Universidad Arturo Michelena.

Facultad de ciencias económicas y sociales.

Escuela de administración comercial y contaduría pública.
Edo. Carabobo.
Val 22-02-2022

Modelo de
Transporte

Profesor: Miguel Zabaleta.

Alumnas:
Ana Yrene Metacos C.I: 29.785.718
María Calista C.I: 26.508.383
Faviana López C.I: 28.480.639
María Sanquiz C.I: 29.550.753
 Trabajo Investigativo.

1. Definición de modelo de transporte

El modelo de transporte es un problema de optimización de redes donde debe

determinarse como hacer llegar los productos desde los puntos de existencia hasta los
puntos de demanda. El objetivo de este modelo matemático es determinar el programa de
transporte que minimice el costo total de transporte y que al mismo tiempo satisfaga los
límites de la oferta y la demanda, es decir tener en cuenta la máxima producción que se
puede obtener de en una fuente y contrastarla con la máxima demanda de mercancía o
servicios que puede haber en un destino. En el modelo de transporte se supone que el costo
de transporte es proporcional a la cantidad de unidades transportadas en determinada ruta.
El problema general se presenta en la red de la figura:

Fuente: Taha, 2012 p. 176

La figura muestra al modelo de transporte como una red con “m” fuentes y “n”
destinos. Cada fuente representa con un nodo. El arco direccional que une una fuente y un
destino representa la ruta por la cual se transporta la mercancía. La cantidad de la oferta en
la fuente “i” es el valor a i y la demanda en el destino “j” es el número b i. El costo de
transporte unitario entre la fuente “i” y el destino “j” es cij.
Si xij representa la cantidad transportada desde la fuente i al destino j, entonces el
modelo de programación lineal que representa el modelo de transporte, se trata de:
Z: función Objetivo
Es decir, hacer mínima la sumatoria de todos los productos que resultan de
multiplicar la cantidad transportada por cada ruta por el costo unitario de transporte en esa
ruta, teniendo en cuenta que si tenemos “m” fuentes y “n” destinos podemos tener “m.n”
caminos diferentes de transporte.
Esta minimización está sujeta a las siguientes restricciones:

La oferta en cada origen o fuente de producción es el límite máximo de la sumatoria

de las cantidades a transportar que salen desde este origen o fuente.

La demanda en cada destino es el límite mínimo de la sumatoria de las cantidades a

transportar por las rutas que llegan a ese destino.

Condición de no negatividad (no puede haber cantidades “negativas” de mercadería

a ser transportada). En resumen, el primer conjunto de restricciones estipula que la suma de
los envíos desde una fuente no puede ser mayor que su oferta; en forma análoga, el segundo
conjunto requiere que la suma de los envíos a un destino satisfaga su demanda.
El modelo que acabamos de describir implica que la oferta total:

Debe ser cuando menos igual a la demanda total:

Cuando la oferta total es igual a la demanda total:

La formulación resultante recibe el nombre de modelo de transporte equilibrado.

 Esto difiere del modelo de que todas las restricciones son ecuaciones, es decir, todas
representan igualdades y no desigualdades

En el mundo real, no es necesariamente cierto que la oferta sea igual a la demanda,

o mayor que ella. Sin embargo, el modelo de transporte siempre puede equilibrarse. El
equilibrio, además de su utilidad en la representación a través de modelos de ciertas
situaciones prácticas, es importante para el desarrollo de un método de solución que explote
completamente la estructura especial del modelo de transporte. Los ejemplos que siguen
muestran esta idea.

