Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1. Métodos de solución
La Programación lineal es una rama de la Investigación de Operaciones (IO) y se usa para la optimización
(maximización o minimización) de la mezcla de productos y/o la adquisición de materiales que están
sujetos a restricciones de disponibilidad.
Estos problemas pueden ser resueltos de forma gráfica para dos o tres variables como máximo y de forma
analítica (Método Simplex) para dos o más variables.
Ejemplo de Maximización. Una compañía fabrica dos productos A y B que utilizan 3 máquinas para
fabricar ambos productos. La compañía desea conocer la mezcla de productos que maximiza sus
utilidades. Los datos del caso son:
Z = $12 A + $8 B (Ecuación 1)
Máquina J: 3 A +2 B ≤ 42 (Ecuación 2)
Máquina K: 2 A + 2 B ≤ 30 (Ecuación 3)
Máquina L: 2 A + 4 B ≤ 48 (Ecuación 4)
3 (0) + 2 B = 42 B = 21
3 A + 2 (0) = 42 A = 14
2 (0) + 2 B = 30 B = 15
2 A + 2 (0) = 30 A = 15
2 (0) + 4 B = 48 B = 12
2 A + 4 (0) = 48 A = 24
1
2
Ejemplo de minimización
Una compañía produce productos de hormigón y tiene dos fuentes de abastecimiento de agregado de arena
y grava. El material proveniente de una fuente es mucho más grueso que el de la otra. El costo de una y
otra fuente depende de los costos de almacenamiento, transportación y refinación. Los datos son los
siguientes:
3
La región factible es la que está más allá del cruce de las líneas más lejanas (área sombreada). Las
posibles soluciones son:
0.20 S1 + 0.45 (34,783) = 20,000 0.20 S1 + 15,652 = 20,000 0.20 S1 = 4,348 S1 = 21,740
4
Método simplex
El método Simplex se usa para resolver ecuaciones simultáneas cuyo propósito es maximizar la utilidad
mediante la adecuada mezcla de productos o disminuir el costo de fabricación mediante la adecuada
mezcla de productos a fabricar. Fue creado por G.B. Dantzig y se basa en el álgebra de matrices.
5
1.- DESARROLLO DEL MÉTODO SIMPLEX (EJEMPLO DE MAXIMIZACIÓN)
La empresa Vulcano,S.A., fabrica un mismo producto en dos presentaciones distintas, una simple y la otra
mejorada, las cuales son manufacturadas por medio de un proceso de 3 pasos, lo cual implica utilizar las
máquinas A, B y C.
En la tabla 1-1 se muestra el tiempo de procesamiento para cada presentación del producto en las tres
máquinas, por lo cual llamaremos “X” a la presentación simple y “Y” a la presentación mejorada.
Presentación Máquinas
del producto A B C
X 1 hr 30 min 45 min 45 min
Y 2 horas 3 horas 1 hora
Para el próximo mes la máquina “A” tendrá 400 horas disponibles, la máquina “B” tendrá 300 horas
disponibles y la máquina “C” 200 horas.
La contribución del producto en su forma simple es de 150 pesos por unidad y en la mejorada de 200 pesos
por unidad.
El primer paso en la solución del método Simplex es el planteamiento del problema en forma matemática.
Presentación Máquinas
del producto A B C
X 1.5 horas 0.75 horas 0.75 horas
Y 2 horas 3 horas 1 hora
La contribución económica (máxima utilidad) puede ser expresada como Z = 150 X + 200 Y
La máxima utilidad obtenida se expresa como Z y está limitada por la mezcla óptima de productos que sean
factibles de ser fabricados (sin violar las restricciones de tiempo máximo permitido para cada máquina).
Las ecuaciones de restricción (desigualdades) planteadas para cada máquina son las siguientes:
Máquina A: La cantidad de tiempo total invertido para fabricar las unidades totales de producto (1.5 X + 2 Y)
debe ser menor o igual al tiempo máximo disponible de la máquina “A” (400 horas).
Máquina B: La cantidad de tiempo total invertido para fabricar las unidades totales de producto (0.75 X + 3
Y) debe ser menor o igual al tiempo máximo disponible de la máquina “B” (300 horas).
Máquina C: La cantidad de tiempo total invertido para fabricar las unidades totales de producto (0.75 X + 1
Y) debe ser menor o igual al tiempo máximo disponible de la máquina “C” (200 horas).
6
Para resolver matemáticamente este problema se requiere eliminar las desigualdades agregando una
variable (holgura o ficticia) que permita expresar las ecuaciones para cada máquina como ecuaciones
matemáticas ordinarias.
