Академический Документы
Профессиональный Документы
Культура Документы
MODELOS DE TRANSPORTE,
TRANSBORDO, ASIGNACIN,
REDES Y PERT/CPM
Email : jhv777@hotmail.com
Mtodos de
Solucin
Interpretacin
de Resultados
Transporte
Formulacin de
Modelos
Mtodo
Grafico
Dualidad y
Sensibilidad
Programacin
Lineal
Mtodo
Simplex
Programacin
Lineal Entera
Aplicaciones
Transbordo y
Asignacin
Redes
Pert-Cpm
Mtodos para
lograr Solucin
Inicial
Mtodos para
lograr Solucin
Optima
Esquina
Nor-Oeste
Costo Mnimo
Modelo de
Transporte
Algoritmo de
Transporte
Matriz Mnima
Vogel
Rango de
Optimalidad
Valores
marginales
MODI
Costos
Reducidos
Precios Sombra
Rango Optimo
Lado Derecho
Holguras y
Excesos
Objetivo de la Sesin
Plantear el modelo de transporte
Identificar la primera solucin factible usando
los mtodos de la Esquina Noroeste, Costo
Mnimo, Matriz Mnima y Vogel
Encontrar la solucin optima con mtodos de
los valores marginales y MODI
Identificar el impacto econmico de la
solucin.
MODELO DE TRANSPORTE
DESTINOS
Demanda
Capacidad de venta
Plantas de produccin
Almacenes mayoristas
Tiendas minoristas
Modelo de Transporte
D1
O2
D2
O3
D3
On
Dm
Modelo de Transporte
F.O. :
Mn Z
= Cij Xij
Cij
i=1 j=1
Modelo de Transporte
n m
F.O. :
Mn Z
= Cij Xij
i=1 j=1
Xij
Qdemandada
Xij
Qofrecida
Xij
>
i=1
m
j=1
s.a. :
i,j
Cij
Algoritmo de Transporte
Hacia
Desde
D1
D2
D3
D4
F1
F2
Cij
Xij
F3
F4
TOTAL
TOTAL
X1j
X2j
X3j
X4j
Algoritmo de Transporte
Hacia
Desde
01
02
03
04
TOTAL
D2
D1
C11
C21
C31
C41
X11
X21
X31
X41
C12
C22
C32
C42
X12
X22
X32
X42
D3
C13
C23
C33
C43
X13
X23
X33
X43
D4
C14
C24
C34
C44
X14
X24
X34
X44
TOTAL
X1j
X2j
X3j
X4j
Algoritmo de Transporte
Significado de cada cuadro
Cij
Xij
C23
X23
175
Algoritmo de Transporte
Significado de cada cuadro
Qofrecida
X 21
X 31
3000
CAMANA
CUZCO
2500
5000
2
4000
AREQUIPA
X1
MOLLENDO
X13
X33
X2
X23
3
MOQUEGUA 4500
X12
X32
X34
PUNO
3500
X22
2
TACNA 1500
13
CUADRO 6.1
Cij,Xij
5,X11
O1
1,X21
D1
6,X13
8,X12
O2
5,X22
2,X32
D2
3,X13
O3
7,X23
4,X33
4,X24
5,X34
D3
6,X14
D4
BALANCEADA
MSC. JOS HERNNDEZ VALLEJOS
14
CUADRO 6.2
MATRIZ DEL PROBLEMA DE TRANSPORTE
D
O
O1
CAMANA
O2
AREQUIPA
O3
D1
D2
D3
D4
CUZCO
TACNA
MOQUEGUA
PUNO
X11
4
X12
5
X21
6
X22
2
X13
7
X23
4
X14
4
X24
5
MOLLENDO
X31
X32
X33
X34
DEMANDA
(bj)
2500
1500
4500
3500
OFERTA
(ai)
3000
5000
4000
15
16
Esquina Noroeste
Costo Mnimo
Matriz Mnima
Vogel
Los mtodos no garantizan la optimalidad inmediata,
solo garantizan la factibilidad
Iteraciones: Si la solucin bsica no es ptima, se
deben reasignar recursos, mediante el criterio de la
minimizacin de los costos, lo que implica realizar
iteraciones al cuadro
En general:
Si no se puede asignar ms
por restriccin de demanda
Se completa
hacia el lado
Si no se puede asignar ms
por restriccin de oferta
Se completa
hacia abajo
CUADRO 6.3
APLICACIN DEL METODO DE LA ESQUINA NOROESTE
D
O
O1
CAMANA
O2
AREQUIPA
O3
D1
D2
CUZCO
TACNA
2500
500
ELIMINA
D4
MOQUEGUA
PUNO
1000
4000
500
MOLLENDO
DEMANDA
(bj)
D3
3500
2500
0
1500 4500
1000 500,0
3500
0
OFERTA
(ai)
3000
500
0
5000
4000
0
4000
3500
0
ELIMINA
2
4
6
21
CUADRO 6.4
APLICACIN DEL METODO DE LA COLUMNA MINIMA
D
