Aplicación del algoritmo The Ford-Fulkerson en la

Optimización de la red de Abastecimiento de la

empresa PetroPerú
Aldahir Rojas Matos, Alfredo Vilca Callata, Alonso Meza Quevedo, Mauricio Romero Alania

Asignatura: Matemática Discreta

Escuela Profesional de Ingeniería Industrial

Facultad de Ingeniería Industrial y de Sistemas

Universidad Nacional de Ingeniería

RESUMEN Por ello en este trabajo estudiaremos lo que es la

investigación operativa en redes y qué mecanismos
La empresa PetroPerú es una empresa de propiedad podemos utilizar para resolver algunos de los
del Estado peruano y de derecho privado dedicada al problemas que se estudian en esta disciplina.
transporte, la refinación, la distribución y la
Para la elaboración del siguiente trabajo hemos
comercialización de combustibles y otros productos
aplicado lo aprendido en el curso de matemática
derivados del petróleo. Es la empresa estatal más
discreta, sobre máximo flujo, en la empresa
importante del Perú. Desde su creación, ha cumplido
PetroPerú. De esta manera podremos trabajar
la enorme responsabilidad de abastecer combustible
objetivamente, además se conocerá con mayor
a todo el territorio nacional, y de mantener una política
claridad el manejo y funcionamiento de una de las
de mejora continua y protección ambiental como parte
técnicas más usadas en este tipo de problemas.
de la estrategia de desarrollo sostenible.

Actualmente se ha inaugurado 2 tanques de

almacenamiento en el Terminal Callao, esto puede
generar una desaceleración y estancamiento en las
áreas productivas de la empresa, sino se optimiza de
la mejor manera su red de abastecimiento. Este
suceso conlleva a que en el siguiente estudio se
realice una investigación aplicativa a la red de
abastecimiento de Petroperú, de manera que se
pueda intervenir apropiadamente y desarrollar
estrategias para el desarrollo óptimo del sistema de la
empresa.
INTRODUCCIÓN
Los problemas de flujos en redes, a pesar de tener
antecedentes históricos como el problema de los
puentes de Konigsberg, tratado por Euler en el siglo
XVIII, o problemas de flujos eléctricos, analizados por
Gustav Kirchhoff en el siglo XIX, son estudiados como
tales a partir de la década de los años cincuenta en el
marco de la investigación operativa.
PRESENTACIÓN DEL PROBLEMA
PetroPerú surte gasolina que es enviada a los
diferentes tanques de almacenamiento a través de
oleoductos.
En el mes de septiembre se han inaugurado 2 nuevos
tanques, debido a que se espera un incremento en la
demanda y producción del producto para así después
poder distribuirlo, sin embargo se tiene conocimiento
que esto puede generar retrasos y estancamiento en
la producción. Por ello se ha decidido plantear la
siguiente problemática:
● ¿Qué modelo se puede implementar a la red
de suministro de gasolina en la empresa
PetroPerú con la finalidad de optimizar y
automatizar ésta?