En este caso las restricciones son del primer tipo () y por lo tanto las ecuaciones de cada máquina junto
con sus variables de holgura pueden ser expresadas de la forma siguiente:
Z = 150 X + 200 Y + 0 WA + 0 WB + 0 WC
Para facilitar el problema se ordenaran las tres ecuaciones de restricción con las variables en los
encabezados de columnas y los coeficientes de estas variables en renglones a fin de representar las
ecuaciones en forma matricial.
X Y WA WB WC
400 1.5 2 1 0 0
300 0.75 3 0 1 0
200 0.75 1 0 0 1
El siguiente paso es desarrollar la matriz simplex inicial que está formada por los coeficientes de las
variables y por una solución inicial que serán las variables que forman la parte identidad.
Cuerpo Identidad
Columna de constantes (valor de las variables en la solución)
n.i. = (2 x 0 + 3 x 0 + 1 x 0) – 0 = - 200
n.i. = (1 x 0 + 0 x 0 + 0 x 0) – 0 = 0
n.i. = (0 x 0 + 1 x 0 + 0 x 0) – 0 = 0
n.i. = (0 x 0 + 0 x 0 + 1 x 0) – 0 = 0
150 200 0 0 0
X Y WA WB WC
0 WA 400 1.5 2 1 0 0
0 WB 300 0.75 3 0 1 0
0 WC 200 0.75 1 0 0 1
0 - 150 - 200 0 0 0
Renglón índice
A continuación se selecciona la columna clave escogiendo el elemento más negativo del renglón índice sin
considerar la utilidad, esta columna clave nos indicará la variable de entrada a la región de la solución.
150 200 0 0 0
X Y WA WB WC
0 WA 400 1.5 2 1 0 0
0 WB 300 0.75 3 0 1 0
0 WC 200 0.75 1 0 0 1
0 - 150 - 200 0 0 0
Columna clave
8
Encontrada la columna clave, se procede a determinar el renglón clave (variable de salida) dividiendo los
elementos de la columna de constantes entre los respectivos valores de la columna clave y seleccionando el
menor cociente no negativo (positivo). Para nuestro ejemplo dichos valores son:
En este caso el renglón clave es el segundo renglón. La intersección de la columna clave con el renglón
clave nos da el número clave, que en nuestro caso es 3.
150 200 0 0 0
X Y WA WB WC
0 WA 400 1.5 2 1 0 0
0 WB 300 0.75 3 0 1 0 Renglón clave
0 WC 200 0.75 1 0 0 1
0 - 150 - 200 0 0 0
Número clave
Una vez escogidos la columna y renglón claves, se puede preparar una nueva tabla que represente una
solución mejorada.
El primer paso es determinar el renglón principal (ocupa la misma posición que tenía el renglón clave de la
tabla anterior) y se determina de la manera siguiente:
b) Se divide el resto de los elementos del renglón clave entre el número clave.
2 x 300
¿ nuevo= 400 − =400−200=200
3
0. 75 x 1
¿ nuevo= 0 .75 − =0. 75−0 .25=0 .50
3
9
3.- Renglón índice, primera columna del cuerpo.
(0 .75 ) x (−200 )
¿ nuevo= −150 − =−150+50=−100
3
150 200 0 0 0
X Y WA WB WC
0 WA 400 1.5 2 1 0 0
0 WB 300 0.75 3 0 1 0 Renglón clave
0 WC 200 0.75 1 0 0 1
0 - 150 - 200 0 0 0
Una vez completada la segunda tabla , este procedimiento se repite a partir de la selección de la columna
clave hasta el paso anterior, cuantas veces sea necesario para obtener valores positivos o ceros en el
renglón índice, lo cual nos indica que estamos en la solución óptima.
Ahora se desea encontrar el renglón clave dividiendo los elementos de la columna de constantes entre los
respectivos valores de la columna clave y seleccionando el menor cociente no negativo.
Cuando existen 2 ó más renglones con el mismo valor de cociente se dice que el método simplex sufre una
condición llamada “degeneración”, la cual se puede resolver mediante el procedimiento siguiente:
1.- Se divide cada elemento de los renglones igualados entre el número de la columna clave en ese renglón.
2.- Se comparan las razones resultantes, columna por columna, de izquierda a derecha, primero en el lugar
de la identidad y después en el cuerpo.
10
4.- El renglón clave es aquel que algebraicamente tenga el cociente no negativo más pequeño.
Primer renglón = 1 / 1 = 1
El tercer renglón es el renglón clave y por lo tanto el número clave es 0.5. La segunda tabla completa de la
matriz simplex es:
150 0 0 0
X WA WB WC
0 WA 200 1 0 1 -0.67 0
WA WB WC
0 WA 0 0 0 1 0 -2
20 Y 50 0 1 0 0.5 - 0.5
0
15 X 200 1 0 0 -0.67 2
0
40,000 0 0 0 0 200
Esta es la distribución óptima ya que los valores del renglón índice son positivos o ceros.