O
O1
CAMANA
O2
AREQUIPA
O3
D1
D2
D3
D4
CUZCO
TACNA
MOQUEGUA
PUNO
ELIMINA
3000
0
3000
4
2500
6
2500
2
1500
1500
1000
2500
0
1500 4500
0 1500,0
3500
1000
MOLLENDO
DEMANDA
(bj)
OFERTA
(ai)
5000
2500
0
4000
2500
1000,0
ELIMINA
3
5
6
22
CUADRO 6.5
APLICACIN DEL METODO DE LA FILA MINIMA
D1
D2
D3
O1
1500
6
O3
3000
0
3000
4
O2
OFERTA
(ai)
D4
1000
DEMANDA
(bj)
2500
1000,0
ELIMINA
3500
2
1500
1500
1500
4500
0 1500,0
5000
1500
0
4000
2500
1000,0
ELIMINA
1
3
6
3500
0
23
CUADRO 6.6
APLICACIN DEL METODO DEL COSTO MINIMO
D1
D2
D3
O1
4
1500
6
O3
3000
0
3000
4
O2
OFERTA
(ai)
D4
1000
DEMANDA
(bj)
2500
1000,0
ELIMINA
3500
2
1500
1500
1500
4500
0 1500,0
5000
1500
0
4000
2500
1000
ELIMINA
2
4
6
3500
0
24
CUADRO 6.7
APLICACIN DEL METODO DE LA MATRIZ MINIMA
D1
O
5
O1
D3
1000
4
O2
D2
O3
2500
1500,0
ELIMINA
3500
2
1500
DEMANDA
(bj)
2000
1500
6
OFERTA
(ai)
D4
2500
1500
4500
0 2000,0
3000
1000
0
5000
3500
0
4000
2500
0
ELIMINA
4
6
2
3500
0
25
CUADRO 6.8
APLICACIN DEL METODO MUTUAMENTE PREFERIDO (FASE I)
D1
D2
D3
O1
O3
ELIMINA
3000
0
5000
2500
4000
2500
1500
2500
0
1500
0
OFERTA
(ai)
2500
6
DEMANDA
(bj)
3000
4
O2
D4
4500
1500
ELIMINA
3500
1
MSC. JOS HERNNDEZ VALLEJOS
26
CUADRO 6.9
APLICACIN DEL METODO MUTUAMENTE PREFERIDO (FASE II)
D3
O
7
O2
DEMANDA
(bj)
ELIMINA
2500
4
O3
OFERTA
(ai)
D4
1500
1000
2500
0
2500
1000
0
ELIMINA
5
6
1500
3500
0 1000,0
27
CUADRO 6.10
METODO DE VOGEL
D1
D2
D3
O1
ELIMINA
1500
2500,0 1500,0
1,1,2
1500
1000
5000,0
2500,0
4000
2500
1000,0
ELIMINA
0,0,0
0
2,1,1
1
4500
3500
1500,0 1000,0
1,1,
2500
2
O3
PENALIDAD
2500
6
DEMANDA
(bj)
LIDAD
2,
3000
4
PENA
3000,0
6
2
4
O2
OFERTA
(ai)
D4
1,1,1
1
30
CUADRO 6.11
METODO DE RUSELL
D1
D2
D3
O1
3000
4
2500
6
2500
2
O3
DEMANDA
(bj)
1500
1500
Ui
ELIMINA
3000,0
6
2
4
O2
OFERTA
(ai)
D4
1000
5000,
2500,0
4000,
2500,
1000,0
Vj
ELIMINA
31
CUADRO 6.12
MATRIZ dij = (ui+vj-cij)
D1
D2
D3
D4
ELIMINA
O1
12
O2
10
O3
12
ELIMINA
32
Verificacin de Optimalidad
Verificacin de Optimalidad
Verificacin de Optimalidad
Se suma el costo
unitario de la celda para
la verificacin
Verificacin de Optimalidad
-5 D1
1000
D3
+3
2000
03
2500
+6
VMij = +6 -5 +3 -4 = 0
-4
Hay un Ahorro
Marginal, es el
concepto de
precio sombra
Si todo VMij 0
Solucin ptima
Condicin de Optimalidad
Solucin no es
ptima
Iteraciones
>
i,j
CUADRO 6.13
SOLUCION INICIAL : METODO DE LA MATRIZ MINIMA
D1
O
5
O1
OFERTA
(ai)
D4
+
3000
2000
1500
5000
3500
6
O3
DEMANDA
D3
3
1000
4
O2
D2
2500
1500
2500
1500
4500
4000
3500
(bj)
42
CUADRO 6.14
D
O
D1
O1
O2
O3
D2
D3
D4
3
4
2
43
CUADRO 6.15
MATRIZ Zij
D1
D2
D3
D4
Ui
O1
O2
O3
Vj
44
CUADRO 6.16
DETERMINACION DE LA MATRIZ Dij
MATRIZ Zij
D
O
MATRIZ Cij
D
D1 D2 D3 D4
O1 5
O2 4
O3 6
MATRIZ Dij
D
D1 D2 D3 D4
O1 5
O2 4
O3 6
D1 D2 D3 D4
O1 0
O2 0
O3 0
-1
45
CUADRO 6.17
NUEVA SOLUCION
D1
O
5
D2
8
O1
5
2500
6
O3
D4
6
3000
4
O2
D3
2500
2
1500
1500
1000
46
CUADRO 6.17_b
DTERMINACION DE NUEVA MATRIZ Dij
MATRIZ Zij
MATRIZ Cij
MATRIZ Dij
ui
-
vj
-1
-1
47
CUADRO 6.18
SOLUCION INICIAL : METODO DE LA MATRIZ MINIMA
D1
O
5
O1
OFERTA
(ai)
D4
+
3000
2000
1500
5000
3500
6
O3
DEMANDA
D3
3
1000
4
O2
D2
2500
1500
2500
1500
4500
4000
3500
(bj)
48
