INSTITUTO TECNOLOGICO

SUPERIOR DE IRAPUATO

Carrera: Ingeniería industrial

Nombre de la actividad: PROYECTO INTEGRADOR

Fase 2: Compendio de ejercicios realizados en Tema
1, 2, 3 y 4

Materia: Investigación de operaciones

Profesor: Arturo Martínez González

Alumno: José Carlos Tornero Romero

Fecha: 19 mayo 2020

Introducción a la investigación de operaciones

Debido al rápido crecimiento de los sistemas de información aunado a las múltiples

adaptaciones que sufren las organizaciones mediante el uso de nuevas tecnologías para la
toma de decisiones, surge la necesidad de restructurarse nuevamente para la toma de
decisiones apoyadas en un sistema que permita visualizar con eficacia el proceso de
productividad en la organización.

La alta competitividad que existe en los mercados hace que la toma de decisiones sea más
rápida, la postergación da ventaja, al contrario, así es cuando no se cuenta con los equipos de
información y conocimientos adecuados para hacer frente al marco legal de la globalización.

La palpable dificultad de tomar decisiones ha hecho que el hombre busque herramientas o

métodos que se lo permitan en el menor tiempo posible, minimizando de esta manera los
factores de riesgo, basados en el uso de la tecnología que hoy en día impera. Tales
herramientas que dan consistencia para la aplicación de la toma de sesiones se encuentra en
los modelos matemáticos de “investigación de operaciones”. Estos modelos relacionan las
variables típicas sumergidas en las variantes de una empresa, como son:

 La organización
 Ventas
 Compras
 Gastos
 Producción
 Materia prima
 Costos
 Utilidad
 Insumos
 Entre otros
Ejercicios desarrollados en el tema

1.-La compañía SIGMA fabrica pupitres, sillas y mesas, para los cuales ha establecido que
rinden una contribución a las utilidades de $ 5.000, $6.000 y $3.000 por unidad
respectivamente. Para la producción de dichos artículos la compañía cuenta con una
disponibilidad semanal de 150 metros de madera, 120 metros de tubo y 200 horas-hombre de
trabajo. Plantee el modelo matemático de programación lineal que se genera si sabe que para
producir un pupitre se requiere de 5 metros de madera, 3 metros de tubo y 4 horas- hombre
de trabajo; para producir una silla se requieren 3 metros de madera, 4 metros de tubo y 5
horas-hombre de trabajo; mientras que, para producir una mesa se requieren 2 metros de
madera, 3 metros de tubo y 1 hora-hombre de trabajo.

Información
Recursos Pupitres Sillas Mesas Material semanal
disponible
Madera 5m 3m 2m 150mts
Tubo 3m 4m 3m 120mts
Horas- 4h 5h 1h 200hrs
hombre
Utilidad por $5000 $6000 $3000
unidad

Variables

x=cantidad de pupitres a producir por semana

y=cantidad de sillas a producir por semana

z=cantidad de mesas a producir por semana

Máx Z=máximautilidad

Función de objetivo

Garantizar el máximo de utilidad

Máx Z=5000 x +6000 y +3000 z

Restricciones

Se dispone de una limitada cantidad de recursos

5 x+ 3 y +2 z ≤ 150 mts de madera

3 x+ 4 y +3 z ≤ 120 mts de tubo

4 x+5 y + z ≤200 hrs hombre

Variables de no negatividad

No se pueden producir unidades negativas de ningún producto

x , y , z≥0

2.- La compañía BETA ha sacado del mercado un producto que ya no le era rentable, lo cual
genera que haya una capacidad disponible semanal que no se está utilizando en sus 3
departamentos así: 200 horas en corte, 240 horas en soldadura y 150 horas en empaque. El
departamento de producción propone que dicha capacidad sea utilizada en la producción de
puertas, ventanas y claraboyas en la forma más eficiente posible, para dichos artículos se ha
establecido un posible precio de venta de $5.000, $3.000 y $4.000 por unidad
respectivamente. Además, se ha determinado que para producir una puerta se requiere de 2
horas en corte, 3 horas en soldadura y 5 horas en empaque. Para producir una ventana se
requiere 5 horas en corte, 4 horas en soldadura y 1 hora en empaque; mientras que para
producir una claraboya se requiere 4 horas en corte, 2 horas en soldadura y 3 horas en
empaque. Plantee el modelo de programación lineal que se genera si se sabe que el
departamento de mercadeo informo que mínimo se venderán 20 ventanas y como máximo 10
claraboyas.

