Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Material de Consulta
Investigación Operativa I
✓ Modelos de Transporte
✓ Modelos de Asignación
✓ Modelos de Transbordo
✓ Algoritmos
Realizado por:
Ing. Efraín Rafael Murillo Quispe
AREQUIPA – PERU
2022
Investigación Operativa I 2
1. Modelos de Transporte,
Asignación y Transbordo
Tomado de: Anderson/Sweeney/Williams, [1999], Métodos Cuantitativos para los Negocios, capítulo 10, 7ma
edición.
Los problemas de transporte, asignación y transbordo corresponden a una clase especial de problemas de
programación lineal conocida como problemas de flujo de red. Estos problemas tienen una estructura
matemática que ha permitido que los científicos de la administración desarrollen para su solución eficientes
procedimientos especializados; como resultado, incluso problemas grandes pueden resolver con apenas unos
cuantos segundos de tiempo de computadora.
Ilustremos lo anterior, considerando un problema de transporte al que se enfrenta la corporación XYZ. Este
problema involucra el transporte de un producto desde tres plantas hasta cuatro centros de distribución. XYZ
tiene plantas en Quito, Lima y Santiago. La capacidad de producción para el siguiente período de tres meses de
planeación para un tipo específico de generador es como sigue:
Capacidad de producción
Origen Planta
de tres meses (unidades)
1 Quito 5 000
2 Lima 6 000
3 Santiago 2 500
Total 13 500
La empresa distribuye sus generadores a través de cuatro regionales de distribución, localizados en Buenos
Aires, Río de Janeiro, Bogotá y Caracas; el pronóstico de la demanda de tres meses de los centros de
distribución es como sigue:
Pronóstico de demanda
Destino Mercado
a tres meses (unidades)
1 Buenos Aires 6 000
2 Río de Janeiro 4 000
3 Bogotá 2 000
4 Caracas 1 500
Total 13 500
La administración desearía determinar cuánto de su producción deberá embarcarse desde cada una de las
plantas hasta cada uno de los centros de distribución. La figura siguiente muestra de manera gráfica las 12
rutas de distribución que XYZ puede utilizar. Esta gráfica se conoce como una red; los círculos son los nodos y
las líneas que los conectan, los arcos. Cada origen y destino queda representado por un nodo y cada ruta de
embarque posible por un arco. La oferta o suministro se escribe al lado de cada nodo origen y la demanda se
escribe al lado de cada nodo destino.
En vista de que el objetivo del problema de transporte es minimizar el costo total del transporte, podemos
utilizar, para desarrollar las siguientes expresiones de costo, los datos de costo de la tabla anterior o que
aparecen sobre los arcos de la Red anterior.
Costo de transporte para unidades embarcadas desde Quito = 3x11 + 2x12 + 7x13 + 6x14
Costo de transporte para unidades embarcadas desde Lima = 7x21 + 5x22 + 2x23 + 3x24
Costo de transporte para unidades embarcadas desde Santiago = 2x31 + 5x32 + 4x33 + 5x34
La suma de estas expresiones nos da la función objetivo que nos muestra el costo total de transporte de XYZ.
Los problemas de transporte necesitan restricciones, dado que cada uno de los orígenes tiene un suministro
limitado y cada destino tiene una demanda específica. Veremos que en primer término las restricciones de
suministro. La capacidad de la planta de Quito es de 5 000 unidades. Con el número total de unidades que se
embarcan desde la planta de Quito expresado de la forma x11+x12+x13+x14, la restricción de suministro de la
planta de Quito será:
x11 + x12 + x13 + x14 ≤ 5000 Suministro de Quito
Con tres orígenes (plantas), el problema de transporte de Foster tiene tres restricciones de suministro. Dada la
capacidad de 6 000 unidades en la planta de Lima y de 2500 unidades en Santiago, las dos restricciones de
suministro adicionales son:
x21 + x22 + x23 + x24 ≤ 5 000 Suministro de Lima
x31 + x32+ x33 + x34 ≤ 5 000 Suministro de Santiago
Con los cuatro centros de distribución como destino se requiere de cuatro restricciones de demanda para
asegurar que se satisfarán las demandas en los destinos:
x11 + x21 + x31 = 6 000 Demanda de Buenos Aires
x12 + x22 + x32 = 4 000 Demanda de Río de Janeiro
x13 + x23 + x33 = 2 000 Demanda de Bogotá
x14 + x24 + x34 = 1 500 Demanda de Caracas
Min. 3x11 + 2x12+ 7x13 + 6x14 + 7x21 + 5x22 + 2x23 + 3x24 + 2x31 + 5x32 + 4x33 + 5x34
Sujeto a
x11 + x12 + x13 + x14 ≤ 5000
x21 + x22 + x23 + x24 ≤ 6000
x31 + x32 + x33 + x34 ≤ 2500
x11 + x21 + x31 = 6000
x12 + x22 + x32 = 4000
x13 + x23 + x33 =2000
x14 + x24 + x34 =1500
Comparando la formulación de programación lineal con la figura de la Red de este problema nos lleva a varias
observaciones. Toda la información necesaria para la formulación de la programación lineal aparece en la red.
Cada nodo tiene una restricción y cada arco tiene una variable. La suma de las variables correspondientes a los
arcos desde el nodo origen debe ser menor que o igual al suministro de dicho origen, y la suma de las variables
que corresponden a los arcos que llegan a un nodo destino debe ser igual a la demanda de dicho destino.
Resolvimos el problema de XYZ utilizando el software LINDO 6.0. La solución por computadora mostrada en el
cuadro siguiente muestra que el costo total de transporte mínimo es de 39 500 dólares. Los valores de las
variables de decisión muestran los valores óptimos a embarcar en cada ruta. Por ejemplo, con x 11 = 3500,
deberán embarcarse 3500 unidades de Quito hacia Buenos Aires, y con x12 = 1500, deberán embarcarse 1500
unidades de Quito a Río de Janeiro. Otros valores de las variables de decisión indican las cantidades y rutas de
los embarques restantes
La siguiente tabla muestra el programa de transporte de costo mínimo y la figura resume la solución óptima en
la red.
Variantes al problema
El problema de XYZ ilustra el uso del modelo de trasporte básico. Las variantes al problema de transporte
básico pueden implicar una o más de las siguientes situaciones:
1. Oferta o suministro total no igual a la demanda total
2. Maximización de la función objetivo
3. Rutas con capacidad limitada
4. Rutas no aceptables
Con ligeras modificaciones en el modelo de programación lineal estas situaciones se pueden tomar en cuenta
fácilmente.
Suministro total no igual a la demanda total. A menudo el suministro total no es igual a la demanda total. Si el
suministro total es mayor a la demanda total, no es necesaria ninguna modificación a la formulación de la
programación lineal. Aparecerá en la solución de la programación lineal un suministro excedente, como una
holgura. La holgura correspondiente a cualquier origen en particular se puede interpretar como suministro u
oferta sin utilizar, es decir, una cantidad que no se ha embarcado desde el origen.
Si el suministro total es inferior a la demanda total, el modelo de programación lineal de un problema de
transporte no tendrá una solución factible. En este caso, se intercambia la dirección de las restricciones, así las
restricciones de oferta serán del tipo igual y las de demanda del tipo menor o igual. En este caso quedarán
destinos no satisfechos en sus requerimientos.
Función objetivo de maximización. En algunos problemas de transporte, el objetivo es encontrar una solución
que maximice la utilidad o los ingresos. Empleando valores de la utilidad o de ingresos unitarios como
coeficientes de la función objetivo, simplemente resolvemos un programa lineal de maximización en vez de
uno de minimización. Este cambio no afecta a las restricciones.
Rutas con capacidad limitada. La formulación de programación lineal del problema de transporte también
puede tomar en consideración capacidades o cantidades mínimas para una o más de las rutas. Por ejemplo,
suponga que en el problema de XYZ, la ruta Santiago-Buenos Aires (del origen 3 al destino 1) tiene una
capacidad de 1000 unidades debido a la disponibilidad limitada de espacio en su modo de transporte normal.
Siendo x31 las cantidades embarcadas de Santiago hasta Buenos Aires, la restricción por capacidad de la ruta
Santiago-Buenos Aires sería:
x31 ≤ 1000
De manera similar, se pueden definir montos mínimos de ruta. Por ejemplo
x22 ≥ 2000
Garantizaría que un pedido, previamente comprometido, para entregar por lo menos 2000 unidades desde
Lima a Río de Janeiro se conservaría dentro de la solución óptima.
Rutas no aceptables. Finalmente, quizás no pueda ser aceptable establecer una ruta desde cualquiera de los
orígenes hasta cualquiera de los destinos. A fin de manejar esta situación simplemente hacemos desaparecer el
arco correspondiente de la red y eliminamos la variable correspondiente en la formulación de la programación
lineal. Por ejemplo, si la ruta Lima-Caracas fuera inaceptable o no utilizable, se eliminaría el arco Lima a Caracas
de la red respectiva y x24 podría eliminarse de la formulación de programación lineal. La resolución del modelo
resultante, con 11 variables y 7 restricciones, nos daría la solución óptima, garantizando al mismo tiempo que
la ruta Lima-Caracas no se utilizaría.
El modelo general de programación lineal para un problema de transporte, con m orígenes y n destinos, es
m n
Min c ij xij
i =1 j =1
Sujeto a:
n
x
j =1
ij si
i = 1,2,…,m Suministro
m
x
i =1
ij dj j = 1,2,…, n Demanda
xij 0
para todas las i y j
x L
Como se mencionó con anterioridad, podemos agregar restricciones adicionales de la forma ij ij
, si la
ruta del origen i al destino j tiene una capacidad Lij. Un problema de transporte que incluya restricciones de
este tipo se conoce como un problema de transporte con capacidades. De manera similar, podemos agregar
restricciones mínimas de ruta de la forma xij ≥ Mij, si la ruta del origen i al destino j debe manejar por lo menos
Mij unidades.
