REPÚBLICA BOLIVARIANA DE VENEZUELA

UNIVERSIDAD MILITAR BOLIVARIANA DE VENEZUELA

CENTRO DE ESTUDIOS DE POST GRADOS TÁCTICOS, TÉCNICOS Y
LOGÍSTICOS
ESCUELA LOGISTICA G/B “JOSE GABRIEL PEREZ”

Autor:
Cap. José Daniel Salazar Ramírez.

Caracas, Abril 2020.

 I. PROGRAMACION LINEAL:
1. DEFINICION:

Se conoce como programación lineal a la técnica de la matemática que permite la

optimización de una función objetivo a través de la aplicación de diversas
restricciones a sus variables. Se trata de un modelo compuesto, por lo tanto, por
una función objetivo y sus restricciones, constituyéndose todos estos
componentes como funciones lineales en las variables en cuestión.

A lo largo de la historia han existido diversos acontecimientos importantes relativos

a la programación lineal, como son estos:

-Durante la Segunda Guerra Mundial se mantuvo en secreto y fue utilizada como

mecanismo para poder gestionar y planificar todos los gastos. De esta manera se
pretendía, gestionar mejor los recursos propios y reducir lo máximo posible lo que
eran los costos del ejército.

-Tres se consideran sus padres o creadores: el húngaro-estadounidense John von

Neumann, el profesor norteamericano George Dantzig y el matemático de origen
ruso Leonid Kantoróvich, que recibió el Premio Nobel de Economía en 1975.

Los modelos de programación lineal contemplan que las variables de decisión (es
decir, la función objetivo y las restricciones) mantienen un comportamiento de tipo
lineal. Esto hace que, a través de su método, se puedan simplificar los cálculos y
obtener un resultado próximo a la realidad.

Además de todo lo expuesto, no podemos pasar por alto tampoco la existencia de

otra serie importante de conceptos que están en relación a la citada programación
lineal. En este caso, nos estamos refiriendo a tres en concreto:

-Solución factible. Bajo esta denominación se encuentra un recinto, que puede

estar acotado o no y que está determinado por lo que viene a ser el conjunto de
las restricciones de todos los semiplanos. También es conocida por el nombre de
región de validez.
-Solución óptima. Se da en llamar así a lo que es el conjunto de todos los vértices
del recinto. Hay que subrayar además que, en concreto, esa puede ser mínima o
máxima según cada caso.

-Valor del programa lineal. En este caso, este viene a ser el valor que la
mencionada función objetivo toma en lo que es el vértice de la solución óptima.

La programación lineal da respuesta a situaciones en las que se exige maximizar

o minimizar funciones que se encuentran sujetas a determinadas limitaciones, que
llamaremos restricciones.

Su empleo es frecuente en aplicaciones de la industria, la economía, la estrategia

militar, etc.

Función objetivo

En esencia la programación lineal consiste en optimizar (maximizar o minimizar)

una función objetivo, que es una función lineal de varias variables:

2. ETAPAS PARA SOLUCIONAR UN PROBLEMA MEDIANTE EL USO DE LA

PROGRMACION LINEAL

1. Elegir las incógnitas.

 2. Escribir la función objetivo en función de los datos del problema.

 3. Escribir las restricciones en forma de sistema de inecuaciones.

 4 .Averiguar el conjunto de soluciones factibles representando gráficamente las

restricciones.

 5 .Calcular las coordenadas de los vértices del recinto de soluciones factibles (si
son pocos).
 6 .Calcular el valor de la función objetivo en cada uno de los vértices para ver en
cuál de ellos presenta el valor máximo o mínimo según nos pida el problema (hay
que tener en cuenta aquí la posible no existencia de solución si el recinto no está
acotado).

EJEMPLO:

Veamos un ejemplo de programación lineal para comprender mejor esta

definición. Supongamos que un hombre recibe una herencia de 100.000 pesos y
toma la decisión de invertir el dinero. Su contador le recomienda dos inversiones:
comprar acciones de una compañía petrolera, que tienen un rendimiento del 5%, y
adquirir bonos del Estado, que rinden un 9%.

