Professional Documents
Culture Documents
INTRODUCCIN
Las decisiones que se deben tomar en torno al manejo de recursos naturales pueden conllevar un proceso
difcil, el encargado de tomar esta decisin debe tener en cuenta mltiples variables como ser el deseo de
proteger los ecosistemas, las presiones de lograr un mayor desarrollo econmico, la demanda de alimentos
seguros y sustentables para el medio ambiente y la preocupacin por la preservacin de especies en peligro
de extincin y paisajes naturales.
El siguiente trabajo se basa en ejercicios de programacin lineal planteados en el libro de Taha de
Investigacin de operaciones, nos limitamos a resolver ciertos problemas planteados en el mismo con el
objetivo de resolver a travs de la funcin Solver de Excell los distintos modelos.
EL MODELO DE TRANSPORTE
MG Auto tiene tres plantas: en Los ngeles, Detroit y New Orleans; y dos centros principales de distribucin
en Denver y en Miami. Las capacidades de las tres plantas durante el prximo trimestre sern 1000, 1500 y
1200 autos. Las demandas trimestrales en los dos centros de distribucin son 2300 y 1400 autos. El
kilometraje entre las fbricas y los centros de distribucin se ve en la tabla 5.1. (Taha, 2004)
TABLA 5.1
Denver
Miami
Los ngeles
1000
2690
Detroit
1250
1350
New Orleans
1275
850
La empresa transportista cobra 8 centavos por milla y por auto. El costo de transporte por auto, en las
distintas rutas y redondeado hasta el $ ms prximo, se calcula como se ve en la tabla 5.2.
TABLA 5.2
Los ngeles (1)
Detroit (2)
New Orleans (3)
Denver (1)
$80
$100
$102
Miami (2)
$215
$108
$102 $68
Funcin objetivo
Variables de decisin
X12
X21
X22 X31
X33
Restricciones
Precio
Sombra
EL MODELO DE TRANSBORDO
En el modelo de transbordo se reconoce que puede ser ms econmico el transporte pasando por nodos
intermedios o transitorios antes de llegar al destino final. Este concepto es ms general que el del modelo
normal de transporte, en el que slo se permiten envos directos entre una fuente y un destino.
En esta seccin se explica cmo se puede convertir y resolver un modelo de transbordo en un modelo de
transporte normal, usando la idea de un amortiguador. (Taha, 2004)
Ejemplo 5.5-1
Dos fbricas de automviles, P1 y P2, se enlazan con tres agencias, D1, D2 y D3, a travs de dos centros de
distribucin, T1 y T2, de acuerdo con la red de la figura 5.9. Las cantidades de oferta en las plantas P1 y P2
son 1000 y 1200 autos, y las cantidades de demanda en las agencias D1, D2 y D3 son 800, 900 y 500 autos. El
costo de transporte por vehculo, en cientos de $ entre pares de nudos se ve en los enlaces (o arcos) de la
red.
En la red de la figura 5.9 hay transbordos porque toda la oferta de 2200 (1000 + 1200) autos de los nodos P1
y P2 podra pasar en principio por cualquier nodo de la red, antes de llegar a su destino en los nodos D1, D2y
D3. A este respecto, los nodos de la red que tienen arcos de entrada y salida al mismo tiempo (T1, T2, D1y
D2) funcionan como fuentes y destinos al mismo tiempo, y se llaman nodos de transbordo. Los nodos
restantes pueden ser nodos de oferta pura (P1 y P2) o nodos de demanda pura (D3). El modelo de
transbordo se puede transformar en un modelo normal de transporte con 6 fuentes (P1, P2, T1, T2, D1 y D2)
y cinco destinos (T1, T2, D1, D2 y D3)
La cantidad amortiguadora debe ser lo suficientemente grande como para permitir que toda la oferta (o
demanda) original pase por cualquiera de los nodos de transbordo. Sea B la cantidad deseada de
amortiguador. Entonces
B =Oferta (o demanda) total = 2200 autos
Al usar el amortiguador B y los costos unitarios de transporte que se ven en la red, se forma el modelo
