Está en la página 1de 43

APLICACIONES DE PROGRAMACIÓN LINEAL (Transporte, asignación; redes

)
VOLUMEN 5

1

Carlos J. Molestina Malta

MODELOS DE TRANSPORTE
La aplicación de modelos de “transporte”, en sus inicios se diseñó para el área de logística militar, sin embargo la utilidad de su aplicación rebasó esta frontera y en la actualidad, “transporte es sinónimo de llevar un bien o parte de un sitio a otro dentro o fuera de la planta de producción (programación de la Producción), con el fin de minimizar costos.  En sentido real o figurado, se refiere a la distribución de cualquier bien desde cualquier grupo de centros de suministros, llamados orígenes, a cualquier grupo de centros de recepción, llamados destinos, de tal manera que se minimicen los costos totales de distribución. 2 Carlos J. Molestina Malta

Similitud en modelos de transporte

3

Carlos J. Molestina Malta

Terminología en modelos de transporte
Modelo general Unidades transportadas Orígenes (m) Destinos (n) Interpretación Camión, carga, productos, MP, partes y piezas, etc. m (Sitios de salida, Fábricas, puesto de trabajo, bodegas, etc.) N (Sitios de recepción; almacenes, Bodegas, distribuidores, sitios de trabajo, etc.

Recursos en el origen si Demanda en el destino dj Costo (cij)

s recursos en el origen i d Demanda en el destino j C costo por unidad distribuida desde
el origen i al destino j 21
Carlos J. Molestina Malta

4

Esto se soluciona introduciendo un destino ficticio o un origen ficticio 5 Carlos J. y el suministro completo debe distribuirse a los destinos (dj). Propiedad de soluciones factibles: un problema de transporte tiene soluciones factibles si y solo si 𝑚 𝑛 𝑠𝑖 = 𝑖=1 𝑗=1 𝑑𝑗 En los problemas reales esto no siempre es así. La suposición de que no hay margen en las cantidades que deben enviarse o recibirse significa que es necesario un balance entre el suministro total de todos los orígenes y la demanda total de todos los destinos. Molestina Malta 21 .Suposiciones en los modelos de transporte    Suposición de requerimientos: cada origen (si) tiene un suministro fijo de unidades.

Molestina Malta .Suposiciones en los modelos de transporte  Suposición de costo: El costo de distribuir unidades de un origen a un destino dados es directamente proporcional al número de unidades distribuidas. Por lo tanto. Los únicos datos necesarios para un modelo de transporte son: suministros. este costo es el costo unitario de distribución multiplicado por el número de unidades distribuidas (cij). Estos son los parámetros del modelo.  6 Carlos J. demandas y costos unitarios.

Todos los parámetros del modelo están incluidos en esta tabla de parámetros. 7 Carlos J. El objetivo es minimizar el costo total de distribuir las unidades. sea o no de transporte se ajusta a la tabla de parámetros que se detalla a continuación ya que satisface tanto la suposición de requerimientos como la suposición de costos. Molestina Malta .EL MODELO   Cualquier problema.

Tabla de parámetros Costo por unidad distribuida Destino 1 Or igen 1 c11 c21 … cm1 d1 2 c12 c22 … c12 d2 … … … … … … n c1n c2n … cmn dn Recursos s1 s2 … sm 2 … m 8 Carlos J. Molestina Malta Ir a diapositiva #14Tabla de parámetros de MOTDI .

Envío de motores Diesel de los puertos a las plantas (Adaptado del modelo protac. se embarcan a los puertos de Guayaquil. De ahí. autor: Eppen  MOTDI tiene cuatro plantas de montaje en Ecuador.Problema tipo Distribución de MOTDI. Manta y Puerto Bolívar. mediante camiones mulas se transportan a las plantas para su ensamblado. Estas se encuentran en Quito. Las cantidades de motores E-4 disponibles en los puertos (la oferta en los orígenes) aparece en la tabla 2. Los motores serán transportados por una misma Empresa transportista y los costos correspondientes se cobrarán por motor. Los motores empleados por estas ensambladoras se fabrican en Estados Unidos. Santo Domingo. Molestina Malta . Octubre a Diciembre. Cuenca y Ambato. 9 Carlos J.    MOTDI debe tomar la decisión de cuantos motores debe enviar desde cada puerto hasta cada planta para minimizar sus costos. Los requerimientos (demanda en los destinos) de los motores aparecen en la tabla 1. de IO en la Administración. Se han preparado los planes de producción del cuarto trimestre.

