TEMA 05:Modelos de Transporte solucin bsica y

ptima
Introduccin
Un problema clsico en PL es el

problema de enviar bienes desde un punto a otro punto, esto parece sencillo a primera vista sin
embargo no lo es tanto, ya que en la vida real puede tratarse de n puntos de embarque y n
destinos por lo que en si se tiene una matriz nxn y todas las combinaciones posibles, ojo
cuidando que siempre se obtenga el mnimo costo.
El problema de transporte es un problema de programacin lineal, por lo que tambin puede
resolverse por el mtodo simplex, sin embargo por tratarse de un caso especial se desarrollaron
mtodos especficos que hacen mucho ms fcil su clculo, a los que se les llamo modelos
matemticos del mtodo de trasporte, que es el tema que estaremos desarrollando.
El objetivo en estos modelos siempre ser el de minimizar los costos, para mejorar las utilidades y
poder llevar a un precio competitivo a los clientes.
Que nos dice Solow & kamlesh (1996):
Una clase de problemas que tiene una estructura especial en sus restricciones cuando se le
formula de manera matemtica tiene que ver con la distribucin de bienes. Por lo general, estos
bienes deben ser enviados desde puntos de suministro conocidos ( fabricas, plantas , etc) hasta
puntos de demanda conocidos ( clientes, tiendas, detallistas, etc). . El objetivo general consiste
en hallar el mejor el mejor plan de distribucin, es decir, la cantidad que se debe enviar por cada
una de las rutas desde los puntos de suministros, a travs de los puntos intermedios, hasta los
puntos de demanda. Con el trmino mejor se entiende un plan que minimice los costos totales

de envo, produzca la mayor ganancia u optimice algn otro objetivo corporativo especificado en la
por la gerencia.( p, 382)
En la primera parte de esta unidad los modelos de trasporte nos dan soluciones bsicas factibles,
sin asegurarnos que cualquiera de ellas es una solucin ptima. En la segunda parte revisaremos
algoritmos que nos darn la certeza de que la solucin si es ptima es decir que nuestros costos
de distribucin sean los menores en las circunstancias descritas del problema.

Capacidad

Describe y analiza el efecto de los cambios en los parmetros del modelo en la solucin
ptima de un Modelo de Transporte

Define las cantidades ptimas a enviar desde los puntos de origen a los puntos de destino,
y explica cmo estas minimizan el costo total del envo, satisfaciendo los lmites de la
oferta y los requerimientos de la demanda.

Actitudes

Valora el impacto de los cambios en la solucin ptima de un Modelo de Transporte y

explica cmo estos contribuyen o no a cumplir con los objetivos de la Organizacin.

Define y explica la importancia de la determinacin de las cantidades ptimas a enviar y su

impacto econmico en las Operaciones.

5.1 Mtodos prcticos para solucin bsica de modelos de

transporte
El problema de trasporte es un modelo cuyo problema es transportar bienes de un punto llamado
origen hacia otro llamado destino, a un costo razonable. Lo que se busca es satisfacer la demanda
principalmente u otro objetivo estratgico de la empresa. Esta distribucin se realiza a travs de
una red que vamos a llamar red de distribucin y que ser en si el modelo de PL que se tendr
que solucionar con los algoritmos adecuados.
La solucin usando los algoritmos de trasporte se realiza en dos partes, la primera se encuentra
una solucin bsica factible (no necesariamente ptima); en la senda parte, se utiliza otros
mtodos que partiendo de una solucin bsica factible se llega a una solucin ptima. Se debe
tener en cuenta que estos mtodos la demanda es igual a la oferta, y la solucin nos sirve como
una solucin bsica inicial, no necesariamente ptima.
Estos mtodos son: Esquina Nor-Oeste, costo mnimo y Vogel. Antes de describir el procedimiento,
es necesario establecer que el nmero de variables bsicas en cualquier solucin bsica de un
problema de transporte es una menos de la que se espera. Normalmente, en los problemas de
programacin lineal, se tiene una variable bsica para cada restriccin. En los problemas de
transporte con m recursos y n destinos el nmero de restricciones funcionales es m+n. Sin
embargo el nmero de variables bsicas = m + n-1 (Es decir las variables solucin).

5.1.1 Mtodo Esquina Nor-Oeste.

Este algoritmo o procedimiento est dado por los siguientes tres pasos:

Taha (2004) presenta el algoritmo Esquina Nor- Oeste :

Paso 1. Asignar todo lo ms que se pueda a la celda seleccionada y ajustar las cantidades
asociadas de oferta y demanda restando la cantidad asignada.
Paso 2. Salir del rengln o la columna cuando se alcance oferta o demanda cero, y tacharlo, para
indicar que no se puede hacer ms asignaciones a ese rengln o columna. Si un rengln y una
columna dan cero al mismo tiempo, tachar slo uno (el rengln o la columna) y dejar una oferta
(demanda) en el rengln (columna) que no se tach.
Paso 3. Si queda exactamente un rengln o columna sin tachar, detenerse. En caso contrario
avanzar a la celda de la derecha si se acaba de tachar una columna o a la de abajo si se tach un
rengln. Seguir con el paso 1. (p, 178)