Información
 Recursos Puertas Ventanas Claraboyas Capacidad semanal
disponible
Corte 2h 5h 4h 200hrs
Soldadura 3h 4h 2h 240hrs
Empaquete 5h 1h 3h 150hrs
Precio $5000 $3000 $4000
Venta Min 20 Max 10
Variables

x=cantidad de puertas a producir por semana

y=cantidad de ventanas a producir por semana

z=cantidad de claraboyas a producir por semana

Máx Z=máxima venta

Función del objetivo

Conocer el máximo de ingresos para la compañía

Máx Z=5000 x +3000 y+ 4000 z

Restricciones

Se dispone de una cantidad limitada de los recursos

2 x+5 y + 4 z ≤ 200 hrs de corte

3 x+ 4 y +2 z ≤ 240 hrs de soldadura

5 x+ y+ 3 z ≤150 hrs de empaquete

Restricciones generadas por el departamento de mercadeo

y ≥20
z ≤ 10

Variables de no negatividad

No se pueden producir unidades de venta negativas

x , y , z≥0

3.- La compañía Gama fabrica camisas y blusas en una línea de producción con tres procesos
que son: corte, ensamble y empaque. Se ha establecido que una camisa genera una utilidad
de $7000 y una blusa una utilidad de $9000. Mediante un estudio de tiempos se estableció
que una camisa requiere de 1 hora de corte, 2 horas de ensamble y ½ hora en empaque;
mientras que una blusa requiere de ½ hora en corte, 4 horas en ensamble y 1 hora en
empaque. Se sabe que la compañía GAMA trabajas 8 horas diarias durante 5 días a la
semana. ¿Cómo queda el modelo de programación lineal si se sabe que actualmente cuenta
con 40 trabajadores en la sección de corte, 80 trabajadores en la sección de ensamble y 20
trabajadores en la sección de empaque?

Información
Recursos Camisa Blusa Trabajadores Horas por semana
Corte 1h 0.5h 40 1600hrs
Ensamble 2h 4h 80 3200hrs
Empaque 0.5h 1h 20 800hrs
Utilidad $7000 $9000
Las horas productivas por semana se sacan multiplicando los días labores 5 por 8 horas
diarias y por el número de trabajadores; ejemplo, (8*5*20) = 800 horas productivas por
semana

Variables

x=cantidad de camisas a producir por semana

y=cantidad de blusas a producir por semana

Máx Z=máximautilidad
Función del objetivo

Rendimiento de la compañía en su utilidad

Máx Z=7000 x +9000 y

Restricción del modelo

Limitación de tiempo en cada proceso

1
x + y ≤ 1600 hrsde corte
2

2 x+ 4 y ≤3200 hrs de ensamble

1
x+ y ≤ 800 hrs de empaque
2

Variables de no negatividad

No se pueden producir utilidades negativas

x , y ≥0

Conclusión:

es una forma muy organizada de plantear los datos de una operación, ya que es
indispensable tomar en cuenta todos los datos para que una industria tenga una mayor
utilidad o se puede utilizar en cualquier aspecto de la vida cotidiana para sacarle mayor
provecho a la producción con los recursos que se nos bridan.
Tema 2 EL MÉTODO SIMPLEX
Introducción

El Método Simplex, como parte de la programación lineal, es un método analítico capaz de

resolver aquellos modelos que se vuelven complejos en el uso del método gráfico por el
número de variables empleadas.

