Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CASO: Solutions Plus
Capítulo 10 – Modelos de Distribución y Red
El presente caso se refiere a la empresa Solutions Plus, la cual se dedica a la producción de
fluidos y solventes de limpieza especializados. Recientemente ha recibido una oferta de
parte de la compañía que administra el ferrocarril Great North American, por lo cual se debe
de analizar si está en capacidad de abastecer el pedido con los menores costos y ganancias
más convenientes. En este caso se realizará el análisis en base a los costos totales de
producción en diferentes plantas y los costos de transporte sobre un modelo de
programación lineal. A continuación se presenta el planteamiento del caso:
Se identifican dos grupos principales de nodos (los de producción y los puntos de entrega)
entre los cuales se pueden identificar varios arcos en los cuales se reparten las posibilidades de
cantidades y costos de producto por producción y entrega, de acuerdo a la representación de
la red del problema que se presenta en la Figura 01.
Seguidamente, toda vez que cada nodo se sitúa en una ciudad de producción o de destino, se
designa con un número a cada uno de estos nodos para la posterior identificación de variables:
Cincinnati 1 Santa Ana 3
Oakland 2 El paso 4
Pendleton 5
Houston 6
Kansas City 7
Los Angeles 8
Glendale 9
Jacksonville 10
Littlerock 11
Bridgetport 12
Sacramento 13
A continuación se definen las variables en función a la numeración indicada y a la factibilidad
de transporte entre nodos (Las celdas que no muestran datos corresponden a rutas para las
cuales no hay servicio de transporte disponible).
2
Caso: Solutions Plus.
FIGURA 01: REPRESENTACIÓN DE RED DEL PROBLEMA DE SOLUTIONS
PLUS
Santa 22,418
Ana
El Paso 6,800
Pendleton 80,290
Houston 100,447
Kansas City 241,570
500,000 Cincinati
Los Angeles 64,761
Jacksonvill 68,486
e
Little Rock 148,586
Bridgeport 111,475
Sacrament 112,000
o
3
Caso: Solutions Plus.
Cincinatti Oakland
Costo Costo
producción + Variable producción + Variable
transporte transporte
A efectos de identificar si la posibilidad de producción cubre o no la demanda total, se
totalizan ambos conjuntos de datos:
Máxima Galones
Nodos de Nodos de
oferta Requeridos
Producción Destino
posible: (demanda)
Cincinatti 500,000 Santa Ana 22,418
Oakland 500,000 El paso 6,800
Pendleton 80,290
Houston 100,447
Kansas City 24,570
Los Angeles 64,761
Glendale 33,689
Jacksonville 68,486
Littlerock 148,586
Bridgetport 111,475
Sacramento 112,000
Máxima
Total
oferta 1,000,000 773,522
demanda
posible:
Como se puede observar, la oferta posible total es capaz de cubrir a la demanda actual; por lo
cual es necesario anotar que no será necesario agregar una restricción por diferencia de oferta
y demanda (si el caso fuera de mayor demanda que oferta esto si se haría necesario).
4
Caso: Solutions Plus.
Con los datos presentados, es posible proceder a la formulación de la función objetivo, la
misma que definimos como la minimización de la sumatoria de todas las variables por cada
uno de sus costos totales (considerando que este último es la suma del costo de producción
con el costo de transporte). La función objetivo encontrada es la siguiente:
MIN 2.04X14 + 2.03X15 + 1.65X16 + 1.56X17 + 1.54X110 + 1.54 X111 + 1.54X112 + 1.87X23 +
2.39X24 + 2.14X25 + 1.87X28 + 1.87X29 + 1.8X213
Seguidamente, se requiere definir las restricciones, las primeras de las cuales definiremos en
función a la producción; por lo cual están estarán limitadas por la máxima producción posible
en cada uno de los 2 nodos de producción y ya que cada variable Xij representa una cantidad
de productos, las restricciones vendrán dadas por la sumatoria de todos los Xij salientes de
cada nodo de producción; con lo cual tenemos 02 restricciones iniciales:
Las siguientes restricciones estarán dadas en los nodos de demanda (ciudades de destino);
para esto hay que anotar que se tiene que apuntar a cubrir el total de la demanda de cada
ciudad, por lo cual las restricciones quedarán definidas como igualdades de la demanda
requerida contra la sumatoria de todos los Xij que pueden atender a una ciudad; con lo cual
tenemos 11 restricciones adicionales:
X23 = 22418
X14 + X24 = 6800
X15 + X25 = 80290
X16 = 100447
X17 = 24570
X28 = 64761
X29 = 33689
X110 = 68486
X111 = 148586
X112 = 111475
X213 = 112000
Por último, es necesario definir las restricciones de no negatividad; para lo cual todo Xij debe
ser mayor o igual a 0; con lo cual tenemos 01 restricciones adicional y 14 restricciones en total:
Xij >= 0
Teniendo el modelo de programación lineal definido, se ingresan los datos en el programa
LINDO (con la consideración de que no es necesario ingresar la restricción de no negatividad,
ya que esta es considerada por defecto por el programa), para obtener los resultados a
analizar.
5
Caso: Solutions Plus.
El programa lineal ingresa de la siguiente forma:
min 2.04X14 + 2.03X15 + 1.65X16 + 1.56X17 + 1.54X110 + 1.54 X111 + 1.54X112 + 1.87X23 +
2.39X24 + 2.14X25 + 1.87X28 + 1.87X29 + 1.8X213
st
X14 + X15 + X16 + X17 + X110 + X111 + X112 < 500000
X23 + X24 + X25 + X28 + X29 + X213 < 500000
end
Los resultados obtenidos del LINDO son los siguientes:
6
Caso: Solutions Plus.