El hombre decide invertir no más de 80.000 pesos en las acciones petroleras y no

menos de 15.000 pesos en los bonos estatales. Por otra parte, pretende que la
inversión en las acciones nunca duplique la inversión en bonos. Gracias a la
programación lineal, puede estimar cómo distribuir su dinero entre ambas
opciones para que sus inversiones le ofrezcan el mayor beneficio.

El monto a invertir en acciones puede mencionarse como X, mientras que el

monto a invertir en bonos puede nombrarse como Y. Las restricciones, por otra
parte, serán que X no puede tener un valor superior a 80.000, que Y no puede
tener un valor inferior a 15.000 y que X+Y no pueden superar el valor de 100.000.

Si se trasladan dichas variables a una tabla o a un gráfico, se podrá saber cuáles

son las opciones más rentables para el individuo.
 3. EL PROBLEMA DE LA PROGRAMACION LINEAL

Un problema de programación lineal es cuando la función objetivo es una función

lineal y las restricciones son ecuaciones lineales; la forma estándar de un
problema con m restricciones y n variables se representa.

Restricciones
La función objetivo está sujeta a una serie de restricciones, expresadas por
inecuaciones lineales:

...    ...    ...

Cada desigualdad del sistema de restricciones determina un semiplano.

 Solución factible
El conjunto intersección, de todos los semiplanos formados por las
restricciones, determina un recinto, acotado o no, que recibe el nombre de
región de validez o zona de soluciones factibles.

Solución óptima
El conjunto de los vértices del recinto se denomina conjunto de soluciones
factibles básicas y el vértice donde se presenta la solución óptima se llama
solución máxima (o mínima según el caso).
 Valor del programa lineal
El valor que toma la función objetivo en el vértice de solución óptima se
llama valor del programa lineal.
4. CONSTRUCION DE MODELOS DE LA PROGRAMACION LINEAL.

Los modelos de programación matemática mantienen una relación indirecta con la

computación. El término “Programación” no debe ser confundido con el utilizado
en la ciencia de los computadores. En el campo de la programación matemática,
“Programación” resulta equivalente a planificación, en el sentido más amplio de
este término. No obstante, la magnitud de muchos de los problemas tratados, el
elevado número de datos y relaciones, hace impensable su resolución sin el
soporte informático. Tal vez la característica común a todos los modelos de
programación matemática radica en su finalidad: son modelos de optimización.
Cada modelo de programación matemática es concebido con el objetivo de
encontrar, para el problema que representa, la solución (o las soluciones), de
entre las existentes, que alcance el valor máximo o mínimo de acuerdo a cierto
criterio que denominamos objetivo.
Los modelos lineales, exigen que la función objetivo y las restricciones del
problema sean lineales. En algunas situaciones esta consideración resulta
excesiva y supone ciertamente una limitación a la hora de modelar. En algunas
ocasiones, las expresiones no lineales pueden ser tratadas, obteniéndose un
modelo final lineal. A pesar de estas observaciones, resulta más fácil, de forma
general, resolver modelos lineales, de aquí su importancia y su amplia utilización.
De manera específica, un modelo lineal consta de tres bloques diferenciados. La
función Construcción de modelos de Programación Lineal, objetivo, las
restricciones y la definición de signo o tipo de las variables.

El proceso de modelado consiste en la especificación de estos tres bloques. No

existe ninguna metodología específica para modelar problemas, la experiencia
resulta fundamental, es en este sentido en el que el proceso de modelar es a

veces llamado “arte” de modelar.

5. SOLUCION DEL MODELO.

Para llegar a la solución de un problema de Programación Lineal se utilizan

diferentes métodos de solución. Los más difundidos son: el método gráfico y
el Método Simplex. La solución de un problema de Programación Lineal utilizando
un procedimiento gráfico es posible si se tienen no más de dos variables.
El Método Simplex fue el primer método surgido para solucionar problemas
de Programación Lineal, por lo que se le considera el método de solución clásico
por excelencia. Teniendo en cuenta la filosofía de este método han surgido otros
métodos cuyas ventajas fundamentales se concentran en las posibilidades de los
mismos para ser programados por computadoras.

