UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

FACULTAD DE INGENIERÍA

Proyecto sobre Programación lineal y

algoritmos especiales

Investigación de Operaciones

Fernández Cruz Lorenzo Antonio

Semestre 2020-1

PROFESORA

Dra. Esther Segura Pérez

Ciudad Universitaria, Cd. Mx., a 10 de junio de 2020

Objetivo General
Estudiar la importancia y relevancia de los métodos para resolver problemas de transporte,
asignación y transbordo.

Objetivo especifico
Utilizar los métodos de Vogel, húngaro y de transbordo para la resolución de problemas y ver
una aplicación en el mundo real.

Introducción
El problema de transporte es una de las primeras aplicaciones importantes de la programación
lineal. Se puede representar como un modelo lineal y utilizar el método simplex para resolverlo.
Sin embargo, dada la estructura especial de este modelo lineal, se puede construir un método
más eficaz para su resolución.
Esto nos amplia el horizonte con la presentación de dos tipos particularmente importantes (y
relacionados) de problemas de programación lineal. El primero de ellos se conoce como
problema de transporte, nombre que recibe porque muchas de sus aplicaciones involucran cómo
determinar la manera óptima de transportar bienes. Sin embargo, algunas de sus aplicaciones
importantes —como la programación de la producción— en realidad no tienen nada que ver con
el transporte.
El segundo tipo, llamado problema de asignación, incluye aplicaciones como la asignación de
personas a tareas. Aunque sus usos parecen diferir de los del problema de transporte, puede
notarse que los asuntos de asignación se pueden considerar un caso especial del problema de
transporte.
El origen del modelo de transporte data del año de 1941 en el que F. L. Hitchcock presentó un
estudio titulado "La distribución de un producto desde diversos orígenes a numerosas
localidades". Se cree que esta investigación fue la primera contribución para la resolución de los
problemas de transporte.
En 1947, T. C. Koopmans presentó un estudio, sin ninguna relación con el de Hitchcock, al que
llamo "Utilización óptima del sistema de transporte"1. Ambas aportaciones contribuyeron al
desarrollo de los métodos de transporte que implican un número dado de orígenes y otros de
destinos.
Las aplicaciones de los problemas de transporte y asignación tienden a requerir un número muy
grande de restricciones y variables, de manera que una solución en computadora del método
símplex puede necesitar de un esfuerzo computacional exorbitante. Por fortuna, una
característica clave de estos problemas es que la mayor parte de los coeficientes de las
restricciones son iguales a cero.
Como resultado, se han podido desarrollar algoritmos simplificados especiales que logran
ahorros computacionales sorprendentes para explotar esta estructura especial del problema. En
consecuencia, es importante familiarizarse bien con estos tipos especiales de problemas a fin de
reconocerlos cuando surjan y aplicar el procedimiento adecuado para resolverlos.
Hoy en día, muchas organizaciones incluyendo medianas o hasta pequeñas empresas, deben
hacer frente a un mercado global en el que hay que conciliar la satisfacción de los posibles
clientes con la eficiencia económica de sus actividades. Para ello las entidades deben de hacer
uso de herramientas de diversos campos de estudio cómo pueden ser las matemáticas y la

1 MODELO DE TRANSPORTE Y ASIGNACION DE RECURSOS.

estadística o la sociología para intentar optimizar el uso de sus recursos y obtener ventajas
competitivas.
Cuándo una organización inicia su actividad productiva debe plantearse cómo ha de llevar sus
productos desde sus centros de producción hasta el consumidor final, la distribución de los
productos que comercializa la empresa, así como otras variables que harán que la logística sea
más o menos compleja y por lo tanto los costes en los que se incurrirá la organización sean
mayores o menores.

Desarrollo del trabajo

Algunos conceptos importantes

Programación lineal: Es un conjunto de técnicas racionales de análisis gracias a las cuales

podemos optimizar (maximizar o minimizar) una función de varias variables sujeta a una serie de
restricciones. Esto hace que, a través de su método, podamos simplificar los cálculos y obtener
una solución óptima que se aproxime a la realidad. Normalmente estas técnicas, son muy útiles
en la búsqueda de la distribución eficiente de recursos limitados como son las materias primas o
los recursos humanos (Hamdy, 2012).

