Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                

Taller Numero 3

Descargar como docx, pdf o txt
Descargar como docx, pdf o txt
Está en la página 1de 28

Taller N°3 Optimización 1

Taller Numero 3

Johan Felipe Martínez Ramírez


Johan Steven Delgado

Presentado A
Jairo Arboleda Zúñiga

Universidad Pontificia Bolivariana


Ingeniería Industrial
Optimización
Palmira- Valle
2021

Johan Felipe Martínez Ramírez 000271436


Johan Steven Delgado
Taller N°3 Optimización 2

1-)La Fábrica Nacional de Cerveza tiene cinco plantas ubicadas en Bogotá, Cali,
Barranquilla, Medellín y Palmira, la Fábrica Nacional de Latas, una subsidiaria tiene tres
plantas ubicadas en Pereira, Bucaramanga y Cartagena. La demanda mensual de latas de
cerveza se pronostica así:

DEMANDA MENSUAL EN
PLANTA DE CERVEZA
LATAS
BOGOTA 2.000.000
CALI 500.000
BARRANQUILLA 400.000
MEDELLÍN 100.000
PALMIRA 100.000

Las latas de cerveza abiertas, se retornan a la Fundidora Nacional de Aluminio, en donde se


reconviertes en aluminio y de ahí se mandan a la fábrica de latas. La producción máxima
mensual de lastas es:

CAPACIDAD MENSUAL EN
PLANTA DE LATAS
LATAS
PEREIRA 1.000.000
BUCARAMANGA 1.500.000
CARTAGENA 750.000

Los fletes son una función de las distancias que existen entre las plantas productoras de
cerveza y las plantas productoras de latas, estos fletes en pesos por transporte de 1.000 latas
son:
PLANTA DE CERVEZA PEREIRA BUCARAMANGA CARTAGENA
BOGOTA 5 20 15
CALI 20 15 2
BARRANQUILLA 25 2 10
MEDELLÍN 75 50 40
PALMIRA 45 80 60

Bajo estas condiciones.


a) Elabore el respectivo modelo del transporte
b) Obtenga una solución para la distribución mensual de latas, utilizando el método de
Vogel
c) Utilice el aplicativo que considere para resolver el modelo y obtener el programa de
distribución de latas que minimice los costos de envío.
d) ¿Qué puede analizar y concluir acerca de los resultados obtenidos en b) y c)?

Johan Felipe Martínez Ramírez 000271436


Johan Steven Delgado
Taller N°3 Optimización 3

Modelo matemático:

1. Variables:
X ij :Número de latas a transportar de la planta i para satisfacer el mercado jal mes ( latas
mes )
i:1,2,3 j:1,2,3,4,5

Plantas de cerveza (j)

Planta de
Bogotá
Plantas de Latas (i)

Planta de Planta de
Cali Pereira

Planta de Planta de
Barranquilla Cartagena

Planta de Planta de
Medellín Bucaramanga

Planta de
Palmira

2. Función objetivo:

Min C:
5 X 11 +20 X 12+25 X 13 +75 X 14 + 45 X 15+ 20 X 21+15 X 22+2 X 23 +50 X 24 +80 X 25 +15 X 31 +2 X 32+10 X 33+ 40 X 34

3. Sujeto a:
 Capacidad:
latas
Pereira: X 11 + X 12+ X 13+ X 14 + X 15 ≤ 1.000.000
mes
latas
Bucaramanga: X 21 + X 22 + X 23 + X 24+ X 25 ≤ 1.500.000
mes
latas
Cartagena: X 31 + X 32 + X 33 + X 34 + X 35 ≤750.000
mes

 Demanda:

Johan Felipe Martínez Ramírez 000271436


Johan Steven Delgado
Taller N°3 Optimización 4

latas
Bogotá: 5 X 11 +20 X 21+15 X 31=¿ 2.000.000
mes
latas
Cali: 20 X 12 +15 X 22+ 2 X 32=¿ 500.000
mes
latas
Barranquilla: 25 X 13 +2 X 23+ 10 X 33=¿ 400.000
mes

latas
Medellín: 75 X 14 +50 X 24 + 40 X 34=¿ 100.000
mes

latas
Palmira: 45 X 15+ 80 X 25+ 60 X 35=¿ 100.000
mes

No negatividad X ij ≥ 0 ∈ E
i:1,2,3 j:1,2,3,4,5

 Método Vogel

Planta de Cartagen
Pereira Bucaramanga CC4 Demanda Penalización
cerveza a
Bogotá 5 20 15 0 2.000.000 5
Cali 20 15 2 0 500.000 2
Barranquill 25 2 10 0 400.000 2
a
Medellín 75 50 40 0 100.000 40
Palmira 45 80 60 0 100.000 45
1.000.00 1.500.000 750.000 150.000
Oferta
0
Penalización 15 13 8 0