Oferta y Demanda Tabla 1 Demanda de motores Diesel Planta (1) Santo Domingo (2) Quito (3) Ambato (4) Cuenca Tabla 2 Oferta de motores Diesel Puerto Cantidad de motores Dispopnibles Cantidad de motores requeridos 400 900 200 500 (A) Manta (B) Guayaquil (C) Puerto López 500 700 800 10 Carlos J. Molestina Malta .

Costos por motor distribuido desde los puertos  MOTDI. utiliza el modelo de parámetros de transporte y determina (después de negociar con la Empresa transportista) los siguientes costos unitarios.5 d1 130 40 90 d2 41 100 122 d3 62 110 42 d4 Recursos sA sB sc También analiza el diagrama de distribución dentro del país (rutas) y las grafica. Esto se detalla en las dos diapositivas siguientes Ir a diapositiva #14Tabla de parámetros de 11 Carlos J. Molestina Malta MOTDI . Costo por unidad distribuida Destino (1) Santo Domingo (2) Quito (3) Ambato (4) Cuenca Origen (A) Manta (B) Guayaquil (C) Puerto López Demanda 120 61 102.

Molestina Malta .12 Carlos J.

Grafico de rutas 400 500 Manta (A) Santo Domingo (1) Quito (2) 900 200 Ambato (3) 700 Guayaquil (B) 500 800 Puerto Bolívar Cuenca (4) (C) 13 Carlos J. Molestina Malta .

que la condición de balance se cumple: 2000 da en la suma de recursos Carlos J. remplazando los costos unitarios (diapositiva # 11). es decir incluye en el modelo unitario el número desconocido de recursos (X). Molestina Malta (vertical) como en la suma de las demandas (horizontal) .5XC1 400 130XA2 40XB2 90XC2 900 41XA3 100XB3 122XC3 200 62XA4 110XB4 42XC4 500 Recursos 500 700 800 2000 14 Note Usted. el investigador diseña una tabla de costos totales.Tabla de parámetros de MOTDI Usando la tabla de parámetros por unidad distribuida (diapositiva # 8). la nueva tabla sería Costo total de distribución Destino (1) Santo Domingo (2) Quito (3) Ambato (4) Cuenca Origen (A) Manta (B) Guayaquil (C) Puerto López Demanda 120XA1 61XB1 102. Costo total de distribución Destino 1 2 (C*X)A2 (C*X)B2 (C*X)c2 D2 3 (C*X)A3 (C*X)B3 (C*X)c3 D3 4 (C*X)A4 (C*X)B4 (C*X)c4 D4 Recursos SA SB Sc Origen A B C (C*X)A1 (C*X)B1 (C*X)c1 D1 Ahora bien.

5XC1 400 130XA2 40XB2 90XC2 900 41XA3 100XB3 122XC3 200 62XA4 110XB4 42XC4 500 Recursos 500 700 800 2000  120𝑋𝐴1 + 130𝑋𝐴2 + 41𝑋𝐴3 + 62𝑋𝐴4 + 61𝑋𝐵1 + 40𝑋𝐵2 + 100𝑋𝐵3 + 110𝑋𝐵4 + 102.5𝑋𝐶1 + 90𝑋𝐶2 + 122𝑋𝐶3 + 42𝑋𝐶4 = 𝑀𝐼𝑁 𝑍 15 Carlos J.Modelo Matemático Función objetivo  El problema de transporte. Molestina Malta . siempre es minimización por lo que cogiendo el modelo resultante la función objetivo sería: Costo total de distribución Destino (1) Santo Domingo (2) Quito (3) Ambato (4) Cuenca Origen (A) Manta (B) Guayaquil (C) Puerto López Demanda 120XA1 61XB1 102.

5XC1 400 130XA2 40XB2 90XC2 900 41XA3 100XB3 122XC3 200 62XA4 110XB4 42XC4 500 Recursos 500 700 800 2000  RESTRICCIONES DE LA OFERTA U ORIGEN 120𝑋𝐴1 + 130𝑋𝐴2 + 41𝑋𝐴3 + 62𝑋𝐴4 ≤ 500 61𝑋𝐵1 + 40𝑋𝐵2 + 100𝑋𝐵3 + 110𝑋𝐵4 ≤ 700 102.5𝑋𝐶1 + 90𝑋𝐶2 + 122𝑋𝐶3 + 42𝑋𝐶4 ≤ 800 16 Carlos J. Molestina Malta . Costo total de distribución Destino (2) Quito (3) Ambato (1) Santo Domingo (4) Cuenca Origen (A) Manta (B) Guayaquil (C) Puerto López Demanda 120XA1 61XB1 102. También hay que considerar que no puede entregar más de lo que tiene por lo que siempre serán restricciones ≤ (menor o igual).Modelo matemático Restricciones de la oferta (Origen)  En el caso de las restricciones del origen son los puntos de partida y los recursos con que cuenta.

