INDICE

5.1 DEFINICIÒN DEL PROBLEMA DE TRANSPORTE ...................................................... 2

EJERCICIOS DEL MÈTODO COSTO MÍNIMO ........................................................ 4
5.2 MÈTODO DE LA ESQUINA NOROESTE ..................................................................... 17
EJERCICIOS DEL MÈTODO ESQUINA DE NOROESTE .................................... 23
5.3 EL MÈTODO DE APROXIMACIÒN DE VOGEL .......................................................... 30
EJERCICIOS DEL MÈTODO APROXIMACIÒN DE VOGEL ................................ 39
5.4 PROCEDIMIENTOS DE OPTIMIZACIÒN ..................................................................... 49
5.5 DEFINICIÒN DEL PROBLEMA DE ASIGNACIÒN ...................................................... 53
5.6 EL MÈTODO HÙNGARO ................................................................................................. 54
EJERCICIOS DEL MÈTODO HÚNGARO ................................................................ 61
5.7 USO DE SOFTWARE ....................................................................................................... 68
BLIBLIOGRAFÌA ....................................................................................................................... 70
 5.1 DEFINICIÒN DEL PROBLEMA DE TRANSPORTE

El problema general de transporte se refiere a la distribución de cualquier bien

desde cualquier grupo de centros de suministro, llamados orígenes, a cualquier
grupo de centros de recepción, llamados destinos de modo que se minimice el
costo total de distribución.

Cada origen tiene ciertos recursos (oferta) para distribuir a los destinos y cada
destino tiene cierta demanda de estos recursos que recibe de los orígenes. El
modelo de un problema de transporte hace la siguiente suposición acerca de
estos recursos (ofertas) y demandas.

El problema del transporte o distribución es un problema de redes especial en

programación lineal que se funda en la necesidad de llevar unidades de un
punto específico llamado fuente u Origen hacia otro punto específico llamado
Destino. Los principales objetivos de un modelo de transporte son la
satisfacción de todos los requerimientos establecidos por los destinos y claro
está la minimización de los costos relacionados con el plan determinado por las
rutas escogidas.

El contexto en el que se aplica el modelo de transporte es amplio y puede

generar soluciones atinentes al área de operaciones, inventario y asignación de
elementos.

El procedimiento de resolución de un modelo de transporte se puede llevar a

cabo mediante programación lineal común, sin embargo su estructura permite
la creación de múltiples alternativas de solución tales como la estructura de
asignación o los métodos heurísticos más populares como Vogel, Esquina de
Noroeste y mínimos costos.

2
Los problemas de transporte o distribución son uno de los más aplicados en la
economía actual, dejando como es de prever múltiples casos de éxito a escala
global que estimulan la aprehensión de los mismos.

PROBLEMA DE TRANSPORTE MEDIANTE PROGRAMACIÓN LINEAL

Como se mencionó anteriormente la programación lineal puede ser utilizada

para la resolución de modelos de transporte, aunque no sea sensato resolver
los modelos mediante el Método Simplex si puede ser de gran utilidad la fase
de modelización, la programación carece de la practicidad de los métodos de
asignación, pero puede ser de gran importancia dependiendo de la complejidad
de las restricciones adicionales que puede presentar un problema particular.

3
EJERCICIOS

DEL MÈTODO

COSTO

MÍNIMO

4
5
6
7
8
9
10
11
12
13
14
15
16
 5.2 MÈTODO DE LA ESQUINA NOROESTE

El método de la esquina Noroeste es un algoritmo heurístico capaz de

solucionar problemas de transporte o distribución, mediante la consecución de
una solución básica inicial que satisfaga todas las restricciones existentes, sin
que esto implique que se alcance el costo óptimo total.

Este método tiene como ventaja frente a sus similares, la rapidez de

su ejecución, y es utilizado con mayor frecuencia en ejercicios donde el número
de fuentes y destinos sea muy elevado.