Capacida
Barranquill Medellí Palmir
Bogotá Cali d mensual Penalizació
a n a
en latas n
Pereira 5 20 25 75 45 1.000.000 15
Bucaramang 20 15 2 50 80 1.500.000 13
a
Cartagena 15 2 10 40 60 750.000 8
2.000.00 500.00 400.000 100.000 100.000
Demanda
0 0
Penalización 10 13 8 10 15

Barranquill Medellí Palmir Penalizació


Bogotá Cali CC6 Oferta
a n a n
Pereira 5 20 25 75 45 0 1.000.00 5
Johan Felipe Martínez Ramírez 000271436
Johan Steven Delgado
Taller N°3 Optimización 5

0
Bucaramang 20 15 2 50 80 0 1.500.00 2
a 0
Cartagena 15 2 10 40 60 0 750.000 2
2.000.00 500.00 400.000 100.000 100.000 150.00
Demanda
0 0 0
Penalización 10 13 8 10 15 0

Barranquill Medellí Palmir Penalizació


Bogotá Cali CC6 Oferta
a n a n
5 20 25 75 45 0 1.000.00 5
Pereira
0
Bucaramang 20 15 2 50 80 0 1.500.00 2
a 0
Cartagena 15 2 10 40 60 0 750.000 2
2.000.00 500.00 400.000 100.000 100.00 150.00
Demanda
0 0 0 0
Penalización 10 13 8 10 15 0

Barranquill Medellí Palmir Penalizació


Bogotá Cali CC6 Oferta
a n a n
5 20 25 75 45 0 900.000 5
Pereira 100.00
0
Bucaramang 20 15 2 50 80 0 1.500.00 2
a 0
15 2 10 40 60 0 250.000 2
Cartagena 500.00
0
2.000.00 X 400.000 100.000 X 150.00
Demanda
0 0
Penalización 10 13 8 10 - 0

Bogotá Cali Barranquilla Medellí Palmira CC6 Oferta Penalización


n
Pereira 5 20 25 75 45 0 900.000 5
100.000

Bucaramang 20 15 2 50 80 0 1.500.00 2
a 0
Cartagena 15 2 10 40 60 0 150.000 10
500.00 100.000

Johan Felipe Martínez Ramírez 000271436


Johan Steven Delgado
Taller N°3 Optimización 6

0
Demanda 2.000.000 X 400.000 X X 150.000
Penalización 10 13 8 - - 0

Bogotá Cali Barranquilla Medellí Palmira CC6 Oferta Penalización


n
Pereira 5 20 25 75 45 0 900.000 5
100.000

Bucaramang 20 15 2 50 80 0 1.500.00 2
a 0
Cartagena 15 2 10 40 60 0 X -
500.00 150.000 100.000
0
Demanda 2.000.000 X 250.000 X X 150.000
Penalización 10 13 8 10 - 0

Bogotá Cali Barranquilla Medellí Palmira CC6 Oferta Penalización


n
Pereira 5 20 25 75 45 0 900.000 5
100.000

Bucaramang 20 15 2 50 80 0 1.250.00 2
a 250.000 0
Cartagena 15 2 10 40 60 0 X -
500.00 150.000 100.000
0
Demanda 2.000.000 X X X X 150.000
Penalización 20 13 0 10 - 0

Bogotá Cali Barranquilla Medellí Palmira CC6 Oferta Penalización


n
Pereira 5 20 25 75 45 0 900.000 5
100.000

Bucaramang 20 15 2 50 80 0 1.100.00 20
a 250.000 0
150.000
Cartagena 15 2 10 40 60 0 X -
500.00 150.000 100.000

