Modelo de Tesis Unsa

UNIVERSIDAD NACIONAL DE SAN AGUSTÍN DE AREQUIPA
ESCUELA DE POSTGRADO
UNIDAD DE POSTGRADO DE LA FACULTAD DE
INGENIERÍA DE PRODUCCIÓN Y SERVICIOS
MODELO DE PROGRAMACIÓN BINARIA PARA

OPTIMIZAR LA PROGRAMACIÓN DE
AUTOBUSES EN UNA RUTA DE TRANSPORTE
URBANO DE PASAJEROS DE AREQUIPA
Tesis presentada por el Bachiller:

Efraín Rafael Murillo Quispe
Para optar el Grado de Maestro en
INGENIERÍA INDUSTRIAL
Con mención en
GESTIÓN DE PRODUCCIÓN
Arequipa – Perú
2006
Modelo de Programación Binaria para Optimizar la Programación de Autobuses…
Dedicatoria
A MI ESPOSA E HIJOS:
Por su paciencia, amor, cariño

y confianza que me
estimularon en la ejecución de
la tesis. A ellos mi respeto y
admiración.
A MIS PADRES:
Mi reconocimiento por el
apoyo constante que supieron
brindarme, el mismo que
contribuyó a mi formación
integral y al logro de mis
aspiraciones.
A MIS HERMANOS
2
PRESENTACIÓN
SEÑOR DIRECTOR DE LA ESCUELA DE POSTGRADO DE LA UNIVERSIDAD

NACIONAL DE SAN AGUSTÍN DE AREQUIPA
SEÑOR DIRECTOR DE LA UNIDAD DE POSTGRADO DE LA FACULTAD DE

INGENIERIA DE PRODUCCIÓN Y SERVICIOS
SEÑORES MIEMBROS DEL JURADO:
De acuerdo con las disposiciones del Reglamento de Grados y Títulos de la Escuela de

Postgrado de la Universidad Nacional de San Agustín de Arequipa pongo a vuestra
disposición el trabajo de Tesis que lleva por título “MODELO DE PROGRAMACIÓN
BINARIA PARA OPTIMIZAR LA PROGRAMACIÓN DE AUTOBUSES EN UNA
RUTA DE TRANSPORTE URBANO DE PASAJEROS DE AREQUIPA”, que previo
dictamen favorable me permitirá optar el Grado Académico de Maestro.
Arequipa, 2006 Enero.
BACH. EFRAIN RAFAEL MURILLO QUISPE
3
ASESOR DE LA TESIS:
MSc. ING. JULIO RAMOS QUISPE
MIEMBROS DEL JURADO DICTAMINADOR:
PRESIDENTE: MSc. ING. JOSE HERNANDEZ VALLEJOS
INTEGRANTE: MSc. LIC. ROQUE RIOS BARRENO
SECRETARIO: MSc. ING. JULIO RAMOS QUISPE
4
RESUMEN 8
ABSTRACT 8
CAPITULO 1
1. INTRODUCCIÓN 9
1.1 Consideraciones Generales 9
1.2 Problema a investigar 10
1.3 Justificación 11
1.4 Objetivos de la Investigación 13
1.4.1 Objetivo General 13
1.4.2 Objetivos específicos 13
1.5 Hipótesis de la Investigación 15
1.5.1 Hipótesis General 14
1.5.2 Hipótesis Específicas 14
1.6 Limitaciones del Trabajo 15
1.7 Diseño de la investigación 15
1.7.1 Tipo de Investigación 15
1.7.2 Población y Muestra 16
1.7.3 Variables de Estudio 16
1.7.4 Técnicas y Procedimientos 17
1.8 Estructura del Trabajo 17
CAPITULO II
2. MARCO TEORICO 18
2.1 Presentación del Problema 18
2.2 Problemas de Optimización 19
2.2.1 Tipos de Modelos de Optimización 20
2.2.2 Efecto de la disponibilidad de datos en la
presentación por medio de modelos. 21
2.3 El problema del Ruteo 23
5
2.4 Experiencias Computacionales 25

2.4.1 Consideraciones Generales 25
2.4.1.1 Sistema VSPX 25
2.4.1.2 Sistema HASTUS 25
2.4.1.3 Sistema WinBus 95 26
2.5 Consideraciones Finales 27
CAPITULO III
3. MODELO PROPUESTO 28
3.1 Modelo de programación de vehículos en una
ruta específica 28
3.1.1 Introducción 28
3.1.2 Descripción del Modelo 29
3.1.2.1 Determinación de los factores 30
3.1.3 Formulación Matemática 33
3.2 Construcción del Modelo 34
a) Modelo Algebraico 40
b) Modelo Analítico 41
3.3 Consideraciones finales 43
CAPITULO IV
4. APLICACIÓN DEL MODELO 44
4.1 Introducción 44
4.2 Dimensionamiento del Sistema 48
4.3 Modelo Algebraico 50
4.4 Modelo Analítico 52
4.5 Entrada de Datos 53
4.5.1 Ingresar el problema 54
4.5.2 Resolver el Problema 56
4.5.3 Guardar los resultados 56
4.6 Reportes 58
6
4.7 Consideraciones finales 68
CAPITULO V
5. CONCLUSIONES Y RECOMENDACIONES 69
5.1 CONCLUSIONES 69
5.1.1 Conclusiones sobre los objetivos 69
5.1.2 Conclusiones sobre la hipótesis 70
5.2 RECOMENDACIONES 71
5.2.1 Recomendaciones para nuevas investigaciones 71
BIBLIOGRAFÍA 73
ANEXOS 77
7
RESUMEN
En este trabajo es presentado un Modelo de Programación Binaria para Optimizar la

Programación de Autobuses en una ruta del transporte urbano de pasajeros de
Arequipa. Este modelo es implementado computacionalmente de forma que se busque
la optimización del problema del transporte urbano de pasajeros en lo que respecta a la
congestión vehicular. El Modelo considera las diferentes líneas urbanas, los centros de
oferta y demanda del servicio de transporte de pasajeros, así como la flota de vehículos
asignada a una ruta específica. La solución propuesta para el problema está basada en
algoritmos de Programación Entera, Programación Binaria y Programación Heurística.
ABSTRACT
In this work a Model of Binary Programming is presented/displayed To optimize the

Programming of Buses in a route of the urban transport of passengers of Arequipa. This
model is implemented computacionalmente so that the optimization of the problem of
the urban transport of passengers with regard to the congestión looks for to vehicular.
The Model considers the different lines urban, the centers of supply and demand of the
transport service of passengers, as well as the fleet of vehicles assigned to a specific
route. The propose solution for the problem is based on algorithms of integer
Programming, Binary Programming and Heuristic Programming.
8
Capítulo I
1. INTRODUCCIÓN
1.1 CONSIDERACIONES GENERALES
Un hecho empírico, sobre el que existe consenso en la literatura, es que la congestión

urbana es un problema propio de las ciudades que sobrepasan cierto tamaño, sean estas
ciudades de países desarrollados o en vías de desarrollo. Donde las cosas son menos
claras es en la manera de abordar el problema 16 .
La programación de una flota de vehículos, en una ruta de transporte urbano de

pasajeros, constituye un problema gerencial de elevada complejidad. En condiciones
reales la flota es heterogénea y las líneas son diferentes entre sí, además de una
demanda del servicio variable durante el día.
16
Enrique Cabrera, Santiago y la Congestión Vehicular, 2004, p 1
9
En un nivel operacional, este problema consiste en realizar la programación de las

unidades asignadas a una ruta específica durante el día y para un tiempo previamente
determinado, tomándose en consideración la capacidad de cada vehículo, la demanda
del servicio y el intervalo de tiempo de espera en el paradero.
Tal situación es resuelta en la práctica, asociándose la heurística, lográndose con ello

interactuar con modelo construido para mejorar las soluciones iniciales.
La solución óptima emitida por el modelo, exige el uso de programación entera y

programación binaria 17 que exige un tiempo considerable de procesamiento
computacional, debido al número elevado de variables.
La importancia del presente proyecto es desarrollar a través de sus diferentes etapas:

análisis, diseño, programación e implementación, un modelo matemático para el apoyo
a la toma de decisiones en el análisis de la programación de autobuses que pueda ser
empleado por las empresas del sector en nuestro medio con el objeto de racionalizar el
uso de las unidades vehiculares disponibles para el servicio de transporte de pasajeros y
a la vez optimizar el servicio hacia los usuarios.
Dicho Modelo debido a su sencillez y eficacia pretende satisfacer las necesidades antes
mencionadas a un costo asequible.
1.2 PROBLEMA A INVESTIGAR
Hoy en día las empresas del Transporte Urbano de Pasajeros en ciudades de tamaño
medio de países del tercer mundo, atraviesan problemas de calidad y productividad,
17
www.jmingenieria.com/io/ejasignacion.htm
10
debido, principalmente a dos causas: La congestión vehicular 18 y su parque automotor

inadecuado.
En lo que a la congestión vehicular se refiere, ésta probablemente se debe dentro de los

factores más importantes, a una infraestructura vial insuficiente, a una programación
empírica de flujos vehiculares, originando un servicio deficiente hacia los usuarios.
Y es que probablemente la mayoría de los gerentes y tomadores de decisión del sector,

tienden a tomar decisiones en base a su experiencia, intuición, criterio y buen juicio, no
haciendo uso complementario de herramientas cuantitativas que puedan sugerir cursos
alternativos de acción que podrían conducir a optimizar los recursos disponibles.
Por lo tanto ante la enorme necesidad de resolver los problemas del transporte urbano de
pasajeros en ciudades como Arequipa surge la necesidad de desarrollar un MODELO
MATEMATICO que permita apoyar la toma de decisiones en la programación diaria,
semanal y mensual de autobuses en el transporte urbano de pasajeros de Arequipa, en
forma continua y buscando siempre su optimización.
1.3 JUSTIFICACIÓN
La presente investigación se justifica ya que uno de los mayores problemas que

probablemente afrontan los tomadores de decisiones es el casi imposible acceso a
ciertas técnicas cuantitativas muy especiales, en parte por la no extensión de su
conocimiento y en mayor grado por estar dispersas en publicaciones y bibliotecas
diversas.
Por lo tanto el diseño de un modelo matemático para el análisis de la programación de

autobuses en las empresas de transporte urbano de pasajeros de Arequipa, simple pero
18
www.es.wikipedia.org/wiki/Congestión_vehicular
11
eficaz adquiere cada vez mayor importancia en la aplicación de soluciones informáticas

para la toma de decisiones.
Un ejemplo destacable es que la mediana empresa esta abriendo campo para el empleo
de técnicas cuantitativas de investigación de operaciones tal como la programación
matemática 19 para el apoyo a la toma de decisiones.
El software para la toma de decisiones en el análisis de la programación de autobuses es

de suma utilidad para el tomador de decisiones, pues esto le permitirá evitar tener que
familiarizarse con el complejo mundo de la programación matemática.
De otro lado la creciente importancia de los fenómenos medioambientales, producidos

por la actividad humana, exige la incorporación y cuantificación de este tipo de estudios
en las metodologías de planificación urbana. Debido al alto grado de responsabilidad
del sector transporte en el nivel de emisiones de contaminantes atmosféricos existentes
en ciudades como Arequipa, se ha hecho imperativo contar con herramientas o modelos
que evalúen el nivel de emisiones asociadas a la actividad vehicular.
El sistema del transporte constituye una infraestructura básica para la economía y un

generador de oportunidades para toda la sociedad. Además de eso, representa un sector
económico fuerte ya que emplea a un sector considerable de la población en sus
actividades industriales y terciarias intrínsecas.
Una gran cantidad de compañías del transporte de pasajeros en la década del 90

presentó un cierto tipo de problema en cuánto a sus resultados líquidos. Esta situación
justifica el uso de procedimientos con el objetivo de racionalizar las operaciones del
sector. Algunos ejemplos se pueden encontrar en la literatura que pueda consolidar esta
importancia. Comentarios de Desrochers y de Soumis (1989): Una reducción de el 1%
en los costes operacionales del MUCTC (Montreal Urban Community Transit
19
www.uv.es/~ivorra/Docencia/Programacion.pdf
12
Company), de acuerdo con las citaciones encontradas, para los valores de 1986, originó
una economía anual del orden de USS 2.0 millones con el uso de las técnicas de
optimización. Segundo Ball et all (1983) y Desrochers y Soumis (1989), con el uso de
las técnicas de optimización, en problemas prácticos de la asignación de flotas,
normalmente se consigue una reducción en los costes del orden de 0.5% a 2.5%,
siempre y cuando la compañía tenga una buena organización y eficacia.
En el caso del usuario, las ventajas de un sistema informatizado para elaborar el plan
operacional de la compañía puede venir en la forma de calidad del servicio que se
ofrecerá. Con un sistema de este tipo, la compañía tendrá un mayor control de su plan
de operación y con esto puede cumplir mejor los horarios, minimizando, de esta forma,
la posibilidad de que el usuario tenga que esperar demasiado a un vehículo.
1.4 OBJETIVOS DE INVESTIGACION
1.4.1 OBJETIVO GENERAL
El objetivo general de esta tesis es desarrollar un MODELO MATEMATICO que

permita analizar el problema de la Programación de autobuses en líneas urbanas,
determinando el número de unidades vehiculares que deberán ser asignadas en los
diferentes intervalos de tiempo del día, de forma que se optimice el problema de la
congestión vehicular del transporte urbano de pasajeros en ciudades de tamaño medio.
En un plano operacional el objetivo de este trabajo es desarrollar un Modelo

Matemático que optimice el problema de la programación de vehículos en una ruta de
transporte urbano de pasajeros en Arequipa, trabajando con flotas heterogéneas,
determinándose además el número de vehículos que deberán ser asignados a cada
intervalo de hora, de forma que se minimice la capacidad ociosa de la flota de vehículos
y los costos totales de transporte sean reducidos.
13
1.4.2 OBJETIVOS ESPECÍFICOS
Este modelo es implementado bajo la forma de un sistema computacional cuyos

objetivos específicos son los siguientes:
1) Desarrollar un Modelo Matemático de Programación Binaria para optimizar la programación de

autobuses en una ruta de transporte urbano de pasajeros en Arequipa, con la finalidad de minimizar la
capacidad ociosa de la flota de vehículos asignados a una ruta;

autobuses en una ruta de transporte urbano de pasajeros en Arequipa, con la finalidad de minimizar los
flujos vehiculares en las calles o avenidas de alta congestión en la zona urbana de la ciudad;

los horarios durante el día y las frecuencias de viajes de las unidades vehiculares;
4) Ofrecer un instrumento de trabajo que ayude a los responsables de la toma de decisiones en lo

que respecta a la programación de autobuses en líneas o rutas urbanas del transporte de pasajeros de
Arequipa;
5) Proponer recomendaciones que contribuyan al mejoramiento de la problemática del transporte

urbano de pasajeros de Arequipa, de tal manera que se reduzcan al mínimo los empirismos aplicativos,
asegurar los incumplimientos de la programación y corregir las deficiencias y distorsiones;
1.5 HIPOTESIS DE LA INVESTIGACION
1.5.1 HIPOTESIS GENERAL
El Modelo Matemático de Programación Binaria propuesto para la programación de autobuses en una

ruta de transporte de pasajeros permitirá mediante su aplicación optimizar el problema de la congestión
vehicular en ciudades de tamaño medio.
14
1.5.2 HIPOTESIS ESPECÍFICAS
El presente trabajo tiene como hipótesis específicas las siguientes:
a) El Modelo Matemático de Programación Binaria propuesto para la programación de

autobuses en una ruta de transporte de pasajeros permitirá mediante su aplicación
minimizar la capacidad ociosa de la flota de vehículos asignados a una ruta
b) El Modelo Matemático de Programación Binaria propuesto para la programación de

autobuses en una ruta de transporte de pasajeros permitirá mediante su aplicación
minimizar el flujo vehicular en las calles o avenidas de alta congestión en la zona
urbana de la ciudad.
c) También el Modelo Matemático de Programación Binaria propuesto para la

programación de autobuses en una ruta de transporte de pasajeros permitirá mediante su
aplicación optimizar la programación de los horarios durante el día y las frecuencias de
viajes de las unidades vehiculares.
1.6 LIMITACIONES DEL TRABAJO
El transporte urbano de pasajeros en el Perú utiliza diversos modales: autobuses para el transporte público
de pasajeros, autobuses para el transporte privado de empresas, automóviles de uso particular, taximóviles
y mototaxis.
Este trabajo se limita a estudiar el problema del transporte urbano de pasajeros en autobuses para el
transporte público en la ciudad de Arequipa.
Otra limitación es el hecho de que el modelo no garantiza una solución óptima del problema, mas esto es
de fácil comprensión, pues la complejidad del problema lleva al investigador a utilizar más de una
heurística para acelerar la solución y, de ésta forma, obtener una solución que no es la óptima pero por lo
menos viable y de calidad en un tiempo computacional admisible.
15
1.7 DISEÑO DE LA INVESTIGACIÓN
1.7.1 TIPO DE INVESTIGACIÓN
Corresponde al tipo analítico por cuanto busca establecer relaciones causa-efecto entre la aplicación del
modelo propuesto de programación de autobuses y las incidencias en la congestión vehicular en el
transporte urbano de pasajeros en Arequipa.
1.7.2 POBLACIÓN Y MUESTRA
La población estará conformada por la totalidad de las empresas de transporte de Arequipa.
Se estratificará la población por:
- Líneas o Rutas de transporte

- Tamaño de la empresa
- Tipo y Capacidad de sus vehículos.
- Geografía de las rutas.
El tamaño de la muestra de los diferentes estratos se determinará de acuerdo al tamaño

de la población, luego la muestra se tomará en forma aleatoria.
1.7.3 VARIABLES DE ESTUDIO
VARIABLE INDEPENDIENTE
Aplicación del MODELO DE PROGRAMACION BINARIA para optimizar la programación de

autobuses en el transporte urbano de pasajeros de Arequipa.
VARIABLES DEPENDIENTES
* Incidencias en la congestión vehicular.
16
* Incidencias en la capacidad ociosa de la flota.

* Incidencias en la calidad del servicio de transporte urbano de pasajeros.
Se medirá estadísticamente las siguientes variables; antes y después de la aplicación del

modelo de programación de autobuses.
a) Flujo vehicular por hora.

b) Capacidad ociosa de la flota.
c) Opinión del usuario en cuanto a la programación de los vehículos.
1.7.4 TÉCNICAS Y PROCEDIMIENTOS
Se llevará a cabo el análisis documental y se aplicará la encuesta y entrevista a gerentes y responsables en

la toma de decisiones del sector transporte.
1.8 ESTRUCTURA del TRABAJO
Este trabajo se subdivide en cinco capítulos. En el primero, se presenta la

introducción y algunas consideraciones del problema, la importancia, los objetivos
del trabajo, las limitaciones y su estructura. En el segundo capítulo, se presenta la
revisión de la literatura, con la cual se piensa caracterizar el problema en estudio,
también se presentan, algunos sistemas de cómputo existentes que se ocupan del
problema. En el tercer capítulo, se presenta el modelo matemático propuesto en
este trabajo para la resolución de los problemas de la programación de los
vehículos y también una introducción al modelo de simulación que permitirá el
análisis del plan creado por el modelo citado previamente. En el capítulo cuarto, se
presenta la aplicación del sistema de cómputo desarrollado, que utiliza el modelo
matemático considerado en el tercer capítulo. Este sistema, permite que el usuario
ejecute el planeamiento operacional o haga un análisis de esto, a través de un
modelo de la simulación. Finalmente, en el quinto capítulo, se presentan las
conclusiones del trabajo, y algunas recomendaciones para los progresos futuros.
17
Capítulo II
2. MARCO TEORICO
2.1. PRESENTACIÓN DEL PROBLEMA
El problema del transporte público en el Perú es un factor de preocupación constante de

los reguladores públicos. En la práctica, más del 75% del transporte de pasajeros en el
Perú utiliza el autobús 20 . No es difícil observar que un buen planeamiento en el uso de
la flota de autobuses es necesario de modo que los costes implicados con la
administración del sistema del transporte público sean lo menor posible.
A lo largo del tiempo, algunos autores vienen invirtiendo gran parte de su tiempo en el
estudio del problema del transporte público, a través del autobús, con el objetivo de
20
Informe estadístico 1997 de la Municipalidad provincial de Arequipa.
18
facilitar la toma de las decisiones de los administradores. Éste es también el objetivo del
trabajo desarrollado aquí.
El presente trabajo muestra un sistema de software desarrollado para la resolución del

problema discutido en la sección 1.1. En dicho Software Se utilizan, en sus rutinas de
cálculo, algoritmos heurísticos y de la programación Entera y Binaria. Los vehículos del
transporte colectivo de pasajeros operan en función a un sistema definitivo de líneas
preestablecidas en un intervalo de tiempo dado. A lo largo de los últimos años, muchos
modelos han sido desarrollados para determinar la cantidad de vehículos que deben
atender en cada uno de estos intervalos (véase a Golden y a Assad (1988); Christofides
(1975); Turnquist (1986); Mayerle (1996)).
El problema más grande de los modelos presentados hasta ahora es que generalmente
solo trabajan con flotas homogéneas, que limita su aplicación en la mayoría de las
situaciones reales. Siendo las flotas homogéneas, teóricamente no habría diferencia para
decidir cuál de los vehículos tendrían que ser considerado para atender una línea en
particular.
2.2. PROBLEMAS de OTIMIZACIÓN
El tipo de problema que será tratado en esta investigación, es de optimización

combinatorio 21 cuyo sistema de soluciones es de tipo discreto. Los problemas de
optimización combinatorio se pueden representar genéricamente de la forma siguiente:
Máx Z(x) (2.2.a)
s.a. x ∈ S (2.2.b)
Donde:
- S ⊂ X es el conjunto de todas las soluciones viables;
21
http://www.lsi.upc.es/~webia/doctia/lista/12582511232001.html
19
- x ∈ X es una solución del problema de optimización combinatorio;
- z(x) es la función a ser optimizada.
Si la solución x* satisface (2.2.b) y z(x*)∈z(x) para todo el x∈S, entonces la solución

x* es llamada solución óptima de (2.2.a). Esta solución óptima, en muchos casos, no es
única.
Para los problemas de optimización combinatorio, algunas clasificaciones que vienen

siendo utilizadas por el mundo académico fueron propuestas por Ibaraki(1988), Müller-
Merbach (1981), y (Apud Mayerle (1996)).
En las últimas décadas, la comunidad científica ha asistido al nacimiento de la disciplina

conocida como Ciencias de la Computación que siendo inicialmente una rama de la
Matemática aplicada, encontró su propio espacio de investigación y se definió
posteriormente como una nueva área de la ciencia. Esta disciplina experimentó un
vertiginoso ascenso desde su nacimiento, contándose en la actualidad como una de las
áreas con mayor actividad y desarrollo. Una de las ramas de mayor importancia y
crecimiento dentro de las Ciencias de la Computación es el conjunto de actividades
conocidas como Ínvestigación Operativa que, por su impacto y resultados concretos en
la industria y en otros ámbitos, se ha transformado en uno de los pilares de esta nueva
ciencia. Dentro de la Investigación Operativa, la Optimización Combinatoria es una de
las actividades más importantes 22 .
La Optimización Combinatoria es un área dentro de la Investigación Operativa, que se

encarga de buscar la mejor solución en problemas discretos (es decir, en los que
participa una cantidad finita de elementos). La planificación de actividades industriales,
la organización del recorrido de vehículos, la organización de actividades y la búsqueda
de esquemas de producción, entre otras, son posibles gracias a la participación de la
Optimización Combinatoria.
2.2.1 TIPOS DE MODELOS DE OPTIMIZACION
22
http://www.papyro.com/Optimizacion.htm
20
Primeramente acentuaremos el hecho de que primero se va a la fase de “construcción

del modelo”, seguida de la solución de dicho modelo para asegurar la obtención de una
solución deseada.
Los métodos de solución suelen idearse para aprovechar las estructuras especiales de los
modelos resultantes. Como tales, la amplia variedad de modelos asociados con sistemas
reales existentes da origen a un número correspondiente de técnicas de solución. De
aquí que se utilicen los nombres conocidos de programación lineal, entera, dinámica y
no lineal que se representan mediante algoritmos para resolver clases especiales de
modelos IO.
En la mayoría de las aplicaciones de investigación de operaciones, se supone que la

función objetivo y las restricciones del modelo pueden expresar en forma cuantitativa o
matemática como funciones de las variables de solución. En este caso, decimos que
tratamos con un modelo matemático.
Por desgracia, pese a los adelantos impresionantes en la representación por modelos

matemáticos, un número apreciable de situaciones reales siguen estando fuera del
alcance de las técnicas matemáticas de que se dispone en el presente. Por un motivo, el
sistema real puede tener demasiadas relaciones, variables, para hacer posible una
representación matemática “adecuada”. En otro sentido, aún cuando se pueda formular
un modelo matemático, éste puede ser demasiado complejo para resolverse a través de
métodos de solución disponibles.
Un enfoque diferente a la representación por medio de modelos de sistemas (complejos)

consiste en utilizar la simulación. Los modelos de simulación 23 difieren de
los modelos matemáticos en que las relaciones entre la entrada y la salida no
se indican en forma explícita. En cambio, un modelo de simulación divide el
sistema representado en módulos básicos o elementos que después se enlazan
entre sí vía relaciones lógicas bien definidas (en la forma SI/ENTONCES).
Por lo tanto, partiendo del módulo de entrada, las operaciones de cálculo
pasarán de un módulo a otro hasta que se obtenga un resultado de salida.
21
Los modelos de simulación en comparación con los modelos matemáticos, ofrecen una
mayor flexibilidad en la representación de sistemas complejos. La razón principal es
que la simulación enfoca al sistema desde un nivel básico elemental. Por otra parte, la
modelación matemática tiende a considerar el sistema desde un nivel menos detallado.
La flexibilidad de la simulación tiene algunas desventajas. El desarrollo de un modelo

de simulación es muy costos en tiempo y recursos. Además, la ejecución de un modelo
de simulación, incluso en la computadora más rápida, tendrá un costo considerable. Por
otra parte, un modelo matemático bien diseñado es muy adecuado desde el punto de
vista de su implementación computacional.
2.2.2 EFECTO DE LA DISPONIBILIDAD DE DATOS EN LA

REPRESENTACIÓN POR MEDIO DE MODELOS.
Los modelos de cualquier clase, sin importar su refinamiento y exactitud, pueden probar
ser poco prácticos si no están respaldados por datos confiables. Aunque el modelo está
bien definido, la calidad de la solución depende evidentemente de la eficacia con que
podamos estimar los costos de cada decisión. Si se distorsionan las estimaciones, la
solución que se obtenga, pese a ser óptima en un sentido matemático, realmente será de
calidad inferior desde la perspectiva del sistema real.
En algunos casos, quizá no se conozcan con certeza los datos. Más bien, se determinan a
través de distribuciones de probabilidad. Lo que es más importante, sería necesario
modificar la estructura del modelo para dar cabida a la naturaleza probabilística de la
23
http://www.monografias.com/trabajos20/simulacion-sistemas/simulacion-sistemas.shtml
22
demanda. Esto da origen a los así llamados modelos probabilísticos 24 o estocásticos en
contraste con los modelos determinísticos
La recopilación de datos puede realmente ser la parte más difícil para determinar un
modelo. Desafortunadamente no pueden sugerirse reglas para este procedimiento.
Mientras acumula experiencia en el modelado de una organización, el analista de
investigación de operaciones deberá desarrollar medios para recolectar y documentar
datos, en una forma útil, para proyectos tanto actuales como futuros.
2.4 EL PROBLEMA DE RUTEO
En el problema estándar del ruteo (VRP), un número de vehículos es designado para

atender a un servicio o a una cantidad geográficamente dispersa de servicios. En él cada
vehículo tiene una capacidad y cada servicio tiene una demanda. Este tipo de problema
viene recibiendo bastante atención por los investigadores como es mostrado en Golden
y Assad (1988).
El VRP incluye dos situaciones especiales, conocidas por problema del vendedor
viajero 25 y el problema del cartero chino, que son clásicos en la literatura y tienen
formas de solución bien conocidas, como las presentadas en Christofides (1975).
El problema del vendedor viajero tiene merecido una gran atención de parte de los
investigadores para asistir a la solución de problemas diversos de secuenciamiento de
actividades. Este problema consiste en la determinación de la ruta mas corta para una
persona que vaya de una ciudad y deba visitar otras diversas.
24
http://home.ubalt.edu/ntsbarsh/opre640S/SpanishP.htm.
25
www.etse.urv.es/mat2003/pss/oyc15.ps
23
Para resolver este problema, muchos autores utilizan métodos exactos o heurísticos,
como el visto en Weber (cf. Graciolli (1994)), en Papadimitriou y Steiglitz (1978) y en
Mayerle (1994).
Para Papadimitriou y Steiglitz (1978), los métodos heurísticos en la resolución del

problema del vendedor viajero son justificados completamente provocando
investigaciones en el desarrollo de heurístico haciendo posible la solución de problemas
más grandes.
El problema para asignar un sistema de rutas para funcionar sin cambios en un período
del tiempo fijo se conoce como problema de la ruta fija (FRP). Según Savelsbergh y
Goetschalckx (1992), era Christofides (1971) que buscaron el FRP por primera vez.
El criterio de optimización es el de minimización de la distancia total cubierta en la ruta.

