de minimizacin del tiempo ocioso, a esta se le asigna prioridad P1 . El modelo intentar lograr esta meta hasta donde ms le sea posible antes de considerar la meta secundaria de minimizar el tiempo ocioso de produccin. EJERCICIO: RAMACIN DE METAS Y EL SIMPLEX NORMAL. programacin de metas necesita n renglones 0, uno por cada meta. variable de entrada: se encuentra la meta de mxima prioridad (la meta i' ) que no se haya alcanzado, o se encuentra la meta i' de mxima prioridad que tenga Zi (Trmino de la funcin objetivo que incluye la meta i) > 0 . se calcula la variable con el coeficiente ms positivo en el rengln 0, meta i', y se anota esta variable en la base, sujeta a la siguiente restriccin. Con ello se reduce Zi y se asegura que esta cerca el cumplimiento de la meta i'. Sin embargo, si una variable tiene un coeficiente negativo en el rengln 0 asociado con una meta que tiene mayor prioridad que i', la variable no puede entrar a la base. Introducir en la base esa variable aumentara la desviacin con respecto a alguna meta de mayor prioridad. Si la variable con el coeficiente ms positivo en el rengln 0 (variable i') no puede entrar en la base, intente encontrar otra variable con un coeficiente positivo en el rengln 0 (meta i'). Si ninguna variable del rengln 0 (meta i') puede entrar en la base, no hay manera de acercarse al cumplimiento de la meta i' sin aumentar la desviacin con respecto a alguna meta de mayor prioridad. en este caso, se pasa al rengln 0 (meta i' + 1) para tratar de satisfacer la meta i' + 1. gln 0 para cada meta. = Z2 = .....= Zn = 0 ), o si cada variable que puede entrar en la base y reducir el valor de Z'i de una meta i' no satisfecha aumenta la desviacin con respecto a una meta i que tiene ms prioridad que la meta i'. mtodo simplex. EJMPLO DE METAS MULTIPLES Y SUBMETAS. En el ejemplo de la Schwim, la mxima utilidad alcanzada, tomando 60 horas de tiempo de ensamble, 40 horas de tiempo de terminacin y resolviendo como un problema de programacin lineal, es de $700.00. Debido a la reorganizacin de la divisin se han considerado casos en donde la administracin quedara satisfecha

(al menos temporalmente) con un plan de produccin que conduzca a una utilidad ms baja que $600.00. Supongamos que la reorganizacin se ha llevado a cabo y que la administracin desea lograr una tasa de utilidad diaria de $750.00. Esto significara que algunas restricciones previas anexas deberan violarse. Sin embargo, supongamos que las 60 y 40 horas representan la capacidad de produccin de los departamentos de ensamble y terminacin en tiempo normal solamente, utilizando la fuerza laboral existente. El tiempo extra podra utilizarse en cualquier departamento; por tanto, las desviaciones por encima como por debajo de las 40 y 60 horas seran factibles. La tasa de pago de horas extras es 3 veces ms alta que la del departamento de ensamble. Las metas prioritarias de la administracin, de mayor a menor importancia, son las siguientes: P1 = Lograr tasa diaria de utilidad perseguida de $750.00 P2 = Minimizar el tiempo ocioso en ambos departamentos. P3 = Minimizar el tiempo extra en ambos departamentos La formulacin de la programacin meta es: Minimizar Z = P1(d1- + d1+) + P2(d2-+d3-) + 3P3d2+ + P3d3+ s. a. 15x1+25x2 +d1- -d1+ = 750 (Utilidad perseguida) x1 +3x2 + d2- -d2+ = 60 (Horas de ensamble) x1 +x2 +d3- -d3+ = 40 (Horas de terminacin) x1,x2,di-,di+ " 0 Para todo i Nota: En este ejercicio se han asignado pesos diferentes (cardinales) o prioridades dentro de una meta dada, como tambin prioridades diferentes (ordinales o cardinales) a metas diferentes. EJERCICIOS: La agencia de publicidad Leon Burnit quiere determinar el programa de anuncios en TV para la Priceler Auto Company. Priceler tiene tres objetivos: Objetivo 1 Sus anuncios deben ser vistos por un mnimo de 40 millones de personas con ingresos altos (PIA) Objetivo 2 Sus anuncios deben ser vistos por un mnimo de 60 millones de personas con ingresos bajos (PIB). Objetivo 3 Sus anuncios deben ser vistos por un mnimo de 35 millones de mujeres con ingresos altos (MIA) Leon Burnit puede comprar dos tipos de anuncios: los que aparecen durante los juegos de ftbol y los que aparecen durante los melodramas; a lo ms puede gastar $600,000.00 dlares. Los costos del comercial y las audiencias potenciales de un anuncio de 1 minuto se muestran en la siguiente tabla:

PIA Anuncio en el ftbol Anuncio en melodramas

PIB

MIA

COSTO

7 10 millones millones

5 100,000 millones

los 3 4 5 millones 60,000 millones millones

Leon Burnit debe plantear un modelo de programacin por metas que determine cuntos minutos comprar durante el ftbol y cuntos durante los melodramas, reduciendo al mnimo la penalizacin total por ventas perdidas. Dicha penalizacin, en miles de dlares es : $200.00 para la meta 1, $100.00 para la meta 2 y $50.00 para la meta 3 e se aade a este modelo la restriccin de que se debe cumplir con un presupuesto de $600,000.00 dlares. Si se decide que se tenga una penalizacin de 1 dlar por cada dlar de diferencia con esa meta, entonces cul sera la formulacin correcta del modelo modificado?.

Se cuenta con $2000000 para invertir en 6 aos. Los instrumentos de inversin, junto con sus respectivas tasas de inters a ganar, se muestran en la siguiente tabla: 1 2 3 4 5 6 Aos 1 )Acciones 2 )Bonos 3) Prestamos 4) Bienes Races 5) Ahorro Formula el problema como un modelo de metas, considera las siguientes metas:

derando que la meta 1 es tres veces ms importante que la meta 2 y cinco veces ms importante que la meta 3 sigue y por ltimo la meta 3. del modelo de la Schwim (para el caso de Metas mltiples y submetas), si el costo del tiempo ocioso en el departamento de ensamble es del doble del departamento de terminacin Winston: Seccin 14.1: 5,9,10 1.4.7. APLICACIN DE CASOS DE PROGRAMACIN POR METAS. deportivo, (B) Formal y (C) Ejecutivo. An y cuando la compaa es un negocio familiar, la mayora de los empleados no son miembros de la familia. Debido a la naturaleza competitiva del negocio y a la gran demanda de mano de obra de la industria, es de gran importancia mantener satisfechos a los empleados. Los administradores de la Preslow consideran que una medida importante para satisfacer las necesidades de sus empleados es ofrecerles empleo de tiempo completo, aun cuando esto exija producir en exceso e incurrir en alguna prdidas. por fortuna, los administradores esperan que las demandas de sus productos siga siendo bastante elevada. De hecho, para satisfacer parte de la demanda, podra ser necesario operar en tiempo extra. Las tres lneas de abrigos de la Preslow se fabrican en dos departamentos. la siguiente tabla es un programa semanal de requerimientos de mano de obra y materiales para el proceso de fabricacin. Los precios unitarios para las tres lneas son: $100, $150 y $250, respectivamente. Los administradores han determinado que a un nivel normal de produccin los costos variables son de $70, $80 y $100 por abrigo, respectivamente. Los costos de tiempo extra son $2 por hora por encima del salario normal para el departamento 1 y $3 para el 2. Los materiales extra pueden adquirirse a un costo de $2 por yarda por encima del costo normal. Los administradores de la empresa han pronosticado que la demanda del mercado para el abrigo deportivo es de 1,000 unidades por semana, y la demanda de las otras dos lneas es de 500 y 200 unidades, respectivamente. El nivel de equilibrio de produccin es de 100 unidades del producto uno y 50 unidades de cada uno de los otros 2 productos. Para ayudarse analizar el problema, los administradores de la Preslow han identificado, en orden de prioridad, las siguientes metas: de produccin de punto de equilibrio en cada una de las lneas de produccin. 2, y dado que puede enviarse personal, en tiempo extra a ese departamento, el

tiempo extra aqu puede ser mayor que el del departamento 1. Sin embargo, el tiempo extra del departamento 2 debe estar limitado a 600 horas. El tiempo extra del departamento 1 no debe ser mayor de 200 horas. todas las demandas del mercado. Dentro de esta meta, deben utilizarse ponderaciones distintas para reflejar la contribucin unitaria normal a las utilidades Requerimientos de productos (por unidad) Deportivo Departamento 4 horas 1 Departamento 6 horas 2 Material Formal Ejecutivo Recursos (mano obra y materiales) 8,000 horas de