X = 200 unidades
Y = 50 unidades
Como existen más ceros que los de las variables en la base, por lo tanto el problema tiene una solución
múltiple.
11
2.- DESARROLLO DEL MÉTODO SIMPLEX (EJEMPLO DE MINIMIZACIÓN)
Una compañía produce productos de hormigón y tiene dos fuentes de abastecimiento de agregado de arena
y grava. El material proveniente de una fuente es mucho más grueso que el de la otra. El costo de una y
otra fuente depende de los costos de almacenamiento, transportación y refinación. Los datos son los
siguientes:
12
13
14
2. Aplicaciones especiales
El transporte es importante para cualquier empresa particular, si se mira desde el punto de vista en donde cada
una de esas empresas tiene un sistema de transporte eficiente y de bajo costo, todos estos factores
contribuyen a una mayor competencia en el mercado, a mayores economías de escala en la producción y a la
reducción de precios en bienes. Los beneficios que trae el transporte a una empresa puede traducirse en
términos de mayor competitividad, reduciendo costos para productos en mercados distantes, estos tienen la
posibilidad de ser más accesibles compitiendo con los mismos productos que se vendan en los mismos
mercados, impulsado una forma indirecta de competencia al hacer que los bienes estén disponibles en un
mercado, si este normalmente no los tiene.
El modelo de transporte busca determinar un plan de transporte de una mercancía de varias fuentes a varios
destinos. Los datos del modelo son:
Como solo hay una mercancía un destino puede recibir su demanda de una o más fuentes. El objetivo del
modelo es el de determinar la cantidad que se enviará de cada fuente a cada destino, tal que se minimice el
costo del transporte total.
La suposición básica del modelo es que el costo del transporte en una ruta es directamente proporcional al
número de unidades transportadas. La definición de “unidad de transporte” variará dependiendo de la
“mercancía” que se transporte.
Este método ofrece una forma de reducir el tiempo y esfuerzo aplicado para encontrar la optima distribución que
minimiza el costo de transporte total.
Se le llama metodología de aproximación, ya que se debe constatar junto con el método de esquina noroeste,
de que es la solución optima. En algunas ocasiones se obtiene la solución óptima, sin invertir tanto tiempo. En
otros casos ofrece una solución subóptima que debe ser mejorada mediante el uso del método esquina
noroeste.
15
Los pasos del método son:
1.- Para cada renglón y cada columna, encontrar y colocar las diferencias entre los dos costos más bajos. Incluir
y considerar el sobrante como cualquier otro costo.
2.- Elija la mayor diferencia existente de un renglón o columna (si se repiten 2 ó más valores iguales, escoger
cualquiera de ellos).
3.- Asigne la cantidad máxima posible a la celda del menor costo disponible del renglón o columna
seleccionada.
4.- Si el renglón o columna está satisfecha, eliminar esa diferencia y agregar guiones a las celdas restantes del
renglón o columna, para indicar que son celdas ya no disponibles. En caso de que una fila y columna se
pudieran cerrar al mismo tiempo, sólo cerrar la fila y dejar abierta la columna.
5.- Después de cada asignación, calcule los costos de los renglones o columnas efectivas o disponibles.
5.- Después de cada asignación, calcule los costos de los renglones o columnas efectivas o disponibles.
1 2 3 4 5 6 7
X - 15 210 - - 75
300 27 1 1 4 - - -
37 27 28 34 31 0
Y 150 - - 225 - -
375 27 2 2 2 2 2 -
29 31 32 27 29 0
Z - 165 - 15 270 -
33 26 35 30 30 0 450 26 4 4 4 4 0 0
1 4 1 4 3 1 0
2 4 1 4 3 1 -
C
3 - 1 4 3 1 -
i
c 4 - 1 - 3 1 -
l 5 - 5 - 3 1 -
o
6 - - - 3 1 -
7 - - - 4 1 -
Paso 1: Los renglones “X” y “Y” están empatados y se selecciona arbitrariamente el renglón “X” como primera
asignación, añadiendo el mayor número posible de unidades a la celda de menor costo del renglón “X” (celda
XS: 75 unidades). Como la columna “S” queda satisfecha, se asignan ceros a las celdas YS y ZS.
16
Paso 2: El renglón “Z” y las columnas “A” y “C” están empatados y se selecciona arbitrariamente la columna “A”
como segunda asignación, añadiendo el mayor número posible de unidades a la celda de menor costo de la
columna “A” (celda YA: 150 unidades).
Paso 3: El renglón “Z” y la columna “C” están empatados y se selecciona arbitrariamente la columna “C” como
tercera asignación, añadiendo el mayor número posible de unidades a la celda de menor costo de la columna
“C” (celda XC: 210 unidades).
Paso 4: Los renglones “X” y “Z” están empatados y se selecciona arbitrariamente el renglón “X” como cuarta
asignación, añadiendo el mayor número posible de unidades a la celda de menor costo ( no ocupada) del
renglón “X” (celda XB: 15 unidades).
