UNIDAD 4

TRANSPORTE Y ASIGNACIÓN.
Introducción
La programación lineal es un campo muy amplio que se extiende a subclases de problemas para los
cuales existen métodos de solución especiales. Dos de estas dos subclases se conocen como
problemas de transporte y problemas de asignación. Si bien estos tipos de problemas pueden ser
resueltos por el método Simplex, existe un algoritmo simplificado especial para resolverlo.
Los problemas de transporte y asignación son dos aplicaciones especiales de la programación lineal,
el método de transporte fue postulado por primera vez como un procedimiento especial para encontrar
el programa de costo mínimo para distribuir unidades homogéneas de un producto desde varios puntos
de vista de posible abastecimiento a varios de consumo.
En la economía y en las decisiones administrativas es donde toman un papel importante el transporte
y la asignación, ya que la disponibilidad de transporte económico es crítica para el funcionamiento
correcto de una empresa.
Los problemas de transporte surgen en la planeación para la distribución de cualquier bien y/o servicio,
desde varias localidades de suministro a varias localidades con una demanda dada, y finalmente los
problemas de asignación forman una subclase de los problemas de transporte.
La intención del presente trabajo es mostrar esas dos aplicaciones, el transporte y la asignación,
mediante una serie de problemas de forma práctica. Así mismo establecer los diferentes métodos con
los que es posible dar una solución a estos problemas.

4.1 DEFINICIÓN DE PROBLEMA DE TRANSPORTE

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 Noroeste o Mínimos Costos.
 Bryan Antonio
Salazar López
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.

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.
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 MEDIANTE PL

El modelo básico de transporte es el modelo en el cual la cantidad ofertada es igual a la cantidad

demandada, como es el caso de este ejercicio, sin embargo trasladar esta suposición a la realidad es
casi imposible por lo cual hace falta crear orígenes y/o destinos ficticios con el excedente de oferta y/o
demanda.

Como ya lo hemos planteado en módulos anteriores el primer paso corresponde a la definición de las
variables, regularmente se le denomina a las variables de manera algebraica X i,j donde i simboliza a
la fuente y j simboliza al destino. En este caso i define el conjunto {Planta 1, Planta 2, Planta 3 y Planta
4}, y j define el conjunto {Cali, Bogotá, Medellín y Barranquilla}. Sin embargo es práctico renombrar
cada fuente y destino por un número respectivo, por ende la variable X1,2 corresponde a la cantidad
de millones de KW enviados diariamente de la Planta 1 a la ciudad de Bogotá.
El segundo paso corresponde a la formulación de las restricciones de oferta y demanda, cuya cantidad
se encuentra determinada por el factor entre fuentes y destinos, en este caso 16 restricciones.

Restricciones de oferta o disponibilidad, las cuales son de signo ≤:

X1,1 + X1,2 + X1,3 + X1,4 ≤ 80

X2,1 + X2,2 + X2,3 + X2,4 ≤ 30
X3,1 + X3,2 + X3,3 + X3,4 ≤ 60
X4,1 + X4,2 + X4,3 + X4,4 ≤ 45

Restricciones de demanda, las cuales son de signo ≥:

X1,1 + X2,1 + X3,1 + X4,1 ≥ 70

X1,2 + X2,2 + X3,2 + X4,2 ≥ 40
X1,3 + X2,3 + X3,3 + X4,3 ≥ 70
X1,4 + X2,4 + X3,4 + X4,4 ≥ 35

Luego se procede a formular la función objetivo, en la cual se relaciona el costo correspondiente a

cada ruta.

ZMIN = 5X1,1 + 2X1,2 + 7X1,3 + 3X1,4 + 3X2,1 + 6X2,2 + 6X2,3 + 1X2,4 + 6X3,1 + 1X3,2 + 2X3,3 + 4X3,4 +
4X4,1 + 3X4,2 + 6X4,3 + 6X4,4
Luego se puede proceder al uso de la herramienta WinQSB para resolver el modelo realizado, aquí
están los resultados.
Este problema presenta una solución óptima alternativa, aquí los resultados.
Red Solución

Los análisis de dualidad y sensibilidad en los modelos de transporte resultan ser bastante
interesantes, pues pueden llegar a determinar aumentos de capacidad en las fuentes si el precio
sombra de las rutas en relación a ellas lo justifica.

