Analisis de redes de distribución logística con el algoritmo de

Ford-Fulkerson
Dr. Ing. José Antonio Valles R., Investigador Nacional Ingeniería y Tecnología (SNI-CONACyT),
Miembro del Registro CONACYT de Evaluadores Acreditados y del Registro Nacional de Instituciones
y Empresas Científicas y Tecnológicas, Premio Nacional en Logística 2007 y Miembro Fundador de la
Sociedad Mexicana de Investigación de Operaciones (SMIO)

Resumen
El algoritmo de Ford-Fulkerson propone buscar rutas en una red de distribución
logística en las que se pueda aumentar el flujo, hasta que se alcance el flujo
máximo. Es aplicable a los Flujos maximales. La idea es encontrar una ruta de
penetración con un flujo positivo neto que una los nodos origen y destino.

Palabras clave—Grafos, flujo máximo, algoritmo Ford-Fulkerson, nodo origen,

nodo destino, arcos, capacidad

Introducción
Lester Randolph Ford Jr. Al continuar los pasos de su padre Ford Sr. También
hizo una enorme contribución al campo de las matemáticas. Su trabajo con
Delbert Ray Fulkerson ha puesto la base de casi toda la investigación de flujos
de grafos. El artículo de Ford y Fulkerson para la solución del problema de flujo
máximo, estableció el teorema del flujo máximo-mínimo [1].

Se puede considerar un grafo como una red de flujo. Donde un nodo fuente
produce o introduce en la red cierta cantidad de algún tipo de flujo, y un nodo
sumidero que lo consume. Cada arco, por tanto, puede considerarse como un
conducto que tiene cierta capacidad de flujo. De igual modo que en redes
eléctricas (leyes de Kirchhoff), la suma de flujos entrantes a un nodo, debe ser
igual a la suma de los salientes (principio de conservación de energía), excepto
para el nodo fuente y el nodo sumidero [2].
Por tanto, el problema de flujo máximo se enuncia como: ¿Cuál es la tasa a la cual
se pueda transportar el material desde el nodo fuente al nodo sumidero, sin violar
las restricciones de capacidad?
Desarrollo
Considérese cualquier camino dirigido del origen al destino en la red de flujos. Sea
x la mínima de las capacidades de las aristas no usadas en el camino. Es posible
incrementar el flujo de la red al menos en x, incrementando el flujo de las aristas
del camino en dicho monto. De esta forma se obtiene el primer intento de flujo en
la red. Luego debemos encontrar otro camino, incrementar el flujo en el camino, y
continuar hasta que todos los caminos del origen al destino tengan al menos una
arista llena (el flujo usa toda la capacidad de la arista).

Algoritmo de Ford-Fulkerson
• Este método depende de tres ideas importantes: Camino de aumento y red
residual.
• Este método es iterativo. Se comienza con f(u,v) =0 para cada par de nodos.
• En cada iteración se incrementa el valor del flujo buscando un camino de
aumento, el cual es un camino desde la fuente al resumidero que puede conducir
más flujo.
• Se repite el proceso previo hasta no encontrar un camino de aumento? [3].

Aplicación
La empresa A V YA SA necesita determinar la capacidad de distribución de agua
potable para oficinas, baños, comedor y llaves de uso común, con la siguiente
topología:
AVYASA Logistics surte gasolina que es enviada a los diferentes tanques de
almacenamiento a través de los oleoductos indicados en la red mostrada, se requiere
determinar el flujo máximo a surtirse a través de los oleoductos hasta sus terminales de
almacenamiento y reparto, debido a que se espera un incremento en la demanda de este
producto. Para ello se debe realizar el análisis para conocer cual es el flujo máximo de
abastecimiento, la distribución se presenta acorde al siguiente diagrama:

5
0 0
2 5 Destino
8 0 5
Origen 7 0 0
1

4
0
5
2 3 6

0 4
4

Iteración 0  1, 2, 5

Knin  ( ∞, 8, 5 )  K = 5
C12,21  ( 8 - 5, 0 + 5 )  ( 3, 5 )
C25,52  ( 5 - 5, 0 + 5 )  ( 0, 5 )

