INDICE

INTRODUCCION…………………………………………………………………………………………. 2
DESARROLLO……………………………………………………………………………………………… 4
Tema 2 Optimización de Redes…………………………………………………………….. 4
2.1. Terminología………………………………………………………………………………………… 4
2.2. Problema de la ruta más corta……………………………………………………… 6
2.3. Problema de árbol de mínima expansión………………………………… 7
2.4. Problema de flujo máximo……………………………………………………………. 9
2.5. Problema de flujo de costo mínimo…………………………………………… 10
2.6. Programación lineal en Teoría de Redes………………………………….. 13
CONCLUSION…………………………………………………………………………………………… 15
REFERENCIAS BILIOGRAFICAS…………………………………………………………. 17

1
 INTRODUCCION
La investigación de operaciones es muy utilizada en la ingeniería y más
en la ingeniería industrial ya que nos ayuda en la obtención de algunos
datos óptimos los cuales nos ayudaran para tener una amplia visión de
los distintos elementos básicos como lo son la gasolina, la luz, el diesel y
el agua. La ingeniería industrial no solo se encarga de la producción sino
también de otras actividades como la programación de líneas de
ensamble, el diseño ya sea de productos o de áreas totalmente
ergonómicas para la mejora de la salud de los empleados, también se
encargan de la programación, también se dedica a la gestión de
proyectos para asi poder ejecutar estrategias para la mejora continua de
los sistemas productivos.
Para contextualizara mejor, podemos decir que la ingeniería industrial se
dirige a una amplia gama de áreas las cuales podemos ejecutar sin
importar las distintas competencias que se tienen, ya que nos permite
ser mucho más flexibles a la hora de liderar o dirigir algunos grupos de
personas o entidades.

Para poder resolver problemas así como también la reducción de costos,

donde se tomaran las rutas más viables para la reducción de elementos
y evitar gastos o en caso de los automóviles vueltas innecesarias, la
ingeniería hace uso de la programación dinámica, que según Rosell se
define como “método de optimización, es decir, un método usando
ecuaciones matemáticas y algoritmos para resolver problemas con el
propósito de encontrar la mejor solución posible entre todas las
soluciones viables” (2022 p. 3)).

Por lo tanto la programación dinámica nos ayuda a tener control y

mantener registrado los movimientos que se hagan en la industria,
donde se usan ecuaciones matemáticas y algoritmos para la correcta
resolución de los problemas óptimos y así poder encontrar el resultado
más conveniente para la industria. la Dinamic Programming, (DP) fue
inventado en el año de 1953 por el matemático Richard Bellman, con el
fin de tomar soluciones en los procesos de resolución de los problemas
para asi poder tomar algunas decisiones.

Un ejemplo que se puede dar al momento de aplicar la programación

dinámica, podría ser en la industria alimentaria como lo es coca cola una
compañía que procesa bebidas azucaradas gaseosas y la vende a nivel
mundial. Coca-Cola utiliza un proceso de embotellado de bebidas y
almacenamiento mediante dos logísticas: interna y externas. En la logista
interna es aquella donde se gestiona los costos con el fin de reducirlos,
por lo cual entre menos dure la entrega mejor será el desempeño de la
cadena de suministros. En la logística externa tiene que ver con la

2
entrega puntuales a las sucursales como el desarrollo de un horario para
abastecer a cada sucursal de sus productos.

También se puede mencionar la empresa Estar Producce la cual es

productora agrícola de frutas ubicada en el estado de Colima en
Tecomán donde la logística externa es vista en la reducción de costos, ya
sea gasolina y herbicidas, los cuales son de vital importancia para las
maquinas, automóviles, camiones, tractores en el caso de la gasolina
mientras que en las herbicidas su importancia se basa en la seguridad y
higiene del producto. En la logística externa también se busca la entrega
a tiempo en los supermercados nacionales, así como también organizar
horarios de entrega determinadas para un correcto servicio.

