Machine Translated by Google

531
10 MODELOS CUANTITATIVOS DE PLANIFICACIÓN DE INSTALACIONES

los términos de valor absoluto con nuevas variables de decisión y agregue lineal apropiado
restricciones. Específicamente, la Ecuación 10.6 se reemplaza por las Ecuaciones 10.7, 10.8, 10.9,
y 10.10 para obtener

norte metro

a wji (rji ­ sji) (10.7)

Minimizar a1…j6k…n vjk (pjk + qjk) + a j =1 yo = 1

sujeto a

xj xk pjk qjk 0, 1 jkn (10.8)

xj rji sji ai ,yo 1, ..., metro (10.9)

j 1, ..., 1 norte

pjk 0, qjk 0, rji 0, sji 0 jkn (10.10)

i 1, ..., metro

Observe que en la ecuación 10.10, se requiere que todas las variables, excepto las x,
tengan un valor no negativo. Debido a las restricciones de no negatividad y la complementariedad
pares de variables de decisión (pjk, qjk), cuando pjk tiene un valor positivo y qjk es igual a 0,
entonces pjk xk xj y xk xj ; Asimismo, cuando qjk tiene un valor positivo y pjk es igual
0, qjk es igual a xj xk y xj xk . De manera similar, para (rji, sji), cuando rji tiene un valor distinto de cero,
sji es igual a 0 y rji es igual a xj ai y xj ai ; Asimismo, cuando sji tiene un valor distinto de cero,
rji es igual a 0 y sji es igual a ai xj y xj ai .

Ejemplo 10.5 Uso de Excel®

para resolver una formulación de programación lineal de un problema de ubicación mínima

con varias instalaciones
Para ilustrar la solución del problema de ubicación mínima rectilínea de instalaciones múltiples, considere
Situación en la que se va a fabricar y montar un nuevo producto electrónico. cuatro
Se utilizarán máquinas actualmente ubicadas en la zona de producción y dos máquinas nuevas que
se han adquirido. Una parte del material entrante se mueve desde una máquina nueva.
1 a la nueva máquina 2; el resto pasa de máquinas nuevas a máquinas existentes.
Los flujos de materiales, expresados en miles de unidades, son los siguientes: w11 10, w12 6, w13
0, w14 0, w21 0, w22 2, w23 16, w24 8 y v12 tienen las siguientes 12. Las máquinas existentes
coordenadas: P1 La formulación de (0, 10), P2 (15, 0), P3 (25, 30) y P4 (40, 15).
programación lineal resultante es

Minimizar 12(p12 q12) 10(r11 s11) 6(r12 s12) 2(r22 s22) 16(r23 s23) 8(r24 s24)

sujeto a

x1 r11 s11 0
x1 r12 s12 15
x2 r22 s22 15
x2 r23 s23 25
x2 r24 s24 40
x1 x2 p12 q12 0

y se requiere que todas las variables, excepto x1 y x2 , tengan un valor no negativo.

Machine Translated by Google

532
Cuarta parte DESARROLLO DE ALTERNATIVAS: ENFOQUES CUANTITATIVOS

Para problemas grandes, se puede utilizar software de programación matemática para resolver el
problema de ubicación mínima rectilínea de múltiples instalaciones. Sin embargo, para este ejemplo, nosotros
utilizará Excel® . En concreto, se utilizará la herramienta SOLVER para obtener una solución para el ejemplo.

La figura 10.11 ilustra los pasos seguidos para resolver el ejemplo usando SOLVER. Asombrado
muestre la formulación del problema tanto para las coordenadas x como para las coordenadas y; el
Se muestran 12 variables de decisión en las filas 3 y 13. Las celdas C4 y C14 contienen el valor de la

f(X)
ff(X)
()X= ==

00000000000000
f(Y)
ff(Y)
()Y= ==

Figura 10.11(a) Configuración de SOLVER para resolver la formulación de programación lineal del ejemplo 10.5.

f(X) =

f(Y) =

Figura 10.11(b) Parámetros de SOLVER para determinar las coordenadas x óptimas en el ejemplo 10.5.
Machine Translated by Google

533
10 MODELOS CUANTITATIVOS DE PLANIFICACIÓN DE INSTALACIONES

f(X)
f(X) ==

00000000000000
f(Y)
f(Y) ==

Figura 10.11(c) Solución SOLVER para las coordenadas x del ejemplo 10.5.

f(X) =

f(Y) =

Figura 10.11(d) Parámetros de SOLVER para determinar las coordenadas y óptimas en el ejemplo 10.5.

función objetivo, basada en los valores mostrados para las variables de decisión. En este caso, elegimos
valores de 0 para todas las variables de decisión; Obviamente, las restricciones no quedan satisfechas con
esta solución inicial. En (b), mostramos varios de los parámetros de SOLVER; No se muestran, pero se
incluyen, todas las restricciones de no negatividad para las variables de decisión p, q, r y s. En (c), vemos la
solución obtenida (x1 15 y x2 25) para las coordenadas x, con un valor de función objetivo de 410.