0
5 5
2 5
3 0 5
7 0 0
1

4
0
5
7 3 6

4
0 4

Iteración 1  1, 2, 3, 4, 5
Knin  ( ∞, 3, 5, 5, 7 )  K = 3

C12,21  ( 3 - 3, 5 + 3 )  ( 0, 8 )
C23,32  ( 5 - 3, 0 + 3 )  ( 2, 3 )
C34,43  ( 5 - 3, 4 + 3 )  ( 2, 7 )
C45,54  ( 7 - 3, 0 + 3 )  ( 4, 3 )

0
8 5 5
0
2 2 0
Destino
0 5 0 5
8
Origen 7 3 0
1 0

4
3
0
2
4 3
3 6
2
0 4
7
4
Iteración 2  1, 4, 5

Knin  ( ∞, 4, 4 )  K = 4

C14,41  ( 4 - 4, 0 + 4 )  ( 0, 4 )
C23,32  ( 4 - 4, 3 + 4 )  ( 0, 7 )

0
8 5 5 Destino
0
2 2 0
0 5 0 5
Origen 7 7 0
1 0

0
4 3
0
2
0 5
3 6
2
4 4
0 7
4
Iteración 3  1, 5

Knin  ( ∞, 7 )  K = 7

C15,51  ( 7 - 7, 0 + 7 )  ( 0, 7 )

0
8 5 5
0
2 2 0 Destino
0 5 0 5
Origen 0 7 0
1 0

0
4 3
0
2
0 5
3 6
2
4 4
0 7
4

Knin = ∑𝐧𝐢=𝟏 = 5 + 3 + 4 + 7 = 19 galones por hora

Conclusión:
Revisando el resultado del ejercicio, podemos observar que la capacidad máxima para dar
abasto a las terminales es de 19 galones por hora. En base a este resultado la empresa del
sector hidrocarburos tiene un panorama claro, en donde de acuerdo al incremento que se
tendrá de su producto poder decidir hasta donde se puede comprometer sin tener
problemas para su abasto.
Introducción.
Existe un flujo que viaja desde un único lugar de origen hacia un único lugar de
destino a través de arcos que conectan nodos intermediarios. Los arcos tienen una
capacidad máxima de flujo y se trata de enviar desde la fuente al destino la mayor cantidad
posible de flujo [1].
Todo tipo de industrias se enfrentan a problemas donde lo más importante es la
cantidad de flujo que pasa a través de la red como, por ejemplo: en las líneas de
oleoductos, redes eléctricas o de transmisión de datos. Por esta razón en dichos problemas
siempre se trata de determinar el flujo máximo que pasa a través de una red, un método
que se utiliza mucho para este tipo de cálculos es el método de Ford Fulkerson, [1].
Este método 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 nodos de origen y destino [1].
En este ejemplo de cálculo de flujo máximo se pide que aplicar el método en una
situación real.
 High-Price Oil Company posee una red de oleoductos que se utiliza para transportar
petróleo desde una fuente a varios sitios de almacenamiento. Un tramo de la red es
como sigue:

Como los tamaños de las tuberías varían, las capacidades de flujo también. Al abrir y
cerrar de forma selectiva secciones de la red de oleoductos, la empresa puede abastecer
a cualquiera de los sitios de almacenamiento.
a) Si la empresa quiere utilizar la capacidad del sistema en su totalidad para
abastecer al sitio de almacenamiento 7, ¿cuánto tiempo tardará en satisfacer la
demanda de 100,000 galones del sitio 7? ¿Cuál es el flujo máximo para este
sistema de oleo- ductos?
Usando el algoritmo de Ford- Fulkerson Para esta primera iteración fig. 1, se
para encontrar el flujo máximo de la red tiene que la Kmin= (∞, 6, 3, 2, 5) es 2, .
con origen en el vértice 1 y destino [2]
vértice 7, se busca la arista de flujo más
Por lo que el valor de las aristas de la
grande que sale del origen a un vértice,
red queda definidas por:
posteriormente seguir la arista con
mayor flujo a otro vértice y así C 14, 41 = (6-2, 0+2) = (4, 2)
sucesivamente hasta llegar al destino, en
este caso y como primera iteración, fig. C 43, 34 = (3-2, 3+2) = (1, 5)
1, se tiene 1,4,3,6,7 [2]. C 36, 63 = (2-2, 2+2) = (0, 4)
3
0 2 3 C 67, 76 = (5-2, 0+2) = (3, 2), [2]
6 3
2 5
2
1 5
2
2
[∞, -] [3, 4] [2, 3]
6 3 2
2 1 6
3 1 5 0
3
0 1 0
7
4 0
2
Fig. 1 [5, 6]
[6,1]