4.2 ALGORITMO DE TRANSPORTE

Se denomina algoritmo a un grupo finito de operaciones organizadas de manera lógica y ordenada
que permite solucionar un determinado problema. Se trata de una serie de instrucciones o reglas
establecidas que, por medio de una sucesión de pasos, permiten arribar a un resultado o solución. El
modelo de algoritmo de transporte trata situaciones de envío de productos de lugares llamados puntos
origen (fuentes de abastecimiento) a los puntos destino (fuentes de consumo), siendo su objetivo,
determinar las cantidades óptimas de envío de las fuentes de abastecimiento a las fuentes de consumo
que minimicen el costo total del transporte, al mismo tiempo que satisfagan tanto los límites de la oferta
como los requerimientos de la demanda. El algoritmo de transporte organiza los cálculos en una forma
más cómoda aprovechando la ventaja de la estructura especial del modelo de transporte. Pare esto
sigue los mismos pasos que el método simplex, sin embargo, en lugar de usar la tabla simplex normal
se aprovecha la ventaja de la estructura especial del modelo de transporte para organizar los cálculos
en una forma más cómoda. Se debe agregar que el algoritmo especial de transporte fue desarrollado
por primera vez cuando la norma eran los cálculos a mano y se necesitaba de soluciones con método
abreviado. el algoritmo de transporte se basa en la hipótesis que el modelo esta balanceado y eso
quiere decir que la demanda total es igual a la oferta total. Si el modelo está desbalanceado siempre
se podrá aumentar con una fuente ficticia o destino ficticio para restaurar el equilibrio o balance.
Los pasos del algoritmo de transporte son exactamente iguales a los del algoritmo simplex.
1. En el primer paso se determina una solución básica factible de inicio que nos ayude a proseguir en
el paso dos.
2. En el segundo paso se usa la condición de optimalidad del método simplex para determinar la
variable de entrada entre todas las variables básicas. Detenerse si se satisface.
3. En el tercer paso se usa la condición de factibilidad del método simplex para determinar la variable
de salida y así obtener la nueva solución y posteriormente regresar al paso dos.

4.3 MÉTODO 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, dado que podemos encontrar de igual manera el método e la esquina Noreste, Sureste o
Suroeste.

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).

PASO 1:

En la celda seleccionada como esquina Noroeste se debe asignar la máxima cantidad de unidades
posibles, cantidad que se ve restringida ya sea por las restricciones de oferta o de demanda. En este
mismo paso se procede a ajustar la oferta y demanda de la fila y columna afectada, restándole la
cantidad asignada a la celda.

PASO 2:

En este paso se procede a eliminar la fila o destino cuya oferta o demanda sea 0 después del "Paso
1", si dado el caso ambas son cero arbitrariamente se elige cual eliminar y la restante se deja con
demanda u oferta cero (0) según sea el caso.
PASO 3:

Una vez en este paso existen dos posibilidades, la primera que quede un solo renglón o columna, si
este es el caso se ha llegado al final el método, "detenerse".
La segunda es que quede más de un renglón o columna, si este es el caso iniciar nuevamente el "Paso
1".

EJEMPLO DEL MÉTODO DE LA ESQUINA NOROESTE

Por medio de este método resolveremos el problema de transporte propuesto y 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.

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

Ahora la cantidad asignada a la esquina noroeste es restada a la demanda de Cali y a la oferta de la
"Planta 1", en un procedimiento muy lógico. Dado que la demanda de Cali una vez restada la cantidad
asignada es cero (0), se procede a eliminar la columna. El proceso de asignación nuevamente se
repite.

Continuamos con las iteraciones.

En este caso nos encontramos frente a la elección de la fila o columna a eliminar (tachar), sin embargo,
podemos utilizar un criterio mediante el cual eliminemos la fila o columna que presente los costos más
elevados. En este caso la "Planta 2".

Nueva iteración.
Una vez finalizada esta asignación, se elimina la "Planta 3" que ya ha sido satisfecha con la asignación
de 60 unidades, por ende, nos queda una sola fila a la cual le asignamos las unidades estrictamente
requeridas y hemos finalizado el método.

