OPTIMIZACION EN EL AREA DE JARDIN DE SODIMAC

CARRERA PROFESIONAL: INGENIERIA DE SISTEMAS COMPUTACIONALES

CURSO: OPTIMIZACION Y SIMULACION

DOCENTE: VICTOR ALFREDO MUGUERZA CAPRISTAN

INTEGRANTES DEL GRUPO:

 CRISTHIAN JORGE GONZALES PALOMINO

 FERNANDO GARCIA VILLANUEVA
 MOISES GIL FLORE
 I. INTRODUCCIÓN:
Hoy en día hay menos comercialización y colocación de productos como los
insecticidas domésticos que están a punto de caducar en el jardín de Sodimac.

OBJETIVOS DEL TRABAJO:

Diseñar un modelo que cumpla con todas las condiciones previstas para garantizar

una baja comercialización de productos en el área de jardín de Sodimac. Obtenga el

proceso de recopilación de datos de los productos básicos en el área especificada.

Maximizar la venta de los productos más perecibles.

Minimizar la cantidad de productos menos vendidos.

II. TEMAS PARA DESARROLLAR EN EL SIGUIENTE TRABAJO:

i. PL -Maximización, PL -Minimización ya que nos permitirá obtener los
objetivos del problema planteado.
ii. Programación lineal para variables irrestrictas.
iii. Programación lineal y análisis de sensibilidad.
iv. Modelo especial de programación lineal: Transporte
CONSTRUCCION DEL TRABAJO:

Al construir el modelo para el target, se tomaron en cuenta las ventas de productos de

vencimiento próximo en la tienda de Sodimac. Tome el precio real y baje el porcentaje
para hacer una oferta atractiva a los clientes potenciales. De esta manera, somos
capaces de encontrar la mejor solución según la cantidad de productos vendidos. Por
lo tanto, los productos que están más cerca de su fecha de caducidad llegan al mercado
rápidamente.

pág. 2
SOLUCION:

Para vender el producto a un precio más bajo (pero no al 100%), se venderá el producto, pero
siempre habrá una pérdida ya que el inventario no es igual a todos los productos en venta.
También es necesario saber cuánto dinero se ganará en el peor de los casos (mínimo de
venta), lo que nos indica que debemos mostrar a los clientes los productos más cercanos a la
caducidad de forma más destacada. Asigne una oferta específica de 3x2 al producto más
cercano a la fecha de vencimiento. Haga ofertas atractivas a los clientes de manera que venda
la mayor cantidad posible.

i. MAXIMIZACIÓN:

ii. MINIMIZACIÓN:

pág. 3
Para esta primera parte hemos utilizado el Solver Excel, la cual es una herramienta o
complemento de Excel que nos permite realizar cálculos para alcanzar un resultado. Es
decir, que con el Solver podemos encontrar objetivos optimizados para modelos
lineales y no lineales.

iii. PROGRAMACIÓN LINEAL Y ANÁLISIS DE SENSIBILIDAD:

La empresa Sodimac fabrica dos tipos de envase para insecticidas, de jardín y de
agricultura, los tiempos de producción en dos máquinas son los siguientes:

MAQUINA A MAQUINA B
ENVASE DE JARDIN 2 1
ENVASE DE 2 2
AGRICULTURA

Las horas disponibles empleadas por día son las siguientes: para la operación de la
maquina A son 10 horas y para B son 8 horas, así mismo las utilidades de cada tipo
son de 7 y 9 respectivamente.