Problema de transporte: En boca de Hiller Frederick S. y Gerald J. Lieberman, un problema de

transporte se refiere “a la distribución de cualquier mercancía desde cualquier grupo de centros
de suministro, llamados orígenes, a cualquier grupo de centros de recepción, llamados destinos,
de tal manera que se minimicen los costos totales de distribución” (Frederick, 2010).

Problema de transbordo: Es una variación del modelo original de transporte que se ajusta a la
posibilidad común de transportar unidades mediante nodos fuentes, destinos y transitorios,
mientras el modelo tradicional solo permite envíos directos desde nodos fuentes hacia nodos
destinos. (Bryan,2019)

Problema de asignación: En general, un problema de asignación es un problema de transporte

equilibrado en el que todos los suministros y demandas son iguales a 1. Por lo tanto, un problema
de asignación se caracteriza por el conocimiento del costo de asignar cada punto de suministro a
cada punto de demanda. La matriz de costos del problema de asignación es su matriz de costos.

MODELO DEL PROBLEMA DE TRANSPORTE

Este problema se inicia cuando un fabricante o distribuidor quiere transportar ciertas

mercancías desde sus almacenes, centros de producción u orígenes (m), hacia ciertos destinos (n).
Cada destino tiene unas necesidades de 𝑏 cantidades de producto y cada origen puede satisfacer
de 𝑎 cantidad de producto. El problema que nos encontramos es: ¿Qué cantidad de producto 𝑥
hay que llevar desde el origen 𝑖 al destino 𝑗 conociendo que cada unidad de producto tiene un
costo de transporte 𝑐 ? Si lo expresamos como una función matemática sería:

𝑀í𝑛 𝑧 = 𝑐 𝑥
Este supuesto debe basarse en una serie de premisas:

 Supuesto de requerimiento: Cada origen tiene un suministro fijo de unidades que deben
ser distribuidas completamente entre los destinos. De igual manera el destino tiene una
demanda fija de cantidades a satisfacer por los orígenes.
 Supuesto de costo: el coste de distribuir cantidades desde una fábrica, almacén u origen
es directamente proporcional a la cantidad distribuida. Como resumen “el costo es igual
al costo unitario multiplicado por el número de unidades distribuidas” (Frederick, 2010).
 Propiedad de soluciones factibles: un problema de transporte tiene soluciones factibles
sólo si el sumatorio de los recursos en los m orígenes es igual al sumatorio de demandas
en los destinos.

𝑎 = 𝑏

Esta propiedad se denomina balancear, y es condición necesaria para poder obtener una solución
factible. Si un problema no está balanceado o equilibrado tendremos que establecer un equilibrio,
pueden suceder dos escenarios.

En el primero de ellos la oferta total es mayor que la demanda:

𝑎 > 𝑏

En este caso, lo que hacemos es generar un destino ficticio, que recibirá la diferencia entre la
oferta y la demanda totales. El coste de transporte seria 0 salvo si deseamos, por ejemplo, reflejar
los costes de almacenamiento de aquellas cantidades que no son distribuidas.

En el segundo escenario es la demanda la que supera la oferta que la industria puede satisfacer:

𝑎 < 𝑏

En este escenario podemos afirmar que el problema no tiene solución. Para poder dar una solución
de modo que satisfaga al máximo la demanda, generaremos un origen ficticio cuya oferta será la
cantidad de producto que falta por enviar a los puntos que tienen demanda. El coste de los envíos
desde este origen ficticio en principio será de 0 salvo si quisiéramos reflejar algún coste por dejar
demanda insatisfecha.

 Propiedad de soluciones enteras: Siempre que nuestro problema se exprese en unidades

o valores enteros, todas las variables del problema tendrán valores enteros incluyendo la
solución o soluciones óptimas.

