Professional Documents
Culture Documents
1
Índice pág.
INTRODUCCIÓN
..………………………………...………………………………………..……….…..……3,4
………………………………………………...……………….………………………….5,6
ALGORITMO DE TRANSPORTE
……………………………………………………..………………..…...……......7,8,9,10,11
MÉTODO DE LA ESQUINA NOROESTE.
………………………………………………….………………………………...….12,13,14
MÉTODO DE APROXIMACIÓN DE VOGEL.
……………………………………………………….…………………………....…15,16,17
………………………………………………………………………………….…………..18
EL MÉTODO HÚNGARO.
………………………………………………………….……………………...….…19,20,21
……………………………………………...……………….…...22,23,24,25,26,27,28,29,30
CONCLUSIONES:
………………………………………………………………………………….……….….30
BIBLIOGRAFÍAS:
…………………………………………………………………………………….………..30
CUADRO COMPARATIVO
………………………………………………………………………………..
PROBLEMAS RESUELTOS
………………………………………………………………………………..
2
INTRODUCCIÓN.
El problema consiste en decidir cuántas unidades trasladar desde ciertos puntos de origen
(plantas, 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.
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.
3
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
heurísticos más populares como Vogel, Esquina Noroeste o Mínimos Costos.
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.
4
DEFINICIÓN DEL PROBLEMA DE TRANSPORTE.
El PT es un caso particular de la PL
5
Una solución al PT queda definido por un conjunto de mxn número Xij, donde:
Siendo Xij ≥ 0
El programa lineal del Problema del transporte queda expresado de la siguiente manera:
Sujeto:
El modelo de transporte tiene notable interés por sus importantes aplicaciones que, como se
verá en varios ejercicios, no se restringe únicamente a la distribución de mercancías.
6
ALGORITMO DE TRANSPORTE
EL PROBLEMA DE TRANSPORTE
Ejemplo:
3 bodegas
4 puntos de venta
ai: oferta en bodega i
bj: demanda de vendedor j
cij: costo de envío de i a j
Sea xij la cantidad enviada de i a j
Formule el LP
EL PROBLEMA DE TRANSPORTE
En general, la formulación es
Min
FARMACÉUTICA CARLTON
7
Tiene cuatro centros de distribución en: Boston, Atlanta, St Louis.
DATOS
SUPUESTOS
8
TECNICA DE TRANSPORTE.
Paso 2: determínese la variable que entra, que se elige entre las variables no básicas. Si todas
estas variables satisfacen la condición de optimidad (del método simplex), deténgase; de lo
contrario, diríjase al paso 3.
Podemos obtener una solución básica factible (sbf) para un problema de transporte
balanceado mediante el método de la esquina Noroeste, el método de costo mínimo, o el
método de Vogel.
Para obtener una sbf mediante el método de la esquina noroeste, empiece en la esquina
superior izquierda del cuadro del transporte y haga a X11 lo más grande posible.
Naturalmente, X11 no puede ser mayor que el menor valor Si y así X11 S1 tache el primer
renglón del cuadro de transporte; Esto indica que si habrá más variables básicas del renglón
1 del cuadro. También d1-S1. Si X11=d1, tache la primera la columna del cuadro de
transporte y cambie S1 – d1.
Continúe aplicando este procedimiento a la celda mas noroeste del cuadro que no cae en un
renglón 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.
9
Asigne a esta celda un valor igual a la oferta de su renglón o a la demanda de su columna, y
tache el renglón y la columna de la celda. Se obtiene de esta manera una solución básica
factible.
Paso 2: Utilice uno de los métodos descritos anteriormente para obtener una solución básica
factible.
Paso 3: Utilice el hecho de que U1=0, y Ui+Vj=Cij en todas las variables básicas 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 básicas, entonces
la sbf actual es óptima. Si no es así se introduce la variable con valor más 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 básicas. Después, tomando en cuenta solamente las celdas en el circuito cerrado
marque las que se encuentren alejadas en número par (0,2,4,6,…) de celdas de la variable
que entra como celdas pares. También marque las celdas en el circuito cerrado, que se
encuentra un número 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 saldrá 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
completó el bloqueo.
Sí teta es igual a cero, la variable que entra será igual a cero, y una variable impar que tiene
un valor actual de cero, saldrá de la base. En este caso, existía un sbf degenerada antes del
pivoteo y resultará después del pivoteo.
Si más 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 obtendrá una vez más una sbf
degenerada. El pivoteo produce una nueva sbf.
10
Paso 5: Regrese a los pasos 3 y 4, utilizando la nueva sbf. Para un problema de
maximización, proceda como se especificó, 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 básicas, entonces,
la sbf actual es óptima. De otra manera, coloque la variable con el valor más negativo de Ui
+ Vj – Cij en la base mediante el procedimiento de pivoteo.
11
MÉTODO DE LA ESQUINA NOROESTE.
12
Los costos unitarios de transporte desde el silo i al molino j se representan en la esquina
superior derecha de cada cuadro. Por ejemplo el costo unitario de enviar una unidad de
producto desde el silo 1 al molino 1 es de $10. Adicionalmente los silos 1, 2 y 3 tienen
capacidad u oferta de 15, 25 y 10 unidades, respectivamente. Por otra parte los molinos 1, 2,
3 y 4 tienen requerimientos o demanda de 5, 15, 15 y 15 unidades, respectivamente. El
modelo esta balanceado (suma oferta = suma demanda = 50 unidades).