Johan Felipe Martínez Ramírez 000271436


Johan Steven Delgado
Taller N°3 Optimización 7

0
Demanda 2.000.000 X X X X X
Penalización 15 - - - - -

Bogotá Cali Barranquilla Medellí Palmira CC6 Oferta Penalización


n
Pereira 5 20 25 75 45 0 900.000 5
100.000

Bucaramang 20 15 2 50 80 0 X -
a 250.000
1.100.000 150.000
Cartagena 15 2 10 40 60 0 X -
500.00 150.000 100.000
0
Demanda 900.000 X X X X X
Penalización 15 - - - - -

Bogotá Cali Barranquilla Medellí Palmira CC6 Oferta Penalización


n
Pereira 5 20 25 75 45 0 X -
900.000 100.000

Bucaramang 20 15 2 50 80 0 X -
a 250.000
1.100.000 150.000
Cartagena 15 2 10 40 60 0 X -
500.00 150.000 100.000
0
Demanda X X X X X X
Penalización - - - - - -

Cuadro de solución
Bogotá Cali Barranquill Medellín Palmira CC6
a
Pereira 5 45 0
900.000 100.000
Bucaramang 20 2 0
a 250.000
1.100.000 150.000

Johan Felipe Martínez Ramírez 000271436


Johan Steven Delgado
Taller N°3 Optimización 8

Cartagena 2 10 40
500.00 150.000 100.000
0

Variable de Actividad de Costo x Contribución


decisión la variable unidad total
X1-1 900.000 5 4.500.000
X1-2 1.100.000 20 22.000.000
X1-3 0 0
X2-1 0 0
X2-2 0 0
X2-3 500.000 2 1.000.000
X3-1 0 0
X3-2 250.000 2 500.000
X3-3 150.000 10 1.500.000
X4-1 0 0
X4-2 0 0
X4-3 100.000 40 4.000.000
X5-1 100.000 45 4.500.000
X5-2 0 0
X-3 0 0
TOTAL 38.000.000

Plantas de cerveza (j)

Planta de
Bogotá Plantas de Latas (i)

Planta de
Planta de
Pereira
Cali

Planta de Planta de
Barranquilla Bucaramanga

Planta de Planta de
Medellín Cartagena

Planta de
Palmira

Johan Felipe Martínez Ramírez 000271436


Johan Steven Delgado
Taller N°3 Optimización 9

Al aplicar Solver

Conclusión: Al realizar el ejercicio los dos procesos se observa variaciones de cómo se


realizará la distribución de despachos, pero el que mejor minimiza los costos fue el
aplicativo Solver de Excel ya que tiene una disminución de $1.950.000 y en comparación
al método Vogel. Como recomendación dada debe usarse los resultados obtenido por
Solver.

2-)

Johan Felipe Martínez Ramírez 000271436


Johan Steven Delgado
Taller N°3 Optimización 10

- Utilizar el método húngaro para encontrar la asignación de abogados


- Utilizar aplicativo elegido para encontrar la asignación optima
- Compare y analice los 2 resultados

Modelo matemático

1. Variables:
X ij : Asignación de abogados ia los casos j ( Abogados
Casos )
1=El abogado toma el caso , 0=El abogado no toma el caso
i:1,2,3,4,5 j :1,2,3,4,5

Abogados (i) Casos (j)


1 1

2 2

3 3

4 4

5 5

2. Función objetivo:

Min C:
145 X 11 + 80 X 12+121 X 13 +118 X 14 + 97 X 15+ 122 X 21+63 X 22 +107 X 23 +83 X 24 +75 X 25 +130 X 31 +85 X 32 +93

Johan Felipe Martínez Ramírez 000271436


Johan Steven Delgado
Taller N°3 Optimización 11

3. Sujeto a:
Abogado 1
X 11 + X 12+ X 13+ X 14 + X 15=¿ 1 (El abogado 1 lleva solo un caso)
caso
Abogado 2
X 21 + X 22 + X 23 + X 24+ X 25=¿ 1 (El abogado 2 lleva solo un caso)
caso
Abogado 3
X 31 + X 32 + X 33 + X 34 + X 35=1 (El abogado 3 lleva solo un caso)
caso
Abogado 4
X 41+ X 42+ X 43 + X 44 + X 45 =1 (El abogado 4 lleva solo un caso)
caso
Abogado 5
X 51 + X 52 + X 53 + X 54 + X 55=1 (El abogado 5 lleva solo un caso)
caso

