Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Optimización Clase 19: Modelos de Redes Profesor: José Manuel Izquierdo Definición de Conceptos Optimización, Modelos de Redes, Mayo-2018 2 Los modelos de redes son representaciones gráficas resumidas en una unidad denominada GRAFO que contiene la interacción de 3 elementos gráficos: Nodos, Arcos y Flujos. Esta representación gráfica se traduce en un modelo matemático que mediante el empleo de matrices y vectores busca construir y determinar la interacción y equilibrios que definen el problema. La optimización de modelos de redes tiene un amplio uso en la industria del transporte, telecomunicaciones, finanzas, servicios básicos (electricidad, agua, gas), recursos humanos, etc. �� �� �� � �� �� Nodo Arco � Flujo Nodos Arcos Flujos Ciudades Carreteras Vehículos Centrales G. Líneas Elec. Electricidad Puertos Rutas Naves Central. Telef. Líneas Telef. Llamadas Gerencias Promoción Personas Bancos Bloomberg Depósitos Definición de Conceptos: Flujos Optimización, Modelos de Redes, Mayo-2018 3 Flujos Internos Flujos Externos (Salida) Flujos Externos (Entrada) Análisis de Flujos �� �� ������� �� ������ = ������,���� �� �� ������� �� ������� = �����,����� �� �� � ����� �� ������� = +"����� �� �� � ����� �� ������ = −$����� ������,���� + $����� = �����,����� + "����� ������,���� − �����,����� = "����� −$����� Definición de Conceptos: Equilibrios Optimización, Modelos de Redes, Mayo-2018 4 �� ��� %������� �� &������ −�� ��� %������� �� '������� = �� ��� ' ������ '�������/&������ ) �* � +� − ) � * � +� = ,* ���-� -. � � � /�0 �;��-� -. �é�� �� /�0 � Determinación de flujos Equilibrios Nodales 3� 4 � ����� � � ���� �� �5 �� � �� 4 � ���� �� ���� �� �� �� � �� �� �� Entradas Salidas � ,* �*, Proveedor Neto ) �* > ) � * � +� � +� ,* > 0 Cliente Neto ) �* < ) � * � +� � +� , < 0 Transbordo Neto ) �* = ) � * � +� � +� , = 0 Definición de Restricciones Optimización, Modelos de Redes, Mayo-2018 5 Restricciones de Capacidad de los Arcos Restricciones de Capacidad de los Nodos Ejercicio de transporte de hidrocarburos Optimización, Modelos de Redes, Mayo-2018 6 Sociedad Nacional del Oleoducto (SONACOL) es la empresa encargada en Chile del transporte de petróleo en oleoductos. La empresa cuenta con una red de oleoductos que conectan las dos refinerías de ENAP (Concón y Talcahuano) con los principales centros de consumo en Chile (Santiago y Valparaíso). Dicha red se encuentra resumida en el siguiente Grafo, donde por razones de aseguramiento de la continuidad del suministro cuenta con una estación de transferencia de petróleo en la localidad de Polpaico. El transporte de petróleo debe realizarse a través de la red de SONACOL, donde se tienen los siguientes costos por tramo de red de oleoducto, los cuales de miden en $ por m³ transportado, información que se resume en la tabla adjunta. La capacidad de las refinerías de ENAP consta de 700 (m³/dia) en Concón y de 900 (m³/dia), mientras que la demanda por petróleo en Santiago y Valparaíso es de 1.100 y 500 (m³/dia) respectivamente. Su misión es desarrollar un modelo de optimización que le permita a SONACOL minimizar sus costos operacionales de transporte de petróleo de manera de satisfacer la demanda de sus clientes. Ejercicio de transporte de hidrocarburos Optimización, Modelos de Redes, Mayo-2018 7 Matriz de Costos: O/D CC Stgo PP Valpo Thno CC -- 8 6 1 -- Stgo -- -- -- -- -- PP -- 2 -- -- -- Valpo -- -- -- -- -- Thno 14 15 12 -- Matriz de Capacidad: O/D CC Stgo PP Valpo Thno CC -- 400 300 390 -- Stgo -- -- -- -- -- PP -- 600 -- -- -- Valpo -- -- -- -- -- Thno 630 370 290 -- Representación gráfica: Red unidireccionada Optimización, Modelos de Redes, Mayo-2018 8 Función objetivo 9�� :���� = ) ) � , · < , 