Problema Del Transporte o Distribución

PROBLEMA DEL
TRANSPORTE O
DISTRIBUCIN
El problema del transporte o distribucin es un problema de redes especial

en programacin lineal que se funda en la necesidad de llevar unidades de un
punto especfico llamado Fuente u Origen hacia otro punto especfico
llamado Destino. Los principales objetivos de un modelo de transporte son la
satisfaccin de todos los requerimientos establecidos por los destinos y claro
est la minimizacin de los costos relacionados con el plan determinado por las
rutas escogidas.
El contexto en el que se aplica el modelo de transporte es amplio y puede
generar soluciones atinentes al rea de operaciones, inventario y asignacin de
elementos.
El procedimiento de resolucin de un modelo de transporte se puede llevar a
cabo medianteprogramacin lineal comn, sin embargo su estructura permite la
creacin de mltiples alternativas de solucin tales como la estructura de
asignacin o los mtodos heursticos ms
populares como Vogel, Esquina Noroeste o Mnimos Costos.
Bryan Antonio Salazar Lpez

Los problemas de transporte o distribucin son uno de los ms aplicados en la
economa actual, dejando como es de prever mltiples casos de xito a escala
global que estimulan la aprehensin de los mismos.
PROBLEMA DE TRANSPORTE
MEDIANTE PROGRAMACIN LINEAL
Como se mencion anteriormente la programacin lineal puede ser utilizada
para la resolucin de modelos de transporte, aunque no sea sensato resolver
los modelos mediante el Mtodo Simplex si puede ser de gran utilidad la fase
de modelizacin, la programacin carece de la practicidad de los mtodos de
asignacin, pero puede ser de gran importancia dependiendo de la complejidad
de las restricciones adicionales que puede presentar un problema particular.
EL PROBLEMA
Una empresa energtica colombiana dispone de cuatro plantas de generacin
para satisfacer la demanda diaria elctrica en cuatro ciudades, Cali, Bogot,
Medelln y Barranquilla. Las plantas 1,2,3 y 4 pueden satisfacer 80, 30, 60 y 45
millones de KW al da respectivamente. Las necesidades de las ciudades de
Cali, Bogot, Medelln y Barranquilla son de 70, 40, 70 y 35 millones de Kw al
da respectivamente.
Los costos asociados al envo de suministro energtico por cada milln de KW

entre cada planta y cada ciudad son los registrados en la siguiente tabla.
www.ingenieriaindustrial
online.com
Formule un modelo de programacin lineal que permita satisfacer las

necesidades de todas las ciudades al tiempo que minimice los costos
asociados al transporte.
SOLUCIN MEDIANTE PL
El modelo bsico de transporte es el modelo en el cual la cantidad ofertada es
igual a la cantidad demandada, como es el caso de este ejercicio, sin embargo
trasladar esta suposicin a la realidad es casi imposible por lo cual hace falta
crear orgenes y/o destinos ficticios con el excedente de oferta y/o demanda.
Como ya lo hemos planteado en mdulos anteriores el primer paso

corresponde a la definicin de las variables, regularmente se le denomina a las
variables de manera algebraica Xi,j donde i simboliza a la fuente y j simboliza al
destino. En este caso i define el conjunto {Planta 1, Planta 2, Planta 3 y Planta
4}, y j define el conjunto {Cali, Bogot, Medelln y Barranquilla}. Sin embargo es
prctico renombrar cada fuente y destino por un nmero respectivo, por ende la
variable X1,2 corresponde a la cantidad de millones de KW enviados

diariamente de la Planta 1 a la ciudad de Bogot.
www.ingenieriaindustrialonline.com
El segundo paso corresponde a la formulacin de las restricciones de oferta y

demanda, cuya cantidad se encuentra determinada por el factor entre fuentes y
destinos, en este caso 16 restricciones.
Restricciones de oferta o disponibilidad, las cuales son de signo :
X1,1 + X1,2 + X1,3 + X1,4 80

X2,1 + X2,2 + X2,3 + X2,4 30
X3,1 + X3,2 + X3,3 + X3,4 60
X4,1 + X4,2 + X4,3 + X4,4 45
Restricciones de demanda, las cuales son de signo :
X1,1 + X2,1 + X3,1 + X4,1 70

X1,2 + X2,2 + X3,2 + X4,2 40
X1,3 + X2,3 + X3,3 + X4,3 70
X1,4 + X2,4 + X3,4 + X4,4 35
Luego se procede a formular la funcin objetivo, en la cual se relaciona el costo

correspondiente a cada ruta.
ZMIN = 5X1,1 + 2X1,2 + 7X1,3 + 3X1,4 + 3X2,1 + 6X2,2 + 6X2,3 + 1X2,4 + 6X3,1 + 1X3,2 +
2X3,3 + 4X3,4 + 4X4,1 + 3X4,2 + 6X4,3 + 6X4,4
Luego se puede proceder al uso de la herramienta WinQSB para resolver el
modelo realizado, aqu estn los resultados.
Este problema presenta una solucin ptima alternativa, aqu los resultados.
Red Solucin
Modelo de Transporte
Los anlisis de dualidad y sensibilidad en los modelos de transporte resultan

ser bastante interesantes, pues pueden llegar a determinar aumentos de
capacidad en las fuentes si el precio sombra de las rutas en relacin a ellas lo

justifica.
https://jorgesosasanchez.wordpress.com/unidad-2/2-1-problema-detransporte-2/
2.1 Problema de Transporte

2.1 Problema de Transporte
2.1.1 Mtodo esquina noroeste

2.1.2 Procedimineto de optimizacion
Programacin Lineal
Un modelo de Programacin Lineal (PL) considera que las variables de decisin tienen un
comportamiento lineal, tanto en la funcin objetivo como restricciones del problema. En este
sentido, la Programacin Lineal es una de las herramientas ms utilizadas en la Investigacin
Operativa debido a que por su naturaleza se facilitan los clculos y en general permite una
buena aproximacin de la realidad.
Los Modelos Matemticos se dividen bsicamente en Modelos Determistas (MD) o Modelos
Estocsticos (ME). En el primer caso (MD) se considera que los parmetros asociados al
modelo son conocidos con certeza absoluta, a diferencia de los Modelos Estocsticos, donde
la totalidad o un subconjunto de los parmetros tienen una distribucin de probabilidad
asociada. Los cursos introductorios a la Investigacin Operativa generalmente se enfocan
slo en Modelos Determistas.
Las aplicaciones de los modelos de Programacin Lineal abarcan diversas reas de la

Ingeniera. A continuacin un breve compendio de alguna de sus aplicaciones y referencias
de inters para el lector:
1. Problema de Transporte: (Referencia: Hitchcock, 1941;

Kantorovich, 1942; Koopmans 1947). El problema consiste en decidir
cuntas unidades trasladar desde ciertos puntos de origen (platas,
ciudades, etc) a ciertos puntos de destino (centros de distribucin, ciudades,
etc) de modo de minimizar los costos de transporte, dada la oferta y
demanda en dichos puntos. Se suponen conocidos los costos unitarios de
transporte, los requerimientos de demanda y la oferta disponible.
Por ejemplo, suponga que una empresa posee dos plantas que elaboran un
determinado producto en cantidades de 250 y 400 unidades diarias,
respectivamente. Dichas unidades deben ser trasladadas a tres centros de
distribucin con demandas diarias de 200, 200 y 250 unidades,
respectivamente. Los costos de transporte (en $/unidad) son:
Se requiere formular un modelo de Programacin Lineal que permita

satisfacer los requerimientos de demanda al mnimo costo.
Solucin:
Variables de Decisin: Xij : Unidades transportadas desde la planta i (i=1,
2) hasta el centro de distribucin j (j=1, 2, 3)
Funcin Objetivo: Minimizar el costo de transporte dado
funcin: 21X11 + 25X12 + 15X13 + 28X21 + 13X22 + 19X23
Restricciones:
Satisfacer los requerimientos de Demanda:
por
la
X11+ X21 = 200

X12 + X22 = 200
X13 + X23 = 250
Sujeto a la Oferta de las plantas::
X11+ X12 + X13 = 250
X21 + X22+ X23 = 400
No Negatividad: Xij >= 0
El siguiente diagrama permite una visualizacin de la situacin anterior:
Resolucin utilizando el complemento Solver de Microsoft Excel:
1. Abrir una Planilla de Clculo de Excel. Asegurese de tener

instalado el complemento Solver (Opcin Herramientas
Complementos)
Luego construya una planilla como la de la imagen de referencia. Se han
marcado con amarillo las celdas cambiantes (variables de decisin) y
funcin objetivo. Para facilitar el seguimiento se ha escrito en rojo las
frmulas asociadas a cada celda.
4. Seleccione Resolver. Obtendr la solucin al problema y podr

requerir los Informes de Solver. Finalmente presione Aceptar.
5. Se actualizarn los valores en la Planilla de Clculo en las celdas

marcadas en amarillo desplegando la solucin ptima y valor
ptimo. Adicionalmente se verifica el cumplimiento de las
restricciones del problema.
6. Finalmente, se obtienen los informes de sensibilidad los cuales

entregan informacin relevante en cuanto a los precios sombra
asociados a las restricciones, intervalos de variacin de garantizan
la validez del precio sombra, intervalo de variacin para los
coeficientes de la funcin objetivo, etc.
Mtodo de Transporte
febrero 28, 2013
BY PROFMERCEDESGUILLERMINAGODOY
El mtodo de la esquina Noroeste es un algoritmo heurstico til para