Al aplicar el Método de la Esquina Noroeste al ejemplo anterior se obtienen los siguientes
resultados. Las flechas indican el orden en el que se generan las cantidades asignadas:
La cantidad asignada a la celda son 5 unidades, dado que, si bien el silo 1 tiene capacidad
de 15 unidades, el molino 1 sólo necesita (demanda) 5 unidades (no se realizan más
asignaciones a la columna 1 correspondiente al molino 1).
13
Luego asignamos 5 unidades a la celda lo cual es por cierto menor que la capacidad del
silo 2 pero lo suficiente para satisfacer los requerimientos del molino 2 (ahora no es posible
generar asignaciones adicionales a la columna 2).
14
MÉTODO DE APROXIMACIÓN DE VOGEL.
El Método de Aproximación de Vogel es una versión mejorada del Método del Costo
Mínimo y el Método de la Esquina Noroeste que en general produce mejores soluciones
básicas factibles de inicio, entendiendo por ello a soluciones básicas factibles que reportan
un menor valor en la función objetivo (de minimización) de un Problema de
Transporte balanceado (suma de la oferta = suma de la demanda).
Los pasos que requiere la aplicación del Método de Aproximación de Vogel son los
siguientes:
Paso 1: Determinar para cada fila (columna) una medida de penalización restando el
elemento de costo unitario mínimo en la fila (columna) del elemento con costo
unitario siguiente al mínimo de la misma fila (columna).
Paso 2: Identificar la fila o columna con la mayor penalización. Romper los empates (de
existir) de forma arbitraria. Asignar todo lo posible a la variable que tenga el mínimo costo
unitario de la fila o columna seleccionada. Ajusta la oferta y la demanda y tachar la fila o la
columna ya satisfecha. Si se satisfacen una fila y una columna en forma simultánea, sólo se
tacha uno de los dos y al que queda se le asigna oferta o demanda cero.
Paso 3:
Si queda sin tachar exactamente una fila o columna con cero oferta o demanda, detenerse.
Si queda sin tachar una fila (columna) con oferta (demanda) positiva, determinar las variables
básicas en la fila (columna) con el Método del Costo Mínimo. Detenerse.
Si todas las filas y columnas que no se tacharon tienen cero oferta y demanda (restante),
determinar las variables básicas cero por el Método del Costo Mínimo. Detenerse.
En cualquier otro caso, seguir en el Paso 1.
15
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 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):
16
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.
17
DEFINICIÓN DEL PROBLEMA DE ASIGNACIÓN
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.
18
EL MÉTODO HÚNGARO.
Aplicar el Método Húngaro para encontrar una asignación óptima de los ingenieros a las
tareas.
El Paso 1 del Método Húngaro requiere identificar el valor mínimo de cada fila. En el caso
de la fila 1 dicho valor es $9 siendo el costo de que el ingeniero realice la tarea 3. En particular
19
si se dispone de un problema de mayor tamaño, hacer uso de Excel facilita los cálculos tal
como se muestra en la siguiente imagen:
A continuación, se resta el mínimo de cada fila a cada uno de los valores de la fila respectiva,
para obtener la matriz reducida:
La aplicación del Paso 2 produce los mínimos de cada columna según se observa en la tabla
anterior. Al restar esos valores de las columnas respectivas se obtiene la siguiente matriz
reducida:
20
Las celdas con valor cero y color azul son la solución óptima. En consecuencia, el ingeniero
1 realiza la tarea 2, el ingeniero 2 asuma la tarea 1 y el ingeniero 3 la tarea 3. Cada ingeniero
realiza exactamente una tarea y el costo total de dicha asignación (valor óptimo) es
de $9+$10+$8=$27. Los pasos presentados del Método Húngaro para el ejemplo anterior
funcionaron bien debido a que los elementos cero de la matriz anterior permite una
asignación factible de ingenieros a tareas (en el sentido que las tareas se asignan de forma
única a los ingenieros). No siempre esto es posible lograr una solución factible en la
aplicación caso en el cual se requiere pasos adicionales para la aplicación del método.
21
USO DE SOFTWARE PARA LA SOLUCIÓN DE PROBLEMAS
DE TRANSPORTE (POM-QM )
Introducción: El software POM-QM (Production and Operations Management, Quantitative
Methods) es una herramienta que contiene los principales métodos cuantitativos para las
asignaturas de Investigación de operaciones I y II, así como otras propias de la carrera de
Ingenierías.
22
23
24
25
26
PROBLEMA DE ASIGNACIÓN
27
28
29
CONCLUSIONES:
Con ayuda de los métodos de asignación y transporte se puede lograr un óptimo reparto de
productos o personal dentro de una empresa lo que permite tener un mejor desarrollo y
obtener más ganancias, que se verán reflejadas en el crecimiento de esta a base de un buen
funcionamiento. Permite administrar de la mejor manera los recursos con los que se cuenta
para poder aprovecharlos al máximo, como también ayuda a obtener mayores ganancias y a
minimizar los costos.
BIBLIOGRAFÍAS:
https://jrvargas.files.wordpress.com/2008/08/practicas-de-io-con-pom-qm2.pdf
https://analisisderedes.wordpress.com/unidad-ii/problema-de-transporte/
Hillier, F.; Liberman, G. (2001). Investigación de Operaciones. México. Editorial Mc. Graw
Hill.
Mathur, K.; Solow, D (1996). Investigación de Operaciones. El arte de la toma de decisiones.
México. Prentice Hall.
Taha, H. (2004). Investigación de Operaciones. México. Perason Prentice Hall.
Wayne, W. (2005). Investigación de Operaciones. Aplicaciones y Algoritmos. México.
Editorial Thomson.
30
31