equivalente de transporte normal de la tabla 5.44. En la figura 5.10 se ve la solucin de este problema de
transporte. Observe el efecto del transbordo: la agencia D2recibe 1400 vehculos, conserva 900 para
satisfacer su demanda, y manda los 500 autos restantes a la agencia D3
T1
T2
D1
A=0
B=1000
C=1200 D=0
E=0
F=800
P1
P2
T1
T2
D1
D2
Funcin objetivo
Variables de decisin
Valores ptimos de
variables de decisin
Coeficientes de
funcin objetivo
Coeficientes de las
restricciones
D2
1000
1200
B
B
B
B
G=400
H=1000 I=0
J=0
K=500
900+B
500
800+B
B
C
D
1000 1200 0
1
1
1
1
E
0
7
F
G
800 400
8
H
1000
I
0
J
0
K
500
1
-1
-1
-1
-1
-1
1
1
No negatividad
D3
-1
1
1
H
1
I
-1
1
K
20700
1000
1200
0
0
800
900
500
B
<= 1000
<= 1200
=
0
=
0
>= 800
>= 900
>= 500
>=
0
P1
P2
T1-B
T2-B
D1-B
D2-B
D3
PROBLEMAS INTEGRALES
En la construccin del Aeropuerto Internacional de Brisbane se requiere mover 1.355.000 m3 de arena
dragada de cinco bancos en una baha cercana, por tubera a nueve sitios en el aeropuerto. La arena se usa
para estabilizar los terrenos pantanosos del rea propuesta de construccin. Algunos de los sitios hacia
donde se mueve la arena se usan para construir caminos dentro y en el permetro del aeropuerto. El exceso
6
de arena de un sitio se mover con camiones a otras reas exteriores al aeropuerto, donde se construir una
carretera perimetral. Las distancias (en cientos de metros) entre los bancos y los sitios se resumen en la
tabla 5.50. Tambin ah se ven las cantidades de oferta y demanda, en cientos de m 3, en los distintos
lugares. (Taha, 2004)
Tabla 5.50
1
2
3
4
5
Demanda
1
22
20
16
20
22
62
2
26
28
20
22
26
217
3
12
14
26
26
0
444
4
10
12
20
22
4
315
5
18
20
1,5
6
16
50
6
18
20
28
10000
10000
7
7
11
13
6
2
24
20
8
8,5
10
22
21
14
90
9
20
22
18
18
21
150
Oferta
960
201
71
24
99
1355
La gerencia del proyecto ha estimado un movimiento de arena [m3 de volumen X distancia (cientos de
metros)] de 2.495.000 unidades, al costo de $0.65 por unidad. Est dentro de los lmites el movimiento de
arena estimado por la gerencia de proyecto?
El total de movimiento de arena [m3 de volumen X distancia (cientos de metros)] asciende a 1.886.300, por
lo tanto est dentro de los lmites de lo estimado por la gerencia del proyecto. (Ver solucin en Excel, hoja
Problemas integrales).
La funcin objetivo combinada que se usa en este mtodo se define como sigue:
El parmetro wi, para i=1, 2, n, representa factores de ponderacin positivos que refleja las preferencias
de quien toma las decisiones, respecto a la importancia relativa de cada meta. Por ejemplo wi = 1 , para toda
i significa que todas las metas tienen el mismo factor de ponderacin. La determinacin de los valores
especficos de esos factores es subjetiva. En realidad los procedimientos analticos que se han publicado,
aparentemente complicados se siguen basando en evaluaciones subjetivas.
Ejemplo 8.2-1
TopAd es una nueva agencia de publicidad, con 10 empleados; ha recibido un contrato para promover un
producto nuevo. La agencia puede anunciarlo por radio y por TV. La tabla siguiente contiene datos sobre la
cantidad de personas a las que llega cada tipo de anuncio, y sus requisitos de costo y mano de obra.
Datos/Min de anuncio
Lmites
Radio
Televisin
Exposicin (millones e personas)
4
8
>=
45
Costo (miles de dlares)
8
24
<=
100
Empleados asignados
1
2
<=
10
El contrato prohbe a TopAd que use ms de 6 minutos en anuncios por radio. Adems, los anuncios por
radio y TV deben llegar cuando menos a 45 millones de personas. Top Ad ha establecido para el proyecto
una meta de presupuesto de $100,000. Cuntos minutos de anuncios en radio y TV debe programar
TopAd?