Ejemplo 1. La empresa MG Auto tiene tres plantas fabriles: Los Ángeles, Detroit y New
Orleans; y dos centros principales de distribución en Denver y en Miami. Las capacidades
de las tres plantas durante el próximo trimestre serán 100, 1500 y 2000 autos
respectivamente. Las demandas trimestrales en los dos centros de distribución son 2300 y
1400 autos. El kilometraje entre las fábricas y los centros de distribución se ve en la
siguiente tabla:

La empresa transportista cobra 8 centavos por kilómetro y por auto. El costo de

transporte por auto, en las distintas rutas y redondeando los montos con decimales, se
calcula como se ve en la siguiente tabla.
 El modelo de programación lineal para el problema es el siguiente, se trata de
minimizar la función objetivo:

Esta función objetivo está sujeta a las siguientes restricciones:

Todas las restricciones planteadas son ecuaciones, porque el abastecimiento total

desde las tres fuentes de producción (= 1000 + 1500 + 1200 = 3700 autos) es igual a la
demanda total en los dos destinos de recepción (=2300 + 1400 = 3700 autos).
El modelo de programación lineal se puede resolver con el método simplex (visto en
módulos anteriores). Sin embargo, la estructura especial de las restricciones permite
resolverlo con más comodidad usando la tabla de transporte siguiente:

La solución óptima, obtenida previamente por software, se resume en la siguiente

figura:
 Esto indica que para minimizar los costos de transporte deben enviarse 100
automóviles de Los Ángeles a Denver, 1300 automóviles de Detroit a Denver, 200
automóviles de Detroit a Miami y 1200 de New Orleans a Miami. El costo mínimo de
transporte asociado es: 1000 x $80 + 1300 x $100 + 200 x $108 + 1200x$68 = $313.200
El algoritmo de transporte empleado se basa en la hipótesis de que el modelo está
balanceado, esto quiere decir que la demanda total es igual exactamente a la oferta total. Si
el modelo está desbalanceado, siempre se puede solucionar el inconveniente creando una
fuente ficticia o un destino ficticio para restaurar el equilibrio o balance entre fuente y
destino.

2. Modelos de transporte no convencionales.

Al igual que se usa en sistemas de transporte, el Modelo de Transporte puede ser

utilizado en otros sistemas y con otros objetivos. De forma más específica, el Modelo se
utiliza para realizar actividades como: control de inventarios, programación del empleo,
asignación de personal, flujo de efectivo, programación de niveles de reservas en prensas
entre otras. A continuación, se muestran dos ejemplos de usas alternativos del modelo:

Ejemplo 1. Problema en un sistema de alquiler de vehículos

Una empresa de alquiler de carros sirve a siete ciudades y presenta actualmente un

exceso de carros en tres ciudades (C1, C2, C3) y una carencia de ellos en cuatro de las
ciudades (D1, D2, D3 y D4). El exceso de carros: es de 20 en C1, 20 en C2 y 32 en C3. La
escasez de carros es de 16 en D1, 20 en D2, 20 en D3 y 16 en D4.
 La tabla o matriz de distancias en kilómetros, entre las ciudades se le presenta al
finalizar el enunciado. Los valores de M representan distancias muy largas. Esto indica que
no es posible transportar carros desde C1 hasta D4, ni desde C3 hasta D2 por alguna razón,
por ejemplo, porque las vías están en reparación y no se permite el paso. (Si en la solución
final aparece una cantidad de carros con ese costo será la confirmación de que no existe
solución óptima posible para el modelo). Se desea determinar cómo distribuir los carros
para satisfacer las restricciones y minimizar la distancia total recorrida.

Variables de Decisión

Xij: carros que deben recorrer los kilómetros desde la ciudad i hasta la ciudad j

i = C1, C2, C3
j = D1, D2, D3, D4 XC1D3: carros que deben recorrer los kilómetros desde la
ciudad C1 hasta la ciudad D3.

Restricciones de Oferta: Disponibilidades limitadas de carros en las 3 ciudades:

XC1D1 + XC1D2 + XC1D3 + XC1D4 £ 20

XC2D1 + XC2D2 + XC2D3 + XC2D4 £ 20
XC3D1 + XC3D2 + XC3D3 + XC3D4 £ 32

Definición conceptual de una específica restricción de oferta: la segunda, por

ejemplo, representa la suma de los carros que deben recorrer desde la ciudad C2 hasta las
ciudades D1, D2 y D 4. Esta suma debe ser menor o igual a la cantidad de carros que están
disponibles en la ciudad C2. En este caso 20 carros.

