EF Optimizacion y Simulacion G17
EF Optimizacion y Simulacion G17
EF Optimizacion y Simulacion G17
SIMULACIÓN
“EXAMEN FINAL”
DOCENTE:
LUIS ANTONIO DURAND ROMERO
GRUPO 17:
• JAUREGUI AGUIRRE ANDERSON FABRIZIO
• FLORES ROJAS HANSSEL GUSTAVO
• HARO ALVARADO YERMI WINER
Tabla de contenido
CAPÍTULO I: INTRODUCCIÓN.................................................................................................3
1.1. Objetivo...........................................................................................................................3
1.2. Características del proyecto............................................................................................3
1.3. Importancia del proyecto................................................................................................4
1.4. Antecedentes...................................................................................................................4
CAPÍTULO II: DESARROLLO....................................................................................................6
2.1. EcoLogistics....................................................................................................................6
2.1.1. Orientación...................................................................................................................6
2.1.2. Identificación de procesos y actividades claves...........................................................6
2.2. Descripción de los casos en EcoLogistics......................................................................7
2.1.1. Caso 1: Maximización de ganancias de la distribución de productos..........................7
2.1.2. Caso 2: Minimización de costos de transporte...........................................................15
2.1.3. Caso 3: Asignación de rutas de entrega para la minimización de costos de
combustible
24
2.1.4. Caso 4: Gestión del Proyecto de Expansión del Almacén.........................................29
CAPITULO III: CONCLUSIONES Y RECOMENDACIONES................................................39
3.1. Conclusión 1: Modelo de maximización......................................................................39
3.2. Conclusión 2: Modelo de minimización.......................................................................39
3.3. Conclusión 3: Modelo de asignación............................................................................40
3.4. Conclusión 4: Modelo de red PERT-CPM...................................................................40
3.5. Recomendaciones.........................................................................................................40
CAPITULO IV: BIBLIOGRAFÍA...............................................................................................41
2
CAPÍTULO I: INTRODUCCIÓN
1.1. Objetivo
3
construcción de diagramas de red, la estimación de tiempos y la identificación del
camino crítico.
1.4. Antecedentes
5
CAPÍTULO II: DESARROLLO
2.1. EcoLogistics
2.1.1. Orientación
6
2.2. Descripción de los casos en EcoLogistics
7
totales
8
en el proceso de distribución de productos.
Definición de variables:
x1 = Cantidad de productos A (en unidades).
x2 = Cantidad de productos B (en unidades).
Función objetivo:
El objetivo de EcoLogistics es maximizar sus beneficios diarios. El beneficio por
unidad de producto A es de 10 soles y el beneficio por unidad de producto B es de 12
soles. Los costos de distribución por unidad de producto A y B son de 3 soles y 4 soles,
respectivamente. La función objetivo se expresa de la siguiente manera:
Maximizar Z= 10x1 + 12x2
Restricciones:
1. Demanda de productos A: La cantidad de productos A distribuidos no puede
superar la demanda en el mercado, que es de 300 unidades diarias. x1
≤ 300 unidades
2. Demanda de productos B: La cantidad de productos B distribuidos no puede
superar la demanda en el mercado, que es de 450 unidades diarias. x2
≤ 450 unidades
3. Capacidad de distribución: EcoLogistics tiene una capacidad máxima de
distribución de 1000 unidades diarias en total (entre productos A y B), teniendo
en cuenta los costos de distribución por unidad. 3x1 + 4x2 ≤ 1000
4. No negatividad: La cantidad de productos distribuidos no puede ser negativa.
x1 ≥ 0 unidades, x2 ≥ 0 unidades
9
10
11
Por lo tanto, la cantidad óptima de productos A a distribuir es 300 unidades, y la
cantidad óptima de productos B a distribuir es 25 unidades, con un beneficio máximo de
3300 soles.
12
Solución mediante software LINDO:
Resultados Óptimos:
El software LINDO encontró la solución óptima en el paso 2.
El valor óptimo de la función objetivo (beneficio máximo) es de 3300 soles.
Las cantidades óptimas de productos A y productos B son:
o x1 = 300 unidades
o x2 = 25 unidades
Información sobre las Variables:
Para ambas variables (x1 y x2), sus valores en la solución óptima son los
siguientes:
o x1 = 300 unidades
o x2 = 25 unidades
Los costos reducidos (reduced costs) de ambas variables son 0. Esto indica que
las variables en la solución óptima están valuadas correctamente y que no hay
margen para aumentar o disminuir su valor en la función objetivo sin afectar el
valor óptimo.
Información sobre las Restricciones:
La restricción 2 (Demanda de productos B) tiene un exceso de 0 unidades en la
solución óptima, lo que significa que se cumple exactamente la demanda de 450
13
unidades de productos B.
