Unidad 4 Inv. Op. Terminado 2

INSTITUTO TECNOLÓGICO SUPERIOR DE CINTALAPA.
CATEDRÁTICO:
NELSON ARCHILA LÓPEZ
INVESTIGACIÓN DE OPERACIONES
UNIDAD 4: METODOS DE TRANSPORTE REPORTE

DE INVESTIGACIÓN
ING. IND.
SEMESTRE:”4” GRUPO:”B”
INTEGRANTES:
JOSÉ ISAACK VELÁZQUEZ MENDOZA.
GUILLERMO CRUZ MOTA.
HERNÁN CABRERA HERNÁNDEZ.
JOSÉ ALBERTO OVANDO VÁZQUEZ.
JOSÉ TOMÁS ESPEJO CRUZ.
PABLO BARRAGÁN VILLA.
REYNOL GERARDO PÉREZ DÍAZ.
SILVIA RUIZ RUIZ.
CINTALAPA DE FIGUEROA CHIAPAS; A 11 DE JUNIO DEL 2018.

4- METODOS DE TRANSPORTE
4.1 DEFINICION, PROBLEMA, TRANSPORTE.
La manera más fácil de reconocer un problema de transporte es por su naturaleza

o estructura "de - hacia": de un origen hacia un destino, de una fuente hacia un
usuario, del presente hacia el futuro, de aquí hacia allá. Al enfrentar este tipo de
problema, la intuición dice que debe haber una manera de obtener una solución. Se
conocen las fuentes y los destinos, las capacidades y demandas y los costos de
cada trayectoria. Debe haber una combinación óptima que minimice el costo (o
maximice la ganancia). La dificultad estriba en el gran número de combinaciones
posibles.
En general, los problemas de transporte se ocupan (en forma literal o imaginaría)
de la distribución desde cualquier grupo de centros de suministro, llamados
orígenes, a cualquier grupo de centros de recepción, llamados destinos de modo
que se minimice el costo total de distribución.
Cada origen tiene ciertos recursos (oferta) para distribuir a los destinos y cada
destino tiene cierta demanda de estos recursos que recibe de los orígenes. El
modelo de un problema de transporte hace la siguiente suposición acerca de estos
recursos (ofertas) y demandas.
El problema del transporte o distribución es un problema de redes especial en

programación lineal que se funda en la necesidad de llevar unidades de un punto
específico llamado fuente u Origen hacia otro punto específico llamado Destino. Los
principales objetivos de un modelo de transporte son la satisfacción de todos los
requerimientos establecidos por los destinos y claro está la minimización 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 área de operaciones, inventario y asignación de elementos.
El procedimiento de resolución de un modelo de transporte se puede llevar a cabo

mediante programación lineal común, sin embargo su estructura permite la creación
de múltiples alternativas de solución tales como la estructura de asignación o los
métodos más populares.
Los problemas de transporte o distribución son uno de los más aplicados en la

economía actual, dejando como es de prever múltiples casos de éxito a escala
global que estimulan la aprehensión de los mismos.
PROBLEMA DE TRANSPORTE MEDIANTE PROGRAMACIÓN LINEAL
Como se mencionó anteriormente la programación lineal puede ser utilizada para la

resolución de modelos de transporte, aunque no sea sensato resolver los modelos
mediante el Método Simplex si puede ser de gran utilidad la fase de modelización,
la programación carece de la practicidad de los métodos de asignación, pero puede
ser de gran importancia dependiendo de la complejidad de las restricciones
adicionales que puede presentar un problema particular.
EJEMPLO:
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 distribución con demandas diarias de 200, 200 y
250 unidades, respectivamente. Los costos de transporte (en $/unidad) son:
Se requiere formular un modelo de Programación Lineal que permita satisfacer los

requerimientos de demanda al mínimo costo.
Solución:
Variables de Decisión: Xij : Unidades transportadas desde la planta i (i=1, 2) hasta
el centro de distribución j (j=1, 2, 3)
Función Objetivo: Minimizar el costo de transporte dado por la función: 21X11 +

25X12 + 15X13 + 28X21 + 13X22 + 19X23 Restricciones:
Satisfacer los requerimientos de Demanda:
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 visualización de la situación anterior:
Resolución utilizando el complemento Solver de Microsoft Excel:
1. Abrir una Planilla de Cálculo de Excel. Asegúrese de tener instalado el

complemento Solver (Opción Herramientas – Complementos)
Luego construya una planilla como la de la imagen de referencia. Se han marcado
con amarillo las celdas cambiantes (variables de decisión) y función objetivo. Para
facilitar el seguimiento se ha escrito en rojo las fórmulas asociadas a cada celda.
4. Seleccione “Resolver”. Obtendrá la solución al problema y podrá requerir los

Informes de Solver. Finalmente presione “Aceptar”.
5. Se actualizarán los valores en la Planilla de Cálculo en las celdas marcadas

en amarillo desplegando la solución óptima y valor óptimo. Adicionalmente se
verifica el cumplimiento de las restricciones del problema.
6. Finalmente, se obtienen los informes de sensibilidad los cuales entregan

información relevante en cuanto a los precios sombra asociados a las restricciones,
intervalos de variación de garantizan la validez del precio sombra, intervalo de
variación para los coeficientes de la función objetivo, etc.
EJEMPLO:
Ejemplo 1 (Modelo de transporte estándar)
MG Auto Company tiene plantas en Los Ángeles, Detroit y Nueva Orleáns. Sus
centros de distribución principales son Denver y Miami. Las capacidades de las
plantas durante el trimestre próximo son 1 000, 1 500, y 1 200 automóviles. Las
demandas trimestrales en los dos centros de distribución son de 2 300 y 1 400
vehículos. El costo del transporte de un automóvil por tren es de 8 centavos por
milla. El diagrama de las distancias recorridas entre las plantas y los centros de
distribución son:
Denver Miami
Los Ángeles 1 000 1 690
Detroit 1 250 1 350
Nueva Orleans 1 275 850
Esto produce en costo por automóvil a razón de 8 centavos por milla recorrida.
Produce los costos siguientes (redondeados a enteros), que representan a C ij del
modelo original:
Denver Miami
Los Ángeles 80 215
Detroit 100 108
Nueva Orleans 102 68
Mediante el uso de códigos numéricos que representan las plantas y centros de

distribución, hacemos que X ij represente el número de automóviles 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 de igualdad.
Minimizar Z = 80X 11 + 215X 12 + 100X 21 + 108X 22

+ 102X 31 + 68X 32
Sujeto a:
X 11 X 12 = 1 000
X 21 X 22 = 1 500
X 31 X 32 = 1 200
X 11 X 21 X 31 = 2 300
X 12 X 22 X 32 = 1 400
X ij para todas las i y j