Actualmente en consecuencia al enorme crecimiento

de las ciudades, la industria y el comercio se han
presentado problemas tal como lo es la operatividad
en las redes residuales.
 OBJETIVOS
Objetivo general:
Realizar el análisis, diseño e implementación
de un software que permita obtener la
solución automatizada al problema del flujo
máximo, para lo cual se hará uso del
algoritmo de Ford-Fulkerson.
Objetivo específico 1:
Establecer los módulos que tendrá el
software, así como la interacción entre ellos.
Objetivo específico 2:
Establecer las estructuras de datos a utilizar
para la implementación del algoritmo.
Objetivo específico 3:
Implementar el algoritmo de Ford-Fulkerson,
y explicar los principales conceptos y
teoremas en los cuales se basa.
DESCRIPCIÓN DE LA SOLUCIÓN
Se debe realizar el análisis para conocer cuál es el
flujo máximo de abastecimiento
Análisis de algunos conceptos básicos
Flujo: Circulación de unidades homogéneas de un
lugar a otro.
Capacidad de flujo: es la capacidad de unidades que
pueden entrar por el nodo fuente y salir por el nodo
destino.
Origen o fuente de flujo: nodo por el cual el flujo
ingresa.
Destino o Sumidero de flujo: nodo por el cual el flujo
sale.
Capacidades residuales: capacidades restantes
una vez que el flujo pasa el arco.
Algoritmo de Ford Fulkerson
El algoritmo de Ford-Fulkerson propone buscar
caminos en los que se pueda aumentar el flujo, hasta
que se alcance el flujo máximo. La idea es encontrar
una ruta de penetración con un flujo positivo neto que
una los vértices origen y destino. Este algoritmo se
basa en dos conceptos intuitivos, el de una red
residual y el de una trayectoria aumentada. Algunas
de sus características son:
● El flujo es siempre positivo y con unidades
enteras.
● El flujo a través de una arista es menor o igual que
l0061 capacidad.
● El flujo que entra en un vértice es igual al que sale
de él.
Red residual.
Intuitivamente, dada una red de flujo y un flujo, la red
residual está formada por aristas que admiten más
flujo. Más formalmente, supongamos que tenemos
una red de flujo G = (V, E) con una fuente s y un
sumidero t. Sea f un flujo en G y sean un par de
vértices u, v V. La cantidad de flujo adicional que
podemos enviar de u a v sin exceder la
capacidad c(u, v) es la capacidad residual expresada
como: cf(u, v) = c(u, v) - f (u, v).
Se define como como la red donde la capacidad de
cada una de las aristas se define como Cf (u, v) = c (u,
v) – f (u, v).
Camino de aumento. Dada una red de flujo G =
(V, E) y un flujo f, un camino de aumento p es un
camino simple de s a t en la red residual Gf. Cada
arista (u, v) en un camino de aumento admite un flujo
adicional positivo de u a v sin violar la restricción de
capacidad de la arista.
Dada una red de flujo G = (V, E) con una fuente s y un
sumidero t y un flujo f, se puede demostrar que f es un
flujo máximo en G si y solo si la red residual Gf no
contiene ningún camino de aumento.
Aplicaciones del Algoritmo de Ford-Fulkerson
Los problemas para resolver en esta edición son los
de flujo máximo en una red de flujo.
❖ Redes de distribución de mercancías.
Una empresa tiene diferentes puntos de producción,
diferentes puntos de almacenamiento y diferentes
puntos de venta. Las mercancías de trasladan desde
los puntos de producción a los puntos de
almacenamiento, y posteriormente se distribuyen
entre los puntos de venta. Todo este proceso se
realiza a través de una red de distribución en la cual
cada conexión tiene una capacidad determinada. El
problema de flujo máximo permite determinar cuál es Iteración 1: 1,5
el flujo de mercancías que se debe establecer entre
los diferentes puntos de conexión de tal manera que
no falten productos en los puntos de venta. Kmin : ( ,7): K=7

Otras posibles aplicaciones relacionadas son redes 𝐶15,51 : (7-7,0+7): (0,7)

de transmisión de datos, control de tráfico, problemas
de planificación, problemas de geometría que
encuentran aplicación en sistemas de radar,
localización de puntos débiles en una red de
distribución, de suministro, etc.
La distribución se presenta acorde al siguiente
diagrama

DIAGRAMA DE DISTRIBUCIÓN DE RED

Iteración 2: 1, 4, 3,5

Kmin : ( ,4,4): K=4

𝐶14,41 : (4-4,0+4): (0,4)

𝐶43,34 : (4-4,5+4): (0,9)

𝐶35,53 : (6-4,0+4): (2,4)

Iteración 0: 1, 2, 5

Kmin : ( ,8,5) K=5

𝐶12,21 : (8-5,0+5): (3,5)