Así, en la siguiente documentación se expondrá temas de la unidad 2 de

la materia de investigación de operaciones II, donde sabremos en
términos concretos que es una red, terminología y sus partes, por lo cual
también se mencionarán algunos métodos de resolución como el de la
ruta más corta, el árbol de expansión, el de flujo máximo, donde en la
siguiente información se definirán sus conceptos, así como también el
proceso para su correcto desarrollo.

3
DESARROLLO
Tema 2 Optimización de Redes
2.1. Terminología
En la investigación Optimización de Redes-Terminologias-Rutas Mas
Cortas, Dominguez (2018) define las siguientes terminologías:
Una red o grafo consiste de puntos, y listas que conectan las partes de
puntos. Los puntos son llamados nodos o vértices, mientras que las líneas
son llamadas arcos. Los arcos pueden tener una dirección asociada, en
estos casos son arcos dirigidos, si un arco no tiene dirección se le
denomina rama, en el caso de que todos los arcos sean dirigidos la red es
denominada como red dirigida. Si todos los arcos son no dirigidos la red
será una red dirigida.

Ilustración 1 ejemplo de imagen (scrib.com)(2018)

El flujo es el valor que se le asigna a los arcos los cuales pueden conectar
1 o mas de un nodo. Para poder nombrar un arco se tienen que colocar
primero la dirección de donde viene el nodo o vértice.

Ilustración 2 ejemplo de imagen (scrib.com)(2018)

Una trayectoria es una secuencia de los arcos distintas los cuales no

repiten nodos. Una trayectoria dirigida del nodo I al nodo J es una

4
secuencia de arcos, donde cada uno de los cuales apunta al nodo J (si es
que tenemos alguna dirección presente). Una trayectoria no dirigida
puede incluir arcos dirigidos los cuales pueden apuntar a cualquier
dirección.

Ilustración 3 ejemplo de imagen (scrib.com)(2018)

Una trayectoria que comienza y termina en el mismo nodo se denomina

cíclico y puede ser ya dirigida o no dirigida.
Una red esta conectada si existe una trayectoria no dirigida entre
cualquier par de nodos, una red conectada que no tiene ciclos se le
denomina árbol.
Ciclo: es una trayectoria que comienza y termina en el mismo nodo.
Ciclo dirigido: cuando esta formado por una trayectoria dirigida.
Ciclo no dirigido: cuando la trayectoria la cual lo conforma es no dirigida.

Ilustración 4 ejemplo de imagen (scrib.com)(2018)

Árbol es una serie de nodos conectados que no contienen ciclos.

Árbol de expansión es un árbol que conecta todos los nodos de la red
contiene n-1 arcos, donde n es el numero de nodos.

5
Ilustración 5 ejemplo de imagen (scrib.com)(2018)

2.2. Problema de la ruta más corta

En las investigaciones de Tahar (1992) y Hillier (2010) explican el concepto
de Ruta más corta como “la determinación de las ramas conectadas en
una red de transporte que constituye un conjunto de las distancias mas
cortas entre las fuentes y los destinos”.
Considere una red conexa y no dirigida con dos nodos especiales
llamados origen y destino. A cada ligadura (arco no dirigido) se asocia
una distancia no negativa. El objetivo es encontrar la ruta más corta la
trayectoria con la mínima distancia total del origen al destino. Se dispone
de un algoritmo relativamente sencillo para manejar este problema. La
esencia del procedimiento es que analiza toda la red a partir del origen;
identificó ca de manera sucesiva la ruta más corta a cada uno de los
nodos en orden ascendente de sus distancias (más cortas), desde el
origen; el problema queda resuelto en el momento de llegar al nodo
destino. Primero se describirá el método y después se ejemplificará con
la solución del problema de la ruta más corta.
Algoritmo de la ruta más corta:
Objetivo de la n-ésima iteración: encontrar el n-ésimo nodo más cercano
al origen. (Este paso se repetirá para n = 1, 2, . . . hasta que el n-ésimo nodo
más cercano sea el nodo destino.).
Datos de la n-ésima iteración: n – 1 nodos más cercanos al origen que se
encontró en las iteraciones previas, incluida su ruta más corta y la
distancia desde el origen. (Estos nodos y el origen se llaman nodos
resueltos; el resto son nodos no resueltos.).
Candidatos para n-ésimo nodo más cercano: cada nodo resuelto que
tiene conexión directa por una ligadura con uno o más nodos no
resueltos proporciona un candidato, esto es, el nodo no resuelto que tiene