En una diversidad de situaciones de toma de decisiones se presenta un problema de asignación, los problemas
típicos de asignación implican asignar tareas a maquinaria, agentes a trabajos especiales, personal de ventas a
territorios, contratos a licitantes y así sucesivamente, Una característica que distingue los problemas de
asignaciones que un agente se asigna a una solamente a una tarea. Específicamente, buscamos el conjunto de
asignaciones que optimizaran un objetivo dado, como minimizar el costo, minimizar el tiempo o maximizar la
utilidad.
Para ilustrar el problema de asignación, veamos el caso de ABC, que acaba de recibir solicitudes de estudio de
investigación de mercados de tres clientes nuevos. La empresa se enfrenta a la tarea de asignar un líder o jefe
de proyecto (agente) a cada cliente (tarea). En este momento, tres individuos no tienen otros compromisos y
están disponibles para su asignación como líderes de proyecto. Sin embargo la administración de ABC se da
cuenta que el tiempo requerido para terminar cada uno de los estudios dependerá de la experiencia y
capacidad del líder de proyecto que se le asigne, los tres proyectos tienen aproximadamente la misma
prioridad y la administración desea asignar líderes de proyecto para minimizar el número total de días
necesarios para completar los tres. Si debe asignarse un líder de proyecto a un solo cliente, ¿Qué asignaciones
deberán efectuarse?
Para responder a esta pregunta la administración de ABC primero deberá considerar todas las posibles
asignaciones líder de proyecto-cliente y a continuación estimar los tiempos de terminación del proyecto
correspondiente. Con tres líderes de proyecto y tres clientes, son posibles nueve alternativas de asignación. Las
alternativas y tiempos de terminación de proyecto estimados en días se resumen en la tabla siguiente:
La suma de los tiempos de terminación de los tres líderes de proyecto nos dará los días totales necesarios para
terminar las tres asignaciones, por lo que la función objetivo es:
Min. 10x11+15x12+9x12+9x21+18x22+5x23+6x31+14x32+3x33
Las restricciones para el problema de asignación reflejan la condición de que cada líder de proyecto solo puede
ser asignado como máximo a un cliente y que cada cliente solo puede tener como máximo un líder de proyecto
asignado. Estas restricciones se escriben como siguen:
Note que existe una restricción para cada uno de los nodos de la figura de Red del problema.
Combinando la función objetivo y las restricciones en un modelo se obtiene el modelo de programación lineal
con nueve variables y seis restricciones siguiente:
Min. 10x11+15x12+9x12+9x21+18x22+5x23+6x31+14x32+3x33
Sujeto a
La tabla siguiente muestra la solución por computadora de este modelo. Terry es asignado al cliente 2 (x12 = 1),
Carlos es asignado al cliente 3 (x23 = 1), y José es asignado al cliente 1 (x31=1). El tiempo total de terminación
requerido es de 26 días.
Debido a que el problema de asignación se puede considerar como un caso especial del problema de
transporte, las variantes que pueden ocurrir en un problema de asignación son paralelas a las correspondientes
en los problemas de transporte. Específicamente, podemos manejar
1. Número total de agentes (de suministros) distinto al número total de tareas (demanda).
2. Una función objetivo de maximización
3. Asignaciones no aceptables.
El problema general de asignación involucra a m agentes y n tareas. Si hacemos que xij = 1 o 0, dependiendo si
el agente i es asignado o no a la tarea j, y si cij indica el costo de asignar el agente i a la tarea j, podemos escribir
el modelo general de asignación de la forma
m n
Min c ij xij
i =1 j =1
Sujeto a:
x
j =1
ij si
i = 1,2,…,m Suministro
m
x
i =1
ij dj j = 1,2,…, n Demanda
xij 0
para todas las i y j
Asignaciones Múltiples
Al principio de esta sección, indicábamos que una característica distintiva del problema de asignación es que un
agente es asignado a una y solo una tarea. En la generalización del problema de asignación, conde un agente
puede ser asignado a dos o más tareas, es posible modificar con facilidad la formulación de programación lineal
del problema. Por ejemplo, supongamos que en el problema de ABC, Terry hubiera podido ser asignado hasta a
dos clientes; en este caso, la restricción que presenta la asignación de Terry sería x11 + x12 + x13 ≤ 2.
En general, si ai indica cual es el límite superior del número de tareas al que se puede asignar a agente i,
podemos escribir las restricciones correspondientes a los agentes de la formula
x
j =1
ij ai
i = 1,2,…,m
Por lo que vemos que una ventaja de la formulación y resolución de problemas de asignación en forma de
programas lineales es que se pueden manejar con facilidad casos especiales como el de la situación que
involucra asignaciones múltiples.
Igual que en los problemas de transporte y asignación, podemos formular un modelo de programación lineal
del problema de transbordo a partir de la representación en red. De nuevo, necesitaremos una restricción por
cada nodo y una variable por cada arco. Supongamos que x ij denota el número de unidades embarcadas del
nodo i, hacia el nodo j. Por ejemplo, x13 indica el número de unidades que se embarcan desde la planta de
Denver al almacén de Kansas City, x14 el número de unidades embarcadas de la planta de Denver al almacén de
Louisville, y así sucesivamente. Dado que el suministro de la planta de Denver es de 600 unidades, las
cantidades embarcadas desde la planta de Denver deben ser menor que o igual a 600. Matemáticamente
escribimos esta restricción de suministro de la forma
X13 + x14 ≤ 600
Consideremos ahora como expresar las restricciones que corresponden a los dos nodos de trasbordo. Para el
nodo 3 (almacén de Kansas City), debemos garantizar que el número de unidades que se embarquen sea igual
al número de unidades que se hayan recibido en el almacén. En vista que el:
Número de unidades embarcadas hacia fuera del nodo 3 = x35 + x36 + x37 + x38
y
Número de unidades embarcadas hacia el nodo 3 = x13 + x23
obtenemos:
x35 + x36 + x37 + x38 = x13 + x23
Colocando todas las variables del lado izquierdo obtenemos una restricción, que corresponde al nodo 3, de la
forma
- x13 - x23 + x35 + x36 + x37 + x38 = 0
Para desarrollar las restricciones asociadas con los nodos destino, reconocemos que, para cada nodo, la
cantidad embarcada al destino debe ser igual a la demanda. Por ejemplo: para satisfacer la demanda de 200
unidades en el nodo 5 (la tienda al detalle de Detroit), escribimos:
Como es normal la función objetivo refleja el costo total de embarque en las 12 rutas de embarque.
Combinando la función objetivo y las restricciones nos lleva a un modelo de programación lineal con 12
variables y 8 restricciones del problema de trasbordo de IJK mostrado a continuación:
Para obtener la solución óptima utilizamos el software Lindo 6.0. El cuadro siguiente muestra el resultado:
Tal y como fue mencionado al principio de esta sección, los arcos del problema de trasbordo pueden conectar
cualquier par de nodos. En un problema de trasbordo son posibles todos estos patrones de embarque. Sólo
seguiremos requiriendo una restricción por nodo, pero la restricción deberá incluir una variable por cada uno
de los arcos que entren o salgan del nodo. En los nodos de origen, la suma de los embarques hacia fuera,
menos la suma de los embarques hacia adentro, deberá ser menor o igual al suministro en el origen. Por lo que
se refiere a los nodos destino, la suma de los embarques de entrada, menos la suma de los embarques de
salida deberá ser igual a la demanda. En el caso de los nodos de trasbordo, la suma de los embarques de salida
deberá ser igual a la suma de los embarques de entrada, tal u como se dijo antes.
Para una ilustración de este problema de trasbordo, de tipo más general, modifiquemos el problema de JR.
Suponga que fuera posible embarcar directamente desde Atlanta hasta Nueva Orleáns a 4 dólares por unidad y
de Dallas hasta Nueva Orleáns a 1 dólar por unidad. El modelo de red que corresponde a este problema de JR
modificado aparece en la figura siguiente:
En la figura de la Red del problema modificado de JR agregamos dos nuevos arcos al modelo de red, por lo que
son necesarias dos nuevas variables en la formulación de la programación lineal. La figura del modelo de
programación lineal muestra las nuevas variables x28 y x78, pareciendo en la función objetivo y en las
restricciones que corresponden a aquellos nodos a los cuales están conectados estos nuevos arcos. La figura
anterior muestra el valor de la solución óptima que ha sido reducido en 600 dólares, al agregar las dos rutas de
embarque: x28 = 250 unidades, que se están embarcando directamente de Atlanta a Nueva Orleáns, y x 78 = 50
unidades, que se están embarcando directamente desde Dallas a Nueva Orleáns.
Las modificaciones al modelo de programación lineal requeridas para aceptar estas variantes son idénticas a las
modificaciones necesarias para el problema del transporte descrito en la sección anterior. Cuando agregamos
una o más restricciones de la forma xij ≤ Lij, para mostrar que la ruta del nodo i al nodo j tiene una capacidad Lij,
nos referimos al problema de trasbordo como un problema de trasbordo con capacidad limitada.
sujeto _ a :
Donde:
x ij
ar cos_ de _ salida
− x ij
ar cos_ de − entrada
si _ Nodos _ de _ origen _ i
x ij
ar cos_ de _ salida
− x ij
ar cos_ de − entrada
= 0 _ Nodos _ de _ transbordo _ i
x ij
ar cos_ de _ entradaa
− x ij
ar cos_ de _ salida
= d j _ Nodos _ de _ destino _ j
Dónde:
Empezamos desarrollando una representación en red del problema. Primero, creamos cuatro nodos que
corresponden a la producción en cada uno de los trimestres y cuatro nodos que corresponden a la demanda de
cada trimestre. Cada nodo de producción esta conectado por un arco de salida al nodo de demanda
correspondiente del mismo período. El flujo del arco representa las yardas cuadradas de alfombras fabricadas
durante el período. Para cada nodo de demanda, un arco de salida representa el inventario (yardas cuadradas
de alfombra) que se trasladan hacia el nodo de demanda correspondiente al período siguiente.
