II Congreso Nacional de Manufactura Interpolitcnicas

20 al 22 de Julio de 2011, Celaya, Guanajuato PROBLEMA CAPACITADO Y NO CAPACITADO PARA LOCALIZACIN DE INSTALACIONES CON UN ENFOQUE DE OPTIMIZACIN COMBINATORIA CAPACITATED AND UNCAPACITATED LOCATION PROBLEMS WITH COMBINATION OPTIMIZATION APPROACH
1

L. Y. Prez Ortega1, M. A. Muoz Pimentel1, A. Cruz Arenas1, H. Minor Popocatl2 Ingenieria en Tecnologas de Manufactura Industrial, Universidad Politcnica de Tulancingo, C.P. 43629, Tulancingo, Hgo., Mxico 1 laura_perez_ort@hotmail.com, 1m5_marko@hotmail.com, 1angel.arenas@live.com.mx 2 Departamento de Ingenieras, PTC, Universidad Politcnica de Tulancingo. 2 hminor@upt.edu.mx

Resumen

En el presente trabajo se realiza un anlisis de dos problemas tpicos en optimizacin combinatoria, el problema de la p-mediana y el problema no capacitado de localizacin de instalaciones (UFLP), se analiza como estos problemas crecen muy rpidamente y por ende resultan difciles de resolver. Ambos problemas son programados en GAMS y un conjunto de instancias son resueltas con CPLEX con el fin de analizar los tiempos de ejecucin de ambos enfoques. Abstract In this paper is analyses of two typical problems in optimization combination, the problem of the pmedian and uncapacitated facility location problem (UFLP), discussed how these problems are growing very rapidly and therefore are difficult to resolve. Both problems are scheduled in GAMS and a set of instances there are resolved to CPLEX in order to analyze the runtimes of both approaches.
INTRODUCCIN Una parte importante del ciclo de manufactura es la distribucin de productos, es por eso que se ha trabajado en numerosos mtodos para hacer una adecuada seleccin de las vas o rutas de abastecimiento y transporte de los mismos, con el objetivo de satisfacer las necesidades del cliente con tanta eficacia como sea posible. Los problemas de localizacin pueden ser descritos de la siguiente manera: se cuenta con un grupo de clientes distribuidos espacialmente en un rea geogrfica, estos demandan un producto o servicio, la demanda de los clientes debe ser cubierta por una o varias instalaciones. El proceso de decisin establece que se deben ubicar las instalaciones tomando en cuenta los requerimientos de los clientes y las restricciones geogrficas. Los problemas de localizacin cuentan con tres elementos esenciales: las instalaciones, que sern localizadas para proporcionar un servicio o producto, los sitios candidatos son el conjunto de posibles ubicaciones para las instalaciones y los clientes que son los demandantes de los productos o servicios. Los mtodos de localizacin que existen son bastantes, pero en este caso estaremos enfocados solo en un par de ellos, el mtodo de localizacin de instalaciones no capacitado (UFLP) y el modelo de la p-mediana. Estos mtodos que posiblemente a primera vista pudieran parecer similares cuentan con marcadas diferencias, tales como, la pmediana minimiza la ponderacin de la distancia por la demanda cubierta, adems de que en este mtodo el nmero de instalaciones a ubicar est definida con anterioridad y forma parte del problema. Por otro lado el

