UNIVERSIDAD PRIVADA SAN PEDRO

FACULTAD DE INGENIERIA

CURSO
INVESTIGACIN DE OPERACIONES I

TRANSPORTE Y ASIGNACION DOCENTE: ING. SANTOS GABRIEL BLAS

Investigacin de Operaciones I 1 12/07/2011 Ing. Santos Gabriel Bla Blas

Problemas de transporte
Un problema de transporte surge cuando se necesita un modelo costo-efectividad que permita transportar ciertos bienes desde un lugar de origen a un destino que necesita aquellos bienes, con ciertas restricciones en la cantidad que se puede transportar. Se presenta al planear la distribucin de bienes y servicios desde varias localizaciones de suministro hacia varias ubicaciones de la demanda. La cantidad de los bienes disponibles en cada localizacin de suministro (origen) es limitada, y la cantidad de los bienes necesarios en cada una de las localizaciones de demanda (destino) es conocida.

Problemas de transporte
El objetivo es minimizar el costo de embarcar los bienes desde los orgenes hasta los destinos. Dentro de la amplia gama de problemas de programacin lineal se encuentran los problemas de transporte, los cuales poseen caractersticas particulares. En este caso especfico de problemas, es necesario determinar la ruta ms eficiente para hacer llegar productos o materiales desde puntos alternativos de origen hasta diferentes puntos de destino, cumpliendo las restricciones especficas de oferta y demanda y con base en la estructura de costos de las rutas de transporte.

Problemas de transporte
Definicin del problema Se tienen m lugares de origen. Cada lugar de origen tiene una capacidad de produccin Si. Se tienen n destinos. Cada destino j demanda Dj. Objetivo: Minimizar el costo de transporte de la carga al lugar de destino cumpliendo con las restricciones de los lugares de origen. Se tienen diversas tcnicas para abordar el problema de transporte requieren de una tabla de transporte, dicha tabla en su forma estndar registra todos los elementos esenciales del problema de transporte que estamos solucionando: costos de transporte; puntos de origen y destino, cantidades de oferta y demanda; tal y como se muestra a continuacin:

Problemas de transporte

En la tabla la demanda (33) es igual a la oferta (33), lo cual significa que el problema est balanceado y ello facilita la bsqueda de la solucin.

Problemas de transporte Caso I. Oferta igual a demanda

Ejemplo N 01- Farmacutica Carlton
La farmacutica Carlton abastece de drogas y otros suministros mdicos. Esta tiene tres plantas en: Claveland, Detroit, Greensboro. Tiene cuatro centros de distribucin en: Boston, Atlanta, St Louis. La gerencia de Carlton desea realizar el tarnsporte de . sus productos de la manera ms econmica posible.

Datos
Costo de transporte por unidad, oferta y demanda.
Desde Cleveland Detroit Greensboro Demanda Boston $35 37 40 1100 Hacia Richmond Atlanta 30 40 40 42 15 20 400 750 St. Louis 32 25 28 750 Oferta 1200 1000 800

Supuestos
 Todos los transportes ocurren simultneamente.  El costo de transporte por unidad es constante  Solo se considera el costo de transporte entre el lugar de origen y el de destino.  La oferta total es igual a la demanda total.

Solucin
Orgenes Cleveland
S1=1200

RED QUE REPRESENTA EL PROBLEMA

Destinos
D1=1100

Boston

Richmond
D2=400

Detroit
S2=1000

Atlanta
D3=750

Greensboro St.Louis
S3= 800 D4=750

Modelo matemtico
La estructura del modelo es la siguiente: Minimizar <Costo total de transporte> SA: Cantidad a transportar desde la fabrica = oferta de la fbrica cantidad a recibir por la distribuidora = demanda de la distribuidora. Variables de decisin: Xij = cantidad a transportar desde la fbrica i a la distribuidora j Donde i = 1(Claveland), 2(Detroit), 3(Greensboro) 1(Claveland), j = 1(Boston), 2(Richmond), 3(Atlanta), 4 (St,Louis) (St,Louis)