12 horas

10 horas

6 horas

16 horas

4,000 horas

8 yardas 6 yardas 12 yardas 8,000yardascuadradas cuadradas cuadradas cuadradas

Plantea el problema como un modelo de programacin por metas. en diversos sitios desde bodegas diferentes. Durante el perodo de planeacin considerado, la compaa no puede cumplir la demanda de los clientes. Sin embargo, la compaa ha determinado que las demandas de ciertos clientes deben satisfacerse a expensas de otros. Para evitar desequilibrios serios, es importante balancear la porcin de demanda satisfecha entre ciertos clientes. tambin debido a acuerdos sindicales, la compaa debe satisfacer ciertos requisitos mnimos en los niveles de embarque en ciertas rutas. Finalmente, varias de las rutas sobre las cuales se podra embarcar el producto son peligrosas y deben evitarse. A continuacin se resume el problema de transporte y los costos de embarque se dan en cada una de las celdas y los valores de demanda en los mrgenes. Nota que la demanda total excede al suministro total en 1,500 unidades. Cliente 1 Bodega 1 Bodega 2 Bodega 3 10 8 2000 Cliente 2 4 10 1500 Cliente 3 12 3 5000 Suministro 3000 4000

La administracin tiene la siguientes preferencias en las metas (en orden decreciente de importancia): de la demanda de cada cliente.

(convenio sindical) 1 al cliente 3 y de la bodega 2 al cliente 2 (peligros). Plantear el modelo de programacin meta. haciendo uso del exceso de capacidad en sus tres plantas sucursales existentes. Cada producto puede fabricarse en cualquiera de las tres plantas. El anlisis ha mostrado que sera rentable utilizar el exceso de capacidad para producir estos nuevos productos. En realidad, el propsito principal de la gerencia al desarrollar los nuevos productos era lograr la utilizacin completa de la capacidad productiva de exceso sobre una base rentable. Mientras que las plantas Bevco generalmente operan a capacidad plena en sus lneas de productos existentes, la produccin por debajo de la capacidad normal ocurre con poca frecuencia, presentando problemas con la fuerza laboral. Aunque la compaa no necesita la fuerza laboral plena durante los perodos de holgura, el costo de los despidos sera considerable, y Bevco deseara evitar esto tanto como fuera posible. Adems, la gerencia deseara balancear la utilizacin del exceso de capacidad entre las plantas sucursales. esto servira para distribuir equitativamente la carga de trabajo del personal de supervisores asalariados y reducir los agravios de la fuerza laboral que se le paga por horas, que de otra manera se sentira discriminada con respecto a las cargas de trabajo o a los despidos. Para el perodo que se est considerando, las plantas tienen las siguientes capacidades de produccin en exceso ( en trminos de unidades) de nuevos productos y capacidades de embarque disponibles asignadas a los nuevos productos: Planta 1 2 3 Capacidad de exceso de produccin Capacidad de embarque (pies (unidades) cbicos) 750 300 450 12,000 10,000 6,500

Los productos 1, 2 y 3 requieren 30,20 y 15 pies cbicos por unidad, respectivamente. Las contribuciones unitarias a la utilidad de los productos 1,2 y 3 son $15 $18 y $12 respectivamente. Los pronsticos de ventas indican que Bevco puede esperar ventas tan altas como 900, 1,000 y 700 unidades de los productos 1, 2 y 3 respectivamente, durante el perodo de planeacin en consideracin. Dada esta situacin, la administracin ha expresado las siguientes metas de preferencia en orden de importancia decreciente.

de la mano de obra, la administracin cree que es 1.5 veces ms importante utilizar la capacidad de exceso de la planta 1 que la de las plantas 2 y 3. capacidad entre todas las plantas. debido a ciertas demandas adicionales de los trabajadores de la planta 1, la administracin cree que si ocurre algn desbalance en la carga de trabajo, es dos veces ms importante favorecer a la planta 1 con menor trabajo con respecto a las plantas 2 y 3. uesto que ste tiene la mayor contribucin a la utilidad por unidad. pronosticadas. Plantear el modelo de programacin meta. TEOA DE REDES Una red es una construccin matemtica formada principalmente por dos conjuntos: un conjunto de nodos (N) y un conjunto de arcos (A), estos dos conjuntos estn relacionados de tal forma que cada arco est siempre definido por un par de nodos. La figura 1 muestra un ejemplo sencillo de una red, la cual consta de cinco nodos (representados con crculos) y de siete arcos (representados con lneas). Figura 1 : Red Los modelos de redes son muy usados debido a su estructura, an cuando es muy simple, sirve para capturar las variables y relaciones importantes existentes en muchos sistemas reales. El caso ms importante es precisamente en los sistemas de carreteras o vialidades. Por ejemplo la red de la figura 1 puede fcilmente interpretarse con los arcos como tramos de carreteras y los nodos como ciudades o intersecciones de carreteras. Adicionalmente los modelos de redes sirven para representar una gran cantidad de sistemas para los cuales la interpretacin no es tan directa como la descrita anteriormente. De manera arbitraria diferentes modelos de redes pueden clasificarse como: redes fsicas, redes logsticas y redes de programacin.