2011 Universidad Politcnica de GuanajuatoUPGTO

II Congreso Nacional de Manufactura Interpolitcnicas

20 al 22 de Julio de 2011, Celaya, Guanajuato
UFLP minimizan el costo total con respecto a la distancia, la demanda y los costos fijos por apertura de cada instalacin. Es evidente que existe una gran diferencia entre cada uno, as que las diferencias estarn resaltando a lo largo del presente trabajo. La relacin entre la manufactura y la distribucin del bien o servicio es muy estrecha. La relacin existe entre la parte econmica y la parte de tiempo de entrega, ya que haciendo una buena planeacin de la distribucin podemos crear una ventaja competitiva frente a la competencia, dicha ventaja es la disminucin de costos y menores tiempos de entrega entre otros. REVISIN DE LA LITERATURA El diseo del sistema de distribucin es una cuestin estratgica para casi todas las compaas. En los ltimos aos, este es un asunto en el mbito de la investigacin sobre el manejo de cadena de suministro que se ha ganado una considerable atencin tanto por acadmicos y profesionales, y estas han sido estudiadas al reconocer la importancia de los costos de logstica en el costo de estructura de los productos. Los responsables de la cadena de suministros deben disearlas de modo que se minimicen los costos y eficiente en el nivel de servicio a los clientes. El costo es una medida de efectividad con un nico criterio, no ocurre lo mismo con el nivel de servicio que suele tener varias medidas como: la disponibilidad de productos en inventario, tiempo necesario para liberar el producto al cliente, entre otras. Se busca entonces un equilibrio entre el costo y el nivel de servicio para lograr una ventaja competitiva. Ballou (1999) divide la planeacin de cadenas de suministro en decisiones concernientes a in ventarios, transportacin y localizacin de instalaciones. La cadena de suministro, tambin es conocida como una red de distribucin que est compuesta de instalaciones y flujos de transportacin entre instalaciones. Estas instalaciones cumplen funciones diferentes, como proveedores, fbricas, depsitos, centros de distribucin o minoristas. Las decisiones implicadas en el diseo de cadenas de suministro son (Simchi-Levi, Kaminsky, and Simchi-Levi, (2000): Determinar el nmero de instalaciones Determinar la localizacin de las instalaciones Determinar las capacidades de las instalaciones Localizar productos en las instalaciones Determinar el flujo de productos entre instalaciones

Las decisiones de diseo de red determinan la configuracin de la cadena de suministro y tienen un impacto significativo en los costos de la logstica y la capacidad de respuesta (Chopra and Meindl, 2004). Para los casos de ubicacin de instalaciones se tiene un impacto a largo plazo en la cadena de suministro, por el alto costo de la apertura o movimiento de una instalacin. La apertura y los costos de inventarios inducen a reducir el nmero de instalaciones mientras que la capacidad de respuesta causa el efecto contrario. Un gran nmero de instalaciones pueden reducir el tiempo para liberar un producto al cliente final. En determinados productos este tiempo puede ser visto como un valor aadido que la empresa que proporciona a partir de la posibilidad de obtener ventajas a corto y largo plazo en el mercado. Un rea de oportunidad en el diseo de cadenas de suministro es direccionar la influencia de la seleccin de los canales de transportacin. La decisin de utilizar un canal de transportacin tiene un cierto efecto sobre el tiempo de espera para entregar un producto que a menudo es un indicador de nivel de servicio al cliente. La disponibilidad de diferentes canales para trasportar el producto entre un par de instalaciones es una caracterstica de servicios modernos de logstica. Estos canales de trasportacin pueden ser vistos como modos de trasportacin (tren, camin, barco, avin, etc.), los servicios de embarque (express, normal, overnight, etc.) o tan simple como la oferta de servicios de diferentes compaas. Las opciones de transportacin son diferenciadas

2011 Universidad Politcnica de GuanajuatoUPGTO

II Congreso Nacional de Manufactura Interpolitcnicas

20 al 22 de Julio de 2011, Celaya, Guanajuato
por parmetros de tiempo y costo. Comnmente estos parmetros se correlacionan negativamente con tiempos costos para las alternativas ms caras. Generalmente la distancia era tratada como sustituta de los costos y tiempos de trasportacin, hoy en da esta suposicin no es vlida. La localizacin de instalaciones es y ha sido un rea bien establecida dentro de la Investigacin de Operaciones (IO). Numerosos artculos y libros han sido escritos acerca de este tema Drezer, Hamacher (2004). Sin embargo la cuestin de aplicabilidad de los modelos de localizacin siempre ha estado a discusin. En contraste, la utilidad prctica de la logstica nunca lo ha estado. Una de las reas en logstica, la cual ha atrado mucha atencin es la administracin de la cadena de suministro (SCM). Simichi-Levi, Kaminsky (2006). De hecho, el desarrollo de la SMC comenz independientemente de la IO y el nico paso a paso que entro al SMC Chopra, Meindls (2007). Como una consecuencia, los modelos de localizacin de instalaciones han sido propuestos gradualmente dentro del contexto de las cadenas de suministro. As el tema inicial es bastante atractivo y se proyecta con grandes posibilidades aplicacin y de desarrollo. DEFINICIN DE LOS PROBLEMAS