Oferta de Cleveland X11+X12+X13+X14 Oferta de Detroit X21+X22+X23+X24

= 1200 = 1000

Restricciones de la Oferta

Oferta de Greensboro X31+X32+X33+X34 = 800 X11

Boston
D1=1100

Cleveland
S1=1200

X12 X13 X14 X22 X21

X31

Richmond
D2=400
X32 X23

Detroit
S2=1000

Atlanta
X33 D3=750

X24

Greensboro
S3= 800
X34

St.Louis
D4=750

El modelo matemtico completo

Min Z = 35X11+30X12+40X13+32X14 + 7X21+40X22+42X23+25X24+ 40X31+15X32+20X33 + 28X34

Restriccione de la oferta: X11+ X12+ X13+ X14 X21+ X22+ X23+ X24 Restricciones de la demanda: X11+ X21+ X12+ X22+ X13+ X14+

= = X31+ X32+ X33+ X34 = X31 X32 = = = X34 =

1200 1000 800 1000 400 750 750

X23+ X24+

X33

Todos los Xij mayores que cero

El modelo matemtico completo

Minimizar s.a.

z ! cij xij
i !1 j !1

x
j !1 m i !1

ij

e ai u bi

i ! 1, 2,..., m , j ! 1 2,..., n i ! 1, 2,..., m; j ! 1, 2,..., n

ij

xij u 0

m= nmero de centros (orgenes) distintos n= nmero de destinos distintos cij=costo unitario de transporte del origen i al destino j xij=volumen de unidades del uno al otro ai=oferta bj=demanda

Para que este problema tenga Sumando las restricciones de solucin hay que verificar que oferta y las de demanda por el volumen ofertado siempre separado, se tiene: es superior que la demanda. m n m Es decir:

x e a
ij i !1 j !1 n m ij i !1 n

m i

n j i !1

a u b
i !1

x u b
j !1 i !1 i !1 n

Por tanto:

b e a
j i !1 i !1

Hiptesis: la oferta coincide con la demanda en el problema del transporte:

a ! b
i i !1 i !1

inimizar s.a.

z ! cij xij
i !1 j !1 n

x
j !1 m i !1

ij

! ai ! bi

i ! 1, 2,..., m j ! 1, 2,..., n i ! 1, 2,..., m; j ! 1, 2,..., n

ij

xij u 0

Minimizar

z ! cij xij
i !1 j !1

x
j !1 m i !1

ij

! ai ! bi

i ! 1, 2,..., m j !1, 2,..., n i ! 1, 2,..., m; j ! 1, 2,..., n

ij

xij u 0

x11  x12  ...  x1n x  x  ...  x 21 22 2n x11  x21  ...  xm1 x12  x22  ...  xm 2

! a1 ! a2

El problema puede ahora escribirse en forma matricial: Minimizar cx s.a. Ax=b x 0 donde x=(x11,x12,...,x1n,x21,...,xmn)T c=(c11,c12,...,c1n,c21,...,cmn)T b=(a1,a2,...,am,b1,b2,...,bn)T

M xm1  xm 2  ...  xmn ! am

! b1 ! b2

M x1n  x2 n  ...  xmn ! bn

Mtodos para determinar una solucin factible bsica inicial

En los mtodos descritos a continuacin varia el tiempo para determinar la solucin de menos a mas. Sin embargo, el tiempo utilizado al obtener una buena solucin inicial esta bien empleado ya que permite reducir considerablemente el numero total de iteraciones requeridas para alcanzar una solucin optima. Los mtodos son los siguientes: 1.- Mtodo de la esquina NorOeste (N-O) 2.- Mtodo de la matriz mnima 3.- Mtodo de Vogel 4.- Mtodo de Russell.

