Grupo 13 102016 TC1

Trabajo colaborativo fase 2
ANÁLISIS, SOLUCIÓN DE PROBLEMAS DE PLE Y TRANSPORTES
YESSICA DEL CARMEN JIMENEZ C.C. 1065598245
AMIRA ELENA BARRAZA RIVERA C.C. 22.460.883
ERWIN YASSER ESCUDERO
RAFAEL FRANCISCO BRITTO
GRUPO N° 102016_38
TUTORA:
ANDREA BARRERA
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA CIENCIAS DE LA EDUCACIÓN ECEDU
JULIO 2018.
Introducción
En cualquier empresa, muchas de las decisiones que se toman tienen por objeto
hacer el mejor uso posible (optimización) de los recursos de la misma. Por recursos de
una empresa se entiende la maquinaria que ésta posea, sus trabajadores, capital
financiero, instalaciones, y las materias primas de que disponga. Tales recursos
pueden ser usados para fabricar productos (electrodomésticos, muebles, comida, ropa,
etc.) o servicios (horarios de producción, planes de marketing y publicidad, decisiones
financieras, etc.). La Programación Lineal (PL) y la Programación Lineal Entera (PLE)
son técnicas matemáticas diseñadas para ayudar a los directivos en la planificación y
toma de decisiones referentes a la asignación de los recursos.
Como ejemplos de problemas donde la Programación Lineal desarrolla un papel
fundamental, podríamos citar:
 A partir de los recursos disponibles, determinar las unidades a producir de cada
bien de forma que se maximice el beneficio de la empresa.
 Elegir materias primas en procesos de alimentación, para obtener mezclas con
unas determinadas propiedades al mínimo costo.
 Determinar el sistema de distribución que minimice el costo total de transporte,
desde diferentes almacenes a varios puntos de distribución.
 Desarrollar un plan de producción que, satisfaciendo las demandas futuras de
los productos de una empresa, minimice al mismo tiempo los costos totales de
producción e inventario.
A lo largo de este trabajo se presenta el análisis de problemas cuya solución
requieren el uso del algoritmo simplex, es necesario identificar que hay situaciones que
van a generar soluciones considerando variables continuas, es decir aquellas que
toman valores reales. Además se ve necesario conocer que hay situaciones problemas
que en un escenario real, no pueden tomar valores decimales, donde es indispensable
aplicar los algoritmos de la programación lineal entera (PLE). Dentro de los algoritmos
se encuentra el método de bifurcación y acotación (Branch and Bound), que es una
estrategia sistemática, que reduce mucho el número de combinaciones que se deben
examinar.
Se muestra la existencia de diferentes herramientas computacionales como lo son el
Solver de Excel, Winqsb, y Php simplex on line, que permiten resolver los problemas de
programación lineal y programación lineal entera.
De otro lado, se aplican varios métodos para solucionar problemas de transporte,
donde la función objetivo se debe minimizar en aras de obtener los costos mínimos de
transporte que se pueden generar desde el lugar donde se fabrican (fuentes), hasta
donde tienen que ser comercializados (destinos).
Dentro de los métodos para solución de problemas de transporte se utilizan el
método de la esquina noroeste, método del costo mínimo y el método de aproximación
de Vogel. A nivel de software se aplica en la solución de los problemas propuestos en
la guía de actividades, herramientas computacionales como lo son el Solver de Excel y
Winqsb, que permiten resolver los problemas de transporte.

PARTE 1. Problema fabricación componentes 1, 2 y 3:
Según la información correspondiente, exprese el modelo matemático y por medio
del complemento Solver de Excel dejando evidencia de los pantallazos del ingreso de
los datos y la tabla de resultados, respondan:
Problema 1. Programación Lineal y Lineal Entera:
En la ciudad de Tunja se ha montado una empresa dedicada a la fabricación de
componentes o partes para bicicleta, la toma de las decisiones para optimizar el
proceso en la fábrica, se hará a partir de los resultados de problemas de Programación
lineal y lineal entera.
Los productos principales a elaborar son el componente 1, 2 y 3, respectivamente.
La tabla que se deja a continuación resume el tiempo en horas que cada componente
gasta por proceso, corte, soldado y pintado, las utilidades en miles que deja cada uno y
las disponibilidades en horas máquina para dedicar a cada proceso en el taller.
CORTE SOLDADO PINTADO UTILIDAD
COMPONENTE 1 1 2 1 $113
210 58 116
TABLA 1. RESUMEN DEL PROBLEMA
SOLUCIÓN:
Problema de programación lineal