El problema de la programación de vehículos de una flota es la tarea que viene
mereciendo la atención especial en eso si se relaciona con la administración de una
compañía de transportes. Según Turnquist (1986), la programación de vehículos es un
problema de los operadores de la flota que deben ser decididos en un espacio de la hora
preestablecida.
Un modelo general tendrá que incorporar los procedimientos siguientes de los

interrelacionados:
1) Para proyectar un sistema de las rutas en las cuales los vehículos irán a
funcionar;
2) Para poner toda la capacidad de la flota disponible entre algunas rutas;
3) Para colocar los vehículos en los viajes programados;
4) Para determinar la carga que atraviesa la red, dada las flotas y las
programaciones; y
5) Para colocar tripulaciones a los vehículos.
24
Pueden ser utilizados, para resolver el problema de distribución, modelos clásicos, por
ejemplo, los modelos de la programación linear entera; los problemas del transporte y
de asignación; modelos que utilizan gráficos, como por ejemplo: el problema del cartero
chino, el problema del vendedor viajero, y los algoritmos de Disjkstra y de Floyd.
También modelos más específicos puede ser utilizado como, por ejemplo, los modelos
al azar y los modelos que utilizan el método de la gradiente eficaz.
2.5. EXPERIENCIAS COMPUTACIONALES
2.5.1. CONSIDERACIONES GENERALES
Como fueron mencionados ya anteriormente, el problema de la distribución y

asignación de vehículos puede ser tratado como un problema de programación linear
entera y con esto, teóricamente, es posible encontrar la solución óptima del mismo, pero
esta solución óptima va ha ser cada vez más difícil, en cuanto mayor sea el número de
variables del problema. Por esta razón, hasta la década del 70, eran desarrollados
sistemas de cómputo heurísticos que imitaban los procedimientos manuales, como por
ejemplo el mencionado por Elías (1964).
A partir de los años 70, surgieron los estudios en la producción de sistemas basados en
los métodos mixtos, donde se combinan los métodos heurísticos y la programación
matemática. A continuación serán presentados algunos de estos sistemas implementados
computacionalmente, como por ejemplo el de VSPX, HASTUS, HOT, ALOC, TCA,
BUSMAN, OferBus y WinBUS 95 26 . Estos sistemas se dirigen siempre a una
aplicación determinada.
2.5.1.1 El SISTEMA VSPX
Este sistema se puede considerar como uno de los primeros en el sector transportes,
siendo desarrollado por la IBM en 1972. A. Kibon adoptó, en el Brasil, este ruterizador
26
Antonio Sérgio Coelho. Um modelo heurístico para distribução e alocação de ônibus em linhas urbanas
com opção de análise dos resultados a través de simulação. Santa Catarina-Brasil 1998, capítulo 4
25
para ayudar en la distribución de sorbetes, donde cada carro hacía en promedio 40

entregas diarias. A pesar del escepticismo de la época, las ventajas habían sido enormes,
por lo tanto la compañía lo estaría cambiando recientemente por un sistema actualizado,
en virtud de una política de descentralización.
2.5.1.2 SISTEMA HASTUS
El SISTEMA HASTUS 27 se propone para resolver el problema de la distribución de

conductores de vehículos, usándose un procedimiento estándar. La descomposición se
hace dividiendo los bloques en las piezas, que serán combinados de forma a producir el
FWSs (horarios completos de trabajo). La solución se mejora con el uso de heurísticas o
por el propio usuario que puede intervenir recíprocamente en el proceso.
2.5.1.3 SISTEMA WinBUS 95
El sistema de WinBUS (Mayerle 1996) divide el problema del planeamiento

operacional del transporte público en tres etapas:
d) Asignación de vehículos;
e) Generación de escalas;
f) Distribución de las escalas entre los conductores.
Además de estas etapas, WinBUS posee algunos recursos adicionales que permiten el
mantenimiento de la base de datos, la generación de informes y la consulta a los planes
generados.
Mayerle (1996) trata el modelo de asignación de la flota como un grafo G(V,A),

donde V = {v1, v2... vN} es un conjunto de los vértices que representa los viajes
que tendrán que ser puestos y A={a1, a2...an} es el conjunto de arcos que indica las
posibilidades de viajes (Mayerle 1996).
27
www.giro.ca/Spanish/HASTUS/widely_used_system.htm
26
Los costes de la asignación de una secuencia de viajes de un vehículo de la flota son

determinados tomándose en consideración los costes de:
a) Depreciación de la flota;
b) Interés sobre el capital inmovilizado en la flota
c) Costos de combustibles, de aceites lubricante, de filtros y de grasas;
d) Costos de los neumáticos;
e) Coste del mantenimiento preventivo y correctivo;
f) Costo de mano de obra operacional.
Los vehículos son escogidos para atender un conjunto de viajes, tomándose en

consideración los parámetros mencionados arriba. Estas informaciones se consigue con
la ayuda de un modelo difuso (Mayerle 1996).
2.6. CONSIDERACIONES FINALES

El problema del planeamiento operacional del transporte urbano ha merecido una
atención constante por parte de los administradores del sector, por tratarse de un
problema de solución difícil. A pesar de este esfuerzo en desarrollarse modelos y
sistemas de uso general, lo que viene dando mejores resultados hasta el momento son
los modelos de aplicaciones más específicas, como aquellos desarrollados para
ciudades o para las mismas empresas.
En general, analizando los modelos desarrollados en la literatura, se puede observar que
están preocupados por la minimización de la flota, cuando, en verdad, para los
administradores del sector del transporte urbano, esta práctica no está muy bien
aceptada. El problema de estos administradores es encontrar una solución para la
distribución y la asignación de la flota existente.
27
Capítulo III
3. MODELO PROPUESTO
3.1. MODELO DE PROGRAMACION DE VEHÍCULOS EN

UNA RUTA ESPECÍFICA
3.1.1. INTRODUCCIÓN
En el modelo propuesto se presenta la formulación matemática de programación binaria

para programar las unidades distribuidas a una ruta específica del transporte urbano de
pasajeros, de tal manera que se asignen las unidades en sus horarios respectivos durante
el transcurso del día. Este modelo de programación de los vehículos genera una
solución viable que puede ser la óptima o por lo menos una buena solución. Como fue
discutido ya anteriormente, la obtención de la solución óptima por métodos no
heurísticos, osea, aquella donde es garantizada siempre una solución óptima, es
28
prácticamente imposible debido al númeroelevado de variables asociadas al problema;

En consecuencia es que se emplean algoritmos heurísticos 28 .
La asignación de los vehículos en los horarios de las líneas se hace usando un modelo
heurístico, que se basa en la idea de un algoritmo de la búsqueda en árbol. Los cortes de
este árbol serán hechos de forma acelerada más que en otros modelos de optimización
como, por ejemplo, en el algoritmo de la programación lineal entera (ramificación y
acotamiento), previniendo con esto un aumento muy grande del número de nodos, que
haría impracticable la solución del problema. Con la aceleración de los cortes, el
modelo puede llegar a una situación donde no es la solución óptima. Sin embargo, para
reducir al mínimo este problema, el modelo utiliza la heurística que generalmente
demuestra eficacia, teniendo de esta forma muy rápida una contestación de cómputo
para la solución del problema.
El tratamiento matemático a seguir va a considerar el hecho de que la distribución de las unidades

vehiculares ya fue hecha previamente a través de un megamodelo matemático.
3.1.2 DESRIPCION DEL MODELO

El modelo tendrá que representar las interrelaciones que existen entre cada uno de
los factores que comprende el sistema, para el modelo nos centraremos con cuatro
factores importantes del sistema de transporte en estudio que están definidas por el
tiempo de viaje en la ruta seleccionada, demanda del servicio de transporte en las
diferentes horas del día, la Oferta del servicio (flota de unidades asignadas a dicha
ruta), y el número total de viajes realizados por cada una de las unidades en un
tiempo determinado.
El modelo que se va a formular, tendrá como objetivo central la minimización de la

capacidad ociosa de la flota de vehículos asignados a dicha ruta. Para lograr dicho
objetivo debemos evaluar el conjunto de recursos ó disponibilidades con que cuenta
el sistema y ello deriva en un conjunto de restricciones al que se sujetará el objetivo.
28
ROBERT J. THIERAUF, Toma de Decisiones por medio de la Investigación de Operaciones. Limusa.
México 1993, p. 502.
29
El conjunto de restricciones que generara el modelo estarán conformadas por las

siguientes restricciones:
• Demanda del Servicio, conformado por la cantidad de usuarios que

solicitan el servicio a una determinada hora del día.
• Capacidad de realización de viajes, conformado por el total de viajes
realizados por cada una de las unidades durante el periodo de la
programación, para lo cual se deberá determinar el número de viajes por
día.
• Oferta del servicio, conformada por la cantidad de unidades asignadas a
la ruta y la capacidad individual de cada unidad.
• Tiempo de espera del usuario, conformado por el tiempo que el usuario
estaría dispuesto ha esperar en el paradero como máximo antes de
abordar otro autobús.
3.1.2.1 Determinación de los factores:
a) Demanda del servicio
La demanda del servicio de transporte urbano de pasa os en una ruta es el número de

pasajeros por intervalo de tiempo que esperan en toda la ruta. El cálculo de esta
demanda es de importancia básica, por lo tanto es con ella que el sistema va a garantizar
que la cantidad de vehículos asignados a un intervalo de tiempo satisfaga la demanda
del servicio y al mismo tiempo minimizar que el exceso de capacidad ociosa. En la
práctica, la demanda del servicio en los horarios no se distribuyen uniformemente
durante el día, existen los períodos donde está más intenso que otros y donde la
frecuencia de horario está menos intenso que en el promedio.
30
b) CAPACIDAD DE REALIZACIÓN DE VIAJES
La capacidad de la realización de viajes es el número máximo de viajes que un vehículo

puede hacer en una línea durante la programación (TV). El resultado obtenido en base a
la relación siguiente deberá ser redondeada.
Demanda total del servicio

Total Vueltas =
Oferta del servicio por vuelta
Donde:
VD
Demanda Total del Servicio = DP * ∑ Dj
1
Donde: DP es en número de días de la programación; VD es el número

de vueltas que realiza un vehículo por día y Dj es la demanda de la hora j.
El número de vueltas por día (VD) se determina en función a la hora de

inicio de la programación (hi) y la hora de finalización de la misma (hj).
31
Tiempo de programación por día = hi – hj
El tiempo de duración del viaje (tv) depende de la distancia

recorrida en la ruta. Dicho tiempo se contabiliza desde que la
unidad sale del paradero hasta que llega al mismo punto de
partida.
Por lo tanto:
TIEMPO DE PROGRAMACIÓN POR DÍA

VD =
TIEMPO DE DURACIÓN DEL VIAJE
hi - hj + 1
VD =
tv
De otro lado se tiene que:
N
Oferta del servicio por día = ∑ CPi
1
Donde: CPi es la capacidad del vehículo i y N es el número de vehículos

asignados a la ruta.
c) Oferta del Servicio:
Está determinada por el total de asientos disponibles para el servicio de transporte

urbano. El total de asientos depende de la cantidad de vehículos de transporte urbano de
pasajeros (sin considerar a taxis), destinados al servicio de una ruta específica (N), así
como también de la capacidad de asientos de cada vehículo (CP).
d) Tiempo de Espera del Usuario
Este tiempo depende del tiempo de duración del viaje (tv) y del número de vehículos
asignados a la ruta (N).
tv
Tiempo de Espera =
N
32
Si se tiene que satisfacer un tiempo de espera máximo, entonces se deberá programar un

número mínimo de vehículos por vuelta durante la programación (AV):
tv
AV mínimo =
Tiempo de espera máximo
3.1.3 FORMULACION MATEMÁTICA
Consiste en definir, los índices, parámetros y en especial las variables de

decisión que define el modelo de programación binaria. En esta parte se
responde a dos cuestiones importantes: la primera ¿Qué deseamos optimizar en
el modelo? , Según las premisas dadas lo que deseamos es minimizar la
capacidad ociosa del sistema y contamos con información conocida del modelo
constituidas por los índices y los parámetros; la segunda cuestión es ¿Qué
deseamos determinar en el modelo?, y la respuesta es la programación de las
unidades en cada una de las horas del día en función a la demanda del servicio y
estos lo conforman las variables de decisión 29 . Todos estos elementos son
presentados a continuación:
a) Índices
i: Identifica al vehículo o autobús

i=1,2,3,...,N
Donde N representa el número de autobuses asignados a una ruta específica.
j: Identifica el día de un periodo de programación (un periodo de programación
puede ser una semana, una quincena, un mes, etc.)
j=1,2,3,...,DP
Donde DP representa el número de días de la programación.
k: Identifica la hora del día j
∀k=hi, hi+1,hi+2,...,hj
29
KAMLESH MATHUR, DANIEL SOLOW. Investigación de Operaciones, El Arte de la Toma de
Decisiones. Prentice Hall, México 1996, p. 64.
33
Donde hi representa la hora de inicio y hj la hora de finalización de la

programación.
Además hi+1 = hi + tv (donde tv es el tiempo de duración de una vuelta en
horas).
Suponiendo que el servicio de transporte empieza a las 6 horas y termina a
las 21 horas y tv = 1, entonces se tiene:
k=6, 7, 8, … , 21
b) Parámetros
CPi: Capacidad de pasajeros del autobús i.
VD: Número de vueltas por día.
DP: Total de días de la programación.
Djk: Demanda del servicio en la hora j del día k.
TVi: Total de vueltas del vehículo i durante la programación.
AVjk: Mínimo número de autobuses por vuelta en la hora j del día k.
N: Numero de vehículos asignados a una ruta especifica.
c) Variables de decisión
Xijk : Variable de decisión binaria.

Xijk = 1, Si el vehículo i es asignado en la hora j del día k; = 0, Si el
vehículo i no es asignado en la hora j del día k
ei = Variable de decisión entera que representa la holgura del número
de vueltas que realiza el vehículo i en relación al promedio.
3.2 CONSTRUCCIÓN DEL MODELO
En el paso anterior definimos, los índices, los parámetros y las variables de decisión. El
siguiente paso será generar el modelo matemático con la información relevante,
34
sabemos que debemos minimizar la capacidad ociosa, y ésta, dada su sensibilidad está
obligadamente ligada a las disponibilidades de recursos con que el sistema cuenta. La
aplicación del modelo de programación binaria presupone en su estructura tres
componentes fundamentales, que a continuación pasamos a detallar:
1. LA FUNCION OBJETIVO
El objetivo que deseamos alcanzar, es la minimización de la capacidad

ociosa de la flota de transporte asignada a una ruta específica, por lo que la
función objetivo quedará determinada por:
i j k j
Min(z) = ∑∑∑ CPi * Xijk
1 1 1
DP * ∑ Dj
-
1
Donde:
Z representa la capacidad ociosa del sistema de transporte
2. RESTRICCIONES ESTRUCTURALES
Existen tres tipos de restricciones estructurales que son las siguientes:

a. Satisfacción de la demanda del servicio
Dado que la demanda del servicio tiene un comportamiento variable durante las
diferentes horas del día, se debe establecer restricciones que aseguren ofertar
una capacidad de al menos la demanda del servicio por cada hora del servicio,
todo ello se conjuga en las siguientes restricciones:
∑ CP *X
1
i ijk ≥ Djk ; ∀j , ∀k
b. Restricciones de equilibrio en el número de viajes
Por lo general en nuestro medio cada vehículo de la flota de vehículos pertenece

a un dueño diferente, por lo tanto el modelo debe buscar un equilibrio en el total
35
de horas de trabajo, para de esta manera buscar que todos tengan la misma
oportunidad de ganancias. Esto se refleja en las siguientes restricciones:
j k
∑∑ Xi
1 1
jk − ei = TVi ; ∀i
Cabe señalar que debido a que las restricciones del tipo igual son muy exigentes
para dar con una solución óptima, es que se agrega una variable de holgura que
permita balancear el modelo y obtener una solución óptima.
c. Restricciones de intervalo de llegadas de autobuses a un paradero.
Los usuarios tienen un máximo de tiempo de espera, vencido ese tiempo buscan otra
línea, por lo tanto el modelo deberá conseguir que el tiempo entre llegadas de los
vehículos al un paradero no exceda ese nivel de paciencia. Esto se consigue mediante
las siguientes restricciones:
∑ Xi
1
jk ≥ AVjk ; ∀j , ∀k
3. RESTRICCIONES LOGICAS
Estas establecen que las variables de decisión del modelo deben ser valores no
negativos 30 para que los resultados del modelo sean consistentes y tengan
sentido lógico. Con lo que se establece la condición de no negatividad de los
modelos de programación lineal:
Xijk ≥ 0;
Pero para un modelo de Programación Binaria las restricciones lógicas son:
Xijk Є {0,1};
ei Є {0,1}
30
CHARLES A. GALLAGER, HUGH J. WATSON, Métodos Cuantitativos para la Toma de Decisiones
en la Administración, p. 160.
36
Por lo tanto el Modelo de Programación Binaria para optimizar la programación de

autobuses en una ruta de transporte urbano de pasajeros en su expresión algebraica es:
i j k j
Min(z) = ∑∑∑ CPi * Xijk

1 1 1
- DP * ∑ Dj
1
ST:
i
∑ CP *X
1
j k
∑∑ Xi
1 1
∑ Xi
1
Xijk Є {0,1};
ei >=0 y Entero;
∀i = 1, 2, 3, ..., N
∀j = hi, hi+1, ..., hj
∀K = 1, 2, 3, ..., DP
Cálculo del Total de Vueltas ajustado:

Para ajustar el total de vueltas, se ejecuta el modelo anterior y se obtiene la sumatoria de
los valores de las variables de decisión ei, entonces se tiene:
N
∑ ei
TVi(ajustado) = TVi +
1
−1
N
Este resultado deberá también ser redondeado.
37
Por lo tanto en nuevo modelo a ejecutarse, del cual se determinará la solución óptima
del problema es:
i j k j
Min(z) = ∑∑∑
CP * Xi DP * ∑ Dj
-
i jk
1 1 1 1
ST:
i
∑ CP *X
1
j k
∑∑ Xi
1 1
jk − ei = TVi ( ajustado ) ; ∀i
∑ Xi
1
Xijk Є {0,1};
ei Є {0,1};
∀i = 1, 2, 3, ..., N
∀j = hi, hi+1, ..., hj
∀K = 1, 2, 3, ..., DP
Cabe resaltar que la variable ei en el modelo nuevo se hace binaria, dando la opción a
que alguna de los vehículos realice a lo más una vuelta adicional en relación al nuevo
promedio.
Para un problema cuya magnitud es:
9 Número de vehículos asignados a la ruta N = 5
9 Hora de inicio de la programación hi =6
38
9 Hora de finalización de la programación hj =9

9 Tiempo de duración del viaje tv =1 hora (60 minutos)
9 Demanda Dj= horas 6, 7, 8 y 9: 40, 85, 30 y 70 respectivamente.
9 Total número de días de la programación DP = 3
9 Máximo tiempo de espera = 20 minutos
9 Capacidad de cada vehículo CP = (3 vehículos con capacidad de 15 asientos
cada uno y 2 vehículos con capacidad de 20 asientos cada uno.
Por lo tanto:
El número de vueltas por día es:
hi - hj + 1 9 − 6 + 1
VD = = = 4 vueltas
tv 1
VD
1
= 3*(40+85+30+70) = 675
N
1
= 15+15+15+20+20 = 85
Entonces el total de vueltas de cada vehículo durante la programación sería:
Demanda total del servicio 675

Total Vueltas = = = 7.94 ≅ 8 vueltas
Oferta del servicio por vuelta 85
∑ ei
1
−1= 8 +
5
− 1 = 8 vueltas
N 5
El número mínimo de vehículos por vuelta sería:

39
tv 60
AV mínimo = = = 3 vehículos
Tiempo de espera máximo 20
En consecuencia, el modelo matemático correspondiente sería el siguiente:
MODELO ALGEBRAICO
9
5 9 3
DP * ∑ Dj
Min(z) = ∑∑∑ CP * Xi -
1 6 1
i jk 6
ST:
∑ CP *X
1
9 3
∑∑ Xi
6 1
∑ Xi
1
Xijk Є {0,1};
di Є {0,1};
∀i = 1, 2, 3, 4, 5
∀j = 6, 7, 8, 9
∀K = 1, 2, 3
40
MODELO ANALÍTICO
Min
15X161+15X171+15X181+15X191+15X162+15X172+15X182+15X192+15X163+15
X173+15X183+15X193+
15X261+15X271+15X281+15X291+15X262+15X272+15X282+15X292+15X263+15
X273+15X283+15X293+
15X361+15X371+15X381+15X391+15X362+15X372+15X382+15X392+15X363+15
X373+15X383+15X393+
20X461+20X471+20X481+20X491+20X462+20X472+20X482+20X492+20X463+20
X473+20X483+20X493+
20X561+20X571+20X581+20X591+20X562+20X572+20X582+20X592+20X563+20
X573+20X583+20X593
St
Restricciones de satisfacción de demanda mínima:
15X161+15X261+15X361+204d61+20X561≥40
15X171+15X271+15X371+204d71+20X571≥85
15X181+15X281+15X381+204d81+20X581≥30
15X191+15X291+15X391+204d91+20X591≥70
15X162+15X262+15X362+204d62+20X562≥40
15X172+15X272+15X372+204d72+20X572≥85
15X182+15X282+15X382+204d82+20X582≥30
41
15X192+15X292+15X392+204d92+20X592≥70
15X163+15X263+15X363+204d63+20X563≥40
15X173+15X273+15X373+204d73+20X573≥85
15X183+15X283+15X383+204d83+20X583≥30
15X193+15X293+15X393+204d93+20X593≥70
Restricciones de equilibrio en las horas de trabajo:
X161+X171+X181+X191+X162+X172+X182+X192+X163+X173+X183+X193-e1=8
X261+X271+X281+X291+X262+X272+X282+X292+X263+X273+X283+X293-e2=8
X361+X371+X381+X391+X362+X372+X382+X392+X363+X373+X383+X393-e3=8
X461+X471+X481+X491+X462+X472+X482+X492+X463+X473+X483+X493-e4=8
X561+X571+X581+X591+X562+X572+X582+X592+X563+X573+X583+X593-e5=8
Restricciones de número mínimo de vehículos por vuelta:
X161+X261+X361+X461+X561≥3
X171+X271+X371+X471+X571≥3
X181+X281+X381+X481+X581≥3
X191+X291+X391+X491+X591≥3
X162+X262+X362+X462+X562≥3
X172+X272+X372+X472+X572≥3
X182+X282+X382+X482+X582≥3
42
X192+X292+X392+X492+X592≥3
X163+X263+X363+X463+X563≥3
X173+X273+X373+X473+X573≥3
X183+X283+X383+X483+X583≥3
X193+X293+X393+X493+X593≥3
Xijk Є {0,1};
di Є {0,1};
∀i = 1, 2, 3, 4, 5
∀j = 6, 7, 8, 9
∀K = 1, 2, 3
El modelo matemático de programación binaria para una magnitud de 20 vehículos por
ruta, 16 horas de trabajo por día y para 5 días de programación, se muestra en el
ANEXO Nro 1
3.3. CONSIDERACIONES FINALES