9�� :����� = 8���,>��� + 6 ���,@@ + ���,A��@� + 2�@@,>��� + 14��E��,>��� + 15��E��,@@ + 12��E��,A��@� Equilibrios nodales y restricciones de capacidad Optimización, Modelos de Redes, Mayo-2018 9 Nodo Concón Flujo Interno de Entradas Nodo Concón (fie) ��� = 0 Flujo Interno de Salidas Nodo Concón (fis) ��� = ���, >��� + ���, @@ + ���, A��@� Entradas/(Salidas) Externas Nodo Concón (fese) ���� = ,�� = +700 Equilibrio de flujos Neto Nodo Concón (Salidas-Entradas) ��� − ��� = ���� → ���, >��� +���, @@ + ���, A��@� − (0) = +700 Restricciones de capacidad de arcos 0 ≤ ���, >��� ≤ 400 0 ≤ ���, @@ ≤ 300 0 ≤ ���, A��@� ≤ 390 Equilibrios nodales y restricciones de capacidad Optimización, Modelos de Redes, Mayo-2018 10 Nodo Santiago Flujo Interno de Entradas Nodo Santiago (fie) ��� = 0 Flujo Interno de Salida Nodo Santiago (fis) ��� = ���, >��� + �@@, >��� + ��E�� , >��� Entradas/(Salidas) Externas Nodo Santiago (fese) ���� = ,>��� = −1.100 Equilibrio de flujos Neto Nodo Concón (Salidas-Entradas) Restricciones de capacidad de arcos ��� − ��� = ���� → 0 − ���, >��� − �@@, >��� − ��E�� ,>��� = −1.100 Equilibrios nodales y restricciones de capacidad Optimización, Modelos de Redes, Mayo-2018 11 Nodo Polpaico Flujo Interno de Entradas Nodo Polpaico (fie) ��� = �@@, >��� Flujo Interno de Salidas Nodo Polpaico (fis) ��� = ���, @@ + ��E��, @@ Entradas/(Salidas) Externas Nodo Polpaico (fese) ���� = ,@@ = 0 Equilibrio de flujos Neto Nodo Polpaico (Salidas-Entradas) Restricciones de capacidad de arcos ��� − ��� = ���� → �@@ >��� − ���, @@ − ��E�� ,@@ = 0 0 ≤ �@@, >��� ≤ 600 Equilibrios nodales y restricciones de capacidad Optimización, Modelos de Redes, Mayo-2018 12 Nodo Valparaíso Flujo Interno de Entradas Nodo Valparaíso (fie) ��� = 0 Flujo Interno de Salidas Nodo Valparaíso (fis) ��� = ���, A��@� + ��E��, A��@� Entradas/(Salidas) Externas Nodo Valparaíso (fese) ���� = ,A��@� = −500 Equilibrio de flujos Neto Nodo Valparaíso (Salidas-Entradas) Restricciones de capacidad de arcos ��� − ��� = ���� → 0 − ���, A��@� − ��E��,A��@� = −500 Equilibrios nodales y restricciones de capacidad Optimización, Modelos de Redes, Mayo-2018 13 Nodo Talcahuano Flujo Interno de Entradas Nodo Talcahuano (fie) ��� = 0 Flujo Interno de Salidas Nodo Talcahuano (fis) ��� = ��E��, A��@� + ��E��, @@ + ��E��, >��� Entradas/(Salidas) Externas Nodo Talcahuano (fese) ���� = ,�E�� = +900 Equilibrio de flujos Neto Nodo Talcahuano (Salidas-Entradas) Restricciones de capacidad de arcos ��� − ��� = ���� → ��E��, A��@� + ��E��, @@ + ��E��, >��� = +900 0 ≤ ��E��, @@ ≤ 370 0 ≤ ��E��, A��@� ≤ 290 0 ≤ ��E��, >��� ≤ 630 Modelo de Optimización Optimización, Modelos de Redes, Mayo-2018 14 Función objetivo: 9�� :����� = 8���,>��� + 6 ���,@@ + ���,A��@� + 2�@@,>��� + 14��E��,>��� + 15��E��,@@ + 12��E��,A��@� Restricciones: i) Equilibrios Nodales ���, >��� + ���, @@ + ���, A��@� = +700 −���, >��� − �@@, >��� − ��E�� ,>��� = −1.100 �@@, >��� − ���, @@ − ��E��,@@ = 0 −���, A��@� − ��E��,A��@� = −500 ��E��, A��@� + ��E��, @@ + ��E��, >��� = +900 ii) Capacidades de los Arcos ���, >��� ≤ 400 ���, @@ ≤ 300 ���, >��� ≤ 390 �@@, >��� ≤ 600 ��E��, @@ ≤ 370 ��E��, A��@� ≤ 290 ��E��, >��� ≤ 630 Modelo de Optimización Optimización, Modelos de Redes, Mayo-2018 15 ���,>���, ���,@@, ���,A��@�, �@@,>���, ��E��,>��� , ��E��,@@, ��E��,A��@� ≥ 0 Restricciones: iii) No Negatividad Resultados Optimización, Modelos de Redes, Mayo-2018 16 Variables: Función Objetivo Celda objetivo (Mín) Celda Nombre Valor original Valor final $C$4 Costos 0 15.730 O/D CC Stgo PP Valpo Thno CC -- 310 0 390 -- Stgo -- -- -- -- -- PP -- 160 -- -- -- Valpo -- -- -- -- -- Thno 630 160 110 -- Resultados: Restricciones Optimización, Modelos de Redes, Mayo-2018 17 Restricciones Celda