FACULTAD DE INGENIERÍA Y ARQUITECTURA

ESCUELA DE INGENIERÍA EN SISTEMAS INFORMÁTICOS

METODOS DE OPTIMIZACION

Grupo de discusión: 2
Docente: Ing. Nelson Amilcar Lopez
Grupo de trabajo: 1

Nombre Carnet

Oswaldo Isaias Cardoza Diaz CD15015

Julio Cesar Cantón Rivas CR18076

Alvaro Daniel García Guevara GG20013

Diego Anthony Meléndez Mayén MM20053

 Introducción

Desde el inicio de los años 80, la gran expectativa que despertaron las aplicaciones de las
TIC ́s en los procesos de enseñanza- aprendizaje hasta ahora no se han realizado. Estamos
convencidas de que esto no se debe a las limitaciones propias de la tecnología, sino a las
limitaciones de nuestra imaginación, y sobre todo, a las restricciones que nos imponen los
viejos hábitos y las rígidas estructuras sociales que no acepta modificaciones fácilmente
.
En este mismo sentido, consideramos que todavía no se han identificado con toda claridad
en lo que pueden contribuir las TIC ́ s que sean nuevas y diferentes, y lo que es más
importante, lo que esas diferencias significan en términos del proceso de enseñanza
aprendizaje. Por lo que es una cuestión fundamental realizar estudios con la aportación de
diferentes disciplinas con el objetivo de avanzar en esa dirección.

Desde el punto de vista de la enseñanza de las matemáticas, una actividad básica que nos
pudiera permitir obtener resultados positivos es examinar las formas que las TIC’s se
pueden usar para representar ideas y procesos, y analizar cuáles son las diferencias con
esas mismas representaciones en los medios tradicionales, y cuáles son las fuentes
específicas de cualquier eficacia o ineficacia del aprendizaje. Además se tiene que
considerar los cambios que su uso introduciría en la organización física del aula y de la
estructura organizacional de los sistemas educativos.
 Objetivos

Objetivo general:
Aplicación de los conocimientos adquiridos en clase e implementarlos en un software para
la resolución de un problema.

Objetivo específico:
Encontrar una solución óptima de un problema de asignación de recursos utilizando los
métodos aprendidos en clases.

Aplicar nuestros conocimientos en ofimática para la resolución de un problema de

asignación de transporte.
 Marco teórico

La adopción de un enfoque del proceso de aprendizaje desde la perspectiva de las

tecnologías de la informática y la computación, a través de casos de estudio en las
universidades, es un proceso complejo que se enfrenta con barreras tecnológicas y
humanas. Por este motivo, es necesario diseñar una serie de objetivos y estrategias
nuevas. Los casos de estudio constituyen un ejemplo de estrategias que invitan a los
estudiantes a través de temas propuestos por su misma realidad, a tener una actitud de
interés por el aprendizaje así como un compromiso con su comunidad por resolver
situaciones emergentes como son los temas ambientales.

Este trabajo surge para responder algunas inquietudes y mostrar experiencias personales
sobre la enseñanza de la Investigación de Operaciones en la ingeniería. En este sentido se
desarrolla el caso de estudio: el uso de la Programación Lineal en un tema de optimización
para un problema de la basura en la Ciudad de Buenos Aires. Palabras clave: Programación
lineal, transporte y toma de decisiones.

La metodología de asignación y transporte está relacionada con la problemática de la

distribución de cargas de trabajo, donde la importancia es equilibrar y repartir de la mejor
manera las diferentes tareas o rutas de transporte en una organización, tratando de
optimizar los costos o tiempos de realización de estas tareas. El tema de asignación y
transporte, es una forma muy sencilla de resolver problemas utilizando algoritmos
matemáticos de forma lineal.

Se tiene un costo Cij asociado con el recurso que es asignado, de modo que el objetivo es
determinar en qué forma deben realizarse todas las asignaciones para minimizar los costos
totales.

El tema de Asignación y Transporte, se relaciona de manera indirecta con todos los temas
de la materia, ya que en las unidades de Programación Lineal, se estudiaron los modelos
matemáticos de programación lineal, de los cuales este tema presenta similitud en los
algoritmos.
 Desarrollo del caso

La ciudad de Buenos Aires se encuentra ubicada en una cuenca cerrada a más de dos mil
metros de altura. Cuenta con una población de algo más de ocho millones de habitantes
dentro de sus límites políticos, pero está inmersa en una de las regiones conurbadas más
grandes con cerca de 30 millones de habitantes, muy densamente poblada.