En este capítulo, se presenta un modelo que permite hacer la Programación de un
sistema de planeamiento operacional del transporte, que consiste en asignar la flota de
vehículos asignados a una ruta en particular en los diferentes horarios disponibles. Para
facilitar a la solución del problema de la programación de autobuses de una flota en un
sistema de planeamiento, él debe ser tratado de forma modular, en cuanto al tiempo de
programación, permitiendo analizar cada módulo por separado. Como puede ser
observado en el item anterior, cuando el problema es tratado de forma global, el número
de variables tiende a crecer muy rápido, luego inviabiliza una solución en un tiempo
computacional aceptable.
43
Capítulo IV
4. APLICACIÓN DEL MODELO
4.1 INTRODUCCION
En este capítulo se presenta la implementación computacional del modelo propuesto en el capítulo

anterior.
Una de las grandes ventajas del modelo propuesto es la rapidez en la solución del
problema, por ejemplo dada la magnitud del modelo (1215 variables y 175
restricciones), lleva un tiempo mínimo 2 o 3 segundos en un computador Pentium 2.
Esta eficiencia es obtenida debido a los algoritmos utilizados por el software de
ramificación y acotamiento para programación binaria 31 . La solución obtenida no
necesariamente es la óptima, ésta tiene que interactuar heurísticamente con el tomador
de decisión a efectos de encontrar una solución adecuada a la realidad del sistema. Para
este tipo de problema, una solución no óptima, no necesariamente significa una pérdida
de la calidad de dicha solución.
44
El centro de demanda seleccionado para hacer la aplicación del modelo es la

Urbanización Dolores del distrito de José Luís Bustamante y Rivero, ubicada al noreste
de la ciudad de Arequipa.
Se realizó el levantamiento de la información con relación a las rutas que pasan por esta
urbanización, la cantidad de vehículos asignados a cada una de ellas, así como la
demanda del servicio para cada ruta específica.
Las características de las rutas consideradas son las siguientes:
Ruta “Policlínico”
Recorrido: Tasahuayo, Amauta, Urb. Dolores, J.P.V.y Guzmán, Cemnterio general,

Hospital general, Ormeño, Puente Bolognesi, Policlínico, Cayma, La Católica, Ormeño,
Hospital General, Cementerio General, J.P.V.y Guzmán, Urb. Dolores, Amauta y
Tasahuayo.
Número de unidades asignadas: 27.
Tiempo para recorrer la ruta de ida y vuelta: 115 minutos.
Frecuencia de vehículos por paradero: cada 4.25 minutos.
Ruta “Correcaminos”
Recorrido: La Alborada, Tasahuayo, Amauta, Urb. Dolores, J.P.V.y Guzmán,

Monterrey, Esep Pedro P. Díaz, Unsa, Coliseo, Goyeneche, La Salle, Canal 6,
GUEMM, Esep Pedro P. Díaz, Monterrey, J.P.V.y Guzmán, Urb. Dolores, Amauta,
Tasahuayo y La Alborada.
Tiempo para recorrer la ruta de ida y vuelta: 50 minutos.
31
CHARLES A. GALLAGER, HUGH J. WATSON, Métodos Cuantitativos para la Toma de Decisiones
en la Administración, p. 262.
45
Frecuencia de vehículos por paradero: cada 3.84 minutos.
Ruta “Dolores”
Recorrido: Tasahuayo, Amauta, Urb. Dolores, J.P.V.y Guzmán, Municipalidad JLB y

Rivero, Sedapar, Coliseo, Unsa, La Salle, Seguro Social, Siglo XX, Unsa, Coliseo,
Sedapar, Municipalidad JLB y Rivero, J.P.V. y Guzmán, Urb. Dolores, Amauta y
Tasahuayo.
Tiempo para recorrer la ruta de ida y vuelta: 60 minutos 32 .
Frecuencia de vehículos por paradero: cada 4 minutos.
La ruta seleccionada es la Ruta Dolores, dado que se encontró receptividad en los

administradores para colaborar con el desarrollo y la aplicación del modelo propuesto a
efectos de optimizar su programación.
El cuadro siguiente muestra una descripción gráfica de los recorridos de cada una de las
rutas:
32
Registros diarios de la Empresa de Transporte Urbano de Pasajeros DOLORES.
46
47
4.2 DIMENSIONAMIENTO DEL SISTEMA
Los datos relevantes para la aplicación elegida son los

siguientes:
9 Número de vehículos asignados a la ruta N = 15
9 La capacidad de los vehículos asignados a esta ruta es la siguiente:
7 vehículos con capacidad de 15 pasajeros, 5 vehículos con capacidad de 20 pasajeros y 3

vehículos con capacidad de 25 pasajeros.
9 Hora de inicio de la programación hi =6
9 Hora de finalización de la programación hj =21
9 Tiempo de duración del viaje tv =1 hora (60 minutos)
9 El total de días de programación elegido es de 5 días asumiendo que el comportamiento durante

los 5 primeros días (lunes a viernes) se repite durante las cuatro semanas del mes.
De otro lado el número de variables para este periodo de programación es el adecuado para la
capacidad del software a utilizar.
9 Máximo tiempo de espera = 5.5 minutos, de acuerdo a encuestas realizadas a los usuarios
involucrados en la ruta.
9 Demanda del servicio Dj durante las 16 horas se resume en el siguiente cuadro:
48
Determinación de la Demanda del Servicio
HORA DEL DÍA

Ruta
Dolores 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
Universitarios 26 20 25 5 19 12 4 22 16 5 22 25 33 7 60 30
Escolares Turno
Mañana 35 149 54 9 33 136 37 22
Escolares Turno
Tarde 34 0 42 80 12 3 16 21 47 65 38
Empleados
Turno Mañana 14 32 29 23 24 16 11
Empleados
Turno tarde 3 35 45 14 42 54 23
Amas de casa 4 11 28 24 15 38 11 4 6 6 8 4 7 11 4
Comerciantes 34 24 17 22 23 15 5 4 14 17 21 27 21 32 25 28
Otros durante el
día 13 34 27 45 33 45 25 12 18 26 24 55 32 55 55 47
TOTAL 160 270 180 105 90 110 120 280 160 140 100 115 125 190 270 170
Fuente: Elaboración Propia
Cálculo del número de vueltas por día:
hi - hj + 1 21 − 6 + 1
VD = = = 16 vueltas
tv 1
Cálculo de la demanda total del servicio:
VD
1
= 5*(160+270+180+105+90+110+120+280+
160+140+100+115+125+190+270+170)
= 12925 asientos
49
Cálculo de la oferta del servicio por día:
N
1
= 15+15+15+15+15+15+15+20+20+20+20+
20+25+25+25
= 280 asientos
Cálculo del total de vueltas durante la programación:
Demanda total del servicio 12925

Total Vueltas = = = 46.16 ≅ 46 vueltas
Oferta del servicio por vuelta 280
Cálculo del número mínimo de vehículos por vuelta:
tv 60
AV mínimo = = = 10.9 ≅ 11 vehículos
Tiempo de espera máximo 5.5
En consecuencia, el modelo matemático correspondiente sería el siguiente:
4.3 MODELO ALGEBRAICO
15 21 5 21
Min(z) = ∑∑∑ CP * Xi
1 6 1
i jk - DP * ∑ Dj
6
ST:
15
∑ CP *X
1
50
21 5
∑∑ Xi
6 1
15
∑ Xi
1
Xijk Є {0,1};
ei >=0 y Entero;
∀i = 1, 2, 3,..., 15
∀j = 6, 7, 8,..., 21
∀K = 1, 2, 3,..., 5
Cálculo del Total de Vueltas ajustado:
Para ajustar el total de vueltas, se ejecuta el modelo anterior y se obtiene la sumatoria de

los valores de las variables de decisión ei, entonces se tiene:
∑ ei 240
1
− 1 = 46 + −1 = 61 vueltas
N 15
Por lo tanto en nuevo modelo a ejecutarse, del cual se determinará la solución óptima
del problema es:
51
15 21 5 21
DP * ∑ Dj
Min(z) = ∑∑∑ CPi * Xijk - 6
1 6 1
ST:
15
∑ CP *X
1
21 5
∑∑ Xi
6 1
15
∑ Xi
1
Xijk Є {0,1};
ei Є {0,1};
∀i = 1, 2, 3,..., 15
∀j = 6, 7, 8,..., 21
∀K = 1, 2, 3,..., 5
4.4 MODELO ANALÍTICO
El modelo analítico para la aplicación propuesta se presenta en el Anexo 1.
A continuación se presenta el sistema computacional Lindo 6.0, que posibilita al

tomador de decisión hallar un resultado para el modelo matemático de programación
binaria propuesto y poder realizar la optimización en la programación de autobuses en
una ruta del transporte urbano de pasajeros.
52
4.5 ENTRADA DE DATOS
Uno de los problemas que presenta el programa LINDO 6.0 es lo engorroso que resulta
ingresar un modelo extenso a través de los comandos de edición que el programa tiene
incorporado, debido a que se basan en antiguos esquemas de interfase con el usuario.
Sin embargo, esta misma interfase es muy apta para trabajar con un editor de texto
externo. En esta aplicación se trabaja con el editor de Visual Basic, lo que permite
mantener el editor y el programa LINDO 6.0 funcionando a la vez.
El esquema de trabajo es el siguiente:
1. Se abre el editor FILE/NEW (u otro para texto sin formato) y se ingresa el

modelo del problema junto con algunos comandos que indican el tipo de
optimización que se debe realizar y se graba en el mismo directorio donde se
ejecutará el programa LINDO 6.0.
2. Se hace funcionar el programa LINDO 6.0. La primera tarea es leer el problema

del archivo con el comando FILE/OPEN. Una vez cargado el problema se utiliza
el comando SOLVE/SOLVE para resolverlo. Aquí el programa le pregunta si
desea obtener el reporte de análisis de sensibilidad a lo que generalmente se
responde afirmativamente (Y) en caso de un modelo de programación lineal,
pero en un modelo de programación binaria no existe esta pregunta. Si el
programa no hace esta pregunta es porque tiene problemas de edición en su
archivo de entrada, o el problema es no factible.
3. Una vez que se aseguró que los resultados obtenidos son razonables hay que
indicar al programa que debe mandar los resultados a un archivo, con el
comando FILE/SAVE; log ouput. Este comando cambia el lugar en que se
muestran los datos, es decir, cambia la pantalla del programa por el archivo
indicado. De lo anterior se explica el porque hay que volver a resolver el
problema, pero esta vez no se verán los resultados (salvo unas líneas resumidas),
ya que la información se está escribiendo en el archivo. Este archivo queda
grabado (por defecto) en el mismo lugar donde se está ejecutando el programa
53
LINDO 6.0, y es conveniente darle un nombre con extensión LXT (como por
ejemplo SALIDA.LXT). Ahora hay que salir del programa con el comando
FILE/EXIT
4. Lo último es ir a la carpeta donde esta el programa LINDO y buscar el archivo

de SALIDA.LXT (o como Ud. lo haya llamado) y verificar que están los
resultados. Ahora solo resta la interpretación de los resultados.
4.5.1 INGRESAR EL PROBLEMA
Abra el editor de texto FILE/NEW y escriba el modelo matemático tal como se muestra
en capitulo precedente. Note que al final se debe ingresar las condiciones de variables
binarias. Su archivo debe lucir como en la figura siguiente:
54
Figura 4.1. Archivo de entrada de datos.
No olvide de dejar los espacios adecuados y de bajar a una nueva línea con la tecla
Enter. El no seguir estas indicaciones puede originar problemas a la hora de resolver el
modelo. Guarde el archivo en la carpeta donde esta el programa LINDO 6.0 con
55
cualquier no 32 mbre y asegúrese que quede con la extensión LXT (en este ejemplo el
archivo es ENTRADA.LXT)
4.5.2 RESOLVER EL PROBLEMA
Ahora debe iniciar el programa LINDO 6.0 haciendo doble clic sobre su icono. Ingrese
el comando FILE/NEW para cargar el archivo del problema y selecciónelo con las
flechas y luego presione Enter.
Una vez que se cargó el archivo escriba el comando SOLVE/SOLVE. El programa

desplegará los resultados. Ahora hay que realizar los mismos pasos pero antes hay que
indicar al programa que envíe los datos a un archivo.
4.5.3 GUARDAR LOS RESULTADOS
Como ya pudimos ver la solución del problema en pantalla interesa grabar estos datos.
Para esto hay que escribir el comando FILE/SAVE y entregar un nombre de archivo
para los datos de salida. En este ejemplo el archivo de salida es SALIDA.LXT. La
extensión permite que se pueda abrir el archivo con el NOTEPAD 33 .
Para problemas de gran magnitud, se recomienda utilizar el Log Ouput de File, en

donde se le da el nombre del archivo que almacenará la información, la cual se podrá
verla abriendo el archivo con la opción Load de File.
Una vez que abra el archivo (recuerde que se graba en el mismo lugar que funciona
LINDO 6.0 a menos que Ud. indique lo contrario) y verá el reporte respuesta emitida
por el programa (Figura 4.2).
33
Manual del Usuario del software Lindo 6.0/ WWW.Lindo.com
56
Figura 4.2. Archivo de salida de datos.
57
Figura 4.2. Archivo de salida de datos (continuación)
No olvide que para salir de LINDO se utiliza el comando FILE/EXIT.
4.6 REPORTES
El objetivo de un reporte es proveer al usuario información confiable, El reporte emitido

durante el procesamiento provee los resultados para el usuario a fin de que pueda tomar
las decisiones correctas en la operación del sistema.
Este modelo ofrece al usuario, en la práctica, un reporte que contiene una propuesta de
programación de los vehículos para una línea de transporte urbano de pasajeros, dicha
58
propuesta deberá interactuar con el usuario a efecto de buscar una opción aceptable que
permita optimizar los resultados en la empresa.
La salida completa del software Lindo 6.0 se muestra en el Anexo Nro 2.
En las figuras siguientes se muestran los resultados procesados para los diferentes días
de la programación. Cabe señalar que estos resultados han sido abstraídos de la salida
del Lindo 6.0 mostradas en el Anexo Nro 2.
59
SISTEMA PROPUESTO
PROGRAMACION Día 1 Número
Vehículo Capacidad 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 de vueltas
1 15 1 1 1 0 1 1 1 1 1 1 1 1 1 0 1 1 14
2 15 1 1 1 0 1 0 0 1 1 0 1 1 1 1 1 0 11
3 15 0 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 14
4 15 1 1 1 1 0 0 1 1 1 0 1 1 1 1 1 0 12
5 15 1 1 0 1 1 0 0 1 1 0 1 0 1 1 1 1 11
6 15 0 1 0 0 1 0 1 1 1 1 1 1 1 1 1 1 12
7 15 0 1 0 1 1 0 1 1 1 1 1 1 0 1 1 0 11
8 20 0 1 1 1 1 0 0 1 1 1 0 0 0 0 1 1 9
9 20 1 1 1 1 1 0 1 1 1 1 0 1 1 1 1 1 14
10 20 1 1 1 1 1 1 1 1 0 1 1 0 0 1 1 1 13
11 20 1 1 1 1 0 0 0 1 0 1 1 0 1 1 1 1 11
12 20 1 1 1 0 0 0 1 1 1 0 0 1 0 1 1 1 10
13 25 1 1 1 1 1 1 1 1 1 1 0 1 1 0 1 1 14
14 25 1 1 1 1 0 1 1 1 0 1 1 1 1 1 1 1 14
15 25 1 1 0 1 1 1 1 1 0 1 1 1 1 0 1 0 12
Oferta 215 280 210 215 200 110 210 280 190 215 195 205 205 195 280 210 3415
Demanda 160 270 180 105 90 110 120 280 160 140 100 115 125 190 270 170 2585
Capacidad Ociosa 55 10 30 110 110 0 90 0 30 75 95 90 80 5 10 40 830
Figura 4.3 Programación para el día 1.
Se observa que el número de vehículos por hora de trabajo es al menos 11.
60
SISTEMA PROPUESTO
1 15 0 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 14
2 15 1 1 0 1 1 1 1 1 1 1 0 0 1 1 1 1 13
3 15 1 1 1 1 1 0 1 1 1 0 0 0 0 0 1 1 10
4 15 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 0 14
5 15 1 1 1 1 1 1 0 1 0 1 1 1 1 1 1 0 13
6 15 1 1 0 1 0 0 0 1 1 0 1 1 1 1 1 1 11
7 15 1 1 0 0 0 0 1 1 0 1 1 1 1 1 1 1 11
8 20 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 15
9 20 0 1 1 1 1 1 1 1 1 1 0 0 0 1 1 1 12
10 20 1 1 1 1 1 1 1 1 1 1 0 1 1 0 1 1 14
11 20 1 1 1 1 1 1 1 1 0 1 1 1 0 1 1 0 13
12 20 1 1 1 0 1 0 0 1 1 1 1 1 1 1 1 1 13
13 25 0 1 1 1 1 1 0 1 0 0 1 0 1 1 1 1 11
14 25 0 1 1 1 0 1 1 1 1 0 1 1 1 0 1 0 11
15 25 1 1 0 0 1 1 1 1 1 1 1 1 1 0 1 1 13
Oferta 195 280 210 205 210 215 205 280 205 200 210 205 205 195 280 205 3505
Demanda 160 270 180 105 90 110 120 280 160 140 100 115 125 190 270 170 2585
Figura 4.4 Programación propuesta para el día 2.
Se observa que el número de vueltas es variable, esto se debe a que sólo se considera un día.
61
SISTEMA PROPUESTO
1 15 1 1 1 1 0 1 0 1 0 0 0 1 1 0 1 0 9
2 15 1 1 0 1 0 1 1 1 1 1 0 1 0 1 1 1 12
3 15 1 1 1 0 1 1 1 1 0 1 1 1 0 1 1 1 13
4 15 1 1 0 0 1 1 0 1 1 0 1 0 0 1 1 1 10
5 15 0 1 1 0 1 1 0 0 1 1 1 1 1 1 1 1 12
6 15 1 1 1 1 1 0 0 0 1 1 1 1 0 1 1 0 11
7 15 1 1 1 0 1 1 1 1 0 1 0 1 1 1 1 1 13
8 20 1 1 0 1 1 1 1 1 1 1 0 1 1 1 1 1 14
9 20 1 1 1 1 1 0 1 1 1 0 1 0 1 1 1 0 12
10 20 1 1 1 1 1 0 1 1 1 0 1 0 1 0 1 1 12
11 20 0 1 0 1 0 1 1 1 1 1 1 1 1 1 1 1 13
12 20 1 1 1 1 0 1 1 1 0 1 1 1 1 1 1 1 14
13 25 1 1 1 1 1 1 1 0 1 1 1 1 1 0 1 1 14
14 25 0 1 1 1 1 1 1 0 1 1 1 1 1 0 1 0 12
15 25 0 1 1 1 1 0 1 1 1 1 1 0 1 1 1 1 13
Oferta 195 280 210 220 210 200 220 200 215 210 215 200 220 195 280 205 3475
Demanda 160 270 180 105 90 110 120 280 160 140 100 115 125 190 270 170 2585
62
SISTEMA PROPUESTO
1 15 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 0 14
2 15 1 1 1 1 1 0 1 1 1 0 0 1 1 1 1 1 13
3 15 0 1 1 0 0 1 1 1 1 1 1 1 1 1 1 1 13
4 15 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 0 14
5 15 1 1 1 0 0 1 1 1 1 1 1 0 1 1 1 1 13
6 15 1 1 1 1 0 1 0 1 0 1 1 1 1 1 1 1 13
7 15 1 1 1 1 1 0 1 1 1 0 1 1 1 1 1 0 13
8 20 1 1 0 1 1 1 0 1 0 1 1 1 0 0 1 1 11
9 20 0 1 1 0 1 1 1 1 1 1 1 0 1 1 1 1 13
10 20 1 1 0 1 1 0 0 1 1 1 1 0 1 0 1 0 10
11 20 1 1 0 1 0 1 1 1 0 1 1 0 1 1 1 1 12
12 20 0 1 0 1 1 1 1 1 1 1 1 1 1 0 1 1 13
13 25 1 1 1 1 1 1 1 1 0 0 0 1 0 0 1 1 11
14 25 0 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 14
15 25 1 1 1 1 1 0 0 1 1 0 0 1 0 1 1 1 11
Oferta 200 280 200 215 215 205 200 280 200 200 200 205 185 195 280 215 3475
Demanda 160 270 180 105 90 110 120 280 160 140 100 115 125 190 270 170 2585
63
SISTEMA PROPUESTO
1 15 0 1 1 0 1 1 0 1 0 1 1 0 1 1 1 1 11
2 15 1 1 1 1 0 1 1 1 1 1 1 0 1 1 1 0 13
3 15 1 1 1 0 1 1 1 1 0 1 0 1 1 0 1 1 12
4 15 1 1 1 1 0 0 1 1 0 1 1 1 1 1 1 0 12
5 15 1 1 1 0 0 1 1 1 1 1 1 0 1 1 1 1 13
6 15 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 15
7 15 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 0 14
8 20 1 1 1 1 1 0 0 1 1 0 1 1 1 1 1 1 13
9 20 0 1 1 1 1 1 0 1 1 1 0 1 0 1 1 0 11
10 20 0 1 0 1 1 1 1 1 1 0 1 1 1 1 1 1 13
11 20 0 1 1 0 0 1 1 1 1 1 1 1 1 1 1 1 13
12 20 1 1 1 1 1 0 1 1 1 0 1 0 1 0 1 1 12
13 25 1 1 0 1 1 0 1 1 0 1 1 1 0 1 1 1 12
14 25 1 1 0 1 1 1 0 1 1 0 1 1 0 0 1 1 11
15 25 1 1 0 1 1 1 1 1 1 1 1 1 0 0 1 1 13
Oferta 205 280 185 215 215 200 200 280 210 195 215 215 185 195 280 215 3490
Demanda 160 270 180 105 90 110 120 280 160 140 100 115 125 190 270 170 2585
64
SISTEMA ACTUAL
1 15 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 16
2 15 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 16
3 15 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 16
4 15 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 16
5 15 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 16
6 15 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 16
7 15 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 16
8 20 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 16
9 20 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 16
10 20 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 16
11 20 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 16
12 20 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 16
13 25 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 16
14 25 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 16
15 25 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 16
Oferta 280 280 280 280 280 280 280 280 280 280 280 280 280 280 280 280 4480
Demanda 160 270 180 105 90 110 120 280 160 140 100 115 125 190 270 170 2585
Figura 4.8 Programación actual para el día 1, que se repite en los días 2, 3, 4 y 5.
65
RESUMEN
Sistema Actual
Número de Vueltas
Vehículo Capacidad Dia 1 Dia 2 Dia 3 Dia 4 Dia 5 Total
1 15 16 16 16 16 16 80
2 15 16 16 16 16 16 80
3 15 16 16 16 16 16 80
4 15 16 16 16 16 16 80
5 15 16 16 16 16 16 80
6 15 16 16 16 16 16 80
7 15 16 16 16 16 16 80
8 20 16 16 16 16 16 80
9 20 16 16 16 16 16 80
10 20 16 16 16 16 16 80
11 20 16 16 16 16 16 80
12 20 16 16 16 16 16 80
13 25 16 16 16 16 16 80
14 25 16 16 16 16 16 80
15 25 16 16 16 16 16 80
Oferta 4480 4480 4480 4480 4480 22400
Demanda 2585 2585 2585 2585 2585 12925
Capacidad Ociosa 1895 1895 1895 1895 1895 9475
Fuente: Elaboración Propia.
En el sistema actual se observa que el número de vueltas que cada vehículo realiza
durante los 5 días de programación es de 80.
Además se observa que la capacidad ociosa es de 9475 asientos ociosos durante los
5 días de programación.
Sistema Propuesto
Número de Vueltas
Dia Dia Dia
Vehículo Capacidad 1 2 3 Dia 4 Dia 5 Total
1 15 14 14 9 14 11 62
2 15 11 13 12 13 13 62
3 15 14 10 13 13 12 62
4 15 12 14 10 14 12 62
5 15 11 13 12 13 13 62
6 15 12 11 11 13 15 62
7 15 11 11 13 13 14 62
8 20 9 15 14 11 13 62
9 20 14 12 12 13 11 62
10 20 13 14 12 10 13 62
11 20 11 13 13 12 13 62
12 20 10 13 14 13 12 62
13 25 14 11 14 11 12 62
14 25 14 11 12 14 11 62
15 25 12 13 13 11 13 62
Oferta 3415 3505 3475 3475 3490 17360
Demanda 2585 2585 2585 2585 2585 12925
Capacidad Ociosa 830 920 890 890 905 4435
Fuente: Elaboración Propia.
Con el sistema propuesto se observa que el número de vueltas por vehículo durante
los 5 días de programación es de 62, osea, que hay una reducción de 80-62=18
vueltas, lo que implica una reducción en la congestión vehicular y por consiguiente
una reducción de los índices de contaminación ambiental.
67
La capacidad ociosa se reduce de 9475 a 4435 asientos, osea el 53%, ocasionando

un ahorro al empresario en cuanto a gastos de mantenimiento, lubricantes y
combustibles.
Además esto implica una mejora en el uso de recursos humanos.
4.7 CONSIDERACIONES FINALES

Como puede observarse, la implementación del modelo presentado en el ítem anterior
permite al usuario la obtención de la información necesaria para proponer un buen
gerenciamiento de un sistema de programación de autobuses. Así mismo el modelo
puede ser utilizado para facilitar la toma de decisiones, al momento de hacer un
redimensionamiento de la flota de vehículos de la ruta o un redimensionamiento de los
recursos humanos. Por último el modelo permite al usuario hacer un análisis del
comportamiento o desempeño de la distribución de los vehículos con el fin de sugerir
un plan de mantenimiento preventivo de las unidades.
68
Capítulo V
5. CONCLUSIONES Y
RECOMENDACIONES
5.1 CONCLUSIONES
5.1.1 COCLUSIONES SOBRE LOS OBJETIVOS
1. Ha sido posible desarrollar un MODELO MATEMATICO DE PROGRAMACIÓN