Un método más 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.
4.2 ALGORITMO TRANSPORTE
El algoritmo de transporte organiza los cálculos en una forma más cómoda

aprovechando la ventaja de la estructura especial del modelo de transporte. Pare
esto sigue los mismos pasos que el método simplex, sin embargo en lugar de usar
la tabla simplex normal se aprovecha la ventaja de la estructura especial del modelo
de transporte para organizar los cálculos en una forma más cómoda.
Se debe agregar que el algoritmo especial de transporte fue desarrollado por

primera vez cuando la norma eran los cálculos a mano y se necesitaba de
soluciones con método abreviado.
Hoy contamos con programas de cómputo que nos apoyan en la solución de los
problemas que se presentan en la investigación de operaciones, sin embargo, el
algoritmo además de su importancia histórica permite tener una perspectiva del uso
de las relaciones teóricas primal-dual para llegar a un resultado práctico, de mejorar
los cálculos a mano.
Otro detalle importante es que el algoritmo de transporte se basa en la hipótesis que

el modelo esta balanceado y eso quiere decir que la demanda total es igual a la
oferta total. Si el modelo está desbalanceado siempre se podrá aumentar con una
fuente ficticia o destino ficticio para restaurar el equilibrio o balance.
Los pasos del algoritmo de transporte son exactamente iguales a los del algoritmo
simplex.
1. En el primer paso se determina una solución básica factible de inicio que nos
ayude a proseguir en el paso dos.
2. En el segundo paso se usa la condición de optimalidad del método simplex
para determinar la variable de entrada entre todas las variables básicas.
Detenerse si se satisface.
3. En el tercer paso se usa la condición de factibilidad del método simplex para
determinar la variable de salida y así obtener la nueva solución y
posteriormente regresar al paso dos.
También estudiaremos más acerca de los algoritmos de transporte pero ante

quisiera recordarte algunos aspectos anteriores que seguro te serán de mucha
utilidad.
Problema de transporte: Consiste en decidir cuántas unidades trasladar desde

ciertos puntos de origen (platas, ciudades, etc) a ciertos puntos de destino (centros
de distribución, 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.
Los principales objetivos de un modelo de transporte son la satisfacción de todos

los requerimientos establecidos por los destinos y claro está la minimización 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 área de operaciones, inventario y asignación de elementos.
Cualquier modelo de transporte se compone de unidades de un bien a distribuir, m

orígenes, n destinos, recursos en el origen, demandas en los destinos y costos de
distribución por unidad. Adicionalmente, se tienen varios supuestos:
1. Supuesto de requerimientos: cada origen tiene un suministro fijo de unidades

que se deben distribuir por completo entre los destinos.
2. Supuesto de costo: el costo de distribuir unidades de un origen a un destino

cualquiera es directamente proporcional al número de unidades distribuidas.
3. Propiedad de soluciones factibles: un problema de transporte tiene

soluciones factibles sólo si la sumatoria de recursos en los m orígenes es
igual a la sumatoria de demandas en los destinos.
4. Propiedad de soluciones enteras: En los casos en los que tanto los recursos
como las demandas toman un valor entero, todas las variables básicas
(asignaciones), de cualquiera de las soluciones básicas factibles (inclusive la
solución óptima), asumen también valores enteros.
Lo primero que se debe hacer es formular el problema en términos de programación

lineal para esto se necesita identificar las actividades y los requerimientos del
problema para de esta forma formularlo como un problema de programación lineal.
Después de formular el problema, el siguiente paso es obtener una solución básica

factible, la cual se puede obtener a partir de cualquiera de los 3 criterios siguientes:
1. Regla de la esquina noroeste.

2. Método de la ruta preferente.
3. Método de aproximación de Vogel.
• Regla de la esquina noroeste: la primera elección X11, es decir, se inicia la

asignación por la esquina noroeste de tabla. Luego se desplaza a la columna
de la derecha si todavía quedan recursos en ese origen. De lo contrario se
mueve al reglo debajo hasta realizar todas las asignaciones.
• Método de la ruta preferente:se fundamenta en la asignación a partir del

costo mínimo de distribuir una unidad. Primero se identifica este costo se
realiza la asignación de recursos máxima posible y luego se identifica el
siguiente costo menor realizando el mismo procedimiento hasta realizar
todas las asignaciones.
• Método de asignación de Vogel: para cada renglón y columna, se calcula

su diferencia, que se define como la diferencia aritmética entre el costo
unitario más pequeño y el costo menor que le sigue en ese renglón.
EJEMPLO:
EJEMPLO:
Una empresa energética colombiana dispone de cuatro plantas de

generación para satisfacer la demanda diaria eléctrica en cuatro ciudades, Cali,
Bogotá, Medellín y Barranquilla. Las plantas 1,2,3 y 4 pueden satisfacer 80, 30, 60
y 45 millones de KW al día respectivamente. Las necesidades de las ciudades de
Cali, Bogotá, Medellín y Barranquilla son de 70, 40, 70 y 35 millones de Kw al día
respectivamente.
SOLUCIÓN PASO A PASO
Ahora la cantidad asignada a la esquina noroeste es restada a la demanda de Cali

y a la oferta de la "Planta 1", en un procedimiento muy lógico. Dado que la demanda
de Cali una vez restada la cantidad asignada es cero (0), se procede a eliminar la
columna. El proceso de asignación nuevamente se repite.
Continuamos con las iteraciones.
En este caso nos encontramos frente a la elección de la fila o columna a eliminar

(tachar), sin embargo podemos utilizar un criterio mediante el cual eliminemos la fila
o columna que presente los costos más elevados. En este caso la "Planta 2".
Nueva iteración.
Una vez finalizada esta asignación, se elimina la "Planta 3" que ya ha sido satisfecha
con la asignación de 60 unidades, por ende nos queda una sola fila a la cual le
asignamos las unidades estrictamente requeridas y hemos finalizado el método.
El cuadro de las asignaciones (que debemos desarrollarlo paralelamente) queda

así:
Los costos asociados a la distribución son:
4.3 METODO DE LA ESQUINA NOROESTE
Método de la esquina es un método de programación lineal hecho a mano para

encontrar una solución inicial factible del modelo, muy conocido por ser el método
más fácil al determinar una solución básica factible inicial, pero al mismo tiempo por
ser el menos probable para dar una solución inicial acertada de bajo costo, debido
a que ignora la magnitud relativa de los costos. Es un proceso utilizado para resolver
problemas de transporte o asignación, si bien es un método no exacto tiene la
ventaja de poder resolver problemas manualmente y de una forma rápida, muy
cercano al valor óptimo. Cada problema debe representarse en forma de matriz en
donde las filas normalmente representan las fuentes y las columnas representan los
destinos.
Los pasos para solucionar un problema de programación lineal por este método son:
Paso 1. Seleccionar la celda de la esquina noroeste (esquina superior izquierda)

para un envío.
Paso 2. Hacer el más grande envío como pueda en la celda de la esquina noroeste.
Esta operación agotara completamente la disponibilidad de suministros en un origen
a los requerimientos de demanda en un destino.
Paso 3. Corregir los números del suministro y requerimientos para reflejar lo que va
quedando de suministro y requerimiento y regrese al paso 1.
EJEMPLO:
La empresa “químicos del caribe S.A” posee 4 depósitos de azufre que deben ser
usados para fabricar 4 tipos de productos diferentes (A, B, C, D), además por cada
litro que se haga de los productos A, B, C, y D se utilizan un litro de azufre. Se sabe
que las capacidades de cada depósito son de 100L, 120L, 80L,
95L respectivamente. La empresa tiene un pedido de 125L de la sustancia A, 50L
de la sustancia B, 130L de la sustancia C y 90L de la sustancia D.
Los costos que reaccionan la producción de cada químico con cada depósito se
presenta a continuación:
A B C D
2 3 4 6
deposito1
1 5 8 3
deposito2
8 5 1 4
deposito3
4 5 6 3
deposito4
Tabla1
Formule una solución para este problema de manera que se cumpla el pedido y se
minimice los costos:
De acuerdo a las especificaciones del problema podemos completar la tabla de la

siguiente manera:
Tabla2
El siguiente paso será seleccionar el número de la esquina más al noroeste:

Tabla3
En este punto se deberá asignar la mayor cantidad de unidades posibles, de manera

que no sobrepase la capacidad de químicos en litros de cada depósito y los litros
requeridos de cada químico. En este caso se deberá asignar el número 100.
Tabla4
Debido a que el deposito 1 se ha abastecido completamente se llega a una solución:

A1=100, (es decir el deposito 1 suministrara 100 litros a la sustancia A), no obstante
no es necesario tener en cuenta esa fila. Se procederá ahora a elegir nuestra
siguiente esquina:
Nuestra nueva esquina será 1, como lo indica la tabla 5, además los litros requeridos
para el deposito A serán 25 esto es porque A1=100, es decir ya se le han encargado
100 litros al depósito 1 y por lo tanto los litros restantes serán 25.
Las unidades para nuestra nueva esquina serán 25. El procedimiento continúa como
se hizo anteriormente.
Ahora el deposito 2 contiene 95 litros en total puesto que se le ha restado las 25

unidades de A2. Nuestro nuevo punto esquina será el 5:
La unidad que se tomara será 50:
Ahora que todos los litros requeridos por la sustancia B han sido completados por
lo tanto no es necesaria esta columna. Presentaremos nuestra nueva esquina con
su respectiva unidad se muestra a continuación:
La columna del depósito 2 ha sido completada por lo tanto no se tendrá en cuenta,

el numero 85 resulta de la resta de 130-45. Nuestra nueva esquina con la respectiva
unidad se muestra a continuación:
La columna del depósito 3 ha sido completada por tanto ya no se tendrá en cuenta,
nuestra nueva esquina con nuestra nueva unidad será:
Nuestra última tabla queda como sigue:
El resultado final para las asignaciones será:
A1: 100 (se le asigna 100 litros al depósito 1 para suministrarle al químico 2).
A2: 25 (se le asigna 25 litros al depósito 2 para suministrarle al químico 2).
B2: 50 (se le asigna 50 litros al depósito 2 para suministrar al químico B)
C2: 45 (se le asigna 45 litros al depósito 2 para suministrar al químico C)
C3:80 (se le asigna 80 litros al depósito 3 para suministrar al químico C)

C4: 5 (se le asigna 5 litros al depósito 4 para suministrar al químico C) D4:
90 (se le asigna 90 litros al depósito 4 para suministrar al químico D) En
tabla el resultado final será:
A B C D
100 0 0 0 100
deposito1
25 50 45 0 120
deposito2
0 0 80 0 80
deposito3
0 0 5 90 95
deposito4
125 50 130 90
EJEMPLO:
Una compañía tiene 3 almacenes con 15, 25 y 5 artículos disponibles

respectivamente. Con estos productos disponibles desea satisfacer la demanda de
4 clientes que requieren 5, 15, 15 y 10 unidades respectivamente. Los costos
asociados con el envío de mercancía del almacén al cliente por unidad se dan en la
siguiente tabla.
Clientes Almacén 1 2 3 4
1 10 0 20 11
2 12 7 9 20
3 0 14 16 18
Construya la solución básica inicial por el método de la esquina noroeste.

4.4 METODO DE COSTO MINIMO
El método del costo mínimo o método de los mínimos costos es un algoritmo

desarrollado con el objetivo de resolver problemas de transporte o distribución,
arrojando mejores resultados que métodos como el de la esquina noroeste, dado
que se enfoca en las rutas que presentan menores costos.
El diagrama de flujo de este algoritmo es mucho más sencillo que los anteriores,
dado que se trata simplemente de la asignación de la mayor cantidad de unidades
posibles (sujeta a las restricciones de oferta y/o demanda) a la celda menos costosa
de toda la matriz hasta finalizar el método.
ALGORITMO DEL COSTO MÍNIMO
PASO 1:
De la matriz se elige la ruta (celda) menos costosa (en caso de un empate, este se
rompe arbitrariamente) y se le asigna la mayor cantidad de unidades posible,
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, restándole la cantidad asignada a la celda.
PASO 2:
En este paso se procede a eliminar la fila o destino cuya oferta o demanda sea 0
después 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) según sea el caso.
PASO 3:
Una vez en este paso existen dos posibilidades, la primera que quede un solo
renglón o columna, si este es el caso se ha llegado al final el método, "detenerse".
La segunda es que quede más de un renglón o columna, si este es el caso iniciar
nuevamente el "Paso 1".
EJEMPLO:
Una empresa energética colombiana dispone de cuatro plantas de generación para

satisfacer la demanda diaria eléctrica en cuatro ciudades, Cali, Bogotá, Medellín y
Barranquilla. Las plantas 1,2,3 y 4 pueden satisfacer 80, 30, 60 y 45 millones de KW
al día respectivamente. Las necesidades de las ciudades de Cali, Bogotá, Medellín
y Barranquilla son de 70, 40, 70 y 35 millones de Kw al día respectivamente.
Los costos asociados al envío de suministro energético por cada millón de KW entre
cada planta y cada ciudad son los registrados en la siguiente tabla.
Formule un modelo de programación lineal que permita satisfacer las necesidades
de todas las ciudades al tiempo que minimice los costos asociados al transporte.
Luego esa cantidad asignada se resta a la demanda de Bogotá y a la oferta de la

"Planta 3", en un proceso muy lógico. Dado que Bogotá se queda sin demanda esta
columna desaparece, y se repite el primer proceso.
Nuevo proceso de asignación

Una vez finalizado el cuadro anterior nos daremos cuenta que solo quedará una fila,
por ende asignamos las unidades y se ha terminado el método.
El cuadro de las asignaciones (que debemos desarrollarlo paralelamente) queda
así:

EJEMPLO:
La empresa Electri-Guajira SA ESP, dispone de cuatro plantas de generación para
satisfacer la demanda diaria eléctrica en cuatro municipios, Maicao, Riohacha,
Uribia y Manaure. Las plantas 1,2,3 y 4 pueden satisfacer 80, 30, 60 y 45 millones
de KW al día respectivamente. Las necesidades de los municipios de Maicao,
Riohacha, Uribia y Manaure son de 70, 40, 70 y 35 millones de Kw al día
respectivamente.
cada planta y cada municipio son los registrados en la siguiente tabla.
Maicao Riohacha Uribia Manaure
Planta 1 5 2 7 3
Planta 2 3 6 6 1
Planta 3 6 1 2 4
Planta 4 4 3 6 6