resolver problemas de transporte o distribucin por medio la
consecucin de una solucin bsica inicial que satisfaga todas las
restricciones existentes sin que esto implique que se alcance el costo
ptimo total.
El beneficio de este mtodo es la rapidez de su ejecucin, y es aplicado
con mayor frecuencia en ejercicios donde el nmero de fuentes y
destinos sea muy elevado. Su nombre se debe al gnesis del
algoritmo, el cual inicia en la ruta, celda o esquina Noroeste. Es comn
encontrar gran variedad de mtodos que se basen en la misma
metodologa de la esquina Noroeste, dado que se puede encontrar de
igual manera el mtodo e la esquina Noreste, Sureste o Suroeste.
Algoritmo para resolver:
En el inicio se plantea en forma matricial el problema, es decir, filas
que representen fuentes y columnas que representen destinos, luego
el algoritmo debe de iniciar en la celda, ruta o esquina Noroeste de la
tabla (esquina superior izquierda).
1: En la celda seleccionada como esquina Noroeste se debe asignar la mxima

cantidad de unidades posibles, cantidad que se ve restringida ya sea por las
restricciones de oferta o de demanda. En este mismo paso se procede a ajustar la
oferta y demanda de la fila y columna afectada, restando la cantidad asignada a la
celda.
2:En este paso se procede a eliminar la fila o destino cuya oferta o demanda sea 0
despus del Paso 1, si dado el caso ambas son cero arbitrariamente se elige cual
eliminar y la restante se deja con demanda u oferta cero (0) segn sea el caso.
3:Una vez en este paso existen dos posibilidades, la primera que quede un solo
rengln o columna, si este es el caso se ha llegado al final el mtodo, detenerse.
La segunda es que quede ms de un rengln o columna, si este es el

caso iniciar nuevamente el Paso 1.
Por Ejemplo:
Se tienen 3 departamentos A, B, C que tienen plataformas y 4
departamentos que necesitan plataformas W, X, Y, Z. Recordando que
pueden transportarse dos plataformas a la vez , se anota en la tabla
1, el nmero de plataformas requeridas y disponibles. por suerte
los nmeros de plataformas requeridas igualan en nmero a las
disponibles, aunque esto no es un requisito para la solucin. En los
cuadros pequeos se han anotado los tiempos para hacer un viaje
redondo entre todas las combinaciones.
Por ejemplo el viaje redondo de A a W es 10 min. La tabla 1 se denomina
matriz de distribucin. Ahora bien la medida de eficacia es el tiempo del viaje
redondo y se desea contribuir las 32 cargas de los departamentos A, B y C a los
departamentos W, X, Y y Z en forma tal que el tiempo total invertido
sea mnimo dentro de las restricciones impuestas por las plataformas
disponibles o requeridas.
Se comenzar por asignar las diversas cargas en formas

arbitrarias, olvidndose de los tiempos. Se parte de la parte superior izquierda
de la matriz (llamada esquina del noroeste) y se advierte que A tiene 8 cargas
disponibles y W necesita 7 cargas. Se asigna 7 cargas de A a W (vase la tabla
2) Los nmeros dentro de los siglos representan cargas asignadas. Por ejemplo
el 7 del cuadro AW significa 7 cargas asignadas de A a W. Todava no se han
agotado las existencias de A, 1 carga a X. Viendo la parte inferior de la columna
de X , se mira que tiene el requerimiento de 10 , se pasa a la hilera B y se
asigna el resto de los requerimientos de X 9 cargas a la existencia de B que
tiene 13 cargas. Luego se avanza otra vez hacia la derecha y se asigna el resto
de existencia de B , 4 cargas a Y. Se sigue en esta forma , bajando en forma de
escalera por la matriz, hasta que se concluyen todas estas asignaciones
arbitrarias como se mira en la tabla 2.
El tiempo total que este cuadro se

muestra en la tabla 2 dando como respuesta 475 minutos. El mtodo general se
llama escalera de Piedra. A menudo se le designa como cuadro de piedra a los
cuadros que tienen asignaciones y cuadros de agua a los que carecen
de
asignaciones. Aqu se les
denominar simplemente cuadro con asignaciones y cuadros sin asignaciones o

cuadros abiertos.
Es la solucin del Noroeste la mejor?
Se puede responder examinando sucesivamente los cuadros sin asignaciones

para verificar si es posible disminuir el tiempo total pasandoles algunas
asignaciones. cuando se hayan hecho todos los cambios posibles de
asignaciones de esta clase se podr estar seguro de tener una solucin ptima.
Vase como se puede seguir este procedimiento:
Tmese el primer cuadro sin

asignacin de la primera columna, el cuadro BW. Si se suma una carga a BW y
otra a AX y se resta una carga de AW y otra de BX, todava se cumplira con las
restricciones de la carga disponible y la carga requerida. La tabla 3 muestra
que tal cambio no beneficia porque se estara pasando de rutas de cortas ms
bajas a otras de mas alto.
Se estara agregando una carga a la ruta BW y otra a la ruta AX, a un costo de
15 +22 = 37 minutos, y restando una carga a la ruta AW y otra a la ruta BX con
un ahorro de 10 + 20 = 30 minutos, o sea un aumento neto de 37 30 = 7
minutos por carga.
Cada uno de los cuadros sin

asignacin se puede examinar en la misma forma buscando mejorarlo. El patrn
que se obtiene no es siempre rectangular. En la tabla 4 se ve el patrn que
requiere para la evaluacin del cuadro CW. Lo que se debe tener es una ruta
cerrada que parta del cuadro que se desea evaluar con giros en ngulo recto
slo en los cuadros que ya tengan asignaciones, procediendo en la direccin de
las manecillas del reloj o a la inversa. Se pueden saltar cuadros para llegar a
las esquinas, como se aprecia en la tabla 4. No se permite un movimiento
diagonal. Empezando en el cuadro que se desea evaluar, se asigna un signo de
ms, puesto que hay la intencin de agregar un carga y se alternan los signos
de ms y de menos al avanzar por la ruta cerrada. Por lo regular slo hay una
ruta cerrada para evaluar un cuadro abierto dado, si la solucin arbitraria inicial
se ha obtenido en forma correcta. De acuerdo con la tabla 4 se advierte que no
se gano nada con hacer alguna asignacin al cuadro CW, as que se procede a
evaluar sistemticamente los cuadros no asignados de la columna X.
El cuadro CX es el nico cuadro

abierto de la columna X que es posible evaluar en este momento y en la tabla 5
se hace por el procedimiento anterior. Aqu se ve que conviene hacer un
cambio porque por cada carga transferida a CX y BY desde BX y CY hay
una disminucin neta de 6 minutos en el tiempo del viaje redondo. Puesto que
se ha encontrado un cambio ventajoso, se desea sacar el mejor provecho del
mismo aumentando al mximo la asignacin a CX. Pero el cambio de
asignaciones est limitado a dos cargas porque tal es la asignacin existente en
CY, y no es posible reducirla a menos de cero. Por lo tanto, el
mejoramiento mximo de la solucin que se puede lograr en CX es de 2 cargas
a la vez, con un ahorro de 6 minutos por carga, o sea 12 minutos. El tiempo
total se reduce ahora a 463 minutos. Se hacen los cambios de asignacin
indicados, y las asignaciones resultantes en los cuatro cuadros afectados son
las siguientes. Se hacen los cambios de asignacin indicados y las asignaciones
resultantes en los cuatro cuadros afectados son las siguientes:
Se prosigue sistemticamente a lo largo de la tabla, evaluando cada uno de los

cuadros abiertos y haciendo cambios de asignaciones siempre que resulten
ventajosos. Por supuesto, se puede hallar que algunos cuadros que antes no
indicaban ninguna mejora posible se encuentren en ese caso posteriormente a
causa de cambios subsecuentes.
Este proceso continua hasta que

ninguno de los cuadros abiertos indiquen mejora posible alguna. en este punto
se habr obtenido una solucin ptima, la que aparece en la tabla 6. el tiempo
total requerido por la solucin ptima es de 330 minutos o sea cerca del 30%
menos que la solucin original de la esquina noroeste. Esta reduccin del
tiempo total se puede lograr mediante la evaluacin columna por columna de
13 cuadros abiertos, 6 de los cuales producen mejoras. La
primera
vez que se recorre la tabla no
se obtiene ninguna mejora en los cuadros BW, CW, y CY mientras que los
cuadros CX, AY, AZ y BZ, en esa secuencia, si producen mejoras. La segunda
vez que se pasa por la tabla no se obtiene mejora de BW, CW, AX y BX, pero si
se obtiene en AY y CY. En este punto la solucin es optima, porque una nueva
evaluacin de todos los cuadros sin asignacin demuestra que no se pueden
lograr nuevas mejoras.
Este procedimiento es tedioso, aun en el caso de un problema pequeo, pero
hay que recordar que el trabajo mas arduo de este tipo se adapta muy bien al
computadora electrnica.
La degeneracin en los problemas de distribucin
Otros aspecto de la mecnica del

desarrollo de una solucin que es preciso mencionar es la condicin conocida
como degeneracin. la degeneracin se presenta en los problemas de
distribucin cuando, al cambiar las asignaciones para provechar una mejora

potencial, dos de las asignaciones existentes se convierten en cero, en vez de
que talcosa suceda slo con una de ellas, como se vio en los ejemplos
anteriores.
Al examinar el problema de tabla 7

