Una empresa produce un solo producto y lo vende a través de cinco agencias ubicadas en

diferentes ciudades. De repente, hay demanda del producto en cinco ciudades más que no
cuentan con ninguna agencia de la empresa. La empresa se enfrenta al problema de decidir
cómo asignar las agencias existentes para enviar el producto a otras ciudades de tal manera
que se minimice la distancia de viaje. Las distancias (en kilómetros) entre las ciudades
excedentarias y deficitarias se dan en la siguiente matriz de distancias.

Optimal Assignment Schedule for Product Distribution

To determine the optimal assignment schedule for distributing the product to the
additional cities, you can use the concept of the Assignment Problem from the field of
operations research. This problem can be solved using the Hungarian Algorithm or the
Kuhn-Munkres Algorithm.

First, you need to create a cost matrix representing the distances between the
surplus and deficit cities. Then, apply the Hungarian Algorithm to find the optimal
assignment schedule that minimizes the total travel distance.

Here's a general outline of the steps involved:

1. Create a cost matrix based on the distances between surplus and deficit cities.
2. Apply the Hungarian Algorithm to find the optimal assignment schedule.
3. Implement the assignment schedule to minimize travel distances.

By following these steps, you can determine the most efficient way to assign the
existing agencies to the additional cities, minimizing the overall travel distance.

Caso de estudio: Método de Asignación

Una empresa se enfrenta al problema de decidir cómo asignar las agencias existentes
para enviar el producto a otras ciudades de tal manera que se minimice la distancia de
viaje. Las distancias (en kilómetros) entre las ciudades excedentarias y deficitarias se
dan en la siguiente matriz de distancias:

I II III IV V
A 30 0 45 60 70
B 15 0 10 40 55
C 30 0 45 60 75
 I II III IV V
D 0 0 30 30 60
E 20 0 35 35 70

Para determinar el cronograma óptimo de asignación, se puede utilizar el Método de

Asignación, que es una técnica de programación lineal para minimizar costos o
maximizar ganancias. Este método asigna recursos de manera óptima a tareas o
actividades.

El primer paso es identificar la asignación inicial, luego encontrar la solución óptima

utilizando el método de la esquina noroeste, el método de costo mínimo o el método de
Vogel. Una vez encontrada la solución óptima, se puede determinar el cronograma
óptimo de asignación.

Caso de estudio: Método de Asignación

Una empresa se enfrenta al problema de decidir cómo asignar las agencias existentes
para enviar el producto a otras ciudades de tal manera que se minimice la distancia de
viaje. Las distancias (en kilómetros) entre las ciudades excedentarias y deficitarias se
dan en la siguiente matriz de distancias:

I II III IV V

A 30 0 45 60 70

B 15 0 10 40 55

C 30 0 45 60 75

D 0 0 30 30 60

E 20 0 35 45 70

Para determinar el cronograma óptimo de asignación, puedes seguir estos pasos:

1. Paso 1: Restar el valor más bajo de cada fila.

 Encuentra el valor más bajo en cada fila y réstalo de todos los elementos de esa
fila.

2. Paso 2: Restar el valor más bajo de cada columna.

 Encuentra el valor más bajo en cada columna y réstalo de todos los elementos de
esa columna.

3. Paso 3: Asignar ceros de manera óptima.

  Encuentra la manera óptima de asignar ceros en la matriz resultante.

4. Paso 4: Verificar la solución.

 Verifica si la solución encontrada es la óptima.

Estos pasos te ayudarán a desarrollar el cronograma óptimo de asignación para el

problema presentado.
OBJETIVO 9 CRITERIO DE DOMINIO 1/1

Caso de estudio: Modelo de mezcla. La Refinería VZL produce dos tipos de gasolina sin plomo,
regular y extra los cuales vende a su cadena de estaciones de servicio en $12 y $14 por barril,
respectivamente. Ambos tipos se preparan del inventario de la Refinería VZL de petróleo
nacional refinado y de petróleo importado refinado, y deben cumplir con las siguientes
especificaciones:

Caso de estudio: Modelo de mezcla

La Refinería VZL necesita determinar las cantidades de petróleo nacional e importado
que debe mezclar para producir gasolina regular y extra, maximizando la ganancia
semanal.

Variables de Decisión

1. (x_1): Cantidad de petróleo nacional para gasolina regular.

2. (x_2): Cantidad de petróleo importado para gasolina regular.
3. (x_3): Cantidad de petróleo nacional para gasolina extra.
4. (x_4): Cantidad de petróleo importado para gasolina extra.

Función Objetivo

Maximizar la ganancia semanal, expresada como: [Z = 12x_1 + 14x_3]

Restricciones

1. Presión de vapor: [25x_1 + 15x_3 \leq 23(100000)] [25x_2 + 15x_4 \leq 23(20000)]
2. Octanaje mínimo: [87x_1 + 98x_3 \geq 88(100000)] [87x_2 + 98x_4 \geq 93(20000)]
3. Disponibilidad de inventario: [x_1 + x_2 \leq 40000] [x_3 + x_4 \leq 60000]
4. Entregas mínimas: [x_1 + x_3 \geq 50000] [x_2 + x_4 \geq 5000]

Este modelo de programación lineal puede ser resuelto para encontrar las cantidades óptimas
de petróleo nacional e importado para cada tipo de gasolina.