Localizacin de instalaciones
En un problema de localizacin de instalaciones discreto, la seleccin de lugares en donde las nuevas instalaciones sern abiertas est restringida a un conjunto finito de sitios candidatos disponibles. Un problema simple de esto es uno en donde P instalaciones son seleccionadas para minimizar la distancia total (ponderada) o los costos para suministrar las demandas a los clientes. Este es el problema llamado de la p-mediana el cual ha sido ampliamente analizado en la literatura. Este asume que el conjunto de todos los sitios candidatos son equivalentes en trminos de costos para la localizacin de una nueva instalacin cuando este no es el caso, la funcin objetivo puede ser ampliada con un trmino para los costos fijos de localizacin de instalaciones, esto da como resultado, que el nmero de instalaciones al ser abierta empieza a ser una decisin endgena. Este enfoque nuevo se conoce en la literatura como problema de localizacin de instalaciones no capacitado. En ambos problemas en el problema de la p-mediana y el problema no capacitado de localizacin de instalaciones cada cliente es asignado a una instalacin abierta que minimiza el costo. Una de las extensiones ms importantes del problema de localizacin no capacitado es el problema de localizacin de instalacin capacitada (UFLP) en el cual se consideran valores exgenos para la demanda mxima que puede ser suministrado cada sitio potencial. En este caso la propiedad de asignacin al ms cerca ya no es vlida. En la figura 1 se muestra un tpico ejemplo de una cadena de sumnistro.

2011 Universidad Politcnica de GuanajuatoUPGTO

II Congreso Nacional de Manufactura Interpolitcnicas

20 al 22 de Julio de 2011, Celaya, Guanajuato
Proveedores Plantas Centros de Distribucion Clientes

Fig. 1 Red general de la cadena de suministro

Formulacin y propiedades
Este tipo de problemas se encuentran dentro de la clasificacin de la optimizacin combinatoria debido a que fcilmente crece en su nmero de variables. Esto da como consecuencia que problemas que fcilmente pueden ser encontrados en un mbito real lleguen a ser muy difciles de resolver debido al tiempo que consumiran en alcanzar una solucin. Para que se pueda apreciar fcilmente la manera en cmo crece el nmero de variables podemos obtenerlo de la siguiente manera:
N! N = P P! (N - P)! (1)

Dnde: N = es el nmero de nodos P = es el nmero de instalaciones a ser localizadas

Considerando lo anterior podemos establecer cmo crecen rpidamente este tipo de problemas, se observa en la tabla 1.

N= 4 P= 2 N= 8 P= 4 N= 16 P= 8 N= 32 P= 16

# de variables en el problema 6 70 12,870 601,080, 390

2011 Universidad Politcnica de GuanajuatoUPGTO

II Congreso Nacional de Manufactura Interpolitcnicas

20 al 22 de Julio de 2011, Celaya, Guanajuato
Tabla 1. Crecimiento del nmero de variables en los problemas de optimizacin combinatoria. En la tabla anterior podemos observar el crecimiento exponencial del nmero de variables en problemas que en realidad no son muy grandes, por lo que podemos deducir el gran problema que significara tratar de resolver algn problema relativamente ms grande. El Problema de la P-mediana El problema de la p-mediana busca la localizacin de P instalaciones en una red que minimice el costo total. El costo de la demanda de atencin en el nodo i es dado por el producto de la demanda del nodo i y la distancia entre la demanda del nodo y la instalacin ms cercana al nodo este problema es formulado por la siguiente notacin:

Inputs
hi = Demanda del nodo i d ij = Distancia entre el nodo de demanda i y el sitio candidato j
P = Numero de instalacio nes a localizar

Variables de decisin

1s l io c s ua s nl ici t zai oane mj nd i o d a t o Xj = { }r 0 e c n u oa clt qra ous oi e 1s l i on sod dde e o ime s s atu an mdnd po aiuons i nrni as sntdt rnaea lojl a d c o i o Yi j= { } 0 e c n u oa clt qra ous oi e r
Modelo:
2011 Universidad Politcnica de GuanajuatoUPGTO

II Congreso Nacional de Manufactura Interpolitcnicas

20 al 22 de Julio de 2011, Celaya, Guanajuato
M in

h d
i i j

ij

Yij
i

(1A)

Sujeto a:

Y
j

ij

=1

(2A )

X
j

=P

(3A )

Yij - X j 0 X j =0,1 Yij =0,1

ij j j i,

(4A ) (5A ) (6A )

La funcin objetivo (1A) minimiza la ponderacin de la demanda con la distancia entre cada nodo y la instalacin ms cercana. La restriccin (2A) requiere que cada nodo i sea asignado exactamente a una instalacin j. La restriccin (3A) establece que exactamente P instalaciones sern localizadas, la restriccin (4A) liga las variables de localizacin (Xj) y la asignacin de variables (Yij). Estas establecen que la demanda del nodo i puede ser asignada nicamente a una instalacin localizada en j (Yij = 1) si una instalacin es localizada en el nodo j (Xj = 1), la restriccin (5A) y (6A) establecen el dominio de las variables. En el esquema que a continuacin se presenta (Fig 2), se aprecian los elementos presentes en una red para el problema de la p-mediana estos son: los nodos (A, B, C, D), la distancia entre los nodos (dAB, dBC, etc), y la demanda de cada uno de los nodos (hA, hB, hC, hD). hA
A
dBA dAC dCA dCB dBC dDB dBD dAB

hB B

C hC

dCD dDC

D hD

Fig. 2 Esquema que ejemplifica el problema de la p-mediana.

2011 Universidad Politcnica de GuanajuatoUPGTO

II Congreso Nacional de Manufactura Interpolitcnicas

20 al 22 de Julio de 2011, Celaya, Guanajuato Problema de localizacin de instalaciones no capacitado (UFLP)
Este problema es una extensin del anterior, como se menciona anteriormente las principales diferencias que se presentan con respecto del problema de la p-mediana es que el UFLP maneja un costo de apertura para cada una de las instalaciones a ser localizadas en los nodos y el numero de las instalaciones a ser localizadas no se conoce con anterioridad, como es el caso de la p-mediana, y se define con la siguiente notacin:

Inputs

f j = Costo fijo para la localizaci on de un sitio candidato en el nodo i

j j

h i = Demanda d ij = Distancia

entre el nodo de demanad i al sitio candidato

= Costo por unidad de distancia por unidad demandada

Variables de decisin

1s l io scu s anci lt a i e zonj n ad mi d o a t o Xj = { }uo i e r 0e c n u o ac t lar qos Yi = j F rd ladae c e e cemnn il i qo ae eudn ns nepo duv oi ani r anaes edntn lajao l da co i o
Modelo
min

f
j

X j +h i d ij Yij
i j

(1B)

Sujeto a:

Y
j

ij

=1

(2B )

X ij Yij X j =0,1 Yij 0

j i, j j i,

(3B ) (4B ) (5B )