Su nombre se debe al génesis del algoritmo, el cual inicia en la ruta, celda o

esquina Noroeste. Es común encontrar gran variedad de métodos que se
basen en la misma metodología de la esquina Noroeste, dada que podemos
encontrar de igual manera el método e la esquina Noreste, Sureste o Suroeste.

Es uno de los métodos más fácil para determinar una solución básica factible
inicial. Este también considerado por ser el menos probable para dar una
buena solución de “bajo costo” porque ignora la magnitud relativa de los costos.

ALGORITMO DE RESOLUCIÓN DE LA ESQUINA NOROESTE

Se parte por esbozar en forma matricial el problema, es decir, filas que
representen fuentes y columnas que representen destinos, luego el algoritmo
debe de iniciar en la celda, ruta o esquina Noroeste de la tabla (esquina
superior izquierda).

17
El método de la esquina noroeste consta, de manera resumida, de los
siguientes pasos:

1. Obtener la tabla inicial del problema de transporte.

2. Asignar en la celda de la esquina noroeste de la tabla, celda (1,1), tantas

unidades de producto como sea posible.

3. Ajustar la oferta y demanda según corresponda y cancelar las celdas

restantes de la fila o columna que ya está satisfecha.

4. Trasladarse hacia la celda de la derecha (si se canceló la columna) o hacia

la celda de abajo (si se canceló la fila) y asignar tantas unidades como
sea posible. Si es la última celda disponible termina, en otro caso, continuar
en el paso tres.

5. Interpretar la solución factible del modelo con el valor de las variables

6. Calcular los costos marginales de las celdas no básicas. Si los costos

marginales son cantidades positivas, la solución es óptima y el proceso
termina. Si los costos marginales son cantidades negativas, se requiere formar
otra tabla.

EJEMPLO:

Una empresa dedicada a la importación y distribución de computadoras cuenta

con socios en Inglaterra y Alemania como países proveedores, y tres puntos de
distribución, identificados como Región 1, Región 2 y Región 3. Por
su parte, Inglaterra tiene disponibles 7200 computadoras, mientras que en
Alemania la existencia alcanza las 5300. Se sabe que la Región 1 requiere de
5500 computadoras, mientras que tanto Región 2 como Región 3 necesitan
3500 computadoras cada una. Los costos de transporte unitarios asociados
desde cada origen a cada destino, se muestran en la siguiente tabla:

18
 REGIÒN 1 REGIÒN 2 REGIÒN 3
INGLATERRA $12 $7 $10
ALEMANIA $8 $11 $9
Aplicar el método de la esquina noroeste al problema de transporte del ejemplo
de las computadoras.

1. Obtener la tabla inicial del problema de transporte.

2. Colocar en la celda de la esquina noroeste de la tabla, celda (1,1), tantas

unidades de producto como sea posible.

Para realizar la asignación se compara el valor de la demanda y la oferta

que corresponde a la celda y se coloca en máximo valor posible entre la
oferta y la demanda, es decir, el menor valor de los dos comparados.

3. Ajustar la oferta y demanda según corresponda y cancelar la fila o

columna que ya está satisfecha.

19
 En este caso, se canceló la primera columna, y la nueva oferta ajustada de
Inglaterra es de 1700, lo cual se indica en la celda correspondiente.

4. Trasladarse hacia la celda de la derecha (si se canceló la columna) o

hacia la celda de abajo (si se canceló la fila) y asignar tantas
unidades como sea posible. Si es la última celda disponible termina,
en otro caso, continuar en el paso tres.

Como se canceló la primera columna, se avanza hacia la derecha en la primera

fila y se asignan 1700 unidades. Se ajusta la oferta y la demanda.
Debido a que ésta no es la última celda disponible, continuamos.

Observamos que es necesario continuar con el algoritmo, entonces:

20
En la última tabla obtenida, ya no hay celdas disponibles, ya que cada celda o
bien tiene cierta cantidad de unidades asignadas o fue cancelada. Las celdas
con unidades asignadas se conocen como celdas básicas y a las celdas
canceladas se les llama celdas no básicas.