Todas estas premisas dan lugar a una función matemática sujeta a las siguientes restricciones:
 (𝑃𝑇): 𝑀í𝑛 𝑧 = 𝑐 𝑥

𝑠. 𝑎: 𝑥 = 𝑎 , 𝑝𝑎𝑟𝑎 𝑖 = 1,2, … , 𝑚

𝑥 = 𝑏 , 𝑝𝑎𝑟𝑎 𝑗 = 1,2, … , 𝑛

𝑥 ≥ 0 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑎 𝑖 𝑦 𝑗

Esta última formulación lineal (𝑃𝑇): es lo que llamaremos estructura de transporte, dónde
llamaremos 𝑥 a la cantidad de unidades que se envían desde el origen 𝑖 hacia el origen 𝑗. Estas
cantidades son no negativas por lo tanto𝑥 ≥ 0.
Resolución al problema de transporte

La resolución de los problemas de transporte puede ser llevada a cabo mediante programación
lineal común, aunque existe, aunque existen otros métodos especiales para tratarlos que, aunque
no garantiza una solución óptima, simplifican su trabajo. Como lo es el método de Vogel.

Método de Vogel

Para la selección de la variable a asignar se calculan en la tabla de costes las diferencias por filas
y por columnas que se definen de la siguiente manera:

 𝐷𝐹 = diferencia en valor absoluto de los 2 costes menores de la fila 𝑖.

 𝐷𝑐 = diferencia en valor absoluto de los 2 costes menores de la columna 𝑗

Paso 1. Calcular las diferencias por fila y por columna en la tabla de costes. Seleccionar la
fila o columna de mayor diferencia y en ella la casilla (𝑖, 𝑗) de mínimo coste 𝑐 . .

Paso 2. En la tabla de flujos, asignar a la variable 𝑥 el flujo máximo posible en la posición

seleccionada

𝑥 = min {𝑎 , 𝑏 }.

Actualizar la oferta 𝑎 y la demanda 𝑏

 Si el mínimo es 𝑎 𝑎ctualizar la oferta del origen 𝑂 a cero y prescindir de la fila 𝑖 para

asignaciones posteriores. Se actualiza la demanda a 𝑎 − 𝑏 .
 Si el mínimo es 𝑏 , actualizar la demanda del destino 𝐷 a cero y prescindir de la columna
𝑗 en asignaciones posteriores. Se actualiza la oferta a 𝑎 − 𝑏 .
 Si 𝑎 𝑦 𝑏 tienen el mismo valor, la oferta y la demanda se actualizan a cero al mismo
tiempo. Se prescinde de la fila 𝑖 y de la columna 𝑗 en asignaciones posteriores.

Paso 3. Se pueden dar dos casos:

  Si queda sólo una fila o sólo una columna, se asignan todas las unidades que están sin
asignar. Parar.
 En otro caso, ir al Paso 1.

EL PROBLEMA DE TRANSBORDO
Hasta ahora hemos supuesto que el movimiento de mercancías se produce desde un origen hacia
un destino. Sin embargo, existen variaciones del modelo original donde se permite enviar
mercancías en todas las direcciones. A los problemas de transporte de este estilo se le denomina
problemas de transbordo o de transporte con nodos intermedios. En estos supuestos los nodos
pueden ser de 3 tipos:

 Orígenes puros. Solo pueden enviar mercancías.

 Destinos puros. Solo pueden recibir mercancías.
 Nodos de transbordos. Pueden enviar y/o recibir mercancías.

Ahora tenemos una tabla de transporte con 𝑚 + 𝑛 orígenes y 𝑚 + 𝑛 destinos. A los almacenes
originales les denotaremos con los subíndices 1,2, … , 𝑚 y a los destinos originales los
identificaremos con los subíndices 𝑚 + 1, … , 𝑚 + 𝑛.