Estos modelos representan redes tales como las redes de: carreteras, vialidades urbanas, telfonos, agua potable, etc. Para este tipo de redes existe una relacin directa entre los nodos del modelo y puntos o zonas en el espacio y entre los arcos del modelo y tramos de infraestructura fsica. Dentro de las redes fsicas, la modelacin de sistemas de carreteras o de vialidades urbanas cobra una gran importancia. Para analizar el movimiento de transporte en una zona urbana, la atencin se centra en las vialidades principales ( las vialidades secundarias generalmente se omiten). La zona urbana en s se divide en zonas, las cuales se representan mediante nodos, localizados en el "centroide" de la zona. Estos centroides se conectan a la vialidad principal mediante arcos artificiales. Otro tipo de nodos que se tienen son los que representan las intersecciones de vialidades principales. En cuanto a los arcos, adems de los arcos artificiales mencionados, se tienen a los arcos que representan segmentos de la vialidad principal. En la figura 2 se tiene un ejemplo en el cual los centroides y los arcos artificiales se representan con lneas punteadas y las intersecciones y vialidades principales se representan con lneas continuas. Los modelos de redes de carreteras son muy similares, excepto que los nodos y arcos artificiales son menos comunes. En estos modelos, los centroides de zonas o regiones se acostumbran poner en ciudades importantes. De esta manera, los nodos de estas redes son regularmente ciudades e intersecciones de carreteras, mientras que los arcos son tramos de carreteras. Figura 2 : Red de vialidades Estas redes se usan para representar las decisiones logsticas en una empresa (almacenamiento, produccin, distribucin, etc.). Generalmente los nodos estn relacionados con puntos en el espacio, como en el caso anterior, pero los arcos representan algo ms abstracto que un tramo fsico. Por ejemplo, en la figura 3 se tiene una red en la que los nodos representan plantas y almacenes. Los arcos que los unen pueden representar toda una serie de acciones logsticas para transportar producto de una planta a un almacn. Parte del transporte podra ser realizado mediante ferrocarril y parte mediante autotransporte y todo estara representado por un solo arco. Estas redes se generalizan fcilmente para incluir adems de plantas de produccin, diferentes niveles de almacenes (regionales, locales, etc) y de clientes (mayoristas, minoristas, etc). Figura 3: Red Logstica En estas redes los nodos representan "eventos", esto es puntos en el tiempo y los arcos representan la posibilidad de realizar alguna actividad. Por ejemplo en la figura 4 se tiene una red que representa al problema de planeacin de la produccin. En este ejemplo los nodos representan cada uno de los meses del ao (excepto el nodo 0) y los arcos representan la posible realizacin de actividades de produccin y de conservacin de inventario. Los arcos (0, i) indican

la posibilidad de produccin durante el mes i; los arcos (i, i+1) la posibilidad de almacenar inventario del mes i al mes i+1. Los arcos que llegan al nodo 0 y al nodo 1 representan la posibilidad de produccin y de tener un inventario inicial respectivamente. Los arcos que salen de los nodos i representan la posibilidad de satisfacer la demanda del producto y de guardar producto en inventario para el siguiente perodo. Otro ejemplo son las redes de actividades para la planeacin de proyectos. En estas redes los arcos representan la realizacin de actividades y los nodos representan la terminacin o inicio de estas actividades. En este caso, la red sirve tambin para modelar las relaciones de precedencia entre distintas actividades del proyecto. P P1 P2 ........... P12 I0 I1 I2 I11 I I12 ....................... D1 D2 D12 Figura 4: Red de Programacin Combinaciones de uno o varios de estos tipos de redes dan lugar a "redes mixtas", por ejemplo, el problema de planeacin de la produccin puede estar referido a un conjunto de plantas y a un conjunto de almacenes, lo que dara lugar a una combinacin de red logstica y red de programacin.