Molestina Malta . En el modelo general se encuentran ubicadas en la vertical. estas son las necesidades que tienen las plantas (destinos).5𝑋𝐶1 ≥ 400 130𝑋𝐴2 + 40𝑋𝐵2 + 90𝑋𝐶2 ≥ 900 41𝑋𝐴3 + 100𝑋𝐵3 + 122𝑋𝐶3 ≥ 200 62𝑋𝐴4 + 110𝑋𝐵4 + 42𝑋𝐶4 ≥ 500 17 Carlos J. Veamos Costo total de distribución Destino (1) Santo Domingo (2) Quito (3) Ambato (4) Cuenca Origen (A) Manta (B) Guayaquil (C) Puerto López Demanda 120XA1 61XB1 102.Modelo matemático Restricciones de la demanda (Destino)  En el caso de las restricciones de la demanda.5XC1 400 130XA2 40XB2 90XC2 900 41XA3 100XB3 122XC3 200 62XA4 110XB4 42XC4 500 Recursos 500 700 800 2000 RESTRICCIONES DE LA DEMANDA O DESTINO 120𝑋𝐴1 + 61𝑋𝐵1 + 102. por tanto las restricciones son del tipo ≥ (mayor o igual). por lo que nunca deber recibir menos.

Molestina Malta .EL MODELO MATEMÁTICO DE MOTDI Función objetivo: 120𝑋𝐴1 + 130𝑋𝐴2 + 41𝑋𝐴3 + 62𝑋𝐴4 + 61𝑋𝐵1 + 40𝑋𝐵2 + 100𝑋𝐵3 + 110𝑋𝐵4 + 102.5𝑋𝐶1 ≥ 400 130𝑋𝐴2 + 40𝑋𝐵2 + 90𝑋𝐶2 ≥ 900 41𝑋𝐴3 + 100𝑋𝐵3 + 122𝑋𝐶3 ≥ 200 62𝑋𝐴4 + 110𝑋𝐵4 + 42𝑋𝐶4 ≥ 500 Con estos datos estamos en capacidad de dar el primer paso: RESOLVERLO EN SOLVER.5𝑋𝐶1 + 90𝑋𝐶2 + 122𝑋𝐶3 + 42𝑋𝐶4 = 𝑀𝐼𝑁 𝑍 Sujeto a: Restricciones origen (puertos) 120𝑋𝐴1 + 130𝑋𝐴2 + 41𝑋𝐴3 + 62𝑋𝐴4 ≤ 500 61𝑋𝐵1 + 40𝑋𝐵2 + 100𝑋𝐵3 + 110𝑋𝐵4 ≤ 700 102. El segundo paso es interpretarlo.5𝑋𝐶1 + 90𝑋𝐶2 + 122𝑋𝐶3 + 42𝑋𝐶4 ≤ 800 Restricciones Destinos (plantas) 120𝑋𝐴1 + 61𝑋𝐵1 + 102. Vamos a un libro de Excel 18 Carlos J.

19 Carlos J. Molestina Malta . Que esto se logra utilizando 6 rutas de las 12 posibles.Resultados método Simplex en Solver Embarques d/a Destino (1) Santo Domingo (2) Quito (3) Ambato (4) Cuenca LI LD Variables d Origen (A) Manta (B) Guayaquil (C) Puerto López LI LD  300 0 100 400 ≥ 400 0 700 200 900 ≥ 900 200 0 0 200 ≥ 200 0 0 500 500 ≥ 500 500 700 800 ≤ ≤ ≤ 500 700 800 VO = 121450 Observamos en la respuesta que la minimización nos dio un valor objetivo de $121450.00.

Diagrama de rutas resultante 400 500 Manta (A) Santo Domingo (1) Quito (2) 900 200 Ambato (3) 700 Guayaquil (B) 500 800 Puerto Bolívar Cuenca (4) (C) 20 Carlos J. Molestina Malta .