El cuadro de las asignaciones (que debemos desarrollarlo paralelamente) queda así:

Los costos asociados a la distribución son:

El costo total es evidentemente superior al obtenido mediante Programación Lineal y el Método de

Aproximación de Vogel, lo cual demuestra lo enunciado en la descripción del algoritmo que cita que
no obtiene siempre la mejor solución, sin embargo presenta un cumplimiento de todas las restricciones
y una rapidez de elaboración, lo cual es una ventaja en problemas con innumerables fuentes y destinos
en los cuales no nos importe más que satisfacer las restricciones.

4.4 MÉTODO DE COSTO MÍNIMO.

El método del costo mínimo o método de los mínimos costos es un algoritmo desarrollado con el
objetivo de resolver problemas de transporte o distribución, arrojando mejores resultados que métodos
como el de la esquina noroeste, dado que se enfoca en las rutas que presentan menores costos.
El diagrama de flujo de este algoritmo es mucho más sencillo que los anteriores, dado que se trata
simplemente de la asignación de la mayor cantidad de unidades posibles (sujeta a las restricciones de
oferta y/o demanda) a la celda menos costosa de toda la matriz hasta finalizar el método.

ALGORITMO DEL COSTO MÍNIMO

PASO 1:

De la matriz se elige la ruta (celda) menos costosa (en caso de un empate, este se rompe
arbitrariamente) y se le asigna la mayor cantidad de unidades posible, cantidad que se ve restringida
ya sea por las restricciones de oferta o de demanda. En este mismo paso se procede a ajustar la oferta
y demanda de la fila y columna afectada, restándole la cantidad asignada a la celda.
PASO 2:

En este paso se procede a eliminar la fila o destino cuya oferta o demanda sea 0 después del "Paso
1", si dado el caso ambas son cero arbitrariamente se elige cual eliminar y la restante se deja con
demanda u oferta cero (0) según sea el caso.

PASO 3:

Una vez en este paso existen dos posibilidades, la primera que quede un solo renglón o columna, si
este es el caso se ha llegado al final el método, "detenerse".
La segunda es que quede más de un renglón o columna, si este es el caso iniciar nuevamente el "Paso
1".

EJEMPLO DEL MÉTODO DEL COSTO MÍNIMO

Por medio de este método resolveremos el problema de transporte propuesto y 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.

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

Luego esa cantidad asignada se resta a la demanda de Bogotá y a la oferta de la "Planta 3", en un
proceso muy lógico. Dado que Bogotá se queda sin demanda esta columna desaparece, y se repite
el primer proceso.

Nuevo proceso de asignación

Nuevo proceso de asignación

Nuevo proceso de asignación

Una vez finalizado el cuadro anterior nos daremos cuenta que solo quedará una fila, por ende,
asignamos las unidades y se ha terminado el método.
El cuadro de las asignaciones (que debemos desarrollarlo paralelamente) queda así:

Los costos asociados a la distribución son:

En este caso el método del costo mínimo presenta un costo total superior al obtenido
mediante Programación Lineal y el Método de Aproximación Vogel, sin embargo comúnmente no es
así, además es simple de desarrollar y tiene un mejor rendimiento en cuanto a resultados respecto
al Método de la Esquina Noroeste.

4.5 MÉTODO DE APROXIMACIÓN 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 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 cada 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 número 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 de escoger la

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

PASO 4: DE CICLO 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 MÉTODO DE APROXIMACIÓN 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.

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".

Dado que la fila de la "Planta 3" ya ha asignado toda su capacidad (60 unidades) esta debe
desaparecer.
Se ha llegado al final del ciclo, por ende se repite el proceso
Iniciamos una nueva iteración

Continuamos con las iteraciones,

Iniciamos otra iteración

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:
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.

4.6 DEFINICION DEL PROBLEMA DE ASIGNACIÓN

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).

4.7 EL MÉTODO HÚNGARO

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. El algoritmo tal como se detallará a continuación está diseñado para la
resolución de problemas de minimización únicamente, será entonces cuestión de agregar un paso
adicional para abordar ejercicios de maximización.

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".

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.

RESOLUCIÓN DE UN PROBLEMA DE ASIGNACIÓN MEDIANTE EL MÉTODO HÚNGARO

EL PROBLEMA

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:

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.
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 necesarios 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.

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.

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.