CUADRO 6.19
COSTOS SELECCIONADOS REDUCIDOS A CERO
D1
D2
D3
D4
SUMA/RESTA
DE FILA
O1
5,1,2, 0
8,5,7
3,-1,
6,2,3,1
+1
O2
4,0,-2, 0
5,3,5
7,3,5
4,0,2, 0
-2
O3
6,2, 0
2, 0
4, 0
5,1,-1
SUMA/RESTA
DE COLUMNA
-4,-2
-2
-4
-4,-2
49
CUADRO 6.20
NUEVA SOLUCION
D1
D2
O1
5
OFERTA
(ai)
3000
5000
2500
2500
6
O3
DEMANDA
D4
3000
4
O2
D3
2500
1500
1500
1000
1500
4500
3500
4000
(bj)
50
CUADRO 6.21
COSTOS SELECCIONADOS REDUCIDOS A CERO
D1
D2
D3
D4
O1
0,1
O2
0,-1, 0
5, 4
5, 4
0, 1, 0
O3
0, 1
-1, 0
SUMA/RESTA
DE COLUMNA
+1
SUMA/RESTA
DE FILA
-1
+1
51
CUADRO 6.22
SOLUCION INICIAL : METODO DE LA MATRIZ MINIMA
D1
O
5
O1
OFERTA
(ai)
D4
+
3000
2000
1500
5000
3500
6
O3
DEMANDA
D3
3
1000
4
O2
D2
2500
1500
2500
1500
4500
4000
3500
(bj)
52
CUADRO 6.23
NUEVA SOLUCION
D1
D2
O1
5
2500
OFERTA
(ai)
3000
5000
2500
6
O3
DEMANDA
D4
3000
4
O2
D3
2500
1500
1500
1000
1500
4500
3500
4000
(bj)
53
54
METODO MODI
CUADRO 6.23_a
D1
O
5
O1
O3
DEMANDA
7
5
0
2500
Ui
3000
5000
4000
2000
4
OFERTA
(ai)
D4
1500
6
D3
1000
4
O2
D2
3500
1500
2500
-1
1500
4500
3500
VA
(bj)
Vj
55
METODO MODI
CUADRO 6.23_b
NUEVA SOLUCION : (SOLUCION OPTIMA)
D1
O
5
7
5
O3
1
2500
OFERTA
(ai)
Ui
3000
-1
5000
-1
4000
3000
7
2500
6
D4
1
4
DEMANDA
D3
O1
O2
D2
2500
1500
1500
1000
1500
4500
3500
VA
(bj)
Vj
56
CUADRO 6.24
SOLUCION DEGENERADA
METODO DE LA ESQUINA NOROESTE
D1
O
5
O1
DEMANDA
150,0
D3
OFERTA
(ai)
150,0
300,0
150
6
O2
D2
200
100
200,0
100,0
(bj)
57
CUADRO 6.25
NUEVA SOLUCION
D1
O
5
O1
DEMANDA
D3
5
150,0
300,0
E+150
6
O2
D2
OFERTA
(ai)
150
50
100
150,0
200,0
100,0
(bj)
58
CUADRO 6.26
PROBLEMA DE MAXIMIZACION
D1
D2
D3
10
15
O1
O2
O3
DEMANDA
OFERTA
(ai)
13
(bj)
59
CUADRO 6.27
SOLUCION INICIAL : METODO DEL BENEFICIO MAXIMO
D1
D2
O1
6
8
O2
O3
15,7,0
5,0
5
8,0
13,7,0
9,4,0
ELIMINA
10,6,0
DEMANDA
OFERTA
(ai)
D3
(bj)
ELIMINA
60
CUADRO 6.27_
MATRIZ Zij
MATRIZ Cij
MATRIZ Dij
ui
-
vj
-1
12
-4
-1
-8
61
CUADRO 6.28
SOLUCION OPTIMA
NUEVA SOLUCION
D1
D2
O1
1
8
O2
8
4
O3
D3
9
4
7
7
62
CUADRO 6.28_
MATRIZ Zij
MATRIZ Cij
MATRIZ Dij
ui
-
vj
-1
12
10
-4
-1
-9
63
CUADRO 6.28_A
PROBLEMA DE MAXIMIZACION
D1
D2
D3
-5
-3
-6
10
-8
-2
-4
15
-4
-7
-9
O1
O2
O3
DEMANDA
OFERTA
(ai)
13
(bj)
64
CUADRO 6.29
PROBLEMA DE MAXIMIZACION
D1
D2
D3
10
15
O1
O2
O3
DEMANDA
OFERTA
(ai)
13
(bj)
65
Algoritmo de Transporte
Holguras
Holguras
Exceso de
Oferta
Exceso de
Demanda
Variables de Holgura
Algoritmo de Transporte
Exceso de Oferta
Casos Posibles:
Si Qofrecida
>
Qdemandada
Acumulacin
de Inventario
>
Qdemandada
Capacidad
Ociosa
Exceso de Demanda
Casos Posibles:
<Qdemandada
Si Qofrecida
Desacumulacin
de Inventario
<
Si Qofrecida
Qdemandada
Demanda No
Satisfecha
Exceso de Demanda
Casos Posibles:
Si Qofrecida
<
Qdemandada
Produccin
en Turno
Extra
CUADRO 6.30
D1
D2
OFERTA
(ai)
30
50
O1
O2
DEMANDA
25
45
(bj)
72
CUADRO 6.31
PROBLEMA BALANCEADO
D1
OFERTA
(ai)
30
50
O1
O2
DEMANDA
D3
D2
25
45
10
(bj)
73
CUADRO 6.32
D1
D2
OFERTA
(ai)
40
30
O1
O2
DEMANDA
50
35
(bj)
74
CUADRO 6.33
PROBLEMA BALANCEADO
D1
D2
OFERTA
(ai)
40
30
15
O1
O2
O3
DEMANDA
50
35
(bj)
75
MODELO DE MINIMIZACIN
TRANSPORTE OBLIGATORIO MAXIMO Y MINIMO
Transporte Obligatorio Total de O1 D1 y O3 D3