Nombre Valor de la celda Fórmula Estado Demora $C$13 cap cc,stgo 310 $C$13<=$E$13 No vinculante 90 $C$14 cap cc,pp 0 $C$14<=$E$14 No vinculante 300 $C$15 cap cc,valpo 390 $C$15<=$E$15 Vinculante 0 $C$16 cap pp,stgo 160 $C$16<=$E$16 No vinculante 440 $C$17 cap thno,pp 160 $C$17<=$E$17 No vinculante 210 $C$18 cap thno,valpo 110 $C$18<=$E$18 No vinculante 180 $C$19 cap thno, stgo 630 $C$19<=$E$19 Vinculante 0 $C$8 eq n cc 700 $C$8=$E$8 Vinculante 0 $C$9 eq n stgo -1.100 $C$9=$E$9 Vinculante 0 $C$10 eq n pp 0 $C$10=$E$10 Vinculante 0 $C$11 eq n valpo -500 $C$11=$E$11 Vinculante 0 $C$12 eq n thno 900 $C$12=$E$12 Vinculante 0 Resultados: Sensibilidad Optimización, Modelos de Redes, Mayo-2018 18 Celdas de variables Final Reducido Objetivo Permisible Permisible Celda Nombre Valor Coste Coeficiente Aumentar Reducir $I$5 -- Stgo 310 0 8 0 2 $J$5 -- PP 0 0 6 1E+30 0 $K$5 -- Valpo 390 0 1 2 1E+30 $I$7 -- -- 160 0 2 2 0 $I$9 Thno -- 630 0 14 3 1E+30 $J$9 Thno -- 160 0 15 2 3 $K$9 Thno -- 110 0 12 1E+30 2 Restricciones Final Sombra Restricción Permisible Permisible Celda Nombre Valor Precio Lado derecho Aumentar Reducir $C$13 cap cc,stgo 310 0 400 1E+30 90 $C$14 cap cc,pp 0 0 300 1E+30 300 $C$15 cap cc,valpo 390 -2 390 110 90 $C$16 cap pp,stgo 160 0 600 1E+30 440 $C$17 cap thno,pp 160 0 370 1E+30 210 $C$18 cap thno, valpo 110 0 290 1E+30 180 $C$19 cap thno, stgo 630 -3 630 160 210 $C$8 eq n cc 700 8 700 0 310 $C$9 eq n stgo -1100 0 -1100 1E+30 0 $C$10 eq n pp 0 2 0 0 160 $C$11 eq n valpo -500 5 -500 0 160 $C$12 eq n thno 900 17 900 0 160 Ejercicio múltiple de transporte de hidrocarburos Optimización, Modelos de Redes, Mayo-2018 19 Considere ahora una matriz de 9 nodos donde transportar gas desde el nodo i al nodo j se tiene que pagar un Costo Variable de CVi,j por cada m³ transportado más el pago de un Cargo Fijo CFi,j en $ por la mera utilización del ducto que une los nodos i,j. Adicionalmente la red de gaseoductos consta de una capacidad limitada de transporte de gas donde cada tramo i,j consta de una Capacidad Capi,j. de (m³/día) A fin de simplificar el modelo considere que el Cargo Fijo CFi,j equivale a la misma cantidad en dinero que la Capacidad del tramo Capi,j.en (m³/día). Desarrolle un modelo de optimización que permita minimizar los costos totales de transporte de gas en un día cualquiera considerando que en los nodos 1 y 7 se inyectan a la red la cantidad 17 y 20 m³, los cuales son entregados a los clientes en los nodos 3,6 y 9 quienes consumen 10,17 y 10 m³ respectivamente. Modelo de Optimización: Red bidireccionada Optimización, Modelos de Redes, Mayo-2018 20 Modelo de Optimización Optimización, Modelos de Redes, Mayo-2018 21 O/D 1 2 3 4 5 6 7 8 9 1 -- 8 10 5 -- -- 8 -- -- 2 7 -- 7 -- 6 -- -- -- -- 3 -- 5 -- -- -- 8 -- -- -- 4 -- -- -- -- 4 -- 4 -- -- 5 -- 7 -- 2 -- 9 -- 9 -- 6 -- -- -- -- 8 -- -- -- -- 7 -- -- -- -- -- -- -- 1 -- 8 -- -- -- -- 7 -- 3 -- 10 9 -- -- -- -- -- -- -- -- -- Matriz de Costos Variables :P , Modelo de Optimización Optimización, Modelos de Redes, Mayo-2018 22 O/D 1 2 3 4 5 6 7 8 9 1 -- 30 5 13 -- -- 23 -- -- 2 25 -- 20 -- 21 -- -- -- -- 3 -- 15 -- -- -- 29 -- -- -- 4 -- -- -- -- 10 -- 33 -- -- 5 -- 25 -- 11 -- 60 -- 39 -- 6 -- -- -- -- 23 -- -- -- -- 7 -- -- -- -- -- -- -- 20 -- 8 -- -- -- -- 39 -- 17 -- 20 9 -- -- -- -- -- 17 -- -- -- Matriz de Costos Fijos :� , Modelo de Optimización Optimización, Modelos de Redes, Mayo-2018 23 O/D 1 2 3 4 5 6 7 8 9 1 -- 30 5 13 -- -- 23 -- -- 2 25 -- 20 -- 21 -- -- -- -- 3 -- 15 -- -- -- 29 -- -- -- 4 -- -- -- -- 10 -- 33 -- -- 5 -- 25 -- 11 -- 60 -- 39 -- 6 -- -- -- -- 23 -- -- -- -- 7 -- -- -- -- -- -- -- 20 -- 8 -- -- -- -- 39 -- 17 -- 20 9 -- -- -- -- -- 37 -- -- -- Matriz de Capacidad :�Q�<���� , Modelo de