6
la ligadura más corta. (Los empates proporcionan candidatos
adicionales.).
Cálculo del n-ésimo nodo más cercano: para cada nodo resuelto y sus
candidatos, se suma la distancia entre ellos y la distancia de la ruta más
corta desde el origen a este nodo resuelto. El candidato con la distancia
total más pequeña es el n-ésimo nodo más cercano los empates
proporcionan nodos resueltos adicionales, y su ruta más corta es la que
genera esta distancia.

Ilustración 6 ejemplo de imagen(ingenieria industrial online)(2019)

2.3. Problema de árbol de mínima expansión

Tahar (1992) y Hillier (2010) abordan el problema de árbol de mínima
expansión de la siguiente manera:
El problema del árbol de expansión mínima tiene algunas
similitudes con la versión principal del problema de la ruta más
corta que se presentó en la sección anterior. En ambos casos se
considera una red no dirigida y conexa, en la que la información
dada incluye alguna medida de longitud positiva distancia, costo,
tiempo, etc. Asociada con cada ligadura. Los dos problemas
involucran también el hecho de seleccionar un conjunto de
ligaduras con la longitud total más corta entre todos los conjuntos
de ligaduras que satisfacen cierta propiedad. En el caso del
problema de la ruta más corta, esta propiedad es que la ligadura
seleccionada debe proporcionar una trayectoria entre el origen y el
destino. Para el árbol de expansión mínima la propiedad que se

7
 requiere es que las ligaduras seleccionadas deben proporcionar
una trayectoria entre cada par de no
El problema del árbol de expansión mínima se puede resumir de la
siguiente manera:
1. Se tienen los nodos de una red pero no las ligaduras. En su lugar se
proporcionan las ligaduras potenciales y la longitud positiva de cada una
si se insertan en la red. (Las medidas alternativas para la longitud de una
ligadura incluyen distancia, costo y tiempo.)
2. Se desea diseñar la red con suficientes ligaduras para satisfacer el
requisito de que haya un camino entre cada par de nodos.
3. El objetivo es satisfacer este requisito de manera que se minimice la
longitud total de las ligaduras insertadas en la red.

Ilustración 7ejemplo de imagen (HILLIER, F. S.) (2010).

Algoritmo del problema del árbol de expansión mínima

1. Se selecciona, de manera arbitraria, cualquier nodo y se conecta, es
decir, se agrega una ligadura al nodo distinto más cercano.
2. Se identifica ca el nodo no conectado más cercano a un nodo
conectado y se conectan estos dos nodos, esto es, se agrega una ligadura
entre ellos. Este paso se repite hasta que todos los nodos están
conectados.
3. Rompimiento de empates: los empates del nodo más cercano distinto
(paso 1) o del nodo no conectado más cercano (paso 2), se pueden romper
en forma arbitraria, pero el algoritmo debe llegar a una solución óptima.
8
No obstante, estos empates son señal de que pueden existir (pero no
necesariamente) soluciones óptimas múltiples. Todas esas soluciones se
pueden identificar si se trabaja con las demás formas de romper los
empates al final.

Ilustración 8 ejemplo de imagen (HILLIER, F. S.) (2010).