RESOLUCIÓN DE UN PROBLEMA DE MAXIMIZACIÓN MEDIANTE EL MÉTODO HÚNGARO

EL PROBLEMA

Una organización de recolección de café cuenta con tres equipos de siembra y cosecha del mismo
(equipos 1, 2, 3). Estos equipos de trabajo se encuentran entrenados para trabajar en condiciones
particulares del proceso, condiciones como lo son el tipo de suelo, las condiciones del clima y el tipo
de grano.
La organización cuenta con cuatro terrenos disponibles para efectuar el proceso de siembra y cosecha
(terrenos A, B, C, D), estos terrenos tienen condiciones particulares de suelo, clima y tipo de grano.
Cada equipo cuenta con la capacidad de efectuar el proceso en solo uno de los terrenos disponibles,
salvo el equipo 2, que cuenta con una serie de herramientas tecnológicas que le permiten realizar la
siembra y cosecha del grano en dos de los terrenos disponibles.

Se ha contratado a un Ingeniero Industrial con el objetivo de realizar las asignaciones precisas que
maximicen la cantidad de sacos de café cosechados en total. El siguiente tabulado muestra la
capacidad (en cientos de sacos) de cosecha de café de cada uno de los equipos dependiendo de cada
uno de los terrenos.
RESOLUCIÓN

En este problema debemos recordar un concepto fundamental para la aplicación del método húngaro,
este concepto nos dice que el número de filas debe ser exactamente igual al número de columnas.
Por ende, la acción a realizar debería ser crear un equipo ficticio, el cual nos deje el tabulado
balanceado y a este asignarle un número de sacos cosechados equivalente a cero en cada uno de los
terrenos. Sin embargo, el problema nos indica que uno de los equipos se encuentra en capacidad de
que se le asignen dos terrenos, en este caso crearemos un equipo 2 alternativo (Equipo 2B) el cual
nos balanceará el tabulado y nos hará prescindir del equipo ficticio pensado inicialmente. A este equipo
2B que crearemos le corresponderá la misma capacidad de cosecha del equipo 2 (en adelante equipo
2A) según el terreno, lógicamente.

Una vez balanceado el tabulado debemos de cuestionarnos acerca del criterio de optimización, pues
recordemos que el método húngaro se encuentra diseñado para ejercicios de minimización. En este
caso nuestro objetivo es maximizar, por lo que tendremos que aplicar un paso adicional.

Lo primero que debemos hacer es ubicar el mayor valor del tabulado inicial.

En este caso este valor es 15, por lo cual procederemos a realizar la siguiente operación con cada
uno de los valores:

Restaremos a 15, el valor de cada una de las celdas y este valor quedará en cada una de las celdas
correspondientes.
Ahora nuestro tabulado inicial quedará de la siguiente manera:

A partir de este tabulado ya podemos aplicar el algoritmo del método húngaro como se aplicaría en un
caso e minimización (normalmente).

Ahora encontramos el menor elemento de cada fila.

y se lo restamos a todas las celdas de la fila.

Ahora efectuamos este mismo paso, pero esta vez con las columnas. Elegimos el menor de los valores
de cada columna y se lo restamos a cada una de las celdas de la columna correspondiente.

Ahora procedemos a cubrir la mayor cantidad de ceros, con la menor cantidad de líneas, si el número
de líneas que empleemos es igual al grado de la matriz (en este caso matriz grado 4, 4x4) habremos
llegado al final del ejercicio.
Dado que el número de líneas es igual al grado de la matriz, hemos concluido el algoritmo. Lo único
que quedará será asignar a cada equipo el terreno en el que el intercepto es igual a 0 (cero).

Las asignaciones, como es lógico deberán iniciarse por el equipo al cual solo corresponda un terreno,
en este caso al Equipo 3 le corresponde el Terreno A. De esta manera al Equipo 1 le corresponde el
Terreno D. Mientras tanto el Equipo 2 se encargará de la cosecha en los terrenos B y C. Según el
tabulado del problema (recordemos que es de maximización), la cantidad de sacos (expresada en
cientos de sacos) será así:

4.8 USO DE SOFTWARE (WIN QSB, TORA, DS for Windows, LINGO, LINDO, Y OTROS).

Para desarrollar el Trabajo Práctico de la asignatura Investigación de Operaciones se deben utilizar

Paquetes de Software de Optimización Lineal, tales como LINDO™,TORA™, Microsoft Excel
Solver, LOPT, WinQsB u otros, estos constituyen herramientas de apoyo para resolver problemas de
programación lineal, transporte y asignación.