Restricciones de Demanda: Requerimientos de carros en las 4 ciudades:

XC1D1 + XC2D1 + XC3D1 ³ 16

XC1D2 + XC2D2 + XC3D2 ³ 20
XC1D3 + XC2D3 + XC3D3 ³ 20
XC1D4 + XC2D4 + XC3D4 ³ 16
 Definición conceptual de una específica restricción de demanda: la cuarta, por
ejemplo, representa la suma de carros que han recorrido, o que deben recorrer hasta la
ciudad D4 desde las ciudades C1, C2, C3, para satisfacer la demanda de esa ciudad. Esta
suma debe ser mayor o igual a 16, que es la cantidad de carros demandados en la ciudad
D4.

Restricciones de no-negatividad de las variables: Las variables están restringidas a ser

no-negativas. Cantidades negativas, no existentes de carros, no pueden recorrer distancia
alguna. Por eso, esta restricción acerca el modelo a la realidad.

Función Objetivo: Minimizar los KILOMETROS totales recorridos por los carros
desde las 3 ciudades C1, C2 y C3 hasta 4 cuatro ciudades demandantes
Min 17 XC1D1 + 23 XC1D2 + 20 XC1D3 + M XC1D4 + 23 XC2D1 + 15 XC2D2 + 23
XC2D3 + 20 XC2D4 + 25 XC3D1 + M XC3D2 + 13 XC3D3 + 21 XC3D4

Representa la suma de los kilómetros totales recorridos por los carros desde todas
las ciudades que tienen exceso de carros (C1, C2, C3) hasta todas las ciudades que tienen
carencia de carros (D1, D2, D3 y D4). Por ejemplo, 20 XC2D4 representa los kilómetros
totales recorridos por todos los carros que van desde la ciudad C2 hasta la ciudad D4, estos
son los subíndices. Donde 20 es la cantidad de kilómetros que recorre cada carro, desde la
ciudad C2 hasta la ciudad D4.

Resumen del Modelo:

Min 17 XC1D1 + 23 XC1D2 + 20 XC1D3 + M XC1D4 + 23 XC2D1 + 15 XC2D2 + 23

XC2D3 + 20 XC2D4 + 25 XC3D1 + M XC3D2 + 13 XC3D3 + 21 XC3D4 Sujeto a:

XC1D1+XC1D2+XC1D3+XC1D4 £ 20
XC2D1+XC2D2+XC2D3+XC2D4 £ 20
XC3D1+XC3D2+XC3D3+XC3D4 £ 32
XC1D1 + XC2D1 + XC3D1 ³16
XC1D2 + XC2D2 + XC3D2 ³ 20
XC1D3 + XC2D3 + XC3D3 ³ 20
XC1D4 + XC2D4 + XC3D4 ³ 16
Todas las variables no negativas

Nota: en el ejemplo se puede observar la característica esencial del Modelo de Transporte:

"Coeficientes de las variables, en las restricciones, son 1 o 0". Si se desea simplificar los
subíndices, es posible utilizar sólo números, por ejemplo, X14 en lugar de XC1D4.

Ejemplo 2. Problema en un sistema de subasta de tierras

El Ministerio de Agricultura está subastando tierras en dos estados del país Lara y
Cojedes. Están disponibles 100.000 hectáreas en cada Estado. Tres consorcios agrícolas 1,2
y 3, participan en la subasta. El Gobierno ha establecido que ninguno de los tres consorcios
recibirá más del 40% del total de tierras que se están subastando. El consorcio 1 ha ofrecido
Bolívares 1.000.000 por cada hectárea en el estado Lara y Bs. 2.000.000 por hectárea en el
estado Cojedes. El consorcio 2 ha ofrecido Bs. 900.000 por hectárea en el estado Lara y Bs.
2.200.000 en Cojedes. El consorcio 3 ha ofrecido Bs. 1.100.000 por hectárea en Lara y
1.900.000 en Cojedes. El gobierno desea maximizar sus ingresos.