Una grfica G, se define como un conjunto N de nodos y un conjunto A de arcos, tales que cada arco se define especificando un par de nodos. en forma matemtica se escribe como: G = (N, A) Si el par de nodos es un par ordenado, lo cual significa que es importante la direccin del arco, se habla de grficas dirigidas. En este caso, cada arco tiene nodo inicial y un nodo final. La red de la figura 2 es una grfica no-dirigida, lo cual podra ser consecuencia de considerar solamente vialidades con movimientos en ambas direcciones. Por el contrario, la red de la figura 3 tiene arcos dirigidos (representados con flechas), debido a que el movimiento de producto es siempre de plantas a almacenes y no en ambas direcciones. Una red tambin llamada grfica ponderada, es una grfica con "pesos" asociados a cada uno de los arcos. Un peso es una funcin que a cada arco le asocia un nmero real y puede tener diversas interpretaciones tales como las de distancia, tiempo o costo. En la red de la figura 2 cada arco podra tener un peso asociado significando la distancia en el tramo de vialidad que representa. Una red de flujo es una red en la que cada arco tiene asociada una variable, llamada comnmente flujo. El flujo puede interpretarse en el caso de una red de carreteras como la cantidad de vehculos o de bienes que circulan en cada arco de

la red. En otros casos, el flujo significa la cantidad que se tiene de alguna actividad en los arcos de la red. Por ejemplo en la red de la figura 3. el flujo asociado con cada arco es la cantidad de producto que se distribuye entre una planta y un almacn determinado. En el caso de la figura 4, el flujo en algunos arcos indica la produccin a realizar en algn perodo determinado y en otros la cantidad de producto destinada a satisfacer la demanda o a guardarse como inventario. En redes de flujo, el peso asociado a cada arco toma la interpretacin de "impedancia" o resistencia al flujo, la cual aumenta con el flujo sobre el arco. En estas redes, pesos tales como la distancia de un arco son menos usados, pues no dependen del flujo. En la red de la figura 3, se podra tener un costo por cada unidad transportada entre una planta y un almacn y entonces el costo total sobre el arco sera funcin de su flujo. Es comn tener en redes de flujo otra funcin asociada con cada arco, que es su capacidad, que significa la mxima cantidad de flujo que puede ocurrir en un arco. Una ruta es una secuencia de nodos y arcos: n0a1n1a2n2........aknk en donde el arco ai = (ni-1,ni), lo cual garantiza "continuidad" en la secuencia. Una ruta siempre se define para un par de nodos, siendo n0 el nodo inicial y nk el nodo final de sta. Si los arcos de la ruta son dirigidos, entonces se habla de una ruta dirigida. Por ejemplo, tomando la red de la figura 1, las siguientes secuencias definen tres diferentes rutas entre los nodos 1 y 5: 1(1,3)3(3,5)5 1(1,3)3(3,4)4(4,5)5 1(1,2)2(2,4)4(4,5)5 Una ruta es simple si no usa ningn arco ms de una vez. Una ruta es elemental si no usa ningn nodo ms de una vez. Si una ruta es elemental, necesariamente tiene que ser simple, pues una ruta que no es simple no puede ser elemental ya que usar un arco ms de una vez implica usar sus nodos tambin ms de una vez. Las tres rutas definidas anteriormente entre los nodos 1 y 5 de la figura 1 son elementales y por lo tanto simples. Un ciclo es una ruta simple en la cual coinciden el nodo inicial y el nodo final. Es una secuencia de nodos y arcos que regresan al nodo inicial sin repetir ningn arco. De esta manera, en la red de la figura 1, la secuencia: 1(1,3)3(3,1)1 no es un ciclo, pues el arco (1,3) es igual al arco (3,1). Podra ser un ciclo si la red fuera dirigida y por lo tanto los dos arcos mencionados fueran diferentes. Al igual que en las rutas, existen ciclos dirigidos y no dirigidos, ciclos elementales y ciclos simples. As un ciclo simple no repite ningn arco y un ciclo elemental no repite ningn nodo, excepto el nodo inicial que debe ser igual al nodo final. Un caso importante de ciclos es el ciclo Hamiltoniano, el cual es un ciclo elemental