Optimización Optimización, Modelos de Redes, Mayo-2018 24 Flujos Externos Flujos Externos de Entrada ��* Flujos Externos de Salida ��* Nodo RST 1 +17 2 0 3 0 4 0 5 0 6 0 7 +20 8 0 9 0 Nodo RsT 1 0 2 0 3 -10 4 0 5 0 6 -17 7 0 8 0 9 -10 Modelo de Solución problema general de red de gas Optimización, Modelos de Redes, Mayo-2018 25 Definición de Variables: � , : �� �� ����� �� ���� �� ���5�� � �� ���� �� ������� � � = 1 → � = 9; � = 1 → � = 9 , : W����,�� ,������ ��,�� �� ����X�<�ó� ��� ���Z� ����<�� ����� ���� ���<�� � ���� ������� � , = 1 �� �� ����X� �� � �� ����<�� ����� ���� �� ���<�� � � ���� �� ������� �; 0 �� �� �� ����X� Función objetivo: 9�� :�����[������ = ) ) � , · :P , �+\ +� �+\ +� + ) ) , · :� , �+\ +� �+\ +� :���� P����,�� = ) ) � , · :P , �+\ +� �+\ +� :���� ���� = ) ) , · :� , �+\ +� �+\ +� Modelo de Solución Optimización, Modelos de Redes, Mayo-2018 26 Nodo Genérico K Flujo Interno de Salidas Nodo K (fis) ��� = ) �*, *+�→�+\ �+\ +� Flujo Interno de Entradas Nodo K (fie) ��� = ) � ,* *+�→�+\ �+\ +� Equilibrio de flujos Neto Nodo K (Salidas-Entradas) Entradas/(Salidas) Externas Nodo K (fese) ���� = ��* + ��* � = 1 → � = 9 ) �*, − �+\ +� ) � ,* = �+\ +� ��* + ��* � = 1 → � = 9 Restricciones de capacidad y utilización de arcos �*, ≤ <�Q�<����*, � = 1 → � = 9; � = 1 → � = 9 Restricciones de Equilibrio Binario �*, ≤ <�Q�<����*, · , � = 1 → � = 9 � = 1 → � = 9 Modelo de Solución: Método de Floyd Optimización, Modelos de Redes, Mayo-2018 27 Para las rutas directas que en realidad no existen, por ejemplo ir directamente del nodo 1 al nodo 9, modifique la matrices de costos y capacidades de arcos, de manera que en la matriz de costos donde no existe ruta directa,. Para el caso de la matriz de costos cree una ruta ficticia directa cuyo costo es infinito, lo cual se traduce en la práctica un número extremadamente grande por ejemplo ir directamente desde el nodo 1 al nodo 9 costaría 999, de esta manera al momento de resolver el problema el utilizar esta nueva ruta sería tan altamente costosa que el algoritmo de solución inmediatamente la descartaría y buscaría una solución de mínimo costo a través de combinaciones de rutas directas que si existen. Si el problema de optimización considera restricciones de capacidades en los arcos, en la matriz de restricciones de capacidad de los arcos para las rutas directas entre nodos que no existen modifique el contenido de la capacidad y hágalo valer 0, de esta forma el método de solución no asignará flujo alguno a esta ruta ficticia puesto que al verificar la capacidad disponible de flujo entre estos 2 arcos estará obligado a asignar un valor de 0 para cumplir con la restricción. De esta manera el método de solución solamente buscará soluciones posibles a través de combinaciones de rutas directas cuya capacidad no sea nula. Modelo de Optimización Optimización, Modelos de Redes, Mayo-2018 28 O/D 1 2 3 4 5 6 7 8 9 1 9999 8 10 5 9999 9999 8 9999 9999 2 7 9999 7 9999 6 9999 9999 9999 9999 3 9999 5 9999 9999 9999 8 9999 9999 9999 4 9999 9999 9999 9999 4 9999 4 9999 9999 5 9999 7 9999 2 9999 9 9999 9 9999 6 9999 9999 9999 9999 8 9999 9999 9999 9999 7 9999 9999 9999 9999 9999 9999 9999 1 9999 8 9999 9999 9999 9999 7 9999 3 9999 10 9 9999 9999 9999 9999 9999 37 9999 9999 9999 Matriz de Costos Variables Redefinida para Algoritmo de Floyd :P , Modelo de Optimización Optimización, Modelos de Redes, Mayo-2018 29 O/D 1 2 3 4 5 6 7 8 9 1 0 30 5 13 0 0 23 0 0 2 25 0 20 0 21 0 0 0 0 3 0 15 0 0 0 29 0 0 0 4 0 0 0 0 10 0 33 0 0 5 0 25 0 11 0 60 0 39 0 6 0 0 0 0 23 0 0 0 0 7 0 0 0 0 0 0 0 20 0 8 0 0 0 0 39 0 17 0 20 9 0 0 0 0 0 17 0 0 0 Matriz de Capacidad redefinida para Algoritmo de Floyd :�Q�<���� , Modelo de Solución: Método de Floyd