 METODO GRAFICO:

El procedimiento gráfico comienza elaborando una gráfica que muestre las

soluciones posibles (valores X1 y X2). La gráfica tendrá valores los valores X1 en
el eje horizontal y los valores X2 en el eje vertical. El procedimiento para hallar la
solución gráfica consiste en lo siguiente:

 Para cada inecuación del sistema de restricciones (medio espacio cerrado)

se toma la recta correspondiente y se determinan los interceptos con la gráfica.
Si la recta pasa por el origen del eje de coordenadas, el término independiente
es cero, entonces se traza la recta tomando el origen y otro punto determinado
dando un valor arbitrario a una de las variables.
 Para determinar los puntos que satisfacen cada inecuación se sustituye un
punto cualquiera del espacio (se recomienda el origen cuyas coordenadas son
(0,0)), y de esta forma se determina si los puntos que satisfacen la misma
están hacia el lado que está el origen o hacia el lado contrario, señalando con
una flecha ese lado. Cuando la recta pasa por el origen entonces se toma otro
punto cualquiera pero que sean sencillos los valores de sus coordenadas, por
ejemplo, ( 0,1) , (1,0 ), (1,1), etc.
 Luego se determina la región solución que es la región del plano que
satisface todas las restricciones al mismo tiempo y que debe estar en el primer
cuadrante. La figura formada es un poliedro convexo que tiene un conjunto de
puntos extremos.
 Se busca el punto óptimo entre el conjunto de puntos extremos. Para eso
se sustituye cada par de puntos (X1, X2) de los puntos extremos en la función
objetivo y se calcula el valor de Z. Si se está maximizando el valor de la
misma, el punto óptimo será aquel que proporcione el valor mayor para Z y si
el criterio de optimización es de minimizar, entonces el punto óptimo será
aquel que proporcione el valor mínimo de Z.

DESVENTAJAS DEL METODO GRAFICO.

Este método gráfico tiene la desventaja que sólo permite la solución de problemas
que tengan dos variables de aquí que la mayoría de los problemas de
programación lineal se resuelvan utilizando como base el método simplex.

 METODO SIMPLEX
Constituye un procedimiento iterativo algebraico que resuelve cualquier problema
en un número finito de pasos. Fue elaborado por George Dantzing en 1947.La
concepción de este método ha facilitados que otros especialistas del tema
desarrollen otros métodos de solución con la misma filosofía, pero más adecuados
para la programación por computadoras. Para explicar el método simplex es
necesario definir un conjunto de conceptos básicos necesarios para la
comprensión del mismo.

6. VALIDACION DEL MODELO:

Para poder dar a conocer la validación del Modelo se debe conocer cuáles son los
requisitos de un problema de programación lineal, ya que partimos de un
problema, donde se busca generar una solución y a su vez poder palpar su
aplicabilidad en la realidad, es por ello que se describen a continuación dichos
requisitos:

a) Tiene como objetivo maximizar o minimizar alguna cantidad. En la

empresa, se maximizan beneficios y se minimizan costes.

b) La existencia de restricciones que limitan el nivel de producción y venta

que se pretende alcanzar. Dichas restricciones suelen estar relacionadas
con la cantidad de factores disponibles, tales como las unidades de
material, las horas de trabajo, etc.

c) Tienen que existir diferentes alternativas de elección, de productos y de

procesos, de manera que el empresario pueda elegir a la hora de asignar
sus recursos.

d) Tanto la función objetivo como las restricciones deben estar expresadas

en ecuaciones lineales o desigualdades.

 EJEMPLO:
Se implementa un modelo de programación lineal entera mixta que
representa un sistema de manufactura de dos escalones, con la intención
de determinar decisiones óptimas de aprovisionamiento de materias primas
o componentes. El modelo se programa usando software de modelación
algebraica y se integra a una herramienta computacional desde la cual se
administra el ingreso de los parámetros y la obtención de resultados. El
modelo es validado en un ambiente real de manufactura, observando que
además de representar fielmente el sistema se obtienen decisiones de
aprovisionamiento que minimizan el costo total, objetivo del modelo, y a las
cuales no se llegaría usando el esquema de cálculo propuesto por el MRP.
Palabras clave: Planeación de requerimientos de materiales (MRP),
lanzamiento de órdenes de producción/compra, manufactura de dos
escalones.