5. Interpretar la solución factible del modelo con el valor de las variables

.

Para interpretar la solución del modelo se recupera el valor de cada variable

, las cuales corresponden a las celdas básicas .

Para este problema las celdas básicas con sus respectivas variables de
decisión, son:

C(1,1) con = 5500

C(1,2) con = 1700

C(2,2) con = 1800

C(2,3) con = 3500

Entonces, el costo del modelo de transporte está dado por la suma de los
productos del costo unitario por el número de unidades asignadas en cada
celda básica.

Z = 5500 (12)+ 1700 (7)+ 1800 (11)+ 3500(9)

Z = 129200

21
 Por lo tanto, la primera solución factible significa que se deben enviar
5500 y 1700 computadoras desde Inglaterra a la Región 1 y Región 2,
respectivamente. Desde Alemania, 1800 y 3500 computadoras a la Región 2 y
Región 3, respectivamente, con un costo total de transporte de $129,200.00.

6. Calcular los costos marginales1 de las celdas no básicas. Si los costos

marginales son cantidades positivas, la solución es óptima y el proceso
termina. Si los costos marginales son cantidades negativas, se requiere
formar otra tabla.

Para este caso, las celdas no básicas son C(1,3) y C(2,1). En este momento
decidimos presentar hasta la primera solución factible, ya que si bien pueden
calcularse los costos marginales en este punto, posteriormente se presentará el
método Modi para este efecto.

22
EJERCICIOS

DEL MÈTODO

ESQUINA DE

NOROESTE

23
24
25
26
27
28
29
 5.3 EL MÈTODO DE APROXIMACIÒN DE VOGEL

El método de aproximación de Vogel es un método heurístico de resolución

de problemas de transporte capaz de alcanzar una solución básica no artificial
de inicio, este modelo requiere de la realización de un número generalmente
mayor de iteraciones que los demás métodos heurísticos existentes con este
fin, sin embargo produce mejores resultados iniciales que los mismos.

ALGORITMO DE VOGEL
El método de aproximación de Vogel consiste en la realización de un algoritmo
que consta de 3 pasos fundamentales y 1 más que asegura el ciclo hasta la
culminación del método.

PASO 1

Determinar para dada fila y columna una medida de penalización restando los
dos costos menores en filas y columnas.

PASO 2

Escoger la fila o columna con la mayor penalización, es decir que de la resta

realizada en el “paso 1” se debe escoger el nùmeo mayor. En caso de haber
empate, se debe escoger arbitrariamente (a juicio personal).

PASO 3

De la fila o columna de mayor penalización determinada en el paso anterior

debemos escoger la celda con el menor costo, y esta asignar la mayor cantidad
posible de unidades. Una vez se realiza este paso una oferta o demanda
quedara satisfecha por ende se tachará la fila o columna, en caso de empate
solo de tachará 1, la restante quedará con oferta o demanda igual a cero (0).

30
PASO 4 DE CICLOS Y EXCEPCIONES

-Si queda sin tachar exactamente una fila o columna con cero oferta o
demanda, detenerse.

-Si queda sin tachar una fila o columna con oferta o demanda positiva,
determine las variables básicas en la fila o columna con el método de costos
mínimos, detenerse.

-Si todas las filas y columnas que no se tacharon tienen cero oferta y demanda,
determine las variables básicas cero por el método del costo mínimo detenerse.

-Si no se presenta ninguno de los casos anteriores vuelva al paso 1 hasta que
las ofertas y las demandas se hayan agotado.

EJEMPLO DEL MÈTODO DE APROXIMACIÒN DE VOGEL

Por medio de este método resolveremos el ejercicio de transporte resuelto en

módulos anteriores mediante programación lineal.
EL PROBLEMA
Una empresa energética colombiana dispone de cuatro plantas de generación
para satisfacer la demanda diaria eléctrica en cuatro ciudades, Cali, Bogotá,
Medellín y Barranquilla. Las plantas 1, 2,3 y 4 pueden satisfacer 80, 30, 60 y 45
millones de KW al día respectivamente. Las necesidades de las ciudades de
Cali, Bogotá, Medellín y Barranquilla son de 70, 40, 70 y 35 millones de KW al
día respectivamente.

