Practica 4 Eq. 3

INSTITUTO TECNOLÓGICO DE PACHUCA
DEPARTAMENTO DE INGENIERÍA INDUSTRIAL

REPORTE DE PRÁCTICAS No. 4

Área
Ingeniería Industrial

Asignatura
ADMINISTRACIÓN DE LA CADENA DE SUMINISTRO

Tema:
Tema 3: Modelos de Emplazamiento de Instalaciones

Elaboró:
Damaris Yamilet Reyes Vazquez 18190794
Miriam Lizeth Hernández Rodríguz 19200424
Jaime Alexis Ángeles Téllez 19200373
Jonathan Martin Estrada López 19200234

Revisó
M. en I. Carlos Manuel Pérez Ramírez

Pachuca de Soto, Hgo., a lunes 29 de noviembre del 2022
Carretera México-Pachuca km.87.5, Col. Venta Prieta, Pachuca, Hidalgo. C. P. 4208P. 276, Tels.: (01 771)
7105251, 1700301, 1700687
Fax (01771)7113399
Nombre del Documento: Administración de la
Cadena de Suministro Revisión: 0
Referencia: Manual CACEI 3.3 Organización
curricular Página 1 de 9
1. DATOS DE REPORTE DE PRÁCTICA

Asignatura: Administración de la Cadena de Suministro
Unidad y Tema: T3 Modelos de Emplazamiento de Instalaciones
Práctica No. 4: Modelos de Localización
Lugar de practica: LCI o extraclase
Tiempo de duración de la práctica: 2 horas
2. OBJETIVO GENERAL:
Optimizar la decisión de localización de una o más instalaciones ya sea mediante un modelo de
optimización planteado y resuelto en una hoja de cálculo o con la aplicación del Proceso Analítico de
Jerarquías (AHP), de acuerdo con las condiciones particulares del problema que se asigne, a fin de
recomendar el mejor curso de acción.
3. MEDIDAS DE SEGURIDAD:
Las establecidas en el reglamento del aula de cómputo de Ingeniería Industrial. En particular:
I. No beber agua, refrescos ni otro líquido en su lugar de trabajo;
II. Utilizar gafas protectoras especiales para equipo de cómputo, si así fuera necesario;
III. Reportar cualquier anomalía que se detecte en el lugar de trabajo
4. MATERIAL, EQUIPO O SOFTWARE

Requerimientos: Cantidad o Características
Hoja de cálculo 1 equipo de cómputo por equipo, con
Software de optimización software requerido instalado
Almacenamiento externo: USB o Bluetooth 1 USB por equipo
5. FUNDAMENTOS TEÓRICOS
Programación lineal entera
Programación lineal: hipótesis de perfecta divisibilidad Así pues decimos que un problema es de
programación lineal entera, cuando prescindiendo de las condiciones de integridad, el problema
resultante es un problema de programación lineal.
CLASIFICACIÓN DE LOS PROBLEMAS LINEALES ENTEROS.
Atendiendo al tipo de variables:
Enteros puros: son aquellos en que todas las variables únicamente pueden tomar valores enteros.
también se distinguen dentro de estos los problemas totalmente enteros como aquellos en que tanto
las variables como todos los coeficientes que intervienen en el problema han de ser enteros
Enteros puros: son aquellos en que todas las variables únicamente pueden tomar valores enteros.
también se distinguen dentro de estos los problemas totalmente enteros como aquellos en que tanto
las variables como todos los coeficientes que intervienen en el problema han de ser enteros
Nombre del Documento: Administración
de la Cadena de Suministro Revisión: 0
Mixtos: son aquellos en los que hay al mismo tiempo variables continuas y variables que sólo pueden tomar
valores enteros.
Binarios: las variables sólo pueden tomar los valores cero o uno.
Atendiendo al criterio del tipo de problema:

Directo: Si el problema de decisión involucra variables enteras.
Codificado: Cuando se trata de un problema que contiene además de aspectos cuantitativos, alguna
consideración de tipo cualitativos, y por ello para tratar este tipo de aspectos se requiere el uso de
variable enteras o binarias.
Transformado: Cuando el problema no incluye variables enteras, pero para ser tratado analíticamente
requiere el uso de variable enteras “artificiales”.
Operaciones con matrices.