Como debemos respetar las restricciones de oferta y demanda nuestro modelo deberá de cumplir
que:

 Los antiguos orígenes deben cumplir que la cantidad de mercancía que sale , menos la
cantidad de mercancía que recibe este nodo debe ser igual a la oferta:

𝑥 − 𝑥 = 𝑎 , ∀𝑖 = 1, … , 𝑚

 Para los antiguos destinos la cantidad de mercancía que llega menos la cantidad de
mercancía que salga de él, debe ser igual a la demanda:

𝑥 , − 𝑥 , = 𝑏 , ∀𝑗 = 1, … , 𝑛

El modelo matemático que presenta el problema es:

(𝑃. 𝑇𝑏): 𝑀í𝑛 𝑧 = 𝑐 𝑥

𝑠. 𝑎: 𝑥 − 𝑥 = 𝑎 , ∀𝑖 = 1, … , 𝑚
 𝑥 , − 𝑥 , = 𝑏 , ∀𝑗 = 1, … , 𝑛

𝑥 ≥ 0 , ∀𝑖 = 1, … , 𝑚 + 𝑛 𝑦 ∀𝑗 = 1, … , 𝑚 + 𝑛

Solución a problemas de transbordo

Usando el siguiente método, un problema de transbordo puede transformarse en un problema de

transporte equilibrado.

Paso 1. Si es necesario, agregue un punto de demanda ficticio (con una oferta de 0 y una demanda
igual al exceso de oferta del problema) para equilibrar el problema. Los envíos al maniquí y desde
un punto en sí mismo, por supuesto, tendrán un costo de envío cero. Supongamos 𝑠 = la oferta
total disponible.

Paso 2. Construya un cuadro de transporte creando una fila para cada punto de suministro y punto
de transbordo, y una columna para cada punto de demanda y punto de transbordo. Cada punto de
suministro tendrá un suministro igual a su suministro original, y cada punto de demanda tendrá
una demanda igual a su demanda original. Supongamos 𝑠 = la oferta total disponible. Luego,
cada punto de transbordo tendrá una oferta igual a (oferta original del punto) +𝑠 una demanda
igual a (demanda original del punto) +𝑠.

También puede hacerse uso de algún software, como el solver de Excel.

PROBLEMAS DE ASIGNACIÓN
Un problema de asignación es un problema de transporte equilibrado en el que todos los
suministros y demandas son iguales a 1.

Resolución de problemas de asignación

Un problema de asignación de m x m puede resolverse eficientemente por el método húngaro:

Paso 1. Encuentre el elemento mínimo en cada fila de la matriz de costos. Construya una nueva
matriz restando de cada costo el costo mínimo en su fila. Para esta nueva matriz, encuentre el
costo mínimo en cada columna. Nuevamente construya una nueva matriz (matriz de costo
reducido) restando de cada costo el costo mínimo en su columna.

Paso 2. Cubra todos los ceros en la matriz de costo reducido utilizando el número mínimo de
líneas necesarias. Si se requieren m líneas, entonces está disponible una solución óptima entre los
ceros cubiertos en la matriz. Si se necesitan menos de m líneas, continúe con el paso 3.

Paso 3. Encuentre el elemento distinto de cero (k) más pequeño en la matriz de costo reducido
que se descubre por las líneas dibujadas en el paso 2. Ahora reste k de cada elemento no cubierto
y agregue k a cada elemento que está cubierto por dos líneas. Regrese al paso 2.

1. Para resolver un problema de asignación en el que el objetivo es maximizar la función

objetivo, multiplique la matriz de ganancias por -1 y resuélvala como un problema de
minimización.
 2. Si el número de filas y columnas en la matriz de costos es desigual, entonces el problema
no está equilibrado. El método húngaro puede producir una solución incorrecta si el
problema no está equilibrado. Por lo tanto, cualquier problema de asignación debe
equilibrarse (mediante la adición de uno o más puntos ficticios) antes de que se resuelva
por el método húngaro.