Paso 5: La columna “B” tiene la mayor diferencia y por eso se selecciona esta columna como quinta asignación,
añadiendo el mayor número posible de unidades a la celda de menor costo (no ocupada) de la columna “B”
(celda ZB: 165 unidades).
Paso 6: La columna “D” tiene la mayor diferencia y por eso se selecciona esta columna como sexta asignación,
añadiendo el mayor número posible de unidades a la celda de menor costo (no ocupada) de la columna “D”
(celda YD: 225 unidades).
Paso 7: La columna “D” tiene la mayor diferencia y por eso se selecciona esta columna como séptima
asignación, añadiendo el mayor número posible de unidades a la celda de menor costo (no ocupada) de la
columna “D” (celda ZD: 15 unidades).
Como consecuencia de estos 7 pasos, las unidades restantes (270) se agregan a la celda ZE.
Ahora se tiene que repetir todo el proceso de análisis de las celdas vacías XA, XD, XE, YB, YC, YE, YS, ZA, ZC
y ZS.
Para determinar si la solución es óptima se usará una estrategia llamada de la distribución modificada (MODI)
que consiste en la determinación de los costos sombra, los cuales tienen las características siguientes:
v4 = Bodega “D”
v5 = Bodega “E”
v6 = Sobrantes
17
Para todas las variables básicas (celdas ocupadas) que deben ser m +n -1 ecuaciones, es decir 3 + 6 -1 = 8
ecuaciones que son las siguientes:
27 = u1 + v2 (1)
28 = u1 + v3 (2)
0 = u1 + v6 (3)
29 = u2 + v1 (4)
27 = u2 + v4 (5)
26 = u3 + v2 (6)
30 = u3 + v4 (7)
30 = u3 + v5 (8)
Este sistema de ecuaciones lineales es un sistema indeterminado ya que se tienen 9 variables o incógnitas (u 1,
u2, u3, v1, v2, v3, v4, v5 y v6) y sólo se tienen 8 ecuaciones, por lo cual se tiene que aplicar un procedimiento
siguiente para resolver el sistema de las 8 ecuaciones lineales. El procedimiento es el siguiente:
Determinar que variable ui o vj se repite mayor número de veces y a esa variable arbitrariamente se le asigna el
valor de cero (0) para poder resolver el sistema de ecuaciones lineales. Para este ejemplo, se tiene lo siguiente:
Como se observa de la tabla las variables u1 y u3 se repiten 3 veces, arbitrariamente se asigna a u 1 el valor de
cero y la resolución del sistema de ecuaciones lineales queda de la forma siguiente:
u1 = 0
Resumiendo se tienen los costos sombras
De la ecuación 1 se despeja v2 siguientes:
27 = u1 + v2 27 = 0 + v2 v2 = 27 - 0 = 27
De la ecuación 2 se despeja v3 u1 = 0 v1 = 33
28 = u1 + v3 28 = 0 + v3 v3 = 28 - 0 = 28
u2 = - 4 v2 = 27
De la ecuación 3 se despeja v6
u3 = - 1 v3 = 28
0 = u1 + v6 0 = 0 + v6 v6 = 0 - 0 = 0
v4 = 31
De la ecuación 6 se despeja u3
v5 = 31
26 = u3 + v2 26 = u3 + 27 u3 = 26 – 27 = - 1
v6 = 0
De la ecuación 7 se despeja v4
30 = u3 + v4 30 = - 1 + v4 v4 = 30 + 1 = 31
18
De la ecuación 8 se despeja v5
30 = u3 + v5 30 = - 1 + v5 v5 = 30 +1 = 31
De la ecuación 5 se despeja u2
27 = u2 + v4 27 = u2 + 31 u2 = 27 – 31 = - 4
De la ecuación 4 se despeja v1
29 = u2 + v1 29 = - 4 + v1 v1 = 29 + 4 = 33
Ahora se tiene que repetir todo el proceso de análisis de las celdas vacías XA, XD, XE, YB, YC, YE, YS, ZA, ZC
y ZS.
XA: 37 - 0 – 33 = + 4
XD: 34 – 0 - 31 = + 3
XE: 31 – 0 - 31 = 0
YB: 31 – ( - 4) - 27 = + 8
YC: 32 – (- 4) – 28 = +8
YE: 29 – (- 4) - 31 = + 2
YS: 0 – (- 4) - 0 = + 4
ZA: 33 – (- 1) - 33 = + 1
ZC: 35 – (- 1) - 28 = + 8
ZS: 0 – (- 1) - 0 = + 1
Como ninguna de las celdas vacías reporta un valor negativo, significa que esta es la distribución
óptima (igual que el Método Esquina Noroeste).