LA REGLA DE LA ESQUINA NOROESTE

En Esta regla nos permite encontrar una solucin factible bsica inicial (SFBI), una vez que tengamos el problema de transporte balanceado o equilibrado, es decir que el total de ofertas iguales al total de demandas. PROCEDIMIENTO Se empieza en la celda (1,1) calculando X11 = min(a1,b1). Si a1<b1, se hace b1 = b1- a1, se pasa a la celda (2,1) calculando x21 = min(a2,b1), Si en el paso anterior a1>b1; entonces se hace a1=a1-b1 y se pasa a la celda (1,2) para calcular x12 como mnimo de (a1,b2) y as se continua hasta obtener la solucin factible bsica inicial.

LA REGLA DE LA ESQUINA NOROESTE

Ejemplo Una Compaa tiene fabricas en A,B y C, las cuales proveen a los almacenes que estn en D,E,F y G. Las capacidades mensuales de las fabricas son 70, 90 y 115 (unidades) respectivamente. Los costos unitarios de embarque son los siguientes:
Destino Origen A B C D 17 15 15 E 20 21 14 F 13 26 15 G 12 25 17

LA REGLA DE LA ESQUINA NOROESTE

Es conveniente colocar todos los datos como se muestra a continuacin: Destino Origen O1 O2 O3 bj D1 17 15 15 50 D2 20 21 14 60 D3 13 26 15 70 D4 12 25 17 95 ai 70 90 115

Siguiendo el procedimiento establecido se tiene: X11 = X12 = X22 = X23 = X33 = X34 = min(a1,b1) = min(a1,b2) = min(a2,b2) = min(a2,b3) = min(a3,b3) = min(a3,b4) = min(70,50) = 50, a1 = a1-b1 = 70-50 = 20 min(20,60) = 20, b2 = b2-a1 = 60-20 = 40 min(90,40) = 40, a2 = a2-b2 = 90-40 = 50 min(50,70) = 50, b3 = b3-a2 = 70-50 = 20 min(115,20) = 20, a3 = a3-b3 = 115-20 = 95 min(95,95) = 95

LA REGLA DE LA ESQUINA NOROESTE

Situando la solucin en tabla: Destino D1 Origen O1 17 50 O2 15 O3 bj 15 50 D2 20 20 21 40 14 60 D3 13 26 50 15 20 70 D4 12 25 17 95 95 ai 70 90 115

Esto es: X11 = 50, X12 = 20, X22 = 40, X23 = 50, X33 = 20, X34 = 95 Las otras variables asumen el valor de cero. Observen que existen m+n-1 variables bsicas; esto es 4+3-1 = 6 variables bsicas (solucin no degenerada) El costo que implica esta solucin es:
Costo = 17x50 + 20x20 + 21x40+ 26x50 + 15x20 +17x95 = 5,305

MATRIZ MINIMA
Aqu se debe acudir a la celda cuyo costo es el mas bajo de todos los que integran la matriz. Si existen varias se selecciona arbitrariamente una de ellas. Sea la celda (i,j) entonces xij = min(ai,bj) Si ai< bj, hgase bj=bj-ai y elimnese la Fila I Si bj < ai hgase ai=ai-bj y elimnese la Columna j Si ai = bj eliminese la Fila i o la Columna j pero no ambos.

MATRIZ MINIMA
Ejemplo:
Continuando con el la tabla anterior y resolviendo por la matriz mnima Destino Origen O1 O2 O3 bj D1 17 15 15 50 D2 20 21 14 60 D3 13 26 15 70 D4 12 25 17 95 25 ai 70 90 115 55

Siguiendo el procedimiento establecido se tiene: 1.- Elegimos el menor costo, en este caso es 12, en la celda (1,4), entonces: X14 = min(a1,b4) = (70,95) = 70, b4 = b4 a1 = 95-70 = 25, Eliminar fila1 2.- El siguiente menor costo es 14, de la celda (3,2), se le asigna X32 = min(a3,b2) = (115,60) = 60, a3 = a3-b2 = 115-60 =55, Elimina Columna2.