Ejemplo de caso de estudio

Procter & Gamble también conocida como P&G es una empresa estadounidense multinacional
de bienes de consumo con sede en Cincinnati, Ohio. Fue fundada por William Procter y James
Gamble en 1837 ambos originarios del Reino Unido. Sus productos han llegado a incluir comida
para perros, artículos de limpieza y productos de cuidado personal. Antes de la venta de Pringles
a la compañía Kellogg's, su línea de productos incluía alimentos y bebidas. En 2014 P&G registró
$81.100 millones en ventas.

El primero de agosto de 2016, anunció la segmentación que iba a implementarse, eliminando así
100 marcas y concentrándose en las 80 restantes, que producían el 95% de los ingresos de la
compañía. David S. Taylor, el líder de la compañía y CEO, dijo que la futura P&G sería una
compañía mucho más simple y menos compleja, siendo así líder. P&G sigue siendo altamente
selectiva en la contratación de su personal, al contratar a menos del 1% de los solicitantes
anualmente.

Con presencia en más de 160 países, produce y distribuye firmas conocidas como Gillette, Ariel,
Támpax produce y comercializa más de 300 marcas de productos a nivel mundial. Esta compañía
ha crecido continuamente a través de su larga historia que data de 1837.

Para mantener y acelerar ese crecimiento, un importante estudio de IO se realizó para fortalecer
la efectividad global de P & G.

En 1993, comenzó un esfuerzo titulado Fortalecimiento de la eficacia global (SGE por sus siglas
en inglés) para racionalizar los procesos de trabajo, eliminar los costos sin valor agregado y
eliminar la duplicación. Un componente principal de SGE fue el estudio de suministro de
productos de América del Norte, diseñado para reexaminar y volver a diseñar el sistema de
abastecimiento y distribución de productos de P&G para sus operaciones en América del Norte.
La metodología desarrollada para resolver este problema se basó en OR / MS2 y la tecnología de
la información, combinando programación entera, modelos de optimización de red y un sistema
de información geográfica (SIG).

2 Operations Research/Management Science (OR/MS). De acuerdo con IGI Global, se define

como: Una rama interdisciplinaria de matemática aplicada, ingeniería y ciencias que utiliza
varios principios, estrategias y métodos analíticos basados en la investigación científica,
incluidos modelos matemáticos, estadísticas y algoritmos para mejorar la capacidad de una
organización para adoptar decisiones de gestión racionales y significativas.
Figura .- La interfaz del sistema de información geográfica para el modelo de abastecimiento. Fuente: (D
Camm, et al. 1997)

Antes del estudio, la cadena de suministro de la compañía consistía en cientos de proveedores

para las 50 categorías de productos en 60 plantas, 15 centros de distribución y más de 1 000 zonas
de consumo. Sin embargo, en la medida en que la compañía consideró marcas globales, la
administración se percató de que se requería consolidar las plantas a fi n de reducir los gastos de
manufactura, mejorar la velocidad de entrega al mercado y reducir la inversión de capital. Por lo
cual, el estudio se enfocó al rediseño del sistema de producción y distribución de la compañía
para sus operaciones en Norteamérica
Figura .- El modelo de abastecimiento con la solución mostrada. Las líneas negras indican envíos directos
a los clientes, las líneas rojas indican envíos por ferrocarriles extranjeros y las líneas azules indican envíos
3
entre plantas . Fuente: (D Camm, et al. 1997)

Como resultado de este estudio, P&G está reduciendo la cantidad de plantas en América del Norte,
casi un 20 por ciento, ahorrando más de $ 200 millones en costos antes de impuestos por año y
renovando su enfoque en los enfoques de OR / MS

El resultado fue una reducción del número de plantas en Norteamérica de casi 20 por ciento,
ahorrando más de 200 millones de dólares en costos antes de impuestos por año.

Gran parte del estudio consistió en la formulación y solución de problemas de transporte de

categorías individuales de producto. Para cada opción referente a mantener abiertas ciertas
plantas, la solución del correspondiente problema de transporte para cierta categoría de producto
mostró cuál sería el costo de distribución para enviar dicha categoría de producto desde esas
plantas hacia los centros de distribución y zonas de consumo.