Por lo tanto, definimos 2 variables:

X1: Número de envases de jardín fabricados por día

X2: Número de envases de agricultura fabricados por

día Función:

MAX 7X1+9X2

pág. 4
S.A:

2X1+2X2 <= 10

X1+2X2 <= 8

SOLUCIÓN:

pág. 5
Para desarrollar este ejercicio , utilizamos el software Lingo, donde realizamos
análisis de sensibilidad , lo que permite a las empresas utilizar datos confiables y
precisos para predecir el éxito o el fracaso del proyecto . Al estudiar todas las
variables y posibles resultados, los gerentes de proyecto pueden tomar las mejores
decisiones sobre un proyecto , negocio o inversión.

pág. 6
 iv. MODELO ESPECIAL DE PROGRAMACION LINEAL: TRANSPORTE:
Para el siguiente caso, detallaremos lo siguiente:

Fábrica de insecticidas orgánicos:

Estos insecticidas orgánicos se fabrican en tres plantas diferentes A, B y C. A

continuación, se muestra la capacidad de producción de cada planta durante los
próximos tres meses:

OFERTA:

ORIGEN PLANTA PRODUCCIÓN

1 A 5000
2 B 6000
3 C 2500
TOTAL= 13500

pág. 7
 Sodimac distribuye sus productos a través de cuatro centros de distribución ubicados en
Lima, Chiclayo, La libertad y Huánuco. El pronóstico de demanda de tres meses para
cada uno de los centros de distribución es el siguiente:

DEMANDA:

DESTINO CENTRO DEMANDA

DISTRIBUCIÓN
1 LIMA 6000
2 CHICLAYO 4000
3 LA LIBERTAD 2000
4 HUANUCO 1500
TOTAL= 13500

La gerencia quiere determinar cuántos productos deben enviarse desde cada planta de
fabricación a cada centro de distribución. El objetivo es determinar qué rutas usar y cuánto
enviar a través de cada ruta , lo que logra el costo total de envío más bajo. La siguiente tabla
muestra el costo por unidad enviada en cada ruta.

COSTO DE TRANSPORTE
ORIGEN LIMA CHICLAYO LA LIBERTAD HUANUCO

A 3 2 7 6
B 7 5 2 3
C 2 5 4 5

pág. 8
La figura muestra gráficamente las 12 rutas de entrega que Sodimac puede utilizar. El
gráfico se llama gráfico de red , los círculos se llaman nodos y las líneas que conectan
los nodos se llaman arcos. Cada origen o destino está representado por un nodo , y cada
ruta de entrega posible está representada por un arco.

La oferta se escribe junto a cada nodo de origen y la demanda se escribe junto a cada
nodo de destino. Los bienes transportados desde el origen hasta el destino representan
flujos en la red .

Las flechas indican la dirección del flujo (de principio a fin). Usaremos variables de
decisión con doble subíndice, 𝑥11 para el número de unidades enviadas desde el origen
1 al destino 1, 𝑥12 para el número de unidades enviadas desde el origen 1 al destino 2, y
así sucesivamente.

pág. 9
Xij = cantidad de unidades enviadas desde el origen i al destino j donde i = 1,2,3 y
j=1,2,3,4

El objetivo del problema de transporte es minimizar el costo total de transporte:

Costos de transporte para unidades mandadas desde taller A = 3𝑥11 + 2𝑥12 + 7𝑥13 +
6𝑥14

Costos de transporte para unidades mandadas desde taller B = 7𝑥21 + 5𝑥22 + 2𝑥23 +
3𝑥24

Costos de transporte para unidades mandadas desde taller C= 2𝑥31 + 5𝑥32 + 4𝑥33 +
5𝑥34

La suma de estas expresiones proporciona la función objetivo que muestra el costo total
de transporte de Sodimac.

Min 3𝑥11 + 2𝑥12 + 7𝑥13 + 6𝑥14 + = 7𝑥21 + 5𝑥22 + 2𝑥23 + 3𝑥24 + 2𝑥31 + 5𝑥32 +
4𝑥33 + 5𝑥34 (costo de transporte)

Los problemas de transporte necesitan restricciones porque cada origen tiene una oferta
limitada y cada destino tiene una demanda especifica.

Consideremos primero las restricciones de suministro.