Optimización, Modelos de Redes, Mayo-2018 30 Función objetivo: Restricciones: i) Equilibrios Nodales ) �*, − �+\ +� ) � ,* = �+\ +� ��* + ��* � = 1 → � = 9 ii) Capacidades de los Arcos y Equilibrio Binario � , ≥ 0 , ]������{0; 1} � = 1 → � = 9 � = 1 → � = 9 9�� :�����[������ = ) ) � , · :P ,* �+\ +� �+\ +� + ) ) , · :� ,* �+\ +� �+\ +� �*, ≤ <�Q�<����*, · , � = 1 → � = 9 � = 1 → � = 9 iii) No Negatividad y Variables Binarias Modelos de Redes: Análisis de pérdidas Optimización, Modelos de Redes, Mayo-2018 31 En muchasactividades de transporte y procesos productivos se producen pérdidas de recursos ya sea por ejemplo filtraciones, robos, obsolescencia, pudriciones, entre otros. Ante esta realidad los modelos de redes deben ser capaces de representar matemáticamente estos fenómenos de manera de poder ajustar el proceso de maximización o minimización cuando corresponda. El modelamiento matemático de pérdidas en flujo de redes se subdivide en dos grandes categorías: Pérdidas en los arcos que conectan los nodos y pérdidas en los nodos propiamente tales, ejemplos del primer tipo de pérdidas serían filtraciones en ductos de agua, robos a camiones, productos que no alcanzan cierto nivel de calidad entre etapas productivas, etc, mientras que ejemplos de pérdidas en los nodos pueden encontrarse casos tales como: Obsolescencia o pudriciones de mercaderías almacenadas en una bodega, robos al interior de estas, daños al proceso productivo en estaciones de trabajo, entre otros. Una vez identificada si la pérdida se produce en los arcos o si ocurren en los nodos, es necesario saber si se pide o no realizar una gestión de dichas pérdidas a fin de calibrar el modelo matemático, en base a lo anterior el análisis de estas situaciones se detallan en los siguientes ejemplos. Análisis de pérdidas en los arcos: Sin gestión de pérdidas Optimización, Modelos de Redes, Mayo-2018 32 Considere una red de 3 nodos 1, 2 y 3, donde el flujo entre los nodos 2 y 3 existe una pérdida equivalente al 10% del flujo que sale desde el nodo 2 al nodo 3 i) Equilibrio Nodo 2 ��, ` − ��,� = 0 ii) Equilibrio Nodo 3 0 − 0,9��, ` − ��,` = −$ Análisis de pérdidas en los arcos: Con gestión de pérdidas Optimización, Modelos de Redes, Mayo-2018 33 Considere una red de 3 nodos 1, 2 y 3, donde el flujo entre los nodos 2 y 3 existe una pérdida equivalente al 10% del flujo que sale desde el nodo 2 al nodo 3 Análisis de pérdidas en los arcos: Con gestión de pérdidas Optimización, Modelos de Redes, Mayo-2018 34 i) Equilibrio Nodo 2 ii) Equilibrio Nodo 3 iii) Equilibrio Nodo P - Equilibrio de Pérdida��,a��,` = 1090 ��� = ��,` + ��,a ��� = ��,� ���� = 0 ��� − ��� = ���� → ��,` + ��,a − ��,� = 0 ��� = 0 ��� = ��,` + ��,` ���� = −$ 0 − ��,` − ��,` = −$ ��� = 0 ��� = ��,a ���� = −b ��� − ��� = ���� → 0 − ��,a = −b Análisis de pérdidas en los nodos: Con gestión de pérdidas Optimización, Modelos de Redes, Mayo-2018 35 Considere una red de 4 nodos 1, 2,3 y 4, donde el nodo 2 presenta una pérdida equivalente al 15% de la cantidad recibida Análisis de pérdidas en los nodos: Con gestión de pérdidas Optimización, Modelos de Redes, Mayo-2018 36 i) Equilibrio Nodo 2 ��� = ��,` + ��,a ��� = ��,� + �c,� ���� = 0 ��� − ��� = ���� → ��,` + ��,a − ��,� − �c,� = 0 - Equilibrio de Pérdida��,a = 0,15 ��,� + �c,� i) Equilibrio Nodo P ��� = 0 ��� = ��,a ���� = −b ��� − ��� = ���� → 0 − ��,a = −b Ejemplo de Aplicación de Modelos de Redes Ejercicio modificado del propuesto por profesor Marco Caserta IE Business School Optimización, Modelos de Redes, Mayo-2018 37 Coopedala es una Cooperativa Agrícola dedicada al desarrollo de la agricultura en la X Región de los Lagos y cuenta con 4 puntos de venta de forraje para animales ubicados en las comunas de Osorno, Llanquihue, Puerto