Caso: Solutions Plus.

 
 

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

50,000  Okland  33,689

Glendale 

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 

Santa Ana  1.87 X23

El paso  2.04 X14 2.39 X24
Pendleton  2.03 X15 2.14 X25
Houston  1.65 X16
Kansas City  1.56 X17
Los Angeles  1.87 X28
Glendale  1.87 X29
Jacksonville  1.54 X110
Littlerock  1.54 X111
Bridgetport  1.54 X112
Sacramento  1.8 X213
 

 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: 

X14 + X15 + X16 + X17 + X110 + X111 + X112   <   500000 

X23 + X24 + X25 + X28 + X29 + X213     <   500000 

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 

X23     =   22418 

X14 + X24   =   6800 

X15 + X25   =   80290 

X16     =   100447 

X17     =   24570 

X28     =   64761 

X29     =   33689 

X110     =   68486 

X111     =   148586 

X112     =   111475 

X213     =   112000 

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 

Santa Ana  1.87 22418 41921.66 X23

El paso  2.04 6800 13872 X14 2.39 0 0 X24
Pendleton  2.03 39636 80461.08 X15 2.14 40654 86999.56 X25
Houston  1.65 100447 165737.55 X16
Kansas City  1.56 24570 38329.2 X17
Los Angeles  1.87 64761 121103.07 X28
Glendale  1.87 33689 62998.43 X29
Jacksonville  1.54 68486 105468.44 X110
Littlerock  1.54 148586 228822.44 X111
Bridgetport  1.54 111475 171671.5 X112
Sacramento  1.8 112000 201600 X213

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