(que solo difieren ligeramente del ejemplo con que se ha venido trabajando) se
advierte que esto est apunto de ocurrir. Tal problema se planteo en la forma
usual, y se determino una solucin inicial de la esquina noroeste. Se evaluaron
los cuadros abiertos columna por columna y se hicieron cambios de
asignaciones cuando parecan indicar una mejora.
En la tabla 7 se evala el cuadro BZ

mediante el patrn de ruta cerrada que se indica. Aparece una mejora
potencial, ya que el cambio de una unidad ahorra 15 minutos. Se desea
aprovechar esta ventaja al mximo cambiando el mayor numero posible de
cargas. Estamos limitados por los cuadros BX y CZ, cada uno de los cuales
tiene una asignacin de 5 cargas. Cuando se ejecuta el cambio de asignaciones,
tanto BX como CZ se reducen a cero. As se muestran en la matriz de
distribucin la resultante representada en la tabla 8. Varios de los cuadros
abiertos CW, AX, BX, CY, CZ no se pueden evaluar porque no es posible

establecer una ruta cerrada para ellos.
La degeneracin se puede resolver

considerando uno de los dos cuadros donde desaparecen las asignaciones como
un cuadro con asignacin de cero (piense en una asignacin sumamente
pequea) As se ilustra en la tabla 9. Luego se utiliza el cuadro de asignacin
cero para completar rutas en la forma acostumbrada. Si en manipulaciones
subsecuentes ocurre que el cuadro con asignacin de cero es el que limita los
cambios de asignacin se cambia la asignacin cero al cuadro que se este
evaluando y se continua luego con el procedimiento usual. As se ilustra en la
tabla 10.
Cuando se evala el cuadro CY, aparece una mejora potencial, pero no se puede
hacer ningn cambio de las asignaciones existentes a causa de la limitacin de
la asignacin de cero. Entonces se transfiere la asignacin cero a CY y se
continua el procedimiento hasta que se obtenga una solucin optima.
Oferta y Demanda desiguales
Ahora se puede examinar los problemas en que no son iguales la oferta y la
demanda. Por ejemplo en la tabla 11:
Se va a Realizar este ejercicio con el mtodo del costo mnimo

Caractersticas
. Es ms elaborado que el mtodo de la esquina noroeste
. Tiene en cuenta los costos para hacer las asignaciones
. Generalmente nos deja alejados del ptimo
Algoritmo
1. Construya una tabla de disponibilidades, requerimientos y costos
2. Empiece en la casilla que tenga el menor costo de toda la tabla, si hay
empate, escoja arbitrariamente (Cualquiera de los empatados).
3. Asigne lo mximo posible entre la disponibilidad y el requerimiento (El menor
de los dos).
4. Rellene con ceros (0) la fila o columna satisfecha y actualice la disponibilidad
y el requerimiento, retndoles lo asignado.
5. Muvase a la casilla con el costo mnimo de la tabla resultante (Sin tener en
cuenta la fila o columna satisfecha).
6. Regrese a los puntos 3,4,5 sucesivamente, hasta que todas las casillas
queden asignadas.
En el ejemplo, la tabla 12 queda de la siguiente manera:
Fjese que el menor costo de toda la tabla es cero (0), pero hay 4 celdas con
costo cero
(0), Escogemos al azar la fila 4, columna 2 y se le asigna el 10 y rellenamos la
columna 1 con ceros (0) y la columna 3 con 1 para completar el 11. La columna
3 esta con 6 se le resta el 1 obteniendo 5 y se coloca en el costo 10 que es CY
que es el mnimo de esa columna. Ahora en la fila de disponibilidad 10 se resta
con 5 colocndole en el costo 12 en CZ. Ahora se resta 9-5 = 4 poniendo la cifra
4 en BZ que es el mnimo de la columna Z. Se resta 5-4 = 1 colocndole en BW.
Se resta 9-1 = 8 y se adiciona en AW. Los resultados se muestran en la tabla 13:
El resultado de los costos Totales en la distribucin es:
Mtodo de vogel
Caractersticas
. Es ms elaborado que los anteriores, ms tcnico y dispendioso.
. Tiene en cuenta los costos, las ofertas y las demandas para hacer las
asignaciones.
. Generalmente nos deja cerca al ptimo.
Algoritmo
1. Construir una tabla de disponibilidades (ofertas), requerimientos (demanda) y
costos.
2. Calcular la diferencia entre el costo mas pequeo y el segundo costo ms
pequeo, para cada fila y para cada columna.
3. Escoger entre las filas y columnas, la que tenga la mayor diferencia (en caso
de empate, decida arbitrariamente).
4. Asigne lo mximo posible en la casilla con menor costo en la fila o columna
escogida en el punto 3.
5. asigne cero (0) a las otras casillas de la fila o columna donde la disponibilidad
el requerimiento quede satisfecho.
6. Repita los pasos del 2 al 5, sin tener en cuenta la(s) fila(s) y/o columna(s)
satisfechas, hasta que todas las casillas queden asignadas.
Por ejemplo:
Fjese que la mayor diferencia la tiene la columna 4 con un valor de 19,

escogido entre 2,2,3,0,15,13,19 y 16.
El menor costo de la columna 4 es cero (0), se asigna lo mximo posible entre
50 y 40, que es 40, se satisface
la columna y se actualiza la oferta y la demanda.
Ahora se calcula las diferencias, sin tener en cuenta la columna 4, que est
satisfecha. Una vez ejecutado todo el algoritmo hasta asignar todas las casillas,
se obtiene la siguiente asignacin bsica y factible inicial.
Fjese que el nmero de variables bsicas es: m+n-1=8

Solucin bsica factible no degenerada:
X15=40 ; X21=30 ; X23=20 ; X25=10 ; X32=40 ; X33=30 ; X44=40 ; X45=10
Z = 16(40) + 15(30) + 13(20) + 16(10) + 15(40) + 18(30) + 0(40) + 0(10) =

2.650
Mtodo Modificado de distribucin (Modi)
Partiendo de la solucin bsica factible encontrada por el mtodo de vogel,
aplicamos el mtodo de modi, para averiguar cual es la variable no bsica que
debe entrar y cual la variable bsica que debe salir. para ello efectuamos los
siguientes pasos:
1. Construimos una tabla de costos para las variables bsicas y en ella
calculamos los ui y los vj que cumplan Cij ui vj = 0
2. Construimos una tabla de costos coeficientes en la funcin objetiva para las
variables no bsicas cuyo valor es Cij ui vj
Z = 2.650
Solucin bsica factible no degenerada lograda mediante el mtodo de vogel,
con m+n-1=8 variables bsicas. Tabla de costos para las variables
bsicas Calculamos los ui ^ vj de tal forma que Cij ui vj = 0.
Se Asigna el primer valor de ui de

vj arbitrariamente, preferentemente 0 (Puede ser cualquier valor) en la fila
columna, que tenga a mayor cantidad de asignaciones (Variables Bsicas), para
nuestro caso, fila 3 columna 5. Con base en ste primer valor, calculamos
todos los ui y vj, aplicando Cij ui vj = 0, para ui = Cij
V1 = C21 u2 = 15 0 = 15
V3 = C23 u2 = 13 0 = 13
V5 = C25 u2 = 16 0 = 16
u1 = C15 v5 = 16 16 = 0
U3 = C33 v3 = 18 -13 = 5
u5 = C45 v5 = 0 16 = -16
V2 = C32 u3 = 15 5 = 10
V5 = C45 u5 = 0 (-16) = 16
Observe que el clculo para cualquier ui ,es el costo menos el respectivo vj
y para cualquier vj, es el costo menos el respectivo ui
Tabla de costos para las variables no bsicas Cij-ui -vj , as:
C11 u1 v1 = 20 0 15 = 5
C12 u1 v2 = 19 0 10 = 9
C13 u1 v3 = 14 0 13 = 1
C14 u1 v4 = 21 0 16 = 5
C 22 u2 v2 = 20 0 10 = 10
C24 u2 v4 = 19 0 16 = 3
C31 u3 v1 = 18 5 15 = -2
C34 u3 v4 = 20 5 16 = -1
C35 u3 v5 = M 5 16 = M-21
C41 u4 v1 = 0 (-16) 15 = 1
C42 u4 v2 = 0 (-16) 10 = 6
C43 u4 v3 = 0 (-16) 13 = 3
Observe que stos clculos se pueden hacer directamente sobre la tabla,
aplicando para las casillas de las variables no bsicas Cij ui vj
Fjese que en sta ltima tabla, estn todos los coeficientes de las variables no
bsicas en la funcin objetiva, despus de haber sumado mltiplos de las
restricciones a la funcin objetivo para eliminar las variables bsicas. La nueva
funcin objetivo es:
Z = 5X11 + 9X12 + X13 + 5X14 + 10X22 + 3X24 -2X31-X34 + (M-21)X35 +
X41 + 6X42 + 3X43 + 2.650
La variable que al crecer hace que Z disminuya ms es X31 , luego escogemos
sta variable para entrar a la base.
Observe que en la tabla de costos para las variables no bsicas se encuentran

los valores en que aumenta disminuye Z por cada unidad de crecimiento de
las variables no bsicas.
Identificada la variable para entrar (X31), debemos determinar la variable para
salir, que debe ser aquella que primero se vuelva cero (0) a medida que la
variable que entra crezca. para ello, construimos un circuito cerrado de (+) y (-),
empezando, sumando en la casilla de la variable que entra X31. Observe que el
circuito de (+) y (-) tiene como objetivo preservar la suma de las filas y de las
columnas, esto es, seguir satisfaciendo la oferta y la demanda, conservando la
factibilidad del problema.
Z=2.650 ; Variable que entra X31. Fjese

que a medida que X31 crece, X21 y X33 decrecen en la misma cantidad. Aqu
X21 y X33 llegan a cero al mismo tiempo. Escogemos arbitrariamente a
X33 como variable que sale y a X21 al restarle 30 quedar con un valor de
0
Z=(40)(15)+(0)(15)+(50)(13)+(10)
(16)+(30)(18)+ (40)(15)+(40)(0)+(10)(0) = 2.590
. Fjese que m+n-1=8
. X21 es variable bsica = 0
. La oferta es igual a la demanda.
. Z disminuye en 60 unidades; 2(30)=60 2.650 60 = 2.590
La pregunta aqu es: sta es la solucin ptima?, la respuesta la conoceremos
cuando calculemos la nueva tabla de costos para las variables no bsicas.
Tabla de costos para las variables bsicas: Cij ui vj = 0
Tabla de costos para las variables no bsicas: Cij ui vj

Fjese que todos son > 0 Estamos en la solucin ptima
Solucin ptima Variables bsicas: X15* = 40

X21* = = 0
X23* = 50
X25* = 10
X31* = 30
X32* = 40
X54* = 40
X55* = 10
Z* = 40(16)+0(15)+50(13)+10(16)+30(18)+40(15)+ 40(0) +10(0) = 2.590