(Xij) que son las variables de decisión Ahora bien. m + n =7 (restricciones) -1= 6 Variables positivas Esto implica que hay una restricción redundante o ficticia Carlos J. Molestina Malta . Como esto no es cierto en la realidad el balance se logra con una variable redundante. Entonces siempre en este tipo de modelos las variables positivas serán igual a m+n-1.Análisis de sensibilidad 1 2 3 1 2 3 4 Observamos 6 envíos de motores. contémoslas: m=3 21 n=4 Entonces. hemos supuesto que en los modelos de transporte deben estar balanceados los recursos de orígenes (Si) con la demanda de los destinos (dj). Lo que hace que el modelo se presente como degenerado. es decir menos variables positivas que número de restricciones.

5 800 300 0 Observe que en la restricción de Manta (origen) aparece infinito en la columna ¨”Permisible aumentar”.Informe de sensibilidad Identificación de la restricción ficticia o redundante Restricciones Celda $C$51 $D$51 $E$51 $F$51 $G$48 $G$49 $G$50 Nombre LI (1) Santo Domingo LI (2) Quito LI (3) Ambato LI (4) Cuenca (A) Manta LI (B) Guayaquil LI (C) Puerto López LI Final Sombra Restricción Permisible Permisible Valor Precio Lado derecho Aumentar Reducir 400 120 400 0 300 900 107. 22 Carlos J.5 700 200 0 800 -17. Que significa esto. Molestina Malta .5 500 0 300 500 0 500 1E+30 0 700 -67. supongamos por un momento que hubiéramos distribuido los motores de los otros dos orígenes. con un poco de imaginación sabríamos que los de Manta podrían distribuirse a los destinos que todavía no tenían satisfechas sus demandas. es decir que esta isocuanta puede desplazarse libremente ya que está fuera del área objetivo.5 900 0 200 200 41 200 0 200 500 59.

Igual en sentido contrario en el caso de los orígenes. no se podría reducir 23 Carlos J. Molestina Malta . En el caso de los destinos no se podría aumentar por que se convertiría en no factible por que los orígenes no coincidirían y no habría balance. En el caso de los orígenes (3 últimas) solo nos permite aumentar. y solo nos permite reducir las demandas. el valor objetivo se reduciría en $17. como ejemplo si los requerimientos de Santo domingo fueran de 399 (-1) el valor objetivo se reduciría $120. es decir en 1 (799) el número de motores en Puerto Bolívar.Informe de Sensibilidad Interpretación de la tabla “RESTRICCIONES” Observe Usted que las primeras 4 restricciones son las de destino.5.

a los coeficientes se les da valor margen de ganancias unitario. alguna de las rutas es considerada por la empresa como inaceptable. ahora. Para corregir esto. no hay ningún problema en el desarrollo de Solver aparecerá en la restricción que sobra el recurso la holgura correspondiente. En el caso de que las demandas (destinos) fueran superiores a los recursos (orígenes). Molestina Malta . Cuando la oferta y la demande difieren: Si los recursos (orígenes) son mayores que las demandas (destinos).   Eliminación de rutas no aceptables: Puede ser que por motivo de impuestos o decisiones gerenciales. En este caso el modelo se corrige dando a uno de los coeficientes un valor exageradamente grande. el modelo sería no factible. entonces se realiza un pequeño cambio pero fundamental. que Usted representa a la empresa transportista y desea entrar a la negociación con el deseo de ganar más. se añade una restricción de origen con el lado derecho igual al valor en exceso de la demanda y a los coeficientes del lado izquierdo se les da valor cero (0). 24 Carlos J. esto automáticamente elimina el uso de la ruta en cuestión.Variaciones en el modelo de transporte  Resolución de modelos de transporte de maximización: Supongamos.

siempre considerando que en este tipo de problemas el objetivo es minimizar los costos (Cij) vistos en el modelo matemático como los coeficientes de las “variables de decisión”. Estos casos se dan cuando se requiere asignar “óptimamente” n agentes u objetos individuales a n tareas. en el caso de modelos de asignación es el individuo o agente que se asigna a una tarea especifica. En otras palabras. Recuerde que i son los recursos de origen en los modelos de transporte y. Molestina Malta . solo es posible asignar una tarea a un individuo o agente.EL MODELO DE ASIGNACIÓN  En muchos ámbitos empresariales es posible toparse con modelos de asignación. 25 Carlos J.