Transporte Mnimo (1000 unid.) de O2 D4
MATRIZ ORIGINAL
D1
D2
9
O1
D3
3000,0
5000,4000
3000
4
O2
1000
6
O3
DEMANDA
(bj)
OFERTA
(ai)
D4
3000,1500
1500
3000,0 1500,0
4500
2000,
1000
11000
11000
CUADRO 6.34_a
76
MODELO DE MINIMIZACIN
TRANSPORTE OBLIGATORIO MAXIMO Y MINIMO
CUADRO 6.34_b SOLUCION INICIAL : METODO DE VOGEL
D3
O
O2
O3
DEMANDA
(bj)
PENALIDAD
D4
3000
1000
OFERTA
(ai)
4000,3000
0
1500, 0
1500
PENA
LIDAD
5500
4500, 1000, 0
5500
1500, 0
3
77
MODELO DE MINIMIZACIN
TRANSPORTE OBLIGATORIO MAXIMO Y MINIMO
CUADRO 6.34_c METODO DE SOLUCION FINAL: MODI
D3
O
7
O2
O3
DEMANDA
(bj)
Vj
D4
1
3000
1000
1500
OFERTA
(ai)
Ui
4000,
3000
1500,
0
-3
VA
4500, 1000, 0
1500, 0
7
78
MODELO DE MINIMIZACIN
TRANSPORTE OBLIGATORIO MAXIMO Y MINIMO
CUADRO 6.34_d SOLUCION OPTIMA FINAL
D1
D2
9
O1
D4
3000
1000
1500
1500
1500
4500
OFERTA
(ai)
3000
3000
4
O2
6
O3
DEMANDA
D3
3000
1000
+
5000
3000
2000
(bj)
79
Transporte prohibido
Costo
CUADRO 6.35
TRANSPORTE PROHIBIDO
D1
D2
D3
D4
3000
5000
4000
O1
O2
O3
DEMANDA
OFERTA
(ai)
2500
1500
4500
3500
(bj)
81
C=90
M=50
F=30
Puertos
4, 5, 7
C=60
M=70
F=30
C=80
F=40
6, 9
Unidades de demanda
Unidades de oferta
Plantas
5, 6
C=60
M=40
7, 8
9
8, 10
4, 5, 6
C=70
M=40
F=20
5, 8
3, 4
C=80
M=50
82
83
84
85
Modelo de Asignacin
Asignar m trabajos (o trabajadores) a n
mquinas.
Un trabajo i (=1, 2, 3 ,...,m) cuando se asigna a
la mquina j (=1,2,....,n) incurre en un costo cij.
El objetivo es asignar los trabajos
mquinas uno a uno al menor costo.
las
86
Descripcin
87
Descripcin
En el caso que un trabajo no deba ser
asignado
(porque no cumple con los
requisitos) a una mquina (actividad) en
particular, este costo debe tener un valor
alto (M) o beneficio (-M)
En el caso de existir desequilibrio, esto es,
ms
trabajos
que
mquinas
o
ms
mquinas que trabajos, hay que equilibrar
con
mquinas
o
trabajos
figurados
(ficticios), logrando de esta forma que m =
n
MSC. JOS HERNNDEZ VALLEJOS
88
Trabajo
..
C11
C12
..
C1n
C21
C22
..
C2n
..
..
..
..
..
..
Cn1
Cn2
..
Cnn
..
89
90
Ejemplo:
La gerencia general de RPG (ejemplo de transporte) con
sede en Bruselas, este ao, como parte de su auditora
anual, decidi que cada uno de sus cuatro vicepresidentes
visite e inspeccione cada una de sus plantas de ensamblaje
durante las primeras dos semanas de junio. Las plantas
estn ubicadas en Leipzig (Alemania), Nancy (Francia),
Lieja (Blgica) y Tilburgo (Holanda).
Para decidir a que vicepresidente enviar a una planta
determinada, se asignaron puntos (costos) a cada uno de
ellos de acuerdo a su experiencia, habilidades lengusticas,
tiempo que durar la inspeccin y otros. Estos datos se
muestran en la siguiente tabla:
MSC. JOS HERNNDEZ VALLEJOS
91
Ejemplo
92
Ejemplo
PLANTA
Leipzig (1) Nancy(2) Lieja (3) Tilburgo(4)
Finanzas (F) (1)
24
10
21
11
Mercadotecnia(M) (2)
14
22
10
15
Operaciones (O) (3)
15
17
20
19
Personal(P) (4)
11
19
14
13
93
Ejemplo: Modelo de PL
MIN Z = 24 X11 + 10 X12 + ... + 14 X43 + 13 X44
sujeto a:
a) Oferta
94
Mtodo Hngaro:
Paso 0: Construir la matriz Cij de asignacin, si matriz es
balanceada continuar con paso 1, de lo contrario balancear
matriz.