Con el número total de unidades enviadas desde la planta A expresado como 𝑥11 + 𝑥12 +
𝑥13 + 𝑥14, la restricción para la planta A es:

𝑥11 + 𝑥12 + 𝑥13 + 𝑥14 ≤ 5000 (𝑃𝐴𝑅𝐴 𝑃𝐿𝐴𝑁𝑇𝐴 𝐴)

pág. 10
 𝑥21 + 𝑥22 + 𝑥23 + 𝑥24 ≤ 6000 (𝑃𝐴𝑅𝐴 𝑃𝐿𝐴𝑁𝑇𝐴 𝐵)

𝑥31 + 𝑥32 + 𝑥33 + 𝑥34 ≤ 2500 (𝑃𝐴𝑅𝐴 𝑃𝐿𝐴𝑁𝑇𝐴 𝐶)

Con los cuatros centros de distribución como destinos, se necesitan cuatro restricciones
de demanda para garantizar que se satisfagan las demandas de destino:

𝑥11 + 𝑥21 + 𝑥31 = 6000 (𝐷𝐸𝑀𝐴𝑁𝐷𝐴 𝐷𝐸 𝐿𝐼𝑀𝐴)

𝑥12 + 𝑥22 + 𝑥32 = 4000 (𝐷𝐸𝑀𝐴𝑁𝐷𝐴 𝐷𝐸 𝐶𝐻𝐼𝐶𝐿𝐴𝑌𝑂)

𝑥13 + 𝑥23 + 𝑥33 = 2000 (𝐷𝐸𝑀𝐴𝑁𝐷𝐴 𝐷𝐸 𝐿𝐴 𝐿𝐼𝐵𝐸𝑅𝑇𝐴𝐷)

𝑥14 + 𝑥24 + 𝑥34 = 1500(𝐷𝐸𝑀𝐴𝑁𝐷𝐴 𝐷𝐸 𝐻𝑈𝐴𝑁𝑈𝐶𝑂)

SOLUCION:

Calculamos las penalizaciones por fila y columna:

 Por cada fila identificamos los dos costos menores no asignados y no tachados y
los restamos.
 Por cada columna hacemos lo mismo. Al inicio, todas las celdas estan sin
asignar y no hay celdas tachadas.

En la fila o columna donde se llegó a cero debe tachar las celdas, es decir ya no se
pueden asignar o su asignación es cero, en este caso tachamos la celda 22 y la celda 32.

Como aún quedan más de una fila o columna regresamos al paso 1.

Calculamos las penalizaciones por fila y por columna:

pág. 11
  Por cada fila identificamos los dos costos menores no asignados y no tachados, y
los restamos.
 Por cada columna hacemos lo mismo. Al inicio, todas las celdas están sin
asignar y no hay celdas tachadas.

En la fila o columna donde se llego a cero se debe tachar la celda, es decir ya no se

pueden asignar o su asignación es cero; en este caso tachamos la celda 13 y la celda 33.

Como aún quedan más de una fila o columna regresamos al paso 1.

Calculamos las penalizaciones por fila y por columna:

 Por cada fila identificamos los dos costos menores no asignados y no tachados, y
los restamos.
 Por cada columna hacemos lo mismo. Al inicio, todas las celdas están sin
asignar y no hay celdas tachadas.

pág. 12
En la fila o columna donde se llego a cero se debe tachar las celdas, es decir ya no se
pueden asignar o su asignación es cero; en este caso tachamos la celda 33 y la celda 34.

Como aún quedan más de una fila o columna regresamos al paso 1.

Calculamos las penalizaciones por fila y por columna:

 Por cada fila identificamos los dos costos menores no asignados y no tachados, y
los restamos.
 Por cada columna hacemos lo mismo. Al inicio, todas las celdas están sin
asignar y no hay celdas tachadas.

En la fila o columna donde se llegó a cero se debe tachar las celdas, es decir ya no se
puede asignar o su asignación es cero.

Calculamos las penalizaciones por fila y columna:

pág. 13
  Por cada fila identificamos los dos costos menores no asignados y no tachados, y
los restamos.
 Por cada columna hacemos lo mismo. Al inicio, todas las celdas están sin
asignar y no hay celdas tachadas.

En la fila o columna donde se llegó a cero se debe tachar las celdas, es decir ya no
se pueden asignar o su asignación es cero.