3…n).2.2. (este número se identifica con n. Molestina Malta .Suposiciones en el modelo de asignación  El número de asignados es igual al número de tareas.  El objetivo es determinar cómo deben asignarse las n asignaciones para minimizar los costos 26 Carlos J.) (balance) Cada individuo se asigna exactamente a una tarea Cada tarea debe realizarla exactamente un individuo asignado Existe un costo Cij asociado con el individuo i    (i=1.3…n) que realiza la tarea j (j= 1.

Cuenca y Santo Domingo. En base a estas consideraciones su ContadorMolestina Malta una tabla de le elabora 27 Carlos J. y que de acuerdo a su experiencia sus costos varían. es un buen momento para realizar un inventario en cada una de las plantas (Quito. Ambato.El caso de MOTDI para inventarios El Gerente de MOTDI. que se requiere empezar el ensamblaje de dichos motores de acuerdo al pedido de los clientes. Estos son de diferentes áreas departamentales de la oficina principal que queda en Guayaquil. costos detallada a continuación:  . observa que. como los nuevos motores llegaron en el último trimestre del año. es la gente especializada con que cuenta.  El principal problema de él.

Franco (2) Ing.Tabla de costos para Inventarios de MOTDI Costos de asignación en miles de dólares por asignación Santo Domingo Ejecutivo Ing. Calderón (3) Ab. Perero (1) Econ. Molestina Malta . Cáceres (4) Planta 1 26 13 16 10 Quito Planta 2 12 20 17 21 Ambato Planta 3 19 12 18 16 Cuenca Planta 4 10 14 19 11 28 Carlos J.

las variables de decisión son mutuamente excluyentes y que. por lo tanto estamos ante un sistema binario 29 Carlos J. Molestina Malta .El Modelo de asignación y consideraciones matemáticas Tareas Individuo/objeto (i) Asignado (1) Asignado (2) Asignado (3) … Asignado (n) Tarea (1) (C*X)11 (C*X)21 (C*X)31 … (C*X)n1 Tarea (2) (C*X)12 (C*X)22 (C*X)32 … (C*X)n2 (j) Tarea (3) (C*X)13 (C*X)23 (C*X)33 … (C*X)n3 … … … … … Tarea (n) (C*X)1n (C*X)2n (C*X)3n … (C*X)nn En el modelo de asignación vimos que solo se puede asignar un individuo a una tarea. es decir: 𝟏 𝒔𝒊 𝒆𝒍 𝒊𝒏𝒅𝒊𝒗𝒊𝒅𝒖𝒐 𝒊 𝒆𝒔 𝒂𝒔𝒊𝒈𝒏𝒂𝒅𝒐 𝒂 𝒍𝒂 𝒕𝒂𝒓𝒆𝒂 𝒋 𝑿𝒊𝒋 = 𝟎 𝒔𝒊 𝒆𝒍 𝒊𝒏𝒅𝒊𝒗𝒊𝒅𝒖𝒐 𝒊 𝒏𝒐 𝒆𝒔 𝒂𝒔𝒊𝒈𝒏𝒂𝒅𝒐 𝒂 𝒍𝒂 𝒕𝒂𝒓𝒆𝒂 𝒋 Si observamos detenidamente veremos que. esto implica que las variables de decisión (Xij) son mutuamente excluyentes entre sí.

3. … 𝑛 𝑋𝑖𝑗 ≥ 0 𝑋𝑖𝑗 𝑏𝑖𝑛𝑎𝑟𝑖𝑎𝑠 𝑋𝑖𝑗 𝑗=1 Considerando que: 30 Carlos J. tomando en cuenta las suposiciones para el modelo de asignación y la premisa de la diapositiva anterior podemos concluir que: El modelo matemático reducido sería: Minimizar los costos totales 𝑛 𝑛 𝑚𝑖𝑛𝑍 = 𝑖=1 𝑗=1 𝐶𝑖𝑗 𝑋𝑖𝑗 Sujeto a: 𝑛 𝑋𝑖𝑗 𝑖=1 𝑛 𝑝𝑎𝑟𝑎 𝑖 = 1.El Modelo de asignación y consideraciones matemáticas Ahora bien.2.3.2. Molestina Malta . … 𝑛 𝑝𝑎𝑟𝑎 𝑗 = 1.