La restricción 3 (Capacidad de distribución) tiene un exceso de 425 unidades en
la solución óptima, lo que indica que la capacidad de distribución total de 1000
unidades no se utiliza por completo, y hay un excedente de 425 unidades
disponibles.
La restricción 4 (No negatividad) no tiene exceso en la solución óptima, lo que
significa que todas las variables son no negativas, como se esperaba.
Información sobre análisis de sensibilidad:
El software LINDO proporciona información sobre la sensibilidad de los
coeficientes de la función objetivo y los lados derechos de las restricciones. Esto
permite entender cómo cambios en estos valores afectarían la solución óptima.
Para los coeficientes de la función objetivo (beneficio por unidad de producto A
y B), se muestra que:
o El coeficiente de x1 (10) puede aumentar indefinidamente (hasta el
infinito) sin cambiar la solución óptima.
o El coeficiente de x2 (12) puede aumentar hasta 12.000 o disminuir hasta
1.333 sin cambiar la solución óptima.
Para los lados derechos de las restricciones (demanda de productos A y B,
capacidad de distribución), se muestra que:
o El lado derecho de la restricción 2 (Demanda de productos B) puede
aumentar hasta el infinito sin cambiar la solución óptima.
o El lado derecho de la restricción 3 (Capacidad de distribución) puede
aumentar hasta 1700 o disminuir hasta 100 sin cambiar la solución
óptima.
Esto significa que se tiene cierta flexibilidad en los precios de los productos (x1 y x2) y
en la capacidad de distribución antes de que la solución óptima cambie. Además, se
puede aumentar la demanda de productos B sin afectar la solución óptima. Sin embargo,
se tiene que tener en cuenta que los valores de estos cambios son teóricos y es posible
que no sean prácticos en la realidad.
Variable irrestricta
Supongamos que el beneficio por unidad de producto B (coeficiente de x2) aumenta
significativamente. Por ejemplo, aumenta de 12 soles por unidad a 20 soles por unidad.
Esto podría representar una situación en la que el precio de los productos B aumenta en
el mercado.
14
Nueva función objetivo: Maximizar Z = 10x1 + 20x2
15
Con estos nuevos coeficientes, puedes resolver nuevamente el problema para ver cómo
cambian las cantidades óptimas y el beneficio máximo. Compara estos resultados con la
solución anterior para evaluar el impacto del cambio en los precios de los productos.
Por lo tanto, en este nuevo escenario con un mayor beneficio por unidad de producto B,
la cantidad óptima de productos A(x1) es 0 unidades y la cantidad óptima de productos
B(x2) es 250 unidades, con un beneficio máximo de 5000 soles. Esto representa un
aumento en el beneficio máximo en comparación con el caso original.
16
2.1.2. Caso 2: Minimización de costos de transporte
En este caso, EcoLogistics busca minimizar los costos de transporte desde su centro de
distribución a diferentes destinos. La empresa que presta servicios a la empresa tiene 2
opciones de vehículos para la entrega: camiones pequeños y camiones grandes. La
decisión es cuántos de cada tipo de camión usar para satisfacer la demanda de sus
clientes de la manera más rentable posible.
Definición de Variables:
Función Objetivo:
17
Restricciones:
x1 ≤ 10
x2 ≤ 12
negativa. x1 ≥ 0, x2 ≥ 0
Estas restricciones aseguran que la empresa satisfaga la demanda de sus clientes y que
utilice camiones pequeños y grandes de manera eficiente para minimizar los costos de
transporte.
18
19
20
21
La solución óptima es utilizar 7 camiones pequeños y 12 camiones grandes para
minimizar los costos totales de transporte, y el costo mínimo será de 3900 soles.
22
Solución mediante software LINDO:
Resultado óptimo:
Para la variable X1, el valor óptimo es 7. Esto significa que se deben utilizar 7
camiones pequeños.
Para la variable X2, el valor óptimo es 12. Esto significa que se deben utilizar 12
camiones grandes.
Los valores de reducción de costos para ambas variables son cero. Esto
indica que no hay margen para cambiar las cantidades de producción de X1 y
X2 sin afectar el valor óptimo de la función objetivo.
23
Holgura o exceso en las restricciones (Slack or Surplus):
Número de iteraciones:
Análisis de Sensibilidad:
24
derecho de la restricción 2 puede aumentar indefinidamente sin cambiar la
solución óptima, pero si disminuye en más de 3, la solución óptima cambiará.