Variables de Decisión:

Xij: Hectáreas de tierra a subastar del estado i que se adjudicarán al consorcio j

i = Lara (1), Cojedes (2)

j = 1,2,3.

Las variables son 6 en total (m.n) (2×3). Puede definirse, por ejemplo: X13:
Hectáreas de tierra a subastar del estado Lara que se adjudicarán al consorcio 3.

Restricciones de Oferta: (2 restricciones) Disponibilidades limitadas de tierras en los 2

estados:

X11 + X12 + X13 £ 100.000 hectáreas disponibles en Lara

X21 + X22 + X33 £ 100.000 hectáreas disponibles en Cojedes

Definición conceptual de una específica restricción de oferta: la primera, por

ejemplo, representa la suma de hectáreas a subastar del estado Lara que se adjudicarán al
consorcio 1 (X11), más las que se adjudicarán al consorcio 2 (X12), más las que se
adjudicarán al consorcio 3 (X13). Esta suma debe ser menor o igual a la cantidad de
hectáreas disponibles en el estado Lara que en este caso es de 100.0000.

Restricciones de Demanda: Requerimientos de hectáreas de tierra por los tres consorcios.

X11 + X21 ³ 80.000 hectáreas

X12 + X22 ³ 80.000 hectáreas
X13 + X23 ³ 80.000 hectáreas

Definición conceptual de una específica restricción de demanda: la primera, por

ejemplo, representa la suma de hectáreas de tierra del Estado Lara adjudicadas en la subasta
al consorcio 1 (X11), más las hectáreas del Estado Cojedes adjudicadas al consorcio
1(X12). Esta suma debe ser igual a la cantidad de hectáreas que demanda el consorcio 1. En
este caso son 80.000 hectáreas por lo siguiente: en cada Estado no puede ser adjudicado
más del 40% del total, esto hace un monto de 40.000 en cada estado y 80.000 en total en los
dos Estados.

Restricciones de no-negatividad de las variables: Las variables están restringidas a ser

no-negativas. No se pueden adjudicar cantidades negativas, no existentes, de tierra. Por eso,
esta restricción acerca el modelo a la realidad.

Función Objetivo: Maximizar los Ingresos totales que obtiene el gobierno por las tierras.

Max 10 X11 + 9 X12 + 11 X13 + 20 X21 + 22 X22 + 19 X23

Se ha simplificado, cambiando a Bs. 100.000, el monto a pagar por hectárea. Esto permite
trabajar con montos menores. Representa la suma de los ingresos totales del gobierno de
todas las hectáreas de tierra subastadas en todos los Estados adjudicadas a todos los
consorcios. Así, por ejemplo, 20 X21 representa los ingresos totales de las tierras
subastadas del Estado Cojedes adjudicadas al consorcio 1. Donde 20 es un ingreso unitario,
específicamente el ingreso que proporciona cada hectárea de tierra del Estado Cojedes
adjudicada al consorcio 1.

Notas Finales: Con este ejemplo puede constatar que los modelos de transporte
también pueden ser usados con objetivos de maximización. Resumiendo, el modelo y
colocando las variables en la posición de las variables similares, se puede observar más
 claramente la característica esencial que hace especial, al Modelo Lineal de Transporte:
"Los coeficientes de las variables, en las restricciones, son 1 o 0".
3. Cuadro comparativo entre los modelos de transporte