MATRIZ MINIMA
Destino Origen O1 O2 O3 bj D1 17 15 15 50 D2 20 21 14 60 D3 13 26 15 70 15 D4 12 25 17 95 25 ai 70 90 40 115 55

3.- El siguiente menor costo es 15, ubicados en las celda (2,1),(3,3), buscamos cual
de ellos se puede asignar la mayor cantidad, en este caso es la celda (3,3), luego: X33 = min(a3,b3) = min(55,70)=55, b3 = b3-a3 = 70-55 = 15, Eliminar fila3 Las celdas que quedan se llenan automticamente. X21 = min(a2,b1)=min(90,50) = 50, a2=a2-b1=90-50=40, Eliminar columna 1 X23 = min(a2,b3)=min(40,15) = 15, a2=a2-b3=40-15=25, Eliminar columna 3 X24 = min(a2,b4) =min(25,25) = 25.

MATRIZ MINIMA
Situando la solucin en tabla: Destino D1 Origen O1 17 O2 O3 bj 15 50 15 50 D2 20 21 14 60 60 D3 13 26 15 15 55 70 D4 12 70 25 25 17 95 ai 70 90 115

El costo total de esta solucin es: Costo = 12x70 + 15x50 +26x15 +25x25 +14x60 +15x55 =4,270 Se observa que este costo total es menor que el costo proporcionado por el mtodo de la equina NO. Significando que la solucin encontrada por el mtodo de la matriz mnima esta mas cerca al optimo.

METODO DE VOGEL
Este mtodo provee una solucin factible bsica inicial generalmente superior a los anteriores. El mtodo mide la diferencia entre los dos costos menores en cada fila o columna y este indica donde la no asignacin al costo menor significa la mayor perdida (Principio de la mas grande penalidad). El procedimiento es el siguiente: 1. Determinar la penalidad para cada fila y cada columna al no colocar en la solucin inicial la variable que tenga el menor costo en esta fila o columna. Para la fila i, esto significa respetar el costo mas pequeo de esta fila del siguiente costo mas pequeo de la misma fila en la matriz de costos. Si dos cotos de esta fila son ambos los mas pequeos la penalidad es cero. La penalidad de la columna j se calcula de una forma similar

METODO DE VOGEL
2. Cuando se han calculado todas penalidades, localizar la mayor, ya sea una penalidad de fila o columna y ah introducir a la base Xij correspondiente a la celda de costo mas bajo (i,j) esto es: Xij = min(ai,bj), si ai<bj, hgase bj = bj ai y eliminar la fila i, esta fila se elimina en el resto del proceso, seguidamente se calcula las penalidades de columna sin considerar ahora en el calculo de las penalidades los elementos de la matriz de costos de la fila eliminada. Si bj<ai, hgase ai = ai-bj y eliminar la columna i, esta columna se elimina en el resto del proceso, seguidamente se calcula las penalidades de la fila sin considerar ahora en el calculo de la columna eliminada. Si ai = bj, elimnese la fila i o la columna j, pero no ambos.

3. Repetir el proceso hasta obtener la solucin factible bsica inicial

METODO DE VOGEL
4. Si dos o mas penalidades de fila o columna son iguales en una iteracin cualquiera, procdase como sigue: Ver si el elemento de mnimo costo en una de las filas o columnas igualadas es tambin el mnimo elemento de costos en su columna o fila. Si existe tal elemento min cij entre las filas o columnas igualadas, deshacer la relacin a favor de tal fila o columna. Si no existe en ninguna de las filas o columnas igualadas tal elemento mnimo, determnese penalidades secundarias para estas filas y columnas. a. La penalidad secundaria para una fila o columna se define como la diferencia entre el segundo elemento de costo mas pequeo en esta fila o columna y el elemento de costo mas pequeo en la columna o fila que contiene dicho segundo elemento. b. Si hay dos o mas elementos de costo del mismo valor que el segundo elemento de costo mas pequeo en la fila o columna igualada habr varias penalidades secundarias a calcular en dicha fila o columna, la igualdad entre las penalidades primarias se rompe a favor de la fila o columna con la mayor penalidad secundaria. Si todava queda alguna igualdad, el mtodo dice que podemos elegir arbitrariamente ya sea la fila o la columna.