actualizando la red queda con valores

nuevos en las aristas, fig. 2.
 [6,1] sucesivamente hasta el destino,
[3, 2] quedando la siguiente ruta: 1,2,5 y 7
0 2 3
3
6
2
5 Para esta segunda iteración se tiene que
2
1 5 la Kmin= (∞, 6, 3, 5) es 3, [2].
2
2
[∞, -] Por lo que el valor de las aristas de la
4 3 4
0 1 6 red queda definidas por:
5 1 3 0
1 C 12, 21 = (6-3, 0+3) = (3, 3)
2 1 2
7 C 25, 52 = (3-3, 3+3) = (0, 6)
4 0
Fig. 2 2
[5, 5]
C 57, 75 = (5-3, 0+3) = (2, 3), [2]

Actualizando la red queda con valores

nuevos en las aristas, Fig. 3. Para la tercera iteración fig. 3, se
selecciona la arista con mayor flujo al
0
3 2 6 siguiente vértice y así sucesivamente
3
2 5 hasta el destino, quedando la siguiente
2
1 2 ruta: 1, 4 y 7
2
2
[∞, -]
4 4
Para esta tercera iteración se tiene que la
3
0 1 6 Kmin= (∞, 4, 2, ) es 2, [2].
5 1 3 3
1 Por lo que el valor de las aristas de la
2 1 2
7 red queda definidas por:
4 0
Fig. 3 2
[2, 4] C 14, 41 = (4-2, 2+2) = (2, 4)
[4, 1]
C 47, 74 = (2-2, 0+2) = (0, 2), [2]

Actualizando la red queda con valores

nuevos en las aristas, fig. 4.
Para la cuarta iteración, fig. 4, se
[3, 1] seleciona la siguiente ruta: 1, 2, 3, 4, 6 y
0
7
3 2 6
3
5
Para esta cuarta iteración se tiene que la
2
1
2
2
Kmin= (∞, 3, 2, 5, 1, 3 ) es 1, [2].
2
2
[∞, -] [2, 2] Por lo que el valor de las aristas de la
2 3 4
0 1 6 red queda definidas por:
5 1 3 3
1 C 12, 21 = (3-1, 3+1) = (2, 4)
[1, 4]
4 1 2
7 C 23, 31 = (2-1, 2+1) = (1, 3)
4 2
0 C 34, 43 = (5-1, 1+1) = (4, 2)
Fig. 4 [3, 6]
[5, 3]

Para la segunda iteración fig. C 46, 64 = (1-1, 1+1) = (0, 2)

2, se selecciona la arista con mayor
C 67, 76 = (3-1, 2+1) = (2, 3), [2]
flujo del origen al siguiente vértice y así
 Actualizando la red queda con valores Por lo que el valor de las aristas de la
nuevos en las aristas, fig 5. red queda definidas por:
C 14, 41 = (2-2, 4+2) = (0, 6)
0
4 2 6
[2, 3] C 43, 34 = (2-2, 4+2) = (0, 6)
2
5
1
2 C 35, 53 = (2-2, 2+2) = (0, 4)
1 2
3
[∞, -]
2 C 57, 75 = (2-2, 3+2) = (0, 5), [2]
[2, 4]
2 3 4
0 1 6
4 2 2 3

2
4 0 3
7
4 2
0
Fig. 5 [2, 5]
[2, 1]

Como se puede observar fig. 6, ya no

Actualizando la red queda con valores hay posibilidades de obtener otra nueva
nuevos en las aristas fig 6. iteración, ya que si siguiéramos la ruta
1,2,3,4, y justo en el vértice 4 ya no es
posible avanzar hacia el vértice destino,
0 por lo que el flujo max esta dado por la
4 2 6
2 formula =
1 5
4 𝑛
1 0
3
0 ∑(𝐾𝑖 𝑚𝑖𝑛)
[∞, -]
0 3 4 𝑖=1
0 1 6
6 2 2 5 Y sumando todas las Kmin de las
0
iteraciones se tiene, 2+3+2+1+2= 10
6 0 3
7 que es igual a 10,000 galones por hora,
4 2 para este sistema de oleo- ductos, [2].
0
Fig. 6
Y el tiempo requerido para satisfacer la
demanda de 100,000 galones del sitio:
100,000 galones/ 10,000 galones/hora=
10 horas.