2.4. Problema de flujo máximo

Tahar (1992) y Hillier (2010) declara el problema de flujo máximo de la
siguiente manera:
Esta sección se considera cuando se enlazan un nodo o vértice
fuente y destino, a través de unas redes de ramas o arcos de una
capacidad finita. La red es unidireccional, en el sentido que el nodo
comienza en el nodo fuente y saldrá en el nodo destino. Sin
embarco puede ocurrir el caso de una rama que tenga dos
capacidades distintas (i , j), dependiendo del flujo si es de i a j o bien
de j a i.
Para ejemplificarlo mejor, podemos decir que el flujo de tránsito en la
calle de una ciudad, una calle de un solo sentido tendrá una capacidad
positiva en una dirección y una capacidad de 0 en otra. Por la otra parte,
una calle de dos sentidos puede tener capacidad diferente en las
direcciones opuestas, si ambas direcciones no incluyen el mismo numero
de carriles de dirección.
En términos generales, el problema de flujo máximo se puede describir
de la siguiente manera.
1. Todo flujo a través de una red conexa dirigida se origina en un nodo,
llamado origen, y termina en otro nodo llamado destino (el origen y el
destino en Seervada Park son la entrada al parque en el nodo O y el
mirador en el nodo T, respectivamente).
2. Los nodos restantes son nodos de trasbordo (en el problema de
Seervada Park son los nodos A, B, C, D y E).

9
3. Se permite el flujo a través de un arco sólo en la dirección indicada por
la fl echa, donde la cantidad máxima de flujo está dada por la capacidad
del arco. En el origen, todos los arcos señalan hacia afuera. En el destino,
todos señalan hacia el nodo.
4. El objetivo es maximizar la cantidad total de flujo del origen al destino.
Esta cantidad se mide en cualquiera de las dos maneras equivalentes,
esto es, la cantidad que sale del origen o la cantidad que entra al destino.

Ilustración 9 ejemplo de imagen (HILLIER, F. S.) (2010).

Ilustración 10 ejemplo de imagen (universidad autonoma de madrid) (s.f)

2.5. Problema de flujo de costo mínimo

Hillier (2010) explica el problema de flujo de costo mínimo como
“Representa una clase general de modelos de redes que comprenden los
problemas de transporte, trasbordo, asignación y máximo flujo, como
casos especiales”.
El problema del flujo de costo mínimo tiene una posición central entre
los modelos de optimización de redes; primero, abarca una clase amplia
de aplicaciones y, segundo, su solución es muy eficiente. Igual que el
problema del flujo máximo, toma en cuenta un flujo en una red con
capacidades de arco limitadas. Igual que el problema de la ruta más
corta, considera un costo (o distancia) del flujo a través de un arco. Igual
que el problema de transporte o el de asignación, puede manejar varios
orígenes (nodos fuente) y varios destinos (nodos demanda) del flujo, de
nuevo con costos asociados. En realidad, estos cuatro problemas son
casos especiales del problema del flujo de costo mínimo, como se
10
demostrará en esta sección. La razón por la que el problema del flujo de
costo mínimo se puede resolver de modo tan eficiente es que se puede
formular como un problema de programación lineal y es posible
resolverlo con una versión simplificada del método símplex llamada
método símplex de redes.
Descripción de problemas de costo mínimo:
1. La red es una red dirigida y conexa.
2. Al menos uno de los nodos es un nodo fuente.
3. Al menos uno de los nodos es un nodo demanda.
4. El resto de los nodos son nodos de trasbordo.
5. Se permite el flujo a través de un arco sólo en la dirección que indica la
flecha, donde la cantidad máxima de flujo está dada por la capacidad del
arco. (Si el flujo puede ocurrir en ambas direcciones, debe representarse
por un par de arcos con direcciones opuestas.)
6. La red tiene suficientes arcos con suficiente capacidad para permitir
que todos los flujos generados por los nodos fuente lleguen a los nodos
demanda.
7. El costo del flujo a través del arco es proporcional a la cantidad de ese
flujo, donde se conoce el costo por unidad.
8. El objetivo es minimizar el costo total de enviar el suministro disponible
a través de la red para satisfacer la demanda dada. (Un objetivo
alternativo es maximizar la ganancia total del envío.).