Es importante resaltar que después de resolver el modelo matemático es

muy importante validar la solución. Es decir, revisar la solución
cuidadosamente para ver que los valores tienen sentido y que las
decisiones resultantes puedan llevarse a cabo.
Algunas razones para hacer esto son:

- El modelo matemático puede no haber captado todas las limitaciones del

problema real.
-Ciertos aspectos del problema pueden haberse pasado por alto, omitido
deliberadamente o simplificado.
-Los datos pueden haberse estimado o registrado incorrectamente, tal vez
al introducirlos por computadora. También es importante darse cuenta que
aun cuando el modelo y la solución pueden ser válidos, tal vez no sea
factible tomar una decisión basándose en esos resultados. Puede haber
implicaciones conductuales o políticas que no pueden incluirse en el modelo
(por ejemplo razones políticas o personales).
Si durante el paso de validación se encuentra que la solución no puede
llevarse a cabo, se pueden identificar las limitaciones que fueron omitidas
durante la formulación del problema original o puede uno darse cuenta de
que algunas limitaciones originales eran incorrectas, y necesitan
modificarse. En estos casos debe regresarse a la etapa de formulación del
problema y hacer cuidadosamente las modificaciones apropiadas para
reflejar con más exactitud el problema real. Este proceso de modificación de
 un modelo, obteniendo una nueva solución o validándola, puede tener que
repetirse varias veces hasta encontrar una solución aceptable y factible.

7. IMPLANTACION DEL MODELO:

 La programación lineal es un método eficiente para determinar una decisión

óptima entre un gran número de decisiones posibles, siendo impresionante el
número y la diversidad de problemas en los que se puede aplicar tales como:

 — Selección de la mejor combinación de factores que maximicen el

beneficio, con una adecuada utilización de los recursos productivos. Los
factores o recursos productivos hacen referencia a la maquinaria utilizada, a
la mano de obra directa, a los materiales, al dinero o capital invertido y al
tiempo, ya que la información es válida para un horizonte temporal
determinado.
 — Desarrollo del programa de producción para hacer frente a la demanda
esperada, minimizando los costes que esta origina.
 — Determinación de la distribución de los productos desde los almacenes
hasta los puntos de venta.

Algunos ejemplos concretos de la utilización de la programación lineal son los

siguientes:

 — Programación de autobuses escolares para minimizar la distancia de las

rutas.
 — Asignación de coches patrullas en las zonas de mayor índice de
criminalidad, para que el tiempo de respuesta sea el menor posible.
 — Programación de los cajeros en las entidades bancarias, garantizando el
servicio al cliente, reduciendo los costes de mano de obra.
 — Elección de las materias primas en las industrias alimenticias, de manera
que se obtengan alimentos de calidad con un coste mínimo.
  — Asignación de los espacios físicos de un centro comercial entre los
diferentes arrendatarios, maximizando los ingresos de la empresa
de leasing.

II. MODELOS DE ASIGNACION:

1. ELEMENTOS DEL MODELO DE PROGRAMACION LINEAL:

El primer paso para la resolución de un problema de programación lineal consiste

en la identificación de los elementos básicos de un modelo matemático, estos son:

 Función Objetivo
 Variables
 Restricciones
El siguiente paso consiste en la determinación de los mismos, para lo cual
proponemos seguir la siguiente metodología:

La función objetivo

La función objetivo tiene una estrecha relación con la pregunta general que
se desea responder. Si en un modelo resultasen distintas preguntas, la función
objetivo se relacionaría con la pregunta del nivel superior, es decir, la pregunta
fundamental. Así por ejemplo, si en una situación se desean minimizar los costos,
es muy probable que la pregunta de mayor nivel sea la que se relacione con
aumentar la utilidad en lugar de un interrogante que busque hallar la manera de
disminuir los costos.
Las variables de decisión