Los modelos matemáticos que utilizaron para establecer el Modelo de ubicación de instalaciones
4
no capacitadas (UFL) fue el siguiente:

3He de aclarar que la imagen originalmente se encuentra en blanco y negro, así que no es
posible identificar qué rutas se refieren a qué colores.
4
(D Camm, et al. 1997)
 𝑀𝑖𝑛𝑖𝑚𝑖𝑧𝑎𝑟: 𝐶 𝑋
∈ ∈

Sujeta a:

𝑋 = 1, 𝑖∈𝑗
∈

𝑋 ≤ 𝑌, 𝑖 ∈ 𝐼, 𝑗∈𝐽

𝑌 =𝑘

𝑋 , 𝑌 ∈ [0,1] 𝑖 ∈ 𝐼, 𝑗 ∈ 𝐽

Variables de decisión

𝑋 = 1 si la zona j del cliente se asigna a DC i, 0 si no, y

𝑌 = 1 si se elige DC i, 0 si no.

Datos:

𝐶 = Costo total relevante para el factor satisfacer la demanda de la zona j del cliente de DC i,

k = número de DC permitidos,

I = conjunto índice de DC, y

J = conjunto índice de zonas de clientes

Generación de soluciones casi óptimas

Utilizaron los siguientes cortes para generar las 𝑁 mejores soluciones: Establecen 𝑂 =
⟨𝑖|𝑌 = 1⟩ como una solución óptima para la UFL. De esa manera encuentran una segunda mejor
solución añadiendo la siguiente restricción y resolviendo UFL:

𝑌 ≤𝑘−1
∈

La tercera mejor solución se encuentra agregando otra restricción de este tipo al problema resuelto
para encontrar la segunda mejor solución, y así sucesivamente. En general, podemos encontrar la
enésima mejor solución definiendo 𝑂 = ⟨𝑖|𝑌 = 1⟩ la 𝑁 − 1 − é𝑠𝑖𝑚𝑎 mejor solución y
agregando lo siguiente al modelo resuelto para la 𝑁 − 1 − é𝑠𝑖𝑚𝑎 mejor solución:

𝑌 ≤𝑘−1
∈

El modelo de transporte para una categoría de producto

 𝑀𝑖𝑛𝑖𝑚𝑖𝑧𝑎𝑟: 𝐶 𝑆
∈ ∈ ∪

Sujeta a:

𝑆 ≤ 𝐶𝑎𝑝 𝑝 ∈ 𝑃,
∈ ∪

𝑆 = 𝐷𝑒𝑚 𝑘 ∈ 𝑅 ∪ 𝑍,
∈

𝑆 ≥ 0 𝑝 ∈ 𝑃, 𝑘 ∈𝑅∪𝑍.

Variables de decisión

𝑆 = cantidad de demanda en la ubicación k para satisfacer de la planta p

Datos

𝐶 = por costo unitario de satisfacer la zona de cliente k (o DC k) de la planta p,

𝑃 = conjunto de plantas de subíndice p,

𝑅 = conjunto de índices de Dcs elegidos por UFL,

𝑍 = conjunto de índices de zonas de clientes,

𝐶𝑎𝑝 = capacidad límite en la planta p (en unidades de producción), y

𝐷𝑒𝑚 = 𝑑emanda en la zona del cliente k (o DC k).

Ejercicios propuestos
Problema de transporte
Una empresa debe cumplir con las siguientes demandas de un producto: enero, 30 unidades;
Febrero, 30 unidades; Marzo, 20 unidades. La demanda puede retrasarse a un costo de $ 5 /
unidad / mes. Toda demanda debe cumplirse a fines de marzo. Por lo tanto, si se cumple 1
unidad de la demanda de enero durante marzo, se incurre en un costo de 5 (2) = $ 10. La
capacidad de producción mensual y el costo de producción unitario durante cada mes se dan en
la Tabla 1. Un costo de tenencia de $ 20 / unidad se evalúa en el inventario al final de cada mes.