b) Si ocurre una avería en la línea

2-3 y ésta se cierra, ¿cuál es el flujo
Para la quinta iteración, fig. 5, se máximo para el sistema? ¿Cuánto
seleciona la siguiente ruta: 1, 4, 3, 5, y 7 tardará transmitir 100,000 galones al
Para esta cuarta iteración se tiene que la sitio 7?
Kmin= (∞, 2, 2, 2, 2 ) es 2, [2].
 cancelando la línea 2-3 la red queda Para esta primera iteración se tiene que
como se muestra en la fig. 7. la Kmin= (∞, 6, 3, 5) es 3, [2]

[6,1] Por lo que el valor de las aristas de la

3 [3, 2] red queda definidas por:
0 2 3
6
5 C 12, 21 = (6-3, 0+3) = (3, 3)
0
2
1 5
0 C 25, 52 = (3-3, 3+3) = (0, 6)
2
[∞, -]
6 3 2 C 57, 75 = (5-3, 0+3) = (2, 3), [2].
2 1 6
3 1 5 0
3
0 1 0
7
4 0
2
Fig. 7 [5, 5]

Para esta segunda iteración, fig. 8, se

tiene que la Kmin= (∞, 6, 3, 2, 5) es 2,
Actualizando la red queda con valores [2].
nuevos en las aristas, como se muestra
en la fig. 8. Por lo que el valor de las aristas de la
red queda definidas por:
C 14, 41 = (6-2, 0+2) = (4, 2)
0
3 2 6
3 C 43, 34 = (3-2, 3+2) = (1, 5)
0 5
2
1 2 C 36, 63 = (2-2, 2+2) = (0, 4)
0 5
2
[∞, -] [3, 4] [2, 3]
6
C 67, 76 = (5-2, 0+2) = (3, 2), [2]
3 2
2 1 6
3 1 5 3

3
0 1 0
7
4 0
2
Fig. 8 [5, 6]
[6,1]

Actualizando la red queda con valores

nuevos en las aristas, como se muestra
en la fig. 9.

0
Primera iteración, 1, 2, 5 y 7, fig. 7.
 3 2 6
Por lo que el valor de las aristas de la
3
5 red queda definidas por:
0
2
1 2
0 5
C 14, 41 = (4-2, 2+2) = (2, 4)
2
[∞, -]
4 3 4 C 47, 74 = (2-2, 0+2) = (0, 2), [2]
0 1 6
5 1 3 3
1
2 1 2
7
4 0
Fig. 9 2
[2, 4]
[4,1]

Actualizando la red queda con valores Para la cuarta iteración, fig. 10, se
nuevos en las aristas, como se muestra seleciona la siguiente ruta: 1, 4, 6 y 7
en la fig. 10. Para esta cuarta iteración se tiene que la
Kmin= (∞, 2, 1, 3) es 1, [2].

0 Por lo que el valor de las aristas de la

3 2 6
3 red queda definidas por:
0 5
2
1 2 C 14, 41 = (2-1, 4+1) = (1, 5)
0 5
2
[∞, -] [1, 4]
2
C 46, 64 = (1-1, 1+1) = (0, 2)
3 4
0 1 6
5 1 3 3
C 67, 76 = (3-1, 2+1) = (2, 3), [2]
1
4 1 2
7
4 2
Fig. 10 0
[3, 6]
[2,1]

Actualizando la red queda con valores

Para la tercera iteración fig. 9, queda la nuevos en las aristas, como se muestra
siguiente ruta: 1, 4 y 7 en la fig. 11.
Para esta tercera iteración se tiene que la
Kmin= (∞, 4, 2, ) es 2, [2].
 Para esta cuarta iteración se tiene que la
0 [2, 3] Kmin= (∞, 1, 1, 2, 2 ) es 1, [2].
3 2 6
3
5 Por lo que el valor de las aristas de la
0
2
1 2
red queda definidas por:
0 5
2
[∞, -]
1 [1, 4] C 14, 41 = (1-1, 5+1) = (0, 6)
3 4
0 1 6
C 43, 34 = (1-1, 5+1) = (0, 6)
5 2 2 3
1
0 3
C 35, 53 = (2-1, 2+1) = (1, 3)
5
7
4 2 C 57, 75 = (2-1, 3+1) = (1, 4), [2]
0
Fig. 11 [2, 5]
[1,1]

Como se puede observar fig . 12, ya no

Actualizando la red queda con valores hay posibilidades de obtener otra nueva
nuevos en las aristas, como se muestra iteración de la red fig. 11, por lo que el
en la fig. 12. flujo max =
𝑛