Variables de decisión
Maximizar z
Para dar solución al problema planteado se tendrá en cuenta el método de
bifurcación y acotación (Branch and Bound), es una estrategia sistemática, que reduce
mucho el número de combinaciones que se deben examinar. Para ello se siguen los
pasos del algoritmo.
Algoritmo:
1. Encontrar la solución mediante el Método Simplex. Si la solución no es entera,
se continúa con el segundo punto.
2. Comienza con la solución óptima del simplex en donde se ignoran las
restricciones de variables enteras.
3. Se selecciona una variable con valor no cero y se crean dos ramas mutuamente
excluyentes, esto da lugar a dos (2) nuevos problemas de Programación Lineal;
que se deben resolver.
4. Si ninguna solución es entera, con la rama de mayor valor de Z, se crean nuevas
ramas y se resuelven nuevos problemas por programación lineal (Método
Simplex).
5. Se repite el punto 4), Hasta encontrar la solución entera óptima.
Paso 1: Encontrar la solución mediante el Método Simplex. Si la solución no es entera,
se continúa con el segundo punto.
Solución por el método simplex al problema planteado.
Pasamos el modelo a una forma estándar añadiendo variables de holgura
Como la restricción 1 es del tipo '≤' se agrega la variable de holgura
Maximizar
Sujeto a:
Se construye la tabla simplex para el problema
Tabla 1 113 118 131 0 0 0
Base
0 210 1 3 3 1 0 0
0 58 2 2 1 0 1 0
0 116 1 1 3 0 0 1
0 -113 -118 -131 0 0 0

La variable que sale de la base es y la que entra es porque el
{ } { }
La fila de color azul se multiplica por para hallar el pivote.
Luego se multiplica la fila azul por el inverso aditivo de y se le suma a la fila rosada.
Luego se multiplica la fila azul por el inverso aditivo de y se le suma a la fila gris.
Y se obtiene la tabla actualizada.
Tabla 2 113 118 131 0 0 0
Base
0 94 0 2 0 1 0 -1
0 58/3 5/3 5/3 0 0 1 -1/3
0 116/3 1/3 1/3 1 0 0 1/3
0 -113 -118 -131 0 0 0
Luego se multiplica la fila azul por el inverso aditivo de y se le suma a la fila
amarilla. Se obtiene la tabla actualizada
Tabla 3 113 118 131 0 0 0
Base
0 94 0 2 0 1 0 -1
0 58/3 5/3 5/3 0 0 1 -1/3
131 116/3 1/3 1/3 1 0 0 1/3

15196/3 -208/3 -223/3 0 0 0 131/3
La variable que sale de la base es y la que entra es porque el
{ } { }
Tabla 3 113 118 131 0 0 0
Base
0 94 0 2 0 1 0 -1
118 58/5 1 1 0 0 3/5 -1/5
131 116/3 1/3 1/3 1 0 0 1/3
15196/3 -208/3 -223/3 0 0 0 131/3
rosada.
verde.
Y se obtiene la tabla actualizada.

Tabla 4 113 118 131 0 0 0
Base
0 354/5 -2 0 0 1 -6/5 -3/5
118 58/5 1 1 0 0 3/5 -1/5
131 174/5 0 0 1 0 -1/5 2/5
29638/5 5 0 0 0 223/5 144/5
La solución óptima es
De la solución anterior, usando el método simplex se puede observar que las
cantidades de componentes toman valores decimales y que en un escenario real eso
es imposible ya que no tiene sentido entregar componentes incompletas, es por ello
que se hace necesario utilizar la programación lineal entera para lograr resolver este
problema, en términos de valores enteros, y de esta forma ajustarse a la realidad.
Como dicha solución no verifica las condiciones de integridad se elige la variable
que no es entera y a partir de ella se generan dos restricciones
Paso: 2 al 5
Comienza con la solución óptima del simplex en donde se ignoran las
restricciones de variables enteras.