Como ya todas las celdas han sido asignadas o tachadas y las ofertas y demandas
llegaron a 0, los cálculos han terminado y podemos obtener la solución óptima.

Solución óptima:

Z*= 3(1000) +2(4000) +7(2500) +2(2000) +3(1500) +2(2500) = 42000.

pág. 14
La solución informática muestra que el costo total mínimo de transporte es de 42000
soles.

Los valores para las variables de decisión muestran las cantidades optimas para enviar
en cada ruta. Por ejemplo, con x11=1000,1000 unidades deben enviarse desde Taller A
hacia Lima.

Para la solución de este problema, elegimos el método de aproximación de Vogel:

Según Taha (2017), el método de aproximación de Vogel produce la mejor solución, la

más optima, para el modelo de transporte.

El requisito para aplicar el método de aproximación de Vogel es que el modelo esté

equilibrado, es decir, que la sumatoria de oferta sea igual a la sumatoria de demanda.

PASO 1:

 Para cada fila y columna no asignados y no tachados, hallar una penalización,

identificar los dos costos menores por fila y columna y obtener la resta positiva.
PASO 2:

 Identificar la penalización mayor.

 Asignar lo máximo posible en función de la oferta y la demanda, al costo menor
de la fila o columna seleccionada.
 Actualizar oferta y demanda.

pág. 15
  Tachar la fila o columna donde la oferta o demanda llegó a cero.
 Si tanto oferta como demanda llegan a cero por la asignación, tache solo una.
PASO 3:

 Si queda solo una fila o una columna por asignar, asigne en orden de los costos
desde el menor. De lo contrario vaya al paso 1.
 Si todas las ofertas y demandas están a cero de detenerse.
 Identificar la solución óptima para cada Xij.
III. CONCLUSIONES:
I.I CONCLUSION 1:
En conclusión, lo primero que debemos hacer es organizar la información del
problema de forma ordenada y formulada para que esté lista cuando ejecutamos Solver
Excel. La idea es encontrar un modelo que satisfaga ambos modelos de producción,
maximizando los ingresos y minimizando los recursos ociosos

II.I CONCLUSION 2:
Consiste graficar para dar soluciones factibles, o espacios de solución, que satisfagan
todas las restricciones simultáneamente. Esta es una forma sencilla de resolver
problemas de programación lineal con solo dos variables de decisión. Es útil para
encontrar la mejor solución e información adicional sobre qué tan sensible es esa
solución a los datos del problema .

III.I CONCLUSION 3:
El análisis de sensibilidad se realiza después de obtener la solución óptima de un
modelo lineal para determinar cómo afectan los cambios en los parámetros del modelo
a la solución óptima calculada.

Los cambios se pueden producir en la matriz de coeficientes A, en el vector de

recursos b y en el vector de precios c.

También se puede analizar cómo afectaría a la solución óptima añadir nuevas

restricciones o variables al modelo.

Los métodos de análisis de sensibilidad ahorran un número considerable de

iteraciones ya que parten de la solución óptima del modelo inicial para analizar el
efecto de los cambios.

pág. 16
IV.I CONCLUSION 4:
En conclusión, el método de transporte es una aplicación singular de la programación
lineal cuyo objetivo es determinar el esquema de transporte que minimice el coste total
de este, conocidos los costes unitarios desde el origen i hasta el destino j. Además,
se

sabe que el producto está disponible en una determinada cantidad b i en cada uno de los
m orígenes, y es necesario que sea llevado a cada uno de los n destinos posibles en una
cantidad demandada dj.

IV. BIBLIOGRAFIA:
Taha (2017). Modelos de asignación de recursos aplicado al centro de diseño
tecnológico industrial. Recuperado
de:
https://red.uao.edu.co/bitstream/handle/10614/11140/T08555.pdf?
sequence=5&isAllow ed=y

Conexión ESAN (29 octubre 2019). Análisis de sensibilidad. ¿Qué es y porque es

importante? https://www.esan.edu.pe/conexion-esan/analisis-de-sensibilidad-que-es-y-
cual-es-su-importancia-en-un-proyecto

pág. 17