El cuadro de parámetros SOLVER que se muestra en (d) se utilizó para determinar las
coordenadas y óptimas; Nuevamente, aunque no son visibles en la figura, las restricciones de no negatividad son
Machine Translated by Google

534
Cuarta parte DESARROLLO DE ALTERNATIVAS: ENFOQUES CUANTITATIVOS

f(X) =

f(Y) =

Figura 10.11(e) Solución SOLVER para la formulación de programación lineal del ejemplo 10.5.

incluido en el cuadro de parámetros SOLVER. En (e), se muestran los valores óptimos para las coordenadas y: y1 10 e
y2 15, lo que produce un valor de función objetivo de 390. Por lo tanto, la distancia total recorrida es 410 390 u 800. Las
ubicaciones óptimas para las dos nuevas instalaciones son X *1 (15, 10) y X *2 (25, 15).

En lugar de utilizar SOLVER para resolver el problema de programación lineal, ¿por qué no utilizar SOLVER
con el problema original? Como se muestra en las Figuras 10.12 (a), (b) y (c), se obtuvo una solución idéntica para las
coordenadas x e y sin tener que transformar el problema

f((X* X) =)

Figura 10.12(a) Configuración de SOLVER para resolver directamente Ejemplo 10.5.

Machine Translated by Google

535
10 MODELOS CUANTITATIVOS DE PLANIFICACIÓN DE INSTALACIONES

f((X* X) =)

Figura 10.12(b) Parámetros de SOLVER para una solución directa al ejemplo 10.5.

f((X* X) =)

Figura 10.12(c) Solución SOLVER del ejemplo 10.5.

en un problema de programación lineal. Sin embargo, no se garantiza que SOLVER produzca una
solución óptima. Como se muestra en las Figuras 10.12 (d) y (e), con una solución inicial de x1
x2 y1 y2 0, SOLVER produce una solución de x1 x2 y1 y2 0. Debido a que la herramienta Excel®
produce una solución usando una rutina de búsqueda, es Es posible que la búsqueda termine
prematuramente y produzca una solución no óptima.
El uso de SOLVER no proporciona una indicación directa de múltiples soluciones óptimas. Al
utilizar diferentes valores iniciales para las variables de decisión, si existen múltiples soluciones óptimas,
Machine Translated by Google

536
Cuarta parte DESARROLLO DE ALTERNATIVAS: ENFOQUES CUANTITATIVOS

f((X* X) =)

Figura 10.12(d) Configuración de SOLVER para resolver el Ejemplo 10.5 con una solución
inicial de X1 X2 (0,0).

f((X* X) =)

Figura 10.12(e) SOLVER falla al resolver Ejemplo 10.5.

es posible que “tenga suerte” y encuentre varios. En este caso, no pudimos identificar ninguna solución
óptima adicional utilizando diferentes condiciones iniciales para SOLVER.
La Figura 10.13 muestra gráficamente las ubicaciones de las instalaciones nuevas y existentes para el
ejemplo. También se muestran caminos rectilíneos que se pueden tomar.

El dual de la formulación de programación lineal se puede resolver como un problema de

flujo de red. Para aquellos interesados en explorar otras formas de obtener soluciones exactas a
Machine Translated by Google

537
10 MODELOS CUANTITATIVOS DE PLANIFICACIÓN DE INSTALACIONES

30
P3 = (25, 30)

25

w23 = 16

20

w24 = 8
15
X* 2 = (25, 15)
P4 = (40, 15)

w11 = 10 v12 = v21 = 12

P1 = (0, 10) X* 1 = (15, 10)

w12 = 6
5 w22 = 2

0 5 10 20 25 30 35 40
P2 = (15, 0)
Figura 10.13 Solución óptima para la coordenada x para las nuevas instalaciones en el ejemplo 10.5.

Para el problema de ubicación mínima rectilínea de instalaciones múltiples, lo remitimos a [26] y a la

literatura de investigación.
No se garantiza que SOLVER obtenga una solución óptima al problema de programación
lineal. La herramienta Excel® produce una solución mediante una rutina de búsqueda; por lo tanto,
Es posible que la búsqueda termine prematuramente y produzca una solución no óptima.
Elegimos utilizar SOLVER debido a su familiaridad y accesibilidad para los estudiantes. Como
usuarios de Excel®, saben que BUSCAR OBJETIVOS, SOLUCIONAR y una serie de
Las funciones de la hoja de trabajo pueden producir soluciones inexactas. Por su conveniencia
y debido a que solo consideramos problemas de tamaño relativamente pequeño, lo usamos aquí y en
Los problemas al final del capítulo. Además, seguimos haciendo referencia a
Soluciones SOLVER como soluciones óptimas, sabiendo que podrían no serlo.
Para problemas que son demasiado grandes o engorrosos para obtener soluciones exactas
Para la formulación de programación lineal usando SOLVER, se puede usar un procedimiento de
descenso de coordenadas para obtener una solución que a menudo es óptima o casi óptima.
Específicamente, aprovechamos las condiciones medianas que existen en las instalaciones de una sola instalación.
problemas y resolver el valor óptimo condicional de una coordenada x, basado
en los valores asignados para las coordenadas x restantes. De forma iterativa, avanzamos
las nuevas instalaciones, resolviendo las coordenadas x óptimas condicionales, repitiendo el
proceso hasta que no se produzcan cambios en sucesivas rondas iterativas de cálculos. El
El siguiente ejemplo ilustra el procedimiento de descenso de coordenadas.

Ejemplo 10.6
Uso de un procedimiento de descenso de coordenadas para resolver el problema de ubicación mínima de
múltiples instalaciones

Aquí, reconsideramos el ejemplo de múltiples instalaciones que acabamos de resolver usando programación lineal. El
Se utilizan los mismos pesos y se utilizan las mismas ubicaciones de coordenadas para la máquina i (EMi) existente.