Problema 1.1 Problema 1.2
Max Maximizar
Solución: Solución:
Problema 1.2.1
Maximizar
Solución:
Problema 1.2.2
Maximizar
Solución:
No hay solución factible
Problema 1.1
Max
Pasamos el modelo a una forma estándar añadiendo variables de holgura

Maximizar
Sujeto a:
Tabla 1 113 118 131 0 0 0 0
Base
0 210 1 3 3 1 0 0 0
0 58 2 2 1 0 1 0 0
0 116 1 1 3 0 0 1 0
0 34 0 0 1 0 0 0 1
0 -113 -118 -131 0 0 0 0
La variable que sale de la base es y la que entra es .

Porque { } * +
Luego se multiplica la fila azul por el inverso aditivo de y se le suma a la fila marrón.
Luego se multiplica la fila azul por el inverso aditivo de y se le suma a la fila rosada.
amarilla y se obtiene la tabla actualizada.
Tabla 2 113 118 131 0 0 0 0
Base
0 108 1 3 0 1 0 0 -3
0 24 2 2 0 0 1 0 -1
0 14 1 1 0 0 0 1 -3
131 34 0 0 1 0 0 0 1
4.454 -113 -118 0 0 0 0 131
La variable que sale de la base es y la que entra es .
Porque { } * +
Tabla 3 113 118 131 0 0 0 0
Base
0 108 1 3 0 1 0 0 -3
0 24 2 2 0 0 1 0 -1
0 14 1 1 0 0 0 1 -3
131 34 0 0 1 0 0 0 1
4.454 -113 -118 0 0 0 0 131

marrón.
amarilla y se obtiene la tabla actualizada.
Tabla 4 113 118 131 0 0 0 0
Base
0 72 -2 0 0 1 -3/2 0 -3/2
118 12 1 1 0 0 1/2 0 -1/2
0 2 0 0 0 0 -1/2 1 -5/2
131 34 0 0 1 0 0 0 1
5.870 5 0 0 0 59 0 72
Solución:
Usando Solver
Solución del problema 1.2 con Solver
Solución del problema 1.2.1 con Solver

Solución del problema 1.2.2 con Solver
En este último problema no hay solución factible.
La solución del PLE, por el método de bifurcación y acotación (Branch and
Bound) es
, es decir que no se debe elaborar
componentes tipo 1, de las componentes tipo 2 se deben construir 11 y de las
componentes tipo 3 se deben construir 35.
Solución del problema de programación lineal, usando Solver de Excel
Con programación lineal se obtiene que se logra la utilidad máxima de $5927,6 al
producir 11.6 unidades del componente 2 y 34.8 unidades del componente 2, como no
es posible producir componente incompletos, también se puede observar que el
recurso limitante es la capacidad de Soldado, dado que este se consume por completo
mientras que sobra gran parte de los otros dos.
Programación lineal Entera.

Solución del problema de programación lineal entera, usando WINQSB
Maximizar
CONCLUSIONES GENERALES PARTE 1
1. ¿Cuál es la cantidad a producir de cada producto según cantidades
continuas?
Lo anterior indica que de la componente 1 no se debe construir, de la
componente 2 se deben fabricar unidades y de la componente 3, se
deben elaborar
2. ¿Cuál es la utilidad generada por dicha solución?
La solución óptima es , lo que indica que esta sería la
cantidad de dinero que se obtendrían al fabricar hipotéticamente dicha cantidad
de componentes.
Modificando las condiciones de la solución con variables enteras:
3. ¿Cuál es la cantidad a producir de cada producto según cantidades
exactas o discretas?
Para este caso se presentan dos soluciones, teniendo en cuenta primeramente
la solución por Solver, Al agregar la restricción de que las variables solución solo
deben ser enteras, se obtiene una utilidad máxima posible de $5870, la cual es
menor que la obtenida por el método anterior sin embargo esta se logra con la
fabricación de 12 unidades del componente 2 y 34 unidades del componente 3,
lo cual es físicamente posible, además se observa que nuevamente el recurso
limitante es la capacidad de soldado.