Los costos asociados al envío de suministro energético por cada millón de KW

entre cada planta y cada ciudad son los registrados en la siguiente tabla.

31
Formule un modelo de programación lineal que permita satisfacer las
necesidades de todas las ciudades al tiempo que minimice los costos
asociados al transporte.

SOLUCIÓN PASO A PASO

El primer paso es determinar las medidas de penalización y consignarlas en el
tabulado de costos, tal como se muestra a continuación.

El paso siguiente es escoger la mayor penalización, de esta manera:

El paso siguiente es escoger de esta columna el menor valor, y en una tabla

paralela se le asigna la mayor cantidad posible de unidades, podemos observar
como el menor costo es "2" y que a esa celda se le pueden asignar como
máximo 60 unidades "que es la capacidad de la planta 3".

32
Dado que la fila de la "Planta 3" ya ha asignado toda su capacidad (60
unidades) esta debe desaparecer.

33
Se ha llegado al final del ciclo, por ende se repite el proceso

34
Iniciamos una nueva iteración

Continuamos con las iteraciones

35
Iniciamos otra iteración

36
Al finalizar esta iteración podemos observar como el tabulado queda una fila sin
tachar y con valores positivos, por ende asignamos las variables básicas y
hemos concluido el método.

Los costos asociados a la distribución son:

37
De esta manera hemos llegado a la solución a la cual también llegamos
mediante programación lineal, definitivamente desarrollar la capacidad para
modelar mediante programación lineal y apoyarse de una buena herramienta
como WinQSB, STORM, LINGO, TORA etc. termina siendo mucho más
eficiente que la utilización de los métodos heurísticos para problemas
determinísticos;
Sin embargo, cabe recordar que uno de los errores más frecuentes en los que
caen los ingenieros industriales es en tratar de adaptar sus organizaciones a
los modelos establecidos, cabe recordar que son los modelos los que deben
adaptarse a las organizaciones, lo cual requiere de determinada habilidad para
realizar de forma inmediata cambios innovadores para sus fines.

38
EJERCICIOS

DEL MÈTODO

APROXIMACIÒN

DE VOGEL

39
40
41
42
43
44
45
46
47
48
 5.4 PROCEDIMIENTOS DE OPTIMIZACIÒN

Motivos para estudiar Optimización

Existe una enorme variedad de actividades en el mundo cotidiano que pueden

ser útilmente descritas como sistemas, desde sistemas físicos tales como una
planta industrial hasta entidades teóricas tales como los modelos económicos.
La operación eficiente de esos sistemas usualmente requiere un intento por
optimizar varios índices que miden el desempeño del sistema. Algunas veces,
esos índices son cuantificados y representados como variables algebraicas.
Entonces se deben encontrar valores para esas variables, que maximicen la
ganancia o beneficio del sistema, o bien minimicen
los gastos o pérdidas. Se asume que las variables dependen de ciertos
factores. Algunos de esos factores a veces están bajo el control (al menos
parcialmente) del analista responsable del desempeño del sistema.

El proceso de administración de los recursos escasos de un sistema se suele

dividir en seis fases:

i análisis matemático del sistema

ii construcción de un modelo matemático que refleja los aspectos

importantes del sistema

iii validación del modelo

iv manipulación del modelo a fin de obtener

una solución satisfactoria, si no óptima

v implementación de la solución seleccionada

vi introducción de una estrategia de control del desempeño del sistema

después de la implementación efectuada.