2011 Universidad Politcnica de GuanajuatoUPGTO

II Congreso Nacional de Manufactura Interpolitcnicas

20 al 22 de Julio de 2011, Celaya, Guanajuato
La funcin objetivo (1B) minimiza el costo total el cual es la suma de los cost de instalacin fijos y la ponderacin distancia-demanda multiplicado por el costo por unidad de distancia por unidad de demanda. La restriccin (2B) estipula que cada nodo i ser atendido por un nico origen, la restriccin que sigue (3B) establece que los nodos de demanda i no pueden ser asignados a una instalacin de un sitio candidato j hasta que se establezca una instalacin en el nodo j. La restriccin (4B y 5B) son las restricciones tcnicas. El esquema siguiente nos muestra (Fig 3) un ejemplo bsico de una red para el problema no capacitado, aqu se pueden apreciar los nodos (A, B, C, D), las demandas de cada uno de los nodos (hA, hB, hC, hD), las distancias entre cada uno de los nodos (dAB, dBA, etc) y los costos por apertura para cada instalacin (fA, fB, fC. fD).
fA A hA
dBA dAC dCA dCB dBC dDA dAD dBD dDB dAB

fB B

hB

fC

C hC

dCD dDC

D hD

fD

Fig. 3 Esquema de una red para ejemplificar el problema no capacitado de localizacin con costo fijo El desarrollo de mtodos de solucin para el problema de localizacin no capacitado ha sido tema de intensa investigacin en los ltimos 40 aos. Kuehn y Hambueger, (1963) desarrollaron la primera heurstica que consta de dos fases, la primer fase es un enfoque Greedy llamada el mtodo o algoritmo ADD y la segunda fase llamada tambin algoritmo o mtodo DROP. El algoritmo ADD (Esquema 1) comienza con todas las instalaciones cerradas y continua agregando (abriendo) instalaciones hasta que el resultado es el mximo decremento en el costo total y se detiene si al agregar una instalacin mas ya no se reduce el costo total.

2011 Universidad Politcnica de GuanajuatoUPGTO

II Congreso Nacional de Manufactura Interpolitcnicas

20 al 22 de Julio de 2011, Celaya, Guanajuato
Localizar: Un sitio que minimize la suma de los costos fijos y de transporte.

As nar: Los demanda de los ig nodos a las instalaciones mas cercanas .

Encontrar Una instalcion que : reduce el costo total lo mas posible.

Localiz : El sitio que reduce el ar costo.

Si

Se encontro un sitio que reduce el costo?

No

Detener

Esquema. 1 Algoritmo ADD para los problemas de localizacin con costo fijo.

De manera contraria el algoritmo DROP (Esquema 2) inicia con una instalacin abierta en cada sitio candidato, considerando la idea obvia de que el costo total se reducir al remover o quitar instalaciones y se detiene cuando al quitar una instalacin mas ya no se reduce el costo total [1, 2, 3].

2011 Universidad Politcnica de GuanajuatoUPGTO

II Congreso Nacional de Manufactura Interpolitcnicas

20 al 22 de Julio de 2011, Celaya, Guanajuato
L ocalizar Instalaciones en todos : los sitios candidatos.

As nar: Los demanda de los ig nodos a las instalaciones mas cercanas .

Encontrar :Una instalcion que al ser eliminada reduce el costo total lo mas posible .

Quitar La instalacion que : reduce el costo.

Si

Se encontro un sitio que reduce el costo?

No

Detener

Esquema. 2 Algoritmo DROP para los problemas de localizacin con costo fijo. Tanto el problema de la p-mediana como el de UFLP, han sido ampliamente estudiados y se han propuesto un gran nmero de alternativas de solucin. Se puede mencionar bsqueda tab, algoritmos genticos, redes neuronales, algoritmos inspirados en insectos (hormigas, termitas, abejas, etc.) Bsqueda dispersa, templado simulado, relajacin lagrangeana, algoritmo miopico entre muchos otros. Todos estos buscan encontrar solo una buena solucin.

Objetivo del trabajo

El objetivo del trabajo es la de ejemplificar el concepto de optimizacin combinatoria a travs de los problemas de la p-mediana y el problema no capacitado de localizacin de instalaciones (UFLP).