11
Ilustración 11 ejemplo de imagen (reinosa monserrat) (2020)

Ilustración 12 ejemplo de imagen (jorge c. ortiz)(2021)

Ilustración 13 ejemplo de imagen (slideshare)(2012)

Formulación del modelo

Considere una red conexa dirigida en la que los n nodos incluyen al
menos un nodo origen y un nodo destino. Las variables de decisión son
xij = flujo a través del arco i → j
y la información dada incluye
cij = costo por unidad de fl ujo a través del arco i → j,

12
uij = capacidad del arco i → j,
bi = fl ujo neto generado por el nodo i
El valor de bi depende de la naturaleza del nodo i, donde
Bi>0 si i es un nodo fuente,
Bi<0 si i es un nodo demanda,
Bi=0 si i es un nodo de trasbordo.
El objetivo es minimizar el costo total de enviar los recursos disponibles a
través de la red para satisfacer la demanda. Si se usa la convención de que
las sumas se toman sólo sobre arcos existentes, la formulación de
programación lineal de este problema es:

2.6. Programación lineal en Teoría de Redes

Contreras et al (2010) justifica la programación lineal en teorías de redes
como:
El modelado de las redes nos permite poder resolver múltiples
problemas de programación matemática mediante la
implementación de los algoritmos especificados los cuales fueron
creados para la resolución de los problemas de redes o también
llamados como algoritmos de optimización de redes. Algunos de
los problemas comunes los cuales son resueltos mediante la
modelación se encuentras modelos de transporte, transbordo
además de los conocidos modelos de cronograma de actividades
para proyectos.

13
Por lo tanto, se tiene que utilizar el algoritmo adecuado para encontrar la
ruta más corta a través de las redes, en donde los numero tomaran la
función de representar las distancia entre los nodos.
La programación lineal es una de las técnicas matemáticas más utilizadas
actualmente gracias a que el algoritmo simplex es muy eficiente y al
desarrollo de la computación. La optimización de redes muy sencilla para
encontrar la solución optima a los problemas de flujos de redes, los cuales
proporcionan algoritmos fáciles de comprender y aplicar el método
simplex para disminuir el numero de iteraciones que se tienen para poder
resolver los problemas.
Si aplicáramos el método simplex en un problema de distribución o de
redes, obtendríamos muchas variables y restricciones en el modelo, para
poder realizar esto tendríamos que utilizar las tecnologías o herramientas
computacionales para poder encontrar las soluciones optimas de los
problemas de una forma más rápida eficiente y exacta, en el caso de los
modelos de redes solo tendríamos que aplicar la iteración al grafo el cual
es el que origina la representación de la red de los problemas y luego se
tendrá que aplicar el algoritmo correspondiente el cual puede ser
utilizado el algoritmo de la ruta mas corta, el de expansión mínima, el de
flujo máximo o el de costo mínimo.

Ilustración 14 ejemplo de imagen (ingenieria industrial

online)(2019)
14
 CONCLUSION
La optimización de redes son de vital importancia ya que reflejan casos
cotidianos de la vida real, como lo son las redes de luz de las Comisión
Federal de Electricidad (CFE), las líneas de transporte, los sistemas de
riego que se utilizan en los ranchos. La optimización de redes las
podemos encontrar en varias áreas de la ingeniería como es la logística
los cuales ayudan a encontrar las rutas mas cortas para el traslado de los
materiales, en el área de las cadenas de producción donde nos ayudaran
a tener mejor ordenadas las áreas de ensamble obteniendo así atajos
para la correcta producción.
Como tal la optimización de una red nos proporciona herramientas para
encontrar soluciones a los problemas de traslado de algunos productos o
situaciones las cuales son de importancia para mejorar las producciones
industriales, la investigación de operaciones es una metodología que nos
proporciona una gran cantidad de métodos donde los cuales nos
ayudaran a resolver diversos problemas, ya sea con la ayuda de algún
programa o software para encontrar las soluciones optimas de los
problemas de redes.
De acuerdo con el libro de investigación de operaciones de HILLIER
(2010), el cual comenta que la investigación de operaciones tubo un gran
desarrollo en cuestión a la metodología y a la resolución de los problemas
utilizando los diversos métodos, algunos de las programaciones han
tenido efecto importante en el desarrollo industrial, ya que las industrias
ocupaban las ciencias de la computación para tener un mayor control de
los datos óptimos para así poder manipularlos de forma correcta y
organizada, esto nos quiere decir que la investigación de operaciones
tienen una parte fundamental en el desarrollo y control de datos de las
empresas las cuales tienen que estar en desarrollo constantemente así
como también llevar registros de estos para la toma de decisiones.
Para decirlo de una forma mas clara podemos decir que la optimización
de redes es una herramienta que ayuda a cualquier empresa a el ahorro
de materiales como el combustible de los transportes los cuales llevan
los productos a las sucursales, ya que utilizando la optimización de redes
podemos hacer una mejora a gran escala para que la empresa pueda
ahorrar en combustible, es en este momento que los métodos de
optimalidad y de minimización cobran sentido, por lo cual impactan más
en la economía y en el medio ambiente.