BINARIA que permita realizar la Programación de autobuses en líneas urbanas,
determinando el número de unidades vehiculares que deberán ser asignadas en los
diferentes intervalos de tiempo del día, de forma que se optimice el problema de la
congestión vehicular del transporte urbano de pasajeros en ciudades de tamaño medio,
así como también que permita minimizar la capacidad ociosa de la flota de vehículos
asignados a una ruta.
69
2. El desarrollo del Modelo Matemático de Programación Binaria para optimizar la

programación de autobuses en una ruta de transporte urbano de pasajeros en Arequipa,
ha permitido minimizar los flujos vehiculares en las calles o avenidas de alta congestión
en la zona urbana de la ciudad; ha permitido optimizar la programación de los horarios
durante el día y las frecuencias de viajes de las unidades vehiculares; Ofrece un
instrumento de trabajo que ayude a los responsables de la toma de decisiones en lo que
respecta a la programación de autobuses en líneas o rutas urbanas del transporte de
pasajeros de Arequipa; Además permite proponer recomendaciones que contribuyan al
mejoramiento de la problemática del transporte urbano de pasajeros de Arequipa, de tal
manera que se reduzcan los empirismos aplicativos, asegurar los incumplimientos de la
programación y corregir las deficiencias y distorsiones;
3. El significado aumento en la demanda por infraestructura vial en Arequipa se explica

principalmente por el incremento de la población, el crecimiento económico y la
expansión geográfica de la ciudad.
Estos tres elementos han afectado el mercado de los viajes, acrecentando

significativamente su número, y también el mercado del transporte, donde se ha
intensificado la participación de los autobuses como medio para movilizarse. Los
impactos provocados sobre estos dos mercados se han traducido en un crecimiento por
la demanda de infraestructura vial que ha superado con creces la expansión de la oferta
de vías. Este desbalance ha significado una mayor congestión vehicular en particular en
aquellas localidades y horas del día en que el incremento en la demanda por vías ha sido
superior al aumento en la oferta.
5.1.2 COCLUSIONES SOBRE LAS HIPOTESIS
4. El Modelo Matemático de Programación Binaria propuesto para la programación de

autobuses en una ruta de transporte de pasajeros permitió mediante su aplicación
70
optimizar el problema de la congestión vehicular en la ciudad de arequipa, así como

también permitió minimizar la capacidad ociosa de la flota de vehículos asignados a una
ruta.
5. El Modelo Matemático de Programación Binaria propuesto para la programación de

autobuses en una ruta de transporte de pasajeros permitió mediante su aplicación
optimizar el uso de las unidades vehiculares disponibles, así como minimizar el flujo
vehicular en las calles o avenidas de alta congestión en la zona urbana de la ciudad.
6. El Modelo propuesto, constituye una herramienta de apoyo a la toma de decisiones

gerenciales que permite analizar alternativas de optimización que busca mitigar el
problema del transporte urbano de pasajeros de ciudades de tamaño medio, permitiendo
a las empresas del sector ahorros en cuanto a los costos de operación y mantenimiento,
así como en cuanto a los gastos de lubricantes y combustibles.
5.2 RECOMENDACIONES
5.2.1 RECOMENDACIONES PARA NUEVAS INVESTIGACIONES
1. Dada las limitaciones del presente trabajo, es que el modelo no garantiza una solución
óptima del problema, mas esto es de fácil comprensión, pues la complejidad del
problema lleva al investigador a utilizar más de una heurística para acelerar la solución
y, de ésta forma, obtener una solución que no es la óptima pero por lo menos viable y de
calidad en un tiempo computacional admisible, por lo que se recomienda implementar
un modelo de programación heurística a efectos de corregir las deficiencias
mencionadas.
2. Parte de la congestión vehicular puede evitarse o reducirse en la medida que exista

una adecuada información en tiempo real sobre lo que está sucediendo en las vías y una
gestión de tráfico acorde a las condiciones de circulación. La gran virtud de estas
políticas es que permiten soluciones ágiles a los problemas de circulación sin afectar el
71
entorno ni demandar mayor espacio público, por lo que se recomienda implementar un

Sistema de Información y de Gestión de Tráfico.
3. El problema de la congestión vehicular en Arequipa, se dice que no tiene solución,

sólo se busca mitigarlo, en consecuencia se recomienda realizar estudios sobre el diseño
de modelos que permitan: 1. Hacer una redistribución de las rutas existentes, que
permita descongestionar localidades donde se concentran varias intersecciones de tales
rutas y 2. Asignar las unidades vehiculares disponibles en el parque automotor a cada
ruta de acuerdo al volumen de demanda del servicio.
4. De otro lado en cuanto al parque automotor se recomienda realizar estudios que

permitan sugerir políticas de reemplazo para las unidades vehiculares del sector,
permitiendo de esta manera tener unidades que circulen por la ciudad que minimicen la
contaminación ambiental.
5. Finalmente, como todo trabajo científico, este también permite algunos estudios que
usted agrega. Este sistema se debe considerar como punto de partida para la
continuación de su desarrollo, por lo tanto aspectos diversos todavía pueden ser
agregados.
72
BIBLIOGRAFÍA
1) ACKOFF, R.L. y SASIENI, M., Fundamentos de Investigación de
Operaciones, Limusa, 1979.
2) ANDERSON, D., SWEENEY, J. Y WILLIAMS, T., Introducción a los

Modelos Cuantitativos para Administración. Ed. Iberoamericana, 1993.
3) BAZARAA, M. y JARVIS, J. , Programación Lineal y Flujo en Redes,

Limusa, 1976.
4) BIASCA. RODOLFO, Renovación Intencional. Ed. Macchi, 1a. Edición,

1997.
5) BIERMAN JR, H.; BONINI, C.P. & HAUSMAN, W.H.. Análisis Cuantitativo
para la Toma de Decisiones. Richard O. Irwin Inc., 1993.
6) BRONSON, R., Investigación de Operaciones, Serie Schaum, Mc Graw Hill,

1990.
7) CASAROTTO FILHO, Nelson; HARTMUT KOPITTKE, Bruno. Análisis de

Investimentos. Sao Paulo: Editora ATLAS, 1994.
8) Catapult - Microsoft Project paso a paso. 1994.
9) Daganzo, C.F. 1998 “Queue spillorers in transportation networks aith

choices”, en transportations Sciencie, núm.32, pp. 3-141
10) EHRLICH, P.J. Pesquisa Operacional, Curso Introductorio, 7a edición. Brasil:

Editora ATLAS, 1991.
73
11) EPPEN, G.D., GOULD, F.J. Y SCHMIDT, C.P. Investigación de Operaciones

en la Ciencia Administrativa. Prentice Hall Hispanoamericana, 1992.
12) Estadísticas del medio ambiente del Distrito Federal y Zona Metropolitana
2001. ivegi, México
13) FOULDS, L. R., Combinatorial Optimization for Undergraduates, Springer,

1984.
14) GERALD W., Smith. Ingeniería Económica, Análisis de Gastos de Capital.

México: Editorial LIMUSA, 1987.
15) Hagstrom, J.N. y R.A. Abrams. 2001. “characterizing Braess’sparadox for

trafic netwoks”, en proceedings of IEEE 2001 conference on intelligent
transportation systens, pp. 837-842
16) HERNANDEZ SAMPIERI, R. et. al. Metodología de la investigación. Mc

Graw Hill. México, 2000.
17) HILLIER, F.S. & LIEBERMAN, G.J.. Introducción a la Investigación de

Operaciones. San Francisco: Holden Day, 1974.
18) HORNE, Van. Fundamentos de Administración Financiera. 8va Edición.

México: Prentice Hall Hispanoamericana, 1994.
19) Jayakrishan, R. , H.S. Mahmassani y T.Y. Hu. 1994, “An evolution tool For
Advanced traffic luformation and managanent Systems in urban networks”, en
transportation Reviews, núm. 2c, pp. 129-147.
20) Khare, M. Y S. Sharma 2002. Modelling urban vehicle emissions. Wit press.
21) LOUBET, Beatriz. Excel: Herramienta Solver. FCE, Serie Cuadernos, 1998.
22) MATHUR, Kamlesh. SOLOW, Daniel. Investigación de Operaciones.

Prentice Hall. 1996.
74
23) Nagumey ; A. 2000, “Congested Urban Transportation reviews, núm. 5D. Pp.
145-151.
24) Sheffi, Y. 1985. Urban transportation networks; Equilibrium Analysis with

Mathematical Programming Methods. Prentice hall, Inc., Englewood cliffs,
Nueva Jersey.
25) TAHA. Hamdy A. Investigación de Operaciones. México: Ediciones

Alfaomega, 1991.
26) THIERAUF, Robert. Toma de Decisiones por medio de la Investigación de

Operaciones. México: Editorial LIMUSA, 1993.
27) THUESSEN, H.G.; FABRYCKY, W.J. & THUESSEN, G.J.. Ingeniería

Económica. México: Prentice Hall Hispanoamericana, 1986.
28) Torres, V. 2002, Simulación Macroscópica del Tráfico Vehicular en el Centro

Histórico de la Ciudad de México, por medio de un Sistema de Información
Geográfico. Tesis para obtener el título de Ingeniero Civil dirigidos por
Angélica Lozano. facultad de ingeniería, UNAM.
29) WINSTON, Wayne. Investigación de Operaciones. Grupo Editorial

Iberoamérica. 1994.
30) Yang, H. y M. G. Bell, 1998. “Models and algorithms for road network
design: a review and some new developments”, en transportation reviews,
núm.18, pp. 257-278.
31) Kerlinger, F. Enfoque conceptual de la investigación del comportamiento.

Interamericana. México, 1979.
32) Sabino, Carlos A. El Proceso de Investigación. Buenos Aires. Ed. Lumen -

Humanitas, 1996.
75
33) Samaja, J. Epistemología y Metodología de la Investigación. Eudeba. Buenos

Aires, 1994.
34) Hernández Sampieri, R. et. al. Metodología de la investigación. Mc Graw

Hill. México, 2000.
PÁGINAS DE INTERNET
35) http://home.ubalt.edu/ntsbarsh/simulation/sim.htm
36) http://home.ubalt.edu/ntsbarsh/simulation/sim.htm#rPoisson
37) http://www.rcci.neet/globalizacion/2004/fg446.htm
38) www.fi.uba.ar/materias/7526/docs/intro_teorica.pdf
39) www.lista-ioper.rcp.net.pe/iosalect.htm
40) www.metodosestadisticos.unizar.es/asignaturas/IS938/aedsim.htm
41) www.mhhe.com/ingenieria/blankse/blankse
42) www.monografias.com/trabajos20/simulacion-sistemas/simulacion-
sistemas.shtml
43) WWW.TESES. eps.ufsc.br.
44) www.uam.es/personal_pdi/economicas/wluque/EEII_Tema%202.ppt#1
45) WWW.Ucchile.Modelamiento-Matemático.
76
ANEXO 1
Datos iniciales:
Capacidad de los vehículos:
15,15,15,15,15,15,15,20,20,20,20,20,25,25,25
Demanda ordenada por hora:
160,270,180,105,90,110,120,280,160,140,100,115,125,190,270,170
Código Lindo:
MIN
15X01061+15X01071 +15X01081 +15X01091 +15X01101 +15X01111 +15X01121 +15X01131+
15X01141+15X01151 +15X01161 +15X01171 +15X01181 +15X01191 +15X01201 +15X01211+
15X01062+15X01072 +15X01082 +15X01092 +15X01102 +15X01112 +15X01122 +15X01132+
15X01142+15X01152 +15X01162 +15X01172 +15X01182 +15X01192 +15X01202 +15X01212+
15X01063+15X01073 +15X01083 +15X01093 +15X01103 +15X01113 +15X01123 +15X01133+
15X01143+15X01153 +15X01163 +15X01173 +15X01183 +15X01193 +15X01203 +15X01213+
15X01064+15X01074 +15X01084 +15X01094 +15X01104 +15X01114 +15X01124 +15X01134+
15X01144+15X01154 +15X01164 +15X01174 +15X01184 +15X01194 +15X01204 +15X01214+
15X01065+15X01075 +15X01085 +15X01095 +15X01105 +15X01115 +15X01125 +15X01135+
15X01145+15X01155 +15X01165 +15X01175 +15X01185 +15X01195 +15X01205 +15X01215+
15X02061+15X02071 +15X02081 +15X02091 +15X02101 +15X02111 +15X02121 +15X02131+

15X02141+15X02151 +15X02161 +15X02171 +15X02181 +15X02191 +15X02201 +15X02211+
15X02062+15X02072 +15X02082 +15X02092 +15X02102 +15X02112 +15X02122 +15X02132+
15X02142+15X02152 +15X02162 +15X02172 +15X02182 +15X02192 +15X02202 +15X02212+
15X02063+15X02073 +15X02083 +15X02093 +15X02103 +15X02113 +15X02123 +15X02133+
15X02143+15X02153 +15X02163 +15X02173 +15X02183 +15X02193 +15X02203 +15X02213+
15X02064+15X02074 +15X02084 +15X02094 +15X02104 +15X02114 +15X02124 +15X02134+
15X02144+15X02154 +15X02164 +15X02174 +15X02184 +15X02194 +15X02204 +15X02214+
15X02065+15X02075 +15X02085 +15X02095 +15X02105 +15X02115 +15X02125 +15X02135+
15X02145+15X02155 +15X02165 +15X02175 +15X02185 +15X02195 +15X02205 +15X02215+
15X03061+15X03071 +15X03081 +15X03091 +15X03101 +15X03111 +15X03121 +15X03131+

15X03141+15X03151 +15X03161 +15X03171 +15X03181 +15X03191 +15X03201 +15X03211+
15X03062+15X03072 +15X03082 +15X03092 +15X03102 +15X03112 +15X03122 +15X03132+
77
15X03142+15X03152 +15X03162 +15X03172 +15X03182 +15X03192 +15X03202 +15X03212+

15X03063+15X03073 +15X03083 +15X03093 +15X03103 +15X03113 +15X03123 +15X03133+
15X03143+15X03153 +15X03163 +15X03173 +15X03183 +15X03193 +15X03203 +15X03213+
15X03064+15X03074 +15X03084 +15X03094 +15X03104 +15X03114 +15X03124 +15X03134+
15X03144+15X03154 +15X03164 +15X03174 +15X03184 +15X03194 +15X03204 +15X03214+
15X03065+15X03075 +15X03085 +15X03095 +15X03105 +15X03115 +15X03125 +15X03135+
15X03145+15X03155 +15X03165 +15X03175 +15X03185 +15X03195 +15X03205 +15X03215+
15X04061+15X04071 +15X04081 +15X04091 +15X04101 +15X04111 +15X04121 +15X04131+

15X04141+15X04151 +15X04161 +15X04171 +15X04181 +15X04191 +15X04201 +15X04211+
15X04062+15X04072 +15X04082 +15X04092 +15X04102 +15X04112 +15X04122 +15X04132+
15X04142+15X04152 +15X04162 +15X04172 +15X04182 +15X04192 +15X04202 +15X04212+
15X04063+15X04073 +15X04083 +15X04093 +15X04103 +15X04113 +15X04123 +15X04133+
15X04143+15X04153 +15X04163 +15X04173 +15X04183 +15X04193 +15X04203 +15X04213+
15X04064+15X04074 +15X04084 +15X04094 +15X04104 +15X04114 +15X04124 +15X04134+
15X04144+15X04154 +15X04164 +15X04174 +15X04184 +15X04194 +15X04204 +15X04214+
15X04065+15X04075 +15X04085 +15X04095 +15X04105 +15X04115 +15X04125 +15X04135+
15X04145+15X04155 +15X04165 +15X04175 +15X04185 +15X04195 +15X04205 +15X04215+
15X05061+15X05071 +15X05081 +15X05091 +15X05101 +15X05111 +15X05121 +15X05131+

15X05141+15X05151 +15X05161 +15X05171 +15X05181 +15X05191 +15X05201 +15X05211+
15X05062+15X05072 +15X05082 +15X05092 +15X05102 +15X05112 +15X05122 +15X05132+
15X05142+15X05152 +15X05162 +15X05172 +15X05182 +15X05192 +15X05202 +15X05212+
15X05063+15X05073 +15X05083 +15X05093 +15X05103 +15X05113 +15X05123 +15X05133+
15X05143+15X05153 +15X05163 +15X05173 +15X05183 +15X05193 +15X05203 +15X05213+
15X05064+15X05074 +15X05084 +15X05094 +15X05104 +15X05114 +15X05124 +15X05134+
15X05144+15X05154 +15X05164 +15X05174 +15X05184 +15X05194 +15X05204 +15X05214+
15X05065+15X05075 +15X05085 +15X05095 +15X05105 +15X05115 +15X05125 +15X05135+
15X05145+15X05155 +15X05165 +15X05175 +15X05185 +15X05195 +15X05205 +15X05215+
15X06061+15X06071 +15X06081 +15X06091 +15X06101 +15X06111 +15X06121 +15X06131+

15X06141+15X06151 +15X06161 +15X06171 +15X06181 +15X06191 +15X06201 +15X06211+
15X06062+15X06072 +15X06082 +15X06092 +15X06102 +15X06112 +15X06122 +15X06132+
15X06142+15X06152 +15X06162 +15X06172 +15X06182 +15X06192 +15X06202 +15X06212+
15X06063+15X06073 +15X06083 +15X06093 +15X06103 +15X06113 +15X06123 +15X06133+
15X06143+15X06153 +15X06163 +15X06173 +15X06183 +15X06193 +15X06203 +15X06213+
15X06064+15X06074 +15X06084 +15X06094 +15X06104 +15X06114 +15X06124 +15X06134+
15X06144+15X06154 +15X06164 +15X06174 +15X06184 +15X06194 +15X06204 +15X06214+
15X06065+15X06075 +15X06085 +15X06095 +15X06105 +15X06115 +15X06125 +15X06135+
15X06145+15X06155 +15X06165 +15X06175 +15X06185 +15X06195 +15X06205 +15X06215+
15X07061+15X07071 +15X07081 +15X07091 +15X07101 +15X07111 +15X07121 +15X07131+

15X07141+15X07151 +15X07161 +15X07171 +15X07181 +15X07191 +15X07201 +15X07211+
15X07062+15X07072 +15X07082 +15X07092 +15X07102 +15X07112 +15X07122 +15X07132+
15X07142+15X07152 +15X07162 +15X07172 +15X07182 +15X07192 +15X07202 +15X07212+
15X07063+15X07073 +15X07083 +15X07093 +15X07103 +15X07113 +15X07123 +15X07133+
15X07143+15X07153 +15X07163 +15X07173 +15X07183 +15X07193 +15X07203 +15X07213+
15X07064+15X07074 +15X07084 +15X07094 +15X07104 +15X07114 +15X07124 +15X07134+
15X07144+15X07154 +15X07164 +15X07174 +15X07184 +15X07194 +15X07204 +15X07214+
15X07065+15X07075 +15X07085 +15X07095 +15X07105 +15X07115 +15X07125 +15X07135+
15X07145+15X07155 +15X07165 +15X07175 +15X07185 +15X07195 +15X07205 +15X07215+
20X08061+20X08071 +20X08081 +20X08091 +20X08101 +20X08111 +20X08121 +20X08131+

20X08141+20X08151 +20X08161 +20X08171 +20X08181 +20X08191 +20X08201 +20X08211+
20X08062+20X08072 +20X08082 +20X08092 +20X08102 +20X08112 +20X08122 +20X08132+
78
20X08142+20X08152 +20X08162 +20X08172 +20X08182 +20X08192 +20X08202 +20X08212+

20X08063+20X08073 +20X08083 +20X08093 +20X08103 +20X08113 +20X08123 +20X08133+
20X08143+20X08153 +20X08163 +20X08173 +20X08183 +20X08193 +20X08203 +20X08213+
20X08064+20X08074 +20X08084 +20X08094 +20X08104 +20X08114 +20X08124 +20X08134+
20X08144+20X08154 +20X08164 +20X08174 +20X08184 +20X08194 +20X08204 +20X08214+
20X08065+20X08075 +20X08085 +20X08095 +20X08105 +20X08115 +20X08125 +20X08135+
20X08145+20X08155 +20X08165 +20X08175 +20X08185 +20X08195 +20X08205 +20X08215+
20X09061+20X09071 +20X09081 +20X09091 +20X09101 +20X09111 +20X09121 +20X09131+

20X09141+20X09151 +20X09161 +20X09171 +20X09181 +20X09191 +20X09201 +20X09211+
20X09062+20X09072 +20X09082 +20X09092 +20X09102 +20X09112 +20X09122 +20X09132+
20X09142+20X09152 +20X09162 +20X09172 +20X09182 +20X09192 +20X09202 +20X09212+
20X09063+20X09073 +20X09083 +20X09093 +20X09103 +20X09113 +20X09123 +20X09133+
20X09143+20X09153 +20X09163 +20X09173 +20X09183 +20X09193 +20X09203 +20X09213+
20X09064+20X09074 +20X09084 +20X09094 +20X09104 +20X09114 +20X09124 +20X09134+
20X09144+20X09154 +20X09164 +20X09174 +20X09184 +20X09194 +20X09204 +20X09214+
20X09065+20X09075 +20X09085 +20X09095 +20X09105 +20X09115 +20X09125 +20X09135+
20X09145+20X09155 +20X09165 +20X09175 +20X09185 +20X09195 +20X09205 +20X09215+
20X10061+20X10071 +20X10081 +20X10091 +20X10101 +20X10111 +20X10121 +20X10131+

20X10141+20X10151 +20X10161 +20X10171 +20X10181 +20X10191 +20X10201 +20X10211+
20X10062+20X10072 +20X10082 +20X10092 +20X10102 +20X10112 +20X10122 +20X10132+
20X10142+20X10152 +20X10162 +20X10172 +20X10182 +20X10192 +20X10202 +20X10212+
20X10063+20X10073 +20X10083 +20X10093 +20X10103 +20X10113 +20X10123 +20X10133+
20X10143+20X10153 +20X10163 +20X10173 +20X10183 +20X10193 +20X10203 +20X10213+
20X10064+20X10074 +20X10084 +20X10094 +20X10104 +20X10114 +20X10124 +20X10134+
20X10144+20X10154 +20X10164 +20X10174 +20X10184 +20X10194 +20X10204 +20X10214+
20X10065+20X10075 +20X10085 +20X10095 +20X10105 +20X10115 +20X10125 +20X10135+
20X10145+20X10155 +20X10165 +20X10175 +20X10185 +20X10195 +20X10205 +20X10215+
20X11061+20X11071 +20X11081 +20X11091 +20X11101 +20X11111 +20X11121 +20X11131+

20X11141+20X11151 +20X11161 +20X11171 +20X11181 +20X11191 +20X11201 +20X11211+
20X11062+20X11072 +20X11082 +20X11092 +20X11102 +20X11112 +20X11122 +20X11132+
20X11142+20X11152 +20X11162 +20X11172 +20X11182 +20X11192 +20X11202 +20X11212+
20X11063+20X11073 +20X11083 +20X11093 +20X11103 +20X11113 +20X11123 +20X11133+
20X11143+20X11153 +20X11163 +20X11173 +20X11183 +20X11193 +20X11203 +20X11213+
20X11064+20X11074 +20X11084 +20X11094 +20X11104 +20X11114 +20X11124 +20X11134+
20X11144+20X11154 +20X11164 +20X11174 +20X11184 +20X11194 +20X11204 +20X11214+
20X11065+20X11075 +20X11085 +20X11095 +20X11105 +20X11115 +20X11125 +20X11135+
20X11145+20X11155 +20X11165 +20X11175 +20X11185 +20X11195 +20X11205 +20X11215+
20X12061+20X12071 +20X12081 +20X12091 +20X12101 +20X12111 +20X12121 +20X12131+

20X12141+20X12151 +20X12161 +20X12171 +20X12181 +20X12191 +20X12201 +20X12211+
20X12062+20X12072 +20X12082 +20X12092 +20X12102 +20X12112 +20X12122 +20X12132+
20X12142+20X12152 +20X12162 +20X12172 +20X12182 +20X12192 +20X12202 +20X12212+
20X12063+20X12073 +20X12083 +20X12093 +20X12103 +20X12113 +20X12123 +20X12133+
20X12143+20X12153 +20X12163 +20X12173 +20X12183 +20X12193 +20X12203 +20X12213+
20X12064+20X12074 +20X12084 +20X12094 +20X12104 +20X12114 +20X12124 +20X12134+
20X12144+20X12154 +20X12164 +20X12174 +20X12184 +20X12194 +20X12204 +20X12214+
20X12065+20X12075 +20X12085 +20X12095 +20X12105 +20X12115 +20X12125 +20X12135+
20X12145+20X12155 +20X12165 +20X12175 +20X12185 +20X12195 +20X12205 +20X12215+
25X13061+25X13071 +25X13081 +25X13091 +25X13101 +25X13111 +25X13121 +25X13131+

25X13141+25X13151 +25X13161 +25X13171 +25X13181 +25X13191 +25X13201 +25X13211+
25X13062+25X13072 +25X13082 +25X13092 +25X13102 +25X13112 +25X13122 +25X13132+
79
25X13142+25X13152 +25X13162 +25X13172 +25X13182 +25X13192 +25X13202 +25X13212+

25X13063+25X13073 +25X13083 +25X13093 +25X13103 +25X13113 +25X13123 +25X13133+
25X13143+25X13153 +25X13163 +25X13173 +25X13183 +25X13193 +25X13203 +25X13213+
25X13064+25X13074 +25X13084 +25X13094 +25X13104 +25X13114 +25X13124 +25X13134+
25X13144+25X13154 +25X13164 +25X13174 +25X13184 +25X13194 +25X13204 +25X13214+
25X13065+25X13075 +25X13085 +25X13095 +25X13105 +25X13115 +25X13125 +25X13135+
25X13145+25X13155 +25X13165 +25X13175 +25X13185 +25X13195 +25X13205 +25X13215+
25X14061+25X14071 +25X14081 +25X14091 +25X14101 +25X14111 +25X14121 +25X14131+