Cuadro comparativo de método de transporte

Métod Característica
Definición Ventajas Desventajas Aplicaciones O
o s
Se representa
en forma de
matriz en
donde las filas
Es el método más
representan las
fácil al determinar
Es un algoritmo fuentes y las
una solución
heurístico capaz de columnas
básica factible Es el menos
solucionar representan los Este método
inicial. probable para
problemas de destinos. es
dar una
transporte o Se pueden solución inicial normalmente
Comienza en
Métod distribución resolver acertada de aplicado en la
la celda (ruta) ob
o mediante la problemas bajo costo resolución de
correspondient un
Esquin consecución de una manualmente y de problemas de
e a la esquina bá
a solución  básica una forma rápida Ignora la transporte o
noroeste, o
Noroes inicial que satisfaga magnitud distribución
superior
te todas las Usado para un relativa de los mediante la
izquierda
restricciones numero de fuentes costos obtención de
existentes sin que y destinos muy una solución
Es utilizado
esto implique que se frecuentes Es un método básica inicial
con mayor
alcance el costo no exacto
frecuencia en
óptimo total. Implica un
ejercicios
número mínimo
donde el
de cálculos
número de
fuentes y
destinos sea
muy elevado.
Métod Es un método Tienen Conduce No aporta Se utiliza para R
o heurístico de diferentes rápidamente a una ningún criterio ayudar a la
Aproxi resolución de orígenes con mejor solución. que permita toma de p
mació problemas de diferentes determinar si la decisiones en c
n de transporte capaz de destinos. Tiene en cuenta solución la realización t
Vogel alcanzar una en el análisis la obtenida por de actividades de
solución básica no Un origen diferencia entre este método es como: control sa
artificial de inicio, puede los menores la mejor de req
este modelo abastecer a costos de (óptima) o no. inventarios, s
requiere de la diferentes transporte flujo de d
 destinos. efectivo,
programación
Al finalizar el
de niveles de
ejercicio la
reservas en
oferta y la
prensas entre
realización de un demanda
Requiere otras. Este
número deben de ser
mayores método es
generalmente mayor satisfecha en
esfuerzos de heurístico y
de iteraciones, sin su totalidad Generalmente nos
cálculos que el suele producir m
embargo,  produce y/o terminado deja cerca al
Método de la una mejor
mejores resultados sus valores en óptimo.
esquina solución
iniciales que los cero
noroeste inicial,
mismos
La produce una
aproximación solución
de Vogel inicial óptima,
finaliza en o  próxima al
costo mínimo.. nivel óptimo.
El número de
asignados es Se genera una E
igual al matriz de costos del
número de para la asignación de
tareas de "m" personas asi
para ser asignadas Este modelo co
A cada a "m" tareas se aplica en
asignado se Si la cantidad modelos de tra
Es un algoritmo de asigna Todos los costos del problema asignación y p
optimización el cual exactamente son no-negativos es grande es minimización te
Métod resuelve  problemas una tarea difícil obtener de costos de ve
o de asignación en El problema es un una cantidad trabajadores a de
Húnga tiempo. Este Cada tarea problema de mínima de filas puestos, de po
ro método se usa  para debe realizarla minimización. para cubrir territorios a t
resolver problemas exactamente todos los ceros vendedores,
de minimización. un asignado el método de la matriz de contratos a
húngaro es actual postores o de D
construye una considerablement trabajos a co
solución del e más simple que plantas h
problema el método as
primal Simplex del
partiendo de problema de mi
una solución transporte. co
no admisible

4. Algoritmo de transporte
 Se puede decir que un algoritmo de transporte es más que todo, la organización de los
cálculos en una forma enzimas, y que se puede ser aprovechada con la ventaja de extiende a
una estructura especial en modelo de transporte en pocas palabras el algoritmo de
transporte se basa en el modelo en el que está balanceado y eso quiere decir que la demanda
total es igual a la oferta total.

Principalmente el objetivo del modelo o algoritmo del transporte es satisfacer todos los
requerimientos establecidos en su destino contando la administración en los costos
relacionados con el plan determinado por las rutas escogidas.

Básicamente es un caso particular que nos ayuda en los problemas referidos a la

programación lineal en ese tipo de situaciones de envío de productos de lugares llamados
puntos de origen o fuentes de abastecimiento a los puntos destinados que también se les
puede llamar fuentes de consumo siendo con su objetivo determinar las cantidades óptimas
de su envío de las fuentes de abastecimiento a las fuentes de consumo que minimizan el
costo total del transporte de igual manera al mismo tiempo para así satisfacer en las
cantidades d de la oferta como tanto en la demanda.