Mes Capacidad de producción Costo por unidad de producción

Enero 35 $400
Febrero 30 $420
Marzo 35 $410
Tabla 1.- Datos para el problema
a) Formule un problema de transporte equilibrado que podría usarse para determinar cómo
minimizar el costo total (incluidos los costos de acumulación, retención y producción) de
satisfacer la demanda.

Tenemos más oferta (la oferta total es 100) que la demanda (la demanda total es 80), por lo
tanto, para equilibrar este problema de transporte, agregamos un punto de demanda ficticio con
una demanda de 20 unidades. El cuadro de transporte resultante es:

Enero Febrero Marzo Ficticio Oferta

Enero 400 450 440 0 35
Febrero 425 420 440 0 30
Marzo 420 415 410 0 35
Demanda 30 30 20 20
Tabla 2.- Tabla resultante de transporte
b) Use el método de Vogel para encontrar una solución factible básica.

El método de Vogel no da el siguiente tableau:

Tabla 3.- Pasos del método de Vogel

Por lo que nuestra distribución de transporte óptima seria:

Tabla 4.- Tabla óptima resultante.

Con un costo de: $ 32,875.

Problema de transbordo
Oilco tiene campos petroleros en San Diego y Los Ángeles. El campo de San Diego puede
producir 500,000 barriles por día, y el campo de Los Ángeles puede producir 400,000 barriles
por día. El petróleo se envía desde los campos a una refinería, ya sea en Dallas o en Houston
(suponga que cada refinería tiene una capacidad ilimitada). Cuesta $ 700 refinar 100,000
barriles de petróleo en Dallas y $ 900 en Houston. El petróleo refinado se envía a clientes en
Chicago y Nueva York. Los clientes de Chicago requieren 400,000 barriles por día de petróleo
refinado; Los clientes de Nueva York requieren 300,000. Los costos de envío de 100,000
barriles de petróleo (refinados o no refinados) entre ciudades se muestran en la Tabla 74.
Formule un modelo de transporte equilibrado de esta situación.
 Hacia ($)
De Dalla Houston N.Y. Chicago
L.A. 300 110 - -
San
Diego 420 100 - -
Dallas - - 450 550
Houston - - 470 530
Tabla 5.- Tabla de datos
Este es un problema de transbordo, y crearemos un problema de transporte asociado que
considera tanto los costos de envío como de refinamiento. Tenga en cuenta que necesitamos un
punto de demanda ficticio para equilibrar el problema. Como de costumbre, denotamos por M
un número entero muy grande utilizado para modelar envíos no permitidos.
El cuadro obtenido es el siguiente:

Dallas Houston N.Y. Chicago Ficticio Oferta

L.A. 300 110 M M 0 4
San
Diego 420 100 M M 0 5
Dallas 0 M 450 550 0 9
Houston M 0 470 530 0 9
Demanda 9 9 4 3 2
Tabla 6.- Cuadro balanceado

Problema de asignación
La policía de Gotham City acaba de recibir tres llamadas de policía. Cinco autos están
disponibles. La distancia (en bloques de la ciudad) de cada automóvil de cada llamada se da en
la Tabla 5. Gotham City quiere minimizar la distancia total que deben recorrer los automóviles
para responder a las tres llamadas policiales. Use el método húngaro para determinar qué
automóvil debe responder a cada llamada.

Bloques de distancia
Llamada Llamada Llamada
Auto
1 2 3
1 10 11 18
2 6 7 7
3 7 8 5
4 5 6 4
5 9 4 7
Tabla 7.- Datos para el problema de asignación

Agregamos dos llamadas ficticias distancias asociadas para cada automóvil para equilibrar el
problema de asignación. Obtenemos la siguiente tabla:

Llamada 1 Llamada 2 Llamada 3 F1 F2

 Auto
10 11 18 0 0
1
Auto
6 7 7 0 0
2
Auto
7 8 5 0 0
3
Auto
5 6 4 0 0
4
Auto
9 4 7 0 0
5
Tabla 8.- Problema de asignación balanceado
El método húngaro nos da los siguientes resultados:
Llamada Llamada Llamada
F1 F2
1 2 3
Auto
0 0 0 1 0
1
Auto
0 0 0 0 1
2
Auto
0 0 1 0 0
3
Auto
1 0 0 0 0
4
Auto
0 1 0 0 0
5
Tabla 9.- Asignación de llamadas
Por lo tanto, la llamada 1 debe ser atendida por el auto 4, la llamada 2 por el auto 5 y la llamada
3 por el auto 3.