25X14141+25X14151 +25X14161 +25X14171 +25X14181 +25X14191 +25X14201 +25X14211+
25X14062+25X14072 +25X14082 +25X14092 +25X14102 +25X14112 +25X14122 +25X14132+
25X14142+25X14152 +25X14162 +25X14172 +25X14182 +25X14192 +25X14202 +25X14212+
25X14063+25X14073 +25X14083 +25X14093 +25X14103 +25X14113 +25X14123 +25X14133+
25X14143+25X14153 +25X14163 +25X14173 +25X14183 +25X14193 +25X14203 +25X14213+
25X14064+25X14074 +25X14084 +25X14094 +25X14104 +25X14114 +25X14124 +25X14134+
25X14144+25X14154 +25X14164 +25X14174 +25X14184 +25X14194 +25X14204 +25X14214+
25X14065+25X14075 +25X14085 +25X14095 +25X14105 +25X14115 +25X14125 +25X14135+
25X14145+25X14155 +25X14165 +25X14175 +25X14185 +25X14195 +25X14205 +25X14215+
25X15061+25X15071 +25X15081 +25X15091 +25X15101 +25X15111 +25X15121 +25X15131+

25X15141+25X15151 +25X15161 +25X15171 +25X15181 +25X15191 +25X15201 +25X15211+
25X15062+25X15072 +25X15082 +25X15092 +25X15102 +25X15112 +25X15122 +25X15132+
25X15142+25X15152 +25X15162 +25X15172 +25X15182 +25X15192 +25X15202 +25X15212+
25X15063+25X15073 +25X15083 +25X15093 +25X15103 +25X15113 +25X15123 +25X15133+
25X15143+25X15153 +25X15163 +25X15173 +25X15183 +25X15193 +25X15203 +25X15213+
25X15064+25X15074 +25X15084 +25X15094 +25X15104 +25X15114 +25X15124 +25X15134+
25X15144+25X15154 +25X15164 +25X15174 +25X15184 +25X15194 +25X15204 +25X15214+
25X15065+25X15075 +25X15085 +25X15095 +25X15105 +25X15115 +25X15125 +25X15135+
25X15145+25X15155 +25X15165 +25X15175 +25X15185 +25X15195 +25X15205 +25X15215
SUBJECT TO
01) 15X01061 +15X02061 +15X03061 +15X04061 +15X05061 +15X06061 +15X07061 +20X08061+
20X09061 +20X10061 +20X11061 +20X12061 +25X13061 +25X14061 +25X15061 >=160
02) 15X01071 +15X02071 +15X03071 +15X04071 +15X05071 +15X06071 +15X07071 +20X08071+
20X09071 +20X10071 +20X11071 +20X12071 +25X13071 +25X14071 +25X15071 >=270
03) 15X01081 +15X02081 +15X03081 +15X04081 +15X05081 +15X06081 +15X07081 +20X08081+
20X09081 +20X10081 +20X11081 +20X12081 +25X13081 +25X14081 +25X15081 >=180
04) 15X01091 +15X02091 +15X03091 +15X04091 +15X05091 +15X06091 +15X07091 +20X08091+
20X09091 +20X10091 +20X11091 +20X12091 +25X13091 +25X14091 +25X15091 >=105
05) 15X01101 +15X02101 +15X03101 +15X04101 +15X05101 +15X06101 +15X07101 +20X08101+
20X09101 +20X10101 +20X11101 +20X12101 +25X13101 +25X14101 +25X15101 >=90
06) 15X01111 +15X02111 +15X03111 +15X04111 +15X05111 +15X06111 +15X07111 +20X08111+
20X09111 +20X10111 +20X11111 +20X12111 +25X13111 +25X14111 +25X15111 >=110
07) 15X01121 +15X02121 +15X03121 +15X04121 +15X05121 +15X06121 +15X07121 +20X08121+
20X09121 +20X10121 +20X11121 +20X12121 +25X13121 +25X14121 +25X15121 >=120
08) 15X01131 +15X02131 +15X03131 +15X04131 +15X05131 +15X06131 +15X07131 +20X08131+
20X09131 +20X10131 +20X11131 +20X12131 +25X13131 +25X14131 +25X15131 >=280
09) 15X01141 +15X02141 +15X03141 +15X04141 +15X05141 +15X06141 +15X07141 +20X08141+
20X09141 +20X10141 +20X11141 +20X12141 +25X13141 +25X14141 +25X15141 >=160
10) 15X01151 +15X02151 +15X03151 +15X04151 +15X05151 +15X06151 +15X07151 +20X08151+
20X09151 +20X10151 +20X11151 +20X12151 +25X13151 +25X14151 +25X15151 >=140
11) 15X01161 +15X02161 +15X03161 +15X04161 +15X05161 +15X06161 +15X07161 +20X08161+
20X09161 +20X10161 +20X11161 +20X12161 +25X13161 +25X14161 +25X15161 >=100
12) 15X01171 +15X02171 +15X03171 +15X04171 +15X05171 +15X06171 +15X07171 +20X08171+
80
20X09171 +20X10171 +20X11171 +20X12171 +25X13171 +25X14171 +25X15171 >=115

13) 15X01181 +15X02181 +15X03181 +15X04181 +15X05181 +15X06181 +15X07181 +20X08181+
20X09181 +20X10181 +20X11181 +20X12181 +25X13181 +25X14181 +25X15181 >=125
14) 15X01191 +15X02191 +15X03191 +15X04191 +15X05191 +15X06191 +15X07191 +20X08191+
20X09191 +20X10191 +20X11191 +20X12191 +25X13191 +25X14191 +25X15191 >=190
15) 15X01201 +15X02201 +15X03201 +15X04201 +15X05201 +15X06201 +15X07201 +20X08201+
20X09201 +20X10201 +20X11201 +20X12201 +25X13201 +25X14201 +25X15201 >=270
16) 15X01211 +15X02211 +15X03211 +15X04211 +15X05211 +15X06211 +15X07211 +20X08211+
20X09211 +20X10211 +20X11211 +20X12211 +25X13211 +25X14211 +25X15211 >=170
17) 15X01062 +15X02062 +15X03062 +15X04062 +15X05062 +15X06062 +15X07062 +20X08062+

20X09062 +20X10062 +20X11062 +20X12062 +25X13062 +25X14062 +25X15062 >=160
18) 15X01072 +15X02072 +15X03072 +15X04072 +15X05072 +15X06072 +15X07072 +20X08072+
20X09072 +20X10072 +20X11072 +20X12072 +25X13072 +25X14072 +25X15072 >=270
19) 15X01082 +15X02082 +15X03082 +15X04082 +15X05082 +15X06082 +15X07082 +20X08082+
20X09082 +20X10082 +20X11082 +20X12082 +25X13082 +25X14082 +25X15082 >=180
20) 15X01092 +15X02092 +15X03092 +15X04092 +15X05092 +15X06092 +15X07092 +20X08092+
20X09092 +20X10092 +20X11092 +20X12092 +25X13092 +25X14092 +25X15092 >=105
21) 15X01102 +15X02102 +15X03102 +15X04102 +15X05102 +15X06102 +15X07102 +20X08102+
20X09102 +20X10102 +20X11102 +20X12102 +25X13102 +25X14102 +25X15102 >=90
22) 15X01112 +15X02112 +15X03112 +15X04112 +15X05112 +15X06112 +15X07112 +20X08112+
20X09112 +20X10112 +20X11112 +20X12112 +25X13112 +25X14112 +25X15112 >=110
23) 15X01122 +15X02122 +15X03122 +15X04122 +15X05122 +15X06122 +15X07122 +20X08122+
20X09122 +20X10122 +20X11122 +20X12122 +25X13122 +25X14122 +25X15122 >=120
24) 15X01132 +15X02132 +15X03132 +15X04132 +15X05132 +15X06132 +15X07132 +20X08132+
20X09132 +20X10132 +20X11132 +20X12132 +25X13132 +25X14132 +25X15132 >=280
25) 15X01142 +15X02142 +15X03142 +15X04142 +15X05142 +15X06142 +15X07142 +20X08142+
20X09142 +20X10142 +20X11142 +20X12142 +25X13142 +25X14142 +25X15142 >=160
26) 15X01152 +15X02152 +15X03152 +15X04152 +15X05152 +15X06152 +15X07152 +20X08152+
20X09152 +20X10152 +20X11152 +20X12152 +25X13152 +25X14152 +25X15152 >=140
27) 15X01162 +15X02162 +15X03162 +15X04162 +15X05162 +15X06162 +15X07162 +20X08162+
20X09162 +20X10162 +20X11162 +20X12162 +25X13162 +25X14162 +25X15162 >=100
28) 15X01172 +15X02172 +15X03172 +15X04172 +15X05172 +15X06172 +15X07172 +20X08172+
20X09172 +20X10172 +20X11172 +20X12172 +25X13172 +25X14172 +25X15172 >=115
29) 15X01182 +15X02182 +15X03182 +15X04182 +15X05182 +15X06182 +15X07182 +20X08182+
20X09182 +20X10182 +20X11182 +20X12182 +25X13182 +25X14182 +25X15182 >=125
30) 15X01192 +15X02192 +15X03192 +15X04192 +15X05192 +15X06192 +15X07192 +20X08192+
20X09192 +20X10192 +20X11192 +20X12192 +25X13192 +25X14192 +25X15192 >=190
31) 15X01202 +15X02202 +15X03202 +15X04202 +15X05202 +15X06202 +15X07202 +20X08202+
20X09202 +20X10202 +20X11202 +20X12202 +25X13202 +25X14202 +25X15202 >=270
32) 15X01212 +15X02212+15X03212 +15X04212 +15X05212 +15X06212 +15X07212 +20X08212+
20X09212 +20X10212 +20X11212 +20X12212 +25X13212 +25X14212 +25X15212 >=170
33) 15X01063 +15X02063 +15X03063 +15X04063 +15X05063 +15X06063 +15X07063 +20X08063+

20X09063 +20X10063 +20X11063 +20X12063 +25X13063 +25X14063 +25X15063 >=160
34) 15X01073 +15X02073 +15X03073 +15X04073 +15X05073 +15X06073 +15X07073 +20X08073+
20X09073 +20X10073 +20X11073 +20X12073 +25X13073 +25X14073 +25X15073 >=270
35) 15X01083 +15X02083 +15X03083 +15X04083 +15X05083 +15X06083 +15X07083 +20X08083+
20X09083 +20X10083 +20X11083 +20X12083 +25X13083 +25X14083 +25X15083 >=180
36) 15X01093 +15X02093 +15X03093 +15X04093 +15X05093 +15X06093 +15X07093 +20X08093+
20X09093 +20X10093 +20X11093 +20X12093 +25X13093 +25X14093 +25X15093 >=105
37) 15X01103 +15X02103 +15X03103 +15X04103 +15X05103 +15X06103 +15X07103 +20X08103+
20X09103 +20X10103 +20X11103 +20X12103 +25X13103 +25X14103 +25X15103 >=90
38) 15X01113 +15X02113 +15X03113 +15X04113 +15X05113 +15X06113 +15X07113 +20X08113+
20X09113 +20X10113 +20X11113 +20X12113 +25X13113 +25X14113 +25X15113 >=110
81
39) 15X01123 +15X02123 +15X03123 +15X04123 +15X05123 +15X06123 +15X07123 +20X08123+

20X09123 +20X10123 +20X11123 +20X12123 +25X13123 +25X14123 +25X15123 >=120
40) 15X01133 +15X02133 +15X03133 +15X04133 +15X05132 +15X06132 +15X07133 +20X08133+
20X09133 +20X10133 +20X11133 +20X12133 +25X13132 +25X14132 +25X15133 >=280
41) 15X01143 +15X02143 +15X03143 +15X04143 +15X05143 +15X06142 +15X07143 +20X08143+
20X09143 +20X10143 +20X11143 +20X12143 +25X13143 +25X14142 +25X15143 >=160
42) 15X01153 +15X02153 +15X03153 +15X04153 +15X05153 +15X06152 +15X07153 +20X08153+
20X09153 +20X10153 +20X11153 +20X12153 +25X13153 +25X14152 +25X15153 >=140
43) 15X01163 +15X02163 +15X03163 +15X04163 +15X05163 +15X06163 +15X07163 +20X08163+
20X09163 +20X10163 +20X11163 +20X12163 +25X13163 +25X14163 +25X15163 >=100
44) 15X01173 +15X02173 +15X03173 +15X04173 +15X05173 +15X06173 +15X07173 +20X08173+
20X09173 +20X10173 +20X11173 +20X12173 +25X13173 +25X14173 +25X15173 >=115
45) 15X01183 +15X02183 +15X03183 +15X04183 +15X05183 +15X06183 +15X07183 +20X08183+
20X09183 +20X10183 +20X11183 +20X12183 +25X13183 +25X14183 +25X15183 >=125
46) 15X01193 +15X02193 +15X03193 +15X04193 +15X05193 +15X06193 +15X07193 +20X08193+
20X09193 +20X10193 +20X11193 +20X12193 +25X13193 +25X14193 +25X15193 >=190
47) 15X01203 +15X02203 +15X03203 +15X04203 +15X05203 +15X06203 +15X07203 +20X08203+
20X09203 +20X10203 +20X11203 +20X12203 +25X13203 +25X14203 +25X15203 >=270
48) 15X01213 +15X02213+15X03213 +15X04213 +15X05213 +15X06213 +15X07213 +20X08213+
20X09213 +20X10213 +20X11213 +20X12213 +25X13213 +25X14213 +25X15213 >=170
49) 15X01064 +15X02064 +15X03064 +15X04064 +15X05064 +15X06064 +15X07064 +20X08064+

20X09064 +20X10064 +20X11064 +20X12064 +25X13064 +25X14064 +25X15064 >=160
50) 15X01074 +15X02074 +15X03074 +15X04074 +15X05074 +15X06074 +15X07074 +20X08074+
20X09074 +20X10074 +20X11074 +20X12074 +25X13074 +25X14074 +25X15074 >=270
51) 15X01084 +15X02084 +15X03084 +15X04084 +15X05084 +15X06084 +15X07084 +20X08084+
20X09084 +20X10084 +20X11084 +20X12084 +25X13084 +25X14084 +25X15084 >=180
52) 15X01094 +15X02094 +15X03094 +15X04094 +15X05094 +15X06094 +15X07094 +20X08094+
20X09094 +20X10094 +20X11094 +20X12094 +25X13094 +25X14094 +25X15094 >=105
53) 15X01104 +15X02104 +15X03104 +15X04104 +15X05104 +15X06104 +15X07104 +20X08104+
20X09104 +20X10104 +20X11104 +20X12104 +25X13104 +25X14104 +25X15104 >=90
54) 15X01114 +15X02114 +15X03114 +15X04114 +15X05114 +15X06114 +15X07114 +20X08114+
20X09114 +20X10114 +20X11114 +20X12114 +25X13114 +25X14114 +25X15114 >=110
55) 15X01124 +15X02124 +15X03124 +15X04124 +15X05124 +15X06124 +15X07124 +20X08124+
20X09124 +20X10124 +20X11124 +20X12124 +25X13124 +25X14124 +25X15124 >=120
56) 15X01134 +15X02134 +15X03134 +15X04134 +15X05134 +15X06134 +15X07134 +20X08134+
20X09134 +20X10134 +20X11134 +20X12134 +25X13134 +25X14134 +25X15134 >=280
57) 15X01144 +15X02144 +15X03144 +15X04144 +15X05144 +15X06144 +15X07144 +20X08144+
20X09144 +20X10144 +20X11144 +20X12144 +25X13144 +25X14144 +25X15144 >=160
58) 15X01154 +15X02154 +15X03154 +15X04154 +15X05154 +15X06154 +15X07154 +20X08154+
20X09154 +20X10154 +20X11154 +20X12154 +25X13154 +25X14154 +25X15154 >=140
59) 15X01164 +15X02164 +15X03164 +15X04164 +15X05164 +15X06164 +15X07164 +20X08164+
20X09164 +20X10164 +20X11164 +20X12164 +25X13164 +25X14164 +25X15164 >=100
60) 15X01174 +15X02174 +15X03174 +15X04174 +15X05174 +15X06174 +15X07174 +20X08174+
20X09174 +20X10174 +20X11174 +20X12174 +25X13174 +25X14174 +25X15174 >=115
61) 15X01184 +15X02184 +15X03184 +15X04184 +15X05184 +15X06184 +15X07184 +20X08184+
20X09184 +20X10184 +20X11184 +20X12184 +25X13184 +25X14184 +25X15184 >=125
62) 15X01194 +15X02194 +15X03194 +15X04194 +15X05194 +15X06194 +15X07194 +20X08194+
20X09194 +20X10194 +20X11194 +20X12194 +25X13194 +25X14194 +25X15194 >=190
63) 15X01204 +15X02204 +15X03204 +15X04204 +15X05204 +15X06204 +15X07204 +20X08204+
20X09204 +20X10204 +20X11204 +20X12204 +25X13204 +25X14204 +25X15204 >=270
64) 15X01214 +15X02214+15X03214 +15X04214 +15X05214 +15X06214 +15X07214 +20X08214+
20X09214 +20X10214 +20X11214 +20X12214 +25X13214 +25X14214 +25X15214 >=170
65) 15X01065 +15X02065 +15X03065 +15X04065 +15X05065 +15X06065 +15X07065 +20X08065+
82
20X09065 +20X10065 +20X11065 +20X12065 +25X13065 +25X14065 +25X15065 >=160

66) 15X01075 +15X02075 +15X03075 +15X04075 +15X05075 +15X06075 +15X07075 +20X08075+
20X09075 +20X10075 +20X11075 +20X12075 +25X13075 +25X14075 +25X15075 >=270
67) 15X01085 +15X02085 +15X03085 +15X04085 +15X05085 +15X06085 +15X07085 +20X08085+
20X09085 +20X10085 +20X11085 +20X12085 +25X13085 +25X14085 +25X15085 >=180
68) 15X01095 +15X02095 +15X03095 +15X04095 +15X05095 +15X06095 +15X07095 +20X08095+
20X09095 +20X10095 +20X11095 +20X12095 +25X13095 +25X14095 +25X15095 >=105
69) 15X01105 +15X02105 +15X03105 +15X04105 +15X05105 +15X06105 +15X07105 +20X08105+
20X09105 +20X10105 +20X11105 +20X12105 +25X13105 +25X14105 +25X15105 >=90
70) 15X01115 +15X02115 +15X03115 +15X04115 +15X05115 +15X06115 +15X07115 +20X08115+
20X09115 +20X10115 +20X11115 +20X12115 +25X13115 +25X14115 +25X15115 >=110
71) 15X01125 +15X02125 +15X03125 +15X04125 +15X05125 +15X06125 +15X07125 +20X08125+
20X09125 +20X10125 +20X11125 +20X12125 +25X13125 +25X14125 +25X15125 >=120
72) 15X01135 +15X02135 +15X03135 +15X04135 +15X05135 +15X06135 +15X07135 +20X08135+
20X09135 +20X10135 +20X11135 +20X12135 +25X13135 +25X14135 +25X15135 >=280
73) 15X01145 +15X02145 +15X03145 +15X04145 +15X05145 +15X06145 +15X07145 +20X08145+
20X09145 +20X10145 +20X11145 +20X12145 +25X13145 +25X14145 +25X15145 >=160
74) 15X01155 +15X02155 +15X03155 +15X04155 +15X05155 +15X06155 +15X07155 +20X08155+
20X09155 +20X10155 +20X11155 +20X12155 +25X13155 +25X14155 +25X15155 >=140
75) 15X01165 +15X02165 +15X03165 +15X04165 +15X05165 +15X06165 +15X07165 +20X08165+
20X09165 +20X10165 +20X11165 +20X12165 +25X13165 +25X14165 +25X15165 >=100
76) 15X01175 +15X02175 +15X03175 +15X04175 +15X05175 +15X06175 +15X07175 +20X08175+
20X09175 +20X10175 +20X11175 +20X12175 +25X13175 +25X14175 +25X15175 >=115
77) 15X01185 +15X02185 +15X03185 +15X04185 +15X05185 +15X06185 +15X07185 +20X08185+
20X09185 +20X10185 +20X11185 +20X12185 +25X13185 +25X14185 +25X15185 >=125
78) 15X01195 +15X02195 +15X03195 +15X04195 +15X05195 +15X06195 +15X07195 +20X08195+
20X09195 +20X10195 +20X11195 +20X12195 +25X13195 +25X14195 +25X15195 >=190
79) 15X01205 +15X02205 +15X03205 +15X04205 +15X05205 +15X06205 +15X07205 +20X08205+
20X09205 +20X10205 +20X11205 +20X12205 +25X13205 +25X14205 +25X15205 >=270
80) 15X01215 +15X02215+15X03215 +15X04215 +15X05215 +15X06215 +15X07215 +20X08215+
20X09215 +20X10215 +20X11215 +20X12215 +25X13215 +25X14215 +25X15215 >=170
81) X01061 +X01071 +X01081 +X01091 +X01101 +X01111 +X01121 +X01131

+X01141 +X01151 +X01161 +X01171 +X01181 +X01191 +X01201 +X01211 +X01062
+X01072 +X01082 +X01092 +X01102 +X01112 +X01122 +X01132 +X01142 +X01152
+X01162 +X01172 +X01182 +X01192 +X01202 +X01212 +X01063 +X01073 +X01083
+X01093 +X01103 +X01113 +X01123 +X01133 +X01143 +X01153 +X01163 +X01173
+X01183 +X01193 +X01203 +X01213 +X01064 +X01074 +X01084 +X01094 +X01104
+X01114 +X01124 +X01134 +X01144 +X01154 +X01164 +X01174 +X01184 +X01194
+X01204 +X01214 +X01065 +X01075 +X01085 +X01095 +X01105 +X01115 +X01125
+X01135 +X01145 +X01155 +X01165 +X01175 +X01185 +X01195 +X01205 +X01215 –e1=61
82) X02061 +X02071 +X02081 +X02091 +X02101 +X02111 +X02121 +X02131

+X02141 +X02151 +X02161 +X02171 +X02181 +X02191 +X02201 +X02211 +X02062
+X02072 +X02082 +X02092 +X02102 +X02112 +X02122 +X02132 +X02142 +X02152
+X02162 +X02172 +X02182 +X02192 +X02202 +X02212 +X02063 +X02073 +X02083
+X02093 +X02103 +X02113 +X02123 +X02133 +X02143 +X02153 +X02163 +X02173
+X02183 +X02193 +X02203 +X02213 +X02064 +X02074 +X02084 +X02094 +X02104
+X02114 +X02124 +X02134 +X02144 +X02154 +X02164 +X02174 +X02184 +X02194
+X02204 +X02214 +X02065 +X02075 +X02085 +X02095 +X02105 +X02115 +X02125
+X02135 +X02145 +X02155 +X02165 +X02175 +X02185 +X02195 +X02205 +X02215 –e2=61
83) X03061 +X03071 +X03081 +X03091 +X03101 +X03111 +X03121 +X03131

+X03141 +X03151 +X03161 +X03171 +X03181 +X03191 +X03201 +X03211 +X03062
+X03072 +X03082 +X03092 +X03102 +X03112 +X03122 +X03132 +X03142 +X03152
83
+X03162 +X03172 +X03182 +X03192 +X03202 +X03212 +X03063 +X03073 +X03083

+X03093 +X03103 +X03113 +X03123 +X03133 +X03143 +X03153 +X03163 +X03173
+X03183 +X03193 +X03203 +X03213 +X03064 +X03074 +X03084 +X03094 +X03104
+X03114 +X03124 +X03134 +X03144 +X03154 +X03164 +X03174 +X03184 +X03194
+X03204 +X03214 +X03065 +X03075 +X03085 +X03095 +X03105 +X03115 +X03125
+X03135 +X03145 +X03155 +X03165 +X03175 +X03185 +X03195 +X03205 +X03215 –e3=61
84) X04061 +X04071 +X04081 +X04091 +X04101 +X04111 +X04121 +X04131

+X04141 +X04151 +X04161 +X04171 +X04181 +X04191 +X04201 +X04211 +X04062
+X04072 +X04082 +X04092 +X04102 +X04112 +X04122 +X04132 +X04142 +X04152
+X04162 +X04172 +X04182 +X04192 +X04202 +X04212 +X04063 +X04073 +X04083
+X04093 +X04103 +X04113 +X04123 +X04133 +X04143 +X04153 +X04163 +X04173
+X04183 +X04193 +X04203 +X04213 +X04064 +X04074 +X04084 +X04094 +X04104
+X04114 +X04124 +X04134 +X04144 +X04154 +X04164 +X04174 +X04184 +X04194
+X04204 +X04214 +X04065 +X04075 +X04085 +X04095 +X04105 +X04115 +X04125
+X04135 +X04145 +X04155 +X04165 +X04175 +X04185 +X04195 +X04205 +X04215 –e4=61
85) X05061 +X05071 +X05081 +X05091 +X05101 +X05111 +X05121 +X05131

+X05141 +X05151 +X05161 +X05171 +X05181 +X05191 +X05201 +X05211 +X05062
+X05072 +X05082 +X05092 +X05102 +X05112 +X05122 +X05132 +X05142 +X05152
+X05162 +X05172 +X05182 +X05192 +X05202 +X05212 +X05063 +X05073 +X05083
+X05093 +X05103 +X05113 +X05123 +X05133 +X05143 +X05153 +X05163 +X05173
+X05183 +X05193 +X05203 +X05213 +X05064 +X05074 +X05084 +X05094 +X05104
+X05114 +X05124 +X05134 +X05144 +X05154 +X05164 +X05174 +X05184 +X05194
+X05204 +X05214 +X05065 +X05075 +X05085 +X05095 +X05105 +X05115 +X05125
+X05135 +X05145 +X05155 +X05165 +X05175 +X05185 +X05195 +X05205 +X05215 –e5=61
86) X06061 +X06071 +X06081 +X06091 +X06101 +X06111 +X06121 +X06131