En lo general se pueda ampliar el modelo de transporte a otras áreas de operación entre

otras cosas el control de inventarios programación de empleados y asignación personal .Alli
se puede encontrar los pasos del algoritmo de transporte que son específicamente o
igualmente a los de largo ritmo simpleX:

1. En el primer paso se puede determinar en la solución básica del inicio que nos
ayude a proseguir el paso dos
2. En esta se usa la condición Del método simplex para en si determinar la variable de
entrada de todas las variables básicas y y determinará si se satisface
3. Y el último paso que se requiere sería la condición de facilidad con el método
simplex en si la terminación del variable de salida y así obtener la nueva solución a
posterior de regresar al segundo paso

Problema de transporte

En el algoritmo de transporte se puede Encontrar problema de transporte en ello

consiste en tomar una decisión en cuántas unidades se puede trasladar desde ciertos puntos
de origen ya sea en una planta ciudad región entre otros puntos específicos que puede ser
centro de una distribución ciudades entre otros. Básicamente un problema de transporte es
la determinación de la política de distribución óptima el cual permita satisfacer los
requerimientos de un determinado número de clientes asociados en su capacidad en un
cierto conjunto de oferentes

Este tipo de problemas es una aplicación clásica o básica de los modelos de

programación lineal debido a que nos permite abordar en problemas de naturaleza real y
adicionalmente O es decir puede incorporar elementos adicionales que hacen más compleja
la representación a través de un modelo de optimización pero sin embargo en la mayoría de
los casos resulta ser más realista. En ello se puede clasificar con un problema de transporte
en ellas existen tres tipo
La clasificación en la distribución de bienes y servicios entre diferentes. En la oferta que en
si son variados en puntos de demandas

 La calidad en los bienes que están disponibles en ofertas que son limitados y en la
calidad de bienes que sean necesitado en las demandas que sean conocidas
 El objetivo en el problema de transporte es minimizar el costo a la hora de los
traslados en sus bienes a los orígenes que están destinados

También se puede aplicar principalmente el modelo de transporte en cualquier modelo

que componga las unidades de un bien a distribuir ya sean orígenes destinos recursos de
origen demandas en los destinos oco todo es distribución por unidades en ello
adicionalmente son variados por unos supuestos elementos en ellos son:
1. Supuestos de requerimientos: Éste. Quiere decir que tiene un suministro fijo en las
unidades que se van a distribuir por completo entre los destinos
2. Supuesto de costo: en este punto se basa más que todo en el costo que se va a
distribuir en la unidad de un origen a un destino es directamente proporcional al
número de unidades distribuidas
3. Propiedad de soluciones factibles: cuándo se trata de un problema de transporte
tiene sus soluciones factibles que en si la sumatoria de recursos en los orígenes es
igual a la sumatoria de las demandas en sus destinos
4. Propiedad de soluciones enteras: en los casos de los recursos como las demandas
toma un valor entero todas las variables básicas es decir las asignaciones es de
cualquiera de las soluciones básicas factibles es decir incluso inclusive la solución
óptica que asuman también valores enteras

Problema de transporte mediante programación lineal

En la programación lineal es más que todo utilizada para la resolución en los modelos de
transporte en ellos aunque sea resolver los modelos mediante el modelo sin please ahí se
puede utilizar las fases de moderación de ahí la programación carece de los modelos de
asignación puede ser de gran importancia dependiendo la complejidad adicional que puede
presentar en el problema particularmente. Claro que en la solución mediante la
programación lineal básicamente el transporte es el modelo de la cantidad ofertada al igual
de la cantidad demandada en este caso sin embargo se puede trasladar esta solución a la
realidad casi imposible por lo cual hace falta crear orígenes o destinos fijados en
descendencia de oferta y demanda preferiblemente que sea con la demanda.