Aplicando el método de bifurcación y acotación (Branch and Bound), se generan
ganancias por , se es decir que no se debe
elaborar componentes tipo 1, de las componentes tipo 2 se deben construir 11 y
de las componentes tipo 3 se deben construir 35.
4. ¿Cuál es la utilidad generada por dicha solución?
Utilidad generada por Solver:
Utilidad generada por bifurcación y acotación (Branch and Bound):
PARTE 2. Problema 2.1. Transporte Componente 1:
Según la tabla 1, del archivo, hoja 1: Archivo en Excel problemas trabajo colaborativo
1., por los métodos de Esquina Noroeste, Costos Mínimos y Aproximación de Vogel
desarrollándolos de forma manual, respondan:
5. ¿Qué método genera el costo mínimo y cuales asignaciones, es decir desde que
orígenes hacia que destinos, debe asignarse al componente 1, según dicho
método?
Problema 2.1. Transportes Componente 1:

DESTINO 1 DESTINO 2 DESTINO 3 DESTINO 4 OFERTA
93 95 96 87
BODEGA 1 280
99 86 90 91
BODEGA 2 360
85 88 91 93
BODEGA 3 360
89 100 99 79
BODEGA 4 280
91 86 96 99
BODEGA 5 320
DEMANDA 410 360 378 330

Solución:
Se busca solucionar un problema de minimización ya que para un empresario o
fabricante, procura tener los menores costos en transporte para la distribución de sus
diferentes productos, ya que esto implicará tener unos mejores ingresos y un nivel de
competitividad en los precios de venta.
Al analizar la tabla se puede deducir los costos que se manejan para transportar los
componentes 1 desde cada una de las bodegas, hasta los diferentes destinos, por
ejemplo transportar de la bodega 3 al destino 4, se concluye que tiene un costo de
$93.
Para dar solución al problema de transporte lo primero que se debe hacer es
analizar si el problema es balanceado, es decir, si la oferta (disponibilidad) es igual a la
demanda, en caso que no lo sea se debe introducir un destino ficticio. En este
problema la demanda es de 1.478 y la oferta es de 1.600, por lo tanto se debe anexar
un destino ficticio con 122 unidades del componente 1, los cuales tendrán un costo de
transporte igual a cero.
Al aplicar el algoritmo de la esquina noroeste, se procede hallando el valor mínimo
entre la oferta y demanda, ubicados en la primera columna y primera fila, y el valor
obtenido nos indica la cantidad de componentes que se le enviarán de la bodega 1 al
destino.
( ) , se puede observar que al destino 1, no se le han asignado las
unidades de componente que necesita, por lo tanto es necesario, enviar componentes
de la bodega número 2. En este caso se le asignan las 130 que necesita, para
satisfacer su demanda. Y así se aplica sucesivamente el algoritmo, hasta realizar
todas las asignaciones.
En esta primera iteracción por el metodo de esquina noroeste se obtiene una
solucion inicial básica factible y su costo asociado, pero eso no indica que es la
solución optima.
MÉTODO DE COSTO MÍNIMO (iteración 1)
Este método asigna el mayor número posible de unidades a la posición de menor
costo, eliminando la fila y/o columna que quede satisfecha, y se repite el proceso hasta
eliminar todas las filas y columnas.

FUENTE DESTINO ENVÍO COSTO UNIDAD COSTO TOTAL

Bodega 1 1 50 93 4.650
Bodega 1 3 58 96 5.568
Bodega 1 4 50 87 4.350
Bodega 1 Ficticio 122 0 0
Bodega 2 2 40 86 3.440
Bodega 2 3 320 90 28.800
Bodega 3 1 360 85 30.600
Bodega 4 4 280 79 22.120
Bodega 5 2 320 86 27.520
TOTAL 127.048
El método del costo mínimo determina una mejor solución de inicio, porque se
concentra en las rutas menos costosas
MÉTODO DE APROXIMACIÓN DE VOGEL (iteración 1)
Comienza determinando las penalizaciones de fila y columna, obtenidas como el

valor absoluto de la diferencia entre los costos menores de cada fila y cada columna
respectivamente. Situamos estos valores a la derecha y en la parte inferior de la tabla,
obteniendo la siguiente tabla.
¿Qué método genera el costo mínimo y cuales asignaciones, es decir desde que
orígenes hacia que destinos, debe asignarse al componente 1, según dicho método?