Paso 1:
a) Reduccin de filas: Restar el costo menor de cada fila a la fila
correspondiente y generar matriz Cij y continuar con paso
b)
b) Reduccin de columnas: Restar el costo menor de cada
columna a la columna correspondiente y generar matriz
Cij, continuar con paso 2.
Nota: Los pasos a) y b) pueden ser intercambiados
MSC. JOS HERNNDEZ VALLEJOS
95
Mtodo Hngaro:
96
Mtodo Hngaro:
Paso 3:
a) De las celdas no tachadas elegir el menor valor (EE)
b) A las celdas no tachadas restar el elemento elegido
c) A las celdas interceptadas por dos lneas sumar el
elemento elegido.
d) Las celdas tachadas no interceptadas no varan.
Volver al paso 2
97
Mtodo Hngaro:
98
Ejemplo:
Matriz Cij
99
Matriz Cij
100
101
Paso 3:
Volver al paso 2
MSC. JOS HERNNDEZ VALLEJOS
102
Se tachan todos los ceros con cuatro rectas, por tanto es ptima
Ir al paso 4
MSC. JOS HERNNDEZ VALLEJOS
103
104
105
106
107
108
109
110
111
112
113
Modelo de
Transbordo
Este modelo permite que las unidades no vayan
directamente desde un origen a un destino, sino
que pasen por nodos intermedios o transitorios.
Cada origen, punto intermedio y destino final se
representan como nodos y se conectan a travs de
arcos dirigidos
Restriccin en cada nodo transitorio:
114
Ejemplo 1:
Determnese un programa de embarque que cubra todas
las demandas a un costo mnimo total para los datos
correspondientes al siguiente grafo (costo en $).
8
1
+95
2
+70
+15
5
4
3
7
-30
-30
6
-45
115
116
Destinos
5
Oferta
95
1
3
1000
1000
Orgenes
70
2
1000
1000
195
0
4
Demanda
180
1000
180
0
210
1000
30
2
45
0
75
117
Costo = 20*3+75*0+70*2+90*0+30*3+30*4+45*4+180*0=$590
MSC. JOS HERNNDEZ VALLEJOS
118
SOLUCION
8
20
+15
1
+95
3
2
70
30
10
4
45
2
+70
-30
75
5
-30
6
-45
F6
119
Modelos de Redes
1. Modelo de la Ruta ms corta
2. Modelo del rbol Expandido Mnimo
3. Modelo del Flujo Mximo
120
121
122
123
8
H
1
2
1
4
1
6
5
2
124
8
H
(0,0)
1
2
1
4
1
6
5
2
125
8
H
(0,0)
4
1
(4,H)
1
6
3
4
(7,H)
1
2
5
2
126
8
H
(5,1)
1
1
3
1
(4,H)
7
4
(8,H)
3
4
(7,H)
1 (6,3)
5
2
2
(10,1)
(6,3)
127
8
H
(5,1)
1
1
3
1
(4,H)
7
4
(8,H)
3
4
(7,H)
1 (6,3)
5
2
(10,1)
(6,3)
MSC. JOS HERNNDEZ VALLEJOS
128
8
H
(5,1)
1
1
3
1
(4,H)
7
4
(8,H)
3
4
(7,H)
1 (6,3)
5
2
(8,2)
(10,1)
(6,3)
MSC. JOS HERNNDEZ VALLEJOS
129
8
H
(5,1)
1
1
3
1
(4,H)
7
4
(8,H)
(9,4)
6
3
4
(7,H)
1 (6,3)
5
2
(8,2)
(10,1)
(6,3)
MSC. JOS HERNNDEZ VALLEJOS
130
8
H
(5,1)
1
1
(4,H)
(9,7)
(9,4)
7
4
(8,H)
3
4
(7,H)
1 (6,3)
5
2
(8,2)
(10,1)
(6,3)
MSC. JOS HERNNDEZ VALLEJOS
131
8
H
(5,1)
1
1
(4,H)
(9,7)
(9,4)
7
4
(8,4)
(8,H)
3
4
(7,H)
1 (6,3)
5
2
(8,2)
(10,1)
(6,3)
MSC. JOS HERNNDEZ VALLEJOS
132
8
H
1
2
1
4
1
6
5
2
133
8
H
7
4
(8,H)
(5,1)
1
3
4
(6,3)
1
2
6
(6,3)
1
(4,H)
(9,7)
(9,4)
5
2
(8,2)
134
8
H
7
4
(8,H)
(5,1)
1
3
4
(6,3)
1
2
6
(6,3)
1
(4,H)
(9,7)
(9,4)
5
2
(8,2)
135
Eventos
Distancia
Mnima
Trayectoria
H1
H132
H13
H134
H1345
H7, H1347
136
Definicin 1
Definicin 2
137
138
8
H
1
4
1
6
5
2
139
8
H
1
2
1
4
1
6
5
2
140
8
H
1
2
1
4
1
6
5
2
141
8
H
1
2
1
4
1
6
5
2
142
8
H
1
2
1
4
1
6
5
2
143
8
H
1
2
1
4
1
6
5
2
144
8
H