Interpretacin de la solucin
La forma ptima de hacer los envos desde las fbricas (1,2,3) a los
distribuidores (1,2,3,4,5) para que los costos totales del transporte sean
mnimos es:
Desde la fbrica 1 al distribuidor 5 enviar 40 unidades, a un costo de: $ 640
Total de unidades enviadas 170, a un costo total de $2.590
Observe que el distribuidor 4 se quedar sin sus 40 unidades y que el
distribuidor 5 sin sus 10 unidades, en total quedar una demanda insatisfecha
de 50 unidades (Informacin que conocimos desde el principio), lo relevante
aqu, es que ahora sabemos a quien no enviarle las 50 unidades que no tienen
los distribuidores y que podemos tomar decisiones administrativas referentes a
la demanda no cubierta, tales como:
1. Conseguir las 50 unidades a travs de la competencia agremiada, como
consecuencia de acuerdos previamente establecidos.
2. Acordar con el distribuidor 4 y 5 cubrir dicha demanda en el periodo de
produccin siguiente.
3. Otras decisiones podrn ser tomadas en concordancia con la situacin real
Problemas propuestos
Una cadena de cinco (5) Almacenes, ubicados en diferentes partes del pas,
requieren cierta mercanca para cada uno de sus almacenes. Las Empresas
abastecedoras han informado que disponen de la mercanca solicitada, pero en
tres (3) diferentes fbricas. La escasez del producto hace que la cadena de
almacenes deba transportar la mercanca. En base a los costos del transporte
por unidad, a los requerimientos de los almacenes y a la disponibilidad de las
fbricas, que se muestra en el siguiente cuadro; Formule el problema de
programacin lineal que minimice los costos totales del transporte y resuelva
Una Compaa desea saber, que poltica de distribucin minimizar sus costos
totales, se cuenta con tres (3) fbricas y cuatro (4) clientes, la produccin de las
fbricas es de:
550,300 y 260 unidades respectivamente; y las necesidades de los cuatro (4)
clientes son: 250,300,200, y 160 unidades respectivamente.Los costos de
enviar una (1) unidad entre cada fbrica y los clientes se da a continuacin:
Considere en la tabla siguiente de costos

a) Use el mtodo de la esquina noroeste para obtener una solucin
bsica factible.
b) Use el mtodo del costo mnimo para obtener una solucin bsica factible.
c) Use el mtodo de vogel para obtener una solucin bsica factible.
d) Obtenga la solucin ptima, partiendo de la solucin bsica obtenida por el
mtodo de vogel.
https://profmgodoy.wordpress.com/
MTODO SIMPLEX
El Mtodo Simplex es un mtodo analtico de solucin de problemas

de programacin lineal capaz de resolver modelos ms complejos que los
resueltos mediante elmtodo grfico sin restriccin en el nmero de variables.
El Mtodo Simplex es un mtodo iterativo que permite ir
mejorando la solucin en cada paso. La razn matemtica de esta mejora
radica en que el mtodo consiste en caminar del vrtice de un poliedro a un
vrtice vecino de manera que aumente o disminuya (segn el contexto de la
funcin objetivo, sea maximizar o minimizar), dado que el nmero de vrtices
que presenta un poliedro solucin es finito siempre se hallar solucin.
Este famossimo mtodo fue creado en el ao de 1947 por el estadounidense

George Bernard Dantzig y el ruso Leonid Vitalievich Kantorovich, con el nimo
de crear un algoritmo capaz de solucionar problemas de m restricciones
y n variables.
QUE ES UNA MATRIZ IDENTIDAD?

Una matriz puede definirse como una ordenacin rectangular de elementos, (o
listado finito de elementos), los cuales pueden ser nmeros reales o complejos,
dispuestos en forma de filas y de columnas.
La matriz idntica o identidad es una matriz cuadrada (que posee el mismo

nmero tanto de columnas como de filas) de orden n que tiene todos los
elementos diagonales iguales a uno (1) y todos los dems componentes
iguales a cero (0), se denomina matriz idntica o identidad de orden n, y se
denota por:
La importancia de la teora de matrices en el Mtodo Simplex es fundamental,

dado que el algoritmo se basa en dicha teora para la resolucin de sus
problemas.
OBSERVACIONES IMPORTANTES AL
UTILIZAR MTODO SIMPLEX
VARIABLES DE HOLGURA Y EXCESO
El Mtodo Simplex trabaja basndose en ecuaciones y las restricciones
iniciales que se modelan mediante programacin lineal no lo son, para ello hay
que convertir estas inecuaciones en ecuaciones utilizando unas variables
denominadas de holgura y exceso relacionadas con el recurso al cual hace

referencia la restriccin y que en el tabulado final representa el "Slack or
surplus" al que hacen referencia los famosos programas de resolucin de
investigacin de operaciones, estas variables adquieren un gran valor en el
anlisis de sensibilidad y juegan un rol fundamental en la creacin de la matriz
identidad base del Simplex.
Estas variables suelen estar representadas por la letra "S", se suman si la

restriccin es de signo "<= " y se restan si la restriccin es de signo ">=".
Por ejemplo:
VARIABLE ARTIFICIAL / MTODO DE LA "M"

Una variable artificial es un truco matemtico para convertir inecuaciones ">="
en ecuaciones, o cuando aparecen igualdades en el problema original, la
caracterstica principal de estas variables es que no deben formar parte de la
solucin, dado que no representan recursos. El objetivo fundamental de estas
variables es la formacin de la matriz identidad.
Estas variables se representa por la letra "A", siempre se suman a las

restricciones, su coeficiente es M (por esto se le denomina Mtodo de la M
grande, donde M significa un nmero demasiado grande muy poco atractivo
para la funcin objetivo), y el signo en la funcin objetivo va en contra del
sentido de la misma, es decir, en problemas de Maximizacin su signo es
menos (-) y en problemas de Minimizacin su signo es (+), repetimos con el
objetivo de que su valor en la solucin sea cero (0).
modelos simplex y transporte

mircoles, 25 de mayo de 2011 kerbis colmeranez
Metodo Simplex y Transporte
DEFINICIN Y APLICACIN DEL MODELO DE TRANSPORTE
http://modelosimplexytransporte.blogspot.com/
El modelo de transporte busca determinar un plan de transporte de

una mercanca de varias fuentes a varios destinos. Los datos del modelo
son:
1.
Nivel de oferta en cada fuente y la cantidad de demanda en cada destino.
2.
El costo de transporte unitario de la mercanca a cada destino

Como solo hay una mercanca un destino puede recibir su demanda
de una o ms fuentes. El objetivo del modelo es el de determinar la cantidad
que se enviar de cada fuente a cada destino, tal que se minimice el costo
del transporte total.
La suposicin bsica del modelo es que el costo del transporte en
una ruta es directamente proporcional al numero de unidades
transportadas. La definicin de unidad de transporte variar dependiendo
de la mercanca que se transporte.
.
El esquema siguiente representa el modelo de transporte como una red

con mfuentes y n destinos. Una fuente o un destino esta representado por
un nodo, el arco que une fuente y un destino representa la ruta por la cual
se transporta la mercanca. La cantidad de la oferta en la fuente i es ai, y la
demanda en el destino jes bj. El costo de transporte unitario entre la

fuente i y el destino j es Cij.
Si Xi j representa la cantidad transportada desde la fuente i al destino j,
entonces, el modelo general de PL que representa el modelo de transporte
es:
Minimiza Z=
i=1
j=1
ij
ij
Sujeta a:
j=1
i=1
ij
<= ai ,
i=1,2,, m
Ij
>= bj ,
j=1,2,, n
X i j >=0
para todas las i y
El primer conjunto de restricciones estipula que la suma de los envos

desde una fuente no puede ser mayor que su oferta; en forma anloga, el
segundo conjunto requiere que la suma de los envios a un destino satisfaga
su demanda.
El modelo que se acaba de escribir implica que la oferta total i=1 m ai
debe ser cuando menos igual a la demanda total j=1 n bj. Cuando la oferta
total es igual a la demanda total, la formulacin resultante recibe el nombre
de modelo de transporte equilibrado. Este difiere del modelo solo en el
hecho de que todas las restricciones son ecuaciones, es decir:
X
ij
= ai,
X i j = bj,
i=1,2,..., m
j=1,2,..., n
En el mundo real, no necesariamente la oferta debe ser igual a la

demanda o mayor que ella. Sin embargo, un modelo de transporte siempre
puede equilibrarse. El equilibrio, adems de su utilidad en la representacin
a travs de modelos de ciertas situaciones prcticas, es importante para el
desarrollo del mtodo de solucin que explote completamente la estructura
especial del modelo de transporte. Los dos ejemplos que siguen presentan
la idea del equilibrio y tambin sus implicaciones prcticas.
Ejemplo 1 (Modelo de transporte estndar)
MG Auto Company tiene plantas en Los ngeles, Detroit y Nueva
Orlens. Sus centros de distribucin principales son Denver y Miami. Las
capacidades de las plantas durante el trimestre prximo son 1 000, 1 500, y
1 200 automviles. Las demandas trimestrales en los dos centros de
distribucin son de 2 300 y 1 400 vehculos. El costo del transporte de un
automvil por tren es de 8 centavos por milla. El diagrama de las distancias
recorridas entre las plantas y los centros de distribucin son:
Denver
Miami
1 000
1 690
Detroit
1 250
1 350
Nueva
Orleans
1 275
850
Los ngeles
Esto produce en costo por automvil a razn de 8 centavos por

milla recorrida. Produce los costos siguientes (redondeados a enteros), que
representan a C i j del modelo original:
Los ngeles
Detroit
Denver
Miami
80
215
100
108
Mediante el uso
de cdigos numricos que
representan las plantas y
centros de distribucin, hacemos que X i j represente el nmero de
automviles transportados de la fuente i al destino j. Como la oferta total
( = 1 000 + 1 500 + 1 200 = 3 700) es igual a la demanda ( = 2 300 + 1
400 = 3 700), el modelo de transporte resultante esta equilibrado. Por lo
tanto, el siguiente modelo de PL que representa el problema tiene todas las
restricciones deigualdad.
Nueva Orleans
102
68
Minimizar Z = 80X 11 + 215X
12
+ 100X 21 + 108X
22
+ 102X 31 + 68X32
Sujeto a:
X 11
= 1 000
12
X 21
= 1 500
22
X 31
32
= 1 200
X 11
X 21
12
ij
X 31
22
= 2 300
32
= 1 400
para todas las i y j
Un mtodo mas resumido para representar el modelo de transporte

consiste en utilizar lo que se llama tabla de transporte. Esta es una forma
de matriz donde sus renglones representan las fuentes y sus columnas los
destinos. Los elementos de costo C i j se resumen en la esquina noroeste de
la celda de la matriz (i, j). Por lo tanto, el modelo de MG se puede resumir en
la tabla siguiente:
Ejemplo 2 (Modelo de transporte con equilibrio)
En el ejemplo anterior suponga que la capacidad de la planta de

