INSTITUTO TECNOLOGICO DE ACAPULCO.

Materia: Métodos cuantitativos para la administración.

Profesor: Zavala Berdeja Jesús.
Alumno: Sánchez Cayetano Daniel.
Aula: 904

Grupo: LA4

Trabajo: Unidad 3 Transporte y Asignación.

 3.1. El problema del Transporte.

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.

3.2 Método de la esquina Noreste.

El método de la esquina Noroeste es un algoritmo heurístico capaz de
solucionar problemas de transporte o distribución, mediante la consecución de una
solución básica inicial que satisfaga todas las restricciones existentes, sin que esto
implique que se alcance el costo óptimo total.
Este método tiene como ventaja frente a sus similares, la rapidez de su ejecución, y es
utilizado con mayor frecuencia en ejercicios donde el número de fuentes y destinos sea
muy elevado.
Su nombre se debe al génesis del algoritmo, el cual inicia en la ruta, celda o esquina
Noroeste. Es común encontrar gran variedad de métodos que se basen en la misma
metodología de la esquina Noroeste, dada que podemos encontrar de igual manera el
método e la esquina Noreste, Sureste o Suroeste.
Algoritmo de resolución de la Esquina Noroeste
Se parte por esbozar 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).
Pasó 1
En la celda seleccionada como esquina Noroeste se debe asignar la máxima 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, restándole la cantidad asignada a la celda.
Pasó 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.
Pasó 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 de Esquina Noroeste

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.

Solución pasó 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:

3.3 Método del Costo Mínimo.

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.
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 del Método del Costo Mínimo
Por medio de este método resolveremos el problema de transporte propuesto y resuelto
en artículos anteriores mediante programación lineal.

El problema
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.
Solución pasó a paso
Seleccionamos la celda con menor valor, es decir la menos costosa, para asignarle la
mayor cantidad posible.
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

Nuevo proceso de asignación

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:

Los costos asociados a la distribución son:

 3.4 Método de 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.

Pasó 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).
Pasó 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).

Pasó 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.
El problema
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.
Solución pasó a paso
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

Continuamos con las iteraciones…
Iniciamos otra 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.

Los costos asociados a la distribución son:

 3.5 Modelos de optimización.

Un modelo de optimización es la representación matemática de un problema real en el

cual uno conoce el impacto de cada una de las variables y uno busca encontrar el mínimo
valor (o máximo) posible de una función objetivo: costo, ventas, nivel de servicio, entre
otros.

Un problema simple:
Pensemos en un problema simple. Queremos encontrar la casa rectangular que tenga
menor perímetro y que tenga una superficie igual a 100 metros cuadrados. La formulación
es sencilla. Lo primero es identificar cuál es la variable a minimizar. En este caso queremos
minimizar el perímetro. Supongamos que un lado mide a y el otro lado mide b, el
perímetro sería 2(a+b). Por lo tanto, la función objetivo a minimizar sería:

Minimizar 2(a+b)

Además tenemos la restricción que la superficie tiene que ser igual a 100 metros
cuadrados por lo tanto a*b debe ser igual a 100.
Haciendo un poco de matemática, utilizando la relación a*b=100 y reemplazando en la
función objetivo (no se ha definido la función objetivo) llegamos a que debemos minimizar
la siguiente función:
Min 2*(a+100/a)
 
Generemos un gráfico para identificar la solución:

Vi
sualización gráfica
Como se puede observar, el mínimo se encuentra en a=10. Esto define también que
b=100/10=10, y que por lo tanto a=b=10, lo que implica una casa cuadrada.
La resolución de este problema es trivial pero tiene la ventaja que nos permite identificar
los distintos elementos de un modelo de optimización. En primer lugar, tenemos la
función objetivo, que es la función a minimizar (o maximizar). En segundo lugar, tenemos
las restricciones del sistema, que pueden interpretarse como las reglas de negocio del
sistema a evaluar.
 
A diferencia de los modelos de simulación, en que uno no conoce el impacto de cada
variable en el resultado final (por eso uno modela con tanto detalle todas las interacciones
del sistema), en un modelo de optimización se asume que uno conoce el impacto de cada
variable (lo que se ve reflejado en la función objetivo), y que lo que se desea realizar es
explorar todo el sistema por la mejor solución. Esto es crucial en muchos problemas, en
los cuales uno puede pasar horas encontrando una solución “a mano”.

3.6 Método 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 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 exageradamente superior al número de vacantes (lógicamente haciendo
referencia a la aplicación del modelo al contexto de oferta y demanda laboral).
 3.7 Método Húngaro.

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.

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.
Pasó 2
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).
Pasó 3
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».
Pasó 4
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 líneas 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.
Pasó 5
Este paso consiste en encontrar el menor elemento de aquellos valores que no se
encuentran cubiertos por las líneas 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 líneas horizontales y
verticales, una vez finalizado este paso se debe volver al paso 4.
Solución de un problema de asignación mediante el Método Húngaro

El problema
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

 
Pasó 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.
Pasó 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.

 
Pasó 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.

Solución de un problema de maximización mediante el Método Húngaro

El problema
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.
Solución
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, 4×4) 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:

3.8 Interpretación de Resultados.

Es el proceso a través del cual ordenamos, clasificamos y presentamos los resultados de la
investigación en cuadros estadísticos, en graficas elaboradas y sistematizadas a base de
técnicas estadísticas con el propósito de hacerlos comprensibles.