Formulación del Modelo Usar un modelo matemático para la resolución de problemas es la

base de la programación lineal recordando que modelo se refiere a la representación
simplificada de la realidad; los modelos matemáticos en específico hacen uso de símbolos
matemáticos y presentan elementos como:

 Variables: representan las incógnitas del problema

 Restricciones: se contemplan las limitaciones a las que se encuentra sujeta la resolución del
problema considerando la escasez de recursos en tiempo y espacio.

 Función objetivo: representa la meta que se pretende alcanzar y en la cual se basan las
decisiones principales para maximizar los beneficios o bien para minimizar los costos
(considere que en la programación lineal el calificativo “lineal” hace referencia que las
ecuaciones usadas en el modelo serán siempre de primer grado, es decir, sin exponentes).

Por lo tanto, es importante señalar cuestiones que debe considerar la persona encargada del
modelado

 Entre más sencillo sea el modelo, mejor será el resultado. Un modelo complejo no siempre
será la mejor solución.

 El modelo debe ser validado antes de ser implementado para saber si representa la
situación real y en caso de no ser así habrá que hacer los ajustes correspondientes.

 Si se hacen las cosas de manera apresurada, el modelo saldrá mal. Debe hacerse un
minucioso análisis de la información recabada para identificar que en verdad será útil para el
modelo.

 Los modelos son una herramienta más el tomador de decisiones tendrá siempre la última
palabra.
Ejercicios desarrollados en el Tema 2 EL MÉTODO SIMPLEX

Ejercicio 1
Máx Z=x 1 +2 x2
Sujeto a
x1 ≤ 5
x2 ≤ 6
x 1+ x2 ≤ 8
y
x1 , x2 ≥ 0

- Ingreso de datos

- Lista de solución
- Iteraciones generadas

- Problema dual
- Gráfico generado

Conclusiones

Para que se cumpla con el objetivo de maximizar el modelo analizado, Z tomara un valor de
14, x1 =2 y x2=6, en el gráfico y en las iteraciones se puede observar que efectivamente, en la
intersección de los puntos mencionados, se encuentra la región factible en donde la función
objetivo alcanza su punto máximo.

Se concluye que la solución es la más óptima para aprovechar los recursos que se tienen.

Sustituimos para comprobar.

2 ≤5
6≤6
2+6=8 ≤ 8
2,6 ≥ 0
Ejercicio 2
Máx Z=3 x 1 +2 x 2
Sujeto a
2 x1 +¿ x ≤6 ¿
2

x 1+¿2 x ≤ 6 ¿
2

y
x1 , x2 ≥ 0

-Ingreso de datos

- Lista de solución

- Iteraciones generadas
- Problema dual

- Gráfico generado
Conclusiones

Para que se cumpla con el objetivo de maximizar el modelo analizado, Z tomara un valor de
10, x1 =2 y x2=2, en el gráfico y en las iteraciones se puede observar que efectivamente, en la
intersección de los puntos mencionados, se encuentra la región factible en donde la función
objetivo alcanza su punto máximo.

Se concluye que la solución es óptima y aprovecha los recursos al máximo, por lo tanto,
ambos recursos son escasos.

2(2)+¿2 P =6 ≤ 6 ¿
2+2 ( 2 )=6 ≤ 6
2,2 ≥0

Ejercicio 3
Máx Z=2 x 1+ 3 x 2
Sujeto a
x 1+¿3 x ≤ 6 ¿
2

3 x 1+¿2 x ≤6 ¿
2

y
x1 , x2 ≥ 0

-Ingreso de datos

- Lista de solución

- Iteraciones generadas
- Problema dual

- Gráfico generado
Conclusiones

Para que se cumpla con el objetivo de maximizar el modelo analizado, Z tomara un valor de
6.85, x1 =0.85 y x2=1.71, en el gráfico y en las iteraciones se puede observar la región factible
en donde la función objetivo alcanza su punto máximo.