1
2
1
4
1
6
5
2
145
8
H
1
2
1
4
1
6
5
2
146
8
H
1
2
1
4
1
6
5
2
147
8
H
1
2
1
4
1
6
5
2
148
Solucin :
7
1
2
6
4
1
1
4
1
5
2
2
149
150
6
0
1
3
6
0
5
0
151
0
4
2
6
4
0
2
6
1
3
6
0
4
0
0
5
0
152
0
4
Flujo mximo = 2
2
6
4
0
2
6
4
0
6
1
6
4
3
0
2
4
2
5
0
2
2
0
0
2
153
0
4
20
Flujo mximo = 2
0
4
0
2
0
2
6
4 6
2
0
6
4
0
6
1
6
4
2
13
0
2
4
4
2
5
0
2
2
0
0
2
154
SOLUCIN
0
4
20
6
4
0
0
2
6
6
4
0
6
4
0
0
2
6
6
4
2
13
0
2
4
4
2
0
2
2
0
0
2
155
156
(2
3
(1
157
Algoritmo
Inicial
158
6
0
1
3
6
0
2
5
159
0
2
6
0
1
4
6
0
2
4
2
1
2
0
0
2
160
4
0
6
2
0
4
4
0
2
6
2
2
6
1
3
4
2
4
0
1
2
0
6
2
0
2
161
4
0
8
6
2
0
4
6
4
0
0
2
6
2
2 0
0
2
6
1
4
1 3
42
0
4
2
6
4
0
1
2
0
8
6
2
0
2
162
0 5
Final
2 5
163
4
8
6
8
1
4
2
3
164
Administracin de
Proyectos
PERT y CPM
165
Administracin de Proyectos
(PERT y CPM)
Todo proyecto debe ser comprobado y controlado, dado que
ste tiene involucrado numerosas tareas interrelacionadas. A
travs de algunas tcnicas se puede responder a preguntas
como:
1. Cundo sera lo ms pronto que el proyecto pudiera estar
terminado?
2. Para cumplir con este tiempo de conclusin, qu tareas son
crticas, en el sentido de que un retraso en cualquiera de
esas tareas provoca un retraso en la conclusin del
proyecto?
3. Es posible acelerar ciertas tareas para terminar todo el
proyecto ms pronto?. Si es as, qu tareas sern stas y
cul sera el costo adicional?
MSC. JOS HERNNDEZ VALLEJOS
166
167
168
Ejemplo:
169
2
A
4
1
C
B
3
170
INCORRECTO
A
B
CORRECTO
A
C
D
171
5
E
H
A
4
J
8
C
I
3
MSC. JOS HERNNDEZ VALLEJOS
172
5
E
H
4
Fic
J
9
C
I
3
Red Final
MSC. JOS HERNNDEZ VALLEJOS
173
174
5
E (8)
(3)
H (2)
4
F (2)
6
G (4)
7
Fic
J (3)
9
(3)
I (5)
(5)
3
MSC. JOS HERNNDEZ VALLEJOS
175
176
Reglas
cumplir:
cuando
Regla
1. Para calcular el TI de una tarea se debe conocer los TT de cada
tarea predecesora inmediata
2. El TI ms inmediato de una tarea de la que se conocen los
tiempos de trmino ms breves de todas sus tareas
predecesoras inmediatas es el mximo de todos esos tiempos
de trmino ms breves.
3. Tiempo de trmino ms breve = (tiempo de inicio ms
inmediato) + (tiempo de tarea(t))
177
Pasos para
inmediatos:
determinar
los
TI
TT
ms
Paso
0
178
Pasos para
inmediatos:
determinar
los
TI
TT
ms
Paso
2
179
Clculo de TI y TT:
D[8,12]
3]
0]
,2
12
E[
A[
0,
H[10,12]
F[8,10]
6
G[10
,14]
J[20
,23]
Fic
8
5]
0,
B[
C[5,8]
0]
1
,
5
[
I
MSC. JOS HERNNDEZ VALLEJOS
180
181
UTI = UTT- t
182
183
Iteracin 1
Iteracin 2
Nodo 9 Actividad J
UTT = 23
UTI = 23-3 = 20
Actividad I
UTT = 23
UTI = 23-5 = 18
Nodo 7 Actividad E
UTT = 20
UTI = 20-8 = 12
Actividad H
UTT = 20
UTI = 20-2 = 18
Actividad ficticia
UTT = 20
UTI = 20-0 = 20
184
D[8,12]
[8,12]
[1
2
3]
[ 5,
8]
A[
0,
F[8,10]
5]
0,
B[
]
,5
[0
C[5,8]
[5,8]
]
[14,16
0]
,2
12
E[
,2
0
H[10,12]
6 G [18,20
[10,1
4]
[1 6 ,
2
0]
Fic
8
J[20
,23]
[20
,2
3]
]
0
1
,
5
I[
]
[ 18 ,
23
3
MSC. JOS HERNNDEZ VALLEJOS
185
186
Actividad
A
B
C
D
E
F
G
H
I
J
Tiempo
3
5
3
4
8
2
4
2
5
3
Inicio
0
0
5
8
12
8
10
10
5
20
Trmino
3
5
8
12
20
10
14
12
10
23
Inicio
5
0
5
8
12
14
16
18
18
20