Utilizando variables de decisión similares, obtenemos las capacidades de producción para los trimestres 2 al 4:
X26 ≤ 300
X37 ≤ 500
X48 ≤ 400
Ahora veamos el desarrollo de las restricciones para cada uno de los nodos de demanda. Para el nodo 5 entra
un arco al nodo, que representa el número de yardas cuadradas de carpeta producidas en el trimestre 4, y sale
un arco, que representa el número de yardas cuadradas de alfombra que no serán vendidas en el trimestre 1 y
que se trasladarán para su posible venta durante el trimestre 2. En general, para cada trimestre, el inventario
inicial, más la producción, menos el inventario final, deberá ser igual a la demanda. Sin embargo, en el
trimestre 1 no hay inventario inicial; por lo que la restricción del nodo 5 es
Las restricciones asociadas con los nodos de demanda de los trimestres 2, 3 y 4 son
Note que la restricción del nodo 8 (demanda del cuarto trimestre) sólo involucra dos variables, ya que no hay
ninguna provisión de mantener inventarios para un quinto trimestre.
El objetivo es minimizar la producción total y el costo del inventario, por lo que escribimos la función objetivo
de la forma
Utilizamos el Lindo 6.0 para resolver el problema de Ismael. La figura siguiente muestra los resultados: Ismael
deberá fabricar 600 yardas cuadradas de alfombra en el trimestre 1, 300 yardas en el trimestre 2,400 yardas en
el 3 y 400 yardas en el trimestre 4. Note también que se trasladarán 200 yardas cuadradas del trimestre 1 al
trimestre 2. El costo total de producción y de inventarios es de 5,150 dólares.
2. Algoritmos:
Una compañía tiene dos sucursales. Una ubicada en Camaná que puede producir 3000 docenas de cajas y los
costos de enviar cada docena de cajas a las ciudades de Cuzco, Tacna, Moquegua y Puno son de 5, 8, 3 y 6
dólares respectivamente, la sucursal de Mollendo puede producir 4000 docenas de cajas y los costos de enviar
a las ciudades de Cuzco, Tacna, Moquegua y Puno son de 6, 2, 4 y 5 dólares respectivamente, la fábrica
principal ubicada en la ciudad de Arequipa puede producir 5000 docenas de cajas y los costos de enviar a las
ciudades de Cuzco, Tacna, Moquegua y Puno son de 4, 5, 7 y 4 dólares respectivamente. Los consumos para las
cuatro ciudades son de 2500, 1500, 4500 y 3500 docenas de cajas respectivamente. Determinar el mínimo
costo de transporte desde los centros de abastecimientos a los consumidores.
SOLUCIÓN
El problema del caso estudio puede ser representado gráficamente del modo siguiente:
Para tomar en consideración todos los datos del problema, observamos que el gráfico anterior traduce en
forma esquemática los datos que son conocidos del problema como son la oferta del producto en cada fábrica,
las demandas de productos en cada ciudad y los costos unitarios de transporte de cada fábrica (origen) a cada
ciudad consumidora (destino), además presentamos las variables incógnitas del problema de transporte que
generalizado podemos representarlo por:
Xij: Cantidad de docenas de cajas enviadas de la fábrica "i" al consumidor "j" (valor a determinar)
Cij: Costo de enviar una docena de cajas de la fábrica "i" al consumidor "j" (valor conocido)
ai : Cantidad de docenas de cajas que ofrece la fábrica "i", (valor conocido)
bj : Cantidad de docenas de cajas que consume el cliente "j", (valor conocido)
Los datos y variables incógnitas quo representan al problema podemos representarlos en la gráfica siguiente:
Ordenando los datos en la matriz del problema del transporte obtenemos la Matriz de Transporte siguiente:
Como se puede observar en el cuadro anterior las variables incógnitas o de decisión del problema están
determinados por Xij (docenas de cajas a transportarse desde la fábrica "i" a la ciudad consumidora "j") y los
valores conocidos están determinados por Cij (costo de trasladar una docena de cajas de la fábrica "i" a la
ciudad "j"), así como la oferta de docenas de cajas (ai) que producen cada una de las fábricas "i" y la cantidad
de demanda requerida por cada ciudad "j" (bj).
Luego de haber procedido a tabular los datos, estamos en condiciones de aplicar un método de solución inicial
mediante el algoritmo de transporte, para posteriormente dar uso a otro algoritmo de solución final, y de esta
forma determinar la solución óptima del modelo de transporte en estudio.
En consecuencia, la matriz de transporte diseñada en el cuadro anterior nos servirá de modelo, para la
aplicación de métodos de solución inicial y final que usaremos a continuación.
Este método tiene la particularidad de asignar sucesivamente las cantidades a distribuir a las celdas cuyos
costos en la matriz sean los de menor valor.
Pasos a seguir:
1. Se identifica la celda cuyo costo es el más bajo de todas las que integran la matriz Cij. Si existen varias se
selecciona arbitrariamente una de ellas o la que más conviene para la minimización del problema.
2. La celda elegida es asignada por xij=Min(ai.bj).
3. Luego de asignado xij se elimina la fila "i" y/o columna "j" dependiendo si la oferta y/o demanda se hagan
nulas.
4. Una vez asignado xij se elige otra celda cuyo costo sea el más bajo de todas las que integran la matriz a
excepción de la celda ya elegida. Si existen varias se toma arbitrariamente una de ellas o la que más
convenga.
5. Se siguen los mismos pasos anteriores hasta que sean asignados a las celdas seleccionadas todas las
ofertas o requerimientos de la matriz con forme se presenta en el cuadro 2.
CUADRO 2.
APLICACIÓN DEL MÉTODO DEL COSTO MÍNIMO
SOLUCIÓN
1. Celda cuyo costo es el más bajo de la matriz: celda (3,2) X32=Min (4000,1500) = 1500; a3 = 4000-1500
= 2500; se elimina columna 2(1°).
2. Celda cuya celda es más bajo a excepción de (3,2): celda (1.3) X13=Min(3000,4500)=3000; b3 = 4500-
3000 = 1500: se elimina fila 1 (2°) .
3. Celda cuyo costo es el más bajo: celdas (2,1), (2,4) y (3,3), elegimos celda (2,4) de donde asignamos a
la referida celda la cantidad X24=Min (5000,3500)=3500; a2 = 5000-3500 =1500; se elimina columna 4
(3°).
4. Celda cuyo costo es el más bajo: celdas (2,1) y (3,3) elegimos (2,1), X21=Min(1500,2500) = 1500; bl =
2500-1500= 1000 se elimina fila 2 (4°).
5. Celda cuyo costo es el más bajo: celda (3.3) X33=Min(2500,1500)=1500; a3=2500-1500=1000; se
elimina columna 3 (5º).
6. Celda cuyo costo es el más bajo: celda (3,1), X3l=Min(1000,1000)=1000; se elimina fila 3 y columna 1
(6°).
Con los cálculos anteriores generamos la solución básica inicial para asignaciones de:
X32=1500 X24=3500 X33=1500
X13=3000 X21=1500 X31=1000
El método consiste en medir la diferencia entre los dos costos menores en cada fila o columna; de esta manera
se tiene (m+n) diferencias. Se debe buscar la columna o fila cuya diferencia sea mayor y por ahí introducir a la
base, la asignación de Xij correspondiente a la celda de costo más bajo (i, j) . Dependiendo de qué
requerimiento es satisfecho, eliminar el reglón o la columna y repetir el proceso para la tabla resultante,
procediendo así hasta obtener la solución básica factible. Este método determina solución inicial generalmente
superior a las anteriores, cercana a la óptima.
CONCEPTO DE PENALIDAD
Es la diferencia entro el segundo menor costo y el menor de todos ya sea tomando en cuenta la fila o columna.
2. Se escoge la máxima pena1idad, ubicándola ya sea en la fila o columna, dentro de la máxima penalidad
ubicada, se escoge la celda de menor costo.
3. Se hace cálculo de las nuevas penalidades se escoge el menor costo de cada empate.
4. Si persiste el empate se procede al cálculo de las penalidades secundarias.
En la fila (o columna) se escoge el segundo menor costo de esa fila (o columna) y dentro de la fila que
pertenece se realiza una resta.
5. Si a pesar de ello persiste el empate se procede a elegir arbitrariamente ya sea la fila o columna. La
aplicación del método lo podemos observar en el cuadro 4.
CUADRO 4.
MÉTODO DE VOGEL
PASOS A SEGUIR
Calculo de penalidades, para:
O1=5-3=2 Dl=5-4=1
O2=4-4=0 D2=5-2=3
O3=4-2=2 D3=4-3=l
D4=5-4=l
1. Se elige como máxima penalidad la columna 2 (penalidad 3), luego se observa que celda de costo mínimo
en la columna 2 es (3,2) de donde:
X32=Min(4000,1500)=1500) a3= 4000-1500=2500
Se elimina columna 2 (1°).
2. Se calcula penalidades para filas y columnas que no han sido eliminadas, de donde:
O1=2 O2=0 O3=1 Dl=l D3=l D4=l. Luego, observamos que la máxima penalidad se ubica en la fila 1. Su
mínimo costo se encuentra en la celda (1,3) de donde: X13=Min(3000,4500)=3000, b3=4500-3000=1500
Se elimina fila 1 (2 º).