Aplicaciones
Como vimos, los métodos de Vogel, húngaro y resolución de transbordo aún son muy utilizados
en la resolución de problemas en empresas.
El modelo de transporte no solo es aplicable al movimiento de productos, si no también, como
modelo se puede aplicar a otras áreas, como la planificación de la producción, control de
inventarios y control de proveedores. Además de que en el ejemplo de P&G, vimos cómo fue
que se utilizó.
Ventajas y desventajas
Método de Vogel:
Ventajas
 Te conduce a una buena solución rápidamente
 Tiene en cuenta en los análisis la diferencia entre los menores costos de transporte
 Escogerá el sitio que produzca los menores costos de transporte, así como de la materia
prima y el producto terminado
Desventajas:
 No siempre te dará como resultado la opción óptima
  Las cantidades de oferta y demanda no deben variar con el tiempo, de otro modo debe
cambiarse varias veces.
Método Húngaro
Ventajas
 Se genera una matriz de costos de asignación cuadrada
 Todos los costos son no negativos
 En el mayor de los casos, los problemas son de minimización
Desventajas
 Como se vio en un ejemplo, no siempre cubre todas las tareas o a los aspirantes.

Referencias:
(Bryan,2019) Bryan Salazar López, Problema de transbordo, consultado 2 de junio de 2020,
recuperado de: https://www.ingenieriaindustrialonline.com/investigacion-de-
operaciones/problema-de-transbordo/

D. Camm, T. E. Chorman, F. A. Dill, J. R. Evans, D. J. Sweeney y G. W. Wegryn: “Blending

OR/MS, Judgement, and GIS: Restructuring P & G Supply Chain”, Interfaces, 27(1): 128-142,
enero-febrero, 1997. Consultado el 9 de Junio de 2020, recuperado de:
https://www.researchgate.net/profile/Franz_Dill/publication/245588169_Blending_ORMS_judg
ment_and_GIS_restructuring_PG%27s_supply_chain/links/54ad98420cf2828b29fcaee8/Blendi
ng-OR-MS-judgment-and-GIS-restructuring-P-Gs-supply-chain.pdf?origin=publication_detail

FREDERICK S. HILLIER, R.A.; y GERALD J. LIEBERMAN, (2010): Introducción a la

investigación de operaciones, Ediciones McGraw Hill (9ª edición).

HAMDY A. TAHA, (2012): Investigación de operaciones; Ediciones Pearson (9ª edición).

IGI Global Publisher of Timely Knowledge, What is Operations Research/Management Science

(OR/MS), consultado el 9 de junio de 2020, recuperado de: https://www.igi-
global.com/dictionary/analytics-for-nonprofits/39434

MODELO DE TRANSPORTE Y ASIGNACION DE RECURSOS, consultado 2 de junio de

2020, recuperado de:
http://investigacion.operaciones.tripod.com/transp.html#:~:text=ORIGEN%3A,de%20los%20pr
oblemas%20de%20transporte.

OpenCourseWare, UPV/EHU, Tema 6. El problema de transporte y el problema de asignación,

Consultado 2 de junio de 2020, recuperado de:
https://ocw.ehu.eus/pluginfile.php/5838/mod_resource/content/1/6._transporte_asignacion.pdf

Wayne L. Winston, Operations Research AP P L ICAT ION S AND ALGORITHMS, FOURTH

EDITION, Thomson Learning, Inc, Canada, 2004.