El modelo de transporte se puede decir que no sólo es aplicable al movimiento de

producto sino también como modelo que se aplica a otras áreas cómo por ejemplo
aplicación de la producción, control de inventarios y control de los proveedores. También
el problema de transporte ocurre con una solución en este caso se pueden ser resueltos de la
siguiente manera:

 Regla de la esquina noroeste (MEN)

 Método por aproximación de Vogel (MAV)
 Método del costo mínimo (MCM)
 Método del paso secuencial Y
 Dimo (método de distribución modificada)

5. Modelo de Asignacion
El modelo de asignación es un caso especial del modelo transversal, en el que los
recursos se asignan a las actividades de forma uno a uno, dado que la matriz de
correspondencia debe ser cuadrada. Por lo tanto, cada recurso debe asignarse de forma
única a una tarea o actividades especifico.

En una empresa es importante que el gerente o el administrador tiene suficiente

conocimiento de la información sobre: Finanzas, Operaciones, Logística y las herramientas
necesarias para mejorar la calidad del servicio o producto ofrecido, centrarse
principalmente en el personal de servicio al cliente.

Un modelo de asignación es una forma especial de un problema de PL donde el

asignado es el recurso utilizado para realizar la tarea. Por ejemplo, un cesionario puede ser
un empleado que debe aceptar un trabajo. Asignar personas al trabajo es una
implementación común del problema de personalización. Sin embargo, la persona
particular no es necesariamente la persona. También pueden ser máquinas, vehículos,
fábricas o incluso el período para el que se establece la tarea

El objetivo del modelo es determinar la asignación óptima (de costo mínimo) de

trabajadores a puestos.

El modelo general de asignación con n trabajadores y n puestos se representa en la tabla

siguiente:

Para ajustarse a la definición de un problema de asignación, este tipo de pregunta debe

formularse de tal manera que satisfaga los siguientes supuestos:

1. El número de personas nombradas es igual al número de cargos. (Este número está

representado por n.)
2. Solo se asigna una actividad a cada tarea.
3. Cada actividad debe ser realizada por una persona responsable.
4. Existe un costo cij asociado al determinante i (i 5 1, 2, …, n) realizar la tarea j (j 1,
2, ..., n). El objetivo es determinar cómo realizar n tareas para reducir el costo total.

El modelo de atribución se puede resolver directamente de la misma forma que el

modelo de transferencia tradicional. Sin embargo, el hecho de que todas las sugerencias y
preguntas fueran iguales a 1 condujo al desarrollo de un algoritmo de resolución simple
conocido como el método húngaro.

 Modelo Húngaro.
 El método húngaro es un método para mejorar problemas de asignación, conocido como
tal porque las primeras contribuciones al último método clásico fueron realizadas por Dénes
König y Jenő Egerváry, un matemático húngaro. Los algoritmos que se describen a
continuación solo están diseñados para resolver problemas de reducción.

El objetivo del método húngaro es encontrar el coste mínimo de una serie de tareas que
deberían ser realizadas por las personas más idóneas. Utiliza programación lineal (PL)
para realizar una serie de pasos que se pueden automatizar. Por lo tanto, herramientas como
el programa estadístico R (entre otros) cuentan con paquetes muy útiles para estos
problemas de optimización.

Es importante resaltar que el método húngaro trabaja en una matriz de costos n*m (en
este caso conocida como matriz m*m, dado que el número de filas es igual al número de
columnas n = m).

Para resolver problemas de asignación, aplicando el método húngaro, se requiere seguir

los siguientes algoritmos o pasos:

 Paso 1: En la matriz de costos primos, encuentre el valor mínimo para cada fila y
réstelo de todos los elementos de la fila.
 Paso 2: En la matriz resultante del paso 1, encuentre el valor mínimo para cada
columna y réstelo de todos los elementos de la columna.