Detroit es de 1 300 automviles (en vez de 1 500). Se dice que la situacin
esta desequilibrada debido a que la oferta total (=3 500) no es igual a la
demanda total (=3 700).Nuestro objetivo consiste en volver a formular el
modelo de transporte de manera que distribuya la cantidad faltante(=3 700

3 500 = 200) en forma optima entre los centros de distribucin.
Como la demanda es mayor que la oferta se puede agregar
una planta ficticia con una capacidad de 200. Se permite que dicha planta,
en condiciones normales, enve su produccin a todos los centros de
distribucin. Fsicamente, la cantidad de unidades enviadas a un destino
desde una planta ficticia representar la cantidad faltante en ese destino.
La nica informacin que falta para completar el modelo son los
costos de transporte unitarios de la planta ficticia a los destinos. Como la
planta no existe, no habr ningn envo fsico y el costo de transporte
unitario es cero. Sin embargo, podemos enfocar la situacin desde otro
ngulo diciendo que se incurre en un costo de penalizacin por cada unidad
de demanda insatisfecha en los centros de distribucin. En este caso los
costos de transporte unitarios sern iguales a los costos de penalizacin
unitarios en los diversos destinos.
Denver
Miami
Los ngeles
80
215
1 000
Detroit
100
108
1 300
Nueva Orlens
102
68
1 200
Planta ficticia
200
De manera anloga, si la oferta en mayor que la demanda podemos

aadir un destino ficticio que absolver la diferencia. Por ejemplo,
suponga que la demanda en Denver disminuye a 1 900cualquier automvil
enviado de una planta a un centro de distribucin ficticio representa un
excedente en la planta.
Denver
Miami
Destino
Ficticio
Los ngeles
80
215
1 000
Detroit
100
108
1 500
Nueva Orleans
102
68
1 200
La aplicacin del modelo de transporte no se limita al problema de

transporte
El siguiente ejemplo ilustra el uso del modelo del transporte en otros
campos.
Ejemplo 3 (Modelo de inventario de produccin)
Una compaa construye una planta maestra para la produccin de un
articulo en un periodo de cuatro meses. Las demandas en los cuatro meses
son: 100, 200, 180 y 300 unidades. Una demanda para el mes en curso
puede satisfacerse a travs de:
1.
2.
3.
Produccin excesiva en un mes anterior almacenada para su consumo

posterior.
Produccin en el mes actual.
Produccin excesiva en un mes posterior para cubrir pedidos de meses
anteriores.
El costo de produccin variable por unidad en un mes cualquiera es

de $4.00. una unidad producida para consumo posterior incurrir en un
costo de almacenamiento razn de $0.50 por unidad por mes. Por otra
parte, los artculos ordenados en meses anteriores incurren en un costo de
penalizacin de $2.00 por unidad por mes. La capacidad de produccin para
elaborar el producto vara cada mes. Los clculos de los cuatro meses
siguientes son 50, 180, 280 y 270 unidades, respectivamente.
El objetivo es el de formular el plan de inventario de produccin a
costo mnimo. Este problema se puede formular como un modelo de
transporte. La equivalencia entre los elementos de los sistemas de
produccin y transporte se establece de la manera siguiente.
Sistema de Transporte
Sistema de Produccin
1. Fuente i
1. Periodo de produccin i
2. Destino j
2. Periodo de demanda j
3. Oferta en la fuente i
3. Capacidad de produccin del periodoi
4. Demanda en el destino j
4. Demanda del periodo j
5. Costo de transporte
fuentei al destino j
de
la 5. Costo de producto e inventario del

periodo i al j
En tabla de abajo se presenta un resumen del problema como un

modelo de transporte:
Periodo
Demanda
Capacidad
4.5
5.5
50
4.5
180
4.5
280
10
270
200
180
300
Demanda: 100
El costo de transporte unitario del periodo i al j es:
Costo
en i,
Cij =
en i aj
de
i=j
produccin
Costo de produccin en i / costo de almacenamiento

i<j
Costo de produccin en i / costo de penalizacin

en i a j i>j
La definicin de C i j indica que la produccin en el periodo i para
el mismo periodo (i = j) slo iguala el costo unitario de produccin. Si el
periodo i se produce para periodos futuros j (i < j), se incurre en un costo de
almacenamiento adicional. De la misma manera, la produccin en i para
cubrir j pedidos hechos con anterioridad (i > j) incurre en un costo de
penalizacin adicional.
PROBLEMAS DE ASIGNACIN (Mtodo Hungaro)
Un problema de asignacin es un problema de transporte

balanceado, en el cual todas las ofertas y todas las demandas son iguales a
uno.
Se
puede
resolver
eficientemente
un
problema
de
asignacin m x m mediante el mtodo Hngaro:
Paso 1.- Empiece por encontrar el elemento mas pequeo en cada rengln
de la matriz de costos. Construya una nueva matriz, al restar de cada costo,
el costo mnimo de su rengln. Encuentre, para esta nueva matriz el costo
mnimo en cada columna. Construya una nueva matriz ( la matriz de costos

reducidos ) al restar de cada costo el costo mnimo de su columna.
Paso 2.- Dibuje el mnimo numero de lneas (horizontales o verticales ) que

se necesitan para cubrir todos los ceros en la matriz de costos reducidos. Si
se requieren m lneas para cubrir todos los ceros, siga con el paso 3.
Paso 3.- Encuentre el menor elemento no cero (llame su valor k en la matriz

de costos reducidos, que no esta cubiertos por las lneas dibujadas en
el paso 2. Ahora reste k de cada elemento no cubierto de la matriz de costos
reducidos y sume k a cada elemento de la matriz de costos
reducidos cubierto por dos lneas. Regrese alpaso 2.
Un problema de asignacin es un problema de transporte balanceado

en el que todas las ofertas y demandas son iguales a 1; as se caracteriza
por el conocimiento del costo de asignacin de cada punto de oferta a cada
punto de demanda. La matriz de costos del problema de asignacin se
llama: matriz de costos.
Como todas las ofertas y demandas para el problema de asignacin

son nmeros enteros, todas las variables en la solucin ptima deben
ser valores enteros.
EJEMPLOS DE PROBLEMAS DE ASIGNACION
1.
Una empresa ha contratado a 4 individuos para 4 trabajos, los 4

individuos y 4 trabajos pueden mostrarse en una tabla que indique las
clasificaciones obtenidas, analizando al individuo para cada trabajo. Los
renglones se refieren a los hombres, mientras que las columnas se refieren
a los trabajos; el problema consiste en maximizar las calificaciones para
asignar los 4 trabajos.
Se supone que las calificaciones de un individuo es directamente
proporcional a la ganancia que obtendra la compaa si ese individuo se
encargara del trabajo.
2.
Otro problema que utiliza la misma estructura del modelo de

transporte, es la asignacin de camiones para reducir al mnimo los costos
de un problema de asignacin.
3.
Una empresa cubre el territorio nacional con dos camiones

especialmente equipados para funcionar en condiciones climatolgicas
especficas. La empresa ha dividido en cinco regiones geogrficas. Se
compra el camin A y se modifica para que funcione eficientemente en las
regiones uno y dos, y para que funcione bastante bien en las regiones tres y
cuatro. El mismo camin no funciona bien en la regin cinco. Los gastos de
gasolina, mantenimiento y otros costos directos de operacin, seran
mnimos en las regiones uno y dos, promedio en las regiones tres y cuatro, y
altos en la regin cinco. Se tiene esa misma informacin con respecto a los
dems camiones de la compaa, o sea, los tipos B, C y D.
SOLUCION DEL PROBLEMA DE TRANSPORTE.