La cuarta fase, la manipulación del modelo, es la que concierne a la teoría de

la optimización. Las otras fases son muy importantes en la administración de
cualquier sistema y probablemente requerirán mayor esfuerzo total que la

49
fase de optimización. Sin embargo, en esta presentación de la optimización se
asumirá que las demás fases fueron o serán resueltas aparte. Debido a que la
teoría de la optimización brinda este eslabón en la cadena de la
administración de sistemas constituye un cuerpo importante del conocimiento
matemático.

El Alcance de la Optimización

Una de las herramientas más importantes de la optimización es

la programación lineal. Un problema de programación lineal está dado por
una función lineal de varias variables que debe ser optimizada (maximizada o
minimizada) cumpliendo con cierto número de restricciones también lineales.

El matemático G.B. Dantzig desarrolló un algoritmo llamado el método

simplex para resolver problemas de este tipo. El método simplex original ha
sido modificado a
fin de obtener un algoritmo eficiente para resolver grandes problemas
de programación lineal por computadora.

Por medio de la programación lineal se pueden formular y resolver problemas

de una gran variedad de campos del quehacer humano, entre los que se
puede mencionar: asignación de recursos en la planificación de gobierno,
análisis de redes para planificación urbana y regional, planificación de la
producción en la industria, y la administración de sistemas de transporte y
distribución. Por esto la programación lineal es uno de los éxitos de la
moderna teoría de la optimización.

La Optimización como una rama de las Matemáticas

Se puede ver, por lo dicho en la sección anterior, que la teoría de la

optimización es matemática por naturaleza. Típicamente involucra la
maximización o minimización de una función (a veces desconocida) que
representa el desempeño de algún sistema.
Esto se resuelve encontrando los valores de las variables (cuantifica

50
bles y controlables) que hacen que la función alcance su mejor valor. A fin
de entender cómo operan los algoritmos se requieren conocimientos de
álgebra lineal y cálculo diferencial con varias variables.

Conceptos Básicos de Optimización

Esta sección introduce algunos de los conceptos básicos de optimización que

se utilizan a lo largo del presente compendio. Cada concepto se ilustra por
medio del siguiente ejemplo.

El problema es:

Este es un problema típico en la teoría de optimización: la maximizació

n (o minimización) de una función real de variables reales (a veces una sola
variable) sujeta a un número de restricciones (a veces este número es cero).

La función f se llama función objetivo, x1 y x2 se llaman variables

independientes o variables decisionales. El problema es encontrar valores
reales para x1 y x2, que satisfagan las restricciones (1.2), (1.3) y (1.4), los
cuales introducidos en (1.1) hagan que f (x1,x2) tome un valor no menor que
para cualquier otro par x1,x2.

En la figura siguiente se muestran tres contornos de la función objetivo.

51
La función objetivo tiene el mismo valor en todos los puntos de cada línea, de
modo que los contornos pueden asimilarse a las isobaras (o isotermas) de un
mapa climático.

No es difícil ver que la solución del problema es:

X (x1,x 2) (1, 0)

Esto significa que

f(X ) f(X), X S (1.5)

Cuando una solución X S satisface (1.5) se llama solución óptima, y en este

caso solución máxima (también solución optimal o maximal). Si el símbolo en
(1.5) fuera “ ”, X sería una solución mínima. Además, f ( X ) se llama valor
óptimo, y no debe ser confundido con solución óptima.

En la figura se observa que se podrían obtener valores mayores de f eligiendo

ciertos x1, x2 fuera de S.

Cualquier par ordenado de números reales se llama solución del problema y

el valor correspondiente de f se llama valor de la solución. Una solución X tal
que X S se llama solución factible, en tanto que S = {(x1,x2)
: h (x1,x2) 0, x1 0, x2 0}, que generalmente es una región conexa, se
llama región factible.

52
 5.5 DEFINICIÒN DEL PROBLEMA DE ASIGNACIÒN

El problema de asignación es una variación del problema original de transporte,

variación en la cual las variables de decisión X(i,j) solo pueden tomar valores
binarios, es decir ser cero (0) o uno (1), en la solución óptima, lo que supone
que la oferta y la demanda están perfectamente alineadas, de hecho ambas
son iguales a uno (1).