19
u1 = Fábrica “O1” v1= Bodega “D1”
u2= Fábrica “O2” v2 = Bodega “D2”
u3 = Fábrica “O3” v3 = Bodega “D3”
u4 = Fábrica “O4” v4 = Bodega “D4”
u5= Fábrica “O5” v5 = Bodega “D5”
v6 = Bodega “D6”
Para todas las variables básicas (celdas ocupadas) que deben ser m +n -1 ecuaciones, es decir 5 + 6 -1 = 10
ecuaciones que son las siguientes:
10 = u1 + v2 (1)
13 = u2 + v2 (2)
16 = u2 + v3 (3)
21 = u2 + v4 (4)
M = u2 + v5 (5)
3 = u3 + v1 (6)
11 = u3 + v4 (7)
11 = u4 + v5 (8)
28 = u5 + v5 (9)
0 = u5 + v6 (10)
20
Como se observa de la tabla las variables u1 y u3 se repiten 3 veces, arbitrariamente se asigna a u 1 el valor de
cero y la resolución del sistema de ecuaciones lineales queda de la forma siguiente:
u2 = 0
De la ecuación 2 se despeja v2 Resumiendo se tienen los costos sombras
siguientes:
13 = u2 + v2 13 = 0 + v2 v2 = 13 - 0 = 13
u1 = - 3 v1 = 13
De la ecuación 3 se despeja v3
u2 = 0 v2 = 13
16 = u2 + v3 16 = 0 + v3 v3 = 16 - 0 = 16
u3 = - 10 v3 = 16
De la ecuación 4 se despeja v4
u4 = 11 - M v4 = 21
21 = u2 + v4 21 = 0 + v4 v4 = 21 - 0 = 21
u5 = 28 - M v5 = M
De la ecuación 5 se despeja v5
v6 = M - 28
M = u2 + v5 M = 0 + v5 v5 = M - 0 = M
Los análisis de las celdas vacías son:
De la ecuación 1 se despeja u1
10 = u1 + v2 10 = u1 + 13 u1 = 10 – 13 = - 3 O1 D1 13 - (- 3) - 13 3
De la ecuación 7 se despeja u3 O1 D3 22 - (- 3) – 16 9
11 = u3 + v4 11 = u3 + 21 u3 = 11 – 21 = - 10 O1 D4 29 - (- 3) - 21 11
De la ecuación 8 se despeja u4 O1 D5 18 - (- 3) - M 21 - M
O1 D6 0 - (- 3) – (M - 28) 31 - M
11 = u4 + v5 11 = u4 + M u4 = 11 - M
O2 D1 14 - 0 - 13 1
De la ecuación 6 se despeja v1
O2 D6 0 - 0 – (M - 28) 28 - M
3 = u3 + v1 3 = - 10 + v1 v1 = 3 + 10 = 13
O3 D2 0 - (- 10) - 13 -3
De la ecuación 9 se despeja u5
O3 D3 M - (- 10) - 16 M-6
28 = u5 + v5 28 = u5 + M u5 = 28 - M O3 D5 6 - (- 10) - M 16 - M
De la ecuación 10 se despeja v6 O3 D6 0 - (- 10) – (M – 28) 38 - M
0 = u5 + v6 0 = (28 – M) + v6 v6 = M – 28 O4 D1 18 - (11 – M) - 13 M-6
O4 D2 9 - (11 – M) - 13 M - 15
O4 D3 19 - (11 – M) - 16 M-8
O4 D4 23 - (11 – M) - 21 M-9
O4 D6 0 - (11 – M) – (M – 28) 17
O5 D1 30 - (28 - M) - 13 M - 11
O5 D2 24 - (28 - M) - 13 M - 17
O5 D3 34 - (28 - M) - 16 M - 10
O5 D4 36 - (28 - M) - 21 M - 13
21
Los análisis de las celdas vacías son:
10 = u1 + v2 (1)
13 = u2 + v2 (2) O1 D1 13 - (- 3) - 13 3
16 = u2 + v3 (3) O1 D3 22 - (- 3) – 16 9
21 = u2 + v4 (4) O1 D4 29 - (- 3) - 21 11
3 = u3 + v1 (5) O1 D5 18 - (- 3) - 16 5
11 = u3 + v4 (6)
O1 D6 0 - (- 3) – (- 12) 15
6 = u3 + v5 (7)
O2 D1 14 - 0 - 13 1
11 = u4 + v5 (8)
O2 D5 M – 0 - 16 M – 16
28 = u5 + v5 (9)
O2 D6 0 - 0 – (- 12) 12
0 = u5 + v6 (10)
O3 D2 0 - (- 10) - 13 -3