0
∑(𝐾𝑖 𝑚𝑖𝑛)
3 2 6 𝑖=1
3
0 5 Y sumando todas las Kmin de las
3
1 1 iteraciones se tiene, 3+2+2+1+1= 9 que
0 5
1
[∞, -] es igual a 9,000 galones por hora, para
0
3 4
6
este sistema de oleo- ductos y con la
0 1
6 2 2 4
ruta 2-3 cancelada, [2].
0
0 3 Y el tiempo requerido para satisfacer la
6
7 demanda de 100,000 galones del sitio:
4 2
0
Fig. 12 100,000 galones/ 9,000 galones/hora=
11.11 horas.

Para la quinta iteración, fig. 11, se

selecciona la siguiente ruta: 1, 4, 3, 5, y
7.
Conclusiones:
Aunque el método de Ford Fulkerson es algo laborioso si se hace de manera manual
como fue el caso de este ejercicio, es un método muy seguro, muy utilizado ya que tienen
gran aplicabilidad y se usa en problemas muy variados, normalmente en problemas donde
se requiere el cálculo de flujo máximo en redes.
 DESARROLLO:

Mediante la teoría de grafos se puede abordar la siguiente problemática, la cual consiste en

estipular el flujo máximo de aeronaves en servicio continuo dentro de la empresa TECHOPS,
considerando todas las áreas que son involucradas para dicho servicio, sirviendo así como un
punto de vista general para poder visualizar los llamados cuellos de botella en dicho flujo.
Todo esto para saber la capacidad que tiene la organización de realizar servicios de
manteamiento continuo, con la visión de mejorar o incrementar su capacidad en puntos o
áreas clave.

DIAGRAMA DEL CASO TECHOPS (METODO DE FORT-FULKELSON)

0 4
2 3

2 4 3
INICIO 3
0
1 3
1 0
5
5
0 0 FIN
3

0 3
3

Cada nodo representa un área específica que forma parte del servicio de la aeronave en la
empresa y cada salida o entrada numérica representan las aeronaves que pueden recibir o
pasar a otra área según sea el caso dependiendo de su capacidad.

1= CONTROL QUALITY ÁREA.

2= SHEET METAL ÁREA.
3=AVIONICS ÁREA.
4=ENGINE AND POWER PLANT ÁREA.
5= APPEARANCE ÁREA.
Para continuar con el desarrollo del problema nos daremos a la tarea de encontrar la (K)
mínima en cada una de la iteraciones de ruta necesarias para encontrar el flujo máximo
correspondiente a nuestra problemática anteriormente planteada.

PRIMERA ITERACION:

K MINIMA= (∞, 3,5)  K MINIMA = (3).

RUTA= 1245.

C12, 21= (3-3, 0+3) = (0,3)

C24, 42= (4-3, 3+3) = (1,6)
C45, 54= (3-3, 0+3) = (0,3)
 SEGUNDA ITERACIÓN:

RUTA= 135.

K MINIMA= (∞, 2,3)  K MINIMA = (2).

C13, 31= (2-2, 0+2) = (0,2)

C35, 53= (3-2, 0+2) = (1,2)
 TERCERA ITERACIÓN:

RUTA= 1435.

K MINIMA= (∞, 1, 3,1)  K MINIMA = (1).

C14, 41= (1-1, 0+1) = (0,1)

C43, 34= (3-1, 0+1) = (2,1)
C35, 53= (1-1, 2+1) = (0,3)

Para obtener finalmente el flujo máximo de nuestra problemática es necesario realizar la

sumatoria de todas las (K) resultantes en cada iteración, con lo cual obtenemos lo siguiente:

∑𝑛𝑗=1 𝐾𝑚𝑎𝑥.= (3) + (2) + (1) = (6).

 CONCLUSIÓN:

Con base en la problemática analizada y abordada mediante el método de Ford-Fulkerson, es

posible observar y comprender con el resultado obtenido, que el flujo máximo que tiene la
empresa de mantenimiento aéreo (TECHOPS) es de 6 aeronaves en flujo continuo para darles
su respectivo manteamiento, este resultado se contrasta con lo exigido a la empresa de
mantenimiento ya que suele exigírsele tener 10 aeronaves en servicio continuo, por lo cual
la organización deberá tomar las medidas pertinentes para incrementar su capacidad en el
servicio.
 Modelo máximo de transporte / AVYASA Logistics

I. Introducción

El flujo que viaja de un origen a un destino mediante arcos que conectan nodos se
le denomina algoritmo de flujo máximo y es utilizado para reducir los tiempos de
embotellamiento entre los puntos de partida, (origen) y destino, se da el caso para
Vías públicas, transportes, distribución etc. entre algunas características:

El flujo es positivo y siempre el que entra es igual al que sale.