Múltiples son los casos en los que como ingenieros industriales podemos hacer
uso del problema de asignación para resolver diversas situaciones, entre los
que cabe mencionar se encuentran la asignación de personal a maquinas,
herramientas a puestos de trabajos, horarios a maestros, candidatos a
vacantes, huéspedes a habitaciones, comensales a mesas, vendedores a
zonas territoriales etc.

En el modelo de asignación, la idea fundamental de resolución es ¿qué fuente

satisface mejor el destino?, y dado que hemos asociado el modelo a una gran
diversidad de circunstancias esta pregunta puede plantearse en múltiples
contextos, como ¿qué candidato es el idóneo para la vacante?, o ¿qué
personal es el indicado para la línea productiva?, o ¿qué personal es el mejor
para ejecutar determinada tarea?. Una característica particular del modelo de
asignación es que para su resolución no se hace necesario que el número de
fuentes sea igual al número de destinos, lo cual es muy común en la vida real,
teniendo en cuenta su aplicación, pues generalmente la cantidad de aspirantes
es superior al número de vacantes (lógicamente haciendo referencia a la
aplicación del modelo al contexto de oferta y demanda laboral).

53
 5.6 EL MÈTODO HÙNGARO

Apartándonos un poco de la idea expresada en módulos anteriores respecto a

la facilidad de resolver problemas atinentes a la investigación operativa en
especial aquellos de transporte mediante el uso de herramientas tecnológicas
como lo son WinQSB, LINGO, TORA, STORM, Excel, etc. Vale la pena ya sea
para fines académicos o de cultura ingenieril realizar la resolución del problema
de asignación mediante el algoritmo que se creó para tal fin, como lo es el
método húngaro.

El método húngaro es un método de optimización de problemas de asignación,

conocido como tal gracias a que los primeros aportes al método clásico
definitivo fueron de Dénes König y Jenő Egerváry dos matemáticos húngaros.

Este método utiliza la propiedad de reducción de matrices para reducir la matriz

original de costo, hasta que los costos C i j asociados con la asignación óptima,
sean cero y todos los otros costos sean no negativos.

En cada iteración del método húngaro, se reduce la matriz de tal manera que
haya al menos un cero en cada renglón y columna, comprobando con el
teorema de König si se ha alcanzado la solución óptima. Si el número mínimo
de renglones y/o columnas necesarios para cubrir todos los ceros es n,
entonces existe una asignación óptima (no necesariamente única).

El algoritmo tal como se detallará a continuación está diseñado para la

resolución de problemas de minimización únicamente, ya que es más eficaz
para resolver el problema del transporte por el alto grado de degeneración que
pueden presentar los problemas de asignación.

Los problemas de asignación incluyen aplicaciones tales como asignar

personas a tareas. Aunque sus aplicaciones parecen diferir de las del problema

54
del transporte, constituye un caso particular. Los problemas de transporte y
asignación son casos particulares de un grupo más grande de problemas,
llamados problemas de flujo en redes.
Suposiciones de un problema de asignación:
1. El número de asignados es igual al número de tareas (se denota
por n). (esto puede variar).
2. Cada asignado se asigna exactamente a una tarea.
3. Cada tarea debe realizarla exactamente un asignado.
4. Existe un costo asociado con el asignado i (i=1,2,…,n).