+X06141 +X06151 +X06161 +X06171 +X06181 +X06191 +X06201 +X06211 +X06062
+X06072 +X06082 +X06092 +X06102 +X06112 +X06122 +X06132 +X06142 +X06152
+X06162 +X06172 +X06182 +X06192 +X06202 +X06212 +X06063 +X06073 +X06083
+X06093 +X06103 +X06113 +X06123 +X06133 +X06143 +X06153 +X06163 +X06173
+X06183 +X06193 +X06203 +X06213 +X06064 +X06074 +X06084 +X06094 +X06104
+X06114 +X06124 +X06134 +X06144 +X06154 +X06164 +X06174 +X06184 +X06194
+X06204 +X06214 +X06065 +X06075 +X06085 +X06095 +X06105 +X06115 +X06125
+X06135 +X06145 +X06155 +X06165 +X06175 +X06185 +X06195 +X06205 +X06215 –e6=61
87) X07061 +X07071 +X07081 +X07091 +X07101 +X07111 +X07121 +X07131

+X07141 +X07151 +X07161 +X07171 +X07181 +X07191 +X07201 +X07211 +X07062
+X07072 +X07082 +X07092 +X07102 +X07112 +X07122 +X07132 +X07142 +X07152
+X07162 +X07172 +X07182 +X07192 +X07202 +X07212 +X07063 +X07073 +X07083
+X07093 +X07103 +X07113 +X07123 +X07133 +X07143 +X07153 +X07163 +X07173
+X07183 +X07193 +X07203 +X07213 +X07064 +X07074 +X07084 +X07094 +X07104
+X07114 +X07124 +X07134 +X07144 +X07154 +X07164 +X07174 +X07184 +X07194
+X07204 +X07214 +X07065 +X07075 +X07085 +X07095 +X07105 +X07115 +X07125
+X07135 +X07145 +X07155 +X07165 +X07175 +X07185 +X07195 +X07205 +X07215 –e7=61
88) X08061 +X08071 +X08081 +X08091 +X08101 +X08111 +X08121 +X08131

+X08141 +X08151 +X08161 +X08171 +X08181 +X08191 +X08201 +X08211 +X08062
+X08072 +X08082 +X08092 +X08102 +X08112 +X08122 +X08132 +X08142 +X08152
+X08162 +X08172 +X08182 +X08192 +X08202 +X08212 +X08063 +X08073 +X08083
+X08093 +X08103 +X08113 +X08123 +X08133 +X08143 +X08153 +X08163 +X08173
+X08183 +X08193 +X08203 +X08213 +X08064 +X08074 +X08084 +X08094 +X08104
+X08114 +X08124 +X08134 +X08144 +X08154 +X08164 +X08174 +X08184 +X08194
+X08204 +X08214 +X08065 +X08075 +X08085 +X08095 +X08105 +X08115 +X08125
84
+X08135 +X08145 +X08155 +X08165 +X08175 +X08185 +X08195 +X08205 +X08215 –e8=61
89) X09061 +X09071 +X09081 +X09091 +X09101 +X09111 +X09121 +X09131

+X09141 +X09151 +X09161 +X09171 +X09181 +X09191 +X09201 +X09211 +X09062
+X09072 +X09082 +X09092 +X09102 +X09112 +X09122 +X09132 +X09142 +X09152
+X09162 +X09172 +X09182 +X09192 +X09202 +X09212 +X09063 +X09073 +X09083
+X09093 +X09103 +X09113 +X09123 +X09133 +X09143 +X09153 +X09163 +X09173
+X09183 +X09193 +X09203 +X09213 +X09064 +X09074 +X09084 +X09094 +X09104
+X09114 +X09124 +X09134 +X09144 +X09154 +X09164 +X09174 +X09184 +X09194
+X09204 +X09214 +X09065 +X09075 +X09085 +X09095 +X09105 +X09115 +X09125
+X09135 +X09145 +X09155 +X09165 +X09175 +X09185 +X09195 +X09205 +X09215 –e9=61
90) X10061 +X10071 +X10081 +X10091 +X10101 +X10111 +X10121 +X10131

+X10141 +X10151 +X10161 +X10171 +X10181 +X10191 +X10201 +X10211 +X10062
+X10072 +X10082 +X10092 +X10102 +X10112 +X10122 +X10132 +X10142 +X10152
+X10162 +X10172 +X10182 +X10192 +X10202 +X10212 +X10063 +X10073 +X10083
+X10093 +X10103 +X10113 +X10123 +X10133 +X10143 +X10153 +X10163 +X10173
+X10183 +X10193 +X10203 +X10213 +X10064 +X10074 +X10084 +X10094 +X10104
+X10114 +X10124 +X10134 +X10144 +X10154 +X10164 +X10174 +X10184 +X10194
+X10204 +X10214 +X10065 +X10075 +X10085 +X10095 +X10105 +X10115 +X10125
+X10135 +X10145 +X10155 +X10165 +X10175 +X10185 +X10195 +X10205 +X10215 –e10=61
91) X11061 +X11071 +X11081 +X11091 +X11101 +X11111 +X11121 +X11131

+X11141 +X11151 +X11161 +X11171 +X11181 +X11191 +X11201 +X11211 +X11062
+X11072 +X11082 +X11092 +X11102 +X11112 +X11122 +X11132 +X11142 +X11152
+X11162 +X11172 +X11182 +X11192 +X11202 +X11212 +X11063 +X11073 +X11083
+X11093 +X11103 +X11113 +X11123 +X11133 +X11143 +X11153 +X11163 +X11173
+X11183 +X11193 +X11203 +X11213 +X11064 +X11074 +X11084 +X11094 +X11104
+X11114 +X11124 +X11134 +X11144 +X11154 +X11164 +X11174 +X11184 +X11194
+X11204 +X11214 +X11065 +X11075 +X11085 +X11095 +X11105 +X11115 +X11125
+X11135 +X11145 +X11155 +X11165 +X11175 +X11185 +X11195 +X11205 +X11215 –e11=61
92) X12061 +X12071 +X12081 +X12091 +X12101 +X12111 +X12121 +X12131

+X12141 +X12151 +X12161 +X12171 +X12181 +X12191 +X12201 +X12211 +X12062
+X12072 +X12082 +X12092 +X12102 +X12112 +X12122 +X12132 +X12142 +X12152
+X12162 +X12172 +X12182 +X12192 +X12202 +X12212 +X12063 +X12073 +X12083
+X12093 +X12103 +X12113 +X12123 +X12133 +X12143 +X12153 +X12163 +X12173
+X12183 +X12193 +X12203 +X12213 +X12064 +X12074 +X12084 +X12094 +X12104
+X12114 +X12124 +X12134 +X12144 +X12154 +X12164 +X12174 +X12184 +X12194
+X12204 +X12214 +X12065 +X12075 +X12085 +X12095 +X12105 +X12115 +X12125
+X12135 +X12145 +X12155 +X12165 +X12175 +X12185 +X12195 +X12205 +X12215 –e12=61
93) X13061 +X13071 +X13081 +X13091 +X13101 +X13111 +X13121 +X13131

+X13141 +X13151 +X13161 +X13171 +X13181 +X13191 +X13201 +X13211 +X13062
+X13072 +X13082 +X13092 +X13102 +X13112 +X13122 +X13132 +X13142 +X13152
+X13162 +X13172 +X13182 +X13192 +X13202 +X13212 +X13063 +X13073 +X13083
+X13093 +X13103 +X13113 +X13123 +X13133 +X13143 +X13153 +X13163 +X13173
+X13183 +X13193 +X13203 +X13213 +X13064 +X13074 +X13084 +X13094 +X13104
+X13114 +X13124 +X13134 +X13144 +X13154 +X13164 +X13174 +X13184 +X13194
+X13204 +X13214 +X13065 +X13075 +X13085 +X13095 +X13105 +X13115 +X13125
+X13135 +X13145 +X13155 +X13165 +X13175 +X13185 +X13195 +X13205 +X13215 –e13=61
94) X14061 +X14071 +X14081 +X14091 +X14101 +X14111 +X14121 +X14131

+X14141 +X14151 +X14161 +X14171 +X14181 +X14191 +X14201 +X14211 +X14062
+X14072 +X14082 +X14092 +X14102 +X14112 +X14122 +X14132 +X14142 +X14152
85
+X14162 +X14172 +X14182 +X14192 +X14202 +X14212 +X14063 +X14073 +X14083

+X14093 +X14103 +X14113 +X14123 +X14133 +X14143 +X14153 +X14163 +X14173
+X14183 +X14193 +X14203 +X14213 +X14064 +X14074 +X14084 +X14094 +X14104
+X14114 +X14124 +X14134 +X14144 +X14154 +X14164 +X14174 +X14184 +X14194
+X14204 +X14214 +X14065 +X14075 +X14085 +X14095 +X14105 +X14115 +X14125
+X14135 +X14145 +X14155 +X14165 +X14175 +X14185 +X14195 +X14205 +X14215 –e14=61
95) X15061 +X15071 +X15081 +X15091 +X15101 +X15111 +X15121 +X15131

+X15141 +X15151 +X15161 +X15171 +X15181 +X15191 +X15201 +X15211 +X15062
+X15072 +X15082 +X15092 +X15102 +X15112 +X15122 +X15132 +X15142 +X15152
+X15162 +X15172 +X15182 +X15192 +X15202 +X15212 +X15063 +X15073 +X15083
+X15093 +X15103 +X15113 +X15123 +X15133 +X15143 +X15153 +X15163 +X15173
+X15183 +X15193 +X15203 +X15213 +X15064 +X15074 +X15084 +X15094 +X15104
+X15114 +X15124 +X15134 +X15144 +X15154 +X15164 +X15174 +X15184 +X15194
+X15204 +X15214 +X15065 +X15075 +X15085 +X15095 +X15105 +X15115 +X15125
+X15135 +X15145 +X15155 +X15165 +X15175 +X15185 +X15195 +X15205 +X15215 –e15=61
96) X01061 +X02061 +X03061 +X04061 +X05061 +X06061 +X07061 +X08061 +X09061+
X10061 +X11061 +X12061 +X13061 +X14061 +X15061 >=11
97) X01071 +X02071 +X03071 +X04071 +X05071 +X06071 +X07071 +X08071 +X09071+
X10071 +X11071 +X12071 +X13071 +X14071 +X15071 >=11
98) X01081 +X02081 +X03081 +X04081 +X05081 +X06081 +X07081 +X08081 +X09081+
X10081 +X11081 +X12081 +X13081 +X14081 +X15081 >=11
99) X01091 +X02091 +X03091 +X04091 +X05091 +X06091 +X07091 +X08091 +X09091+
X10091 +X11091 +X12091 +X13091 +X14091 +X15091 >=11
100) X01101 +X02101 +X03101 +X04101 +X05101 +X06101 +X07101 +X08101 +X09101+
X10101 +X11101 +X12101 +X13101 +X14101 +X15101 >=11
101 X01111 +X02111 +X03111 +X04111 +X05111 +X06111 +X07111 +X08111 +X09111+
X10111 +X11111 +X12111 +X13111 +X14111 +X15111 >=11
102) X01121 +X02121 +X03121 +X04121 +X05121 +X06121 +X07121 +X08121 +X09121+
X10121 +X11121 +X12121 +X13121 +X14121 +X15121 >=11
103) X01131 +X02131 +X03131 +X04131 +X05131 +X06131 +X07131 +X08131 +X09131+
X10131 +X11131 +X12131 +X13131 +X14131 +X15131 >=11
104) X01141 +X02141 +X03141 +X04141 +X05141 +X06141 +X07141 +X08141 +X09141+
X10141 +X11141 +X12141 +X13141 +X14141 +X15141 >=11
105) X01151 +X02151 +X03151 +X04151 +X05151 +X06151 +X07151 +X08151 +X09151+
X10151 +X11151 +X12151 +X13151 +X14151 +X15151 >=11
106) X01161 +X02161 +X03161 +X04161 +X05161 +X06161 +X07161 +X08161 +X09161+
X10161 +X11161 +X12161 +X13161 +X14161 +X15161 >=11
107) X01171 +X02171 +X03171 +X04171 +X05171 +X06171 +X07171 +X08171 +X09171+
X10171 +X11171 +X12171 +X13171 +X14171 +X15171 >=11
108) X01181 +X02181 +X03181 +X04181 +X05181 +X06181 +X07181 +X08181 +X09181+
X10181 +X11181 +X12181 +X13181 +X14181 +X15181 >=11
109) X01191 +X02191 +X03191 +X04191 +X05191 +X06191 +X07191 +X08191 +X09191+
X10191 +X11191 +X12191 +X13191 +X14191 +X15191 >=11
110) X01201 +X02201 +X03201 +X04201 +X05201 +X06201 +X07201 +X08201 +X09201+
X10201 +X11201 +X12201 +X13201 +X14201 +X15201 >=11
111) X01211 +X02211 +X03211 +X04211 +X05211 +X06211 +X07211 +X08211 +X09211+
X10211 +X11211 +X12211 +X13211 +X14211 +X15211 >=11
112) X01062 +X02062 +X03062 +X04062 +X05062 +X06062 +X07062 +X08062 +X09062+
X10062 +X11062 +X12062 +X13062 +X14062 +X15062 >=11
113) X01072 +X02072 +X03072 +X04072 +X05072 +X06072 +X07072 +X08072 +X09072+
X10072 +X11072 +X12072 +X13072 +X14072 +X15072 >=11
114) X01082 +X02082 +X03082 +X04082 +X05082 +X06082 +X07082 +X08082 +X09082+
86
X10082 +X11082 +X12082 +X13082 +X14082 +X15082 >=11

115) X01092 +X02092 +X03092 +X04092 +X05092 +X06092 +X07092 +X08092 +X09092+
X10092 +X11092 +X12092 +X13092 +X14092 +X15092 >=11
116) X01102 +X02102 +X03102 +X04102 +X05102 +X06102 +X07102 +X08102 +X09102+
X10102 +X11102 +X12102 +X13102 +X14102 +X15102 >=11
117) X01112 +X02112 +X03112 +X04112 +X05112 +X06112 +X07112 +X08112 +X09112+
X10112 +X11112 +X12112 +X13112 +X14112 +X15112 >=11
118) X01122 +X02122 +X03122 +X04122 +X05122 +X06122 +X07122 +X08122 +X09122+
X10122 +X11122 +X12122 +X13122 +X14122 +X15122 >=11
119) X01132 +X02132 +X03132 +X04132 +X05132 +X06132 +X07132 +X08132 +X09132+
X10132 +X11132 +X12132 +X13132 +X14132 +X15132 >=11
120) X01142 +X02142 +X03142 +X04142 +X05142 +X06142 +X07142 +X08142 +X09142+
X10142 +X11142 +X12142 +X13142 +X14142 +X15142 >=11
121) X01152 +X02152 +X03152 +X04152 +X05152 +X06152 +X07152 +X08152 +X09152+
X10152 +X11152 +X12152 +X13152 +X14152 +X15152 >=11
122) X01162 +X02162 +X03162 +X04162 +X05162 +X06162 +X07162 +X08162 +X09162+
X10162 +X11162 +X12162 +X13162 +X14162 +X15162 >=11
123) X01172 +X02172 +X03172 +X04172 +X05172 +X06172 +X07172 +X08172 +X09172+
X10172 +X11172 +X12172 +X13172 +X14172 +X15172 >=11
124) X01182 +X02182 +X03182 +X04182 +X05182 +X06182 +X07182 +X08182 +X09182+
X10182 +X11182 +X12182 +X13182 +X14182 +X15182 >=11
125) X01192 +X02192 +X03192 +X04192 +X05192 +X06192 +X07192 +X08192 +X09192+
X10192 +X11192 +X12192 +X13192 +X14192 +X15192 >=11
126) X01202 +X02202 +X03202 +X04202 +X05202 +X06202 +X07202 +X08202 +X09202+
X10202 +X11202 +X12202 +X13202 +X14202 +X15202 >=11
127) X01212 +X02212 +X03212 +X04212 +X05212 +X06212 +X07212 +X08212 +X09212+
X10212 +X11212 +X12212 +X13212 +X14212 +X15212 >=11
128) X01063 +X02063 +X03063 +X04063 +X05063 +X06063 +X07063 +X08063 +X09063+
X10063 +X11063 +X12063 +X13063 +X14063 +X15063 >=11
129) X01073 +X02073 +X03073 +X04073 +X05073 +X06073 +X07073 +X08073 +X09073+
X10073 +X11073 +X12073 +X13073 +X14073 +X15073 >=11
130) X01083 +X02083 +X03083 +X04083 +X05083 +X06083 +X07083 +X08083 +X09083+
X10083 +X11083 +X12083 +X13083 +X14083 +X15083 >=11
131) X01093 +X02093 +X03093 +X04093 +X05093 +X06093 +X07093 +X08093 +X09093+
X10093 +X11093 +X12093 +X13093 +X14093 +X15093 >=11
132) X01103 +X02103 +X03103 +X04103 +X05103 +X06103 +X07103 +X08103 +X09103+
X10103 +X11103 +X12103 +X13103 +X14103 +X15103 >=11
133) X01113 +X02113 +X03113 +X04113 +X05113 +X06113 +X07113 +X08113 +X09113+
X10113 +X11113 +X12113 +X13113 +X14113 +X15113 >=11
134) X01123 +X02123 +X03123 +X04123 +X05123 +X06123 +X07123 +X08123 +X09123+
X10123 +X11123 +X12123 +X13123 +X14123 +X15123 >=11
135) X01133 +X02133 +X03133 +X04133 +X05133 +X06133 +X07133 +X08133 +X09133+
X10133 +X11133 +X12133 +X13133 +X14133 +X15133 >=11
136) X01143 +X02143 +X03143 +X04143 +X05143 +X06143 +X07143 +X08143 +X09143+
X10143 +X11143 +X12143 +X13143 +X14143 +X15143 >=11
137) X01153 +X02153 +X03153 +X04153 +X05153 +X06153 +X07153 +X08153 +X09153+
X10153 +X11153 +X12153 +X13153 +X14153 +X15153 >=11
138) X01163 +X02163 +X03163 +X04163 +X05163 +X06163 +X07163 +X08163 +X09163+
X10163 +X11163 +X12163 +X13163 +X14163 +X15163 >=11
139) X01173 +X02173 +X03173 +X04173 +X05173 +X06173 +X07173 +X08173 +X09173+
X10173 +X11173 +X12173 +X13173 +X14173 +X15173 >=11
140) X01183 +X02183 +X03183 +X04183 +X05183 +X06183 +X07183 +X08183 +X09183+
X10183 +X11183 +X12183 +X13183 +X14183 +X15183 >=11
141) X01193 +X02193 +X03193 +X04193 +X05193 +X06193 +X07193 +X08193 +X09193+
87
X10193 +X11193 +X12193 +X13193 +X14193 +X15193 >=11

142) X01203 +X02203 +X03203 +X04203 +X05203 +X06203 +X07203 +X08203 +X09203+
X10203 +X11203 +X12203 +X13203 +X14203 +X15203 >=11
143) X01213 +X02213 +X03213 +X04213 +X05213 +X06213 +X07213 +X08213 +X09213+
X10213 +X11213 +X12213 +X13213 +X14213 +X15213 >=11
144) X01064 +X02064 +X03064 +X04064 +X05064 +X06064 +X07064 +X08064 +X09064+
X10064 +X11064 +X12064 +X13064 +X14064 +X15064 >=11
145) X01074 +X02074 +X03074 +X04074 +X05074 +X06074 +X07074 +X08074 +X09074+
X10074 +X11074 +X12074 +X13074 +X14074 +X15074 >=11
146) X01084 +X02084 +X03084 +X04084 +X05084 +X06084 +X07084 +X08084 +X09084+
X10084 +X11084 +X12084 +X13084 +X14084 +X15084 >=11
147) X01094 +X02094 +X03094 +X04094 +X05094 +X06094 +X07094 +X08094 +X09094+
X10094 +X11094 +X12094 +X13094 +X14094 +X15094 >=11
148) X01104 +X02104 +X03104 +X04104 +X05104 +X06104 +X07104 +X08104 +X09104+
X10104 +X11104 +X12104 +X13104 +X14104 +X15104 >=11
149) X01114 +X02114 +X03114 +X04114 +X05114 +X06114 +X07114 +X08114 +X09114+
X10114 +X11114 +X12114 +X13114 +X14114 +X15114 >=11
150) X01124 +X02124 +X03124 +X04124 +X05124 +X06124 +X07124 +X08124 +X09124+
X10124 +X11124 +X12124 +X13124 +X14124 +X15124 >=11
151) X01134 +X02134 +X03134 +X04134 +X05134 +X06134 +X07134 +X08134 +X09134+
X10134 +X11134 +X12134 +X13134 +X14134 +X15134 >=11
152) X01144 +X02144 +X03144 +X04144 +X05144 +X06144 +X07144 +X08144 +X09144+
X10144 +X11144 +X12144 +X13144 +X14144 +X15144 >=11
153) X01154 +X02154 +X03154 +X04154 +X05154 +X06154 +X07154 +X08154 +X09154+
X10154 +X11154 +X12154 +X13154 +X14154 +X15154 >=11
154) X01164 +X02164 +X03164 +X04164 +X05164 +X06164 +X07164 +X08164 +X09164+
X10164 +X11164 +X12164 +X13164 +X14164 +X15164 >=11
155) X01174 +X02174 +X03174 +X04174 +X05174 +X06174 +X07174 +X08174 +X09174+
X10174 +X11174 +X12174 +X13174 +X14174 +X15174 >=11
156) X01184 +X02184 +X03184 +X04184 +X05184 +X06184 +X07184 +X08184 +X09184+
X10184 +X11184 +X12184 +X13184 +X14184 +X15184 >=11
157) X01194 +X02194 +X03194 +X04194 +X05194 +X06194 +X07194 +X08194 +X09194+
X10194 +X11194 +X12194 +X13194 +X14194 +X15194 >=11
158) X01204 +X02204 +X03204 +X04204 +X05204 +X06204 +X07204 +X08204 +X09204+
X10204 +X11204 +X12204 +X13204 +X14204 +X15204 >=11
159) X01214 +X02214 +X03214 +X04214 +X05214 +X06214 +X07214 +X08214 +X09214+
X10214 +X11214 +X12214 +X13214 +X14214 +X15214 >=11
160) X01065 +X02065 +X03065 +X04065 +X05065 +X06065 +X07065 +X08065 +X09065+
X10065 +X11065 +X12065 +X13065 +X14065 +X15065 >=11
161) X01075 +X02075 +X03075 +X04075 +X05075 +X06075 +X07075 +X08075 +X09075+
X10075 +X11075 +X12075 +X13075 +X14075 +X15075 >=11
162) X01085 +X02085 +X03085 +X04085 +X05085 +X06085 +X07085 +X08085 +X09085+
X10085 +X11085 +X12085 +X13085 +X14085 +X15085 >=11
163) X01095 +X02095 +X03095 +X04095 +X05095 +X06095 +X07095 +X08095 +X09095+
X10095 +X11095 +X12095 +X13095 +X14095 +X15095 >=11
164) X01105 +X02105 +X03105 +X04105 +X05105 +X06105 +X07105 +X08105 +X09105+
X10105 +X11105 +X12105 +X13105 +X14105 +X15105 >=11
165) X01115 +X02115 +X03115 +X04115 +X05115 +X06115 +X07115 +X08115 +X09115+
X10115 +X11115 +X12115 +X13115 +X14115 +X15115 >=11
166) X01125 +X02125 +X03125 +X04125 +X05125 +X06125 +X07125 +X08125 +X09125+
X10125 +X11125 +X12125 +X13125 +X14125 +X15125 >=11
167) X01135 +X02135 +X03135 +X04135 +X05135 +X06135 +X07135 +X08135 +X09135+
X10135 +X11135 +X12135 +X13135 +X14135 +X15135 >=11
88
168) X01145 +X02145 +X03145 +X04145 +X05145 +X06145 +X07145 +X08145 +X09145+
X10145 +X11145 +X12145 +X13145 +X14145 +X15145 >=11
169) X01155 +X02155 +X03155 +X04155 +X05155 +X06155 +X07155 +X08155 +X09155+
X10155 +X11155 +X12155 +X13155 +X14155 +X15155 >=11
170) X01165 +X02165 +X03165 +X04165 +X05165 +X06165 +X07165 +X08165 +X09165+
X10165 +X11165 +X12165 +X13165 +X14165 +X15165 >=11
171) X01175 +X02175 +X03175 +X04175 +X05175 +X06175 +X07175 +X08175 +X09175+
X10175 +X11175 +X12175 +X13175 +X14175 +X15175 >=11
172) X01185 +X02185 +X03185 +X04185 +X05185 +X06185 +X07185 +X08185 +X09185+
X10185 +X11185 +X12185 +X13185 +X14185 +X15185 >=11
173) X01195 +X02195 +X03195 +X04195 +X05195 +X06195 +X07195 +X08195 +X09195+
X10195 +X11195 +X12195 +X13195 +X14195 +X15195 >=11
174) X01205 +X02205 +X03205 +X04205 +X05205 +X06205 +X07205 +X08205 +X09205+
X10205 +X11205 +X12205 +X13205 +X14205 +X15205 >=11
175) X01215 +X02215 +X03215 +X04215 +X05215 +X06215 +X07215 +X08215 +X09215+
X10215 +X11215 +X12215 +X13215 +X14215 +X15215 >=11
END
Int 1215
89
VARIABLE VALUE REDUCED COST

X01061 1.000000 15.000000
X01071 1.000000 15.000000
X01081 1.000000 15.000000
X01091 0.000000 15.000000
X01101 1.000000 15.000000
ANEXO X01111
X01121
X01131
X01141
X01151
1.000000
1.000000
1.000000
1.000000
1.000000
15.000000
15.000000
15.000000
15.000000
15.000000
2 X01161
X01171
X01181
X01191
1.000000
1.000000
1.000000
0.000000
15.000000
15.000000
15.000000
15.000000
X01201 1.000000 15.000000
X01211 1.000000 15.000000
X01062 0.000000 15.000000
SALIDA LINDO X01072
X01082
1.000000
1.000000
15.000000
15.000000
X01092 0.000000 15.000000
X01102 1.000000 15.000000
X01112 1.000000 15.000000
X01122 1.000000 15.000000
X01132 1.000000 15.000000
X01142 1.000000 15.000000
X01152 1.000000 15.000000
X01162 1.000000 15.000000
X01172 1.000000 15.000000
X01182 1.000000 15.000000
X01192 1.000000 15.000000
X01202 1.000000 15.000000
X01212 1.000000 15.000000
X01063 1.000000 15.000000
X01073 1.000000 15.000000
X01083 1.000000 15.000000
X01093 1.000000 15.000000
X01103 0.000000 15.000000
X01113 1.000000 15.000000
X01123 0.000000 15.000000
X01133 1.000000 15.000000
X01143 0.000000 15.000000
X01153 0.000000 15.000000
X01163 0.000000 15.000000
X01173 1.000000 15.000000
X01183 1.000000 15.000000
X01193 0.000000 15.000000
X01203 1.000000 15.000000
X01213 0.000000 15.000000
X01064 1.000000 15.000000
OBJECTIVE FUNCTION VALUE X01074 1.000000 15.000000
X01084 1.000000 15.000000
1) 17360.00 X01094 1.000000 15.000000
X01104 1.000000 15.000000
90
X01114 1.000000 15.000000 X02182 1.000000 15.000000