7
Caso: Solutions Plus.
Reemplazando los datos obtenemos los cuadros con los costos por cada arco (nodo de
producción‐nodo de destino):
Cincinatti Oakland
Costo Costo
Asignación COSTO FINAL Asignación COSTO FINAL
prod + Variable prod + Variable
Óptima CINCINNATI Óptima OAKLAND
tran tran
Costos
804,362 514,623
Totales:
COSTO
TOTAL 1,318,985
GENERAL:
Al comparar este cuadro con el cuadro de demandas se puede observar que la asignación
óptima a cada ciudad de destino cumple estrictamente con la demanda solicitada para las
mismas, tal como se estableció con las restricciones de igualdad.
1.‐ Si Solutions Plus gana la licitación, ¿Cuál instalación de producción (Cincinnatti u Oakland)
debe suministrar el limpiador en los sitios donde se limpian las locomotoras? ¿Cuánto debe
enviarse desde cada instalación a cada sitio?
8
Caso: Solutions Plus.
Ambas instalaciones de producción deberán de utilizarse para optimizar los costos,
repartiendo diferentes ciudades de destino entre ambas. Resumiendo el último cuadro
elaborado, las cantidades óptimas a entre nodos son las siguientes:
Cincinatti Oakland
Asignación Asignación
Óptima Óptima
Santa Ana 22418
El paso 6800 0
Pendleton 39636 40654
Houston 100447
Kansas City 24570
Los Angeles 64761
Glendale 33689
Jacksonville 68486
Littlerock 148586
Bridgetport 111475
Sacramento 112000
Asignaciones
500,000 273,522
totales
ASINGACIÓN
773,522
TOTAL:
Se observa que la asignación total es igual a la demanda total.
2.‐ ¿Cuál es el punto de equilibrio de Solutions Plus? Es decir, ¿Qué tan baja debe hacer su
oferta la empresa sin perder dinero?
El punto de equilibrio equipara el costo totalizado con el precio totalizado; por lo cual la oferta
más baja que puede hacer la empresa para no perder ni ganar (punto de equilibrio) es de
$1’318,984.93, equivalente al costo óptimo bajo las condiciones dadas.
Obteniendo un precio unitario costo por galón de:
∙ Asignación total: 773,522.00
∙ Costo total de producción: $ 1,318,984.93
∙ Precio unitario: (1’318,984.93/773,522.00) = $ 1.71
9
Caso: Solutions Plus.
3.‐ ¿Si Solutions Plus quiere utilizar su margen estándar de 15%, de cuánto debe ser su
oferta?
Si quiere utilizar el total del margen de ganancia de 15% su oferta total debe de ser de
$1’516,832.6695
Su oferta en el precio por galón debería ser de: 1.71 * (1.15) = $ 1.97
4.‐ Los costos de flete se ven afectados de forma significativa por el precio del petróleo. El
control bajo el cual Solutions Plus hace una oferta tiene una duración de dos años. Comente
como la fluctuación en los costos de flete podría afectar la oferta que presenta Solutions
Plus.
Tal como se puede observar en los resultados de rangos de variabilidad en los coeficientes de
la función objetivo para mantener la solución óptima (en términos de cantidades asignadas); el
modelo permite un aumento en los costos de transporte de todos los casos excepto en tres, el
X14, el X15 y el x25; es decir, entre los nodos Cincinnati – El Paso, Cincinnati ‐ Pendleton y
Oakland – Pendleton, para los cuales sólo permite un aumento de $0.24, $0.11 y de $0.24.
No obstante lo indicado, es necesario notar lo siguiente:
‐ Los rangos mostrados son válidos sólo si la modificación correspondiente se da en una
fila a la vez, es decir, con todos los demás datos constantes. Si se producen más
cambios en los precios de transporte de las demás restricciones (lo cual es lo más
probable ya que el precio del petróleo varía igual para todos) no es posible afirmar que
los resultados óptimos obtenidos permanezcan iguales. Para realizar dicha afirmación
tendría que correrse la prueba con nuevos datos o utilizar la regla del 100 por ciento.
‐ A pesar de que para la mayoría coeficientes, el reporte anterior nos indica que no hay
límite en la solución óptima en lo referente a cantidades, definitivamente un
incremento en los precios de transporte alteraría el costo óptimo obtenido,
aumentando el mismo en cualquier caso de aumento del precio del transporte.
Bajo las condiciones mencionadas, se puede concluir lo siguiente:
10
Caso: Solutions Plus.
‐ Si aumenta el costo del flete para cualquier de las rutas, excepto las de Cincinnati – El
Paso, Cincinnati ‐ Pendleton y Oakland – Pendleton, pero variando sólo el costo de una
a la vez, las cantidades óptimas asignadas se mantendrán iguales a las obtenidas.
‐ Si disminuye el costo del flete para cualquier de las rutas, excepto las de Cincinnati –
Pendleton, Oakland – El Paso y Oakland – Pendleton pero variando sólo el costo de
una a la vez, las cantidades óptimas asignadas se mantendrán iguales a las obtenidas.
‐ No obstante lo indicado, en lo referente a los costos, el costo total variará en
cualquiera de las situaciones de cambio mencionadas; por lo cual la empresa sólo
estaría en capacidad de mantener su oferta en tanto se proyecte que el aumento del
costo por fletes no aumentará en más del 15% equivalente a su ganancia (asumiendo
que esta es ganancia neta, sino deberán de descontarse los impuestos).
11