II. Justificación

Para la empresa AVYASA Logistics el tema del transporte es pieza clave para su
desarrollo sin duda el impacto que ha tenido en sus redes de distribución en los
últimos años ha incrementado su productividad ya que juega un papel importante
en su desarrollo empresarial.

Se presenta a continuación un ejemplo del algoritmo para la empresa AVYASA

Logistics donde la idea es encontrar una ruta de flujo positivo que una los nodos
origen y destino con la mejor opción en rutas y tiempos.
 III. Conclusiones

El desahogo de los vértices de origen en un diagrama de modelo de transporte en

este caso para la empresa AVYASA Logistics, bajo el esquema de algoritmo de
flujo máximo de transporte, es de significativa ayuda para una mejor versión en su
modelo de transporte, reduciendo costos, rutas, trayendo con ello un mejor
aprovechamiento de sus recursos.
Introducción

Previamente a la definición del problema del flujo máximo, es importante puntualizar

el concepto de red o grafo, el cual es un conjunto de varios nodos (puntos en el
espacio) y arcos (líneas) que salen de un determinado nodo y van hacia otro. Los
grafos pueden ser dirigidos, cuando cada arco tiene un nodo origen y uno destino
(es decir los arcos tienen un sentido), o no dirigidos en caso contrario. Las figuras 1
y 2 ilustran de modo gráfico los conceptos de grafo no dirigido y dirigido [1].

Figura 1: Ejemplo grafo no dirigido.

Figura 2: Ejemplo de grafo dirigido.

El problema del flujo máximo consiste en que: Existe un grafo dirigido o no dirigido
(comúnmente dirigido en la mayoría de aplicaciones reales), donde uno de los
vértices es considerado como el “origen” y otro como el “destino”, de tal manera que
algún material u objeto puede fluir desde el origen hasta el destino; a la cantidad de
material u objeto que circula por el grafo se le denomina flujo. Entre el origen y el
destino existe una cantidad determinada de nodos interconectados entre sí a través
de arcos, cada uno de estos arcos tiene una capacidad máxima que puede
transportar entre los nodos que conecta, la cual puede variar de un arco a otro. Esto
quiere decir, que cada arco solo podrá soportar un flujo menor o igual a su
capacidad, de tal manera que, si un flujo mayor quiere discurrir a través de un arco,
solo una parte de dicho flujo (de valor igual a la capacidad de ese arco) viajará a
través de él, y el resto deberá ir por otro arco que salga del mismo nodo, de no haber
otro arco, entonces el flujo se verá reducido.

El objetivo del problema del flujo máximo es determinar la máxima cantidad de

material u objetos (flujo) que pueden fluir en el grafo desde la fuente hacia el
sumidero. En aplicaciones del mundo real, conocer el valor del flujo máximo permite
a la fuente saber exactamente cuánto producir y enviar a través de una ruta sin
generar desperdicios. [2]

Problemática actual:
La Junta de Agua Potable y Alcantarillado de Yucatán, (JUPAY), En el estado de
Mérida cuenta con una red de tuberías que utiliza para transportar agua desde su
Pozo 0 (P0) hasta su Pozo Final (PF), como se muestra en la figura 3. En la figura
4 se muestra la capacidad máxima diaria que se puede enviar, en miles de litros y
los arcos entre los nodos.

Figura 3. Ubicación de Pozos.

El cliente le está solicitando a CIATEQ determinar el tiempo que se necesita para
transportar 24,000 litros desde el Pozo 0 (P0) al Pozo Final (PF) si cada día se envía
la cantidad máxima posible.

Figura 4. Distancias y direcciones de tuberías.

Solución:
Siguiendo los pasos a seguir vistos en clase, procedemos a determinar las Kmin en
la primera interacción (Figura 5) [3].

Figura 5. Ruta de primera iteración.