abogado
X 11 + X 21+ X 31+ X 41 + X 51=1 ( un abogado lleva el caso 1)
caso 1
abogado
X 12 + X 22 + X 32 + X 42+ X 52=1 ( un abogado lleva el caso 2)
caso 2
abogado
X 13 + X 23+ X 33+ X 43+ X 53=1 ( un abogado lleva el caso 3)
caso 3
abogado
X 14 + X 24+ X 34 + X 44+ X 54=1 ( un abogado lleva el caso 4)
caso 4
abogado
X 15 + X 25+ X 35+ X 45+ X 55=1 ( un abogado lleva el caso 5)
caso 5

No negatividad X ij ≥ 0 ∈ E
i:1,2,3,4,5 j :1,2,3,4,5

 Método Húngaro:

Johan Felipe Martínez Ramírez 000271436


Johan Steven Delgado
Taller N°3 Optimización 12

Solución:

El abogado 1 atendrá el caso 2


El abogado 2 atendrá el caso 5
El abogado 3 atendrá el caso 3
El abogado 4 atendrá el caso 4
El abogado 5 atendrá el caso 1
De este modo se requieren de 443 horas

 Modelo en LINGO

[Tiempo]Min=145*x11+80*x21+121*x31+118*x41+97*x51
+122*x12+63*x22+107*x32+83*x42+75*x52
+130*x13+85*x23+93*x33+116*x43+120*x53
+95*x14+48*x24+69*x34+80*x44+80*x54
+115*x15+78*x25+95*x35+105*x45+111*x55;
[Abogado1] x11+x12+x13+x14+x15=1;
[Abogado2] x21+x22+x23+x24+x25=1;
[Abogado3] x31+x32+x33+x34+x35=1;
[Abogado4] x41+x42+x43+x44+x45=1;
[Abogado5] x51+x52+x53+x54+x55=1;
[Caso1] x11+x21+x31+x41+x51=1;
[Caso2] x12+x22+x32+x42+x52=1;
[Caso3] x13+x23+x33+x43+x53=1;
[Caso4] x14+x24+x34+x44+x54=1;
[Caso5]x15+x25+x35+x45+x55=1;
@BIN(x11);@BIN(x12);@BIN(x13);@BIN(x14);@BIN(x15);
@BIN(x21);@BIN(x22);@BIN(x23);@BIN(x24);@BIN(x25);
@BIN(x31);@BIN(x32);@BIN(x33);@BIN(x34);@BIN(x35);
@BIN(x41);@BIN(x42);@BIN(x43);@BIN(x44);@BIN(x45);
@BIN(x51);@BIN(x52);@BIN(x53);@BIN(x54);@BIN(x55);

Solución

Johan Felipe Martínez Ramírez 000271436


Johan Steven Delgado
Taller N°3 Optimización 13

Variable Value Reduced Cost


X11 0.000000 145.0000
X21 0.000000 80.00000
X31 0.000000 121.0000
X41 0.000000 118.0000
X51 1.000000 97.00000
X12 0.000000 122.0000
X22 0.000000 63.00000
X32 0.000000 107.0000
X42 1.000000 83.00000
X52 0.000000 75.00000
X13 0.000000 130.0000
X23 0.000000 85.00000
X33 1.000000 93.00000
X43 0.000000 116.0000
X53 0.000000 120.0000
X14 0.000000 95.00000
X24 1.000000 48.00000
X34 0.000000 69.00000
X44 0.000000 80.00000
X54 0.000000 80.00000
X15 1.000000 115.0000
X25 0.000000 78.00000
X35 0.000000 95.00000
X45 0.000000 105.0000
X55 0.000000 111.0000

Row Slack or Surplus Dual Price


TIEMPO 436.0000 -1.000000
ABOGADO1 0.000000 0.000000
ABOGADO2 0.000000 0.000000
ABOGADO3 0.000000 0.000000
ABOGADO4 0.000000 0.000000
ABOGADO5 0.000000 0.000000
CASO1 0.000000 0.000000
CASO2 0.000000 0.000000
CASO3 0.000000 0.000000
CASO4 0.000000 0.000000
CASO5 0.000000 0.000000

El abogado 5 debe llevar el caso 1


El abogado 4 debe llevar el caso 2
Johan Felipe Martínez Ramírez 000271436
Johan Steven Delgado
Taller N°3 Optimización 14

El abogado 3 debe llevar el caso 3


El abogado 2 debe llevar el caso 4
El abogado 1 debe llevar el caso 5
De este modo se requiere de 436 horas.