Variable # de veces que se repite O3 D3 M - (- 10) - 16 M–6
u1 1 O3 D6 0 - (- 10) – (- 12) 22
u2 3 O4 D1 18 - (- 5) - 13 10
u3 3 O4 D2 9 - (- 5) – 13 1
O4 D3 19 - (- 5) - 16 8
u4 1
O4 D4 23 - (- 5) - 21 7
u5 2
O4 D6 0 - (- 5) – (- 12) 17
v1 1 O5 D1 30 - 12 - 13 5
v2 2 O5 D2 24 - 12 – 13 -1
v3 1 O5 D3 34 - 12 - 16 6
v4 2 O5 D4 36 - 12 - 21 3
v5 3
v6 1
Se escoge u2 = 0
Aplicando el mismo procedimiento se resuelve el sistema de ecuaciones nuevo y los resultados son:
13 = u2 + v2 13 = 0 + v2 v2 = 13 - 0 = 13 3 = u 3 + v1 3 = -10 + v1 v1 = 3 + 10 = 13
10 = u1 + v2 10 = u1 + 13 u1 = 10 - 13 = - 3 6 = u 3 + v5 6 = -10 + v5 v5 = 6 + 10 = 16
16 = u2 + v3 16 = 0 + v3 v3 = 16 - 0 = 16 11 = u4 + v5 11 = u4 + 16 u4 = 11 – 16 = - 5
21 = u2 + v4 21 = 0 + v4 v4 = 21 - 0 = 21 28 = u5 + v5 28 = u5 + 16 u5 = 28 – 16 = 12
22
11 = u3 + v4 11 = u3 + 21 u3 = 11 – 21 = - 10 0 = u 5 + v6 0 = 12 + v6 v6 = 0 – 12 = - 12
23
Los análisis de las celdas vacías son:
10 = u1 + v2 (1)
O1 D1 13 - 10 - 3 0
16 = u2 + v3 (2)
O1 D3 22 - 10 – 6 6
21 = u2 + v4 (3)
3 = u3 + v1 (4) O1 D4 29 - 10 - 11 8
0 = u3 + v2 (5) O1 D5 18 - 10 - 6 2
11 = u3 + v4 (6) O1 D6 0 - 10 – (- 22) 12
6 = u3 + v5 (7) O2 D1 14 - 10 - 3 1
11 = u4 + v5 (8) O2 D2 13 – 10 - 0 3
28 = u5 + v5 (9) O2 D5 M - 10 – 6 M - 16
0 = u5 + v6 (10) O2 D6 0 - 10 – ( - 22) 12
Variable # de veces que se repite O3 D3 M-0-6 M-6
u1 1 O3 D6 0 - 0 – (- 22) 22
u2 2 O4 D1 18 - 5 - 3 10
u3 4 O4 D2 9-5–0 4
u4 1
O4 D3 19 - 5 - 6 8
u5 2
O4 D4 23 - 5 - 11 7
v1 1
O4 D6 0 - 5 – (- 22) 17
v2 2
v3 1 O5 D1 30 - 22 - 3 5
v4 2 O5 D2 24 - 22 – 0 2
v5 3 O5 D3 34 - 22 - 6 6
v6 1 O5 D4 36 - 22 - 11 3
Se escoge u3 = 0, se aplica el mismo procedimiento, se resuelve el sistema de ecuaciones y los resultados son:
3 = u3 + v1 3 = -10 + v1 v1 = 3 + 10 = 13 21 = u2 + v4 21 = u2 + 11 u2 = 21 - 11 = 10
0 = u3 + v2 0 = 0 + v2 v2 = 0 - 0 = 0 16 = u2 + v3 16 = 10 + v3 v3 = 16 - 10 = 6
11 = u3 + v4 11 = 0 + v4 v4 = 11 – 0 = 11 11 = u4 + v5 11 = u4 + 6 u4 = 11 – 6 = 5
6 = u3 + v5 6 = 0 + v5 v5 = 6 - 0 = 6 28 = u5 + v5 28 = u5 + 6 u5 = 28 – 6 = 22
10 = u1 + v2 10 = u1 + 0 u1 = 10 - 0 = 10 0 = u 5 + v6 0 = 22 + v6 v6 = 0 – 22 = - 22
Como ninguna de las celdas vacías reporta un valor negativo, significa que esta es la distribución
óptima.
24
Modelo de trasbordo (caso especial del modelo de transporte)
Se trata de enviar bienes (cantidades) desde un punto i, a únicamente destinos finales j. El envío no se
produce entre orígenes o entre destinos, tampoco entre destinos a orígenes. El modelo de trasbordo nos
demuestra que resulta más económico (minimizar costos) enviar a través de nodos intermedios o transitorios
antes de llegare al punto de destino final.