Trmino Holgura
8
5
5
0
8
0
12
0
20
0
16
6
20
6
20
8
23
13
23
0
187
Nodos
1-3-2-5-7-9
Actividades
B-C-D-E-J
188
189
190
191
192
2
A(3)
F (2)
4
5
H(2)
G(4)
K(3)
7
8
E (8)
J (3)
Fic
C (3)
I (5)
(5)
3
MSC. JOS HERNNDEZ VALLEJOS
193
Actividad
A
B
C
D
E
F
G
H
I
J
K
Tiempo
3
5
3
4
8
2
4
2
5
3
3
Inicio
0
0
5
8
12
8
10
10
5
14
10
Trmino
3
5
8
12
20
10
14
12
10
17
13
Inicio
5
0
5
8
12
11
13
18
15
17
14
Trmino Holgura
8
5
5
0
8
0
12
0
20
0
13
3
17
3
20
8
20
10
20
3
17
4
194
195
196
197
Distribucin beta
4
a
7 8
m
16
b
te
a 4m b
6
ba
6
198
Estimacin de tiempo
Actividad
A
B
C
D
E
F
G
H
I
J
K
a
1,0
3,0
2,0
2,0
4,0
1,0
2,5
1,0
4,0
1,5
1,0
m
3,0
4,5
3,0
4,0
7,0
1,5
3,5
2,0
5,0
3,0
3,0
b
5,0
9,0
4,0
6,0
16,0
5,0
7,5
3,0
6,0
4,5
5,0
te
3,0
5,0
3,0
4,0
8,0
2,0
4,0
2,0
5,0
3,0
3,0
200
actividad
son
variables
aleatorias
201
T ...
i
i :
T:
2
1
2
2
Desviacin
estndar
de
actividad de la ruta crtica
2
n
i-sima
202
x
Z
203
Ruta crtica: B- C- D y E
T = 20 (tiempo esperado, promedio calculado, )
x = 22 (tiempo exigido)
T2 B2 C2 D2 E2
T2 1 0,111 0,444 4
T2 5,555
T 2,357
MSC. JOS HERNNDEZ VALLEJOS
204
En la tabla de Z
205
Matriz de Encadenamiento
Una matriz de encadenamiento, es una matriz de NxN (N es la
cantidad de actividades) donde cada celda se marca con una X si
la actividad de la fila requiere que est terminada la actividad de
la columna. Esta matriz ayuda a la construccin de la red CPM
Para el ejemplo en estudio es:
A
A
B
C
D
F
G
H
I
J
X
X
X
X
X
X
X
X
206
Costo
Esfuerzo intensivo
Esfuerzo normal
Tiempo
MSC. JOS HERNNDEZ VALLEJOS
207
208
209
Actividad
A (1,2)
B (2,3)
C (2,4)
D (2,7)
Fic(3,4)
E (4,5)
F (4,6)
G (5,7)
H (6,7)
210
G(2)
E(3)
B(2)
A(4)
C(3)
H(2)
F(2)
D(1)
211
E(
3)
[7
,1
[7
0]
,1
0]
2
G(
C(3)[4,7]
[4,7]
[0,4]
6,6
A(4)[0,4]
[1
0,
12
]
0
12 12
00
[
(0)
[7,7
B(
2)[
4,6
]
[5,7
]
F(2)[7,9]
[8,10]
H(2)[9,11]
[10,12]
D(1)[4,5]
[11,12]
MSC. JOS HERNNDEZ VALLEJOS
212
Actividad
A (1,2)
B (2,3)
C (2,4)
D (2,7)
E (4,5)
F (4,6)
G (5,7)
H (6,7)
Holgura
0
1
0
7
0
1
0
1
Actividades
crticas
213
( 600)
b) Actividad C: de 3 a 1 semana
(1.000)
c) Actividad E: de 3 a 2 semanas
( 700)
d) Actividad G: de 2 a 1 semana
( 400)
214
A(4 3)
1)
00
2)
B(
2)[
4,6
]
2
G(
E(
3
C(3 1)
F(2)[7,9]
H(2)[9,11]
D(1)[4,5]
215
(500)
216
Actividad
A (1,2)
B (2,3)
C (2,4)
D (2,7)
E (4,5)
F (4,6)
G (5,7)
H (6,7)
Accin
1 semana
1 semana
2 semanas
----1 semana
1 semana
1 semana
-----
Costo
Adicional
600
500
1000
700
200
400
Normal
1.400
1.500
1.500
600
1.300
300
800
600
$ 8.000
Total
2.000
2.000
2.500
600
2.000
500
1.200
600
$ 11.400
217
Grafo final
En el grafo se muestran los tiempos de inicio y de trmino ms
prximos y los ms lejanos, y la ruta crtica. El tiempo mnimo
para la ruta crtica es de 7 semanas a un costo normal de $11.400.
5
C(1)[3,4]
[3,4]
E(
2)
[4
,6
[4
]
,6
]
]
,7
[6
1)
G(
[0,3]
,4]
A(3)[0,3]
[6
,7
]
0
77
00
[4
(0)
[7,7
B(
1)[
3,4
]
[5,7
]
F(1)[4,5]
[4,5]
H(2)[5,7]
[5,7]
D(1)[3,4]
[6,7]
MSC. JOS HERNNDEZ VALLEJOS
218
Red ptima
Qu sucede si un proyecto lleva ms tiempo del especificado?