5. Nuevo cálculo do penalidades, solo existe para la columna de donde: D4=5-4=l. mínimo costo en celda
(2.4):
X24=Min(2500,3500)=2500. b4=3500-2500=1000 Se elimina fila 2(5o).
En el presente trabajo vamos a desarrollar tres métodos de solución final u óptima los cuales están definidos
por los métodos U-V, algoritmo de optimización y de Stepping-Stone, para su aplicación será necesario partir
con una solución básica inicial determinada por algunos de los métodos ya estudiados anteriormente. A
continuación pasamos a ver cada uno do los métodos.
1. Siguiendo con el caso estudio analizado en los métodos de solución inicial partiremos con la solución del
método de la Matriz Mínima (Cuadro 3)
2. Determinación de la matriz Zij, tomando en cuenta las celdas con asignación en la solución inicial los cuales
son: (1,1), (1,3), (2,1), (2,4), (3,2) y (3,3) identificándose sus respectivos costos. En resumen se tendría las celdas
con costos asignados (resaltados) que se observan en los cuadros 5 Y 6:
CUADRO 5:
D1 D2 D3 D4 Ui
O1 5 3 U1
O2 4 4 U2
O3 2 4 U3
Vj V1 V2 V3 V4
CUADRO 6
MATRIZ Zij
D1 D2 D3 D4 Ui
O1 5 1 3 5 1
O2 4 0 2 4 0
O3 6 2 4 6 2
Vj 4 0 2 4
Para determinar los otros valores del cuadro 6 se pasa a determinar valores Ui y Vj. para lo cual se da un valor
arbitrario cualquiera para uno y solamente un valor Ui o Vj. En nuestro caso damos el valor inicial arbitrario
para U2 (fila 2) = 0 (el valor arbitrario cero es el más adecuado porque permite minimizar la complejidad de las
operaciones). El valor arbitrario puede darse a uno y solamente un valor Ui de fila o un valor Vj de columna. El
resto de valores Ui y Vj sale como consecuencia de que cada celda de la matriz Zij; debe valor (Ui + Vj) y se
resume en el cuadro 7. Es recomendable asignar el único valor arbitrario a una fila (ui) o columna (vj) que tenga
mayor número de celdas asignadas.
Se identifica la matriz de costos originales o sin modificación alguna, compuesta por la matriz Cij y se le resta la
matriz Zij obteniendo la matriz diferencia Dij tal como se aprecia en los cuadros siguientes:
CUADRO 7:
DETERMINACIÓN DE LA MATRIZ Dij
5. En esta parte debemos preguntarnos si hemos llegado a la solución óptima; es decir si todos los valores de
Dij son menores o iguales a coro, lo que indicarla que estamos en solución óptima; si hubiera al monos algún
valor menor a cero significa que hay mejor solución por lo tanto debemos elaborar "la trayectoria cíclica de + y
- a partir del menor valor negativo de Dij. Para nuestro caso sólo existe un valor menor a cero y se ubica en la
celda (3,4) con D34 = -1 por lo tanto elaboramos la trayectoria cíclica a partir de la celda (3,4) como celda no
asignada y debemos ubicar las otras en su sentido vertical y horizontal conocidas asignadas de tal forma que la
trayectoria iniciada en (3,4) debe culminar en (3.4) como se muestra en el cuadro 4. Es necesario aclarar que en
cada fila o columna de la trayectoria cíclica siempre debe existir el mismo número de + y - para mantener los
mismos valores de oferta y demanda. En la trayectoria el valor + significa que se va a asignar a una celda vacía
una determinada cantidad y que esa misma cantidad se incrementa a celdas asignadas con valor +, igual
criterio tiene el valor - significando que se resta la misma cantidad aumentada en +. Para saber qué cantidad se
aumenta y disminuye en la trayectoria bastará identificar el de menor asignación en la trayectoria de - el cual
se ubica en la celda (1.1) con asignación igual a 1000 y esto generará la nueva solución que se observa en el
cuadro 8.
CUADRO 8
NUEVA SOLUCIÓN
A partir de la nueva solución se vuelven a repetir los pasos 2 a 5 hasta llegar a la solución óptima
donde todos los valores Dij deben ser mayores o iguales a cero, los cuales resumimos rápida mente:
DETERMINACIÓN DE NUEVA MATRIZ Dij
Al determinar la matriz Dij observamos que todos sus valores son mayores o Iguales, esto implica que
se ha llegado a la solución óptima, cuyas asignaciones son:
X 13 = 3000 X 21 = 2500 X 24 = 2500
X 32 = 1500 X 33 = 1500 X 34 = 1000
Su costo total mínimo es
CT = 3(3000) + 4(2500) + 4(2500) + 2(1500) + 4(1500) + 5(1000) = 43000
Del mismo modo determinamos los valores de las otras celdas no asignadas, d ependiendo do la
trayectoria cíclica que tomen.
3. Si después do haber obtenido los Di j no asignados, los resultados son:
Todos los Dij >= 0, la solución es óptima
Si algún Dij < 0, existe mejor solución
4. Si existe mejor solución, será necesario encontrar la nueva solución, aplicando el criterio de la
trayectoria cíclica, asignando una cantidad Xi al mayor valor absoluto de los valores Dij<0 que
existan.
5. Repetimos los pasos hasta obtener todos los Dij >= 0.
APLICACIÓN DEL MÉTODO
1. Iniciamos con la solución inicial por el método de la matriz mínima, de acuerdo al cuadro 9
CUADRO 9
SOLUCIÓN INICIAL: MÉTODO DE LA MATRIZ MÍNIMA
2. Determinación de los valores Dij para cada una de las celdas con costos no asignados.
D12= +8 -2 +4 -3 =7
D14= +6 -4 +4 -5 =1
D22= +5 -4 +5 -3 +4 -2=5
D23= +7 -3 +5 -4 =5
D31= +6 -4 +3 -5 =0
D34= +5 -4 +4 -5 +3 -4 =-1
3. Como D 34 < 0 implica que existe mejor solución.
4. A partir de la celda (3.4) se inicia y termina la trayectoria cíclica de + y - con la finalidad de
asignar X 34 a su respectiva celda no asignada. Esto se muestra en el cuadro 9 y el resultado de la
nueva solución se muestra en el cuadro 10
CUADRO 10
NUEVA SOLUCIÓN
5. Repetimos el paso 2 para determinar los nuevos Dij de celdas no asignadas en la solución óptima.
D11= +5 -3 +4 -5 +4 -4 =1 D22= +5 -4 +5 -2 =4
D12= +8 -3 +4 -2 =7 D22= +5 -4 +5 -2 =4
D14= +6 -5 +4 -3 =2 D31= +6 -4 +4 -5 =1
6. Como todos los Dij>=0, implica que se ha llegado a la solución óptima, con la siguiente
asignación:
X 13 = 3000 X 24 = 2500 X 33 = 1500
X 21 = 1500 X 32 = 1500 X 34 = 1000
7. El costo total resulta ser:
CT = 3(3000) + 4(2500) + 4(2500) + 2(1500) + 4(1500) +5(1000) = 43000
C. CASOS ESPECIALES
Para levantar la degeneración se asigna artificialmente un valor E (representa a cero) en forma arbitraria a la
siguiente celda de su correspondiente fila o columna de la celda que ha permitido la eliminación de fila o
columna a la vez, porque ai = bj. En nuestro caso la celda (1.1) ha permitido la eliminación de fila 1 y comuna 1.
De acuerdo al criterio de levantamiento de la degeneración, las posibles celdas a obtener asignación serán (1.2)
y (2.1). Elegimos arbitrariamente la celda (1.2) y le asignamos Xij = E con lo que levantamos la degeneración
como se muestra en el cuadro 11.
En estos momentos nos encontramos aptos a emplear cualquiera de los métodos de solución óptima.
Par este caso aplicaremos el método de Stepping – Stone de donde:
D 13 = + 5 – 6 + 8 – 5 = 2
D 21 = + 6 – 5 + 6 – 8 = -1
Como D21 no existe mejor solución: Luego aplicamos el criterio de la trayectoria cíclica y se muestra también en
el cuadro 11 para encontrar la nueva solución. En la trayectoria de + y - , el menor valor de los – es 150 por lo
tanto asignaremos a la celda (2.1) = + 150 y a las otras celdas de la trayectoria agregamos y restamos la misma
cantidad; de donde obtenemos la nueva solución que se muestra en el cuadro 12.
CUADRO 13
NUEVA SOLUCION
Cuando no encontramos en un problema de maximización existe varias formas e resolver el problema, nos
ocupamos de tres de sus formas para el modelo que se presente en el cuadro 14 en el cual podemos suponer
que se trata de una empresa que desea determinar su beneficio total por transportar su producto desde los
orígenes (01, 02, 03) a los destinos (D1, D2, D3)
CUADRO 14
PROBLEMA DE MAXIMIZACIÓN
D1 D2 D3 OFERTA(ai)
01 5 3 6 10
02 8 2 4 15
03 4 7 9 5
DEM (bj) 8 13 9
a. Maximizando el modelo
La aplicación es la misma que realizamos cuando nos ocupamos anteriormente del problema de minimización,
con la condición de que ahora invertiremos el proceso seguido, porque optaremos por los beneficios unitarios
mayores que maximizan los resultados del problema.
CUADRO 15
SOLUCION INICIAL: METODO DEL BENEFICIO MÁXIMO
En el cuadro 15 hemos aplicado el mismo proceso que seguimos cuando nos ocupamos del método del costo
mínimo, con la variante de que ahora elegimos los beneficios máximos en lugar de los mínimos costos.