X01124 1.000000 15.000000 X02192 1.000000 15.000000
X01134 1.000000 15.000000 X02202 1.000000 15.000000
X01144 1.000000 15.000000 X02212 1.000000 15.000000
X01154 1.000000 15.000000 X02063 1.000000 15.000000
X01164 0.000000 15.000000 X02073 1.000000 15.000000
X01174 1.000000 15.000000 X02083 0.000000 15.000000
X01184 1.000000 15.000000 X02093 1.000000 15.000000
X01194 1.000000 15.000000 X02103 0.000000 15.000000
X01204 1.000000 15.000000 X02113 1.000000 15.000000
X01214 0.000000 15.000000 X02123 1.000000 15.000000
X01065 0.000000 15.000000 X02133 1.000000 15.000000
X01075 1.000000 15.000000 X02143 1.000000 15.000000
X01085 1.000000 15.000000 X02153 1.000000 15.000000
X01095 0.000000 15.000000 X02163 0.000000 15.000000
X01105 1.000000 15.000000 X02173 1.000000 15.000000
X01115 1.000000 15.000000 X02183 0.000000 15.000000
X01125 0.000000 15.000000 X02193 1.000000 15.000000
X01135 1.000000 15.000000 X02203 1.000000 15.000000
X01145 0.000000 15.000000 X02213 1.000000 15.000000
X01155 1.000000 15.000000 X02064 1.000000 15.000000
X01165 1.000000 15.000000 X02074 1.000000 15.000000
X01175 0.000000 15.000000 X02084 1.000000 15.000000
X01185 1.000000 15.000000 X02094 1.000000 15.000000
X01195 1.000000 15.000000 X02104 1.000000 15.000000
X01205 1.000000 15.000000 X02114 0.000000 15.000000
X01215 1.000000 15.000000 X02124 1.000000 15.000000
X02061 1.000000 15.000000 X02134 1.000000 15.000000
X02071 1.000000 15.000000 X02144 1.000000 15.000000
X02081 1.000000 15.000000 X02154 0.000000 15.000000
X02091 0.000000 15.000000 X02164 0.000000 15.000000
X02101 1.000000 15.000000 X02174 1.000000 15.000000
X02111 0.000000 15.000000 X02184 1.000000 15.000000
X02121 0.000000 15.000000 X02194 1.000000 15.000000
X02131 1.000000 15.000000 X02204 1.000000 15.000000
X02141 1.000000 15.000000 X02214 1.000000 15.000000
X02151 0.000000 15.000000 X02065 1.000000 15.000000
X02161 1.000000 15.000000 X02075 1.000000 15.000000
X02171 1.000000 15.000000 X02085 1.000000 15.000000
X02181 1.000000 15.000000 X02095 1.000000 15.000000
X02191 1.000000 15.000000 X02105 0.000000 15.000000
X02201 1.000000 15.000000 X02115 1.000000 15.000000
X02211 0.000000 15.000000 X02125 1.000000 15.000000
X02062 1.000000 15.000000 X02135 1.000000 15.000000
X02072 1.000000 15.000000 X02145 1.000000 15.000000
X02082 0.000000 15.000000 X02155 1.000000 15.000000
X02092 1.000000 15.000000 X02165 1.000000 15.000000
X02102 1.000000 15.000000 X02175 0.000000 15.000000
X02112 1.000000 15.000000 X02185 1.000000 15.000000
X02122 1.000000 15.000000 X02195 1.000000 15.000000
X02132 1.000000 15.000000 X02205 1.000000 15.000000
X02142 1.000000 15.000000 X02215 0.000000 15.000000
X02152 1.000000 15.000000 X03061 0.000000 15.000000
X02162 0.000000 15.000000 X03071 1.000000 15.000000
X02172 0.000000 15.000000 X03081 1.000000 15.000000
91
X03091 1.000000 15.000000 X03164 1.000000 15.000000

X03101 1.000000 15.000000 X03174 1.000000 15.000000
X03111 0.000000 15.000000 X03184 1.000000 15.000000
X03121 1.000000 15.000000 X03194 1.000000 15.000000
X03131 1.000000 15.000000 X03204 1.000000 15.000000
X03141 1.000000 15.000000 X03214 1.000000 15.000000
X03151 1.000000 15.000000 X03065 1.000000 15.000000
X03161 1.000000 15.000000 X03075 1.000000 15.000000
X03171 1.000000 15.000000 X03085 1.000000 15.000000
X03181 1.000000 15.000000 X03095 0.000000 15.000000
X03191 1.000000 15.000000 X03105 1.000000 15.000000
X03201 1.000000 15.000000 X03115 1.000000 15.000000
X03211 1.000000 15.000000 X03125 1.000000 15.000000
X03062 1.000000 15.000000 X03135 1.000000 15.000000
X03072 1.000000 15.000000 X03145 0.000000 15.000000
X03082 1.000000 15.000000 X03155 1.000000 15.000000
X03092 1.000000 15.000000 X03165 0.000000 15.000000
X03102 1.000000 15.000000 X03175 1.000000 15.000000
X03112 0.000000 15.000000 X03185 1.000000 15.000000
X03122 1.000000 15.000000 X03195 0.000000 15.000000
X03132 1.000000 15.000000 X03205 1.000000 15.000000
X03142 1.000000 15.000000 X03215 1.000000 15.000000
X03152 0.000000 15.000000 X04061 1.000000 15.000000
X03162 0.000000 15.000000 X04071 1.000000 15.000000
X03172 0.000000 15.000000 X04081 1.000000 15.000000
X03182 0.000000 15.000000 X04091 1.000000 15.000000
X03192 0.000000 15.000000 X04101 0.000000 15.000000
X03202 1.000000 15.000000 X04111 0.000000 15.000000
X03212 1.000000 15.000000 X04121 1.000000 15.000000
X03063 1.000000 15.000000 X04131 1.000000 15.000000
X03073 1.000000 15.000000 X04141 1.000000 15.000000
X03083 1.000000 15.000000 X04151 0.000000 15.000000
X03093 0.000000 15.000000 X04161 1.000000 15.000000
X03103 1.000000 15.000000 X04171 1.000000 15.000000
X03113 1.000000 15.000000 X04181 1.000000 15.000000
X03123 1.000000 15.000000 X04191 1.000000 15.000000
X03133 1.000000 15.000000 X04201 1.000000 15.000000
X03143 0.000000 15.000000 X04211 0.000000 15.000000
X03153 1.000000 15.000000 X04062 1.000000 15.000000
X03163 1.000000 15.000000 X04072 1.000000 15.000000
X03173 1.000000 15.000000 X04082 1.000000 15.000000
X03183 0.000000 15.000000 X04092 1.000000 15.000000
X03193 1.000000 15.000000 X04102 0.000000 15.000000
X03203 1.000000 15.000000 X04112 1.000000 15.000000
X03213 1.000000 15.000000 X04122 1.000000 15.000000
X03064 0.000000 15.000000 X04132 1.000000 15.000000
X03074 1.000000 15.000000 X04142 1.000000 15.000000
X03084 1.000000 15.000000 X04152 1.000000 15.000000
X03094 0.000000 15.000000 X04162 1.000000 15.000000
X03104 0.000000 15.000000 X04172 1.000000 15.000000
X03114 1.000000 15.000000 X04182 1.000000 15.000000
X03124 1.000000 15.000000 X04192 1.000000 15.000000
X03134 1.000000 15.000000 X04202 1.000000 15.000000
X03144 1.000000 15.000000 X04212 0.000000 15.000000
X03154 1.000000 15.000000 X04063 1.000000 15.000000
92
X04073 1.000000 15.000000 X05141 1.000000 15.000000

X04083 0.000000 15.000000 X05151 0.000000 15.000000
X04093 0.000000 15.000000 X05161 1.000000 15.000000
X04103 1.000000 15.000000 X05171 0.000000 15.000000
X04113 1.000000 15.000000 X05181 1.000000 15.000000
X04123 0.000000 15.000000 X05191 1.000000 15.000000
X04133 1.000000 15.000000 X05201 1.000000 15.000000
X04143 1.000000 15.000000 X05211 1.000000 15.000000
X04153 0.000000 15.000000 X05062 1.000000 15.000000
X04163 1.000000 15.000000 X05072 1.000000 15.000000
X04173 0.000000 15.000000 X05082 1.000000 15.000000
X04183 0.000000 15.000000 X05092 1.000000 15.000000
X04193 1.000000 15.000000 X05102 1.000000 15.000000
X04203 1.000000 15.000000 X05112 1.000000 15.000000
X04213 1.000000 15.000000 X05122 0.000000 15.000000
X04064 1.000000 15.000000 X05132 1.000000 15.000000
X04074 1.000000 15.000000 X05142 0.000000 15.000000
X04084 1.000000 15.000000 X05152 1.000000 15.000000
X04094 0.000000 15.000000 X05162 1.000000 15.000000
X04104 1.000000 15.000000 X05172 1.000000 15.000000
X04114 1.000000 15.000000 X05182 1.000000 15.000000
X04124 1.000000 15.000000 X05192 1.000000 15.000000
X04134 1.000000 15.000000 X05202 1.000000 15.000000
X04144 1.000000 15.000000 X05212 0.000000 15.000000
X04154 1.000000 15.000000 X05063 0.000000 15.000000
X04164 1.000000 15.000000 X05073 1.000000 15.000000
X04174 1.000000 15.000000 X05083 1.000000 15.000000
X04184 1.000000 15.000000 X05093 0.000000 15.000000
X04194 1.000000 15.000000 X05103 1.000000 15.000000
X04204 1.000000 15.000000 X05113 1.000000 15.000000
X04214 0.000000 15.000000 X05123 0.000000 15.000000
X04065 1.000000 15.000000 X05133 0.000000 15.000000
X04075 1.000000 15.000000 X05143 1.000000 15.000000
X04085 1.000000 15.000000 X05153 1.000000 15.000000
X04095 1.000000 15.000000 X05163 1.000000 15.000000
X04105 0.000000 15.000000 X05173 1.000000 15.000000
X04115 0.000000 15.000000 X05183 1.000000 15.000000
X04125 1.000000 15.000000 X05193 1.000000 15.000000
X04135 1.000000 15.000000 X05203 1.000000 15.000000
X04145 0.000000 15.000000 X05213 1.000000 15.000000
X04155 1.000000 15.000000 X05064 1.000000 15.000000
X04165 1.000000 15.000000 X05074 1.000000 15.000000
X04175 1.000000 15.000000 X05084 1.000000 15.000000
X04185 1.000000 15.000000 X05094 0.000000 15.000000
X04195 1.000000 15.000000 X05104 0.000000 15.000000
X04205 1.000000 15.000000 X05114 1.000000 15.000000
X04215 0.000000 15.000000 X05124 1.000000 15.000000
X05061 1.000000 15.000000 X05134 1.000000 15.000000
X05071 1.000000 15.000000 X05144 1.000000 15.000000
X05081 0.000000 15.000000 X05154 1.000000 15.000000
X05091 1.000000 15.000000 X05164 1.000000 15.000000
X05101 1.000000 15.000000 X05174 0.000000 15.000000
X05111 0.000000 15.000000 X05184 1.000000 15.000000
X05121 0.000000 15.000000 X05194 1.000000 15.000000
X05131 1.000000 15.000000 X05204 1.000000 15.000000
93
X05214 1.000000 15.000000 X06123 0.000000 15.000000

X05065 1.000000 15.000000 X06133 0.000000 15.000000
X05075 1.000000 15.000000 X06143 1.000000 15.000000
X05085 1.000000 15.000000 X06153 1.000000 15.000000
X05095 0.000000 15.000000 X06163 1.000000 15.000000
X05105 0.000000 15.000000 X06173 1.000000 15.000000
X05115 1.000000 15.000000 X06183 0.000000 15.000000
X05125 1.000000 15.000000 X06193 1.000000 15.000000
X05135 1.000000 15.000000 X06203 1.000000 15.000000
X05145 1.000000 15.000000 X06213 0.000000 15.000000
X05155 1.000000 15.000000 X06064 1.000000 15.000000
X05165 1.000000 15.000000 X06074 1.000000 15.000000
X05175 0.000000 15.000000 X06084 1.000000 15.000000
X05185 1.000000 15.000000 X06094 1.000000 15.000000
X05195 1.000000 15.000000 X06104 0.000000 15.000000
X05205 1.000000 15.000000 X06114 1.000000 15.000000
X05215 1.000000 15.000000 X06124 0.000000 15.000000
X06061 0.000000 15.000000 X06134 1.000000 15.000000
X06071 1.000000 15.000000 X06144 0.000000 15.000000
X06081 0.000000 15.000000 X06154 1.000000 15.000000
X06091 0.000000 15.000000 X06164 1.000000 15.000000
X06101 1.000000 15.000000 X06174 1.000000 15.000000
X06111 0.000000 15.000000 X06184 1.000000 15.000000
X06121 1.000000 15.000000 X06194 1.000000 15.000000
X06131 1.000000 15.000000 X06204 1.000000 15.000000
X06141 1.000000 15.000000 X06214 1.000000 15.000000
X06151 1.000000 15.000000 X06065 1.000000 15.000000
X06161 1.000000 15.000000 X06075 1.000000 15.000000
X06171 1.000000 15.000000 X06085 1.000000 15.000000
X06181 1.000000 15.000000 X06095 1.000000 15.000000
X06191 1.000000 15.000000 X06105 1.000000 15.000000
X06201 1.000000 15.000000 X06115 1.000000 15.000000
X06211 1.000000 15.000000 X06125 1.000000 15.000000
X06062 1.000000 15.000000 X06135 1.000000 15.000000
X06072 1.000000 15.000000 X06145 1.000000 15.000000
X06082 0.000000 15.000000 X06155 1.000000 15.000000
X06092 1.000000 15.000000 X06165 0.000000 15.000000
X06102 0.000000 15.000000 X06175 1.000000 15.000000
X06112 0.000000 15.000000 X06185 1.000000 15.000000
X06122 0.000000 15.000000 X06195 1.000000 15.000000
X06132 1.000000 15.000000 X06205 1.000000 15.000000
X06142 1.000000 15.000000 X06215 1.000000 15.000000
X06152 0.000000 15.000000 X07061 0.000000 15.000000
X06162 1.000000 15.000000 X07071 1.000000 15.000000
X06172 1.000000 15.000000 X07081 0.000000 15.000000
X06182 1.000000 15.000000 X07091 1.000000 15.000000
X06192 1.000000 15.000000 X07101 1.000000 15.000000
X06202 1.000000 15.000000 X07111 0.000000 15.000000
X06212 1.000000 15.000000 X07121 1.000000 15.000000
X06063 1.000000 15.000000 X07131 1.000000 15.000000
X06073 1.000000 15.000000 X07141 1.000000 15.000000
X06083 1.000000 15.000000 X07151 1.000000 15.000000
X06093 1.000000 15.000000 X07161 1.000000 15.000000
X06103 1.000000 15.000000 X07171 1.000000 15.000000
X06113 0.000000 15.000000 X07181 0.000000 15.000000
94
X07191 1.000000 15.000000 X07105 1.000000 15.000000

X07201 1.000000 15.000000 X07115 1.000000 15.000000
X07211 0.000000 15.000000 X07125 1.000000 15.000000
X07062 1.000000 15.000000 X07135 1.000000 15.000000
X07072 1.000000 15.000000 X07145 1.000000 15.000000
X07082 0.000000 15.000000 X07155 1.000000 15.000000
X07092 0.000000 15.000000 X07165 0.000000 15.000000
X07102 0.000000 15.000000 X07175 1.000000 15.000000
X07112 0.000000 15.000000 X07185 1.000000 15.000000
X07122 1.000000 15.000000 X07195 1.000000 15.000000
X07132 1.000000 15.000000 X07205 1.000000 15.000000
X07142 0.000000 15.000000 X07215 0.000000 15.000000
X07152 1.000000 15.000000 X08061 0.000000 20.000000
X07162 1.000000 15.000000 X08071 1.000000 20.000000
X07172 1.000000 15.000000 X08081 1.000000 20.000000
X07182 1.000000 15.000000 X08091 1.000000 20.000000
X07192 1.000000 15.000000 X08101 1.000000 20.000000
X07202 1.000000 15.000000 X08111 0.000000 20.000000
X07212 1.000000 15.000000 X08121 0.000000 20.000000
X07063 1.000000 15.000000 X08131 1.000000 20.000000
X07073 1.000000 15.000000 X08141 1.000000 20.000000
X07083 1.000000 15.000000 X08151 1.000000 20.000000
X07093 0.000000 15.000000 X08161 0.000000 20.000000
X07103 1.000000 15.000000 X08171 0.000000 20.000000
X07113 1.000000 15.000000 X08181 0.000000 20.000000
X07123 1.000000 15.000000 X08191 0.000000 20.000000
X07133 1.000000 15.000000 X08201 1.000000 20.000000
X07143 0.000000 15.000000 X08211 1.000000 20.000000
X07153 1.000000 15.000000 X08062 1.000000 20.000000
X07163 0.000000 15.000000 X08072 1.000000 20.000000
X07173 1.000000 15.000000 X08082 1.000000 20.000000
X07183 1.000000 15.000000 X08092 1.000000 20.000000
X07193 1.000000 15.000000 X08102 1.000000 20.000000
X07203 1.000000 15.000000 X08112 1.000000 20.000000
X07213 1.000000 15.000000 X08122 1.000000 20.000000
X07064 1.000000 15.000000 X08132 1.000000 20.000000
X07074 1.000000 15.000000 X08142 1.000000 20.000000
X07084 1.000000 15.000000 X08152 1.000000 20.000000
X07094 1.000000 15.000000 X08162 1.000000 20.000000
X07104 1.000000 15.000000 X08172 1.000000 20.000000
X07114 0.000000 15.000000 X08182 0.000000 20.000000
X07124 1.000000 15.000000 X08192 1.000000 20.000000
X07134 1.000000 15.000000 X08202 1.000000 20.000000
X07144 1.000000 15.000000 X08212 1.000000 20.000000
X07154 0.000000 15.000000 X08063 1.000000 20.000000
X07164 1.000000 15.000000 X08073 1.000000 20.000000
X07174 1.000000 15.000000 X08083 0.000000 20.000000
X07184 1.000000 15.000000 X08093 1.000000 20.000000
X07194 1.000000 15.000000 X08103 1.000000 20.000000
X07204 1.000000 15.000000 X08113 1.000000 20.000000
X07214 0.000000 15.000000 X08123 1.000000 20.000000
X07065 1.000000 15.000000 X08133 1.000000 20.000000
X07075 1.000000 15.000000 X08143 1.000000 20.000000
X07085 1.000000 15.000000 X08153 1.000000 20.000000
X07095 1.000000 15.000000 X08163 0.000000 20.000000
95
X08173 1.000000 20.000000 X09082 1.000000 20.000000

X08183 1.000000 20.000000 X09092 1.000000 20.000000
X08193 1.000000 20.000000 X09102 1.000000 20.000000
X08203 1.000000 20.000000 X09112 1.000000 20.000000
X08213 1.000000 20.000000 X09122 1.000000 20.000000
X08064 1.000000 20.000000 X09132 1.000000 20.000000
X08074 1.000000 20.000000 X09142 1.000000 20.000000
X08084 0.000000 20.000000 X09152 1.000000 20.000000
X08094 1.000000 20.000000 X09162 0.000000 20.000000
X08104 1.000000 20.000000 X09172 0.000000 20.000000
X08114 1.000000 20.000000 X09182 0.000000 20.000000
X08124 0.000000 20.000000 X09192 1.000000 20.000000
X08134 1.000000 20.000000 X09202 1.000000 20.000000
X08144 0.000000 20.000000 X09212 1.000000 20.000000
X08154 1.000000 20.000000 X09063 1.000000 20.000000
X08164 1.000000 20.000000 X09073 1.000000 20.000000
X08174 1.000000 20.000000 X09083 1.000000 20.000000
X08184 0.000000 20.000000 X09093 1.000000 20.000000
X08194 0.000000 20.000000 X09103 1.000000 20.000000
X08204 1.000000 20.000000 X09113 0.000000 20.000000
X08214 1.000000 20.000000 X09123 1.000000 20.000000
X08065 1.000000 20.000000 X09133 1.000000 20.000000
X08075 1.000000 20.000000 X09143 1.000000 20.000000
X08085 1.000000 20.000000 X09153 0.000000 20.000000
X08095 1.000000 20.000000 X09163 1.000000 20.000000
X08105 1.000000 20.000000 X09173 0.000000 20.000000
X08115 0.000000 20.000000 X09183 1.000000 20.000000
X08125 0.000000 20.000000 X09193 1.000000 20.000000
X08135 1.000000 20.000000 X09203 1.000000 20.000000
X08145 1.000000 20.000000 X09213 0.000000 20.000000
X08155 0.000000 20.000000 X09064 0.000000 20.000000
X08165 1.000000 20.000000 X09074 1.000000 20.000000
X08175 1.000000 20.000000 X09084 1.000000 20.000000
X08185 1.000000 20.000000 X09094 0.000000 20.000000
X08195 1.000000 20.000000 X09104 1.000000 20.000000
X08205 1.000000 20.000000 X09114 1.000000 20.000000
X08215 1.000000 20.000000 X09124 1.000000 20.000000
X09061 1.000000 20.000000 X09134 1.000000 20.000000
X09071 1.000000 20.000000 X09144 1.000000 20.000000
X09081 1.000000 20.000000 X09154 1.000000 20.000000
X09091 1.000000 20.000000 X09164 1.000000 20.000000
X09101 1.000000 20.000000 X09174 0.000000 20.000000
X09111 0.000000 20.000000 X09184 1.000000 20.000000
X09121 1.000000 20.000000 X09194 1.000000 20.000000
X09131 1.000000 20.000000 X09204 1.000000 20.000000
X09141 1.000000 20.000000 X09214 1.000000 20.000000
X09151 1.000000 20.000000 X09065 0.000000 20.000000
X09161 0.000000 20.000000 X09075 1.000000 20.000000
X09171 1.000000 20.000000 X09085 1.000000 20.000000
X09181 1.000000 20.000000 X09095 1.000000 20.000000
X09191 1.000000 20.000000 X09105 1.000000 20.000000
X09201 1.000000 20.000000 X09115 1.000000 20.000000
X09211 1.000000 20.000000 X09125 0.000000 20.000000
X09062 0.000000 20.000000 X09135 1.000000 20.000000
X09072 1.000000 20.000000 X09145 1.000000 20.000000
96
X09155 1.000000 20.000000 X10064 1.000000 20.000000

X09165 0.000000 20.000000 X10074 1.000000 20.000000
X09175 1.000000 20.000000 X10084 0.000000 20.000000
X09185 0.000000 20.000000 X10094 1.000000 20.000000
X09195 1.000000 20.000000 X10104 1.000000 20.000000
X09205 1.000000 20.000000 X10114 0.000000 20.000000
X09215 0.000000 20.000000 X10124 0.000000 20.000000
X10061 1.000000 20.000000 X10134 1.000000 20.000000
X10071 1.000000 20.000000 X10144 1.000000 20.000000
X10081 1.000000 20.000000 X10154 1.000000 20.000000
X10091 1.000000 20.000000 X10164 1.000000 20.000000
X10101 1.000000 20.000000 X10174 0.000000 20.000000
X10111 1.000000 20.000000 X10184 1.000000 20.000000
X10121 1.000000 20.000000 X10194 0.000000 20.000000
X10131 1.000000 20.000000 X10204 1.000000 20.000000
X10141 0.000000 20.000000 X10214 0.000000 20.000000
X10151 1.000000 20.000000 X10065 0.000000 20.000000
X10161 1.000000 20.000000 X10075 1.000000 20.000000
X10171 0.000000 20.000000 X10085 0.000000 20.000000
X10181 0.000000 20.000000 X10095 1.000000 20.000000
X10191 1.000000 20.000000 X10105 1.000000 20.000000
X10201 1.000000 20.000000 X10115 1.000000 20.000000
X10211 1.000000 20.000000 X10125 1.000000 20.000000
X10062 1.000000 20.000000 X10135 1.000000 20.000000
X10072 1.000000 20.000000 X10145 1.000000 20.000000
X10082 1.000000 20.000000 X10155 0.000000 20.000000
X10092 1.000000 20.000000 X10165 1.000000 20.000000
X10102 1.000000 20.000000 X10175 1.000000 20.000000
X10112 1.000000 20.000000 X10185 1.000000 20.000000
X10122 1.000000 20.000000 X10195 1.000000 20.000000
X10132 1.000000 20.000000 X10205 1.000000 20.000000
X10142 1.000000 20.000000 X10215 1.000000 20.000000
X10152 1.000000 20.000000 X11061 1.000000 20.000000
X10162 0.000000 20.000000 X11071 1.000000 20.000000
X10172 1.000000 20.000000 X11081 1.000000 20.000000
X10182 1.000000 20.000000 X11091 1.000000 20.000000
X10192 0.000000 20.000000 X11101 0.000000 20.000000
X10202 1.000000 20.000000 X11111 0.000000 20.000000
X10212 1.000000 20.000000 X11121 0.000000 20.000000
X10063 1.000000 20.000000 X11131 1.000000 20.000000
X10073 1.000000 20.000000 X11141 0.000000 20.000000
X10083 1.000000 20.000000 X11151 1.000000 20.000000
X10093 1.000000 20.000000 X11161 1.000000 20.000000
X10103 1.000000 20.000000 X11171 0.000000 20.000000
X10113 0.000000 20.000000 X11181 1.000000 20.000000
X10123 1.000000 20.000000 X11191 1.000000 20.000000
X10133 1.000000 20.000000 X11201 1.000000 20.000000
X10143 1.000000 20.000000 X11211 1.000000 20.000000
X10153 0.000000 20.000000 X11062 1.000000 20.000000
X10163 1.000000 20.000000 X11072 1.000000 20.000000
X10173 0.000000 20.000000 X11082 1.000000 20.000000
X10183 1.000000 20.000000 X11092 1.000000 20.000000
X10193 0.000000 20.000000 X11102 1.000000 20.000000
X10203 1.000000 20.000000 X11112 1.000000 20.000000
X10213 1.000000 20.000000 X11122 1.000000 20.000000
97
X11132 1.000000 20.000000 X11205 1.000000 20.000000