Experimento computacional
Para resolver este problema ambos modelos fueron implementados en GAMS 23.6.2 y resueltos con CPLEX 12. El proceso de experimento computacional se desarroll en una maquina Workstation con un procesador Xenn Quad-Core, X5550, a 2.67 Ghz con 12 GB de RAM, todo bajo un sistema operativo de 64 bits.

2011 Universidad Politcnica de GuanajuatoUPGTO

II Congreso Nacional de Manufactura Interpolitcnicas

20 al 22 de Julio de 2011, Celaya, Guanajuato
El proceso que se sigui durante el experimento computacional fue el siguiente: una vez que se tuvo el modelo matemtico, este se implemento en LINGO, como problema inicial se utilizo el problema de los doce nodos propuesto por Daskin, (1995), una vez que se tuvieron resultados el siguiente paso fue la implementacin del modelo UFLP en LINGO, una vez ms se utiliz el problema de los doce nodos, solo para establecer la lgica de programacin. El paso siguiente fue obtener las instancias, como se menciona anteriormente estas fueron obtenidas de la siguiente direccin: http://www.lac.inpe.br/~lorena/instancias.html, y que en especifico son para el problema de la p-mediana, pero que cuentan con los elementos bsicos tales como demanda, numero de nodos y distancia entre los mismos. Para el problema UFLP las instancias fueron modificadas para adaptarse a este nuevo enfoque. Se aadi el costo de apertura por cada instalacin, dicho costo fue generado de manera aleatoria dentro de un rango de 75,000 y 200,000 a travs de una distribucin normal. Es evidente la dificultad de introducir un problema del tamao de las instancias probadas como problemas especficos, por lo que es preferible utilizar una forma generalizada de los problemas. Para esto se utiliz la capacidad de generacin de matrices de GAMS. Una de las ventajas de esto, es la posibilidad de generar archivos con las diferentes instancias y se utiliza un mismo programa generalizado. Dar el formato a este archivo tambin fue uno de los problemas que se presentaron ya que en este archivo es necesario poner todas las combinaciones de distancia entre cada uno de los datos, para la instancia ms pequea esas son 10,000 combinaciones, por lo tanto hacerlo manualmente era ineficiente y consuma mucho tiempo, por lo tanto se decidi ocupar una macro en Excel que nos permite realizar esta accin automticamente, reduciendo el tiempo de formateo de las instancias. Otro de los parmetros que se modifico para el programa fue el GAP, porcentaje mximo de diferencia con respecto al mnimo terico, esto con el fin de que la solucin encontrada fuera lo ms cercana posible a la solucin optima. Tambin se modifico el tiempo de ejecucin, GAMS tiene preestablecidos 1000 segundos, una vez transcurrido este tiempo el programa presenta la solucin encontrada hasta ese momento, para este problema el tiempo de corrida es de 70,000 segundos, aunque ninguna instancia consumi mucho tiempo, sin embargo antes de procesar las instancias no sabamos cmo se comportara. Resultados Instancia 100 200 300a 300b 402a 402b 3038a 3038b 3038c 3038d Resultados PMediana 11204197.00 12886075.00 12604452.00 9849395.00 3271521.00 2202091.00 Tiempo de ejecucin PMediana 0.81200 3.26500 12.60900 12.35900 17.50700 17.84000 Resultados UFLP 7680362.00 14210848.00 19756625.00 12143128.00 Tiempo de ejecucin UFLP 0.51500 1.51500 3.48400 4.24400