Bodega 1 1 50 93 4.650
Bodega 1 3 58 96 5.568
Bodega 1 4 50 87 4.350
Bodega 1 Ficticio 122 0 0
Bodega 2 2 40 86 3.440
Bodega 2 3 320 90 28.800
Bodega 3 1 360 85 30.600
Bodega 4 4 280 79 22.120
Bodega 5 2 320 86 27.520
TOTAL 127.048
Se puede concluir que, el método más eficiente para dar solución al problema de
transporte es el de Vogel, ya que es una versión mejorada del método del costo
mínimo, que en general produce mejores soluciones de inicio.
Los tres métodos difieren en la calidad de la solución básica de inicio que obtienen,
en sentido de que una mejor solución de inicio produce un valor objetivo menor. En
general, el método de Vogel produce la mejor solución básica de inicio, y el de la

esquina Noroeste produce la peor. La compensación es que el método de la esquina
noroeste implica el mínimo de cálculos.
Los métodos del costo mínimo y el de aproximación de Vogel, generaron el costo
óptimo, pero el Vogel lo hizo con menos iteraciones. Costo mínimo: 127.048.
método?
DESTINO 1 DESTINO 2 DESTINO 3 DESTINO 4 DESTINO 5 OFERTA
71 72 70 61 63
BODEGA 1 410
81 81 79 73 63
BODEGA 2 280
79 77 79 79 89
BODEGA 3 310
74 70 63 69 67
BODEGA 4 320
DEMANDA 280 270 300 348 338
SOLUCIÓN:
solución optima.
MÉTODO DEL COSTO MÍNIMO

METODO DE APROXIMACIÓN DE VOGEL

método?
Los métodos del costo mínimo y el de aproximación de Vogel, generaron el
costo óptimo, pero el de Vogel lo hizo con menos iteraciones. El costo mínimo
es: 87.096, las asignaciones se muestran en la siguiente tabla.

Bodega 1 1 4 71 284
Bodega 1 4 348 61 21.228
Bodega 1 5 58 63 3.654
Bodega 2 5 280 63 17.640
Bodega 3 1 60 79 4.740
Bodega 3 2 250 77 19.250
Bodega 4 2 20 70 1.400
Bodega 4 3 300 63 18.900
Bodega ficticia 1 216 0 0
TOTAL 87.096

método?
DESTINO 1 DESTINO 2 DESTINO 3 DESTINO 4 OFERTA
79 84 80 81
BODEGA 1 380
63 63 66 64
BODEGA 2 390
81 77 83 70
BODEGA 3 350
63 74 83 74
BODEGA 4 420
DEMANDA 420 418 410 330
SOLUCIÓN:
solución optima.
MÉTODO DEL COSTO MÍNIMO

MÉTODO DE APROXIMACIÓN DE VOGEL

método?
El método que genera la solución mas rápida es el del costo mínimo con un valor de
$106.070 y las asignaciones se muestran en la siguiente tabla