Creando el modelo matemático (La función objetivo) Procedemos entonces a introducir en la tabla general del modelo los costos unitarios asignados por el contador de MOTDI Plantas Individuo/objeto (i) Ing. Perero (1) Econ. Molestina Malta . Cáceres (4) Planta (1) 26X11 13X21 16X31 10X41 12X12 20X22 17X32 21X42 (j) Planta (3) 19X13 12X23 18X33 16X43 Planta (4) 10X14 14X24 19X34 11X44 Planta (2) La optimización sería 𝑚𝑖𝑚 𝑍 = 26𝑋11 + 12𝑋12 + 19𝑋13 + 10𝑋14 + 13𝑋21 + 20𝑋22 + 12𝑋23 + 14𝑋24 +16𝑋31 + 17𝑋32 + 18𝑋33 + 19𝑋34 + 10𝑋41 + 21𝑋42 + 16𝑋43 + 11𝑋44 31 Carlos J. Franco (2) Ing. Calderón (3) Ab.

las restricciones estaban dadas por “restricciones de los orígenes” (en la horizontal). con la diferencia de que. y “restricciones de los destinos” (en la vertical) de la tabla. Perero (1) X11 X12 X13 X14 Econ. igual sucede en el modelo de asignación: “restricciones de individuo asignado” (en la horizontal) y “restricciones de las tareas” (en la vertical). Calderón (3) X31 X32 X33 X34 Ab. Franco (2) X21 X22 X23 X24 Ing. Molestina Malta Restricciones De asignados .Creando el modelo matemático (Las restricciones de asignación) Igual que en el modelo de transporte. = = = = 1 1 1 1 Asignación binaria Plantas (j) Individuo/objeto (i) Planta (1) Planta (2) Planta (3) Planta (4) Ing. entonces la tabla sería. al ser binarias las variables de decisión y (0 o 1) y mutuamente excluyentes. Cáceres (4) X41 X42 X43 X44 = = = = 1 1 1 1 Restricciones de tareas 32 Carlos J.

Molestina Malta .El modelo matemático de MOTDI para asignar a los inventarios 𝑚𝑖𝑚 𝑍 = 26𝑋11 + 12𝑋12 + 19𝑋13 + 10𝑋14 + 13𝑋21 + 20𝑋22 + 12𝑋23 + 14𝑋24 +16𝑋31 + 17𝑋32 + 18𝑋33 + 19𝑋34 + 10𝑋41 + 21𝑋42 + 16𝑋43 + 11𝑋44 Sujeto a: Restricciones de asignación 𝑋11 + 𝑋12 + 𝑋13 + 𝑋14 = 1 𝑋21 + 𝑋22 + 𝑋23 + 𝑋24 = 1 𝑋31 + 𝑋32 + 𝑋33 + 𝑋34 = 1 𝑋41 + 𝑋42 + 𝑋43 + 𝑋44 = 1 Restricciones de tareas 𝑋11 + 𝑋21 + 𝑋31 + 𝑋41 = 1 𝑋12 + 𝑋22 + 𝑋32 + 𝑋42 = 1 𝑋13 + 𝑋23 + 𝑋33 + 𝑋43 = 1 𝑋14 + 𝑋24 + 𝑋34 + 𝑋44 = 1 Establecido el modelo matemático resolvemos usando Solver 33 Carlos J.

Perero (1) Econ. Franco (2) Ing. Franco (2) Ing. Cáceres (4) Santo Domingo Planta 1 0 0 0 1 1 = 1 Santo Domingo Planta 1 0 0 0 10 10 34 Quito Planta 2 0 0 1 0 1 = 1 Quito Planta 2 0 0 17 0 17 Ambato Planta 3 0 1 0 0 1 = 1 Ambato Planta 3 0 12 0 0 12 Cuenca Planta 4 1 0 0 0 1 = 1 1 1 1 1 = = = = 1 1 1 1 Costos totales Ejecutivo Ing.Problema resuelto con Solver Asignación binaria Ejecutivo Ing. Cáceres (4) Cuenca Planta 4 10 0 0 0 10 10 12 17 10 49 Carlos J. Perero (1) Econ. Calderón (3) Ab. Molestina Malta . Calderón (3) Ab.