La gerencia de TopAd supone que la meta de exposicin tiene dos veces la importancia de la meta de
presupuesto. Entonces, la funcin objetivo combinada se convierte en:
Funcin objetivo
Minimizar Z = 2*"S1+"+"S2-"
Variables de decisin
X1
X2
S1+ S1- S2+ S2Restricciones
Valores ptimos de variables de decisin
5
2,5
5
0
0
0
Coeficientes de funcin objetivo
2
1
10
Meta de exposicin
4
8
1
-1
45
=
45
Meta de presupuesto
8
24
1
-1
100
=
100
Coeficientes de
las restricciones
Lmite de personal
1
2
10
<=
10
Lmite de radio
1
5
<=
6
No negatividad
X1
X2
S1+ S1- S2+ S2>=
0
La solucin ptima por el mtodo de factores de ponderacin es Z = 10, X1=5 minutos, X2=2,5 minutos y
S1+=5 millones de personas. Todas las variables restantes son iguales a cero.
El hecho que el valor ptimo de Z no sea cero indica que no se cumple con al menos una meta. En forma
especfica, S1+=5 indica que la meta de exposicin (de un mnimo de 45 millones de personas) no se cumple
por 5 millones de individuos. Al revs, la meta de presupuesto (no excederse de $10,000) no se viola, porque
S2- es cero.
9
La programacin de metas slo produce una solucin eficiente del problema, que no necesariamente es la
ptima. Por ejemplo, la solucin X1 = 6 y X2 = 2 produce la misma exposicin (4*6+8*2 = 40 millones de
personas), pero cuesta menos (8*6+24*2 = $96.000). En esencia, lo que hace la programacin de metas es
determinar una solucin que satisfaga slo las metas del modelo, sin considerar la optimizacin. Esa
deficiencia de encontrar una solucin ptima causa dudas sobre la viabilidad de la programacin de metas
como tcnica de optimizacin.
El mtodo de jerarquas
En el mtodo de jerarquas, quien toma las decisiones debe clasificar las metas del problema por orden de
importancia. Dado un caso de n metas, los objetivos del problema se escriben como sigue:
Funcin objetivo
Minimizar G1 = S1+
Variables de decisin
Valores ptimos de variables de decisin
Coeficientes de funcin objetivo 1
10
Funcin objetivo
Minimizar G2 = S2-
Variables de decisin
Valores ptimos de variables de decisin
Coeficientes de funcin objetivo 1
Funcin objetivo
Variables de decisin
X1 X2
Restricciones
Valores ptimos de variables de decisin
6
2
Coeficientes de funcin objetivo
4
8 40
Coeficientes de las
Nmero de empleados
1
2 10 <=
10
restricciones
Minutos de radio
1
0
6 <=
6
No negatividad
X1 X2
>=
0
La solucin es X1 = 0, X2 = 5 y P1 = 40, lo que muestra que la mxima exposicin que se puede alcanzar es 40
millones de personas.
Paso2: Se agrega la restriccin 4*X1 + 8*X2 >= 40 para asegurar que no se degrade la meta G1. Luego se
resuelve el programa lineal 2 como sigue:
11
Funcin objetivo
Variables de decisin
Valores ptimos de variables de decisin
Coeficientes de funcin objetivo
Nmero de empleados
Coeficientes de las
Minutos de radio
restricciones
ptimo de G1
No negatividad
X1 X2
Restricciones
6
2
8 24 96
1
2 10 <=
10
1
0
6 <=
6
4
8 40 >=
40
X1 X2
>=
0
La solucin ptima del programa lineal del paso 2, es P2 = $96.000, X1 = 6 minutos y X2 = 2 minutos.
Obtiene la misma exposicin (40 millones de personas) pero a un costo menor que el del ejemplo 8.2-2,
donde el objetivo principal es satisfacer las metas, ms que optimizarlas.
12
Bibliografa
Harry M. Kaiser, K. D. (2011). Mathematical programming for agricultural, environmental, and resource
economics. John Wiley & Sons, Inc.
Taha, H. A. (2004). Investigacin de operaciones. Mxico: PEARSON EDUCACIN.
13