Planteamos la tabla de costos con las cantidades ofertadas y demandadas
respectivamente:
Maicao Riohacha Uribia Manaure Oferta
Planta 1 5 2 7 3 80
Planta 2 3 6 6 1 30
Planta 3 6 1 2 4 60
Planta 4 4 3 6 6 45
Demanda 70 40 70 35
PASO 1
Elegimos la celda menos costosa y se le asigna la mayor cantidad de unidades
posible, cantidad que se ve restringida ya sea por las restricciones de oferta o de
demanda.
Planta 1 5 2 7 3 80
Planta 2 3 6 6 1 30
Planta 3 6 1 2 4 60
Planta 4 4 3 6 6 45
Demanda 70 40 70 35
En este caso se presenta un empate, este se rompe de forma arbitraria, así que se
le asigna a cualquiera la mayor cantidad posible.
Planta 1 5 2 7 3 80
Planta 2 3 6 6 1 30
Planta 3 6 2 4 60 (20)
(40) 1
Planta 4 4 3 6 6 45
Demanda 70 40 70 35
En este mismo paso se procede a ajustar la oferta y demanda de la fila y columna
afectada, restándole la cantidad asignada a la celda.
PASO 2
Dado que se satisface totalmente la demanda de suministro energético del
municipio de Riohacha, entonces procedemos a tachar la columna correspondiente.
Planta 1 5 2 7 3 80
Planta 2 3 6 6 1 30
Planta 3 6 1 (40) 2 4 20
Planta 4 4 3 6 6 45
Demanda 70 40 70 35
Realizamos la siguiente asignación, teniendo en cuenta tomar el menor costo de la

tabla restante.
Planta 1 5 2 7 3 80
Planta 2 3 6 6 (30)1 30
Planta 3 6 1 (40) 2 4 20
Planta 4 4 3 6 6 45
Demanda 70 40 70 35 (5)
En este mismo paso también se procede a ajustar la oferta y demanda de la fila y

columna afectada, restándole la cantidad asignada a la celda.
Con esta nueva asignación, logramos agotar la capacidad de suministro energético
de la Planta 2, por lo tanto procedemos a tachar la fila correspondiente:
Planta 1 5 2 7 3 80
Planta 4 4 3 6 6 45
Demanda 70 40 70 (50) 5
Planta 2 3 6 6 1 (30) 30
Planta 3 6 1 (40) 2 4 20
Planta 4 4 3 6 6 45
Demanda 70 40 70 5

tabla restante.
Planta 1 5 2 7 3 80
Planta 2 3 6 6 1 (30) 30
Planta 3 6 1 (40) (20) 2 4 20

Con esta nueva asignación, logramos agotar la capacidad de suministro energético
de la Planta 3, por lo tanto procedemos a tachar la fila correspondiente:
Planta 1 5 2 7 3 80
Planta 2 3 6 6 1 (30) 30
Planta 3 6 1 (40) 2 (20) 4 20
Planta 4 4 3 6 6 45
Demanda 70 40 50 5

tabla restante.
Planta 1 5 2 7 (5) 3 80 (75)
Planta 2 3 6 6 1 (30) 30
Planta 3 6 1 (40) 2 (20) 4 20
Planta 4 4 3 6 6 45
Demanda 70 40 50 5

Con esta nueva asignación, logramos satisfacer la demanda de suministro
energético del municipio de Manaure, por lo tanto procedemos a tachar la columna
correspondiente:
Planta 1 5 2 7 3 (5) 75
Planta 2 3 6 6 1 (30) 30
Planta 3 6 1 (40) 2 (20) 4 20
Planta 4 4 3 6 6 45
Demanda 70 40 50 5
Realizamos la siguiente asignación, teniendo en cuenta tomar el menor costo de la tabla

restante.
Planta 1 5 2 7 3 (5) 75
Planta 2 3 6 6 1 (30) 30
Planta 3 6 1 (40) 2 (20) 4 20
Planta 4 (45) 4 3 6 6 45
Demanda 70 (25) 40 50 5

Con esta nueva asignación, logramos agotar la capacidad de suministro energético de
la Planta 4, por lo tanto procedemos a tachar la fila correspondiente:
Planta 1 5 2 7 3 (5) 75
Planta 2 3 6 6 1 (30) 30
Planta 3 6 1 (40) 2 (20) 4 20
Planta 4 4 (45) 3 6 6 45
Demanda 25 40 50 5
Como podemos observar, solo nos queda una fila, es decir que solamente tenemos
disponible la Planta 1, la cual está en capacidad de suministrar 75 millones de Kw
de energía, entonces procedemos a distribuirla a los dos (02) municipios restantes:
Planta 1 (25) 5 2 (50) 7 3 (5) 75
Planta 2 3 6 6 1 (30) 30
Planta 3 6 1 (40) 2 (20) 4 20
Planta 4 4 (45) 3 6 6 45
Demanda 25 40 50 5
Con esta asignación logramos satisfacer las necesidades de suministro energético de

todos los ciudades,municipios, por ende hemos terminado el método.
Este sería nuestro cuadro de asignaciones:
Planta 1 25 50 5 80
Planta 2 30 30
Planta 3 40 20 60
Planta 4 45 45
Demanda 70 40 70 35
Para realizar el análisis de costos asociado con esta distribución, procedemos a
darle valor a cada una de las asignaciones, teniendo en cuenta la tabla de costos
al inicio del ejercicio:
Variable de decisión Actividad Costo
de la x
Contribución
Variable Unidad
Total
X1,1 25 5 125
50 7 350
X1,3
5 3 15
X1,4
30 1 30
X2,4
40 1 40
X3,2
20 2 40
X3,3
45 4 180
X4,1
TOTAL 780
INTERPRETACIÓN GENERAL
La empresa Electri-Guajira realizará el suministro energético desde las cuatro
plantas de generación hasta los cuatro municipios a un costo mínimo total de 780
pesos.
4.5 METODO DE APROXIMACION VOGEL
El método de aproximación de Vogel es un método heurístico de resolución de

problemas de transporte capaz de alcanzar una solución básica no artificial de inicio,
este modelo requiere de la realización de un número generalmente mayor de
iteraciones que los demás métodos heurísticos existentes con este fin, sin embargo
produce mejores resultados iniciales que los mismos.
ALGORITMO DE VOGEL
El método consiste en la realización de un algoritmo que consta de 3 pasos

fundamentales y 1 más que asegura el ciclo hasta la culminación del método.
PASO 1
Determinar para cada fila y columna una medida de penalización restando los dos costos
menores en filas y columnas.
PASO 2
Escoger la fila o columna con la mayor penalización, es decir que de la resta
realizada en el "Paso 1" se debe escoger el número mayor. En caso de haber
empate, se debe escoger arbitrariamente (a juicio personal).
PASO 3
De la fila o columna de mayor penalización determinada en el paso anterior
debemos de escoger la celda con el menor costo, y en esta asignar la mayor
cantidad posible de unidades. Una vez se realiza este paso una oferta o demanda
quedará satisfecha por ende se tachará la fila o columna, en caso de empate solo
se tachará 1, la restante quedará con oferta o demanda igual a cero (0).
PASO 4: DE CICLO Y EXCEPCIONES
- Si queda sin tachar exactamente una fila o columna con cero oferta o demanda,
detenerse.
- Si queda sin tachar una fila o columna con oferta o demanda positiva, determine
las variables básicas en la fila o columna con el método de costos mínimos, detenerse.
- Si todas las filas y columnas que no se tacharon tienen cero oferta y demanda,
determine las variables básicas cero por el método del costo mínimo, detenerse.
- Si no se presenta ninguno de los casos anteriores vuelva al paso 1 hasta que las
ofertas y las demandas se hayan agotado.
EJEMPLO:
Una empresa energética colombiana dispone de cuatro plantas de generación para

satisfacer la demanda diaria eléctrica en cuatro ciudades, Cali, Bogotá, Medellín y
Barranquilla. Las plantas 1,2,3 y 4 pueden satisfacer 80, 30, 60 y 45 millones de KW
al día respectivamente. Las necesidades de las ciudades de Cali, Bogotá, Medellín
y Barranquilla son de 70, 40, 70 y 35 millones de Kw al día respectivamente.
cada planta y cada ciudad son los registrados en la siguiente tabla.
Formule un modelo de programación lineal que permita satisfacer las necesidades de

todas las ciudades al tiempo que minimice los costos asociados al transporte.
El primer paso es determinar las medidas de penalización y consignarlas en el tabulado
de costos, tal como se muestra a continuación.
El paso siguiente es escoger la mayor penalización, de esta manera:

El paso siguiente es escoger de esta columna el menor valor, y en una tabla paralela
se le asigna la mayor cantidad posible de unidades, podemos observar como el
menor costo es "2" y que a esa celda se le pueden asignar como máximo 60
unidades "que es la capacidad de la planta 3".
Dado que la fila de la "Planta 3" ya ha asignado toda su capacidad (60 unidades) esta
debe desaparecer.
Se ha llegado al final del ciclo, por ende se repite el proceso

Iniciamos una nueva iteración
Al finalizar esta iteración podemos observar como el tabulado queda una fila sin
tachar y con valores positivos, por ende asignamos las variables básicas y hemos
concluido el método.
EJEMPLO:
Consideremos nuevamente un problema de transporte balanceado que tiene 3

fuentes de oferta (silos) y 4 fuentes de demanda (molinos). Los valores numéricos
en la esquina superior derecha de cada cuadro, en adelante representan el costo
unitario de transporte desde el silo i al molino j. Por ejemplo es el costo
unitario de transporte desde el silo 1 al molino 1.
Según lo descrito anteriormente el primer paso consiste en calcular el factor de

penalización para cada fila y columna de la tabla que representa el problema de
transporte anterior. Por ejemplo, en la fila 1 el mínimo costo es $2 y y el costo unitario
siguiente al mínimo es $10. En consecuencia la penalización de dicha fila es $8 ($10-
$2). Se replica el mismo cálculo para cada fila y columna de la tabla lo cual es trivial y
reporta los siguientes resultados (se han marcado las penalizaciones de las respectivas
filas y columnas con color naranjo para mayor claridad):
Como la fila 3 tiene la máxima penalización ($10) y la celda correspondiente a

tiene el costo unitario mínimo de esa fila, se asigna 5 unidades a (más no es
necesario aún cuando la capacidad del silo 3 lo permite dado que la demanda del
molino 1 es de sólo 5 unidades). Con esto la columna 1 se debe tachar (lo hemos
marcado con color amarillo) y se procede a calcular las nuevas penalizaciones como
se aprecia a continuación:
Ahora la penalización máxima es $9 ($11-$2) lo cual se alcanza en la fila 1. En
consecuencia se asigna la máxima cantidad posible a la variable , con lo que se
obtiene , y al mismo tiempo se satisfacen tanto la fila 1 como la columna 2.
En forma arbitraria se tacha la columna 2 y se ajusta a cero la oferta en la fila 1.
Al continuar de la misma forma, ahora la fila 2 es la que produce la máxima

penalización correspondiente a $11 ($20-$9), por tanto se asigna , con lo
que se tacha la columna 3 y quedan 10 unidades en la fila 2. Sólo queda la columna
4 y tiene 15 unidades de oferta positiva. Al aplicar el Método del Costo Mínimo a
esa columna, se asigna de forma sucesiva (se
recomienda verificar dichos resultados). Notar adicionalmente que hay otras
soluciones posibles que dependen de cómo se rompen los empates.
El valor de la función objetivo asociado a esta solución factible inicial es

Z=15(2)+0(11)+15(9)+10(20)+5(4)+5(18)=$475 que es similar a lo alcanzado por el
Método del Costo Mínimo, no obstante, en general el Método de Aproximación de
Vogel reporta mejor solución de inicio.
4.6 DEFINICION DEL PROBLEMA ASIGNACION
El problema de asignación es una variación del problema original de transporte,

variación en la cual las variables de decisión X(i,j) solo pueden tomar valores
binarios, es decir ser cero (0) o uno (1), en la solución óptima, lo que supone que la
oferta y la demanda están perfectamente alineadas, de hecho ambas son iguales a
uno (1).
Múltiples son los casos en los que como ingenieros industriales podemos hacer uso
del problema de asignación para resolver diversas situaciones, entre los que cabe
mencionar se encuentran la asignación de personal a maquinas, herramientas a
puestos de trabajos, horarios a maestros, candidatos a vacantes, huéspedes a
habitaciones, comensales a mesas, vendedores a zonas territoriales etc.
En el modelo de asignación, la idea fundamental de resolución es ¿qué fuente

satisface mejor el destino?, y dado que hemos asociado el modelo a una gran
diversidad de circunstancias esta pregunta puede plantearse en múltiples contextos,
como ¿qué candidato es el idóneo para la vacante?, o ¿qué personal es el indicado
para la línea productiva?, o ¿qué personal es el mejor para ejecutar determinada
tarea?. Una característica particular del modelo de asignación es que para su
resolución no se hace necesario que el número de fuentes sea igual al número de
destinos, lo cual es muy común en la vida real, teniendo en cuenta su aplicación,
pues generalmente la cantidad de aspirantes es superior al número de vacantes
(lógicamente haciendo referencia a la aplicación del modelo al contexto de oferta y
demanda laboral).
EJEMPLO:
Existen cuatro operarios que se pueden asignar al trabajo con tres máquinas. Un
estudio de tiempos y movimientos ha arrojado los siguientes tiempos por operario
para las tres máquinas. Indicar que operario debe trabajar en que máquina y cuál
de ellos no será asignado a ninguna.
Máquina Máquina Máquina

1 2 3
Operario 10 7 9
1
Operario 7 5 8
2
Operario 9 8 10
3
Operario 8 9 7
4
Como la matriz no esta balanceada, es necesario incluir una máquina ficticia:(esto

es fundamental para asegurar que haya una res puesta. Si la matriz no está
balanceada, el problema no será factible de resolver)
Máquina Máquina Máquina Máquina
1 2 3 Ficticia
Operario
10 7 9 0
1
Operario 7 5 8 0
2
Operario 9 8 10 0
3
Operario 8 9 7 0
4
Xij = Se debe asignar el operario i a la máquina j? Sí o no?