𝐾𝑚𝑖𝑛 = {∞, 9,10,6} ∴ 𝑲𝒎𝒊𝒏 = 𝟔

𝐶03,30 = (9 − 6, 0 + 6) = (3, 6)

𝐶34,43 = (10 − 6, 0 + 6) = (4, 6)

𝐶4𝐹,𝐹4 = (6 − 6, 0 + 6) = (6, 6)
Reemplazamos los nuevos valores e iniciamos la segunda iteración (Figura 6).

Figura 6. Ruta de segunda iteración.

𝐾𝑚𝑖𝑛 = {∞, 8,4,12} ∴ 𝑲𝒎𝒊𝒏 = 𝟒

𝐶01,10 = (8 − 4, 0 + 4) = (4, 4)

𝐶15,51 = (4 − 4, 0 + 4) = (0 ,4)

𝐶5𝐹,𝐹5 = (12 − 4, 0 + 4) = (8, 4)

Reemplazamos los nuevos valores e iniciamos la tercera iteración (Figura 7).

Figura 7. Ruta de tercera iteración.

𝐾𝑚𝑖𝑛 = {∞, 4,4,1,1,8,4} ∴ 𝑲𝒎𝒊𝒏 = 𝟏

𝐶01,10 = (4 − 1, 4 + 1) = (3, 5)

𝐶12,21 = (1 − 1, 0 + 1) = (0 , 1)

𝐶25,52 = (1 − 1, 0 + 1) = (0, 1)

𝐶5𝐹,𝐹5 = (8 − 1, 4 + 1) = (7, 5)
Reemplazamos los nuevos valores e iniciamos la cuarta iteración (Figura 8).

Figura 8. Ruta de cuarta iteración

𝐾𝑚𝑖𝑛 = {∞, 3,4,1,7,5} ∴ 𝑲𝒎𝒊𝒏 = 𝟏

𝐶02,20 = (3 − 1, 0 + 1) = (2, 1)

𝐶24,42 = (4 − 1, 0 + 1) = (3 , 1)

𝐶45,54 = (1 − 1, 0 + 1) = (0, 1)

𝐶5𝐹,𝐹5 = (7 − 1,5 + 1) = (6, 6)

Reemplazamos los nuevos valores y analizamos la ruta resultante (Figura 9).

Figura 9. Ruta resultante

Vemos que ya no existen más alternativas de conectar los nodos, por lo que ahora
procedemos a sumar las 𝐾𝑚𝑖𝑛 , ∑ 𝐾𝑚𝑖𝑛 = 6 + 4 + 1 + 1 = 12. Sustituyendo los
valores, su valor máximo es de 12,000 litros diarios. Si queremos mandar 24000
24,000
litros, necesitamos = 2 días.
12,000
Conclusiones:
Lalred de flujo máximo se fundamenta en paso de sentido común: encontrar un
camino que inicie en la fuente y concluya en un punto final establecido y se deben
de buscar las rutas que vayan de la fuente a cada punto que sean mayores a cero
por todas las ramas respetando el sentido de flujo. Encontraremos la solución una
vez que se vuelvan cero los puntos donde podamos trazar posibles rutas, para al
final sumar los valores obtenidos en cada iteración. Ahora nos toca explorar las
condiciones físicas del terreno, y ver la viabilidad de la solución propuesta.
INTRODUCCIÓN

En el presente trabajo se muestra un ejercicio ilustrativo del tema “flujo máximo” y

su aplicación en un problema de ingeniería cotidiano orientado a cargas vehiculares
para un sistema específico. Se plantean los pasos a seguir para la solución de la
problemática y la definición de la carga vehicular máxima.

DESARROLLO

Somerset I+D+i necesita realizar una planificación efectiva de su metodología para

proyectos, la metodología NEURONA está dividida en 5 etapas que se
interconectan una con otra, dando pauta a determinar los caminos más adecuados
sin necesidad de pasar por todas las etapas para generar un seguimiento de
proyectos eficiente. Se requiere determinar el flujo máximo de capacidad de
horas/planeación para desarrollar la metodología completa bajo el siguiente
esquema de red propuesto.
CONCLUSIONES