5. El objetivo es determinar cómo deben hacerse las asignaciones

para minimizar los costos totales
ALGORITMO HÚNGARO, PASO 1
Antes que nada cabe recordar que el método húngaro trabaja en una matriz de
costos n*m (en este caso conocida como matriz m*m, dado que el número de
filas es igual al número de columnas n = m), una vez construida esta se debe
encontrar el elemento más pequeño en cada fila de la matriz.
ALGORITMO HÚNGARO, PASO 2
Una vez se cumple el procedimiento anterior se debe construir una nueva
matriz n*m, en la cual se consignarán los valores resultantes de la diferencia
entre cada costo y el valor mínimo de la fila a la cual cada costo corresponde
(valor mínimo hallado en el primer paso).
ALGORITMO HÚNGARO, PASO 3
Este paso consiste en realizar el mismo procedimiento de los dos pasos
anteriores referidos ahora a las columnas, es decir, se halla el valor mínimo de
cada columna, con la diferencia que este se halla de la matriz resultante en el
segundo paso, luego se construirá una nueva matriz en la cual se consignarán
los valores resultantes de la diferencia entre cada costo y el valor mínimo de la
columna a la cual cada costo corresponde, matriz llamada "Matriz de Costos
Reducidos".

55
ALGORITMO HÚNGARO, PASO 4
A continuación se deben de trazar líneas horizontales o verticales o ambas
(únicamente de esos tipos) con el objetivo de cubrir todos los ceros de la matriz
de costos reducidos con el menor número de líneas posibles, si el número de
líneas es igual al número de filas o columnas se ha logrado obtener la solución
óptima (la mejor asignación según el contexto de optimización), si el número de
líneas es inferior al número de filas o columnas se debe de proceder con el
paso 5.
ALGORITMO HÚNGARO, PASO 5
Este paso consiste en encontrar el menor elemento de aquellos valores que no
se encuentran cubiertos por las líneas del paso 4, ahora se restará del restante
de elementos que no se encuentran cubiertos por las líneas; a continuación
este mismo valor se sumará a los valores que se encuentren en las
intersecciones de las líneas horizontales y verticales, una vez finalizado este
paso se debe volver al paso 4.

EJEMPLO:

La compañía de manufactura "Jiménez y Asociados" desea realizar una

jornada de mantenimiento preventivo a sus tres máquinas principales A, B y C.
El tiempo que demanda realizar el mantenimiento de cada máquina es de 1
día, sin embargo la jornada de mantenimiento no puede durar más de un día,
teniendo en cuenta que la compañía cuenta con tres proveedores de servicios
de mantenimiento debe de asignarse un equipo de mantenimiento a cada
máquina para poder cumplir con la realización del mantenimiento preventivo.
Teniendo en cuenta que según el grado de especialización de cada equipo
prestador de servicios de mantenimiento el costo de la tarea varía para cada
máquina en particular, debe de asignarse el equipo correcto a la máquina
indicada con el objetivo de minimizar el costo total de la jornada. Los costos
asociados se pueden observar en la siguiente tabla:

56
PASO 1

Encontramos el menor elemento de cada fila

PASO 2
Construimos una nueva matriz con las diferencias entre los valores de la matriz
original y el elemento menor de la fila a la cual corresponde.

PASO 3
En la matriz construida en el paso anterior se procede a efectuar el paso 1 esta
vez en relación a las columnas, por ende escogemos el elemento menor de
cada columna. Igualmente construimos una nueva matriz con la diferencia
entre los valores de la matriz 2 y el elemento menor de la columna a la cual
corresponde cada valor.

57
PASO 4
En este paso trazaremos la menor cantidad de combinaciones de líneas
horizontales y verticales con el objetivo de cubrir todos los ceros de la matriz de
costos reducidos.

Como se puede observar el menor número de líneas horizontales y/o verticales

necesarias para cubrir los ceros de la matriz de costos reducidos es igual a 2,
por ende al ser menor que el número de filas o columnas es necesario recurrir
al paso 5.

58
PASO 5
En este paso seleccionamos el menor elemento de los elementos no
subrayados.

Luego se procede a restarse de los elementos no subrayados y a adicionarse a

los elementos ubicados en las intersecciones de las líneas, en este caso existe
una única intersección (3).

Ahora ya efectuado este paso pasamos al paso 4.

59
Ahora observamos cómo se hace necesario trazar tres líneas (la misma
cantidad de filas o columnas de la matriz) por ende se ha llegado al tabulado
final, en el que por simple observación se determina las asignaciones óptimas.