Conclusión: Se analiza que tienen 2 factores simetricos con respecto a los abogados 3 y 5,
los cuales hacen un gran cambio con respecto al tiempo requerido para cubrir los casos,
donde se recomienda la distribución del Modelo LINGO que se ahorra 7 horas en cuenstion
de trabajo

3-) a) Una compañía despacha agua desde una estación principal a través de una red de
cinco estaciones intermedias hacia un destino final, la red y las capacidades de bombeo a
través de cada segmento de la red se muestran a continuación:

12 De A Capacidad
B D A B 15
15 13 A C 8
B C 6
A 6 5 G B D 12
8 9 C E 10
10 E D E 5
C 7 F D G 13
E F 7
F G 9

i. Elaborar modelo PL. de flujo máximo


ii. Utilizando el algoritmo de Prim, como distribuiría el agua a través de la red a fin de
maximizar la cantidad por hora de unidades de agua que llegan a la estación G
iii. Correr el modelo usando el aplicativo elegido y analizar el resultado

1. Variables de decisión

x ac x ab x bc x bd x ce x de x dg x ef x fg

2. Función objetivo

Max Z: x ab + x ac

3. Sujeto a:

Johan Felipe Martínez Ramírez 000271436


Johan Steven Delgado
Taller N°3 Optimización 15

Restricciones
Nodo b x ab= x bd + x bc
Nodo c x ac +¿ x bc = x ce
nodo e x ce = x ef
nodo d x bd = x de + x dg
nodo f x ef = x fg

x ab x ac x bc x bd x ce x de x dg x ef x fg
12 7 0 12 7 5 7 7 7
15 8 6 12 10 5 13 7 9

Función objetivo 19

El flujo máximo será de 19 m3 siendo distribuidos 12 al nodo B y 7 al nodo C

Las rutas que garantizan más cantidad de agua por hora son A-B-C y A-B-D-E-F-G.

Johan Felipe Martínez Ramírez 000271436


Johan Steven Delgado
Taller N°3 Optimización 16

b) Hallar en la sgte. red ,la ruta más corta entre el origen y el destino ( Utilice el Algoritmo
de Djsktra)

La ruta más corta entre origen y el destino será la recorrida entre los nodos 0-C-F-G-T

Nodo O (0, 0)
Nodo C (6, 0)
Nodo F (8, c)
Nodo G (10, f)
Nodo T (17, g)

4-) Hallar en la sgte. red el mínimo cableado para interconectar todas las sucursales con la
oficina principal

Johan Felipe Martínez Ramírez 000271436


Johan Steven Delgado
Taller N°3 Optimización 17

Por el camino de la Sucursal 4 a la 2, hasta la oficina principal, se requieren 190 millas de


cableado; Por el camino de las sucursales 1, 5 y 3, llegando hasta la oficina principal, se
requieren 245 millas de cableado; Para un total de 435 millas de cableado para conectar.

Johan Felipe Martínez Ramírez 000271436


Johan Steven Delgado
Taller N°3 Optimización 18

5-) Marquetepal es una empresa dedicada a la elaboración de grandes volúmenes de marcos


en madera para cuadros y espejos, estos marcos se obtienen del corte de rollos de láminas
de madera con una longitud original de 300 m (30.000 cm). El departamento de Ventas ha
recibido un pedido para el siguiente mes de 150 cuadros de 119 x 80 cms. y 100 cuadros de
95 x60 cms.
Formule un modelo de programación lineal que minimice el desperdicio y optimice la
productividad
(NOTA: Recuerde el modelo de corte de rollos y Proponga al menos 3 patrones de corte
para este caso)

Materia prima: Lamina de madera con 30000 cm


Medidas necesarias para los marcos
 119 x 80 cm (150 cuadros)
 95 x 60 cm (100 cuadros)
 Para 150 cuadros 119x80 = 150 x 2 = 300 piezas de cada medida
 Para 100 cuadros 95x60 = 100 x 2 = 200 piezas de cada medida