En matemáticas existen dos números cuyas propiedades hacen que puedan
representar estas respuestas son el 1 y el 0, debido a que todo número multiplicado
por 1 da el mismo número entonces el 1 se puede reemplazar por la respuesta Sí y
como todo número multiplicado por cero da cero entonces se puede reemplazar por
la respuesta No.
Así por ejemplo:
10X11 + 7X12 + 9X13 + 0X14 representa el tiempo sumado que emplearía el
operario1 en operar las máquinas, pero solo una variable de las tres anteriores
puede tomar el valor de Sí, o sea de 1 las demás tendrán que tomar el valor de 0, y
eso es debido a que el operario 1 sólo puede ser asignado a una máquina, lo que
significaría que el tiempo que utilice el operario 1 puede ser ya sea de "10" de "7" o
de "9". Con base en esto podemos formular la función objetivo:
Min Z 10X11 +
= 7X12 + 9X13 7X21 +
5X22 + 8X23 9X31 +
8X32 + 10X33 8X41 +
9X42 + 7X43
Restricciones:
Como cada operario sólo puede estar asignado a una máquina....
X11 + X12 + X13 + X14 = 1X21 + X22 + X23 + X24 = 1X31 + X32 + X33 + X34 =
1X41 + X42 + X43 + X44 = 1
Y como cada máquina solo puede tener un operario asignado...
X11 + X21 + X31 + X41 = 1X12 + X22 + X32 + X42 = 1X13 + X23 + X33 + X43 =
1X14 + X24 + X34 + X44 = 1 Xij
= 1 o 0 para toda i,j.
Al resolver utilizando Software, por ejemplo el Solver del Excel, la respuesta que se
obtiene es la siguiente:
Máquina Máquina Máquina Máquina
1 2 3 Fic.
Operario 0 0 0 1
1
Operario 0 1 0 0
2
Operario 1 0 0 0
3
Operario 0 0 1 0
4
Esto significa que el Operario 1 queda asignado a la Máquina Ficticia (es decir, es
el que sobra), el operario 2 se asigna a la máquina 2, el operario 3 se asigna a la
máquina 1 y el operario 4 se asigna a la máquina 3.
Teorema fundamental de la asignación:
Si a todos los elementos de una fila o de una columna de una matriz de rendimientos
se le suma o se le resta una cantidad constante la asignación optima no varía.
Algoritmo húngaro:
El algoritmo Húngaro está destinado para minimizar si tenemos que maximizar
tendremos previamente que darle la vuelta a la matriz restándole el mayor elemento
de toda la matriz a cada uno de los elementos de la misma de manera que el
elemento que era más pequeño pasara a ser el más grande y a la inversa.
El Algoritmo Húngaro se debe a D. König y E. E Egervóry.
Cuando hay que pasar de maximizar a minimizar en lugar de operar con el mayor
de toda la matriz podemos ir tomando el mayor de cada fila o columna e ir restándole
todos los elementos de esa fila o columna con lo cual conseguiremos de camino
obtener por lo menos un cero como mínimo en cada fila o columna. Si en alguna
columna no hubiera ceros le quitamos el mayor a la columna.
El método Húngaro:
Este algoritmo se usa para resolver problemas de minimización, ya que es más
eficaz que el empleado para resolver el problema del transporte por el alto grado de
degeneración que pueden presentar los problemas de asignación. Las fases para
la aplicación del método Húngaro son:
Paso 1: Encontrar primero el elemento más pequeño en cada fila de la matriz de costos
m*m; se debe construir una nueva matriz al restar de cada costo el costo mínimo de
cada fila; encontrar para esta nueva matriz, el costo mínimo en cada columna. A
continuación se debe construir una nueva matriz (denominada matriz de costos
reducidos) al restar de cada costo el costo mínimo de su columna. Paso 2: (En algunos
pocos textos este paso se atribuye a Flood). Consiste en trazar el número mínimo de
líneas (horizontales o verticales o ambas únicamente de esas maneras) que se requieren
para cubrir todos los ceros en la matriz de costos reducidos; si se necesitan m líneas
para cubrir todos los ceros, se tiene una solución óptima entre los ceros cubiertos de la
matriz. Si se requieren menos de m líneas para cubrir todos los ceros, se debe continuar
con el paso 3. El número de líneas para cubrir los ceros es igual a la cantidad de
asignaciones que hasta ese momento se pueden realizar.
Paso 3: Encontrar el menor elemento diferente de cero (llamado k) en la matriz de
costos reducidos, que no está cubierto por las líneas dibujadas en el paso 2; a
continuación se debe restar k de cada elemento no cubierto de la matriz de costos
reducidos y sumar k a cada elemento de la matriz de costos reducidos cubierto por
dos líneas (intersecciones). Por último se debe regresar al paso 2.
Notas:
1. Para resolver un problema de asignación en el cual la meta es maximizar la
función objetivo, se debe multiplicar la matriz de ganancias por menos uno (-1) y
resolver el problema como uno de minimización.
2. Si el número de filas y de columnas en la matriz de costos son diferentes, el
problema de asignación está desbalanceado. El método Húngaro puede
proporcionar una solución incorrecta si el problema no está balanceado; debido a lo
anterior, se debe balancear primero cualquier problema de asignación (añadiendo
filas o columnas ficticias) antes de resolverlo mediante el método Húngaro.
3. En un problema grande, puede resultar difícil obtener el mínimo número de
filas necesarias para cubrir todos los ceros en la matriz de costos actual. Se puede
demostrar que si se necesitan j líneas para cubrir todos los ceros, entonces se
pueden asignar solamente j trabajos a un costo cero en la matriz actual; esto explica
porqué termina cuando se necesitan m líneas.
Mediante el siguiente ejemplo vamos a ilustrar la manera de aplicar el método Húngaro
a la solución de un problema de asignación de minimización:
Una factoría tiene cuatro operarios, los cuales deben ser asignados al manejo de
cuatro máquinas; las horas requeridas para cada trabajador en cada máquina se
dan en la tabla adjunta; el tiempo a laborar por cada operario en cada una de las
máquinas se pretende que sea mínimo, para lo cual se busca la asignación óptima
posible.
OPERARIOS MAQUINAS
1 2 3 4
Antonio 10 14 16 13
Bernardo 12 13 15 12
Carlos 9 12 12 11
Diego 14 13 18 16
Planteamiento del Modelo Primal
MIN W = 10 X11+ 14 X12+ 16 X13+ 13 X14+ 12 X21+ 13 X22+ 15 X23+ 12 X24+ +

9 X31+ 12 X32+ 12 X33+ 11 X34+ 14 X41+ 16 X42+ 18 X43+ 16 X44 sujeto
a las siguientes restricciones:
Aplicando el método Húngaro tenemos:
1 2 3 4
A 10 14 16 13
B 12 13 15 12
C 9 12 12 11
D 14 16 18 16
Restamos 10, 12,

9 y 14 (costos
mínimos de cada
fila) de cada
elemento en cada una

de las filas
correspondientes:
1 2 3 4
A 0 3 6 3
B 0 1 3 0
C 0 3 3 2
D 0 2 4 2
En la matriz
anterior trazamos
el menor número
de líneas (3), de
manera tal que
cubran todos los
ceros (Método de
Flood):
1 2 3 4
A 0 3 3 3
B 0 0 0 0
C 0 2 0 2
D 0 1 1 2
En la matriz
anterior trazamos el menor
número
de líneas (3), de
manera tal que cubran

todos los ceros (Método
de Flood):
1 2 3 4
A 0 2 3 2
B 1 0 1 0
C 0 1 0 1
D 0 0 1 1
Solución Optima Unica:A-1, B-4, C-3 y D-2.Lo anterior quiere decir que Antonio va
a laborar en la máquina 1 (10 horas), Bernardo en la máquina 4 (12 horas), Carlos
va a trabajar en la máquina 3 (12 horas) y Diego en la máquina 2 (16 horas). La
combinación óptima de los recursos para este problema de minimización de
asignación es de 50 horas, resultantes de adicionar las asignadas a cada uno de
los operarios en cada una de las máquinas. Dicho valor corresponde al valor óptimo
de la función objetivo.
EJEMPLO:
Ejemplo de un modelo de asignación general de tres orígenes y tres destinos es:

DESTINO
ORIGEN 1 2 3 OFERTA
A C11 C12 C13 1
B C21 C22 C23 1
C C31 C32 C33 1
DEMANDA 1 1 1
4.7 METODO HUNGARO
Apartándonos un poco de la idea expresada en módulos anteriores respecto a la

facilidad de resolver problemas atinentes a la investigación operativa en especial
aquellos de transporte mediante el uso de herramientas tecnológicas como lo son
WinQSB, LINGO, TORA, STORM, Excel etc.. vale la pena ya sea para fines
académicos o de cultura ingenieril realizar la resolución del problema de asignación
mediante el algoritmo que se creó para tal fin, como lo es el Método Húngaro. El
método Húngaro es un método de optimización de problemas de asignación,
conocido como tal gracias a que los primeros aportes al método clásico definitivo
fueron de Dénes König y Jenő Egerváry dos matemáticos húngaros. El algoritmo tal
como se detallará a continuación está diseñado para la resolución de problemas de
minimización únicamente, será entonces cuestión de agregar un paso adicional
para abordar ejercicios de maximización.
ALGORITMO HÚNGARO, PASO 1

Antes que nada cabe recordar que el método húngaro trabaja en una matriz de
costos n*m (en este caso conocida como matriz m*m, dado que el número de filas
es igual al número de columnas n = m), una vez construida esta se debe encontrar
el elemento más pequeño 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 consignarán los valores resultantes de la diferencia entre cada
costo y el valor mínimo de la fila a la cual cada costo corresponde (valor mínimo
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 mínimo de cada columna,
con la diferencia que este se halla de la matriz resultante en el segundo paso, luego
se construirá una nueva matriz en la cual se consignarán los valores resultantes de
la diferencia entre cada costo y el valor mínimo de la columna a la cual cada costo
corresponde, matriz llamada "Matriz de Costos Reducidos".
A continuación se deben de trazar líneas horizontales o verticales o ambas
(únicamente de esos tipos) con el objetivo de cubrir todos los ceros de la matriz de
costos reducidos con el menor número de líneas posibles, si el número de lineas es
igual al número de filas o columnas se ha logrado obtener la solución óptima (la
mejor asignación según el contexto de optimización), si el número de líneas es
inferior al número 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 restará del restante de
elementos que no se encuentran cubiertos por las líneas; a continuación este mismo
valor se sumará 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.
EJEMPLO:
La compañía de manufactura "Jiménez y Asociados" desea realizar una jornada de

mantenimiento preventivo a sus tres máquinas principales A, B y C. El tiempo que
demanda realizar el mantenimiento de cada máquina es de 1 día, sin embargo la
jornada de mantenimiento no puede durar más de un día, teniendo en cuenta que
la compañía cuenta con tres proveedores de servicios de mantenimiento debe de
asignarse un equipo de mantenimiento a cada máquina para poder cumplir con la
realización del mantenimiento preventivo. Teniendo en cuenta que según el grado
de especialización de cada equipo prestador de servicios de mantenimiento el costo
de la tarea varía para cada máquina en particular, debe de asignarse el equipo
correcto a la máquina indicada con el objetivo de minimizar el costo total de la
jornada. Los costos asociados se pueden observar en la siguiente tabla:
PASO 1
Encontramos el menor elemento de cada fila
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.
PASO 3
En la matriz construida en el paso anterior se procede a efectuar el paso 1 esta vez

en relación 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.
PASO 4
En este paso trazaremos la menor cantidad de combinaciones de líneas

horizontales y verticales con el objetivo de cubrir todos los ceros de la matriz de
costos reducidos.
Como se puede observar el menor número de líneas 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 número 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 líneas, en este caso existe una
única intersección (3).
Ahora ya efectuado este paso pasamos al paso 4.
Ahora observamos cómo se hace necesario trazar tres líneas (la misma cantidad
de filas o columnas de la matriz) por ende se ha llegado al tabulado final, en el que
por simple observación se determina las asignaciones óptimas.
Por ende la asignación que representa el menor costo para la jornada de
mantenimiento preventivo determina que el Equipo 1 realice el mantenimiento de la
Máquina 1, el Equipo 2 realice el mantenimiento de la Máquina 3 y el Equipo 3
realice el mantenimiento de la Máquina 2, jornada que tendrá un costo total de 17
unidades monetarias.
EJEMPLO:
Una organización de recolección de café 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 organización 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 tecnológicas 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 café cosechados en total. El siguiente
tabulado muestra la capacidad (en cientos de sacos) de cosecha de café de cada uno
de los equipos dependiendo de cada uno de los terrenos.
RESOLUCIÓN
En este problema debemos recordar un concepto fundamental para la aplicación

del método húngaro, este concepto nos dice que el número de filas debe ser
exactamente igual al número de columnas. Por ende, la acción a realizar debería
ser crear un equipo ficticio, el cual nos deje el tabulado balanceado y a este
asignarle un número 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 balanceará el tabulado y nos hará prescindir
del equipo ficticio pensado inicialmente. A este equipo 2B que crearemos le
corresponderá la misma capacidad de cosecha del equipo 2 (en adelante equipo
2A) según el terreno, lógicamente.
Una vez balanceado el tabulado debemos de cuestionarnos acerca del criterio de

optimización, pues recordemos que el método húngaro se encuentra diseñado para
ejercicios de minimización. 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 operación
con cada uno de los valores:
Restaremos a 15, el valor de cada una de las celdas y este valor quedará en cada una
de las celdas correspondientes.
Ahora nuestro tabulado inicial quedará de la siguiente manera:
A partir de este tabulado ya podemos aplicar el algoritmo del método húngaro como se
aplicaría en un caso e minimización (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
líneas, si el número de líneas 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 número de líneas es igual al grado de la matriz, hemos concluido el

algoritmo. Lo único que quedará será asignar a cada equipo el terreno en el que el
intercepto es igual a 0 (cero).
Las asignaciones, como es lógico deberán 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
encargará de la cosecha en los terrenos B y C. Según el tabulado del problema
(recordemos que es de maximización), la cantidad de sacos (expresada en cientos
de sacos) será así:
4.8 USO DE SOFTWARE (WIN, QSB, TORA, DS, FOR WINDOWS, LINGO, LINDO
Y OTROS.
El software TORA de optimización es un programa basado en Windows® que tiene
por objeto usarse con muchas de las técnicas presentadas en el libro Investigación
de Operaciones de TAHA . TORA es una aplicación muy simple, con una interfaz
gráfica de baja calidad. Una de las ventajas de TORA es que puede utilizarse en
procesadores de 32 y 64 bits, hoy por hoy su principal desventaja es que deberá
ajustarse la configuración de pantalla para adecuarse a sus ajustes de
presentación de 800 x 600 y 1024 x 768 pixeles. Se recomienda el segundo ajuste,
porque produce una distribución más proporcionada de la pantalla.
EJEMPLO:
Un herrero con 80 Kg. de acero y 120 Kg. de aluminio quiere hacer bicicletas de
paseo y de montaña que quiere vender, respectivamente a 20.000 y 15.000 pesos
cada una para sacar el máximo beneficio. Para la de paseo empleará 1 Kg. De acero
y 3 Kg. de aluminio, y para la de montaña 2 Kg. de ambos metales. ¿Cuántas
bicicletas de paseo y de montaña deberá fabricar para maximizar las utilidades?
Acero Aluminio Precio de Venta
Bicicleta de paseo (x) 1 kg 3 kg $ 20.000
Bicicleta de montaña (y) 2 kg 2 kg $ 15.000
Disponibilidad 80 kg 120 kg
Declaración de variables
x = Cantidad de bicicletas de paseo a producir y