En función de la resultante obtenida se puede decir que 120 horas/planeación son

el flujo máximo de horas que se pueden invertir para el desarrollo metodológico del
desarrollo de proyectos para Somerset I+D+i.
En las plantas de grupo Condumax se requiere del uso de emulsiones que sirvan
de lubricantes en la líneas que estiran el Cobre que se recibe como alambrón con
1 cm de diámetro para reducirlo a diámetros más pequeños que posteriormente
serán reunidos o bunchados para elaborar las cuerdas que se forraran con el
aislamiento adecuado y producir así los cables requeridos. Posterior al uso de las
emulsiones estas se concentran en un pila en donde se mide su tensión superficial
y el contenido de emulsificante para ajustarlas a los parámetros requeridos y evitar
el rompimiento de la emulsión y por tanto su pérdida de capacidad lubricante.
En una planta de grupo Condumax se cuenta con una alimentación de emulsión
hacia cuatro líneas de estirado de cobre para finalmente concentrar la emulsión en
la pila en donde se realiza el ajuste de los parámetros de la misma.
El esquema del sistema es el siguiente:

3
2
0
1

1 0
3
2 0 3 2 0
1 6

4 0 0

2
2
0 4 5
3 0

En donde el nodo 1 representa la tina de emulsión, los nodos 2, 3, 4 y 5 representan

las líneas de estirado de cobre y el nodo 6 representa la tina de ajuste de
parámetros de emulsión. El flujo entre nodos varía por las dimensiones de la tubería
y la demanda de las estiradoras, cada unidad entre los nodos representa un flujo
100 l/h.

Calcule el flujo máximo de solución de estirado para parte de la línea. Si la

capacidad de la tina de ajuste de parámetros de la emulsión es de 10 m 3, ¿cuánto
tiempo tardará en llegar a su nivel máximo?.

Desarrollo y Solución.
Conclusiones. Comprobamos que, como lo menciona Pinto y Callou [1], el
algoritmo de Ford Fulkerson usado para resolver este problema, tiene una amplia
aplicación en un sinnúmero de campos para resolver problemas de flujo máximo.
INTRODUCCION
Realizar un ejercicio practico de modelo de operaciones en el cual se utiliza la red de flujo máximo,
problema que consiste en determinar la máxima cantidad de flujo que puede ser enviada a lo largo
de una red dirigida, desde un nodo origen (de oferta) hasta un nodo destino (de demanda) por
unidad de tiempo

1. Contamos con un contrato a nivel nacional de suministro de servicios en el territorio

nacional

Tenemos la distribución de nuestras refacciones como sigue : fig. 1

hay un flujo mínimo de K=4, asi que a 6 le quitamos 4 y quedan 2 lo mismo a cada uno de los 4 y
resulta lo siguiente.

Tomamos la siguiente ruta y observamos que el menor es tres por lo mismo lo restamos y nos
resulta lo siguiente:

para la tercer iteraccion solo queda restar K= 1

para cuarta iteraccion solo podemos quitar K= 1 así que queda de la siguiente manera

Revisamos y ya no se pueden hacer mas iteraciones entonces el resultado final es 4+3+1+1= 8

CONCUSIONES
el flujo máximo para esta problema es de 8, es una manera muy practica para calcular el flujo
máximo para el suministro de nuestras refacciones.
Recomendaciones y trabajos futuros
En el futuro se podría desarrollar un software, para implementar alguna de las
aplicaciones particulares que se modelen la red logística del flujo máximo.
Asimismo, se podrían implementar nuevos algoritmos de solución a fin de
compararlos y determinar los casos en los cuales cada uno de ellos es el más
adecuado. Adicionalmente, se podrían investigar algoritmos de inteligencia artificial
que resuelven dicho problema con una mayor sofisticación. Finalmente, se podrían
implementar maneras alternativas de ingresar y visualizar las redes, como por
ejemplo interfaces gráficas.

Conclusión
En este caso para problemas de flujo es recomendable utilizar el método de
Ford Fulkerson, que este método propone buscar caminos en los que se
pueda aumentar el flujo hasta que se alcance el flujo máximo. Podemos
resolver problemas como: flujo vehicular, flujo de agua o de cualquier sustancia,
redes de comunicación, etc. Con base en lo anterior se pueden tomar decisiones
sobre la distribución de cierta red, minimizando el costo en el proyecto o re
trabajos durante la implementación del mismo.

Bibliografía
[1] Winston, Wayne L. Investigación de operaciones: aplicaciones y
algoritmos. 4ta. México
[2] Hillier, Frederick S. Introducción a la investigación de operaciones. 8va.
México D.F. :McGraw-Hill, 2006. págs. 1-4.
[3] Taha, Hamdy A. Investigación de Operaciones. 7. México D.F. : Prentice
Hall, 2003