Tamaño cortes

Medida 150 Medida 100


Perdida
Rollo medida cuadros (cm) cuadros (cm)
119 80 95 60
1 30000 150 150     150
2 30000     193 193 85
2 30000 100 100 65 65 25
Demanda 300 300 200 200  

Modelo matemático
1. Variables de decisión
x i: Número de rollos cortados bajo los 3 patrones de corte.
i= (1,2,3)

2. Función Objetivo

Min C: Minimizar la perdida de material

Min C: 150 X 1 + 85 X 2 + 25 X 3

Johan Felipe Martínez Ramírez 000271436


Johan Steven Delgado
Taller N°3 Optimización 19

3. Sujeto a:
 Corte 119
150X1 + 100X3 ≥ 300
 Corte 80
150X1 + 100X3 ≥ 300
 Corte 95
193X2 + 65X3 ≥ 200
 Corte 60
193X2 + 65X3 ≥ 200
Xi ≥ 0 pertenece a los enteros con (i= 1,2,3)

QM for Windows

6-) La compañía “Alquerin” produce leche pasteurizada en sus 2 plantas ubicadas en Buga
y Popayán, esta leche se piensa distribuir a través de 3 centros de distribución ubicados en
El Patía, Cali y Manizales. Un estudio financiero establece que se dispone de un
presupuesto para abrir solo 2centros de distribución (inversión de apertura = $ 200.000.000/
Ce-Di.)

Johan Felipe Martínez Ramírez 000271436


Johan Steven Delgado
Taller N°3 Optimización 20

Debido a la expansión de la demanda, los estudios de logística y mercadeo han definido que
la leche se transportara desde los 2 centros de distribución hasta 4 empresas que elaboran
productos lácteos (clientes) y que están ubicadas en : Palmira, Pereira, Medellín y Pasto .
Para tomar la decisión, la Empresa estima los costos de transporte ( $ / litro) y la capacidad
semanal de producción(en litros) de cada pasteurizadora en :

Planta\ Ce-Di Patía Cali Manizales Capacidad


Buga 30 10 25 350000
Popayán 18 15 35 450000

La Empresa estima los costos de transporte ( $ / litro) y la demanda semanal de leche


(litros) de cada cliente en :
Ce-Di \ Palmira Pereira Medellín Pasto
Cliente
Patía 26 50 80 18
Cali 8 30 42 32
Manizales 32 10 28 80
Demanda 150000 250000 220000 180000

Usando PLEM…... Como contribuiría ud.a definir cuales Cedis se deben abrir y como se
haría el transporte y distribución desde las plantas pasteurizadoras a los cedis y desde estos
a las empresas de productos lácteos?

Cliente (k)
Ce-Di (j)
Plantas (i)
Palmira
Patía
Buga

Pereira
Cali
Popayán

Medellín
Manizales
W j= 3
Pasto

Formulación matemática

Johan Felipe Martínez Ramírez 000271436


Johan Steven Delgado
Taller N°3 Optimización 21

1. Variables de decisión

X ij =¿ Cantidad de litros de leche a transportar de la planta i al Centro distribución j


Litros
semanalmente ( sem )
i:1,2 j :1,2,3

Y jk= Cantidad de litros de leche a transportar del Centro distribución j al cliente k


semanalmente

i:1,2,3 k :1,2,3,4

N=Número de centros de distribución a abrir (2)

W j: 1=Si abre el centro distribución


0=si no abre el centro distribución

2. Función objetivo:

Min C: 30X11 + 10X12 + 25X13 + 18X21 + 15X22 + 35X23 + 26Y11 + 50Y12 + 80Y13
+ 18 Y14 +8Y21 + 30Y22 + 42Y23 + 32Y24 +32Y31 +10Y32 + 28Y33 + 80Y34 +
$200.000.000W1 + $200.000.000W2 + $200.000.000W3

3. Sujeto a:

Y11 + Y21 + Y31 = 150.000


Y12 + Y22 + Y32 = 250.000
Y13 + Y23 + Y33 = 220.000
Y14 + Y24 + Y34 = 180.000

Centro distribución a abrir

W 1+W 2 +W 3 =2

Restricción de capacidad

X11 + X12 +X13 ≤ 350.000


X21 + X22 + X23 ≤ 450.000

No negatividad

Johan Felipe Martínez Ramírez 000271436


Johan Steven Delgado
Taller N°3 Optimización 22

X ij ≥ 0 E Reales (i=1,2) (j=1,2,3)


Y jk ≥ 0 E Reales (j=1,2,3) (k=1,2,3,4)
W j pertenece a binarios (j=1,2,3)

7-) Elabore el modelo PLEM para el caso “problema de monitores de alta resolución” que
se describe a continuación :

Una empresa fabrica monitores de alta resolución en dos plantas de producción P1 y P2 .