que visita todos los nodos de la red. Un caso particular de ciclos es el anillo, el cual consiste de un solo arco, el cual empieza y termina en el mismo nodo. En el ejemplo de la figura 1, las siguientes secuencias son todas ciclos: 1(1,2)2(2,3)3(3,1)1 1(1,2)2(2,4)4(4,3)3(3,1)1 1(1,2)2(2,4)4(4,5)5(5,3)3(3,1)1 En el caso de la red dirigida de la figura 3, la secuencia: 1(1,4)4(4,2)2(2,3)3(3,1)1 es un ciclo, sin embargo no es un ciclo dirigido puesto que los arcos (4,2) y (3,1) no tienen la direccin definida en la red. De hecho no existe ningn ciclo dirigido en toda esta red Un par de nodos en una grfica estn conectados si existe una ruta entre ellos. Una grfica es conexa si cualquier par de sus nodos estn conectados entre s. Una grfica dirigida se dice que es conexa si la grfica resultante de no considerar la direccin de sus arcos es conexa. Un rbol es una grfica conectada que no contiene ciclos. Un rbol T es un rbol de expansin de una grfica G si contiene todos sus nodos. En la red de la figura 1, la grfica T con conjunto de nodos N = {1,2,3} y conjunto de arcos A = {(1,2), (1,3)} es un rbol, pero no es un rbol de expansin al no contener todos los nodos de la red original. Por otra parte, el rbol T con N = {1,2,3,4,5} y A = {(1,2),(1,3),(3,4),(4,5)} es un rbol de expansin, al cumplir con la definicin de rbol y contener a todos los nodos de la red. Algunos tipos importantes de grficas son las grficas: simple, completa y bipartita. Una grfica simple es aquella que no tiene anillos ni arcos paralelos. Dos arcos son paralelos si se definen con los mismos nodos. En el caso de redes dirigidas, dos arcos son paralelos si tienen el mismo nodo inicial y el mismo nodo final. Una grfica completa es aquella grfica simple que tiene un arco uniendo a cualquier par de nodos. Una grfica bipartita es una grfica en la cual existe una particin del conjunto de nodos, de tal manera que cada arco tiene un extremo en uno de los conjuntos y otro extremo en el otro. Una particin significa que todos los nodos estn en cualquiera de sus subconjuntos y que ningn nodo pertenece a ms de uno de stos. En el caso de redes dirigidas se habla del conjunto de nodos origen y del conjunto de nodos destino y as cada arco empieza en un nodo origen y termina en un nodo destino. Un ejemplo de grfica bipartita es la mostrada en la figura 3, en donde se puede observar que el conjunto de nodos origen comprende a los nodos 1, 2 y el conjunto de nodos destino a los nodos 3, 4, 5. Una red se representa naturalmente en forma grfica, con lo que se pueden apreciar fcilmente las relaciones entre los diferentes elementos de la red. Sin embargo, esta representacin no es la ms adecuada para resolver problemas

que involucran modelos de redes. Matemticamente, existen dos formas principales de representar a una red: la matriz de incidencia y la matriz de adyacencia. Un nodo y un arco son incidentes si el nodo es uno de los dos nodos que definen al mencionado arco. Dos nodos son adyacentes, si ambos definen a un mismo arco. Para definir estas matrices, se usar a n como el nmero de nodos de una grfica y a m como el nmero de sus arcos. La matriz de incidencia, U, es una matriz de orden n x m, en la que cada uno de sus elementos, Uij , toma un valor igual al nmero de veces que el nodo nj y el arco aj son incidentes. Este valor es usualmente igual a 0 1, excepto cuando se tiene un anillo, en cuyo caso un nodo y un arco inciden dos veces. La matriz de adyacencia V, es una matriz de orden m x m, en la que cada uno de sus elementos, Vij, toma un valor igual al nmero de arcos que los unen. Para grficas simples, estos valores son solamente igual a 0 1. Para la red de la figura 1, la matriz de incidencia es U: 1234567 11100000 21011000 30110110 40001101 50000011 Para la misma red, la matriz de adyacencia es V: 12345 101101 210110 311011 401101 500110 Para redes grandes, lo usual es que estas matrices tengan una gran cantidad de elementos igual a cero, por lo que casi no son usadas para almacenar los datos de una red en computadora. Una estructura de datos muy usada para este fin es una lista llamada "estrella". En esta estructura los arcos son numerados en forma sucesiva. Primero se numeran los arcos que empiezan con el nodo 1, luego los que empiezan con el nodo 2 y as sucesivamente. Para los arcos que empiezan en el mismo nodo, se pueden numerar en forma ascendente con respecto al nodo final. Una vez numerados los arcos, se guardan secuencialmente sus nodos inicial y final, junto con un apuntador, apun( i ) , que para cada nodo i indica el primer arco que empieza con ese nodo. Se puede tomar apun ( 1 ) = 1, y los arcos que salen del nodo i sern los arcos de apun ( i ) a apun ( i + 1 ) - 1 en la lista. En

redes dirigidas se hace apun ( n + 1 ) = m + 1 y en redes no dirigidas apun ( k + 1) = m + 1, con k igual al nodo inicial del ltimo arco considerado. Para la red de la figura 1 se tendr: i 1 2 3 4 5 arco 1 2 3 4 5 6 7 8 apun ( i ) 1 3 5 7 8 nodo inicial 1 1 2 2 3 3 4 nodo final 2 3 3 4 4 5 5 -