X11142 0.000000 20.000000 X11215 1.000000 20.000000
X11152 1.000000 20.000000 X12061 1.000000 20.000000
X11162 1.000000 20.000000 X12071 1.000000 20.000000
X11172 1.000000 20.000000 X12081 1.000000 20.000000
X11182 0.000000 20.000000 X12091 0.000000 20.000000
X11192 1.000000 20.000000 X12101 0.000000 20.000000
X11202 1.000000 20.000000 X12111 0.000000 20.000000
X11212 0.000000 20.000000 X12121 1.000000 20.000000
X11063 0.000000 20.000000 X12131 1.000000 20.000000
X11073 1.000000 20.000000 X12141 1.000000 20.000000
X11083 0.000000 20.000000 X12151 0.000000 20.000000
X11093 1.000000 20.000000 X12161 0.000000 20.000000
X11103 0.000000 20.000000 X12171 1.000000 20.000000
X11113 1.000000 20.000000 X12181 0.000000 20.000000
X11123 1.000000 20.000000 X12191 1.000000 20.000000
X11133 1.000000 20.000000 X12201 1.000000 20.000000
X11143 1.000000 20.000000 X12211 1.000000 20.000000
X11153 1.000000 20.000000 X12062 1.000000 20.000000
X11163 1.000000 20.000000 X12072 1.000000 20.000000
X11173 1.000000 20.000000 X12082 1.000000 20.000000
X11183 1.000000 20.000000 X12092 0.000000 20.000000
X11193 1.000000 20.000000 X12102 1.000000 20.000000
X11203 1.000000 20.000000 X12112 0.000000 20.000000
X11213 1.000000 20.000000 X12122 0.000000 20.000000
X11064 1.000000 20.000000 X12132 1.000000 20.000000
X11074 1.000000 20.000000 X12142 1.000000 20.000000
X11084 0.000000 20.000000 X12152 1.000000 20.000000
X11094 1.000000 20.000000 X12162 1.000000 20.000000
X11104 0.000000 20.000000 X12172 1.000000 20.000000
X11114 1.000000 20.000000 X12182 1.000000 20.000000
X11124 1.000000 20.000000 X12192 1.000000 20.000000
X11134 1.000000 20.000000 X12202 1.000000 20.000000
X11144 0.000000 20.000000 X12212 1.000000 20.000000
X11154 1.000000 20.000000 X12063 1.000000 20.000000
X11164 1.000000 20.000000 X12073 1.000000 20.000000
X11174 0.000000 20.000000 X12083 1.000000 20.000000
X11184 1.000000 20.000000 X12093 1.000000 20.000000
X11194 1.000000 20.000000 X12103 0.000000 20.000000
X11204 1.000000 20.000000 X12113 1.000000 20.000000
X11214 1.000000 20.000000 X12123 1.000000 20.000000
X11065 0.000000 20.000000 X12133 1.000000 20.000000
X11075 1.000000 20.000000 X12143 0.000000 20.000000
X11085 1.000000 20.000000 X12153 1.000000 20.000000
X11095 0.000000 20.000000 X12163 1.000000 20.000000
X11105 0.000000 20.000000 X12173 1.000000 20.000000
X11115 1.000000 20.000000 X12183 1.000000 20.000000
X11125 1.000000 20.000000 X12193 1.000000 20.000000
X11135 1.000000 20.000000 X12203 1.000000 20.000000
X11145 1.000000 20.000000 X12213 1.000000 20.000000
X11155 1.000000 20.000000 X12064 0.000000 20.000000
X11165 1.000000 20.000000 X12074 1.000000 20.000000
X11175 1.000000 20.000000 X12084 0.000000 20.000000
X11185 1.000000 20.000000 X12094 1.000000 20.000000
X11195 1.000000 20.000000 X12104 1.000000 20.000000
98
X12114 1.000000 20.000000 X13182 1.000000 25.000000

X12124 1.000000 20.000000 X13192 1.000000 25.000000
X12134 1.000000 20.000000 X13202 1.000000 25.000000
X12144 1.000000 20.000000 X13212 1.000000 25.000000
X12154 1.000000 20.000000 X13063 1.000000 25.000000
X12164 1.000000 20.000000 X13073 1.000000 25.000000
X12174 1.000000 20.000000 X13083 1.000000 25.000000
X12184 1.000000 20.000000 X13093 1.000000 25.000000
X12194 0.000000 20.000000 X13103 1.000000 25.000000
X12204 1.000000 20.000000 X13113 1.000000 25.000000
X12214 1.000000 20.000000 X13123 1.000000 25.000000
X12065 1.000000 20.000000 X13133 0.000000 25.000000
X12075 1.000000 20.000000 X13143 1.000000 25.000000
X12085 1.000000 20.000000 X13153 1.000000 25.000000
X12095 1.000000 20.000000 X13163 1.000000 25.000000
X12105 1.000000 20.000000 X13173 1.000000 25.000000
X12115 0.000000 20.000000 X13183 1.000000 25.000000
X12125 1.000000 20.000000 X13193 0.000000 25.000000
X12135 1.000000 20.000000 X13203 1.000000 25.000000
X12145 1.000000 20.000000 X13213 1.000000 25.000000
X12155 0.000000 20.000000 X13064 1.000000 25.000000
X12165 1.000000 20.000000 X13074 1.000000 25.000000
X12175 0.000000 20.000000 X13084 1.000000 25.000000
X12185 1.000000 20.000000 X13094 1.000000 25.000000
X12195 0.000000 20.000000 X13104 1.000000 25.000000
X12205 1.000000 20.000000 X13114 1.000000 25.000000
X12215 1.000000 20.000000 X13124 1.000000 25.000000
X13061 1.000000 25.000000 X13134 1.000000 25.000000
X13071 1.000000 25.000000 X13144 0.000000 25.000000
X13081 1.000000 25.000000 X13154 0.000000 25.000000
X13091 1.000000 25.000000 X13164 0.000000 25.000000
X13101 1.000000 25.000000 X13174 1.000000 25.000000
X13111 1.000000 25.000000 X13184 0.000000 25.000000
X13121 1.000000 25.000000 X13194 0.000000 25.000000
X13131 1.000000 25.000000 X13204 1.000000 25.000000
X13141 1.000000 25.000000 X13214 1.000000 25.000000
X13151 1.000000 25.000000 X13065 1.000000 25.000000
X13161 0.000000 25.000000 X13075 1.000000 25.000000
X13171 1.000000 25.000000 X13085 0.000000 25.000000
X13181 1.000000 25.000000 X13095 1.000000 25.000000
X13191 0.000000 25.000000 X13105 1.000000 25.000000
X13201 1.000000 25.000000 X13115 0.000000 25.000000
X13211 1.000000 25.000000 X13125 1.000000 25.000000
X13062 0.000000 25.000000 X13135 1.000000 25.000000
X13072 1.000000 25.000000 X13145 0.000000 25.000000
X13082 1.000000 25.000000 X13155 1.000000 25.000000
X13092 1.000000 25.000000 X13165 1.000000 25.000000
X13102 1.000000 25.000000 X13175 1.000000 25.000000
X13112 1.000000 25.000000 X13185 0.000000 25.000000
X13122 0.000000 25.000000 X13195 1.000000 25.000000
X13132 1.000000 25.000000 X13205 1.000000 25.000000
X13142 0.000000 25.000000 X13215 1.000000 25.000000
X13152 0.000000 25.000000 X14061 1.000000 25.000000
X13162 1.000000 25.000000 X14071 1.000000 25.000000
X13172 0.000000 25.000000 X14081 1.000000 25.000000
99
X14091 1.000000 25.000000 X14164 1.000000 25.000000

X14101 0.000000 25.000000 X14174 1.000000 25.000000
X14111 1.000000 25.000000 X14184 0.000000 25.000000
X14121 1.000000 25.000000 X14194 1.000000 25.000000
X14131 1.000000 25.000000 X14204 1.000000 25.000000
X14141 0.000000 25.000000 X14214 1.000000 25.000000
X14151 1.000000 25.000000 X14065 1.000000 25.000000
X14161 1.000000 25.000000 X14075 1.000000 25.000000
X14171 1.000000 25.000000 X14085 0.000000 25.000000
X14181 1.000000 25.000000 X14095 1.000000 25.000000
X14191 1.000000 25.000000 X14105 1.000000 25.000000
X14201 1.000000 25.000000 X14115 1.000000 25.000000
X14211 1.000000 25.000000 X14125 0.000000 25.000000
X14062 0.000000 25.000000 X14135 1.000000 25.000000
X14072 1.000000 25.000000 X14145 1.000000 25.000000
X14082 1.000000 25.000000 X14155 0.000000 25.000000
X14092 1.000000 25.000000 X14165 1.000000 25.000000
X14102 0.000000 25.000000 X14175 1.000000 25.000000
X14112 1.000000 25.000000 X14185 0.000000 25.000000
X14122 1.000000 25.000000 X14195 0.000000 25.000000
X14132 1.000000 25.000000 X14205 1.000000 25.000000
X14142 1.000000 25.000000 X14215 1.000000 25.000000
X14152 0.000000 25.000000 X15061 1.000000 25.000000
X14162 1.000000 25.000000 X15071 1.000000 25.000000
X14172 1.000000 25.000000 X15081 0.000000 25.000000
X14182 1.000000 25.000000 X15091 1.000000 25.000000
X14192 0.000000 25.000000 X15101 1.000000 25.000000
X14202 1.000000 25.000000 X15111 1.000000 25.000000
X14212 0.000000 25.000000 X15121 1.000000 25.000000
X14063 0.000000 25.000000 X15131 1.000000 25.000000
X14073 1.000000 25.000000 X15141 0.000000 25.000000
X14083 1.000000 25.000000 X15151 1.000000 25.000000
X14093 1.000000 25.000000 X15161 1.000000 25.000000
X14103 1.000000 25.000000 X15171 1.000000 25.000000
X14113 1.000000 25.000000 X15181 1.000000 25.000000
X14123 1.000000 25.000000 X15191 0.000000 25.000000
X14133 0.000000 25.000000 X15201 1.000000 25.000000
X14143 1.000000 25.000000 X15211 0.000000 25.000000
X14153 1.000000 25.000000 X15062 1.000000 25.000000
X14163 1.000000 25.000000 X15072 1.000000 25.000000
X14173 1.000000 25.000000 X15082 0.000000 25.000000
X14183 1.000000 25.000000 X15092 0.000000 25.000000
X14193 0.000000 25.000000 X15102 1.000000 25.000000
X14203 1.000000 25.000000 X15112 1.000000 25.000000
X14213 0.000000 25.000000 X15122 1.000000 25.000000
X14064 0.000000 25.000000 X15132 1.000000 25.000000
X14074 1.000000 25.000000 X15142 1.000000 25.000000
X14084 1.000000 25.000000 X15152 1.000000 25.000000
X14094 1.000000 25.000000 X15162 1.000000 25.000000
X14104 1.000000 25.000000 X15172 1.000000 25.000000
X14114 1.000000 25.000000 X15182 1.000000 25.000000
X14124 1.000000 25.000000 X15192 0.000000 25.000000
X14134 1.000000 25.000000 X15202 1.000000 25.000000
X14144 1.000000 25.000000 X15212 1.000000 25.000000
X14154 1.000000 25.000000 X15063 0.000000 25.000000
100
X15073 1.000000 25.000000 E9 1.000000 0.000000

X15083 1.000000 25.000000 E10 1.000000 0.000000
X15093 1.000000 25.000000 E11 1.000000 0.000000
X15103 1.000000 25.000000 E12 1.000000 0.000000
X15113 0.000000 25.000000 E13 1.000000 0.000000
X15123 1.000000 25.000000 E14 1.000000 0.000000
X15133 1.000000 25.000000 E15 1.000000 0.000000
X15143 1.000000 25.000000
X15153 1.000000 25.000000
X15163 1.000000 25.000000 SLACK OR
X15173 0.000000 25.000000 ROW SURPLUS DUAL PRICES
X15183 1.000000 25.000000 01) 55.000000 0.000000
X15193 1.000000 25.000000 02) 10.000000 0.000000
X15203 1.000000 25.000000 03) 30.000000 0.000000
X15213 1.000000 25.000000 04) 110.000000 0.000000
X15064 1.000000 25.000000 05) 110.000000 0.000000
X15074 1.000000 25.000000 06) 0.000000 0.000000
X15084 1.000000 25.000000 07) 90.000000 0.000000
X15094 1.000000 25.000000 08) 0.000000 0.000000
X15104 1.000000 25.000000 09) 30.000000 0.000000
X15114 0.000000 25.000000 10) 75.000000 0.000000
X15124 0.000000 25.000000 11) 95.000000 0.000000
X15134 1.000000 25.000000 12) 90.000000 0.000000
X15144 1.000000 25.000000 13) 80.000000 0.000000
X15154 0.000000 25.000000 14) 5.000000 0.000000
X15164 0.000000 25.000000 15) 10.000000 0.000000
X15174 1.000000 25.000000 16) 40.000000 0.000000
X15184 0.000000 25.000000 17) 35.000000 0.000000
X15194 1.000000 25.000000 18) 10.000000 0.000000
X15204 1.000000 25.000000 19) 30.000000 0.000000
X15214 1.000000 25.000000 20) 100.000000 0.000000
X15065 1.000000 25.000000 21) 120.000000 0.000000
X15075 1.000000 25.000000 22) 105.000000 0.000000
X15085 0.000000 25.000000 23) 85.000000 0.000000
X15095 1.000000 25.000000 24) 0.000000 0.000000
X15105 1.000000 25.000000 25) 45.000000 0.000000
X15115 1.000000 25.000000 26) 60.000000 0.000000
X15125 1.000000 25.000000 27) 110.000000 0.000000
X15135 1.000000 25.000000 28) 90.000000 0.000000
X15145 1.000000 25.000000 29) 80.000000 0.000000
X15155 1.000000 25.000000 30) 5.000000 0.000000
X15165 1.000000 25.000000 31) 10.000000 0.000000
X15175 1.000000 25.000000 32) 35.000000 0.000000
X15185 0.000000 25.000000 33) 35.000000 0.000000
X15195 0.000000 25.000000 34) 10.000000 0.000000
X15205 1.000000 25.000000 35) 30.000000 0.000000
X15215 1.000000 25.000000 36) 115.000000 0.000000
E1 1.000000 0.000000 37) 120.000000 0.000000
E2 1.000000 0.000000 38) 90.000000 0.000000
E3 1.000000 0.000000 39) 100.000000 0.000000
E4 1.000000 0.000000 40) 0.000000 0.000000
E5 1.000000 0.000000 41) 55.000000 0.000000
E6 1.000000 0.000000 42) 30.000000 0.000000
E7 1.000000 0.000000 43) 115.000000 0.000000
E8 1.000000 0.000000 44) 85.000000 0.000000
45) 95.000000 0.000000
101
46) 5.000000 0.000000 102) 94.000000 0.000000

47) 10.000000 0.000000 102) 0.000000 0.000000
48) 35.000000 0.000000 103) 4.000000 0.000000
49) 40.000000 0.000000 104) 0.000000 0.000000
50) 10.000000 0.000000 105) 0.000000 0.000000
51) 20.000000 0.000000 106) 0.000000 0.000000
52) 110.000000 0.000000 107) 0.000000 0.000000
53) 125.000000 0.000000 108) 0.000000 0.000000
54) 95.000000 0.000000 109) 0.000000 0.000000
55) 80.000000 0.000000 110) 4.000000 0.000000
56) 0.000000 0.000000 111) 0.000000 0.000000
57) 40.000000 0.000000 112) 0.000000 0.000000
58) 60.000000 0.000000 113) 4.000000 0.000000
59) 100.000000 0.000000 114) 0.000000 0.000000
60) 90.000000 0.000000 115) 0.000000 0.000000
61) 60.000000 0.000000 116) 0.000000 0.000000
62) 5.000000 0.000000 117) 0.000000 0.000000
63) 10.000000 0.000000 118) 0.000000 0.000000
64) 45.000000 0.000000 119) 4.000000 0.000000
65) 45.000000 0.000000 120) 0.000000 0.000000
66) 10.000000 0.000000 121) 0.000000 0.000000
67) 5.000000 0.000000 122) 0.000000 0.000000
68) 110.000000 0.000000 123) 0.000000 0.000000
69) 125.000000 0.000000 124) 0.000000 0.000000
70) 90.000000 0.000000 125) 0.000000 0.000000
71) 80.000000 0.000000 126) 4.000000 0.000000
72) 0.000000 0.000000 127) 0.000000 0.000000
73) 50.000000 0.000000 128) 0.000000 0.000000
74) 55.000000 0.000000 129) 4.000000 0.000000
75) 115.000000 0.000000 130) 0.000000 0.000000
76) 100.000000 0.000000 131) 0.000000 0.000000
77) 60.000000 0.000000 132) 0.000000 0.000000
78) 5.000000 0.000000 133) 0.000000 0.000000
79) 10.000000 0.000000 134) 0.000000 0.000000
80) 45.000000 0.000000 135) 0.000000 0.000000
81) 0.000000 0.000000 136) 0.000000 0.000000
82) 0.000000 0.000000 137) 0.000000 0.000000
83) 0.000000 0.000000 138) 0.000000 0.000000
84) 0.000000 0.000000 139) 0.000000 0.000000
85) 0.000000 0.000000 140) 0.000000 0.000000
86) 0.000000 0.000000 141) 0.000000 0.000000
87) 0.000000 0.000000 142) 4.000000 0.000000
88) 0.000000 0.000000 143) 0.000000 0.000000
89) 0.000000 0.000000 144) 0.000000 0.000000
90) 0.000000 0.000000 145) 4.000000 0.000000
91) 0.000000 0.000000 146) 0.000000 0.000000
92) 0.000000 0.000000 147) 0.000000 0.000000
93) 0.000000 0.000000 148) 0.000000 0.000000
94) 0.000000 0.000000 149) 0.000000 0.000000
95) 0.000000 0.000000 150) 0.000000 0.000000
96) 0.000000 0.000000 151) 4.000000 0.000000
97) 4.000000 0.000000 152) 0.000000 0.000000
98) 0.000000 0.000000 153) 0.000000 0.000000
99) 0.000000 0.000000 154) 0.000000 0.000000
100) 0.000000 0.000000 155) 0.000000 0.000000
102
156) 0.000000 0.000000

157) 0.000000 0.000000
158) 4.000000 0.000000
159) 0.000000 0.000000
160) 0.000000 0.000000
161) 4.000000 0.000000
162) 0.000000 0.000000
163) 0.000000 0.000000
164) 0.000000 0.000000
165) 0.000000 0.000000
166) 0.000000 0.000000
167) 4.000000 0.000000
168) 0.000000 0.000000
169) 0.000000 0.000000
170) 0.000000 0.000000
171) 0.000000 0.000000
172) 0.000000 0.000000
173) 0.000000 0.000000
174) 4.000000 0.000000
175) 0.000000 0.000000
NO. ITERATIONS=
18769
103
ANEXO 3
CODIFICACION DE LINEAS CONSIDERADAS EN EL ESTUDIO Y
FRECUENCIA UTILIZADA PARA EL LEVANTAMIENTO DE LOS DATOS
Codificación
L1 : Policlínico (Seguro Social):

.
L2 : Correcaminos (Monterrey):
L3 : Dolores:
L4 : “B” (San Agustín):
Frecuencia
L1 : Cada 4 minutos
L2 : Cada 7 minutos
L3 : Cada 4 minutos
L4 : Cada 8 minutos
104
"América"
Paradero: Edificio Baños América (final de la avenida dolores)
HORA DE CONTROL DEL NÚMERO DE PASAJEROS QUE SUBEN DE 9.00 a 11.00 Hrs.
HORA LINEA 1 LINEA 2 LINEA 3 LINEA 4

9:00 0 0
9:02 0
9:03 0 0
9:05 0 0
9:06 1
9:07 0 1
9:10 1 0
9:11 0
9:12 1
9:13 0
9:14 0
9:15 0
9:17 0
9:18 0 0 0
9:21 1 1
9:23 0
9:24 0 0
9:25 0
9:26 0
9:27 0 0
9:29 0
9:32 0 0
9:33 0
9:34 0
105
9:37 0 0
9:38 0
9:40 1 0
9:42 1 0
9:45 0 0
9:46 0
9:48 0 0
9:50 0
9:52 0 0
9:53 0
9:55 0
9:56 0 0
9:59 1
10:00 1
10:02 1
10:03 0
10:04 1
10:05 0 0
10:07 0
10:09 0
10:10 0 1
10:13 3
10:14 0 0
10:15 0
10:17 0
10:18 0 0
10:20 1
10:22 0 0 0
10:24 0
10:27 0 0
10:28 1
10:30 2 0
10:32 2 0
10:35 0 0 0
10:38 0
10:39 0
10:41 0
10:43 1 0
10:45 0 0
10:46 2
10:48 0 0
10:50 0
10:52 1
10:53 0
10:55 0 2
10:57 0
10:58 0
11:00 0
106

Modelo de Tesis Unsa

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Modelo de Tesis Unsa

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL DE SAN AGUSTÍN DE AREQUIPA

MODELO DE PROGRAMACIÓN BINARIA PARA

Tesis presentada por el Bachiller:

Por su paciencia, amor, cariño

SEÑOR DIRECTOR DE LA ESCUELA DE POSTGRADO DE LA UNIVERSIDAD

SEÑOR DIRECTOR DE LA UNIDAD DE POSTGRADO DE LA FACULTAD DE

SEÑORES MIEMBROS DEL JURADO:

De acuerdo con las disposiciones del Reglamento de Grados y Títulos de la Escuela de

Arequipa, 2006 Enero.

BACH. EFRAIN RAFAEL MURILLO QUISPE

MSc. ING. JULIO RAMOS QUISPE

MIEMBROS DEL JURADO DICTAMINADOR:

PRESIDENTE: MSc. ING. JOSE HERNANDEZ VALLEJOS

INTEGRANTE: MSc. LIC. ROQUE RIOS BARRENO

SECRETARIO: MSc. ING. JULIO RAMOS QUISPE

2.4 Experiencias Computacionales 25

4.7 Consideraciones finales 68

En este trabajo es presentado un Modelo de Programación Binaria para Optimizar la

In this work a Model of Binary Programming is presented/displayed To optimize the

1.1 CONSIDERACIONES GENERALES

Un hecho empírico, sobre el que existe consenso en la literatura, es que la congestión

La programación de una flota de vehículos, en una ruta de transporte urbano de

En un nivel operacional, este problema consiste en realizar la programación de las

Tal situación es resuelta en la práctica, asociándose la heurística, lográndose con ello

La solución óptima emitida por el modelo, exige el uso de programación entera y

La importancia del presente proyecto es desarrollar a través de sus diferentes etapas:

1.2 PROBLEMA A INVESTIGAR

debido, principalmente a dos causas: La congestión vehicular 18 y su parque automotor

En lo que a la congestión vehicular se refiere, ésta probablemente se debe dentro de los

Y es que probablemente la mayoría de los gerentes y tomadores de decisión del sector,

La presente investigación se justifica ya que uno de los mayores problemas que

Por lo tanto el diseño de un modelo matemático para el análisis de la programación de

eficaz adquiere cada vez mayor importancia en la aplicación de soluciones informáticas

El software para la toma de decisiones en el análisis de la programación de autobuses es

De otro lado la creciente importancia de los fenómenos medioambientales, producidos

El sistema del transporte constituye una infraestructura básica para la economía y un

Una gran cantidad de compañías del transporte de pasajeros en la década del 90

1.4 OBJETIVOS DE INVESTIGACION

1.4.1 OBJETIVO GENERAL

El objetivo general de esta tesis es desarrollar un MODELO MATEMATICO que

En un plano operacional el objetivo de este trabajo es desarrollar un Modelo

1.4.2 OBJETIVOS ESPECÍFICOS

Este modelo es implementado bajo la forma de un sistema computacional cuyos

1) Desarrollar un Modelo Matemático de Programación Binaria para optimizar la programación de

2) Desarrollar un Modelo Matemático de Programación Binaria para optimizar la programación de

3) Desarrollar un Modelo Matemático de Programación Binaria para optimizar la programación de

4) Ofrecer un instrumento de trabajo que ayude a los responsables de la toma de decisiones en lo

5) Proponer recomendaciones que contribuyan al mejoramiento de la problemática del transporte

1.5 HIPOTESIS DE LA INVESTIGACION

1.5.1 HIPOTESIS GENERAL

El Modelo Matemático de Programación Binaria propuesto para la programación de autobuses en una

1.5.2 HIPOTESIS ESPECÍFICAS

El presente trabajo tiene como hipótesis específicas las siguientes:

a) El Modelo Matemático de Programación Binaria propuesto para la programación de

b) El Modelo Matemático de Programación Binaria propuesto para la programación de

c) También el Modelo Matemático de Programación Binaria propuesto para la

1.6 LIMITACIONES DEL TRABAJO

1.7 DISEÑO DE LA INVESTIGACIÓN

1.7.1 TIPO DE INVESTIGACIÓN

1.7.2 POBLACIÓN Y MUESTRA

La población estará conformada por la totalidad de las empresas de transporte de Arequipa.

Se estratificará la población por:

- Líneas o Rutas de transporte