Ejemplo:
Se tiene el siguiente esquema de trasbordo, se requiere enviar bienes de los nodos 1 y 2 al destino 3, a un
menor costo. Los valores de Cij que se encuentran en los arcos o flechas representan los costos de enviar de
un origen i a un destino j.
c13 = 4
60
40 1
3
c12 = 1
20 c23 = 2
2
a) Envío de 1 a 3 y de 2 a 3;
Se envían 40 bienes del nodo 1 al nodo 3 a un costo de 4; y se envían 20 bienes del nodo 2 al nodo 3 a un
costo de 2, luego el costo total será:
O sea: enviamos 40 bienes del nodo 1 al nodo 2 a un costo de 1; luego enviamos los 40 bienes que llega al
nodo 2 más los 20 bienes del mismo nodo (40 + 20 = 60), al nodo 3 a un costo de 2, luego el costo total será:
Se obtiene en la segunda prueba un costo menor de 160 debido a que se han usado trasbordo o nodos
intermedios. Por lo tanto la ruta óptima será: 1 2 3
Clases de Nodos
En el ejemplo anterior los puntos 1, 2 y 3 son nodos. Los nodos pueden ser: de origen puro, destino puro y
nodos intermedios.
Nodos origen puro: Solo actúan como origen o envían. En el ejemplo es el nodo 1.
Nodos destino puro: Solo actúan como destino o reciben. En el ejemplo es el nodo 3.
25
Nodos intermedios: Actúan como origen y destino a la vez, o reciben y envían. En el ejemplo es el nodo 2.
DESTINO
1 2 3
1 4
1 40
0 2
ORIGEN 2 20
3
60
Por el nodo intermedio 2 debe pasar una cantidad igual a la suma de orígenes (oferta) o destinos (demanda);
para ello adicionamos una cantidad B (de buffer) igual a 60. Agregamos B tanto a la filas como a las columnas
de los nodos intermedios.
∑ Orígenes = ∑ Destinos
26
Solución óptima:
Z = 1 x 40 + 0 x 2 0 + 2 x 60 = 160
Ejemplo:
Se tiene el siguiente esquema de trasbordo, los nodos 1 y 3 envían (origen) y los nodos 4 y 5 reciben (destino).
Hallar la solución óptima usando el modelo de trasbordo.
8
5 (50)
40 1
2
5
20
3
4
3 2
4
3
4 (10)
2
Clases de
nodos:
Luego agregamos B a los nodos intermedios, de la fila y columna, En el tablero colocamos los costos de cada
origen a cada destino, según se indica en la red inicial; las x significan que no se asigna ningún costo;
quedando el tablero para ser resuelto como un modelo de transporte:
27
DESTINO
2 3 4 5
1 3 5 8 40
O
x
R
2 0 4 3 B
I
x
G
3 0 2 2 20 + B
E
x
N
4 0 4 B
x x
B B 10 + B 50
Para resolver usando el Método de Vogel a las celdas con “X” se les asigna un costo “M” muy alto para que no
formen parte de la solución final.
3 = u1 + v2 (1)
Variable # de veces que se repite Variable # de veces que se repite
5 = u1 + v3 (2)
0 = u2 + v2 (3) u1 2 v2 2
3 = u2 + v4 (4) u2 2 v3 2
0 = u3 + v3 (5) u3 2 v4 2
2 = u3 + v5 (6)
u4 1 v5 1
0 = u4 + v4 (7)
Se escoge u1 = 0
Aplicando el mismo procedimiento se resuelve el sistema de ecuaciones nuevo y los resultados son:
3 = u1 + v2 3 = 0 + v2 v2 = 3 - 0 = 3 0 = u 3 + v3 0 = u3 + 5 u3 = 0 - 5 = - 5
5 = u1 + v3 5 = u1 + v3 v3 = 5 - 0 = 5 2 = u 3 + v5 2 = - 5 + v5 v5 = 2 + 5 = 7
0 = u2 + v2 0 = u2 + 3 u2 = 0 - 3 = - 3 0 = u 4 + v4 0 = u4 + 6 u4 = 0 – 6 = - 6
3 = u2 + v4 3 = - 3 + v4 v4 = 3 + 3 = 6
28
Los análisis de las celdas vacías son:
O1 D4 M-0-6 M-6
O1 D5 8 - 0 -7 1
O2 D3 4 – ( - 3) - 5 2
O2 D5 M – ( - 3) – 7 M-4
O3 D2 M – ( - 5) - 3 M+2
O3 D4 2 – ( - 5) – 6 1
O4 D2 M – ( - 6) – 3 M-3
O4 D3 M – ( - 6) - 5 M+1
O4 D5 4 – ( - 6) – 7 3
Como ninguna de las celdas vacías reporta un valor negativo, significa que esta es la distribución
óptima.
El modelo de asignación es usado cuando se está considerando sólo un conjunto discreto de lugares
alternativos y no hay interacciones entre los departamentos. Aunque los problemas de asignación de tamaño
moderado se pueden resolver a mano, los problemas extremadamente grandes sólo pueden solucionarse con
ayuda de computadoras.