SUMA:
Propiedades
-Asociativa
Dadas las matrices m×n A, B y C
(A + B) + C = A + (B + C)
-Conmutativa
Dadas las matrices m×n A y B
A+B=B+A
-Existencia de matriz cero o matriz nula

A+0=0+A=A
PRODUCTO POR UN ESCALAR:
Dada una matriz A y un escalar c, su producto cA se calcula multiplicando el escalar por cada elemento de A
Propiedades
Sean A y B matrices y c y d escalares.
-Clausura: Si A es matriz y c es escalar, entonces cA es matriz.
-Asociatividad: (cd)A = c(dA)
-Elemento Neutro: 1·A = A
Distributividad:
-De escalar: c(A+B) = cA+cB
-De matriz: (c+d)A = cA+dA
PRODUCTO DE DOS MATRICES:

El producto de dos matrices se puede definir sólo si el número de columnas de la matriz izquierda es el
mismo que el número de filas de la matriz derecha. Si A es una matriz m×n y B es una matriz n×p,
entonces su producto matricial AB es la matriz m×p (m filas, pcolumnas).
Por ejemplo:
Propiedades
Si los elementos de la matriz pertenecen a un cuerpo, y puede definirse el producto, el producto de
matrices tiene las siguientes propiedades:
Propiedad asociativa: (AB)C = A(BC).
Propiedad distributiva por la derecha: (A + B) C = AC + BC.
Propiedad distributiva por la izquierda: C (A + B) = CA + CB.
En general, el producto de matrices tiene divisores de cero: Si A.B = 0, No necesariamente A ó B son
matrices nulas
El producto de matrices no verifica la propiedad de simplificación: Si A.B = A.C, No necesariamente B=C.
El producto de dos matrices generalmente no es conmutativo, es decir, AB ≠ BA. La división entre
matrices, es decir, la operación que podría producir el cociente A / B, no se encuentra definida. Sin
embargo, existe el concepto de matriz inversa, sólo aplicable a las matrices invertibles.
Si A es una matriz m x r y B es una matriz r x n, entonces el producto AB es la matriz m x n cuyos
elementos se determinan como sigue. Para encontrar el elemento en el renglón "i" y en la columna "j"
de AB, considerar solo el renglón "i" de la matriz A y la columna "j" de la matriz B. Multiplicar entre si los
elementos correspondientes del renglón y de la columna mencionados y luego sumar los productos
restantes.
elementos correspondientes del renglón y de la columna mencionados y luego sumar los productos
restantes.
Ejemplo:
Como A es una matriz 2 x 3 y B es una matriz 3 x 4, el producto AB es una matriz 2 x 4. Para determinar,
por ejemplo, el elemento en el renglón 2 y en la columna 3 de AB, solo se consideran el renglón 2 de A y
la columna 3 de B. Luego, como se ilustra a continuación, los elementos correspondientes (en tipo
negro) se multiplican entre si y se suman los productos obtenidos.
y así obtenemos el siguiente resultado:

(1*4) + (2*0) + (4*2) = 12
(1*1) + (2*1) + (4*7) = 27
(1*4) + (2*3) + (4*5) = 30
(1*3) + (2*1) + (4*2) = 13
(2*4) + (6*0) + (0*2) = 8
(2*1) + (6*1) + (0*7) = -4
(2*3) + (6*1) + (0*2) = 12
Planteamiento y resolución de modelos en hoja de cálculo