La solución es la más óptima para aprovechar los recursos.

0.85+3 ( 1.71 )=5.98 ≤ 6

3 ( 0.85 ) +2 ( 1.71 )=5.97 ≤ 6
0.85,1 .71≥ 0

Ejercicio 4
Min=5 x 1+ 2 x 2
s . a 3 x 1 +6 x 2 ≥ 18
5 x 1+ 4 x 2 ≥ 20
8 x 1+ 2 x 2 ≥ 16
7 x 1+ 6 x 2 ≥ 42
x1 , x2 ≥ 0
- Ingreso de datos

- Lista de solución

- Iteraciones generadas
- Problema dual

- Gráfico generado
.

Conclusiones

Para que se cumpla con el objetivo de minimizar el modelo analizado, Z tomara un valor de
14.9, x1 =0.35 y x2=6.58, en el gráfico y en las iteraciones se puede observar que los puntos
son la solución óptima para este modelo, ya que en dichos puntos es donde la función toma
su valor más pequeño.

Ejercicio 5
Considere el siguiente conjunto de restricciones
x 1+ 2 x 2 +2 x 3 + 4 x 4 ≤ 40
2 x1 −x2 + x 3 +2 x 4 ≤ 8
4 x1 −2 x 2 + x 3−x 4 ≤10
x1 , x2 , x3 , x4 ≥ 0

a) Máx Z=2 x 1+ x2 −3 x3 +5 x 4
b) Máx Z=8 x 1 +6 x 2 +3 x 3−2 x 4
c) Máx Z=3 x 1−x 2 +3 x 3 +4 x 4
d) Min Z=5 x 1−4 x2 +6 x 3−8 x 4

a)
- Ingreso de datos

- Lista de solución

- Iteraciones generadas
- Problema dual

b)

- Ingreso de datos

- Lista de solución

- Iteraciones generadas
- Problema dual

c)

- Ingreso de datos

- Lista de solución
- Iteraciones generadas
- Problema dual

d)

- Ingreso de datos
- Lista de solución

- Iteraciones generadas
- Problema dual

Conclusiones

Si bien el Método Simplex puede ser resuelto de forma algebraica, la forma tabular es
apropiada para todos aquellos que se encuentran en un curso introductorio y que no
necesariamente tengan el conocimiento del uso de matrices o poliedros. El mercado y la
constante competencia piden y exigen personas generadoras de ideas nuevas, pero justo
cada idea requiere decisiones que implican una serie de recursos.

Programación entera

La programación entera tiene que ver con la solución de problemas de programación

matemática en las cuales alguna o todas las variables solo pueden tomar valores enteros o
negativos.

Un programa entero recibe el nombre de mixto o puro, dependiendo de si en ausencia de las

condiciones de integridad o totalidad.
Uno de las dificultades principales en los procedimientos del cálculo de la programación
entera es el efecto que tiene el error de redondeo que se genera a partir del uso inevitable de
la computadora digital para resolver problemas enteros.

¿Qué es la Programación Entera?: Un modelo de Programación Entera es aquel cuya

solución óptima tiene sentido solamente si una parte o todas las variables de decisión toman
valores restringidos a números enteros, permitiendo incorporar en el modelamiento
matemático algunos aspectos que quedan fuera del alcance de los modelos de Programación
Lineal.

En este sentido los algoritmos de resolución de los modelos de Programación Entera difieren
a los utilizados en los modelos de Programación Lineal, destacándose entre ellos el Algoritmo
de Ramificación y Acotamiento (o Branch & Bound), Branch & Cut, Planos Cortantes,
Relajación Lagrangeana, entre otros.