La solución del método del beneficio máximo es:
X12 = 6; X34 = 4; X21 = 8; X22 = 5
CT = 3(6) + 6(4) + 8(8) +2(7) + 9(5) = 165
Ahora nos preguntamos si con el cuadro 15 hemos llegado a la solución optima, para ello debemos determinar
la matriz Dij
En caso de minimización, la solución óptima se obtenía cuando todos los valores de Dij eran mayores o iguales a
cero. En caso de maximización, la solución óptima se obtiene para cuando todos los valores de Dij son menores
o iguales a cero. Para nuestro ejemplo se tiene la celda C32 +1, entonces hay que determinar su trayectoria
cíclica y realizar la reasignación respectiva, finalmente se calcula nuevamente la matriz Dij. En el caso en el que
cumpla la condición (Dij<=0) se habrá llegado a la solución óptima, tal como se muestra en el cuadro 16.
CUADRO 16
SOLUCION ÓPTIMA
En la ultima matriz Dij tenemos que todos sus valores negativos o iguales a cero por lo tanto hemos llegado a la
solución optima que se presenta en el cuadro 16 el cual resulta ser:
X12 = 1; X13 = 9; X21 = 8; X22 = 7; X32 = 5
CT = 3(1) + 6(9) + 8(8) +2(7) + 7(5) = 170
En este caso nos limitamos a multiplicar por menos uno a todos los beneficios unitarios de la tabla para
posteriormente proceden a aplicar cualquiera de los métodos posteriormente procede a aplicar
cualquiera de los métodos estudiados como si nos encontramos en un caso de minimización, la
aplicación del mismo se presenta en el cuadro 17
CUADRO 17
PROBLEMAS DE MAXIMIZACION
El proceso tiene por condición elegir el máximo beneficio unitario, procediéndose luego a restar al valor
elegido los otros beneficios de cada casillero, luego del cual aplicamos los métodos de minimización con los
nuevos valores determinados, como se muestra en el cuadro 18.
CUADRO 18
PROBLEMA DE MAXIMIZACION
El algoritmo del transporte se aplica cuando el problema está balanceado, es decir, cuando el total ofertado es
igual a la totalidad de lo demandado
En la práctica generalmente se dan a los casos desbalanceados, cuando al comparar oferta con demanda existe
una diferencia entre ambos que posibilita los siguientes casos
a. LA OFERTA TOTAL ES MAYOR QUE LA DEMANDA TOTAL
Cuando nos encontramos en esta situación, salvamos el desbalance creando un destino ficticio con los costos
de transporte nulos y su correspondiente demanda igual a:
m n
Dj =ai - bj
i=1 j=1
Supongamos que tenemos el problema que se muestra en el cuadro 19.
CUADRO 19.
OFERTA MAYOR QUE DEMANDA
En el cuadro 20 mostramos la aplicación del destino ficticio (D3 = 80 -70 = 10) con costos unitarios nulos.
CUADRO 20
PROBLEMA BALANCEADO
CUADRO 21
DEMANDA MAYOR QUE LA OFERTA
Para balancear el problema será necesario que sea creado en origen ficticio (O3 = 85 – 70) con costos nulos
como se muestra en el cuadro 23.
CUADRO 23
PROBLEMA BALANCEADO
Para ambos casos, luego de balanceado el problema se procede a aplicar cualquiera de los métodos estudiado
para encontrar la solución inicial y optima del mismo
Puede existir casos en que por ciertas condiciones del modelo no se desee trasladar por ejemplo productos
desde cierto origen a un determinado destino, en tales condiciones asignamos un costo unitario muy grande
como M o un valor conocido prohibitivo a la celda con dicha restricción; con la única intención de asegurarnos
que no participe su respectiva variable en la solución óptima, como se muestra en el cuadro 24.
CUADRO 24
TRANSPORTE PROHIBIDO
El cuadro 24 nos refleja que no existirá traslado de O1 a D2 y de O3 a D4, en cuyas celdas se les asignan costos
M de valor infinitamente grande, luego del cual procedemos a aplicar los métodos de solución del modelo de
transporte.
Este caso se presenta cuando al aplicar el método de solución óptima u-v nos encontramos que en la matriz Dij
existe una cantidad mayor a (m+n-1) de valores nulos como apreciamos en el siguiente ejemplo, sobre todo en
la matriz Dij.
CUADRO 25.
METODO VOGUEL
CUADRO 26
SOLUCION ÓPTIMA
En el ejemplo observamos que la matriz (Dij = Cij - Zij) >=0, esto implica que nos encontramos en la solución
óptima con aplicación del método de Voguel. Además observamos que el número de valores ceros y nulos en la
matriz Dij es mayor a (m + n – i = 4) por lo tanto significa que nos encontramos en un caso de soluciones
optimas múltiples.
El método de Voguel arroja una solución óptima, luego debemos encontrar otra solución óptima, para ello
observamos que la celda (2.3) de la matriz Dij no tiene en la solución asignación, por lo tanto debemos
encontrar una solución óptima, por lo tanto debemos encontrara una nueva solución asignando X 23 = 50 (valor
mínimo de la trayectoria cíclica) el cual nos proporciona la solución óptima que se muestra en el cuadro 26.
En resumen nos encontramos con la primera solución óptima:
X11 = 50; X13 = 100; X21 = 50; X22 = 250
CT = 5(50) + 4 (100) + 6 (50) + 3 (250) = 1700
Segunda solución óptima:
X11 = 100; X13 = 50; X22 = 250; X23 = 50
CT = 5 (100) + 4 (50) + 3 (250) +5 (50) = 1700
CUADRO 27
La característica del modelo de transporte es identificar los orígenes son la oferta en las plantas procesadoras y
los destinos la demanda en los almacenes.
El problema de transporte múltiple contempla que cada planta procesadora genera un mínimo de orígenes
igual del número de productos que proceso y que cada almacén genera un numero de destino igual al número
de productos que recepciona.
En conclusión, habrá 3 orígenes en la planta 1; 1 en la planta 2 y 2 en la planta3, del mismo modo existirá 3
destinos para el almacén 1 y también 3 destinos para el almacén 2; como se muestra en la figura 1.
Figura 1.
En la figura anterior observamos que en definitiva tenemos un modelo de transporte balanceado de 6 orígenes
y 6 destinos con lo cual confeccionamos el cuadro 28 en el cual estamos contemplando con los datos de cotos
unitarios de transporte.
CUADRO 28
PROBLEMAS DE TRANSPORTE MÚLTIPLE
En el cuadro 28 las celdas que tienen costos unitarios M son “trasporte prohibidos” porque no existe
traslado de productos entre su origen y destino como se puede apreciar en la figura 1
Por ejemplo no existe traslado del origen F de P1 al destino D de A1. Del mismo modo estamos suponiendo
costos unitarios reales entre orígenes y destinos donde existe traslado de productos. Así podemos observar
que el costo de trasporte unitario entre el origen D de P3 y el destino D de A2 es 5. Luego de haber obtenido el
cuadro 28 estamos en condiciones de aplicar los métodos de solución estudiados.
Existe otra forma de plantear el problema de transporte múltiple, que consiste en descomposición de modelos
de transporte por productos. En nuestro ejemplo existen 3 productos a trasportar por lo tanto debe generar 3
modelos en P1 (origen) y existe demanda en A1 y A2 (destinos). El producto D es producto de P1 y P3
(orígenes) y existe demanda en A1 y A2 (destinos). El producto C es producido en P1, P2 y P3 (orígenes) y existe
demanda en A1 y A2 (destinos)
CUADRO 29
PRODUCTOS F
CUADRO 30
PRODUCTOS D
CUADRO 31
PRODUCTOS C
Si damos solución independientemente a los tres modelos y al final combinamos sus soluciones óptimas,
obtendremos la misma solución óptima que genere el cuadro 28
Es un caso especial del modelo de transporte. En que la oferta de cada origen es siempre a i = 1 y la demanda es
cada destino es siempre bj = 1.
Antes de pasar a dar solución a un modelo de asignación debemos cerciorarnos si cumple con las
especificaciones que requiere todo modelo de transporte como es el de balancear ofertas y demandas, colocar
costos unitarios M donde no se requiere asignación, crear un origen ficticio con costos unitarios ceros cuando
el modelo es desbalanceado, etc. El tratamiento para maximización es el mismo que se le da a todo modelo de
transporte.
A continuación pasaremos a ver la aplicación del método Húngaro a un ejemplo específico.
METODO HUNGARO
La mecánica que sigue el método Húngaro la vamos a realizar en función al desarrollo que muestra el ejemplo
del cuadro 32 el cual se atribuye a distribuir las ambulancias hacia los tipos de paciente al menor costo posible.
CUADRO 32
PROBLEMA DE ASIGNACION
MATRIZ Cij, donde Cij es la distancia recorrida (en Km) por la ambulancia i para atender al paciente j.
1.- Se determina en cada columna (vj = mínimo cij) de cada columna, como se muestra en el cuadro 32
2.- Se procede a determinar la matriz C’ij = Cij de cada columna menos su respectivo Vj . Como se muestra en el
cuadro 33.
CUADRO 33
MATRIZ C’ij
3.- En cada fila determinamos su ui = Minimo de C’ij de cada fila como se establece en el cuadro 33.
4.-Pasamos a determinar la matriz C’’ ij = C’ij de cada fila menos su respectivo u i como observamos en el cuadro
34.
CUADRO 34
MATRIZ C’’ij
5.- Este paso consiste en trazar líneas o columnas y/o filas de la matriz C’’ij con la finalidad de desechar o tachar
los ceros con el mismo número de líneas.
Si el número de líneas mínimo trazado es igual al número de líneas o columnas (n1 =5) de la matriz C’’ij,
entonces nos encontramos en la solución óptima.
Si el número mínimo de líneas trazadas es menor a (n1 = 5) entonces debemos continuar con el paso 6. En
nuestro caso el número mínimo de líneas que tachan a los ceros es:
n = 4 < n1 = 5 debemos continuar con e paso 6.