Las capacidades de producción por semana son de 80 y 60 unidades, respectivamente. Los
monitores se llevan a cuatro centros de ventas Vi , i = 1, 2, 3,4 que solicitan para la próxima
semana 30 unidades para V1, 20 para V2 y 40 para V4. V3 no ha cuantificado su demanda
indicando que va a ser muy alta y aceptaría toda la producción. La legislación vigente
obliga a la empresa a transportar los monitores de las plantas a los puntos de venta a través
de alguno de los dos centros de control de calidad existentes C1 y C2 en los que se
controlan los monitores y cuya capacidad es muy grande. El costo de control por unidad en

C1 es de $4.000 y en C2 es de $6.000. Los costos en miles de pesos del transporte unitario


de las plantas a los centros de control y de estos a los puntos de venta, aparecen en la tabla
siguiente:

La empresa desea distribuir toda la producción para la semana entrante, sin mostrar
preferencia por la utilización de un determinado centro de control o punto de venta, pues su
interés reside en minimizar el costo global de transporte.
a) Cuál debe ser la distribución de las plantas a los puntos de venta?
b) Si la empresa requiere abrir otra planta (P3) en una de 3 ubicaciones
predeterminadas y abrirlas implicaría una amortización mensual de $10000000,
$12000000 y $1150000 respectivamente, como quedaría el nuevo modelo
matemático PLEM .

Programación por metas


8-)

Johan Felipe Martínez Ramírez 000271436


Johan Steven Delgado
Taller N°3 Optimización 23

9-) a)
Johan Felipe Martínez Ramírez 000271436
Johan Steven Delgado
Taller N°3 Optimización 24

b)

FO: Minimizar Z = (D1-) + (D1+)

Sujeto a:

2X + 6Y = 70 horas de corte

2X + 2Y = 50 horas de terminación

45X + 65Y + (D1-) – (D1+) = 800

X, Y, D1-, D1+ ˃ 0

Sujeto a:

2X + 6Y + (D2-) – (D2+) = 70 horas de corte

Johan Felipe Martínez Ramírez 000271436


Johan Steven Delgado
Taller N°3 Optimización 25

2X + 2Y + (D3-) – (D3+) = 50 horas de terminación

X, Y, D1-, D1+ > 0

Minimizar Z = utilidad (d1- + d1+) + tiempo ocioso (d2-+d3-)


Dónde:

X = número de puertas rústicas producidas por día


Y = número de puertas con acabados producidas por día
D1- = cantidad abajo de la utilidad requerida
D1+ = cantidad arriba de la utilidad requerida
D2- = tiempo ocioso diario en el área de corte
D2+ = tiempo extra diario en área de corte
D3- = tiempo ocioso diario en el área terminación 70
D3+ = tiempo extra diario en el área de terminación

10-)

Corte Enmarcado
  [Hrs] [Hrs] Utilidad c/u
Redondo (Y) 4 1 $ 44
Cuadrado (X) 3 3 $ 32
Disponibilidad
[Sem] 70 65

X : Numero de espejos cuadrados a fabricar

Y : Numero de espejos redondos a fabricar

F.O : Minimizar Z = (D1-) + (D1+)

Johan Felipe Martínez Ramírez 000271436


Johan Steven Delgado
Taller N°3 Optimización 26

Sujeto a:

3X + 4Y = 70 horas de corte

3X + Y = 65 horas de Enmarcado

32X + 44Y + (D1-) – (D1+) = 950

X, Y, D1-, D1+ ˃ 0

Heurística y metaheurística

11- ) Ensayo: “Aplicaciones exitosas de las técnicas heurísticas y metaheurísticas”

Realice búsqueda en base de datos de biblioteca UPB sobre 3 aplicaciones exitosas de


heurísticas y 3 aplicaciones exitosas de metaheurísticas en empresas internacionales
y nacionales) y con base en lo anterior elabore un resumen en forma de ensayo, este
documento tendrá un contenido de 2 páginas.