Similar a la relación que existe entre objetivos específicos y objetivo general, se

comportan las variables de decisión respecto a la función objetivo, puesto que
estas se identifican partiendo de una serie de preguntas derivadas de la pregunta
fundamental. Las variables de decisión, son en teoría, factores controlables del
sistema que se está modelando, y como tal, estas pueden tomar diversos valores
posibles, de los cuales se precisa conocer su valor óptimo, que contribuya con la
consecución del objetivo de la función general del problema.
Las restricciones

Cuando hablamos de las restricciones en un problema de programación lineal,

nos referimos a todo aquello que limita la libertad de los valores que pueden tomar
las variables de decisión.
La mejor manera de hallarlas consiste en pensar en un caso hipotético en el que
decidiéramos darle un valor infinito a nuestras variables de decisión, por ejemplo,
¿qué pasaría si en un problema que precisa maximizar sus utilidades en un
sistema de producción de calzado decidiéramos producir una cantidad infinita de
zapatos? Seguramente ahora nos surgirían múltiples interrogantes, como por
ejemplo:

 ¿Con cuánta materia prima cuento para producirlos?

 ¿Con cuánta mano de obra cuento para fabricarlos?
 ¿Pueden las instalaciones de mi empresa albergar tal cantidad de
producto?
 ¿Podría mi fuerza de mercadeo vender todos los zapatos?
 ¿Puedo financiar tal empresa?
Pues bueno, entonces habríamos descubierto que nuestro sistema presenta una
serie de limitantes, tanto físicas, como de contexto, de tal manera que los valores
que en un momento dado podrían tomar nuestras variables de decisión se
encuentran condicionados por una serie de restricciones.

2. TIPOS DE MODELOS:

3. METODO DE SOLUCION DEL MODELO:

METODO GRAFICO:

El método Gráfico o método Geométrico permite la resolución de problemas

sencillos de programación lineal de manera intuitiva y visual. Este método se
encuentra limitado a problemas de dos o tres variables de decisión ya que no es
posible ilustrar gráficamente más de 3 dimensiones.

Aunque en la realidad rara vez surgen problemas únicamente con dos o tres
variables de decisión resulta, sin embargo, muy útil esta metodología de
resolución. Al reproducir gráficamente las situaciones posibles como son la
existencia de una solución óptima única, soluciones óptimas alternativas, la no
existencia de solución y la no acotación, constituye una ayuda visual para
interpretar y entender el algoritmo del método Simplex (bastante más sofisticado y
abstracto) y los conceptos que lo rodean.

Las fases del procedimiento de resolución de problemas mediante el método

Gráfico son las siguientes:
1.Dibujar un sistema de coordenadas cartesianas en el que cada variable de
decisión esté representada por un eje.

2.Establecer una escala de medida para cada uno de los ejes adecuada a su
variable asociada.

3.Dibujar en el sistema de coordenadas las restricciones del problema,

incluyendo las de no negatividad (que serán los propios ejes). Notar que
una inecuación define una región que será el semiplano limitado por la línea
recta que se tiene al considerar la restricción como una igualdad, mientras
que si una ecuación define una región que es la propia línea recta.

4.La intersección de todas las regiones determina la región factible o espacio

de soluciones (que es un conjunto convexo). Si esta región es no vacía, se
continuará con el paso siguiente. En caso contrario, no existe ningún punto
que satisfaga simultáneamente todas las restricciones, por lo que el
problema no tendrá solución, denominándose no factible.

5.Determinar los puntos extremos o vértices del polígono o poliedro que

forma la región factible. Estos puntos serán los candidatos para la solución
óptima.

6.Evaluar la función objetivo en todos los vértices y aquél (o aquellos) que

maximicen (o minimicen) el valor resultante determinaran la solución óptima
del problema.

METODO SIMPLEX:

El Método Simplex publicado por George Dantzig en 1947 consiste en un

algoritmo iterativo que secuencialmente a través de iteraciones se va
aproximando al ´optimo del problema de Programación Lineal en caso de
existir esta ´ultima. La primera implementación computacional del Método
Simplex es el año 1952 para un problema de 71 variables y 48 ecuaciones.
Su resolución tarda 18 horas. Luego, en 1956, un código llamado RSLP1,
implementado en un IBM con 4Kb en RAM, admite la resolución de modelos
con 255 restricciones. El Método Simplex hace uso de la propiedad de que la
solución ´optima de un problema de Programación Lineal se encuentra en un
vértice o frontera del dominio de puntos factibles (esto último en casos muy
especiales), por lo cual, la búsqueda secuencial del algoritmo se basa en la
evaluación progresiva de estos vértices hasta encontrar el óptimo.