Varas y Puerto Montt, a fin de proveer de mejor manera a sus puntos de venta, la empresa cuenta con 3 centros de acopio ubicados en los kilómetros 950, 999, y 1.030 de la ruta 5 sur, según el modelo de negocios no está permitido que un punto de venta abastezca a otro punto de venta, ni acumular productos de un período para otro. La demanda en toneladas por productos agrícolas en cada unos de los centros de venta se resume en la tabla N1, al igual que la capacidad de almacenamiento de sus 3 centros de acopio en toneladas, y el respectivo costo de transporte por tonelada. Su misión es determinar la programación de despachos desde los centros de acopio a los puntos de venta de manera que Coopedala minimice sus costos de envío. Ejemplo de Aplicación de Modelos de Redes Transporte Optimización, Modelos de Redes, Mayo-2018 38 Costo ($) Osorno (Ve) Llanquihue (Vf) P. Varas (Vg) P. Montt (Vh)i� 950 (b�) 10.260 54.435 68.023 87.465 i� 999 (b�) 60.025 2.400 21.250 45.375 i` 1.030 (b̀ ) 93.080 40.872 16.900 3.220 Capacidad Tons. i� 950 (b�) 700 i� 999 (b�) 900 i` 1.030 (b̀ ) 600 Total 2.200 Venta Tons. Osorno (Ve) 600 Llanquihue (Vf) 400 P. Varas (Vg) 500 P. Montt (Vh) 700 Total 2.200 Ejemplo de Aplicación de Modelos de Redes Transporte Optimización, Modelos de Redes, Mayo-2018 39 Fenómeno a Estudiar: Minimización de costos totales de transporte mediante la visualización de un Grafo que representa al problema, teniendo en cuenta restricciones de capacidad de almacenaje y ventas Variables: , como la cantidad de toneladas de producto que se transportan del Almacen/Proveedor i al lugar donde se realiza la Venta j Parámetros: < , costo por tonelada de producto transportado desde el Almacen/Proveedor Pi al lugar donde se realiza la Venta j :�Q capacidad instalada para almacenar del Almacen/Proveedor Pi i=1-3 proveedores (950, 999, 1.030) j�Z demanda por productos en el cento de ventas Vj, j=1-4 centros de ventas (Osorno, Llanquihue, P. Varas, P. Montt) Ejemplo de Aplicación de Modelos de Redes Transporte Optimización, Modelos de Redes, Mayo-2018 40 b +� b +� b +` P +� P +� P +` P +c :�Q� = 700 = ) �, �+c +� :�Q� = 900 = ) �, �+c +� :�Q` = 600 = ) `, �+c +� j�Z� = 600 = ) ,� �+` +� j�Z� = 400 = ) ,� �+` +� j�Z` = 500 = ) ,` �+` +� < j�Zc = 700 = ) ,c �+` +� n=3 Proveedores (i) (Salidas) m=4 Clientes(j) (Entradas) Ejemplo de Aplicación de Modelos de Redes de Transporte Optimización, Modelos de Redes, Mayo-2018 41 Representación Matricial del Problema: �� ��� , Osorno (Ve) Llanquihue (Vf) P. Varas (Vg) P. Montt (Vh) Total i� 950 (b�) �,� �,� �,` �,c ) �, = 700�+c +� i� 999 (b�) �,� �,� �,` �,c ) �, = 900 �+c +� i` 1.030 (b̀ ) `,� `,� `,` `,c ) `, = 600 �+c +� Total ) ,� = 600�+` +� ) ,� = 400 �+` +� ) ,` �+` +� = 500 ) ,` �+` +� = 700 ) ) , = �+c +� �+` +� 2.200 Ejemplo de Aplicación de Modelos de Redes de Transporte Optimización, Modelos de Redes, Mayo-2018 42 ) , =�+c +� :�Q � = 1 → 3 k �,� + �,� + �,` + �,c = 700 �,� + �,� + �,` + �,c = 900 `,� + `,� + `,` + `,c = 600 Función Objetivo: 9�� :����� = ) ) < , �+c +� , �+` +� 9�� 10.260 �,� + 54.435 �,� + 68.023 �,` + 87.465 �,c +60.025 �,� + 2.400 �,� + 21.250 �,` + 45.375 �,c +93.080 `,� + 40.872 `,� + 16.900 `,` + 3.220 `,c Restricciones: i) Capacidad ) , =�+` +� j�Z � = 1 → 4 �,� + �,� + `,� = 600 �,� + �,� + `,� = 400 �,` + �,` + `,` = 500 �,c + �,c + `,c = 700 ii) Demanda iii) No Negatividad , ≥ 0 � = 1 → 3, j = 1 → 4 Ejemplo de Aplicación de Modelos de Redes de Transporte Optimización, Modelos de Redes, Mayo-2018 43 Solución: �� ��� , Osorno (Ve) Llanquihue (Vf) P. Varas (Vg) P. Montt (Vh) Total i� 950 (b�) �,� = 600 �,� = 0 �,` = 0 �,c = 100 ) ,� = 700�+c +� i� 999 (b�) �,� = 0 �,� = 400 �,` = 500 �,c = 0 ) ,� = 900 �+c +� i` 1.030 (b̀ ) `,� = 0 `,� = 0 `,` = 0 `,c = 600 ) ,� = 600 �+c +� Total ) ,� = 600�+` +� ) ,� = 400 �+` +� ) ,` �+` +� = 500 ) ,c �+` +� = 700 ) ) , = �+c +� �+` +� 2.200 :����� = 10.260(600) + 54.435(0) + 68.023(0) + 87.465(100)+60.025(0) + 2.400(400) + 21.250(500)+ 45.375(0)+93.080(0) + 40.872(0) + 16.900(0) + 3.220(600) = $28.419.500 Reformulación del problema con Exceso de Capacidad Optimización, Modelos de Redes, Mayo-2018 44 El problema anterior, se reformula debido al hecho que el cliente de Puerto Montt inesperadamente modificó su pedido reduciéndolo de 700 ton a 500 ton . El problema surge del hecho de que los centros de distribución no pueden almacenar el exceso de oferta y lo que sobre debe ser desechado con un costo específico. Capacidad Tons.i� 950 (b�) 700 i� 999 (b�) 900 i` 1.030 (b̀ ) 600 Total 2.200 Venta Tons. Osorno (Ve) 600 Llanquihue (Vf) 400 P. Varas (Vg) 500 P. Montt (Vh) 500 Total 2.000 Costo ($) Osorno (Ve) Llanquihue (Vf) P. Varas (Vg) P. Montt (Vh) Desecho (Vn)i� 950 (b�) 10.260 54.435 68.023 87.465 20.200 i� 999 (b�) 60.025 2.400 21.250 45.375 3.050 i` 1.030 (b̀ ) 93.080 40.872 16.900 3.220 2.900 Reformulación del problema con Exceso de Capacidad Optimización, Modelos de Redes, Mayo-2018 45 b +� b +� b +` P +� P +� P +` P +c :�Q� = 700 = ) �, �+n +� :�Q� = 1.100 = ) �, �+n +� :�Q` = 600 = ) `, �+n +� j�Z� = 600 = ) ,��+` +� j�Z� = 400 = ) ,��+` +� j�Z` = 500 = ) ,`�+` +� < j�Zc = 500 = ) ,c�+` +� n=3 Proveedores (i) (Salidas) m=5 Clientes(j) (Entradas) P +n j�Zn = ) :�Q −�+` +� ) j�Z = ) ,n �+` +� �+c +� Reformulación del problema con Exceso de Capacidad Optimización, Modelos de Redes, Mayo-2018 46 ) , =�+n +� :�Q � = 1 → 3 Función Objetivo: 9�� :����� = ) ) < , �+n +� , �+` +� Restricciones: i) Capacidad ) , =�+` +� j�Z � = 1 → 4 ii) Demanda iii) No Negatividad , ≥ 0 � = 1 → 3, j = 1 → 5 ) ,n =�+` +� ) :�Q − ) j�Z c +� �+` +� Reformulación del problema con Exceso de Capacidad Optimización, Modelos de Redes, Mayo-2018 47 Solución: �� ��� , Osorno (Ve) Llanq. (Vf) P. Varas (Vg) P. Montt (Vh) Desecho (Vn) Total i� 950 (b�) �,� = 600 �,� = 0 �,` = 0 �,c = 0 �,n = 100 ) �, = 700�+n +� i� 999 (b�) �,� = 0 �,� = 400 �,` = 400 �,c = 0 �,n = 100 ) �, = 900 �+n +� i` 1.030 (b̀ ) `,� = 0 `,� = 0 `,` = 100 `,c = 500 `,n = 0 ) `, = 600 �+n +� Total ) ,� = 600�+` +� ) ,� = 400 �+` +� ) ,` �+` +� = 500 ) ,c �+` +� = 500 ) ,n �+` +� = 200 ) ) , = �+c +� �+` +� 2.000 :����� = 10.260 600 + 54.435 0 + 68.023 0 + 87.465 0 + 20.200(100)+60.025 0 + 2.400 400 + 21.250 400 + 45.375 0 + 3.050(100)+93.080 0 + 40.872 0 + 16.900 0 + 3.220 500 + 2.900(0) = $21.241.000 Reformulación del problema con Exceso de Demanda Optimización, Modelos de Redes, Mayo-2018 48 El problema anterior nuevamente se reformula debido al hecho que por un incidente el centro de Acopio en el Km 99 disminuye su capacidad de 900 ton a 750 ton. Esto implica en la práctica que la empresa debe de adquirir las toneladas faltantes a un proveedor externo, teniendo que pagar los costos asociados al transporte del tercero a los cliente de Coopedala para cumplir con el pedido original de 2.200 tons Capacidad Tons.i� 950 (b�) 700 i� 999 (b�) 750 i` 1.030 (b̀ ) 600 Total 2.050 Venta Tons. Osorno (Ve) 600 Llanquihue (Vf) 400 P. Varas (Vg) 500 P. Montt (Vh) 700 Total 2.200 Costo ($) Osorno (Ve) Llanquihue (Vf) P. Varas (Vg) P. Montt (Vh)i� 950 (b�) 10.260 54.435 68.023 87.465 i� 999 (b�) 60.025 2.400 21.250 45.375 i` 1.030 (b̀ ) 93.080 40.872 16.900 3.220 ic Exter. (bc) 30.200 42.500 54.900 71.150 Ejemplo de Aplicación de Modelos de Redes Transporte Optimización, Modelos de Redes, Mayo-2018 49 b +� b +� b +` P +� P +� P +` P +c :�Q� = 700 = ) �, �+c +� :�Q� = 750 = ) �, �+c +� :�Q` = 600 = ) `, �+c +� j�Z� = 