Ejercicio 5.1
Tenemos la tabla 5.1 correspondiente al ejercicio 5.1, donde tenemos que la oferta es: 15+25+10 =
50 y la demanda es: 5+15+15+15 =50. Los orgenes son Tumbes, Lima y Arequipa, para satisfacer
una demanda en Cajamarca, Madre de Dios, Cuzco y Loreto. Los costos de transporte son Ci,j
En este ejercicio tenemos = m =3 , y n= 4 , entonces m+n= 7
Variables solucin = 7-1 = 6 , para no ser degenerada
Costos de transporte:
C1,1 = Tumbes Cajamarca:

C1,2 = Tumbes Madre de Dios

10
=

C1,3 = Tumbes Cuzco

C1,4= Tumbes Loreto

11

C2,1 = Lima Cajamarca:

12

C2,2 = Lima Madre de Dios

C2,3 =Lima Cuzco

2
20

C2,4= Lima Loreto

20

C3,1 = Arequipa Cajamarca

C3,2 = Arequipa Madre de Dios=

14

C3,3 = Arequipa Cuzco

16

C3,4= Arequipa Loreto

18

04

5.1.2 Mtodo del costo mnimo

El algoritmo del costo mnimo se utiliza tomando como base a las rutas que tengan el menor costo:
Taha (2004) nos refiere un algoritmo de costo mnimo que se puede explicar de la siguiente
manera:
Este mtodo determina una mejor solucin de inicio, porque se concentra en las rutas menos
costosas. Se inicia asignando todo lo posible a la celda que tenga el mnimo costo unitario ( los
empates se rompen en forma arbitraria) . A continuacin, el rengln o la columna ya satisfecha se
tacha, y las cantidades de oferta y demanda se ajustan en consecuencia. Si se satisface en forma
similar simultanea un rengln y una columna al mismo tiempo, slo se tacha uno de los dos, igual
que en el mtodo de la esquina noroeste. A continuacin se busca la celda no tachada con el costo
unitario mnimo y se repite el proceso hasta que queda sin tachar exactamente un rengln o una
columna.

5.1.3 Mtodo de Vogel.

Este mtodo es heurstico y suele producir una mejor solucin inicial que los mtodos anteriores.
De hecho, suele producir una solucin inicial ptima, o prxima al nivel ptimo.

Los pasos del procedimiento son los siguientes:

Taha (2004) muestra el algoritmo de Vogel:
1. Determinar para cada rengln (columna) una medida de penalizacin restando el elemento
de costo unitario mnimo en el rengln (columna) del elemento con costo unitario siguiente
al mnimo del mismo rengln (columna).
2.

Identifquese el rengln o columna con mayor penalizacin, rompiendo empates en forma

arbitraria. Asigne el mayor valor posible a las variables con el costo ms bajo del rengln o
columna seleccionado. Ajstese la oferta y la demanda y tchese el rengln o columna
satisfecha. Si un rengln y una columna se satisfacen al mismo tiempo, slo uno de ellos
se tacha y al rengln (columna) restante se le asigna una oferta (demanda) cero.

a) Si queda sin tachar exactamente un rengln o columna con cero oferta o demanda,
detenerse.
b) Si queda sin tachar un rengln (columna) con oferta ( demanda) positiva, determinar las
variables bsicas en el rengln (columna) con el mtodo de costo mnimo. Detenerse.
c) Si todos los renglones o columnas sin tachar tiene oferta y demanda cero asignadas,
determnese las variables bsicas cero a travs del mtodo de costo mnimo. Detngase.
d) En cualquier otro caso, seguir con el paso 1. ( p, 180)

5.2 Mtodo de solucin ptima

5.2.1 Mtodo de distribucin modificada MODI
El mtodo de distribucin modificada o MODI es un mtodo utilizado para encontrar una solucin
ptima a un problema de transporte, partiendo de un problema bsico factible, que previamente se
encontr con cualquiera de los mtodos anteriormente descritos para este fin como son: mtodo
Esquina Nor- Oeste, costo mnimo o Vogel.

5.2.2 Algoritmo MODI

Despus de encontrar una solucin factible bsica con cualquiera
de los mtodos anteriormente descritos se usa el siguiente
algoritmo para encontrar una solucin ptima:
Taha (2004) explica el algoritmo MODI.
Paso 1: Usar la condicin de optimalidad smplex para determinar la variable de entrada como
variable no bsica actual que puede mejorar la solucin. Si se satisface la condicin de
optimalidad, detenerse. En caso contrario seguir con el paso 2
Paso 2: Determinar la variable de salida con la condicin de factibilidad simplex. Cambiar la base y
regresar al paso 1.(P, 182)

Video de Investigacin de Operaciones

Direccin : https://youtu.be/FhDg5N4MF2U
Direccin: https://youtu.be/QYgP8pC0XTQ
Direccin: https://youtu.be/HKrIV9B_QaQ

Conclusiones
Con esta quinta semana has aprendido a tomar decisiones de transporte de mercadera
optimizando sus costos, utilizando modelos de investigacin de operaciones que te ayudaran,
teniendo en cuenta que esta solucin es solo una aproximacin porque tendr que validarse
primero con la realidad y luego con otros criterios como econmicos, de marketing, entre otros.