El método Simplex permite encontrar los valores óptimos en situaciones

donde deben respetarse muchos aspectos. Ante un problema, las
desigualdades se establecen limitaciones que representan a las variables. A
partir de ahí, se prueba posibilidades con el fin de optimizar el resultado tan
pronto como sea posible.
El uso más común de la Simplex es maximizar el resultado, es decir,
encontrar el valor más grande posible para un total. Los problemas típicos de
resolver con Simplex están buscando cantidades óptimas de productos para
ser vendidos, con restricciones en el almacenamiento y la producción de los
mismos.

METODO COMPUTACIONAL:

La computadora u ordenador no es un invento de alguien en particular, sino

el resultado evolutivo de ideas y realizaciones de muchas personas
relacionadas con áreas tales como, la electrónica, la mecánica, los
materiales semiconductores, la lógica, el álgebra y programación.
El método computacional remonta desde 1941, con la primera máquina
programable y completamente automática.

La Z1 era una calculadora mecánica binaria operada con electricidad y que

ocupaba una mesa entera, bastante grande por cierto. Los datos los recibía
de cintas perforadas, y aunque no permitía un lenguaje de programación tal
y como lo entendemos hoy, la Z1 fue la primera máquina programable de la
historia.
Es por ello que el método computacional se basa en el estudio mediante
modelos matemáticos de problemas típicos y de los métodos numéricos
utilizados para la resolución de las ecuaciones en las que se basan dichos
modelos.
La modelización de un problema típico requiere obviamente un
conocimiento previo de lo que realmente ocurre en el proceso que se quiere
describir. En general, las magnitudes que intervienen en el problema son
variables que cambian en el tiempo y en el espacio, y su evolución puede
describirse mediante una o varias ecuaciones en derivadas parciales. La
mayoría de los procesos físicos que aparecen en la naturaleza y en multitud
de aplicaciones en ciencia e ingeniería se describen mediante sistemas de
ecuaciones en derivadas parciales. En ocasiones se dispone de ecuaciones
que describen directamente el problema objeto de estudio, mientras que en
otras es necesario recurrir a modelos aproximados para describir los
fenómenos que intervienen. En cualquier caso, y aun cuando se disponga
de ecuaciones que describan con un elevado grado de aproximación dichos
fenómenos, su resolución detallada puede llegar a ser extraordinariamente
complicada, y en estos casos resulta necesario introducir modelos
aproximados que permiten resolver numéricamente el problema. Además
de modelizar el problema es obviamente necesario resolverlo. En muchos
casos, es posible aplicar aproximaciones que permiten simplificar el modelo
reduciendo las ecuaciones en derivadas parciales a ecuaciones
diferenciales ordinarias o ecuaciones algebraicas. Sin embargo, la demanda
creciente de obtener resultados con una mayor precisión impone cada vez
más la necesidad de resolver las propias ecuaciones en derivadas parciales
que determinan el proceso físico considerado. En muchos de estos casos
no es posible obtener una solución analítica de la ecuación en derivadas
parciales, por lo que se requiere la utilización de métodos numéricos.
 III. MODELO DE TRANSPORTE

El modelo de transporte busca determinar un plan de transporte de una

mercancía de varias fuentes a varios destinos. Los datos del modelo son:
1.  Nivel de oferta en cada fuente y la cantidad de demanda en cada destino.
2.  El costo de transporte unitario de la mercancía a cada destino.
Como solo hay una mercancía un destino puede recibir su demanda de una o más
fuentes.
El objetivo del modelo es el de determinar la cantidad que se enviará de cada
fuente a cada destino, tal que se minimice el costo del transporte total.
La suposición básica del modelo es que el costo del transporte en una ruta es
directamente proporcional al número de unidades transportadas. La definición de
“unidad de transporte” variará dependiendo de la “mercancía” que se transporte. 