DEFINICIN DE PROBLEMAS Los problemas varan de acuerdo al tipo de redes son muy diferentes los problemas en redes que en redes de flujo. Cuando se tiene una red, esto es una grfica ponderada, los pesos usualmente significan distancia o tiempo, por lo que los problemas tpicos son los de cmo conectar entre s los nodos de la red o que arcos elegir para ir de u nodo a otro. Cuando se tiene una red de flujo el tipo de problemas es diferente, un problema muy comn es el de encontrar un flujo sobre

la red que satisfaga ciertas restricciones al menor costo posible. Otro problema sobre estas redes es encontrar el flujo mximo que puede circular sobre una red determinada. Como se defini anteriormente, un rbol de expansin mnimo es una red conectada, sin ciclos y que comprende a todos los nodos de una red. Dentro de todos los posibles rboles de expansin que puede tener una red, el mnimo es aquel que tiene la menor suma de los pesos en los arcos del rbol. Si el peso que se tiene en la red es la distancia de cada uno de los arcos, este problema consiste en encontrar la forma ms econmica de conectar entre s a todos los nodos de una red. Este problema tiene una de las formas ms sencillas que existen para resolver problemas. En particular, algoritmos voraces obtienen al aplicarse en este problema la solucin ptima. Un algoritmo voraz, es un algoritmo que en cada iteracin trata de obtener el mejor valor posible con respecto a un objetivo sin preocuparse por las implicaciones que esto pueda tener en subsecuentes iteraciones. Para este problema un algoritmo voraz es como sigue: ordenar todos los arcos de menor a mayor peso. Construir un rbol escogiendo en cada iteracin el arco con el menor peso que no haya sido seleccionado y que no forme un ciclo con los arcos ya seleccionados. Terminar cuando todos los nodos estn ya conectados. Este problema consiste en escoger aquella ruta entre dos puntos determinados que tenga la menor suma de los pesos en cada uno de sus arcos. Usualmente los pesos se refieren a la distancia o al tiempo de viaje en cada uno de los arcos de la red. Si la red es una red de carreteras o de vialidades urbanas, este problema consiste en escogerlos arcos de la red ms favorables para viajar entre un par de puntos de sta. Este problema tiene mtodos eficientes de solucin, algunos de los cuales se vern ms adelante. Este problema consiste en escoger un ciclo que visite a todos los nodos de una red y que tenga la menor suma de los pesos en cada uno de los arcos del ciclo. Al igual que en el problema de la ruta ms corta, los pesos se refieren usualmente a distancias o tiempos de viaje. Este problema tiene aplicacin para el diseo de las rutas que deber recorrer un vehculo al visitar un conjunto de clientes y retornar posteriormente a su base. A diferencia del problema anterior, este problema no cuenta con un mtodo eficiente para resolverlo, por lo que los problemas que se modelan de este tipo, son pequeos o se resuelven solamente de manera aproximada. Dada una red de flujo, este problema consiste en encontrar el flujo que al menor costo posible cumpla con un conjunto de restricciones. Estas restricciones son principalmente de tres tipos: restricciones de balance de flujo, restricciones de capacidad y restricciones de no-negatividad. Las restricciones de balance de flujo

consisten en que para cada nodo, el flujo que entra al nodo debe ser igual al flujo que sale de l. Las restricciones de capacidad dicen que para cada arco de la red, el flujo no debe exceder cierta cantidad. Las restricciones de no-negatividad simplemente evitan que el flujo en cada arco sea una cantidad negativa. Existen mtodos eficientes para resolver este tipo de problemas. Ejemplos de estos problemas se tienen en las redes de las figuras 3 y 4. En la red de la figura 4, las restricciones de balance de flujo indican que en cada mes la cantidad producida ms el inventario del mes anterior deben ser igual a la demanda del producto en ese mes ms la cantidad enviada a inventario para el siguiente. Las restricciones de capacidad indican que hay lmites en la cantidad a producir en cada mes o en la cantidad que puede guardarse como inventario en cualquier tiempo. Las restricciones de no-negatividad se tienen, dado que no tiene sentido hablar de flujos negativos, pues stos significaran alguna cantidad negativa a producir o guardar como inventario. El costo del flujo estara dado a partir de costos unitarios de produccin y de conservacin de inventario. Este problema tambin est definido en redes de flujo, a diferencia del problema anterior, no se toman en cuenta los costos del flujo en cada uno de los arcos de la red. En este problema se quiere, dado que se tiene especificada la capacidad de cada arco, encontrar el flujo mximo que podra circular entre un nodo origen y un nodo destino. Este flujo mximo debera adicionalmente cumplir con restricciones de balance de flujo y de no-negatividad. Para este problema tambin se cuenta con algoritmos eficientes para resolverlos. PROBLEMAS DE TRANSBORDO. Si un problema de redes se refiere a la minimizacin de los costos de flujo de algn producto entre nodos, en donde cada nodo puede ser un punto de abastecimiento, un punto de demanda, o ambos, entonces se considera que el problema de redes es un problema de transbordo. El problema de transbordo es el ms general de los problemas de redes, dado que cada nodo puede tener al mismo tiempo oferta y demanda y no existen restricciones sobre los flujos o sobre los tipos de nodos. Ejemplo: La Ahab Oil Company tiene un solo campo petrolero desde donde enva todo el petrleo, a travs de un oleoducto, a uno de dos centros de embarque, en donde se almacena en buques tanque para su envo a refineras de Estados Unidos. La oferta diaria en el campo es de, 2,000 barriles. Deben considerarse los costos del oleoducto, los costos de embarque y las cantidades de petrleo que pueden enviarse a travs de los oleoductos. Los costos del oleoducto y las capacidades diarias de ste, se muestran en la tabla 2.1. En la tabla 2.2 se presentan los costos de embarque de cada estacin de embarque a cada refinera y las demandas diarias de las refineras. Plantear el problema en forma de Red y de Programacin Lineal.