En esta seccin presentamos los detalles para resolver el modelo de
transporte.
TECNICA DE TRANSPORTE.
Los pasos bsicos de la tcnica de transporte son:
Paso 1: determnese una solucin factible.
Paso 2: determnese la variable que entra, que se elige entre las variables no
bsicas. Si todas estas variables satisfacen la condicin de optimidad (del
mtodo simplex), detngase; de lo contrario, dirjase al paso 3.
Paso 3: determnese la variable que sale (mediante el uso de la condicin de
factibilidad) de entre las variables de la solucin bsica actual; despus
obtngase la nueva solucin bsica. Regrese al paso 2.
OBTENCIN DE SOLUCIONES BSICAS FACTIBLES PARA

PROBLEMAS DE TRANSPORTES
Podemos obtener una solucin bsica factible (sbf) para un

problema de transporte balanceado mediante el mtodo de la esquina
Noroeste, el mtodo de costo mnimo, o el mtodo de Vogel.
Para obtener una sbf mediante el mtodo de la esquina noroeste,
empiece en la esquina superior izquierda del cuadro del transporte y haga
a X11 lo ms grande posible.
Naturalmente, X11 no puede ser mayor que el menor valor Si y

as X11 S1 tache el primer rengln del cuadro de transporte; Esto indica
que si habr ms variables bsicas del rengln 1 del cuadro. Tambin d1-S1
. Si X11=d1, tache la primera la columna del cuadro de transporte y cambie
S1 d1.
Si X11= S1 = d1, tache o el rengln 1, o la columna 1 (pero no

ambos), del cuadro de transporte. Si tacha el rengln 1, cambie d1 por cero;
si tacha columna 1, cambie S 1 por 0.
Contine aplicando este procedimiento a la celda mas noroeste del

cuadro que no cae en un rengln eliminado o en una columna eliminada.
Finalmente, llegara un momento en el cual solo queda una celda a la

cual se puede asignar un valor.
Asigne a esta celda un valor igual a la oferta de su rengln o a la
demanda de su columna, y tache el rengln y la columna de la celda. Se
obtiene de esta manera una solucin bsica factible.
OBTENER LA SOLUCIN PTIMA PARA UN PROBLEMA DE TRANSPORTE

Paso 1: Si el problema no est balanceado, balancelo.
Paso 2: Utilice uno de los mtodos descritos anteriormente para obtener una
solucin bsica factible.
Paso 3: Utilice el hecho de que U1=0, y Ui+Vj=Cij en todas las variables
bsicas para encontrar (U1,U2...Um V1,V2...Vn) para la sbf actual.
Paso 4: Si Ui + Vj Cij es menor o igual a cero, para todas las variables no
bsicas, entonces la sbf actual es ptima. Si no es as se introduce la
variable con valor ms positivo de Ui + Vj Cij en la base. Para hacer esto,
encuentre un circuito cerrado (se puede demostrar que solamente existe un
circuito cerrado) que contiene la variable que entra y algunas de las
variables bsicas. Despus, tomando en cuenta solamente las celdas en el
circuito cerrado marque las que se encuentren alejadas en nmero par
(0,2,4,6,...) de celdas de la variable que entra como celdas pares. Tambin
marque las celdas en el circuito cerrado, que se encuentra un nmero impar
de celdas de la variable que entra como celdas impares. Ahora encuentre la
celda impar cuya variable toma el menor valor. Llame este valor teta. La
variable correspondiente a esta celda impar saldr de la base. Para realizar
el pivoteo, disminuye el valor de cada celda impar en teta y aumenta el

valor de cada celda par en teta. Los valores de las variables que no se
encuentran en el circuito cerrado permanecen sin cambio. Ahora se
complet el bloqueo.
o S teta es igual a cero, la variable que entra ser igual a cero, y una variable
impar que tiene un valor actual de cero, saldr de la base. En este caso,
exista un sbf degenerada antes del pivoteo y resultar despus del pivoteo.
o Si ms de una celda impar en el circuito cerrado es igual a teta. Puede

escoger arbitrariamente una de estas celdas impares para que salga de la
base; se obtendr una vez ms una sbf degenerada. El pivoteo produce una
nueva sbf.
Paso 5: Regrese a los pasos 3 y 4, utilizando la nueva sbf. Para un problema
de maximizacin, proceda como se especific, pero cambie el paso 4 por el
paso 4.
Paso 6: Si Ui + Vj Cij es mayor o igual a cero, para todas las variables no
bsicas, entonces, la sbf actual es ptima. De otra manera, coloque la
variable con el valor ms negativo de Ui + Vj Cij en la base mediante el
procedimiento de pivoteo.
SOLUCION INICIAL MEJORADA

En esta seccion presentamos dos procedimientos que determinan la
solucion inicial a travez de la seleccion de las rutas economicasdel
modelo.
A.
MODELO DEL COSTO MINIMO
Asignese el mas grande valor posible a la variable con el menor

costo unitario de toda la tabla. Tachese el renglon o columna
satisfecho.Despues de ajustar la oferta y la demanda de todos los renglones
y columnas no tachados, repitase el proceso asignando el valor mas grande
posible a la variable con el costo unitario no tachado mas pequeo. El
procedimiento esta completo cuando queda exactamente un rebglon o bien
una columna sin tachar.
1
1
2
10
3
0
4
20
11
15
0
2
15
12
0
7
9
15
14
20
25
18
10
16
5
5
B.
15
15
10
METODO DE APROXIMACION DE VOGEL (VAM)
Este metodo es heuristico y suele producir una mejor solucion inicial que
los dos metodos antes descritos. De hecho, VAM suele producir una solucion
inicial optima, o proxima al nivel optimo.
Los pasos del procedimiento son los siguientes:
Paso1: Evaluese una penalizacion para cada renglon restando el menor
elemento del costo del renglon del elemento de costo menor siguiente en el
mismo renglon.
Paso2: Identifiqueze el renglon o columna con la mayor penalizacion,
rompiendo empates en forma arbitraria. Asignese el valor mayor posible a la
variable con el costo mas bajo del renglon o columna seleccionado. Ajustese
la oferta y la demanda y tachese el renglon o columna satisfecho. Si un
renglon o columna se satisfacen al mismo tiempo, solo uno de ellos se tacha
y al renglon restante se le asigna una oferta cero.Cualquier renglon o
columna con oferta o demanda cero no debe utilizarce para calcular
penalizaciones futuras.
Paso 3:
a.-si solo hay un renglon o columna sin tachar, detengase.
b.-si solo hay un renglon conoferta positiva sin tachar, determinense las
variables basicas del renglon a travez del metodo del costo minimo.
c.-si todos los renglones y columnas sin tachar tienen oferta o demanda
cero asignadas, determinese las variables basicas cero a travez del metodo
del costo minimo. Detengase.
d.-de lo contrario, calculense las penalizaciones de las renglones y
columnas no tachados y despues dirijase al paso 2.
PR
10
20
11
15
10
12
20
25
14
16
18
14
5
PC
15
15
10
10
PR = Penalizacin de Rengln
PC = Penalizacin de Columna
PR
10
20
11
15
11
12
20
25
10
15
3
0
5
PC
15
15
10
11
CONCLUSION:
Se han presentado varios mtodos para obtener una solucin al

problema de transporte u otro semejante. Una consideracin muy
importante que hay que tener en cuenta con cualquier mtodo que se
utilice, es que el problema de transporte no siempre puede aislarse y
resolverse dentro de sus propios lmites. El transporte es tan slo una parte
de todo el sistema de distribucin de la compaa. Es muy difcil resolver el
mejor programa de transporte en trminos de servicio y bajo costo. Esa
rea de la empresa requiere de una constante atencin para incorporar los
cambios que constituyan y una difcil tarea para cualquier grupo de
investigaciones de negocios.
Mtodo Simplex
El mtodo Simplex es un procedimiento iterativo que permite ir
mejorando la solucin a cada paso. El proceso concluye cuando no es
posible seguir mejorando ms dicha solucin.
Partiendo del valor de la funcin objetivo en un vrtice cualquiera, el
mtodo consiste en buscar sucesivamente otro vrtice que mejore al
anterior. La bsqueda se hace siempre a travs de los lados del polgono (o
de las aristas del poliedro, si el nmero de variables es mayor). Cmo el
nmero de vrtices (y de aristas) es finito, siempre se podr encontrar la
solucin.
El mtodo Simplex se basa en la siguiente propiedad: si la funcin
objetivo, f, no toma su valor mximo en el vrtice A, entonces hay una
arista que parte de A, a lo largo de la cual f aumenta.
Deber tenerse en cuenta que este mtodo slo trabaja para
restricciones que tengan un tipo de desigualdad "" y coeficientes
independientes mayores o iguales a 0, y habr que estandarizar las mismas
para el algoritmo. En caso de que despus de ste proceso, aparezcan (o no
varen) restricciones del tipo "" o "=" habr que emplear otros mtodos,
siendo el ms comn el mtodo de las Dos Fases.
- Construccin de la primera tabla:
En la primera columna de la tabla aparecer lo que llamaremos base,
en la segunda el coeficiente que tiene en la funcin objetivo cada variable
que aparece en la base (llamaremos a esta columna Cb), en la tercera el
trmino independiente de cada restriccin (P0), y a partir de sta columna
aparecern cada una de las variables de la funcin objetivo (Pi). Para tener
una visin ms clara de la tabla, incluiremos una fila en la que pondremos
cada uno de los nombres de las columnas. Sobre sta tabla que tenemos
incluiremos dos nuevas filas: una que ser la que liderar la tabla donde
aparecern las constantes de los coeficientes de la funcin objetivo, y otra
que ser la ltima fila, donde tomar valor la funcin objetivo. Nuestra tabla
final tendr tantas filas como restricciones.
Tabla
C1
C2
...
Cn
Base
Cb
P0
P1
P2
...
Pn
Pi1
Ci1
bi1
a11
a12
...
a1n
Pi2
Ci2
bi2
a21
a22
...
a2n
...
...
...
...
...
...
...
Pim
Cim
bim
am1
am2
...
amn
Z0
Z1-C1
Z2-C2
...
Zn-Cn
Los valores de la fila Z se obtienen de la siguiente forma: El valor Z0

ser el de sustituir Cim en la funcin objetivo (y cero si no aparece en la
base). El resto de columnas se obtiene restando a este valor el del
coeficiente que aparece en la primera fila de la tabla.
Se observar al realizar el mtodo Simplex, que en esta primera
tabla, en la base estarn las variables de holgura.
- Condicin de parada: Comprobaremos si debemos de dar una nueva
iteracin o no, que lo sabremos si en la fila Z aparece algn valor negativo.
Si no aparece ninguno, es que hemos llegado a la solucin ptima del
problema.
- Eleccin de la variable que entra: Si no se ha dado la condicin de
parada, debemos seleccionar una variable para que entre en la base en la
siguiente tabla. Para ello nos fijamos en los valores estrictamente negativos
de la fila Z, y el menor de ellos ser el que nos de la variable entrante.
- Eleccin de la variable que sale: Una vez obtenida la variable
entrante, obtendremos la variable que sale, sin ms que seleccionar aquella
fila cuyo cociente P0/Pj sea el menor de los estrictamente positivos
(teniendo en cuenta que slo se har cuando Pj sea mayor de 0). La
interseccin entre la columna entrante y la fila saliente nos determinar el
elemento pivote.
- Actualizacin de la tabla: Las filas correspondientes a la funcin

objetivo y a los ttulos permanecern inalterados en la nueva tabla. El resto
deber calcularse de dos formas diferentes:
Si
es
la
fila
pivote
cada
nuevo
elemento
se
calcular:
Nuevo Elemento Fila Pivote = Elemento Fila Pivote actual / Pivote.
Para
el
resto
de
elementos
de
filas
se
calcular:
Nuevo Elemento Fila = Elemento Fila Pivote actual - (Elemento Columna