Ejercicios desarrolados del tema 2

Conclusiones

Una de las dificultades principales en los procedimientos de cálculo de la programación entera

es el efecto que tiene el error de redondeo que se genera a partir del uso inevitable de la
computadora digital para resolver problemas enteros. Aunque se han desarrollado algoritmos
donde, comenzando con un problema donde todos los coeficientes son enteros, nunca se
necesita manejar fracciones con lo que se elimina el error de redondeo de la máquina, esta
ventaja se obtiene solo a expensas de la convergencia extremadamente lenta del algoritmo.
Tema 4 modelos de transporte y asignación

Introducción:

La programación lineal es una herramienta de modelos cuantitativos para manejar diferentes

tipos de problemas y ayudar a la toma de decisiones.

En esta unidad se considera el modelo de transporte por medio del cual un administrador
debe determinar la mejor forma de cómo hacer llegar los productos de sus diversos
almacenes a sus consumidores, con el fin de satisfacer de los clientes y a un costo mínimo.

El modelo de transporte es un problema de optimización de redes donde debe determinarse

cómo hacer llegar los productos desde los puntos de existencia hasta los puntos de demanda,
minimizando los costos de envió.

El modelo se utiliza para realizar actividades como: control de inventarios, programación del
empleo, asignación de personal, flujo de efectivo, programación de niveles de reservas en
prensas entre otras.

El problema de transporte simple es un caso especial de la programación lineal, pues la

estructura matemática que lo representa, resulta en un modelo cuyas restricciones tienen
términos de coeficientes 1, lo cual ha permitido el desarrollo del algoritmo de solución basado
en el simplex pero simplificado, logrando así mayor eficiencia en labor de cálculo. Es aplicable
en la distribución de bienes de consumo, de servicios eléctricos y de agua, en la asignación
de equipo a la producción; también tiene aplicaciones de otra naturaleza como es, el
inventario industrial o la asignación uno a uno, de ahí la importancia del modelo.
Ejercicios desarrollados en el tema “modelos de transporte y asignación”

MODELOS DE TRANSPORTE
SOFTWARE: QM FOR WINDOWS / Módulo: Transportation

EJERCICIO 1
La Compañía Childfair tiene tres plantas de producción de carros para bebés que deben
distribuirse a cuatro centros de distribución. Las plantas 1, 2 y 3 producen 12, 17 y 11
cargamentos por mes, respectivamente. Cada centro de distribución necesita recibir 10
cargamentos por mes. En la siguiente tabla se da la distancia de cada planta a su respectivo
centro de distribución:

Distancia
Centro de distribución
1 2 3 4
1 800 millas 300 millas 400 millas 700 millas
Plant
2 1,100 millas 1,400 millas 600 millas 1, 000 millas
a
3 600 millas 1,200 millas 800 millas 900 millas

El costo del flete de cada embarque es de $100 más 0.50 centavos por milla.
a) Definir la tabla de costos de embarque.

Planta 1 2 3 4 Oferta
1 500 750 300 450 12
2 650 800 400 600 17
3 400 700 500 550 11
Demanda 10 10 10 10 40
 b) ¿Cuánto se debería embarcar a cada centro de distribución para minimizar el costo
total del envío? Obtenga una solución óptima mediante el uso del software QM for
Windows (considerar las siguientes tablas en el reporte: shipments with cost y shipping
list -que se pueda apreciar qué fuente provee a qué destino-)

Para obtener el costo mínimo de $20200 pesos se deben mandar de la planta 1 al centro de distribución 3 solo
2 cargamentos y 10 cargamentos al centro de distribución 4, de la planta 2 se mandan 9 cargamentos al centro
de distribución 2 y 8 cargamentos al centro de distribución 3 y por último la planta 3 manda 10 cargamentos al
centro de distribución 1 y un cargamento al centro de distribución 2.

Shipments with costs

Shipping list
EJERCICIO 2
Tom desearía comprar exactamente 3 litros de cerveza casera hoy y al menos 4 litros
mañana. Dick quiere vender un máximo de 5 litros en total a un precio de $3.00 por litro hoy y
de $2.70 por litro mañana. Harry está dispuesto a vender un máximo de 4 litros en total, a un
precio de $2.90 por litro hoy y $2.80 por litro mañana.
Tom quiere saber cuánto debe comprar a cada uno para minimizar su costo y a la vez cumplir
con los requisitos mínimos para satisfacer su sed.
a) Formule este problema como un problema de transporte mediante la construcción de la
tabla de parámetros apropiada.