La población de la ciudad de Buenos Aires tiene la mayor generación de residuos per cápita
del país, debido a su condición urbana y a también tener el mayor PIB per cápita; cada
Un individuo produce 1.8 kg /día, lo que implica 14 mil toneladas diarias. La recolección de
basura la llevan a cargo las autoridades locales (delegaciones) pero el manejo final se
Se realiza de manera centralizada.

La infraestructura básica con que cuenta la ciudad consiste en un sitio de disposición final
(relleno sanitario ) que está llegando al final de su vida útil, ocho plantas de composta,
cuatro plantas de separación y 13 estaciones de transferencia. Tanto las plantas de
separación como las de composta están desaprovechadas, y aunque al menos el 40% de
los residuos son orgánicos, como no se realiza la separación en el origen, es muy poco lo
que se envía a compostaje.

A continuación se presenta la tabla con los datos del caso

Ciudad planta capacidad Producción

diaria(toneladas de diaria(toneladas de
basura) basura)

Córdoba Planta composteo 1322 520

La plata Planta composteo 1172 1549

Salta Planta composteo 1,200 458

Santa Fe Planta composteo 1,836 676

Mar de plata Planta composteo 1,440 580

Santiago Del Estero Planta composteo 1,380 916

Godoi Planta composteo 1,300 461

Tucumán Planta selección 815

La Rioja Planta selección 1298

Quilmes Planta selección 1065

Buenos Aires Planta selección 788

Mendoza Planta selección 524

Distancia(kilométrica) entre las estaciones de transferencia y las plantas de composta
 Plantas de composta

Estaciones de Córdoba La plata Salta Santa Mar de Santiago Godoi Producción

transferencia Fe plata Del diaria(toneladas)
(ciudades) Estero

Córdoba 0 40 20 45 65 40 10 520

La plata 15 0 30 40 60 45 15 1549

Salta 20 25 0 35 65 40 30 458

Santa Fe 10 30 13 0 55 35 18 676

Mar de plata 5 35 18 5 0 30 45 580

Santiago Del 25 15 5 12 15 0 25 916

Estero

Godoi 25 20 10 10 25 20 0 461

Tucumán 10 35 20 12 35 18 20 815

La Rioja 10 35 20 10 20 10 15 1298

Quilmes 30 30 15 5 20 15 20 1065

Buenos Aires 30 25 20 10 15 2 18 788

Mendoza 30 20 30 10 10 10 15 524

Capacidad diaria 1322 1172 1200 1836 1440 1380 1300 9650\9650
Tabla de costos de transporte de cada camión que va de una estación de transferencia a
una planta de composteo

Estaciones de Córdoba La plata Salta Santa Mar Santiago Del Godoi Número de
transferencia Fe de Estero camiones
(Ciudades) plata

Córdoba 0 30.12 15.06 33.89 48.95 30.12 15.06 104

La plata 11.3 0 22.59 30.12 45.18 33.89 30.12 310

Salta 15.06 18.83 0 26.36 48.95 30.12 7.53 92

Santa Fe 7.53 22.59 9.79 0 41.42 26.36 22.59 135

Mar de plata 3.77 26.36 13.55 3.77 0 22.59 33.89 116

Santiago Del 18.83 11.3 8.5 11.3 33.89 0 22.59 183

Estero

Godoi 15.06 22.59 6.02 11.3 26.36 18.83 0 92

Tucumán 18.83 15.06 7.53 7.53 18.83 15.06 26.12 163

La Rioja 7.53 26.36 15.06 12.5 15.06 7.53 5.8 260

Quilmes 7.53 26.36 15.06 11.2 15.06 7.53 10.12 213

Buenos aires 22.59 22.59 11.3 7.53 11.3 7.53 15.05 158

Mendoza 22.59 26.36 18.83 7.53 7.53 5.2 18.09 105

Capacidad 265 235 240 367 288 276 260 1931

diaria
en número de
camiones

En esta tabla se tiene en cuenta que cada camión transporta 5 toneladas de basura en cada
recorrido, el costo es en dolares y es por cada 10 km que recorre el camión

Planteamiento preliminar del problema:

1. Recursos: Plantas de procesamiento de basura

2. Actividades: Movilización de basura a las plantas de composta, separación y

transferencia

3. Variables:
X1 : cantidad de ton de desperdicios a enviar a composteo a Córdoba
X2 : cantidad de ton de desperdicios a enviar a composteo a La Plata
X3 : cantidad de ton de desperdicios a enviar a composteo a Salta
X4 : cantidad de ton de desperdicios a enviar a composteo a Santa Fe
X5 : cantidad de ton de desperdicios a enviar a composteo a Mar del Plata
X6 : cantidad de ton de desperdicios a enviar a composteo a Santiago del Estero
X7 : cantidad de ton de desperdicios a enviar a composteo a Godoy
X8 : cantidad de ton de desperdicios a enviar a composteo a Tucuman
X9: cantidad de ton de desperdicios a enviar a composteo a La Rioja
X10: cantidad de ton de desperdicios a enviar a composteo a Quilmes
X11: cantidad de ton de desperdicios a enviar a composteo a La Boca
X12: cantidad de ton de desperdicios a enviar a composteo a Mendoza

4. Función Objetivo: Minimizar los costos de transporte de desperdicios enviados a

las plantas de composteo.