Pasos para implementar un modelo de PL en una hoja de cálculo Los cuatro pasos siguientes resumen lo que se
debe hacer para implementar cualquier problema de PL en una hoja de cálculo.
Organizar los datos para el modelo de la hoja de cálculo. Los datos para el modelo constarán de los coeficientes
de la función objetivo y las limitaciones o restricciones, así como los valores del lado derecho (RHS) para las
restricciones. Por lo general, existe más de una forma de organizar los datos de un problema particular en una
hoja de cálculo, pero se deben tener en cuenta algunas pautas generales. En primer lugar, el objetivo es organizar
los datos de acuerdo con su propósito y significado, tan claro como sea posible. Piénsese en la hoja de cálculo
como un informe de gestión necesario para comunicar con claridad los factores importantes del problema que se
está resolviendo. Para lograrlo, se requiere invertir algún tiempo organizando mentalmente los datos del
problema. Además de visualizar cómo pueden colocarse y ordenarse de manera lógica, antes de empezar a
escribir sus valores en la hoja de cálculo. Luego, resulta indispensable colocar etiquetas descriptivas en la hoja de
cálculo para identificar con claridad los diversos elementos de datos. A menudo, las estructuras de fila y columna
de los datos pueden ser utilizadas en la hoja de cálculo para facilitar la implementación del modelo. (Hay que
tener en cuenta que algunos o todos los coeficientes y valores para un modelo de PL pueden calcularse a partir
de otros datos, referidos con frecuencia como primarios. Por tanto, es mejor mantener los datos primarios en la
hoja de cálculo y hacer uso de fórmulas adecuadas para calcular los coeficientes y valores necesarios para la
formulación del modelo de PL. Entonces, si hay algún cambio en los datos primarios, se deberán hacer
modificaciones pertinentes de forma automática en los coeficientes del modelo de PL.)
2. Reservar celdas separadas en la hoja de cálculo para representar a cada variable de decisión en el modelo
algebraico. Aunque se puede utilizar cualesquiera celdas vacías en una hoja de cálculo para representarlas
variables de decisión, por lo general es mejor ordenarlas de manera paralela a la estructura de los datos. Esto, a
menudo, es útil en el establecimiento de fórmulas para la función objetivo y las restricciones. Cuando sea
posible, también es una buena idea para mantener las celdas que representan variables de decisión en la misma
área de la hoja de cálculo. Además, se deben utilizar las etiquetas descriptivas para clarificar su significado.
3. Crear una fórmula en una celda de la hoja de cálculo que corresponda a la función objetivo en el modelo
algebraico. La fórmula de hoja de cálculo correspondiente a la función objetivo se crea haciendo referencia a las
celdas de datos, donde los coeficientes de la función objetivo se introducen (o calculan) y las celdas
correspondientes que representan las variables de decisión.
4. Para cada restricción, crear una fórmula en una celda separada en la hoja de cálculo, que corresponda
al lado izquierdo (LHS) de la restricción. La fórmula correspondiente al primer miembro de cada
restricción se crea haciendo referencia a las celdas de datos donde se introducen(o calculan) los
coeficientes para estas limitaciones ya las celdas de las variables de decisión apropiadas. Muchas de las
fórmulas de restricción tienen una estructura similar. Por tanto, cuando sea posible, se deben crear
fórmulas de restricción que puedan copiarse para aplicar otras fórmulas de restricción. Esto no solo
reduce el esfuerzo necesario para implementar un modelo, sino que también ayuda a evitar errores de
mecanografía difíciles de detectar.
Aunque, para implementar un modelo de programación lineal en una hoja de cálculo es necesario realizar cada
uno de los pasos anteriores, estos no tienen que realizarse en el orden indicado. Se considera prudente realizar
primero el paso 1, seguido por el paso 2. Sin embargo, el orden en el que los pasos 3 y 4 se llevan a cabo a
menudo varía de un problema a otro. De igual forma, es aconsejable utilizar sombreado, colores de fondo y
fronteras para identificarlas celdas que representan variables de decisión, las restricciones y la función objetivo
en un modelo. Esto permite al usuario de una hoja de cálculo distinguir con mayor facilidad entre las celdas que
representan los datos en bruto (que pueden ser cambiados) y otros elementos del modelo.
Solver el modelo: Después de la implementación de nuestro modelo en la hoja de cálculo, es posible
utilizar Solver para encontrar la solución óptima al problema. No obstante, primero es necesario definir
los siguientes tres componentes de nuestro modelo de hoja de cálculo para Solver:
1. Celda destino. Celda que representa la función objetivo en el modelo (y si su valor debe ser
maximizado o minimizado).
2. Celdas variables (o cambiantes). Celdas que representan las variables de decisión en el modelo.
3. Celdas de restricción. Celdas que representan las fórmulas de los lados izquierdos de las restricciones
en el modelo (y los límites superior e inferior que se apliquen a estas fórmulas.
Definiendo la celda objetivo El siguiente paso en este proceso es el cuadro de diálogo de los parámetros
de Solver, donde es necesario especificarla ubicación de la celda que representa la función objetivo
mediante la introducción en la opción Establecer objetivo
Definiendo las celdas variables: Para resolver el problema de programación lineal, también es necesario
indicar en el modelo las celdas que representan las variables de decisión. Una vez más, Solver se refiere
a estas como celdas variables.
Definiendo las celdas de restricción: hay que definirlas celdas de restricción en la hoja de cálculo y las
restricciones que deben aplicarse a estas. Como se mencionó antes, las celdas de restricción son
aquellas en las que se implementaron las fórmulas de los lados derechos (LHS) para cada restricción en
el ejemplo modelo.
Definiendo las celdas variables: Para resolver el problema de programación lineal, también es necesario
indicar en el modelo las celdas que representan las variables de decisión. Una vez más, Solver se refiere
a estas como celdas variables.
Definiendo las celdas de restricción: hay que definirlas celdas de restricción en la hoja de cálculo y las
restricciones que deben aplicarse a estas. Como se mencionó antes, las celdas de restricción son
aquellas en las que se implementaron las fórmulas de los lados derechos (LHS) para cada restricción en
el ejemplo modelo.
Resolviendo el modelo Una vez que se introducen todos los parámetros y se eligen las opciones necesarias para
el modelo, el siguiente paso es resolver el problema. Para ello, primero se hace clic en el botón Resolver, en el
cuadro de diálogo de los Parámetros de Solver, para resolver el problema. Cuando Solver encuentra la solución
óptima, se muestra el cuadro de diálogo Resultados de Solver; si los valores de la pantalla no coinciden con los de
esta figura, se debe hacer clic en los botones Restaurar valores originales y Aceptar, y volverlo a intentar.
Planteamiento y resolución de modelos en algún otro programa