METODO DE VOGEL
Ejemplo:
Del ejemplo anterior, luego de determinar la penalidad para cada fila y cada columna

Destino D1 D2 D3 D4 Ai Origen 17 20 13 12 70 O1 O2 O3 bj P 15 21 26 25 90

P
1 6

15 14 15 17 115 1 50 60 70 95 0 6 2 5

Observamos que existe dos penalidades iguales de la fila 2 y columna 2; para seguir adelante recurrimos al paso 4(a), de acuerdo a esto elegimos la columna 2 que contiene el menor costo (14); luego introducimos a la base. X32 = min(a3,b2) = min(115,60) = 60, a3 = a3-b2 = 115-60 = 55, eliminar columna2.

METODO DE VOGEL
Las nuevas penalidades son:

Destino D1 Origen 17 O1 O2 O3 bj P 15 15 50 0

D3 D4

Ai

P
1

13 12 70

26 25 90 10 15 17 55 70 95 2 5 0

Se observa que 10 es la mayor penalidad y esta en fila 2, buscamos en esta fila el menor costo (15), luego introducimos a la base. X21 = min(a2,b1) = min(90,50) = 50, a2 = a2-b1 = 90-50 = 40, eliminar columna1.

METODO DE VOGEL
Las nuevas penalidades son:

Destino Origen O1 O2 O3 bj P

D3 D4

Ai

P
1 1 2

13 12 70 26 25 40 15 17 55 70 95 2 5

Se observa que 5 es la mayor penalidad y esta en columna 4, buscamos en esta columna el menor costo (12), luego introducimos a la base. X14 = min(a1,b4) = min(70,95) = 70, b4 = b4-a1 = 95-70 = 25, eliminar fila 1.

METODO DE VOGEL
Las nuevas penalidades son:

Destino Origen

D3 D4

Ai

O2 O3 bj P

26 25 40 15 17 55 70 25 11 8

1 2

Se observa que 11 es la mayor penalidad y esta en columna 3, buscamos en esta columna el menor costo (15), luego introducimos a la base. X33 = min(a3,b3) = min(55,70) = 55, b3 = b3-a3 = 70-55 = 15, eliminar fila 3.

METODO DE VOGEL
Las nuevas penalidades son:

Destino Origen

D3 D4

Ai

O2

26 25 40

bj P

15 25 26 25

Se observa que 26 es la mayor penalidad y esta en columna 4, buscamos en esta columna el menor costo (26), luego introducimos a la base. X23 = min(a2,b3) = min(40,15) = 15, a2 = a2-b3 = 40-15 = 25, eliminar columna3.

METODO DE VOGEL
Las nuevas penalidades son:

Destino Origen

D4

Ai

O2

25 25

bj P

25 25

Se observa que 25 es la mayor penalidad y esta en columna 4, buscamos en esta columna el menor costo (25), luego introducimos a la base. X24 = min(a2,b4) = min(25,25) = 0, a2 = a2-b4 = 25-25 = 0.

METODO DE VOGEL
Quedando la solucin:

Destino D1 D2 D3 D4 Ai Origen 17 20 13 12 70 O1 70 15 21 26 25 90 O2 50 15 25 15 14 15 17 115 O3 60 55 50 60 70 95 Bj

El costo de esta solucin es: Costo = 12x70 +15x50 +26x15 + 25x25 +14x60 +15x55 Costo = S/. 4.270

METODO DE VOGEL
Ejemplo 2:

Destino D1 D2 D3 D4 Ai Origen 4 6 2 3 100 O1 O2 O3 Bj 3 2

80

1 2

7 3

3 200 5 300

160 100 260