Ejemplo Debido a un aumento en el volumen de ventas, Sam Melder, propietario de Melder, Inc., una pequeña
empresa manufacturera de Muncie, Indiana, decide aumentar la capacidad de producción. Se ha agregado una
nueva ala a la planta, donde se instalarán cuatro máquinas: 1) una troquel adora, 2) una rectificadora, 3) un
torno y 4) una máquina de soldar. Sólo hay cuatro lugares posibles para ellas, digamos A, B, C y D. Sin
embargo, la máquina de soldar, que es la mayor, no cabe en el lugar B. El superintendente de la planta ha
hecho cálculos del impacto, sobre los costos de manejo de materiales, que causa ubicar cada una de las
máquinas en cada uno de los lugares posibles. Esos costos, en dólares por hora, se representan en la
siguiente tabla:
El elemento M representa un costo muy grande. Se usa para indicar que no se permite la máquina 4 en el
lugar B. Como el objetivo es asignar las cuatro máquinas a los cuatro lugares en tal forma que se minimice el
costo total de manejo de materiales. Una solución óptima nunca asignaría la máquina 4 al lugar B.
El algoritmo de asignación
Resultado: Si se suma o resta una constante a todos los elementos en un renglón o una columna de la
matriz de asignación de costos, no cambia la asignación óptima.
29
Cuando se aplica este resultado, el objetivo es continuar restando constantes de renglones y columnas en la
matriz de costos hasta poder hacer un costo de asignación igual a cero. Este costo para la matriz modificada
es óptimo para el problema original. Esto conduce al siguiente algoritmo para resolver problemas de
asignación:
1. Localizar el número menor en el renglón 1 y restarlo de todos los elementos de ese renglón. Repetir
esto en todos los renglones de la matriz de costos.
2. Localice el número mínimo en la columna 1 y réstelo de todos los elementos de la columna 1. Repita
lo anterior con todas las columnas en la matriz de costos.
3. En este punto, cada renglón y cada columna tendrán cuando menos un cero. Si es posible hacer una
asignación con costo cero, efectuarla. Esa será la solución óptima. Si no, continuar en el paso 4.
4. Determinar la cantidad máxima de asignaciones de costo cero. Ésta será igual a la cantidad mínima de
renglones requerida para cubrir todos los ceros. Los renglones se determinan por inspección, y no
necesariamente son únicos. Lo importante es que la cantidad de líneas trazadas no sea mayor que la cantidad
máxima de asignaciones de costo cero.
El proceso continúa hasta que se pueda hacer una asignación de costo cero. Observe que el paso 5 es
tan sólo una aplicación del resultado en la forma siguiente: si el número mínimo no cubierto se resta de todos
los elementos de la matriz y después se suma a todos los elementos cubiertos, se restará una vez y se sumará
dos veces donde se cruzan las líneas.
30
Paso 1. Al restar el número mínimo de cada renglón se obtiene
Paso 3. En este punto tenemos al menos un cero en cada renglón y uno en cada columna. Sin embargo, esto
no necesariamente significa que sea posible una asignación con costo cero. De hecho, es posible hacer cuando
mucho tres asignaciones con costo cero en esta etapa, como se ve a continuación.
Paso 4
Las tres asignaciones mostradas son l-B. 3-C y 4-A. Hay otras formas de asignar tres lugares, también con
costo cero. No importa cuál elijamos en este paso, sólo sabemos que hay tres posibles. El siguiente paso es
determinar tres líneas que cubran todos los ceros. Esto se indica a continuación.
31
De nuevo, la elección de las líneas no es única. Sin embargo, es importante no usar más de tres líneas. La
determinación de las tres líneas que cubren todos los ceros se hace por tanteos.
Paso 5. El número mínimo que no está cubierto es 43, y se resta de los demás sin cubrir, y se suma a los
números donde se cruzan las líneas. La matriz resultante es
Ya es posible hacer una asignación de costo cero, ya mostrada. La asignación óptima es la máquina 1, la
troqueladora, en el lugar B; la máquina 2, la rectificadora, en el lugar A; la máquina 3, el torno, en el lugar C; y la
máquina 4, la soldadora en el lugar D. El costo total de manejo de materiales por hora, para la solución óptima,
se obtiene consultando la matriz original de asignación de costos. Es 13 + 62 + 18 + 21 = 114 dólares por hora.
El algoritmo de asignación también se puede usar cuando la cantidad de sitios es mayor que la cantidad de
máquinas. El procedimiento es agregar dos máquinas ficticias, la 5 y la 6, con costos cero. A continuación se
resuelve el problema aplicando el algoritmo de asignación, como si hubiera seis máquinas y seis lugares. Los
lugares a los cuales se asignan las máquinas ficticias son los que no se usan.
32