Comentarios de los resultados

2011 Universidad Politcnica de GuanajuatoUPGTO

II Congreso Nacional de Manufactura Interpolitcnicas

20 al 22 de Julio de 2011, Celaya, Guanajuato
Como se puede apreciar en la tabla mostrada anteriormente, los resultados obtenidos varan considerablemente entre el problema de la p-mediana y el problema UFLP dichas diferencias se presentan en el tiempo de respuesta y valor de la solucin optima. Las diferencias en el tiempo de respuesta se deben a que el problema de la p-mediana cuenta con una restriccin ms con respecto del problema UFLP. Tambin es importante mencionar que en el problema de la p-mediana se limita el nmero de instalaciones a ser localizadas, esto es por la inclusin de un numero P de instalaciones posibles, mientras que en el problema UFLP este parmetro se encuentra abierto para que el algoritmo determine el nmero de instalaciones que al ser localizadas minimicen el costo total. Otro aspecto que merece ser mencionado con respecto al tiempo de respuesta se debe a la naturaleza de los problemas ya que como se menciona anteriormente estn dentro de la clasificacin de optimizacin combinatoria y dependiendo el tamao de las instancias entre ms grandes que estas sean, es necesario consumir ms tiempo para llegar a una solucin. Cuando los problemas son ligeramente mayores a los presentados es obvio que requeriran una mayor cantidad de tiempo para alcanzar una solucin. Cuando estos problemas requieren tiempos no factibles para alcanzar una solucin, es necesario utilizar otro tipo de enfoques. Esto pueden ser las heursticas o metaheursticas, que permiten alcanzar buenos resultados en periodos de tiempo adecuados. Algunos enfoques que ya han sido utilizados para resolver estos problemas son: Tabu Serach Scatter Search ADD and DROP Approach Lagrangian Relaxation GRASP Estos trabajos han mostrados buenos resultados para estos problemas, sin embargo existen otros enfoques que pudieran proporcionar soluciones ms eficientes, y ah se encuentra una oportunidad de desarrollo, estos podran ser: Evolutionary Algorithms Insect Based Algorithms Entre muchas otras, por lo cual esto sera un importante campo de desarrollo. CONCLUSIONES Durante la realizacin del presente proyecto pudimos apreciar de mejor manera las aplicaciones que la Investigacin de Operaciones presenta para la industria, as como tener ms conocimiento acerca del software presente en el mercado y que sirve como apoyo para el trabajo dentro de la I.O. Como se puede observar en este caso para la localizacin de centros de distribucin y asignacin de la demanda de los mismos, lo cual nos permite ofrecer un ejemplo tangible de aplicacin, ya que en nuestro pas no se dan a conocer casos de xito en los que se hayan aplicado la I.O., esto aunado a la falta de cultura y capacitacin para la aplicacin de la misma, ya que en la mayora de las ocasiones cuando se presenta un problema se opta por opciones de solucin que pueden parecer ms sencillas y menos complicadas. REFERENCIAS

1. Cornujols G, Fisher ML, Wolsey LA. Location of bank accounts to optimize float: an analytic study of
exact and approximate algorithms. Management Science 1977; 23:789810.

2011 Universidad Politcnica de GuanajuatoUPGTO

II Congreso Nacional de Manufactura Interpolitcnicas

20 al 22 de Julio de 2011, Celaya, Guanajuato
2. Daskin MS. Network and discrete location, models, algorithms, and applications. NewYork:Wiley; 1995 3. D. Simchi-Levi, P. Kaminski, E. Simchi-Levi (2000). Designing and Managing the Supply Chain: Concepts, Strategies and Case Studies. McGraw Hill, Boston, USA. 4. D. Simchi-Levi, P. Kaminsky, E. Simchi-Levi, Managing the Supply Chain: The Definitive Guide for the Business Professional, McGraw-Hill, New York, 2004. 5. Kuehn AA, Hamburger MJ. A heuristic program for locating warehouses. Management Science 1963;9:64366. 6. Nemhauser GL, Wolsey LA, Fisher LM. An analysis of approximations for maximizing submodular set functions, I. Mathematical Programming 1978; 14:26594. 7. R. H. Ballou Business Logistics Management. Prentice Hall, Upper Saddle River, USA, 1999. 8. S. Chopra, P. Meindl (2004). Supply Chain Management: Strategy, Planning and Operation. Prentice Hall, Upper Saddle River, USA. 9. Z. Drezner, H.W. Hamacher (Eds.), Facility Location: Applications and Theory, Springer, New York, 2004.

2011 Universidad Politcnica de GuanajuatoUPGTO