Para la restricción 3, el lado derecho actual es 12, y tiene un rango permitido de
aumento de 4.67 y una disminución permitida de 2. Esto significa que el lado
derecho de la restricción 3 puede aumentar hasta 4.67 sin cambiar la solución
óptima, pero si disminuye en más de 2, la solución óptima cambiará.
Para la restricción 4, el lado derecho actual es 1000, y tiene un rango permitido
de aumento de 120 y una disminución permitida de 280. Esto significa que el
lado derecho de la restricción 4 puede aumentar hasta 120 sin cambiar la
solución óptima, pero si disminuye en más de 280, la solución óptima cambiará.
En resumen, la solución óptima encontrada indica que se deben producir 7 unidades del
primer producto (X1) y 12 unidades del segundo producto (X2) para maximizar el
beneficio a un valor de 3900 soles. Además, se han proporcionado análisis de
sensibilidad que indican cómo pueden cambiar los coeficientes de la función objetivo y
los lados derechos de las restricciones sin afectar la solución óptima. También se ha
señalado que ambas variables de decisión son irrestrictas y pueden tomar cualquier
valor real.
25
2.1.3. Caso 3: Asignación de rutas de entrega para la minimización
de costos de combustible
EcoLogist es una empresa líder en su campo que se distingue por su compromiso con la
eficiencia y la sostenibilidad. Con una sólida red de distribución que abarca regiones
clave en Perú, como Ica, Puno, Arequipa y La Libertad, esta organización cuenta con un
equipo de cuatro conductores altamente capacitados y comprometidos con la entrega
segura y oportuna de una amplia gama de productos. Con un enfoque en la preservación
del medio ambiente y la reducción de la huella de carbono, EcoLogist se ha ganado la
confianza y el respeto de sus clientes y socios comerciales por igual. Enfrentados al
desafío actual de optimizar nuestros recursos y reducir el consumo de combustible,
EcoLogist se encuentra en una búsqueda constante de innovación. Con el objetivo de
maximizar la eficiencia en nuestros servicios de distribución, nos hemos propuesto el
reto de desarrollar rutas estratégicas que no solo garanticen la entrega puntual de
productos, sino que también minimicen el gasto de combustible de nuestras unidades.
Con un enfoque proactivo en la implementación de tecnologías avanzadas y el análisis
de datos en tiempo real, nos esforzamos por alcanzar un equilibrio óptimo entre la
eficiencia operativa y la sostenibilidad medioambiental.
Definición de variables:
Conductores: 4
Destinos de entrega: 4
26
Modelo de Asignación:
El método húngaro se aplicaría para encontrar la asignación óptima que minimiza los
costos totales de combustible. Una vez resuelto, EcoLogistics tendría una asignación
eficiente de rutas de entrega que le permitiría minimizar los costos de combustible y
mejorar la eficiencia de sus operaciones de entrega con los 4 conductores y 4 destinos
disponibles.
Necesitamos construir una matriz de costos que muestre los gastos en combustible entre
cada conductor y cada destino. Utilizando los datos proporcionados, la matriz de costos
se vería de la siguiente manera:
En este paso, encontramos el valor mínimo en cada fila y lo restamos a todos los
elementos de esa fila. Luego, encontramos el valor mínimo en cada columna y lo
restamos a todos los elementos de esa columna. Después de reducir filas y columnas, la
matriz de costos se vería así:
27
Paso 3: Identificar el menor costo QI por columna
28
Paso 4: Restamos QI por columna
29
Paso 5: Verificar asignación
Esta asignación final minimiza los costos totales de combustible para los 4 conductores
y 4 destinos. Cada conductor está asignado a un destino único, lo que asegura entregas
rentables.
29
Definición de Variables:
Predecesor: No
tiene. Duración: 20
días
Predecesor: No
tiene. Duración: 20
días
Duración: 40 días
30
Actividad D (Seguimiento de mercancía): El seguimiento de la mercancía en una
empresa de compra y distribución de productos es un proceso fundamental que implica
la supervisión y monitoreo continuo del movimiento de los bienes desde el punto de
origen hasta su destino final. Este proceso tiene como objetivo principal asegurar que
los productos sean entregados de manera oportuna, eficiente y segura a los clientes,
manteniendo un control preciso y transparente de su ubicación y estado en cada etapa
del proceso de distribución.
Duración: 40 días
31
Actividad E (Sostenimiento del área): El sostenimiento del área en una empresa de
compra y distribución de productos implica la gestión integral y el mantenimiento
efectivo de los espacios físicos y recursos utilizados en las operaciones diarias. Este
proceso abarca la conservación y optimización de las instalaciones, equipos, recursos
humanos y materiales, con el fin de garantizar un entorno de trabajo seguro, productivo
y eficiente.