METODO LINEAL

Es una técnica cuantitativa creada para minimizar los costos asociados a

la distribución de un bien o servicio desde diferentes orígenes hasta diferentes
destinos. Las condiciones de linealidad están presentes, como en cualquier
técnica de programación lineal.
Debido al éxito alcanzado en los Sistemas de Transporte, esta técnica se utilizó
posteriormente en otros sistemas. En ellos, el problema no implica transporte
físico de bienes pero existen relaciones lineales, y el modelo formulado tiene las
características de un Modelo de Transporte.
El modelo usado en esta técnica es un modelo lineal, con características
especiales, llamado Modelo Lineal de transporte.
Las características que hacen del Modelo Lineal de Transporte un modelo de
programación lineal especial son:
a) Los coeficientes de las variables, en las restricciones, son uno o cero.
b) Las cantidades demandadas deben ser iguales a las cantidades ofrecidas
para poder solucionar el modelo.
El producto a transportar debe ser único y homogéneo. Si se ofrece cemento, por
ejemplo, la demanda debe ser de cemento, es decir, un producto único. Si se
ofrecen sacos de cemento la demanda debe ser de sacos de cemento y no a
granel, es decir, es homogéneo. En caso de multiproductos, se puede hacer una
multi-formulación.
En la Formulación y Construcción del Modelo Lineal de Transporte deben
considerarse aspectos ya estudiados en la formulación de modelos lineales
generales tales como
a) Definir claramente las variables de decisión y expresarlas simbólicamente
b) Definir claramente la Función Objetivo y las restricciones y expresarlas
matemáticamente como funciones lineales.
Debe cuidarse que los elementos componentes del modelo sean expresados para
el mismo período de tiempo. Se debe estipular que las variables de decisión sean
mayores o iguales a cero. Esto acerca el modelo a la realidad.

METODO DE SOLUCION
 METODO VOGEL

El Método de Aproximación de Vogel es una versión mejorada del Método del

Costo Mínimo y el Método de la Esquina Noroeste que en general produce
mejores soluciones básicas factibles de inicio, entendiendo por ello a soluciones
básicas factibles que reportan un menor valor en la función objetivo (de
minimización) de un Problema de Transporte balanceado (suma de la oferta =
suma de la demanda).
En el método de vogel jugamos con los costos más pequeños de cada fila y de
cada columna.

T_1:8 T_2:0 T_3:2 T_4:6 T_5:2

PLANTA_1:2 8 8 10 6 10 19
17
PLANTA_2:6,2,6 0 8 6 12 14 28
10 7
PLANTA_3:2 12 10 8 14 12 25
11 1 24
11 13 7 17 24 72

Por ejemplo en la columna 1 se restan los costos menores en este caso(8-0=8) y
así sucesivamente con cada fila y con cada columna.

METODO COSTO MINIMO  

El método del costo mínimo o método de los mínimos costos es un algoritmo

desarrollado con el objetivo de resolver problemas de transporte o distribución,
arrojando mejores resultados que métodos como el de la esquina noroeste, dado
que se enfoca en las rutas que presentan menores costos.
Este algoritmo es mucho más sencillo que los anteriores, dado que se trata
simplemente de la asignación de la mayor cantidad de unidades posibles (sujeta a
las restricciones de oferta y/o demanda) a la celda menos costosa de toda la
matriz hasta finalizar el método.

En el método del costo mínimo buscamos saturar las filas y columnas con el
menor coste de envió con el fin de encontrar una solución óptima.

T_1 T_2 T_3 T_4 T_5

PLANTA_1 8 8 10 6 10 19
          17
2
PLANTA_2 0 8 6 12 14 28
11 10 7
PLANTA_3 12 10 8 14 12 25
1 24
 11 13 7 17 24 72

Por ejemplo en la columna columna 1 fila 2 el costo de envió es cero por lo tanto
es el menor coste y por el comenzamos, luego tenemos dos opciones, fila 2
columna 3 y fila 1 columna 4; Donde el coste mínimo  es 6, en este caso podemos
escoger cualquiera de los dos, y así seguir saturando las filas y columnas teniendo
en cuenta el menor coste.