6.- Elegimos el menor valor de la matriz C’’ij que no ha sido tachado, en nuestro caso el menor elemento no
tachado es 1, luego procedemos a los siguientes pasos:
- A los elementos no tachados se le restan el elemento elegido.
- A los elementos que se encuentran en la intersección de dos líneas se le aumenta elemento elegido. Ambos
pasos son mostrados en el cuadro 35
CUADRO 35 PACIENTE
AMBULANCIA A B C D E
1 1 2 0 0 1
2 0 0 2 5 0
3 3 0 0 3 3
4 7 3 0 3 0
5 0 1 1 0 0
En el cuadro 35 se necesitarán como mínimo líneas para tachar los ceros por lo tanto hemos llegado a la
solución óptima, de no haber sido así debemos continuar con los pasos cinco y seis hasta la obtención de la
solución óptima.
7.- En esta parte procedemos a la asignación correspondiente a la solución óptima, pasando a asignar a aquella
fila o columna que tenga un solo cero en la instancia, si no existiera se busca fila o columna con dos ceros, y así
sucesivamente.
Una vez hecha la asignación se eliminan los otros dos ceros de la fila y columna de la celda asignada,
volviéndose a repetir el paso siete desde su inicio hasta la asignación completa de la matriz.
En el cuadro 36 se presentan una solución óptima de las varias que existen en el modelo desarrollado.
La asignación óptima del cuadro 6 es:
Ambulancia 1 – paciente D
Ambulancia 2 – paciente E
Ambulancia 3 – paciente B
Ambulancia 4 – paciente C
Ambulancia 5 – paciente A
Cuyo costo total es:
CT= 13 + 15 + 16 + 13 + 16 = 73
Las otras soluciones óptimas se muestran en el cuadro 36
CUADRO 36
3. Banco de Problemas
1.1 MODELOS DE TRANSPORTE
Problema 1.- La Compañía BBVA tiene pedidos de tres productos similares: A, B y C con cantidades de 2000,
1500 y 1200 unidades respectivamente.
Hay disponibles tres máquinas para las operaciones de manufactura; las tres pueden producir todos los
productos a la misma velocidad de producción. Sin embargo, debido a distintos porcentajes de defectuosos en
cada producto y cada máquina, el costo unitario de los productos varía, dependiendo de la máquina utilizada.
La capacidad de las máquinas 1, 2 y 3 para la semana siguiente son: 1500, 1500 y 1000 unidades
respectivamente. Los costos unitarios de producción en dólares/unidad son los siguientes:
Producto
Máquina A B C
1 10 8 12
2 7 5 4
3 6 9 5
Se pide:
a. La solución óptima aplicando Vogel y Stepping-Stone.
Nota: Para soluciones degeneradas, el valor Epsilon deberá agregarse en la 1ra celda que no permita
encontrar trayectoria cíclica.
b. ¿Qué productos se quedan con demanda insatisfecha y de cuánto?
Problema 2.- Una compañía tiene dos sucursales. Una ubicada en Camaná que puede producir 3000 docenas
de cajas y los costos de enviar cada docena de cajas a las ciudades de Cuzco, Tacna, Moquegua, Ica y Puno son
de 5, 8, 3, 2 y 6 dólares respectivamente, la sucursal de Mollendo puede producir 4000 docenas de cajas y los
costos de enviar a las ciudades de Cuzco, Tacna, Moquegua, Ica y Puno son de 6, 2, 4, 6 y 5 dólares
respectivamente, la fábrica principal ubicada en la ciudad de Arequipa puede producir 5000 docenas de cajas y
los costos de enviar a las ciudades de Cuzco, Tacna, Moquegua, Ica y Puno son de 6, 5, 7, 5 y 4 dólares
respectivamente. Los consumos para las cuatro ciudades son de 2500, 1500, 4500, 3500 y 1000 docenas de
cajas respectivamente. Se obliga satisfacer la demanda de la ciudad del Cuzco, así como garantizar un envío de
por lo menos 1000 docenas de Camaná a Tacna.
1. Construya el modelo matemático que permita determinar el plan y el mínimo costo de transporte
desde los centros de abastecimientos a los consumidores.
2. Construya el modelo algebraico respectivo.
3. Interprete la salida del Solver.
4. Aplique el algoritmo de Vogel y Stepping-Stone para encontrar la solución óptima del problema.
Problema 3.- Un producto es manufacturado en tres plantas y embarcado a tres almacenes (los costos de
transporte por unidad aparecen en la tabla siguiente).
Almacén Capacidad
Planta W1 W2 W3 de la planta
P1 20 16 24 300
P2 10 10 8 500
P3 12 18 10 100
Demanda de cada almacén 200 400 100
e. Si se obliga agotar la capacidad de la planta P3, desarrolle un modelo de programación lineal para
minimización de costos de transpone.
Xij: Nro de unidades manufacturados en el almacén i y embarcados al almacén j
i=1,2,3
j=1,2,3
Min 20x11+16x12+24x13+10x21+10x22+8x23+12x31+18x32+10x33
St
Restricciones de capacidad de planta:
x11+x12+x13≤300
x21+x22+x23≤500
x31+x32+x33=100 agotar la capacidad de la planta 3
Restricciones de demanda de los almacene:
x11+x21+x31=200
x12+x22+x32=400
x13+x23+x33=100
xij≥0
Problema 4.- Un producto es manufacturado en tres plantas y embarcado a tres almacenes (los costos de
transporte por unidad aparecen en la tabla siguiente).
Almacén Capacidad
Planta W1 W2 W3 de la planta
P1 20 16 24 300
P2 15 10 8 500
P3 12 18 10 100
Demanda de cada almacén 200 400 300
MODELO MATEMATICO
Min 20X11+16X12+24X13+10X21+10X22+8X23+12X31+18X32+10X33
ST
X11+X12+X13 <= 300
X21+X22+X23 <= 500
X31+X32+X33 <= 100
X11+X21+X31 = 200
X12+X22+X32 = 400
X13+X23+X33 = 100
Xij>=0
W1 W2 W3 Oferta p1 p2 p3
P1 20 16 24 4 4 4 5to
200 100 300 100 0
P2 15 10 8 2 7 2do
400 100 500 100 0
P3 12 18 10 2 2 2
100 100 0
Demanda 200 400 300 900 Solución
0 0 200 inicial:
100 X11=200
0 X13=100
p1 3 6 2 X22=400
p2 3 2 X23=100
p3 8 14 X33=100
4to 1ro 3ro Z=
200*20+100*24+400*10+100*8+100*10= 12200
W1 W2 W3 Oferta
P1 20 16 24
200 100 300
P2 15 10 8
300 200 500
P3 12 18 10
100 100
Demanda 200 400 300 900
VM13=24-8+10-16=10
VM21=15-10+16-20=1
VM31=12-10+8-10+16-20-4
VM32=+18-10+8-10=6
W1 W2 W3 Oferta
P1 20 16 24
100 200 300
P2 15 10 8
200 300 500
P3 12 18 10
100 100
Demanda 200 400 300 900
VM13=24-8+10-16=10
VM21=15-10+16-20=1
VM32=18-16+20-12=10
VM33=10-8+10-16+20-12=4
Como todos los valores marginales son positivos, es la solución óptima.
X11=100
X12=200
X22=200
X23=300
X31=100
Problema 5.- Considere la representación en red siguiente de un problema de transporte: Los suministros,
demandas y costos de transporte por unidad aparecen en la red.
SOLUCION:
Modelo matemático:
¥i: 1, 2
¥j: 1, 2, 3
Min 16X13+9X12+7X11+8X23+10X22+2X21
S.T.
X13+X12+X11=30
X23+X22+X21=20
X13+X23<=25
X12+X22<=25
X11+X21<=25
Xij>=0
Pedidos
Producto (unidades)
A 2000
B 1500
C 1200
Hay disponibles tres máquinas para las operaciones de manufactura; las tres pueden producir todos los
productos a la misma velocidad de producción. Sin embargo, debido a distintos porcentajes de defectuosos en
cada producto y cada máquina, el costo unitario de los productos varía, dependiendo de la máquina utilizada.
La capacidad de máquinas para la semana siguiente, así como los costos unitarios son los siguientes:
Capacidad
Máquina (unidades)
1 1500
2 1500
3 1000
Producto
Máquina A B C
1 $1.00 $1.20 $0.90
2 $1.30 $1.40 $1.20
3 $1.10 $1.00 $1.20
SOLUCION:
Min :
1x11 + 1.20x12+ 0.90x13 + 1.30x21 + 1.40x22 + 1.20x23 + 1.10x31 + 1x32 + 1.20x33
S.T.
x11 + x12 + x13 = 1500
x21 + x22 + x23 = 1500
x31 + x32 + x33 = 1000
x11 + x21 + x31 <= 2000
x12 + x22 + x32 <= 1500
x13 + x23 + x33 <= 1200
d. Tomando la salida del WinQsb mostrada abajo, muestre el programa de producción óptimo, el
costo total mínimo y la demanda insatisfecha.
Programa de Producción
Problema 7.- Una compañía electrónica norteamericana produce una grabadora de cinta operada
por baterías en plantas localizadas en Martinsville, Plymouth y Franklin. El costo de transporte uni-
tario de embarques desde las tres plantas a los centros de distribución en Chicago, Dallas y New York
es como sigue:
Después de tomar en consideración los costos de transporte, la administración ha decidido que bajo ninguna
circunstancia se utilizará la ruta Plymouth-Dallas. Las capacidades de planta y los pedidos de los distribuidores
para el siguiente mes son los siguientes:
Debido a que existen diferentes escalas de salario en las tres plantas, el costo unitario de producción varía de
una a otra. Suponiendo que el costo es de 29.50 dólares por unidad en Martinsville, 31.20 dólares por unidad
en Plymouth y 30.35 dólares por unidad en Franklin.