15
Para finalizar puedo decir que la investigación de operaciones es una
parte fundamental de cualquier empresa, ya que nos ayuda a reducir
costos ya sea en bienes básicos como luz, agua, gasolina y diésel, los
cuales son unos de los elementos mas utilizados en las industrias para la
fabricación de los productos que podemos encontrar en los mercados.
Gracias a las redes se desarrolló un mejor criterio analítico y matemático,
así como a solo utilizar lo indispensable para reducir costos en las
distintas áreas de la empresa tales como en la de manufactura,
producción y logística, donde las cuales desde un punto de vista crítico
son las áreas mas importantes de la empresa.

16
 REFERENCIAS BIBLIOGRAFICAS
Gesruta software de transporte y logística. (17/12/21). “La importancia
de la optimización de rutas”. Recuperado el 30/08/2023 del sitio
web: https://programadetransporte.es/la-importancia-de-la-
optimizacion-de-rutas/
HILLIER, F. S. (2010). INVESTIGACION DE OPERACIONES (9a ed.).
McGRAW-HILL/INTERAMERICANA EDITORES, S.A. DE C.V.
Optimizacion de Redes - Terminologia - Rutas Mas Cortas Guardado |
PDF | Programación lineal | Matemáticas Aplicadas. (s.f.). Scribd.
https://es.scribd.com/document/372444250/Optimizacion-de-
Redes-Terminologia-Rutas-Mas-Cortas-Guardado
TAHA, H. A. (1992). INVESTIGACION DE OPERACIONES (5a ed.). ALFA
OMEGA GRUPO EDITOR.
¿Cómo es la logística de Coca-Cola? (s. f.).
https://www.beetrack.com/es/blog/logistica-de-coca-cola
Kariuki, C. (2023). Programación dinámica: qué es, cómo funciona y
recursos de aprendizaje. Geekflare.
https://geekflare.com/es/dynamic-programming/
Medina, H. (2019, 21 abril). Método del flujo máximo. White Hat
Developer.
https://whdeveloper.wordpress.com/2019/04/21/algoritmo-del-
flujo-maximo/
Navone, E. C. (2023). Algoritmo de la ruta más corta de Dijkstra -
Introducción gráfica y detallada. freeCodeCamp.org.
https://www.freecodecamp.org/espanol/news/algoritmo-de-la-
ruta-mas-corta-de-dijkstra-introduccion-grafica/

GraphEverywhere, E. (2022). Árbol de expansión de peso

mínimo. GraphEverywhere. https://www.grapheverywhere.com/arbol-
de-expansion-de-peso-
minimo/#:~:text=El%20%C3%A1rbol%20de%20expansi%C3%B3n%20d
e,con%20el%20menor%20peso%20posible.
5.5 Flujo a costo minimo. (s. f.). PDF. https://es.slidesh are.net/adncstell/55-
flujo-a-costo-minimo

17
-

18