Pivote en la fila actual * Nuevo Elemento Fila).
PROBLEMAS DE ASIGNACIN
El problema de asignacin es una variacin del problema original de

transporte, variacin en la cual las variables de decisin X(i,j) solo pueden
tomar valores binarios, es decir ser cero (0) o uno (1) en la solucin ptima,
lo que supone que la oferta y la demanda estn perfectamente alineadas,
de hecho ambas son iguales a uno (1).
Mltiples son los casos en los que como ingenieros industriales podemos
hacer uso del problema de asignacin para resolver diversas situaciones,
entre los que cabe mencionar se encuentran la asignacin de personal a
maquinas, herramientas a puestos de trabajos, horarios a maestros,
candidatos a vacantes, huspedes a habitaciones, comensales a mesas,
vendedores a zonas territoriales etc.
En el modelo de asignacin la idea fundamental de resolucin es qu

fuente satisface mejor el destino?, y dado que hemos asociado el modelo a
una gran diversidad de circunstancias esta pregunta puede plantearse en
mltiples contextos, como qu candidato es el idneo para la vacante?, o
qu personal es el indicado para la lnea productiva?, o qu personal es el
mejor para ejecutar determinada tarea?. Una caracterstica particular del
modelo de asignacin es que para su resolucin no se hace necesario que el
nmero de fuentes sea igual al nmero de destinos, lo cual es muy comn
en la vida real teniendo en cuenta su aplicacin, pues generalmente la
cantidad de aspirantes es exageradamente superior al nmero de vacantes

(lgicamente haciendo referencia a la aplicacin del modelo al contexto de
oferta y demanda laboral)
MTODO HNGARO
Apartndonos un poco de la idea expresada en mdulos anteriores respecto a
la facilidad de resolver problemas atinentes a la investigacin operativa en
especial aquellos de transporte mediante el uso de herramientas tecnolgicas
como lo son WinQSB, LINGO, TORA, STORM, Excel etc.. vale la pena ya sea
para fines acadmicos o de cultura ingenieril realizar la resolucin del problema
de asignacin mediante el algoritmo que se cre para tal fin, como lo es
el Mtodo Hngaro.
El mtodo Hngaro es un mtodo de optimizacin de problemas de asignacin,

conocido como tal gracias a que los primeros aportes al mtodo clsico
definitivo fueron de Dnes Knig y Jen Egervry dos matemticos hngaros.
El algoritmo tal como se detallar a continuacin est diseado para la
resolucin de problemas deminimizacin nicamente, ser entonces cuestin
de agregar un paso adicional para abordar ejercicios de maximizacin.
ALGORITMO HNGARO, PASO 1

Antes que nada cabe recordar que el mtodo hngaro trabaja en una matriz de
costos n*m (en este caso conocida como matriz m*m, dado que el nmero de
filas es igual al nmero de columnas n = m), una vez construida esta se debe
encontrar el elemento ms pequeo en cada fila de la matriz.

Una vez se cumple el procedimiento anterior se debe construir una nueva
matriz n*m, en la cual se consignar

Una vez se cumple el procedimiento anterior se debe construir una nueva
matriz n*m, en la cual se consignarn los valores resultantes de la diferencia
entre cada costo y el valor mnimo de la fila a la cual cada costo corresponde
(valor mnimo hallado en el primer paso).

Este paso consiste en realizar el mismo procedimiento de los dos pasos
anteriores referidos ahora a las columnas, es decir, se halla el valor mnimo de
cada columna, con la diferencia que este se halla de la matriz resultante en el
segundo paso, luego se construir una nueva matriz en la cual se consignarn
los valores resultantes de la diferencia entre cada costo y el valor mnimo de la
columna a la cual cada costo corresponde, matriz llamada "Matriz de Costos
Reducidos".

A continuacin se deben de trazar lneas horizontales o verticales o ambas
(nicamente de esos tipos) con el objetivo de cubrir todos los ceros de la matriz
de costos reducidos con el menor nmero de lneas posibles, si el nmero de
lineas es igual al nmero de filas o columnas se ha logrado obtener la solucin
ptima (la mejor asignacin segn el contexto de optimizacin), si el nmero de
lneas es inferior al nmero de filas o columnas se debe de proceder con el
paso 5.

Este paso consiste en encontrar el menor elemento de aquellos valores que no
se encuentran cubiertos por las lineas del paso 4, ahora se restar del restante
de elementos que no se encuentran cubiertos por las lneas; a continuacin
este mismo valor se sumar a los valores que se encuentren en las
intersecciones de las lineas horizontales y verticales, una vez finalizado este
paso se debe volver al paso 4.
RESOLUCIN DE UN PROBLEMA DE
ASIGNACIN MEDIANTE EL MTODO
HNGARO
EL PROBLEMA
La compaa de manufactura "Jimnez y Asociados" desea realizar una
jornada de mantenimiento preventivo a sus tres mquinas principales A, B y C.
El tiempo que demanda realizar el mantenimiento de cada mquina es de 1
da, sin embargo la jornada de mantenimiento no puede durar ms de un da,
teniendo en cuenta que la compaa cuenta con tres proveedores de servicios
de mantenimiento debe de asignarse un equipo de mantenimiento a cada
mquina para poder cumplir con la realizacin del mantenimiento preventivo.
Teniendo en cuenta que segn el grado de especializacin de cada equipo
prestador de servicios de mantenimiento el costo de la tarea vara para cada
mquina en particular, debe de asignarse el equipo correcto a la mquina
indicada con el objetivo de minimizar el costo total de la jornada. Los costos
asociados se pueden observar en la siguiente tabla:
www.ingenieriaindustrialonline
.com
PASO 1
Encontramos el menor elemento de cada fila
www.ingenieri
aindustrialonline.com
PASO 2
Construimos una nueva matriz con las diferencias entre los valores de la matriz
original y el elemento menor de la fila a la cual corresponde.
www.ingen
ieriaindustrialonline.com
PASO 3
En la matriz construida en el paso anterior se procede a efectuar el paso 1 esta
vez en relacin a las columnas, por ende escogemos el elemento menor de
cada columna. Igualmente construimos una nueva matriz con la diferencia
entre los valores de la matriz 2 y el elemento menor de la columna a la cual
corresponde cada valor.
.com
PASO 4
En este paso trazaremos la menor cantidad de combinaciones de lneas
horizontales y verticales con el objetivo de cubrir todos los ceros de la matriz de
costos reducidos.
.com
Como se puede observar el menor nmero de lneas horizontales y/o verticales

necesarias para cubrir los ceros de la matriz de costos reducidos es igual a 2,
por ende al ser menor que el nmero de filas o columnas es necesario recurrir
al paso 5.
PASO 5
En este paso seleccionamos el menor elemento de los elementos no
subrayados.
Luego se procede a restarse de los elementos no subrayados y a adicionarse a

los elementos ubicados en las intersecciones de las lneas, en este caso existe
una nica interseccin (3).
.com
Ahora ya efectuado este paso pasamos al paso 4.
.com
Ahora observamos cmo se hace necesario trazar tres lneas (la misma
cantidad de filas o columnas de la matriz) por ende se ha llegado al tabulado
final, en el que por simple observacin se determina las asignaciones ptimas.
.com
Por ende la asignacin que representa el menor costo para la jornada de

mantenimiento preventivo determina que el Equipo 1 realice el mantenimiento
de la Mquina 1, el Equipo 2 realice el mantenimiento de la Mquina 3 y el
Equipo 3 realice el mantenimiento de la Mquina 2, jornada que tendr un
costo total de 17 unidades monetarias.
MAXIMIZACIN MEDIANTE EL MTODO
HNGARO
EL PROBLEMA
Una organizacin de recoleccin de caf cuenta con tres equipos de siembra y
cosecha del mismo (equipos 1, 2, 3). Estos equipos de trabajo se encuentran
entrenados para trabajar en condiciones particulares del proceso, condiciones
como lo son el tipo de suelo, las condiciones del clima y el tipo de grano. La
organizacin cuenta con cuatro terrenos disponibles para efectuar el proceso
de siembra y cosecha (terrenos A, B, C, D), estos terrenos tienen condiciones
particulares de suelo, clima y tipo de grano. Cada equipo cuenta con la
capacidad de efectuar el proceso en solo uno de los terrenos disponibles, salvo
el equipo 2, que cuenta con una serie de herramientas tecnolgicas que le
permiten realizar la siembra y cosecha del grano en dos de los terrenos
disponibles. Se ha contratado a un Ingeniero Industrial con el objetivo de
realizar las asignaciones precisas que maximicen la cantidad de sacos de caf
cosechados en total. El siguiente tabulado muestra la capacidad (en cientos de
sacos) de cosecha de caf de cada uno de los equipos dependiendo de cada
uno de los terrenos.
RESOLUCIN
En este problema debemos recordar un concepto fundamental para la
aplicacin del mtodo hngaro, este concepto nos dice que el nmero de filas
debe ser exactamente igual al nmero de columnas. Por ende, la accin a
realizar debera ser crear un equipo ficticio, el cual nos deje el tabulado
balanceado y a este asignarle un nmero de sacos cosechados equivalente a
cero en cada uno de los terrenos. Sin embargo el problema nos indica que uno
de los equipos se encuentra en capacidad de que se le asignen dos terrenos,
en este caso crearemos un equipo 2 alternativo (Equipo 2B) el cual nos
balancear el tabulado y nos har prescindir del equipo ficticio pensado
inicialmente. A este equipo 2B que crearemos le corresponder la misma
capacidad de cosecha del equipo 2 (en adelante equipo 2A) segn el terreno,
lgicamente.
Una vez balanceado el tabulado debemos de cuestionarnos acerca del criterio