SOLVER DE MICROSOFT EXCEL®. PROGRAMACIÓN LINEAL

La utilización de software para resolver problemas de programación lineal es una fortaleza tecnológica
que facilita la elaboración de estudios de factibilidad. Una opción es la herramienta (complemento)
“Solver de Microsoft Excel®”. Esta constituye una adecuada herramienta en este sentido, de
relativamente fácil programación inicial y posterior versatilidad para aplicar a diferentes problemas.
WINQSB

Es un sistema interactivo de ayuda a la toma de decisiones que contiene herramientas muy útiles para
resolver distintos tipos de problemas en el campo de la investigación operativa.

TORA

Es un programa para resolver problemas de PL. TORA no se instala, ya que es un programa para ser
operado bajo el Sistema Operativo MS-DOS.

DS for Windows

Software para la producción / gestión de operaciones, métodos cuantitativos, ciencias de la

gestión y la investigación de operaciones.

Este paquete es el más fácil de usar disponible en los campos de la gestión de las operaciones,
los métodos cuantitativos o Ciencia de la Administración debido a la estandarización de la
interfaz de Windows, la flexibilidad, el diseño orientado al usuario, y soporte al usuario.

La interfaz gráfica de usuario para el software es una interfaz estándar de Windows. Cualquiera
que esté familiarizado con cualquier hoja de cálculo estándar, procesador de textos, o un
paquete de presentación en Windows será capaz de utilizar el software. Esta interfaz estándar
incluye el menú habitual, barra de herramientas, barra de estado, y archivos de ayuda de los
programas de Windows.

El editor de hojas de cálculo de tipo de datos hace que la entrada y edición de datos
extremadamente fácil. Además, siempre que los datos se deben introducir, hay una clara
instrucción dada en la pantalla que describe lo que se debe introducir, y cuando los datos se
entran de manera incorrecta un mensaje de error claro se muestra.

LINGO

Es una herramienta diseñada para construir y resolver modelos de optimización matemática. LINGO
proporciona un paquete integrado que incluye un potente lenguaje para expresar modelos de
optimización, un ambiente con todas las funciones para los problemas de construcción y edición, y un
conjunto de solucionadores rápidos incorporados, capaces de resolver de manera eficiente la mayoría
de las clases de modelos de optimización.

LINDO

LINDO es una aplicación para computadoras que se utiliza para resolver problemas de programación
lineal, cuadrática y entera.

Desde 1979 el programa LINDO ha sido una de las herramientas de optimización favoritas de las
comunidades Educativas y Empresariales. LINDO Systems se ha dedicado a proveer poderosas e
innovativas herramientas de optimización que también son flexibles y muy fáciles de usar. LINDO tiene
una larga historia y es uno de los pioneros en crear poderosos programas de optimización.
En 1979 se vendió en México la primera copia comercial de LINDO, la ayuda que este proporcionó en
aquel momento, le hizo ganar popularidad muy rápidamente para luego ser utilizado en aplicaciones
industriales. En 1983 la versión LINDO/PC fue el primer paquete para programación lineal, este
manejaba 60 restricciones y 120 variables. En 1996 apareció la versión 6.0 para WINDOWS.

Antes que aparecieran Lotus 1-2-3 o Excel, LINDO había sido incorporado a la planilla de cálculo
VisiCalc, el paquete se llamó VINO y es el equivalente del SOLVER que viene con Excel. En estos
momentos existe una hoja de cálculo llamada WHAT´S Best, la cual se integra a EXCEL o LOTUS 1-
2-3; ésta resuelve problemas de optimización con algoritmos de LINDO Systems.

Conclusión

Podemos entender que atreves de estos métodos que facilitan los trabajos de transportación y
asignación para tomar en cuenta la mejor decisión en función de lo realizado resulta adecuado para
modelar las empresas caracterizadas y ha permitido diseñar e implementar un procediendo exacto
para la programación de la distribución de una empresa.

Al igual que ayudan a la optimización del problema al facilitar la idea principal de lo que se desea
conocer, también tiene un fuerte impacto en la parte económica por que ayudan a reducir el coste de
algunas actividades.

También los métodos de asignación cuentan con casi la misma igualdad del método de transporte,
pero este es utilizado para lo que son maquinara el factor humano etc. Da a conocer realmente la
asignación de cada uno de los que participan en una industria y así conocer ciertamente su función.