Instalacin de envo Costo por barril 1 2 $0.20 $0.15

Capacidad del oleoducto (en barriles) 1000 500

Tabla 2.1 Costos y capacidades de los ductos Refinera Costo de transporte por barril Nmero 1 2 Ubicacin Nueva Jersey Houston Desde centro 1 Desde centro 2 Demanda diaria $0.10 $0.20 $0.15 $0.25 600 800

Tabla 2.2 Costo de transporte y demandas PROBLEMA TRANSPORTE. Es un caso especial del problema de transbordo, en el que todos los nodos son o fuentes (nodos de oferta) o destinos (nodos de demanda). En un problema de transporte no existen nodos de transbordo. Ejemplo. La Boors Brewery Company elabora una cerveza que se distribuye a nivel nacional a partir de dos fabricas de cerveza, Una en cada una de las costas de E.U.. La cerveza se enva a cuatro mayoristas que se encargan de la distribucin subsecuente, por lo que la Boors se ocupa slo de la distribucin a los mayoristas. Los costos de distribucin, por conjunto de 100 cajas que se envan a cada mayorista, se presentan en la tabla 2.3 , junto con la oferta mensual en cada fabrica y la demanda mensual de cada mayorista. Plantear el problema en forma de Red y de Programacin Lineal. Fbrica cerveza Silver, Wa Apple N.C. Demanda (cientos cajas) Chill, de Albany N.Y. $21 $10 Ames, Iowa $15 $14 Luckenbach, Needles, Tx $18 $16 Calif. $9 $23 Oferta cientos cajas) 550 650 (en de

de 200

250

400

350

Tabla 2.3 Costos de distribucin

PROBLEMA DE LA RUTA MAS CORTA Trata el problema de encontrar el camino ms corto (el camino de longitud mnima) desde el nodo 1 hacia cualquier otro nodo en la red. EJEMPLO. Acabo de comprar (en el tiempo 0) un automvil nuevo en 12,000 dlares. El costo del mantenimiento anual de un automvil depende de la edad del automvil al inicio del ao, como se da en la tabla 2.4. Para evitar los altos costos de mantenimiento de un automvil ms viejo, puedo dar como adelanto mi automvil y comprarme un automvil nuevo. El precio que recibo al dar como adelanto automvil depende de su edad al momento de la transaccin (tabla 2.5). Para simplificar los clculos, suponemos que en cualquier momento, me cuesta 12,000 dlares comprar un automvil nuevo. Mi meta es minimizar el costo neto (costos de compra + costos de mantenimiento - dinero recibido por el automvil viejo) incurrido durante los prximos cinco aos. Formula la red del modelo Edad (Aos) 0 1 2 3 4 del automvil Costo anual (Dlares) 2000 4000 5000 9000 12000 de mantenimiento

Tabla 2.4 Costos de mantenimiento del automvil Edad del automvil (aos) Costo al dar precio (dlares) 1 2 3 4 5 7000 6000 2000 1000 0

Tabla 2.5 Precios del automvil al darlo como adelanto PROBLEMA DEL RBOL DE EXPANSIN MNIMA

La tarea consiste en construir un rbol que conecte todos los nodos de la red con un costo total mnimo, por el momento, nos conformaremos con plantear la red del siguiente problema (ms adelante construiremos el rbol de expansin mnima).