de optimizacin, pues recordemos que el mtodo hngaro se encuentra
diseado para ejercicios de minimizacin. En este caso nuestro objetivo es
maximizar, por lo que tendremos que aplicar un paso adicional.
Lo primero que debemos hacer es ubicar el mayor valor del tabulado inicial.
En este caso este valor es 15, por lo cual procederemos a realizar la siguiente
operacin con cada uno de los valores:
Restaremos a 15, el valor de cada una de las celdas y este valor quedar en
cada una de las celdas correspondientes.
Ahora nuestro tabulado inicial quedar de la siguiente manera:
A partir de este tabulado ya podemos aplicar el algoritmo del mtodo hngaro

como se aplicara en un caso e minimizacin (normalmente).
Ahora encontramos el menor elemento de cada fila.
y se lo restamos a todas las celdas de la fila.
Ahora efectuamos este mismo paso, pero esta vez con las columnas. Elegimos
el menor de los valores de cada columna y se lo restamos a cada una de las
celdas de la columna correspondiente.
Ahora procedemos a cubrir la mayor cantidad de ceros, con la menor cantidad

de lneas, si el nmero de lneas que empleemos es igual al grado de la matriz
(en este caso matriz grado 4, 4x4) habremos llegado al final del ejercicio.
Dado que el nmero de lneas es igual al grado de la matriz, hemos concluido

el algoritmo. Lo nico que quedar ser asignar a cada equipo el terreno en el
que el intercepto es igual a 0 (cero).
Las asignaciones, como es lgico debern iniciarse por el equipo al cual solo
corresponda un terreno, en este caso al Equipo 3 le corresponde el Terreno A.
De esta manera al Equipo 1 le corresponde el Terreno D. Mientras tanto el
Equipo 2 se encargar de la cosecha en los terrenos B y C. Segn el tabulado
del problema (recordemos que es de maximizacin), la cantidad de sacos
(expresada en cientos de sacos) ser as:
ASIGNACIN MEDIANTE
PROGRAMACIN LINEAL
EL PROBLEMA
La compaa de manufactura "Jimnez y Asociados" desea realizar una
jornada de mantenimiento preventivo a sus tres mquinas principales A, B y C.
El tiempo que demanda realizar el mantenimiento de cada mquina es de 1
da, sin embargo la jornada de mantenimiento no puede durar ms de un da,
teniendo en cuenta que la compaa cuenta con tres proveedores de servicios
de mantenimiento debe de asignarse un equipo de mantenimiento a cada
mquina para poder cumplir con la realizacin del mantenimiento preventivo.
Teniendo en cuenta que segn el grado de especializacin de cada equipo
prestador de servicios de mantenimiento el costo de la tarea vara para cada
mquina en particular, debe de asignarse el equipo correcto a la mquina
indicada con el objetivo de minimizar el costo total de la jornada. Los costos
asociados se pueden observar en la siguiente tabla:
VARIABLES DE DECISIN
Las variables de decisin de este tipo de problemas es igual a las variables de
cualquier modelo de transporte tradicional, es decir variables X i,j donde i
{Equipo de mantenimiento 1,2,3} y j {Mquina 1,2,3}, y corresponden a
variables binarias en las cuales el valor 1 significa la asignacin de un equipo
de mantenimiento a una mquina en particular.
RESTRICCIONES
Dado que un equipo de mantenimiento no puede ser asignado a ms de una
maquinaria, esta caracterstica debe de restringirse mediante las siguientes
inecuaciones.
X1,1 + X1,2 + X1,3 = 1

X2,1 + X2,2 + X2,3 = 1
X3,1 + X3,2 + X3,3 = 1
Adems debe restringirse el hecho de que cada mquina solo requiere de un

equipo de mantenimiento, por ende
X1,1 + X2,1 + X3,1 = 1

X1,2 + X2,2 + X3,2 = 1
X1,3 + X2,3 + X3,3 = 1
Adems se hace necesario que para efectos de resolucin en cualquier

paquete de herramientas se especifique que estas variables corresponden al
conjunto de los enteros (por obvias razones) y que deben ser mayores que
cero (dado que es un problema de minimizacin esta restriccin se hace muy
necesario).
Xi,j 0
Xi,j {Z}
FUNCIN OBJETIVO
ZMIN = 10X1,1 + 9X1,2 + 5X1,3 + 9X2,1 + 8X2,2 + 3X2,3 + 6X3,1 + 4X3,2 + 7X3,3
INGRESANDO LOS DATOS A WINQSB
RESULTADOS OBTENIDO MEDIANTE EL WINQSB

ASIGNACIN MEDIANTE WINQSB NETWORK MODELING
La facilidad de resolver un problema de asignacin mediante WinQSB es an
mayor a la que se incurre mediante programacin lineal, y esta metodologa
justifica el pensar en que el mtodo hngaro es sumamente anacrnico
nicamente contemplado para fines histricos y acadmicos. En el mdulo
NETWORK MODELING del paquete de herramientas WinQSB se puede
resolver el modelo tan solo traspasando los costos de una matriz n*m a otra
que brinda el mdulo n*m.
INGRESANDO LOS DATOS A WINQSB NETWORK MODELING
RESULTADOS OBTENIDOS MEDIANTE WINQSB NETWORK MODELING

De esta manera se hace evidente cual es la alternativa predilecta para resolver

problemas de asignacin.
Ing. Bryan Salazar Lpez

Colombia 2012
http://www.ingenieriaindustrialonline.com/herramientas-para-elingeniero-industrial/investigaci%C3%B3n-de-operaciones/problemasde-asignaci%C3%B3n/

Problema Del Transporte o Distribución

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Problema Del Transporte o Distribución

Diunggah oleh

Hak Cipta:

Format Tersedia

PROBLEMA DEL

El problema del transporte o distribucin es un problema de redes especial

populares como Vogel, Esquina Noroeste o Mnimos Costos.

Bryan Antonio Salazar Lpez

Los costos asociados al envo de suministro energtico por cada milln de KW

Formule un modelo de programacin lineal que permita satisfacer las

Como ya lo hemos planteado en mdulos anteriores el primer paso

variable X1,2 corresponde a la cantidad de millones de KW enviados

El segundo paso corresponde a la formulacin de las restricciones de oferta y

Restricciones de oferta o disponibilidad, las cuales son de signo :

X1,1 + X1,2 + X1,3 + X1,4 80

Restricciones de demanda, las cuales son de signo :

X1,1 + X2,1 + X3,1 + X4,1 70

Luego se procede a formular la funcin objetivo, en la cual se relaciona el costo

Los anlisis de dualidad y sensibilidad en los modelos de transporte resultan

capacidad en las fuentes si el precio sombra de las rutas en relacin a ellas lo

2.1 Problema de Transporte

2.1.1 Mtodo esquina noroeste

Las aplicaciones de los modelos de Programacin Lineal abarcan diversas reas de la

1. Problema de Transporte: (Referencia: Hitchcock, 1941;

Se requiere formular un modelo de Programacin Lineal que permita

X11+ X21 = 200

Resolucin utilizando el complemento Solver de Microsoft Excel:

1. Abrir una Planilla de Clculo de Excel. Asegurese de tener

4. Seleccione Resolver. Obtendr la solucin al problema y podr

5. Se actualizarn los valores en la Planilla de Clculo en las celdas

6. Finalmente, se obtienen los informes de sensibilidad los cuales

El mtodo de la esquina Noroeste es un algoritmo heurstico til para

1: En la celda seleccionada como esquina Noroeste se debe asignar la mxima

La segunda es que quede ms de un rengln o columna, si este es el

Se comenzar por asignar las diversas cargas en formas

El tiempo total que este cuadro se

asignaciones. Aqu se les

denominar simplemente cuadro con asignaciones y cuadros sin asignaciones o

Se puede responder examinando sucesivamente los cuadros sin asignaciones

Tmese el primer cuadro sin

Cada uno de los cuadros sin

El cuadro CX es el nico cuadro

Se prosigue sistemticamente a lo largo de la tabla, evaluando cada uno de los

Este proceso continua hasta que

vez que se recorre la tabla no

Otros aspecto de la mecnica del

distribucin cuando, al cambiar las asignaciones para provechar una mejora

Al examinar el problema de tabla 7

En la tabla 7 se evala el cuadro BZ

abiertos CW, AX, BX, CY, CZ no se pueden evaluar porque no es posible

La degeneracin se puede resolver

Se va a Realizar este ejercicio con el mtodo del costo mnimo

Se resta 9-1 = 8 y se adiciona en AW. Los resultados se muestran en la tabla 13:

El resultado de los costos Totales en la distribucin es:

Fjese que la mayor diferencia la tiene la columna 4 con un valor de 19,

Fjese que el nmero de variables bsicas es: m+n-1=8

Z = 16(40) + 15(30) + 13(20) + 16(10) + 15(40) + 18(30) + 0(40) + 0(10) =

Se Asigna el primer valor de ui de

Observe que en la tabla de costos para las variables no bsicas se encuentran

Z=2.650 ; Variable que entra X31. Fjese

Tabla de costos para las variables no bsicas: Cij ui vj

Solucin ptima Variables bsicas: X15* = 40

Z* = 40(16)+0(15)+50(13)+10(16)+30(18)+40(15)+ 40(0) +10(0) = 2.590

Considere en la tabla siguiente de costos

El Mtodo Simplex es un mtodo analtico de solucin de problemas

Este famossimo mtodo fue creado en el ao de 1947 por el estadounidense