Quiz

12-)
a) Describa en forma matemática (modelación) la siguiente restricción:
(No olvide definir las variables de decisión)
El departamento A puede estampar por mes, las planchas necesarias combinadas de 90
automóviles y 50 camiones dentro de los límites de capacidad del departamento:
_________________ F O.: (MAX) U = 90X1+ 50X2 ____________________
b) conjunto de valores para las variables de decisión de un Modelo de Programación
Lineal- P.L., es una solución óptima cuando:
 Cumplen la condición de no negatividad y con todas y cada una de las restricciones
 Pertenece a la región factible y cumple la condición de no negatividad.
 Cumplen con todas las restricciones y maximiza la función objetivo.
 Siendo un vértice de la región factible, mejora la función objetiva

c-) Los modelos Multi objetivos o Programación por Metas:


 Son difíciles porque con frecuencia al mejorar un objetivo se perjudica otro
 Permiten integrar todas las metas en una sola originado una solución satisfactoria para

Johan Felipe Martínez Ramírez 000271436


Johan Steven Delgado
Taller N°3 Optimización 27

cada objetivo planteado


 Pueden abordarse con el método de búsqueda de pesos o ponderación de metas
 Pueden solucionarse, convirtiendo los objetivos o metas en restricciones.

d-) El Modelo TSP ( Problema del Agente Viajero ) es una buen alternativa para solucionar
problemas de Ruteo , pero presenta el inconveniente de no permite obtener resultado
“Optimo” porque :
 No se puede modelar con Programación Lineal-PL
 Infinito número de restricciones y variables
 No se conocen todos los parámetros del modelo
 Requiere mucho tiempo computacional

13-) Una compañía multinacional posee 5 plantas manufactureras de llantas de auto en


Latinoamérica, las cuales han venido realizando los despachos a 15 grandes centros de
distribución (cedis) diseminados por todo el continente americano. El suministro de la
materia prima fundamental (caucho sintético) lo han venido realizando 3 plantas químicas
ubicadas en Estados Unidos; por limitaciones presupuestales que restringen la capacidad de
estas proveedoras, solo podrán abastecer a 3 plantas manufactureras.
A usted le proponen optimizar toda la red de distribución de esta multinacional a través de
un modelo PLEM.
Asuma los parámetros que considere necesarios para plantear los requerimientos anteriores
y defina:
- Las variables de decisión, son:
a)_____________cantidad de__plantas manufacturera______________________________
b)_____________cantidad de centros de distribución_________________
c)_______________cantidad de proveedores_______________________________

- El total de variables son: 4


- La restricción del número de instalaciones como seria: _
_abastecimiento de planta manufactureras <= 3

14-)
a-)Escriba V o F según el enunciado:
 En el modelo de Redes, se utiliza el método de Prim para solucionar el árbol de

Johan Felipe Martínez Ramírez 000271436


Johan Steven Delgado
Taller N°3 Optimización 28

expansión mínima ( V )
 Las heurísticas y metaheurísticas como el método del barrido, colonia de hormigas, etc.
permiten optimizar el diseño de rutas con limitaciones de capacidad ( )
 Uno de los métodos utilizados para resolver el modelo de transporte desbalanceado es
el Simplex Tabular ( F )
 Aun cuando los modelo de programación no lineal – P.N.L. son más difíciles que los de
P.L. es verdad que se pueden aplicar en ellos la técnica de búsqueda en los vértices para
encontrar una solución optima ( )
 Los multiplicadores Lagrangianos se pueden utilizar para resolver modelos con
restricciones tanto de funciones lineales como cuadráticas ( F )
b-) En el siguiente modelo: Minimizar C : C1X ³ + C2Y
s.a.
50X + 25Y = A

Cual seria el metodo a utilizar para solucionar el modelo? Como seria?

____________________________________________________________________

c-) Un punto X* con la propiedad de que f ´(X* ) = 0 y f “ ( X* ) > 0 (donde f es una función
de 1 sola variable) satisface las condiciones suficientes para que X* sea :
 Un mínimo local
 Un máximo local
 Un máximo global
 Ni máximo ni mínimo local

Johan Felipe Martínez Ramírez 000271436


Johan Steven Delgado

También podría gustarte