Paso 2.1

Si no es posible garantizar una asignación viable (para todos los 0 elementos) mediante los
pasos 1 y 2, entonces a

a) Dibuje el número mínimo de líneas horizontales y verticales en la mini matriz final,

incluidos todos los ceros.
b) Determine el elemento detectado más pequeño, réstelo de todos los elementos
detectados y súmelo a todos los elementos en la intersección de las dos líneas.
c) Si no se encuentra una posible asignación entre los 0 elementos, repita el paso 2.1.
De lo contrario, continúe con el paso 3 para seleccionar la asignación óptima.
  Paso 3: Defina la solución óptima como una asignación potencial asociada a los
elementos cero de la matriz obtenida en el paso 2.

A continuación, presentaremos un ejemplo que muestra la aplicación del Método Húngaro

que nos permite decidir la asignación de trabajadores a puestos de trabajo.

Un equipo de 3 ingenieros debe ser asignado para la realización de 3 tareas, donde

cada ingeniero debe hacer una tarea. Se requiere encontrar la asignación de costo mínimo
para lo cual se dispone de los costos asociados a que el ingeniero i realice la tarea j. Por
ejemplo, c_{11}=15 representa el costo correspondiente a que el ingeniero 1 asuma la
tarea 1.

Aplicar el Método Húngaro para encontrar una asignación óptima de los ingenieros a las
tareas.

El Paso 1 del Método Húngaro requiere identificar el valor mínimo de cada fila. En el
caso de la fila 1 dicho valor es $9 siendo el costo de que el ingeniero realice la tarea 3. En
particular si se dispone de un problema de mayor tamaño, hacer uso de Excel facilita los
cálculos tal como se muestra en la siguiente imagen:
A continuación, se resta el mínimo de cada fila a cada uno de los valores de la fila
respectiva, para obtener la matriz reducida:

La aplicación del Paso 2 produce los mínimos de cada columna según se observa en la tabla
anterior. Al restar esos valores de las columnas respectivas se obtiene la siguiente matriz
reducida:

Las celdas con un valor de 0 y azul son la solución óptima. Como resultado, el Ingeniero
1 hace la tarea 2, el Ingeniero 2 hace la tarea 1 y el Ingeniero 3 hace la tarea 3. Cada técnico
hace exactamente una tarea y el costo total de esa tarea (valor óptimo) es $9 + $10 + $8 =
$27. El método húngaro del ejemplo anterior funciona bien porque los elementos cero en la
matriz anterior permiten a los ingenieros distinguir entre tareas prácticas (es decir, tareas
solo para ingenieros). No siempre es posible lograr una solución viable en el caso de
aplicación, ya que se requieren pasos adicionales para implementar el método.
 Lista de referencias

1- Definición de Modelo de transporte y Modelo de transporte no convencionales

Universidad San Marcos. (2017). Investigación de operaciones - Modelo de transporte.

(LEC MATE;0011 2017). Recuperado de
http://repositorio.usam.ac.cr/xmlui/handle/506/861

Castillo, A. (s.f.). Programación lineal de transporte. Recuperado de

https://www.monografias.com/trabajos107/programacion-lineal-transporte/
programacion-lineal-transporte#problemaea

2. Cuadro Comparativo entre los modelos de transporte

Hamdy, A Taha (2012) Investigación de operaciones - Novena edición

3. Algoritmo de transporte

https://www.ehu.eus/documents/2069587/2113228/10_12.pdf

https://www.gestiondeoperaciones.net/programacion_lineal/metodo-del-costo-minimo-
algoritmo-de-transporte-en-programacion-lineal/

4. Modelo de asignación

https://economipedia.com/definiciones/metodo-hungaro.html
https://www.gestiondeoperaciones.net/programacion-entera/el-metodo-hungaro-como-
algoritmo-de-solucion-del-modelo-de-asignacion/
https://www.studocu.com/latam/document/universidad-interamericana-de-panama/
investigacion-de-operaciones-i/modelo-de-asignacion-investigacion-de-
operaciones/17007199
https://proyectoinvestigacionoperaciones.wordpress.com/2016/11/09/primera-entrada-del-
blog/