Duración: 60 días
Duración: 40 días
Duración: 60 días
32
Predecesor: Actividad F (Órdenes de compra)
Duración: 60 días
33
Actividad I (Clausura del mes): La clausura del mes en una empresa de compra y
distribución de productos es un procedimiento crucial que implica la finalización de las
actividades y transacciones financieras de ese período específico. Este proceso es
fundamental para garantizar una contabilidad precisa y transparente, así como para
preparar informes financieros detallados que reflejen el desempeño económico de la
empresa durante ese mes en particular.
Duración: 20 días
Duración: 20 días
Duración: 20 días
Actividades del proyecto PERT-CPM:
32
Modelo de red PERT-CPM para el proyecto de expansión del almacén:
En este modelo de red, cada actividad se representa como un nodo, y las flechas indican
las relaciones de dependencia entre las actividades. Las actividades se organizan de
manera que fluyan desde el inicio del proyecto hasta su finalización.
33
Este modelo ayudará a visualizar cómo se relacionan las actividades y a planificar
adecuadamente la ejecución del proyecto. Se puede utilizarlo para calcular tiempos y
recursos, identificar el camino crítico y gestionar el proyecto de manera eficiente.
Como se puedo notar en el gráfico, el tiempo en el nodo (1) es igual a cero, para los
nodos restantes los tiempos más tempranos de sus predecesores serán sumados por la
duración de la actividad eligiendo el mayor y se finaliza en el nodo (12)
34
Como se puede observar, el tiempo en el último nodo (12) es igual al tiempo más
temprano, para cada nodo se identificarán los tiempos más tardíos de sus nodos
sucesores, restándole la duración de la actividad, eligiendo así el menor tiempo y se
finalizara en el último nodo (1), en donde su tiempo debe de ser 0.
TH = Tiempo de holgura
En el grafico se puede observar que las rutas criticas están conformadas por las
actividades B, D, E, G, F, H, I y K ya que las actividades A, C, J cuentan con un tiempo
de holgura > a cero.
35
Cálculo de red PERT-CEM: Cronograma de actividades
36
Actividades:
Información de tiempo:
"EARLY START" es el momento más temprano en que una actividad puede comenzar.
"EARLY FINISH" es el momento más temprano en que una actividad puede finalizar.
"LATE START" es el momento más tardío en que una actividad puede comenzar sin
retrasar el proyecto.
"LATE FINISH" es el momento más tardío en que una actividad puede finalizar sin
retrasar el proyecto.
37
CAPITULO III: CONCLUSIONES Y RECOMENDACIONES
Tras un análisis detallado de los casos expuestos en este informe, se puede afirmar que
la aplicación de modelos de programación lineal se ha mostrado como una herramienta
eficiente y adaptable en la toma de decisiones estratégicas en diversas áreas operativas.
En el primer caso, se evidenció la eficacia de la programación lineal para maximizar
beneficios en la distribución de productos, destacando su capacidad para optimizar
procesos de manera rentable. En el segundo caso, la estrategia de minimización de
costos de transporte mediante programación lineal resultó ser efectiva para mejorar la
eficiencia logística. De igual manera, el tercer caso demostró que la asignación de rutas
de entrega a través de un modelo específico de programación lineal fue crucial para
reducir los costos de combustible. Por último, el cuarto caso sobre la Gestión del
Proyecto de Expansión del Almacén subraya la versatilidad de la programación lineal
en la planificación y ejecución de proyectos complejos.
38
3.3. Conclusión 3: Modelo de asignación
39
CAPITULO IV: BIBLIOGRAFÍA
Conceição Menezes, P. A., & González Ladrón de Guevara, F. (2010). Maximización de los
beneficios de los sistemas ERP. JISTEM-Journal of Information Systems and Technology,
5-32. Obtenido de https://www.scielo.br/j/jistm/a/cPxQSjqsTcrpCHjk8SnDdyM/
Díaz de Las Casas, J. L. (2013). Programación lineal modelo para minimizar la merma en el
proceso de cortes de rollos de película para la elaboración de fotolitos empresa grupo
Digigraf S.A. CYBERTESIS. Obtenido de
https://cybertesis.unmsm.edu.pe/handle/20.500.12672/3387
Rock Content, P.M (2019). Qué es la gestión de proyectos o Project Management y qué
beneficios aporta a las empresas, obtenido de
https://rockcontent.com/es/blog/que-es-gestion-de-proyectos/
European Knowledge Center for Information Technology (Ed.). (2021, 13 octubre). Estudio
de viabilidad de un proyecto de software. Consultado el 26 de noviembre de 2023,
TIC Portal. https://www.ticportal.es/glosario-tic/estudio-viabilidad-software
40