DISEÑO Y DISTRIBUCIÓN DE

PLANTA

Angie Milene Cáceres Prada

1
Clase 5
2.1.2.1. CASO 1. DISTANCIAS RECTILÍNEAS,
MINIMIZANDO LA SUMA TOTAL DE LAS DISTANCIAS

Este problema se conoce como el problema

MEDIAN (Minsum)

2
2.1.2.2. CASO 2.A. DISTANCIAS EUCLIDIANAS (AL CUADRADO),
MINIMIZANDO LA SUMA TOTAL DE LAS DISTANCIAS
MÉTODO DE GRAVEDAD

(3)
Minimizar (
f ( x, y ) =  wi (x − ai ) + ( y − bi )
2 2
)
(2) (1)
(4)
f ( x, y ) f ( x, y )
=0 =0
x y
(5)

(6)
2 wi ( x − ai ) = 0 2 wi ( y − bi ) = 0

x* =
 wa i i
y* =
 wb i i

w i w i

3
2.1.2.2. CASO 2.A. DISTANCIAS EUCLIDIANAS (AL CUADRADO),
MINIMIZANDO LA SUMA TOTAL DE LAS DISTANCIAS
EJEMPLO
(3)
(4)
(2) (1)
x* =
 wa i i
y* =
 wbi i

(5)
w i w i

(6)

wiai wibi
800 700
i ai bi wi 250 350
1 8 7 100 80 180
2 5 7 50 Suma 80 320
3 4 9 20 pesos 900 450
4 2 8 40
400 200
5 6 3 150
6 2 1 200 560 2510 2200
x* y*
4.48 3.93
4
f(x*,y*)=7516.96
2.1.2.3. CASO 2.B. DISTANCIAS EUCLIDIANAS MINIMIZANDO
LA SUMA TOTAL DE LAS DISTANCIAS

f ( x, y ) =  wi (x − ai ) + ( y − bi )
Minimizar 2 2

f wi ( x − ai ) f wi ( y − bi )
= =0 = =0
x (x − ai ) + ( y − bi )
2 2 y (x − ai ) + ( y − bi )
2 2

wi
gi ( x, y )=
(x − ai )2 + ( y − bi )2

 ( x − a ) g ( x, y ) = 0
i
i i  ( y − b ) g ( x, y ) = 0
i
i i

x  g i ( x, y ) =  ai g i ( x, y ) y  g i ( x, y ) =  bi g i ( x, y )
i i
i i

x=
 a g ( x, y )
i i
y =
 b g ( x, y )
i i

 g ( x, y ) i  g ( x, y ) i5
2.1.2.3. CASO 2.B. DISTANCIAS EUCLIDIANAS MINIMIZANDO
LA SUMA TOTAL DE LAS DISTANCIAS

Punto inicial: Centro de gravedad

x0 =
 wa i i
y0 =
 wb i i

w i w i

Iteraciones: Método Weiszfeld

 a g (x , y )  b g (x , y )
x = i i i i y = i i i i
l +1  g (x , y ) l +1  g (x , y )
i i i i i i

wi
El algoritmo converge a una solución gi ( x, y )=
óptima, si no se llega a un punto (x,y) (x − ai )2 + ( y − bi )2
6
perteneciente a alguno de los clientes.
2.1.2.3. CASO 2.B. DISTANCIAS EUCLIDIANAS MINIMIZANDO
LA SUMA TOTAL DE LAS DISTANCIAS
Iteración (l+1) del Algoritmo de WEISZFELD
m
wi ai

( x 
1
i ai bi wi  +1
i =1 
− ai ) 2 + ( y  − bi ) 2 2

1 5 13 31
x = m
wi
2 8 18 28 
( x 
1
3 0 0 19 i =1 
− ai ) + ( y − bi )
2  2 2
4 6 3 53
5 14 20 32
6 10 12 41 m
wi bi

( x 
1

 +1
i =1 
− ai ) + ( y − bi )
2  2 2
y = m
wi

( x 
1
i =1 
− ai ) + ( y − bi )
2  2 2
2.1.2.3. CASO 2.B. Ejemplo
EJEMPLO WEISZFELD

i ai bi wi
1 5 13 31
2 8 18 28
3 0 0 19
4 6 3 53
5 14 20 32
6 10 12 41

8
Iteraciones (0 y 1)
i ai bi wi Método de
1 5 13 31 Gravedad
2 8 18 28
3 0 0 19 x0 y0
4 6 3 53 Iteración
5 14 20 32 0 7.62255 10.77451
6 10 12 41 Cliente x - ai y-bi gi(x,y)
1 2.623 -2.225 9.01
2 -0.377 -7.225 3.87
wi 3 7.623 10.775 1.44
gi ( x, y )= 4 1.623 7.775 6.67
(x − ai )2 + ( y − bi )2 5 -6.377 -9.225 2.85
6 -2.377 -1.225 15.33
x1 y1
Iteración 1 7.89472 11.43138

xi +1 =
 a g (x , y )
i i i i
yi +1 =
 b g (x , y )
i i i i

 g (x , y )  g (x , y )
9
i i i i i i
Iteraciones (1 y 2)
i ai bi wi
1 5 13 31
2 8 18 28
3 0 0 19 x1 y1
4 6 3 53 Iteración
5 14 20 32 1 7.89472 11.43138
6 10 12 41 Cliente x - ai y-bi gi(x,y)
1 2.895 -1.569 9.42
2 -0.105 -6.569 4.26
3 7.895 11.431 1.37
4 1.895 8.431 6.13
5 -6.105 -8.569 3.04
6 -2.105 -0.569 18.80
x2 y2
Iteración 2 8.10221 11.71435

xi +1 =
 a g (x , y )
i i i i
yi +1 =
 b g (x , y )
i i i i

 g (x , y )  g (x , y )
10
i i i i i i
Iteraciones (2 y 3)
i ai bi wi
1 5 13 31
2 8 18 28
3 0 0 19 x2 y2
4 6 3 53 Iteración
5 14 20 32 2 8.10221 11.71435
6 10 12 41 Cliente x - ai y-bi gi(x,y)
1 3.102 -1.286 9.23
2 0.102 -6.286 4.45
3 8.102 11.714 1.33
4 2.102 8.714 5.91
5 -5.898 -8.286 3.15
6 -1.898 -0.286 21.36
x3 y3
Iteración 3 8.25119 11.82193

xi +1 =
 a g (x , y )
i i i i
yi +1 =
 b g (x , y )
i i i i

 g (x , y )  g (x , y )
11
i i i i i i
Solución método
i ai bi wi
1 5 13 31
2 8 18 28 x* y*
3 0 0 19
4 6 3 53
8.62 11.91
5 14 20 32
6 10 12 41
f(x*,y*)
1427.76

xi +1 =
 a g (x , y )
i i i i
yi +1 =
 b g (x , y )
i i i i

 g (x , y )
i i i  g (x , y )
i i i

12
2.1.2.3. CASO 2.B. DISTANCIAS EUCLIDIANAS
MINIMIZANDO LA SUMA TOTAL DE LAS DISTANCIAS
EJEMPLO WEISZFELD

13
2.1.2.3. CASO 2.B. DISTANCIAS EUCLIDIANAS
MINIMIZANDO LA SUMA TOTAL DE LAS DISTANCIAS

14
Bibliografía y referencias

 Material de clase del curso de Logística del departamento de Ingeniería

Industrial de la Universidad de los Andes
 Material de clase del curso de PBL del departamento de Administración,
programa de Suplly chain Managment de la Universidad de los Andes

15