𝐶25,52 : (5-5,0+5): (0,5)

 𝐾𝑚𝑖𝑛 = ∑𝑛𝑖=1 5 + 7 + 4 + 2 + 1 = 19 galones por
hora
Iteración 3: 1,2,3,4,5

Kmin : ( ,3,5,5,9,2) K=2 Implementación del algoritmo en Python

𝐶12,21 : (3-2,5+2): (1,7) class Grafo:

def __init__(self,graf):
𝐶23,32 : (5-2,0+2): (3,2)
self.graf=graf
𝐶34,43 : (9-2,0+2): (7,2) self.fila=len(graf)

def BFS(self,ini,f,padre):
𝐶45,54 : (2-2,0+2): (0,2)
visitado=[False]*(self.fila)
c=[]
c.append(ini)
visitado[ini]=True

while c:

u=c.pop(0)

for i,val in enumerate(self.graf[u]):

if visitado[i]==False and val>0:
c.append(i)
visitado[i]=True
padre[i]=u

Iteración 4: 1,2,3,5 return True if visitado[f] else False

def fordfuck(self,origen,termino):
Kmin : ( ,1,3,2): K=1
padre=[-1]*(self.fila)
𝐶12,21 : (1-1,7+1): (0,8)
maxflujo=0
𝐶23,32 : (3-1,2+1): (2,3)
while self.BFS(origen,termino, padre):
𝐶35,53 : (2-1,4+1): (1,5) rutaflu=float("Inf")
s=termino
while (s!=origen):
rutaflu=min(rutaflu,self.graf[padre[s]][s])
s= padre[s]

maxflujo+=rutaflu
v=termino
while v!=origen:
u=padre[v]
self.graf[u][v]-=rutaflu
self.graf[v][u]+=rutaflu
v=padre[v]

return maxflujo

grafico=[[0,8,0,4,7],[0,0,5,0,5],[0,0,0,5,6],[0,0,4,0,2],[0
,0,0,0,0]]

g=Grafo(grafico)
origen=0 ● Red de flujo, disponible en:
termino=4 https://es.wikipedia.org/wiki/Red_de_flujo
● Capítulo 5: Redes de flujo, disponible en:
print("El maximo flujo es ", g.fordfuck(origen,termino))
http://hydrogeologistswithoutborders.org/wor
dpress/1979-espanol/capitulo-5/

CONCLUSIONES

● Dada la cantidad de información e iteraciones

que se utilizan en el problema del flujo
máximo, y en los problemas de investigación
de operaciones en general, se hace casi
imposible la solución de dichos problemas
manualmente, por lo cual se hace necesario
que estos sean resueltos a través de
programas computacionales.

● Asimismo, dada la cantidad de datos que

puede contener una red, ya sea para el
problema del flujo máximo o para otros
problemas de la investigación de
operaciones, podría darse el caso que los
métodos que calculan la solución exacta no
encuentren resultado por la cantidad de
recursos que requerirían, por lo que podría
ser necesario que se requieran nuevos
algoritmos que, si bien no obtengan la
solución exacta, encuentren soluciones
aproximadas suficientemente adecuadas.

● En base al resultado la empresa del sector

hidrocarburos o cualquier otra empresa
tendrá un panorama claro, en donde de
acuerdo con el incremento que se tendrá de
su producto poder decidir hasta donde se
puede comprometer sin tener problemas para
su abasto y de esta forma maximizar sus
ganancias, además de una mejora en la
logística.

BIBLIOGRAFÍA

● Algoritmo de Ford-Fulkerson, disponible en:

http://arodrigu.webs.upv.es/grafos/doku.php?
id=algoritmo_ford_fulkerson
● Ford-Fulkerson algorithm, disponible en:
https://en.wikipedia.org/wiki/Ford%E2%80%9
3Fulkerson_algorithm