= Cantidad de bicicletas de montaña a producir
Restricciones de capacidad
Aluminio: x
+ 2y <= 80
Acero:
3x + 2y <= 120
Función Objetivo
Zmax = 20000x + 15000y
INGRESANDO LOS DATOS A TORA

Una vez iniciado TORA nos mostrará su menú principal de opciones, en él
seleccionamos la opción "Linear Programming":
Una vez seleccionada la opción de programación lineal, nos mostrará un menú

desde el cual podemos elegir si iniciar un nuevo modelo, o abrir un archivo existente;
además de seleccionar el formato de ingreso de datos, en el cual recomendamos el
formato decimal:
El siguiente paso consiste en completar la información solicitada en la nueva
ventana, correspondiente al nombre del problema, la cantidad de variables y
restricciones:
Una vez consignada la información anterior, y luego de teclear ENTER, nos

mostrará la siguiente interfaz, en la cual debemos consignar la información del
modelo, se trata de un formato tipo matricial muy similar al utilizado por WinQSB:
Una vez completa la información de la matriz, procedemos a resolver el modelo,
presionando el botón SOLVE.
Una vez hagamos esto nos mostrará un menú en el que podemos modificar el
formato numérico de la solución. Luego de esto, nos mostrará un menú emergente
en el que podemos elegir el tipo de solución que queremos visualizar, se encuentra
la solución gráfica y la algebraica, elegimos la algebraica en este caso y
seleccionamos que se nos muestre el tabulado final:
En el tabulado solución podemos observar como la función objetivo toma el mismo

valor obtenido con los programas de solución de Solver y WinQSB. A partir de este
tabulado podemos efectuar un análisis de sensibilidad teniendo en cuenta que:
Objective Value: Nos muestra el resultado de nuestra función objetivo, en este caso
la solución óptima tiene una función objetivo (utilidad) de $ 850.000.
Value: El valor que toman las variables de decisión.
Obj Val Contrib: Es la contribución unitaria de las variables de decisión en la función

objetivo.
Slack-/Surplus+: Cuando la restricción en cuestión tiene el operador <=,

corresponde a una holgura, es decir, se puede interpretar como el recurso no
utilizado. Cuando la restricción en cuestión tiene el operador >=, corresponde a un
exceso, es decir, se puede interpretar como el recurso utilizado por encima de la
restricción de mínimo uso.
Min and Max Obj Coeff: Para un coeficiente de la función objetivo en particular.
Este es el rango en que la base actual de la solución sigue siendo la misma.
Dual price: Llamado en WinQSB como Shadow Price, y en Solver como

Multiplicador de Lagrange, corresponde al cambio marginal de la función objetivo
cuando el valor del lado derecho de la restricción aumenta en una unidad.

Unidad 4 Inv. Op. Terminado 2

Diunggah oleh

Informasi Dokumen

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

Unidad 4 Inv. Op. Terminado 2

Diunggah oleh

Hak Cipta:

Format Tersedia

INSTITUTO TECNOLÓGICO SUPERIOR DE CINTALAPA.

UNIDAD 4: METODOS DE TRANSPORTE REPORTE

CINTALAPA DE FIGUEROA CHIAPAS; A 11 DE JUNIO DEL 2018.

4.1 DEFINICION, PROBLEMA, TRANSPORTE.

La manera más fácil de reconocer un problema de transporte es por su naturaleza

El problema del transporte o distribución es un problema de redes especial en

El contexto en el que se aplica el modelo de transporte es amplio y puede generar

El procedimiento de resolución de un modelo de transporte se puede llevar a cabo

Los problemas de transporte o distribución son uno de los más aplicados en la

PROBLEMA DE TRANSPORTE MEDIANTE PROGRAMACIÓN LINEAL

Como se mencionó anteriormente la programación lineal puede ser utilizada para la

Una empresa posee dos plantas que elaboran un determinado producto en

Se requiere formular un modelo de Programación Lineal que permita satisfacer los

Función Objetivo: Minimizar el costo de transporte dado por la función: 21X11 +

Satisfacer los requerimientos de Demanda:

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 visualización de la situación anterior:

Resolución utilizando el complemento Solver de Microsoft Excel:

1. Abrir una Planilla de Cálculo de Excel. Asegúrese de tener instalado el

4. Seleccione “Resolver”. Obtendrá la solución al problema y podrá requerir los

5. Se actualizarán los valores en la Planilla de Cálculo en las celdas marcadas

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

Ejemplo 1 (Modelo de transporte estándar)

Nueva Orleans 102 68

Mediante el uso de códigos numéricos que representan las plantas y centros de

Minimizar Z = 80X 11 + 215X 12 + 100X 21 + 108X 22

X ij para todas las i y j

El algoritmo de transporte organiza los cálculos en una forma más cómoda

Se debe agregar que el algoritmo especial de transporte fue desarrollado por

Otro detalle importante es que el algoritmo de transporte se basa en la hipótesis que

También estudiaremos más acerca de los algoritmos de transporte pero ante

Problema de transporte: Consiste en decidir cuántas unidades trasladar desde

Los principales objetivos de un modelo de transporte son la satisfacción de todos

Cualquier modelo de transporte se compone de unidades de un bien a distribuir, m

1. Supuesto de requerimientos: cada origen tiene un suministro fijo de unidades

2. Supuesto de costo: el costo de distribuir unidades de un origen a un destino

3. Propiedad de soluciones factibles: un problema de transporte tiene

Lo primero que se debe hacer es formular el problema en términos de programación

Después de formular el problema, el siguiente paso es obtener una solución básica

1. Regla de la esquina noroeste.

• Regla de la esquina noroeste: la primera elección X11, es decir, se inicia la

• Método de la ruta preferente:se fundamenta en la asignación a partir del

• Método de asignación de Vogel: para cada renglón y columna, se calcula

Una empresa energética colombiana dispone de cuatro plantas de

SOLUCIÓN PASO A PASO

Ahora la cantidad asignada a la esquina noroeste es restada a la demanda de Cali

En este caso nos encontramos frente a la elección de la fila o columna a eliminar

El cuadro de las asignaciones (que debemos desarrollarlo paralelamente) queda

4.3 METODO DE LA ESQUINA NOROESTE

Método de la esquina es un método de programación lineal hecho a mano para

Paso 1. Seleccionar la celda de la esquina noroeste (esquina superior izquierda)

De acuerdo a las especificaciones del problema podemos completar la tabla de la

El siguiente paso será seleccionar el número de la esquina más al noroeste:

En este punto se deberá asignar la mayor cantidad de unidades posibles, de manera

Debido a que el deposito 1 se ha abastecido completamente se llega a una solución:

Ahora el deposito 2 contiene 95 litros en total puesto que se le ha restado las 25

La columna del depósito 2 ha sido completada por lo tanto no se tendrá en cuenta,