Por ende la asignación que representa el menor costo para la jornada de

mantenimiento preventivo determina que el Equipo 1 realice el mantenimiento
de la Máquina 1, el Equipo 2 realice el mantenimiento de la Máquina 3 y el
Equipo 3 realice el mantenimiento de la Máquina 2, jornada que tendrá un
costo total de 17 unidades monetarias.

60
EJERCICIOS

DEL MÈTODO

HÚNGARO

61
62
63
64
65
66
67
 5.7 USO DE SOFTWARE

CPLEX

IMB ILOG CPLEX resuelve de forma lineal o

cuadrática problemas de optimización restringidas
donde el objetivo a optimizar se puede expresar
como una función lineal o una función cuadrática
convexa. Las variables del modelo se pueden
declarar como continuas o como más restringidas para toma solo valores
enteros.

CPLEX viene en tres formas:

 CPLEZ Interactive Optimizer

 Concert Technology
 Biblioteca de C: Visual Basic, Fortran, etc.


¿Qùe hace CPLEX?

CPLEX es una herramienta para resolver, problemas de optimización lineal.

Estos problemas convencionalmente se escriben de esta forma:

68
Donde la relación puede ser mayor o igual, menos o igual o simplemente igual
y la cotas superiores y las cotas inferiores puede ser infinidad positiva,
infinidad negativa o cualquier número real.

Cuando un problema de optimización lineal se establece de esta forma

convencional, habitualmente se hace referencia a sus coeficientes y valores en
estos términos:

En el problema de optimización lineal más básico, las variables de la función

objetivo son continuas, en CPLEX implementa optimizadores basados en los
algoritmos simplex (tanto primal como dual) así como en el algoritmo de barrera
logarítmica primal-dual y un algoritmo sif ting.

CPLEX resuelve los siguientes problemas:

 Función objetiva cuadrática

 Tipos de problemas restringidos cuadráticamente.
 Programas enteros mixtos o MIP.
 Problemas lineales con estructuras de red.

69
 BLIBLIOGRAFÌA
5.1

http://ioi-itstb.blogspot.com/p/unidad-v-metodo-de-transporte-y-metodo.html

http://inves-op-ittol.blogspot.com/2016/05/51-definicion-del-problema-de-
transporte.html

https://www.academia.edu/11486963/PROBLEMAS_DE_TRANSPORTE_Y_AS
IGNACION

5.2

http://inves-op-ittol.blogspot.com/2016/05/52-metodo-de-la-esquina-
noroeste.html

https://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-
industrial/investigaci%C3%B3n-de-operaciones/m%C3%A9todo-de-la-esquina-
noroeste/

http://gc.initelabs.com/recursos/files/r157r/w13110w/MateNegocios_unidad%20
5.pdf

5.3

https://www.academia.edu/28345113/PROBLEMA_DEL_TRANSPORTE_O_DI
STRIBUCI%C3%93N

http://gc.initelabs.com/recursos/files/r157r/w13110w/MateNegocios_unidad%20
5.pdf

https://www.academia.edu/28741748/metodos_y_modelos_de_investigacion_d
e_operaciones_Vol_1_1ra_Edicion_Juan_Prawda_Witenberg.pdf

5.4

https://jorgesosasanchez.wordpress.com/unidad-2/2-1-problema-de-transporte-
2/2-1-2-procedimiento-de-optimizacion/

70
https://www.academia.edu/28345113/PROBLEMA_DEL_TRANSPORTE_O_DI
STRIBUCI%C3%93N

5.5

https://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-
industrial/investigaci%C3%B3n-de-operaciones/problemas-de-
asignaci%C3%B3n/

5.6

https://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-
industrial/investigaci%C3%B3n-de-operaciones/problemas-de-
asignaci%C3%B3n/

http://inves-op-ittol.blogspot.com/2016/05/metodo-hungaro_25.html

5.7

http://inves-op-ittol.blogspot.com/2016/05/uso-de-software-cplex.html

71