Conviene hacer ms intensivo el proyecto o pagar la
penalizacin por atraso?
Ejemplo:
Suponga que en el proyecto de la casa hay una penalizacin de
$450 por cada semana de tiempo extra despus de ocho semanas.
Cul es la red ptima?.
Solucin: Reducir la red en una semana cada vez e ir
comparando si los costos por intensificar son menores a los
costos por penalizacin. Se termina cuando los costos de
penalizacin son mayor a los costos de intensificar.
MSC. JOS HERNNDEZ VALLEJOS
219
Red ptima
1. Reducir una semana (de 12 a 11 semanas)
220
Solucin
Grafo resultante
3
B(
2)
E(
3)
1)
G(
A(4)
C(3)
F(2)
H(2)
D(1)
221
Ejemplo
Tiempo (meses)
Normal
Intensivo
8
4
9
6
3
2
10
7
6
4
Costo (miles $)
Normal
Intensivo
20.000
30.000
18.000
27.000
12.000
17.000
25.000
34.000
15.000
23.000
222
223
Tiempo (semanas)
Costo (miles $) Reduccin Costo por
Actividad Precedencia Normal Intensivo Normal Intensivo mxima semana
A (1,2) ninguna
4
3
1.400
2.000
1
600
B (2,3)
A
2
1
1.500
2.000
1
500
C (2,4)
A
3
1
1.500
2.500
2
500
D (2,7)
A
1
1
600
600
0
-Fic(3,4)
0
0
--0
-E (4,5)
B, C
3
2
1.300
2.000
1
700
F (4,6)
B, C
2
1
300
500
1
200
G (5,7)
E
2
1
800
1.200
1
400
H (6,7)
F
2
1
600
1.000
1
400
224
225
Restricciones de Lmite
0<=YA<= 1
(lmite de A)
0<=YB<= 1
(lmite de B)
0<=YC<= 2
(lmite de C)
0<=YD<= 0
(lmite de D)
0<=YE<= 1
(lmite de E)
0<=YF<= 1
(lmite de F)
0<=YG<= 1
(lmite de G)
0<=YH<= 1
(lmite de H)
MSC. JOS HERNNDEZ VALLEJOS
226
X1 = 0
X7 12
MSC. JOS HERNNDEZ VALLEJOS
227
X3
3
B(2)
(0)
(3-YE)
(2-YB)
X1
A(4)
(4-YA)
X2
C(3)
(3-YC)
G(2)
E(3)
X4
F(2)
(2-YF)
(2-YG)
X6
H(2)
(2-YH)
X7
D(1)
(1-YD)
228
Nodo 2
Tiempo de inicio de las tareas que salen del nodo 2 tiempo de
terminacin de todas las tareas que entran al nodo 2
Tiempo de inicio de las tareas B, C y D (tiempo de terminacin
de la tarea A + (tiempo acortado de la tarea A)
X2 X1 + (4-YA)
Nodo 3
Tiempo de inicio de las tareas que salen del nodo 3 tiempo de
terminacin de todas las tareas que entran al nodo 3
Tiempo de inicio de la tarea Ficticia (tiempo de terminacin de
la tarea B + (tiempo acortado de la tarea B)
X3 X2 + (2-YB)
MSC. JOS HERNNDEZ VALLEJOS
229
230
231
X5 X4 + (3-YE)
(actividad E)
Nodo 6
X6 X4 + (2-YF)
(actividad F)
Nodo 7
X7 X5 + (2-YG) (actividad G)
X7 X6 + (2-YH) (actividad H)
232
MIN Z = 600YA+500YB+500YC+700YE+200YF+400YG+400YH
Sujeto a:
Restricciones de Lmite
0<=YA<= 1
(lmite de A)
0<=YB<= 1
(lmite de B)
0<=YC<= 2
(lmite de C)
0<=YD<= 0
(lmite de D)
0<=YE<= 1
(lmite de E)
0<=YF<= 1
(lmite de F)
0<=YG<= 1
(lmite de G)
0<=YH<= 1
(lmite de H)
233
X1 = 0
X7 12
X2 X1 + (4-YA)
(tarea C)
X3 X2 + (2-YB)
(tarea B)
X4 X2 + (3-Yc)
(tarea C)
X4 X3 + 0
(tarea Figurada)
X5 X4 + (3-YE)
(actividad E)
X6 X4 + (2-YF)
(actividad F)
X7 X5 + (2-YG)
(actividad G)
X7 X6 + (2-YH)
(actividad H)
X1, ..., X7 0
234
Ejercicios
:
Para su entretencin
La complejidad de las redes CPM est ms afectada por las interrelaciones que
el nmero de nodos. Por ejemplo, considrese el proyecto siguiente:
Actividad Normal Intensivo
A (1,2)
8
7
B (1,3)
15
10
C (1,4)
12
6
D (2,3)
9
9
E (2,5)
11
9
F (3,6)
9
8
G (4,3)
9
7
H (4,7)
13
12
I (5,6)
7
5
J (5,8)
15
11
K (6,8)
10
5
L (7,6)
4
3
M (7,8)
12
9
Normal Intensivo
10.000
12.000
12.000
17.000
13.000
14.000
7.000
7.000
2.000
4.000
5.000
7.000
14.000
16.000
8.000
10.000
6.000
10.000
9.000
10.000
3.000
8.000
7.000
8.000
5.000
6.000
235