Molestina Malta .Caracterización del caso “Inventarios MOTDI” (asignación) VALOR OBJETIVO MÍNIMO A GASTAR = $ 49000 Santo Domingo (1) Quito (2) Ambato (3) Guayaquil Cuenca (4) Por favor saque el análisis de Sensibilidad y comente 35 Carlos J.

no hay ningún problema en el desarrollo de Solver aparecerá en la restricción que sobra el recurso la holgura correspondiente. Cuando la oferta y la demande difieren: Si los individuos (asignados) son mayores que las demandas (destinos). entonces se realiza un pequeño cambio pero fundamental. Eliminación de asignaciones inaceptables: Puede ser que por motivo de decisiones gerenciales. Molestina elimina el uso de la ruta en cuestión. a los coeficientes se les da valor margen de ganancias unitario. 36 Carlos J. el modelo sería no factible. que Usted estima que a estas zonas hay que incrementar el número de vendedores – uno por cada planta – Su deseo es saber cuanto sería su máxima ganancia marginal. en el modelo de asignación se aplica las mismas consideraciones. ahora.    . alguno de los asignados es considerado por la empresa como inaceptable. En el caso de que los destinos fueran superiores a los individuos (asignados).Variaciones en el modelo de asignación  Como en el modelo de transporte. Para corregir esto. En este caso el modelo se corrige dando a uno de los coeficientes un valor exageradamente grandeMalta esto automáticamente (M). se añade una restricción de asignados con el lado derecho igual al valor en exceso de la demanda y a los coeficientes del lado izquierdo se les da valor cero (0). es decir: Resolución de modelos de asignación de maximización: Supongamos.

estiman que para una respuesta adecuada. Molestina Malta . Gerente de planta de Santo Domingo. De acuerdo a un análisis estocástico (esto se verá posteriormente). El Gerente general y sus asesores saben que el tipo de producción que se presenta es intermitente (sobre pedido). la planta necesita tres máquinas:  Un torno numérico  Una inyectora de poliuretano  Una cortadora de plasma (computarizada).Variaciones en MOTDI (Estudio de caso) La planta de Santo Domingo – por ser la planta más antigua no cuenta con la maquinaria apropiada para enfrentar el nuevo reto de ensamblar los motores de acuerdo a los requerimientos de los clientes. Esta decisión es comunicada por el Gerente general A José.  37 Carlos J.

estaciones fijas. etc. camiones. 38 Carlos J. Sabe también que su producción. Decide por lo tanto escoger los puntos de que dispone y compararlos en base a costos unitarios. Molestina Malta . sabe a ciencia cierta que todas las partes se fabrican y pre ensamblan antes de llegar a la zona de ensamble final. Esto es lo que obtuvo. es decir. al final es producto fijo.José debe tomar decisiones   José sabe el reto que tiene frente a sí.). Debe ubicar la nueva maquinaría en los sitios que dispone. sabe también que la estrategia de la empresa respecto a la región es la economía de escalas por lo que debe minimizar los costos. si bien sigue el tipo “producción en serie” Por ser el producto terminado de gran tamaño (ensamble de mulas.

Molestina Malta Talleres .Distribución en Planta Bodega de MP Metal mecánica Precisión y varios Eléctrico Ensamble Bodega de P&P Ensamble Decapado y pintura 39 Carlos J.

Áreas disponibles Metalmecáni ca Máquina s T# IP CP 15 14 7 Precisió n 14 10 Talleres 17 13 11 Decapado 12 19 9 40 Carlos J. Molestina Malta .Costos unitarios para la toma de decisiones  La tabla siguiente fue proporcionada a José por su analista contable quien determinó los siguientes costos unitarios del manejo de materiales para ser procesados por las nuevas máquinas.

es decir que el número de asignaciones debe ser igual al número de destinos (tareas). por lo tanto darle un costo M muy alto para que sea rechazada esta opción. Decide pues.Modelo de asignación de José    José. Es siguiente es el modelo creado por José. 41 Carlos J. José sabe que la primera suposición es “balancear” el modelo. se propone crear un modelo de asignación para optimizar los costos (minimizar) y obtener una adecuada ubicación de las máquinas nuevas. por lo que decide añadir una restricción ficticia. Ingeniero Industrial. Molestina Malta . También nota que no hay costos para la posición CP – precisión.

Modelo de José Áreas disponibles Metalmecáni ca Máquina s T# IP CP 15 14 7 Precisió n 14 10 M Talleres 17 13 11 Decapado 12 19 9 F 0 0 0 0 Ayudemos a José a resolver el nuevo modelo A Excel 42 Carlos J. Molestina Malta .

Molestina Malta .43 Carlos J.