ar,
A y
zar
se
de
na
r
a
a
ma
as
da
as
a
r
o
e
nir
es
os
io
re
n
io
re
de
6. PROCEDIMIENTO
SC Consul)ng, una compañía de consultoría de cadena de suministro, debe decidir

dónde localizar sus oficinas centrales. Sus clientes se ubican principalmente en los 16
estados que se enumeran en la Tabla 1. Existen cuatro si>os potenciales para sus
oficinas: Los Ángeles, Tulsa, Denver y SeaGle. El costo fijo anual de ubicar una oficina
en Los Ángeles es 165,428 dólares, en Tulsa es de 131,230 dólares, en Denver es de
140,000 dólares y en SeaGle es de 145,000 dólares. El número esperado de viajes a
cada estado y los costos de cada si>o potencial se muestran en la Tabla 1.
Tabla 1) Costos de viaje y número de viajes para SC Consulting
Estado Los Ángeles Tulsa Denver Seattle Num. Viajes

Washington 150 250 200 25 40
Oregon 150 250 200 75 35
California 75 200 150 125 100
Idaho 150 200 125 125 25
Nevada 100 200 125 150 40
Montana 175 175 125 125 25
Wyoming 150 175 100 150 50
Utah 150 150 100 200 30
Arizona 75 200 100 250 50
Colorado 150 125 25 250 65
Nuevo Mexi 125 125 75 300 40
Dakota Del 300 200 150 200 30
Dakota del S 300 175 125 200 20
Nebraska 250 100 125 250 30
Kansas 250 75 75 300 40
Oklahoma 250 25 125 300 55
Se espera que cada consultor viaje cuando mucho 25 veces al año.

1) Si no hay restricciones sobre el número de consultores en un sitio y el objetivo es
minimizar los costos totales anuales:
a. ¿Dónde deberían ubicarse oficinas centrales y cuántos consultores deberían estar
asignados a cada oficina?
b. ¿Cuál es el costo anual en términos de la instalación y del viaje?
2) Si, cuando mucho, se asignan 10 consultores a la oficina central:
a. ¿Dónde deberían establecerse las oficinas?
b. ¿Cuántos consultores se deben asignar a cada oficina?
c. ¿Cuál es el costo anual de esta red?
2) Si, cuando mucho, se asignan 10 consultores a la oficina central:
a. ¿Dónde deberían establecerse las oficinas?
b. ¿Cuántos consultores se deben asignar a cada oficina?
c. ¿Cuál es el costo anual de esta red?
3) Adicionalmente:
a. ¿Qué piensas acerca de una política por la cual todos los proyectos de consultoría
de un estado deben asignarse a una misma oficina central?
b. ¿Cuánto agregará esta política al costo anual en comparación con permitir que
múltiples oficinas manejen un solo estado?
Nombre del Documento: Ingeniería Industrial
Administración de la Cadena de
Suministro Revisión: 0
8. CONCLUSIONES
Nombre del Documento: Ingeniería Industrial
Administración de la Cadena de
Suministro Revisión: 0
Marco de Referencia: CACEI 3.5 Contenidos Página 9 de 9
9. FUENTES DE INFORMACIÓN

Practica 4 Eq. 3

Cargado por

Información del documento

Descripción 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

Practica 4 Eq. 3

Cargado por

Copyright:

Formatos disponibles

INSTITUTO TECNOLÓGICO DE PACHUCA

DEPARTAMENTO DE INGENIERÍA INDUSTRIAL

ADMINISTRACIÓN DE LA CADENA DE SUMINISTRO

Tema 3: Modelos de Emplazamiento de Instalaciones

M. en I. Carlos Manuel Pérez Ramírez

1. DATOS DE REPORTE DE PRÁCTICA

4. MATERIAL, EQUIPO O SOFTWARE

Atendiendo al criterio del tipo de problema:

Operaciones con matrices.

-Existencia de matriz cero o matriz nula

PRODUCTO DE DOS MATRICES:

y así obtenemos el siguiente resultado:

Planteamiento y resolución de modelos en hoja de cálculo

Planteamiento y resolución de modelos en algún otro programa

SC Consul)ng, una compañía de consultoría de cadena de suministro, debe decidir

Tabla 1) Costos de viaje y número de viajes para SC Consulting

Estado Los Ángeles Tulsa Denver Seattle Num. Viajes

Se espera que cada consultor viaje cuando mucho 25 veces al año.

Marco de Referencia: CACEI 3.5 Contenidos Página 9 de 9

También podría gustarte