   Min z = 3x11 + 2,70x12 + 2,90x21 + 2,80x22

s.a.
                                   x11 + x12 ≤ 5
                                   x21 + x22 ≤ 4
                                   x11 + x21 = 3
                                   x12 + x22 = 4
El problema no está balanceado, toca balancearlo con una oferta imaginaria. Para que se cumpla todas las
restricciones.

  Dick Harry - Oferta

Hoy 3 2,7 0 5
Mañana 2,9 2,8 0 4
Demanda 3 4 2 9

b) Obtenga una solución óptima para este problema mediante el uso del software QM for
Windows (considerar las siguientes tablas en el reporte: shipments with cost y shipping
list -que se pueda apreciar qué fuente provee a qué destino-).

a)
Para obtener el costo mínimo de $19,5 pesos tom le debe comprar hoy a Harry 4 litros de cerveza y mañana a
Dick 3 litros de cerveza.

Shipments with costs

Shipping list
EJERCICIO 3

Tres plantas de energía eléctrica de 25, 40 y 30 millones de kWh abastecen electricidad a tres
ciudades. Las demandas máximas en las tres ciudades se estiman en 30, 35 y 25 millones de
kWh. El precio por millón de kWh en las tres ciudades se da en la tabla.
Precio/millón de kWh
Ciudad
1 2 3
1 $600 $700 $400
Planta 2 $320 $300 $350
3 $500 $480 $450

Durante el mes de agosto la demanda se incrementa 20% en cada una de las tres ciudades,
la cual puede satisfacerse adquiriendo electricidad de otra red a un precio más elevado de
$1000 por millón de kWh. La red no está enlazada a la ciudad 3. La compañía eléctrica desea
determinar el plan más económico para la distribución y compra de energía adicional.

  Ciudad
Planta 1 2 3 Oferta
1 600 700 400 25
2 320 300 350 40
3 500 480 450 30
Demanda 30 35 25 95

a) Formule el problema como un modelo de transporte considerando el aumento de la

demanda y que la red de la nueva compañía no está enlazada a la ciudad 3.

El problema no está balanceado, balanceamos el problema y también un planteamiento sin considerar los
incrementos de la Demanda del mes de agosto. Obtenemos lo siguiente.
El costo mínimo sería de $34.600 donde la planta 1 distribuye 25 kw/hora a la ciudad, la planta 2 distribuye a
la ciudad 1 y 2 30 y 10 Kw/hora y la planta 3 le distribuye 25 kw/hora a la ciudad 2.

Planteamiento considerando los incrementos de la Demanda del mes de agosto con el incremento de la
demanda 20% y que la red nueva de la compañía no está enlazada a la ciudad 3

El costo mínimo sería de $34.228 donde la planta 1 distribuye 25 kw/hora a la ciudad, la planta 2 distribuye a
la ciudad 1 y 2 18 y 2 Kw/hora y la planta 3 le distribuye 20 kw/hora a la ciudad 2 y 5 kw/hora a la planta 3 y a
la nueva planta de red a la ciudad 1 le distribuye 18kw/hora.
 b) Determine un plan de distribución óptimo para la compañía eléctrica aplicando el
software QM for Windows (considerar las siguientes tablas en el reporte: shipments
with cost y shipping list -que se pueda apreciar qué fuente provee a qué destino-).

Shipments with costs

Shipping list

MODELOS DE ASIGNACIÓN
SOFTWARE: QM FOR WINDOWS / Módulo: Assingnment
OJO: en el software las tareas (jobs) son filas, y los asignados (machines) son las columnas, ténganlo presente
al ingresar los datos

EJERCICIO 4

Considere un problema de asignación con la siguiente tabla de costos.