Formule un modelo matemático de programación lineal que determine un plan de producción y de distribución
que minimice los costos de producción y de transporte.
Min :
30.95x11 + 30.90x12+ 30.90x13 + 32.30x21 + 33.45x22 + 31.30x23 + 31.55x31 + 31.55x32 + 32.15x33
S.T.
x11 + x12 + x13 <= 400
x21 + x22 + x23 <= 600
x31 + x32 + x33 <= 300
x11 + x21 + x31 = 400
x12 + x22 + x32 = 400
x13 + x23 + x33 = 400
Xij >= 0
Problema 8.-- El Ace Manufacturing Company tiene pedidos de tres productos similares:
Pedidos
Producto (unidades)
A 200
B 400
C 300
Hay disponibles tres máquinas para las operaciones de manufactura; las tres pueden producir todos los
productos a la misma velocidad de producción. Sin embargo, debido a distintos porcentajes de de-
fectuosos en cada producto y cada máquina, el costo unitario de los productos varía, dependiendo de la
máquina utilizada. La capacidad de máquinas para la semana siguiente, así como los costos unitarios son
los siguientes:
Capacidad
Máquina (unidades)
1 300
2 500
3 100
Producto
Máquina A B C
1 $2.00 $1.60 $2.40
2 $1.50 $1.00 $0.80
3 $1.20 $1.80 $1.00
a) Construya el modelo matemático que permita determinar el programa de producción a costo mínimo
de productos y máquinas. Defina sus variables de decisión
b) Aplique Vogel y Stepping-Stone para encontrar la solución óptima del problema.
Pregunta 9.- El Ace Manufacturing Company tiene pedidos de tres productos similares (A,B,C) con 200, 400 y
300 unidades respectivamente.
Hay disponibles tres máquinas (1,2,3) para las operaciones de manufactura; las tres pueden producir todos los
productos a la misma velocidad de producción. Sin embargo, debido a distintos porcentajes de defectuosos en
cada producto y cada máquina, el costo unitario de los productos varía, dependiendo de la máquina utilizada.
La capacidad de máquinas (A,B,C) para la semana siguiente son de 300, 500 y 100 unidades respectivamente.
Los costos unitarios de cada máquina por cada producto en dólares son los siguientes:
Máquina A B C
1 2.0 1.6 2.4
2 1.5 1.0 0.8
3 1.2 1.8 1.0
Problema 10.- Una compañía debe satisfacer las demandas siguientes de un producto: enero, 30
unidades; febrero, 30 unidades; marzo, 20 unidades. Se puede dejar pendiente una demanda a un
costo de 5 dólares/unidad/mes. Naturalmente, hay que satisfacer toda la demanda para el fin del
mes de marzo. Así, si se satisface 1 unidad de demanda de enero durante el mes de marzo, se incurre
en un costo por demanda pendiente de 5(2) = 10 dólares. En la tabla siguiente se muestran: la
capacidad de producción mensual y el costo de producción por unidad para cada mes
COSTO
CAPACIDAD DE
DE PRODUCCIÓN PRODUCCIÓN
(dólares)
Enero 35 400
Febrero 30. 420
Marzo 35 410
Formule un problema de transporte balanceado que se podría utilizar para determinar cómo
minimizar el costo total (incluyendo los costos por demandas pendientes, los costos de mantener el
inventario y los costos de producción) para satisfacer la demanda.
Problema 11.- Una empresa de transporte desea maximizar sus beneficios en función al traslado de mercancías
desde las ciudades A, B, C y D a las ciudades P, Q, R y S. Las ofertas, demandas y beneficios unitarios se
muestran en la tabla siguiente:
P Q R S OFERTA
A 112 115 125 95 70
B 93 95 110 115 160
C 121 150 132 135 60
D 118 92 125 90 280
DEMANDA 100 70 110 310
Además se tiene transporte obligatorio entre C-P y A-S; transporte prohibido entre D-R y transporte mínimo de
100 unidades entre D-S.
Determinar la solución óptima del problema aplicando para la solución inicial el método Vogel y para la
solución final: U-V para la primera iteración y Stepping-Stone para las demás iteraciones.
Problema 1.- El gobierno desea instalar 5 proyectos de inversión (1, 2, 3, 4 y 5) en las regiones A, B,
C y D. Se instala a lo más un proyecto por región.
La siguiente tabla muestra la rentabilidad de la inversión en un horizonte de vida de 5 años (en
millones de dólares):
Región
Proyecto A B C D
1 40 40 35 45
2 25 20 25 20
3 10 15 15 10
4 35 30 30 35
5 30 20 15 40
SOLUCIÓN
ALGORITMO HÚNGARO:
MODELO MATEMÁTICO:
Xij =1, si el proyecto i es asignado a la Región j; = 0 en caso contrario
i=1,2,3,4,5
j=a,b,c,d
Max 40X1a+40X1b+35X1c+…+40X5d
St
Restricciones de oferta:
X1a+X1b+X1c+X1d<=1
X2a+X2b+X2c+X2d<=1
X3a+X3b+X3c+X3d<=1
X4a+X4b+X4c+X4d<=1
X5a+X5b+X5c+X5d<=1
Restricciones de demanda:
X1a+X2a+X3a+X4a+X5a=1
X1b+X2b+X3b+X4b+X5b=1
X1c+X2c+X3c+X4c+X5c=1
X1d+X2d+X3d+X4d+X5d=1
Xij 0,1
Problema 2.- HTV utiliza el producto químico RB en sus operaciones de producción en cinco di-
visiones. Sólo seis proveedores llenan los estándares de control de calidad de HTV para RB. Los seis
proveedores pueden producir RB en cantidades suficientes para dar servicio a las necesidades de
cada una de las divisiones. Los volúmenes de RB necesarios para cada división de HTV y el precio por
Proveedor
División 1 2 3 4 5 6
1 2.75 2.50 3.15 2.80 2.75 2.75
2 0.80 0.20 5.40 1.20 3.40 1.00
3 4.70 2.60 5.30 2.80 4.00 5.60
4 2.40 1.80 4.40 2.40 5.00 2.80
5 3.40 0.40 5.00 1.20 2.60 3.60
HTV cree en distribuir sus necesidades entre proveedores, de manera que la empresa resulte
menos afectada por sus problemas (por ejemplo, huelgas o disponibilidad de recursos). La
política de la empresa requiere que cada una de las divisiones tenga un proveedor distinto.
SOLUCIÓN:
a) Para cada celda hay que multiplicar la demanda requerida por la suma de ambos costos, por
ejemplo para la celda 1,1 el costo lo calculamos de la siguiente manera: 40*(2.75+12.60)=614
Proveeedor
División 1 2 3 4 5 6
1 614 660 534 680 590 630
2 603 639 702 693 693 630
3 865 830 775 850 800 930
4 525 553 511 581 595 553
5 720 648 684 693 657 747
b) MODELO MATEMÁTICO:
Min 614X11+660X12+534X13+…+747X56
St
Restricciones de oferta:
X11+X12+X13+X14+X15≤1
X21+X22+X23+X24+X25≤1
X31+X32+X33+X34+X35≤1
X41+X42+X43+X44+X45≤1
X51+X52+X53+X54+X55≤1
X61+X62+X63+X64+X65≤1
Restricciones de demanda:
X11+X21+X31+X41+X51+X61=1
X12+X22+X32+X42+X52+X62=1
X13+X23+X33+X43+X53+X63=1
X14+X24+X34+X44+X54+X64=1
X15+X25+X35+X45+X55+X65=1
Xij 0,1
Problema 3.- ABC Cleaning tiene cinco sirvientas para limpiar completamente mi casa, tienen que
limpiar con aspiradora, limpiar la cocina, limpiar el cuarto de baño y poner en orden todo. En la tabla
siguiente se muestran los tiempos que necesita cada sirvienta para realizar cada trabajo. Se asigna un
trabajo a cada sirvienta. Formule un modelo matemático para determinar las asignaciones que
minimizan el número total de horas-sirvienta que se requieren para limpiar mi casa.
TIEMPO (h)
Limpiar con Limpiar la Limpiar el Ordenar
aspiradora cocina cuarto de lodo
baño
Sirvienta 1 6 5 2 1
Sirvienta 2 9 8 7 3
Sirvienta 3 8 5 9 4
Sirvienta 4 7 7 8 3
Sirvienta 5 5 5 6 4
Problema 4.- Hay cinco trabajadores disponibles para realizar cuatro trabajos. En la Tabla siguiente da el
tiempo que tarda cada trabajador para realizar cada trabajo. La meta es asignar los trabajadores a los trabajos
de tal manera que se minimice el tiempo total requerido para realizar los cuatro trabajos. Utilice el método
Húngaro para resolver el problema.
TIEMPO (horas)
Trabajo Trabajo Trabajo Trabajo
1 2 3 4
Trabajador 1 10 15 10 15
Trabajador 2 12 8 20 16
Trabajador 3 12 9 12 18
Trabajador 4 6 12 15 18
Trabajador 5 16 12 8 12
Problema 5.- En una operación de taller por tarea, se pueden llevar a cabo cuatro tareas en
cualquiera de cuatro máquinas. El número de horas requerido para cada tarea en cada una de las
máquinas se resume en la tabla siguiente. ¿Cuál es la asignación tarea-máquina que minimice el
tiempo total?
Máquina
Tarea A B C D
1 32 18 32 24
2 22 24 12 15
3 24 30 26 24
4 26 30 28 20
Problema 6.- Hay cinco emergencias que solicitan en forma simultánea una ambulancia. Se tiene
disponible solamente cuatro ambulancias para atender dichas emergencias. En la Tabla siguiente se
da la distancia que hay entre la ubicación de la ambulancia y el lugar de cada emergencia. La meta es
asignar las ambulancias a las emergencias de tal manera que se minimice la distancia total recorrida.