Bodega 1 3 380 80 30.400
Bodega 2 2 390 63 24.570
Bodega 3 2 20 77 1.540
Bodega 3 4 330 70 23.100
Bodega 4 1 420 63 26.460
TOTAL 106.070
SOLUCIONES CON SOLVER EXCEL
PARTE 1
PARTE 2
PARTE 3
Conclusiones de lo consignado en el e-portafolio
Por Amira Barraza
En este momento estamos en la fase 2, donde se presenta el análisis de problemas
cuya solución requieren del uso del algoritmo simplex, es necesario identificar que hay
situaciones que van a generar soluciones considerando variables continuas, es decir
aquellas que toman valores reales, que pueden ser racionales e irracionales. Además
se ve necesario conocer que hay situaciones problemas que en un escenario real, no
pueden tomar valores decimales, donde es indispensable aplicar los algoritmos de la
programación lineal entera (PLE). Dentro de los algoritmos se encuentra el método de
bifurcación y acotación (Branch and Bound), que es una estrategia sistemática, que
reduce mucho el número de combinaciones que se deben examinar.
Se reconoció la existencia de diferentes herramientas computacionales como lo son
el Solver de Excel, Winqsb, y Php simplex on line, que permiten resolver los problemas
de programación lineal y programación lineal entera.
De otro lado, se conocieron varios métodos para solucionar problemas de
transporte, donde la función objetivo se debe minimizar en aras de obtener los costos
mínimos de transporte que se pueden generar desde el lugar donde se fabrican
(fuentes), hasta donde tienen que ser comercializados (destinos).
Dentro de los métodos para solución de problemas de transporte se encuentran:
 Método de la esquina noroeste
 Método del costo mínimo
 Método de aproximación de Vogel.

Se aplicó en la solución de los problemas propuestos en la guia de actividades
herramientas computacionales como lo son el Solver de Excel y Winqsb, que permiten
resolver los problemas de transporte. Usando en Winqsb el comando Network
Modeling, se puede calcular la solución de los problemas por los diferentes métodos.
El conocer la temática de la fase 2, aporta a mi vida profesional, las bases en lo
concerniente a la matemática aplicada a problemas reales, y que serán de mucha
ayuda, para colocarlos de ejemplo cuando me interroguen acerca del uso de las
matemáticas.
Conclusiones por Yesica Jiménez:
Con la realización del anterior trabajo realizamos ejercicios del curso de métodos
determinísticos donde pusimos en práctica temáticas para resolver ejercicios de
programación lineal y uso de la herramienta solver de Excel.
Se resolvieron problemas de trasporte haciendo uso de los algoritmos de esquina
noroeste, costo mínimo y vogel. La realización de este trabajo nos permite ver la
importancia del tema de los métodos determinístico en la toma de decisiones y
logística de una empresa permitiéndonos tomar las mejores decisiones, sin duda lo
vamos a poner práctica en nuestro futuro cercano como profesionales.
Conclusiones de Rafael Britto
La programación lineal es una herramienta muy útil ya que permite
administrar de la mejor manera los recursos con los que se cuenta para
poder aprovecharlos al máximo, también ayuda a minimizar costos y a
obtener mayores ganancias.

Referencias bibliográficas
Mokotoff, E. (2000). Programación lineal: resolución de problemas en hoja de cálculo.
(pp. 19-30), Oviedo, España: Editorial Septem. Recuperado de
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/detail.action?docID=1008411
Mokotoff, E. (2000). Programación lineal: resolución de problemas en hoja de cálculo.
(pp. 19-26), Oviedo, España: Editorial Septem. Recuperado de
Morato, C. (2012). Investigación operativa en administración y dirección de empresas,
(pp. 288- 301), Valencia, España: Editorial Universidad Pontificia de Valencia.
Recuperado de
Pineda, R. (2017, Marzo 17). Instalación del Solver [Archivo de video]. Recuperado
de http://hdl.handle.net/10596/11683
Pineda, R. (2015, Noviembre 30). Programación lineal y lineal entera, actividad
práctica [Archivo de video]. Recuperado dehttp://hdl.handle.net/10596/11685
Pineda, R. (2015, Noviembre 30). Problema del transporte, actividad práctica [Archivo
de video]. Recuperado de: http://hdl.handle.net/10596/11687

Pineda, R. (2015, Noviembre 30). Problema de asignación, actividad práctica [Archivo
de video]. Recuperado de: http://hdl.handle.net/10596/11688
Pinzón, Ch. (2012). Investigación de operaciones. (3a. ed.) (pp. 233-242), Ibagué,
Colombia: Editorial Universidad de Ibagué. Recuperado de:
Pinzón, Ch. (2012). Investigación de operaciones. (3a. ed.) (pp. 15-82), Ibagué,
Colombia: Editorial Universidad de Ibagué. Recuperado de:
Taibo, A. (2009). Investigación de operaciones para los no matemáticos (pp. 101-112),
Distrito Federal, México: Editorial Instituto Politécnico Nacional. Recuperado de:
Kong, M. (2011). El problema de transporte o distribución, métodos de solución (pp.
153-196), Lima, Perú: Editorial Pontificia Universidad Católica del Perú.
Recuperado de

