olución de un modelo de transporte

mediante un algoritmo de asignación

Bryan Salazar López Send an emailagosto 10, 2021

8.862 7 minutos de lectura

En su versión más básica, un modelo de transporte tiene por objetivo llevar unidades
de un punto específico llamado fuente u origen hacia otro punto específico
llamado destino. Para cumplir con este objetivo deberá satisfacer los requerimientos
establecidos por los destinos (demanda), al tiempo que satisface la disponibilidad de
las fuentes (oferta). Estos planes de transporte deberán cumplir algún criterio de
optimización: minimizar distancias, minimizar tiempos, maximizar ganancias, por citar
algunos ejemplos.
Es conocido, que los problemas de asignación puros son una variación del problema
original del transporte, en cuyos casos las variables de decisión solo pueden tomar
valores binarios. ¿Esto qué significa? Pues bien, como algoritmo de red, un problema
básico de transporte es un modelo de asignación genérico; modelo en el cual se
pretende establecer la asignación entre fuentes y destinos; es decir, cuántas unidades
se transportarán desde el origen i hacia el destino j. Se entiende además, que en el
caso del transporte, estas variables de asignación no son necesariamente binarias.
El objetivo de este artículo consiste en utilizar las librerías del software Google OR-
Tools (Python), para abordar un problema de transporte básico, de acuerdo a un
modelo de asignación.

El problema
Con el propósito de evaluar los resultados obtenidos a través del tratamiento de un
problema técnicamente formulado y abordado, utilizaremos un caso descrito en el
libro Investigación de Operaciones (9na edición), de Hamdy A. Taha (University of
Arkansas, Fayetteville), (Ejemplo 5.1-1):

MG Auto cuenta con tres plantas en Los

Ángeles, Detroit y Nueva Orleáns, y dos
importantes centros de distribución en Denver
y Miami. Las capacidades trimestrales de las
tres plantas son 1000, 1500 y 1200
automóviles, y las demandas de los dos centros
de distribución durante el mismo periodo son
de 2300 y 1400 automóviles. La distancia en
millas entre las plantas y los centros de
distribución aparece en la siguiente tabla:Hamdy A.
Taha

Relación de distancias entre plantas y cedis

Denver Miami

Los Ángeles 1000 2690

Detroit 1250 1350
Nueva Orleáns 1275 850

Distancia dada en millas

El caso también plantea que la compañía de transporte cobra 8 centavos por milla por
automóvil. Así entonces, el objetivo del modelo no será minimizar la distancia total,
sino minimizar el costo total de transporte. Con base en la distancia dada en millas y el
costo de transporte unitario, construimos nuestra tabla de costos (redondeada al dólar
más cercano):

Relación de costos de distribución entre plantas y cedis

Publicaciones relacionadas


Programación de empleados mediante programación entera
noviembre 27, 2021


 ¿Cómo calcular una matriz de distancias para modelar un VRP?
noviembre 16, 2021


Método de la Ruta Crítica mediante Python (CPM)
octubre 22, 2021


Localización de varios almacenes mediante agrupación geoespacial
octubre 14, 2021

Denver Miami
Los Ángeles 80 215
Detroit 100 108
Nueva Orleáns 102 68

Costo dado en dólares automóvil

La representación gráfica de la red sería la siguiente:
Resolviendo un problema de transporte
mediante Or Tools (Asignación)
De acuerdo a lo mencionado en el artículo de introducción a Google OR-Tools, esta
herramienta soporta múltiples lenguajes de programación, así entonces, haremos uso
del lenguaje de programación Python.
Utilizaremos un solucionador para programación lineal mixta: SCIP.
Importar librerías
El primer paso consiste en importar la librería de Google Or Tools, esto nos permitirá
utilizar todas sus funciones.

from ortools.linear_solver import pywraplp

Declarar el solucionador