Formule el Modelo matemático respectivo y defina la variable de decisión.
DISTANCIA (Kms.)
Emergencia 1 Emergencia 2 Emergencia 3 Emergencia 4 Emergencia 5
Ambulancia 1 10 15 10 15 16
Ambulancia 2 5 8 20 16 6
Ambulancia 3 12 9 12 8 12
Ambulancia 4 6 12 18 18 13
MODELO MATEMÁTICO:
Xij =1, si el trabajador i es asignado al trabajo j; = 0 en caso contrario
i=1,2,3,4
j=1,2,3,4,5
Max 10X11+15X12+10X13+…+13X45
St
Restricciones de oferta:
X11+X12+X13+X14+X15=1
X21+X22+X23+X24+X25=1
X31+X32+X33+X34+X35=1
X41+X42+X43+X44+X45=1
Restricciones de demanda:
X11+X21+X31+X41 ≤1
X12+X22+X32+X42 ≤1
X13+X23+X33+X43 ≤1
X14+X24+X34+X44 ≤1
X15+X25+X35+X45 ≤1
Xij 0,1
C D E F G
A 5 6 13
B 3 4
C 4 6 2
D 7 4
G 3
Suponiendo que los costos de producción por unidad en A y B son de 15 y 17 dólares respectivamente, que se
obliga satisfacer la demanda del destino G, que se debe cumplir por lo menos con 500 m3 con el mercado E, así
como agotar la capacidad del transbordo C, construya la red de transbordo y el modelo matemático
respectivos.
Problema 2.- Dada la siguiente red de transbordo, donde se indica la capacidad de producción y la demanda en
toneladas de un producto:
La capacidad de transbordo de los nodos 4 y 5 son de 700 y 400 toneladas respectivamente. Así mismo se tiene
la siguiente matriz de costos de transporte en dólares por tonelada:
4 5 6 7 8
1 3 4
2 2 3
3 1 2
4 5 6 4
5 4 3 2
SOLUCIÓN
Sea Xij: Nro. de toneladas a transportar por el tramo ij
i = 1,2,3,4,5
j = 3,4,5,6,7,8
Respuestas:
A) El plan de transbordo es: x14=400, x24=300, x35=400, x47=100, x48=600 y x57=400
B) 6800 dólares
C) La demanda insatisfecha en destino 6 es 300 toneladas y en el destino 8 100 toneladas
Problema 3.- Dada la siguiente red de transbordo, donde se indica la capacidad de producción y la demanda en
toneladas de un producto:
Así mismo se tiene la siguiente matriz de costos de transporte en dólares por tonelada:
3 4 5 6 7
1 5 6
2 7 4
3 4 5 6
4 6 5 4
Suponiendo que se prohíbe la ruta 3 a 6 y se obliga satisfacer la demanda del destino 6, Determinar:
D) El plan de transbordo
E) El costo total
F) La demanda insatisfecha
SOLUCIÓN
Min 5x13+6x14+7x23+4x24+4x35+5x36+6x37+6x45+5x46+4x47
St
X13+x14=500
X23+x24=900
X13+x23-x35-x36-x37=0
X14+x24-x45-x46-x47=0
X35+x45<=700
X36+x46=800
X37+x47<=400
X36=0
Respuestas:
D) El plan de transbordo es: x13=500, x24=900, x35=500, x46=800 y x47=100
E) 12500 dólares
F) Demanda insatisfecha de 200 toneladas en el destino 5 y de 300 toneladas en el destino 7.
Problema 4.- Dada la siguiente red de transbordo, donde se indica la capacidad de producción la demanda en
toneladas de un producto:
Así mismo se tiene la siguiente matriz de costos de transporte en dólares por tonelada:
3 4 5 6 7
1 3 2
2 3 4
3 4 1 3
4 4 1 3
SOLUCIÓN
Sea Xij: Nro. de toneladas a transportar por el tramo ij
i = 1,2,3,4
j = 3,4,5,6,7
Min 3x13+2x14+3x23+4x24+4x35+1x36+3x37+4x45+1x46+3x47
St
X13+x14=1000
X23+x24=1500
X13+x23-x35-x36-x37=0
X14+x24-x45-x46-x47=0
X35+x45=500
X36+x46<=1200
X37+x47<=1000
Respuestas:
G) El plan de transbordo es: x14=1000, x23=1500, x36=700, x37=800, x45=500 y x46=500
H) 12100 dólares
I) Demanda insatisfecha de 200 toneladas en el destino 7.
Problema 5.- El sistema de distribución para la empresa xyz está formado por 3 plantas, 2 almacenes y 4
clientes. La capacidad de las plantas y los costos de embarque (en $) desde cada una de las plantas a cada uno
de los almacenes, son:
La demanda de los clientes y los costos unitarios de embarque (en $) de cada uno de los almacenes a cada uno
de los clientes son:
Suponiendo que exista transbordo entre los almacenes 1 y 2 y viceversa, con un costo unitario de $5:
a) Desarrolle una representación en Red para este problema
b) Construya un modelo matemático para este problema, que permita su solución óptima.
Rpta.:
Red del problema:
Problema 6.- La Cía. XXX produce petróleo en dos pozos. El pozo 1 produce 150 000 barriles por día y el pozo 2
produce 200 000 barriles por día. Es posible transportar petróleo a los puertos 1 y 2 y luego enviarlo a los
mercados 1 y 2. Este último mercado requiere 260 000 barriles por día y el 1 requiere 140 000 barriles por día.
El costo de enviar 1000 barriles entre dos puntos se muestra en la tabla siguiente:
Suponga que antes de ser enviado a los mercados, todo el petróleo producido en los pozos debe refinarse en
los puertos. Refinar 1000 barriles de petróleo cuesta $12 en el puerto 1 y $10 en el puerto 2. Suponiendo que
el puerto 2 tiene una capacidad de refinación de 150000 barriles por día y el puerto 1 tiene una de 180000
barriles por día, formule un modelo matemático para minimizar el costo diario de transportar y refinar los
requerimientos de petróleo de los mercados. Defina las variables de decisión.
Problema 7.- Una empresa tiene dos plantas (P1 y P2), un almacén regional (W) y dos tiendas de
menudeo (R1 y R2). En la red siguiente aparece la capacidad de las plantas, las demandas de la tienda
de menudeo y los costos unitarios de embarque.
Problema 8.- El problema de trasbordo es una extensión del modelo de transporte, al cual se agregan nodos
intermedios denominados nodos de trasbordo.
Se debe determinar cuántos productos deben ser trasladados por cada ruta propuesta de tal manera que se
cumpla con la cantidad demandada por cada distribuidor al menor costo posible.
Diagrama de red:
Como es un caso de transporte, el diagrama de red en el problema de trasbordo muestra las unidades a
transportar. Los lugares de origen trasbordo y los de destinos están representados por círculos conectados con
una línea que indica la ruta. Al lado de cada círculo de origen y destino se indica la cantidad de unidades
ofrecidas y demandadas sobre las líneas se indican los respectivos costos de la transporte. La numeración de
los nodos se hace de manera consecutiva dado que los nodos de trasbordo son tanto origen como destino de
rutas.
Variables:
Modelo:
Min 2 X13 + 3 X14 + 3 X23 + 1 X24 + 2 X35 + 6 X36 + 3 X37 + 6 X38 + 4 X45 + 4 X46 + 6 X47 + 5 X48
Sujeto a:
X13 + X14 600 (suministro de Lima)
X23 + X24 400 (suministro de Tacna)
- X13 - X23 + X35 + X36 + X37 + X38 = 0 (trasbordo en Ica)
- X14 - X24 + X45 + X46 + X47 + X48 = 0 (trasbordo en Arequipa)
X35 + X45 = 200 (demanda de Ayacucho)
Los valores de las variables representan la cantidad de productos que serán transportados siguiendo la
respectiva ruta.
Problema 9.- Las cooperativas de Alzira, Algemesi y Xativa, han llegado a un acuerdo para exportar a una
cadena de supermercado de Londres y París, unas cajas especiales con 3 kilos de naranjas, bajo una
misma denominación y formato. Las tres cooperativas pueden enviar desde sus factorías este producto
a los almacenes de París y Londres, o bien los pueden unificar en Silla (embarcado en tren) o en Perpiñan
(embarcado por carretera) y desde allí a los dos destinos.
Las factorías de las cooperativas son capaces de producir 1500 cajas por semana en Alzira, 1200 cajas en
Algemesi y 1800 cajas en Xativa. El supermercado de Londres tiene una demanda de 2500 cajas
semanales mientras que el supermercado de París necesita mínimo de 2300 cajas.
Los costes de transporte (en centavos de euros por caja) desde cada uno de los nodos a los restantes es de:
Construya el modelo matemático que permita determinar el plan de distribución óptimo de forma que el
suministro desde los orígenes hacia los destinos minimice el costo total.
Problema 10.- Tres refinerías envían su producto de gasolina a dos terminales. Las capacidades de aquellas se
estiman en 200 000, 250 000 y 300 000 barriles por día. Se sabe que las demandas en las terminales son de 400
000 y 450 000 barriles por día. La demanda que no se pueda satisfacer de las refinerías se adquiere de otras
fuentes. El producto de gasolina se transporta a las terminales vía una red de conductos que son impulsados
por tres estaciones de bombeo. La figura siguiente resume los enlaces de la red junto con la capacidad de cada
conducto. ¿Cuánto flujo de pasar por cada estación de bombeo?
1 1
20
10
4
10 50
50
20
2 6
20
30
5 20
30
15
3 1