Grupo 13 102016 TC1

Cargado por

Copyright:

Formatos disponibles

Grupo 13 102016 TC1

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Grupo 13 102016 TC1

Cargado por

Copyright:

Formatos disponibles

Trabajo colaborativo fase 2

ANÁLISIS, SOLUCIÓN DE PROBLEMAS DE PLE Y TRANSPORTES

YESSICA DEL CARMEN JIMENEZ C.C. 1065598245

AMIRA ELENA BARRAZA RIVERA C.C. 22.460.883

ERWIN YASSER ESCUDERO

RAFAEL FRANCISCO BRITTO

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA CIENCIAS DE LA EDUCACIÓN ECEDU

financiero, instalaciones, y las materias primas de que disponga. Tales recursos

etc.) o servicios (horarios de producción, planes de marketing y publicidad, decisiones

financieras, etc.). La Programación Lineal (PL) y la Programación Lineal Entera (PLE)

son técnicas matemáticas diseñadas para ayudar a los directivos en la planificación y

toma de decisiones referentes a la asignación de los recursos.

Como ejemplos de problemas donde la Programación Lineal desarrolla un papel

fundamental, podríamos citar:

 A partir de los recursos disponibles, determinar las unidades a producir de cada

bien de forma que se maximice el beneficio de la empresa.

 Elegir materias primas en procesos de alimentación, para obtener mezclas con

unas determinadas propiedades al mínimo costo.

 Determinar el sistema de distribución que minimice el costo total de transporte,

desde diferentes almacenes a varios puntos de distribución.

 Desarrollar un plan de producción que, satisfaciendo las demandas futuras de

A lo largo de este trabajo se presenta el análisis de problemas cuya solución

van a generar soluciones considerando variables continuas, es decir aquellas que

que en un escenario real, no pueden tomar valores decimales, donde es indispensable

se encuentra el método de bifurcación y acotación (Branch and Bound), que es una

estrategia sistemática, que reduce mucho el número de combinaciones que se deben

Se muestra la existencia de diferentes herramientas computacionales como lo son el

programación lineal y programación lineal entera.

De otro lado, se aplican varios métodos para solucionar problemas de transporte,

donde tienen que ser comercializados (destinos).

Dentro de los métodos para solución de problemas de transporte se utilizan el

método de la esquina noroeste, método del costo mínimo y el método de aproximación

de Vogel. A nivel de software se aplica en la solución de los problemas propuestos en

la guía de actividades, herramientas computacionales como lo son el Solver de Excel y

Winqsb, que permiten resolver los problemas de transporte.

PARTE 1. Problema fabricación componentes 1, 2 y 3:

Según la información correspondiente, exprese el modelo matemático y por medio

los datos y la tabla de resultados, respondan:

Problema 1. Programación Lineal y Lineal Entera:

En la ciudad de Tunja se ha montado una empresa dedicada a la fabricación de

componentes o partes para bicicleta, la toma de las decisiones para optimizar el

proceso en la fábrica, se hará a partir de los resultados de problemas de Programación

lineal y lineal entera.

Los productos principales a elaborar son el componente 1, 2 y 3, respectivamente.

las disponibilidades en horas máquina para dedicar a cada proceso en el taller.

CORTE SOLDADO PINTADO UTILIDAD

TABLA 1. RESUMEN DEL PROBLEMA

Problema de programación lineal

Para dar solución al problema planteado se tendrá en cuenta el método de

pasos del algoritmo.

1. Encontrar la solución mediante el Método Simplex. Si la solución no es entera,

se continúa con el segundo punto.

2. Comienza con la solución óptima del simplex en donde se ignoran las

restricciones de variables enteras.

excluyentes, esto da lugar a dos (2) nuevos problemas de Programación Lineal;

que se deben resolver.

4. Si ninguna solución es entera, con la rama de mayor valor de Z, se crean nuevas