5. Restricción: La capacidad máxima de las plantas de composteo

6. Función Objetivo:

Min Z = X1 + X2+ X3 + X4 + X5 + X6 + X7 + X8 + X9 + X10+ X11+ X12

7. Restricciones:
Cantidad a enviar diariamente
X1 ≤ 520
X2 ≤ 1549
X3 ≤ 458
X4 ≤ 676
X5 ≤ 580
X6 ≤ 946
X7 ≤ 461
X8 ≤ 815
X9 ≤ 1298
X10 ≤ 1065
X11 ≤ 788
X12 ≤ 524
X1 + X2+ X3 + X4 + X5 + X6 + X7 + X8 + X9 + X10+ X11+ X12 ≤ 1322

Cantidad que se recibe en las plantas diariamente

X2+X3+X4+X5+X6+X7+X8+X9+X10+X11+X12 ≤1322
X1+X3+X4+X5+X6+X7+X8+X9+X10+X11+X12 ≤1172
X1+X2+X4+X5+X6+X7+X8+X9+X10+X11+X12 ≤1200
X1+X2+X3+X5+X6+X7+X8+X9+X10+X11+X12 ≤1836
X1+X2+X3+X4+X6+X7+X8+X9+X10+X11+X12 ≤1440
 X1+X2+X3+X4+X5+X7+X8+X9+X10+X11+X12 ≤1380
X1+X2+X3+X4+X5+X6+X8+X9+X10+X11+X12 ≤1300

8. No Negatividad:

X1 + X2+ X3 + X4 + X5 + X6 + X7 + X8 + X9 + X10+ X11+ X12 ≤ 0

Problema de transporte

Basándonos en las tablas del planteamiento del problema, obtenemos la tabla de costos
basados en los costos por cada 10 km * la distancia/10: costo real= Distancia/10 * costo

Estaciones de Córdoba La plata Salta Santa Mar de Santiago Del Godoi Número de
transferencia Fe plata Estero camiones
(Ciudades)

Córdoba 0 120.48 30.12 152.51 318.175 120.48 15.06 104

La plata 16.95 0 67.7 120.4 271.08 152.51 45.18 310

7 8

Salta 30.12 47.08 0 92.26 318.18 120.48 22.59 92

Santa Fe 7.53 67.77 12.7 0 227.81 92.26 40.66 135

3

Mar de plata 1.89 92.26 24.3 1.89 0 67.77 152.51 116

9

Santiago Del 47.1 16.95 4.25 13.56 50.84 0 56.48 183

Estero

Godoi 37.65 45.18 6.02 11.3 65.9 37.66 0 92

Tucumán 18.83 52.71 15.0 9.04 65.91 27.11 52.24 163

6

La Rioja 7.53 92.26 30.1 12.5 30.12 7.53 8.7 260

2

Quilmes 22.59 79.08 22.5 5.6 30.12 11.3 20.24 213

9

Buenos Aires 67.77 56.48 22.6 7.53 16.95 1.51 27.09 158

Mendoza 67.77 52.72 56.4 7.53 7.53 5.2 27.14 105

9

Capacidad 265 235 240 367 288 276 260 1931

diaria (n de
camiones)
 Conclusiones

Como grupo concluimos que la importancia del manejo y aplicación de los conceptos que
aprendimos en clase es importante para la solución de problemas de transporte al igual que
se puede implementar dichos conceptos utilizando distintas herramientas de la ofimática y lo
útil que pueden llegar a ser para simplificar diferentes problemas bajo distintas restricciones
y limitaciones de diferentes herramientas se pueden ir solucionando. En nuestro caso en la
aplicación de Solver nos ayudó a encontrar una posible solución ahorrándonos las molestias
del cálculo "tradicional" y nos ayudó a entender lo útil que puede llegar a ser para la
cotidianidad de este contexto y encontrar posibles soluciones para problemas idénticos y
facilitar sus cálculos correspondientes.
Recomendaciones
Bibliografia