Tarea
1 2 3 4
A 8 6 5 7
B 6 5 3 4
Asignado
C 7 8 4 6
D 6 7 5 6

Use QM for Windows (considerar las siguientes tablas en el reporte: assignment results y
assignment list -que se pueda apreciar qué tarea le corresponde cuál asignado-) para obtener
una solución óptima.

Se muestra que se le tiene que al trabajador A debe llevar a cabo la tarea 6 con un costo
de $
6,
Al trabajador B la tarea 4 con un costo de $4,
Al trabajador C la tarea 3 con un costo de $4,
Y al final al trabajador D la tarea 1 con un costo de 6, en total suma $20 de costo.
EJERCICIO 5

Se deben utilizar cuatro barcos cargueros para transportar bienes de un puerto a otros cuatro
puertos (numerados 1, 2, 3 y 4). Se puede usar cualquier barco para hacer cualquiera de los
cuatro viajes. Sin embargo, dadas algunas diferencias entre las naves y las cargas, el costo
total de carga, transporte y descarga de bienes de las distintas combinaciones de barcos y
puertos varía de manera considerable. Estos costos se muestran en la siguiente tabla:

Puerto
1 2 3 4
1 $500 $400 $600 $700
2 $600 $600 $700 $500
Barco
3 $700 $500 $700 $600
4 $500 $400 $600 $600

El objetivo es asignar los barcos a los puertos en una correspondencia uno a uno de manera
que se minimice el costo total de los cuatro envíos.
Use QM for Windows (considerar las siguientes tablas en el reporte: assignment results y
assignment list -que se pueda apreciar qué puerto le corresponde cuál barco-) para obtener
una solución óptima.

El resultado nos muestra que al barco 1 se le asigna el puerto 2, con un costo de $400, al barco 2 se le asigna el
puerto 4, con un costo de $500, al barco 3 se la asigna el puerto 3 con un costo de $700, finalmente al barco 4
se le asgna el puerto 1 con un costo de $500, da un total de $2100 de costo.
EJERCICIO 6

El entrenador de un equipo de natación debe asignar competidores para la prueba de 200

metros de relevo combinado que irá a las Olimpiadas Juveniles. Como muchos de sus
mejores nadadores son rápidos en más de un estilo, no es fácil decidir cuál de ellos asignar a
cada uno de los cuatro estilos. Los cinco mejores nadadores y sus mejores tiempos (en
segundos) en cada estilo son los siguientes:

Tipo de nado Carl Chris David Tony Ken

Dorso 37.7 32.9 33.8 37.0 35.4
Pecho 43.4 33.1 42.2 34.7 41.8
Mariposa 33.3 28.5 38.9 30.4 33.6
Libre 29.2 26.4 29.6 28.5 31.1

El entrenador quiere determinar cómo asignar cuatro nadadores a los cuatro estilos de nado
para minimizar la suma de los mejores tiempos correspondientes

Use QM for Windows (considerar las siguientes tablas en el reporte: assignment results y
assignment list -que se pueda apreciar quiénes participarán en la competencia-) para obtener
una solución óptima.

Se muestra que los mejores nadadores están asignados, en dorso David con un tiempo
de 33.8seg, en nado de pecho tony con un tiempo de 34.7 seg, en nado de mariposa
chris con un tiempo de 28.5 seg, y en nado libre Carl con un tiempo de 29.2 seg, da un
total de 126.2 segundos los 4 nadadores.

Conclusiones sobre el tema

Me parece de gran utilidad utilizar el software para realizar este tipo de ejercicios de
transporte y asignación ya que queda de manera más rápida y clara, es una forma innovadora
de realizar los cálculos y queden exactos.
Es de gran utilidad el método de transporte y asignación ya que se agiliza el proceso y se
determina de manera más clara la forma de asignar y transportar el objetivo que se desea.