600 = ) ,��+c +� j�Z� = 400 = ) ,��+c +� j�Z` = 500 = ) ,`�+` +� < j�Zc = 700 = ) ,c�+` +� n=3 Proveedores (i) (Salidas) m=4 Clientes(j) (Entradas) :�Qc = ) j�Z − ) :�Q �+` +� = ) c, �+c +� �+c +� b +c Reformulación del problema con Exceso de Demanda Optimización, Modelos de Redes, Mayo-2018 50 ) , =�+c +� :�Q � = 1 → 3 Función Objetivo: 9�� :����� = ) ) < , �+c +� , �+c +� Restricciones: i) Capacidad ) , =�+c +� j�Z � = 1 → 4 ii) Demanda iii) No Negatividad , ≥ 0 � = 1 → 4, j = 1 → 4 ) c, =�+c +� ) j�Z − ) :�Q �+` +� �+c +� Reformulación del problema con Exceso de Demanda Optimización, Modelos de Redes, Mayo-2018 51 Solución: :����� = 10.260 600 + 54.435 0 + 68.023 0 + 87.465 100+60.025 0 + 2.400 400 + 21.250 350 + 45.375 0+93.080 0 + 40.872 0 + 16.900 0 + 3.220 600 +30.200 0 + 42.500 0 + 54.900 50 + 71.150(100) = $33.151.750 �� ��� , Osorno (Ve) Llanquihue (Vf) P. Varas (Vg) P. Montt (Vh) Total i� 950 (b�) �,� = 600 �,� = 0 �,` = 100 �,c = 0 ) �, = 700�+c +� i� 999 (b�) �,� = 0 �,� = 400 �,` = 350 �,c = 0 ) �, = 750 �+c +� i` 1.030 (b̀ ) `,� = 0 `,� = 0 `,` = 0 `,c = 600 ) `, = 600 �+c +� ic Exter. (bc) c,� = 0 c� = 0 c,` = 50 c,c = 100 ) c, = 150 �+c +� Total ) ,� = 600�+c +� ) ,� = 400 �+c +� ) ,` �+c +� = 500 ) ,c �+c +� = 700 ) ) , = �+c +� �+` +� 2.200 Optimización Clase 19: Modelos de Redes Anexo de Ejercicios Ruta más corta de origen 1 a destino n Ejercicio propuesto por profesor M. Rojas, U. Andes Optimización, Modelos de Redes, Mayo-2018 53 Suponga que la red corresponde a una pequeña parte de un pueblo, donde los nodos son los cruces entre caminos y los arcos son los caminos que unen dichos cruces; suponga que usted conoce el valor exacto de la distancia (en kilómetros) que existe entre un cruce y otro, dicho valor es � . Con �, � ∈ ^1,… , �_ (b.2) a. Formule un modelo de optimización que le permita encontrar la ruta más corta desde el nodo 1 al nodo �. b. Suponga ahora que dado lo complejo de los caminos (algunos son de tierra, otros tienen barro, etc.) usted en el tramo � # � puede andar a una velocidad W (con �, � ∈ ^1,… , �_). Señale los cambios que habría que hacerle al modelo en a) para que se permita encontrar esta vez la ruta más que le permite llegar desde el nodo 1 al nodo n en el menor tiempo posible 1 n Ruta más corta de origen 1 a destino n: Solución Optimización, Modelos de Redes, Mayo-2018 54 a. Formule un modelo de optimización que le permita encontrar la ruta más corta desde el nodo 1 al nodo �. Definición de Variables: � = ]������ 0; 1 � = 1 �� �� <��� �ó� ����� �� ���� �� ���5�� � <�� ������� � Q������<� � �� � �� �� Z���Z� <���� � = 0 �� �� <��� �ó� �� Q������<� � � �� �� Z���Z� <���� Nodo 1: �� �� ������� �� ������ (���) = ) ��, � +��� �� ������� �� �������(���) = 0 �� �� � ����� �� ������� v ��������(����) = +1 ��� − ��� = ���� → ) ��, � +� = +1������<<�ó�: ��,� = 0 Ruta más corta de origen 1 a destino n: Solución Optimización, Modelos de Redes, Mayo-2018 55 a. Formule un modelo de optimización que le permita encontrar la ruta más corta desde el nodo 1 al nodo �. Nodo T = f. . w # e: �� �� ������� �� ������ (���) = ) �*, � +� �� �� ������� �� �������(���) = ) � ,*� +��� �� � ����� �� ������� v ��������(����) = 0 ��� − ��� = ���� → ) �*, − ) � ,*� +� � +� = 0 ������<<�ó�: �*,* = 0 Ruta más corta de origen 1 a destino n: Solución Optimización, Modelos de Redes, Mayo-2018 56 a. Formule un modelo de optimización que le permita encontrar la ruta más corta desde el nodo 1 al nodo �. Nodo w: �� �� ������� �� ������ (���) = 0 �� �� ������� �� �������(���) = ) � ,�� +��� �� � ����� �� ������� v �������� ���� = −1 ��� − ��� = ���� → − ) � ,�� +� = −1������<<�ó�: ��,� = 0 Función Objetivo: 9�� ������<�� = ) ) � , · � , � +� � +� � , ]������ 0; 1 � = 1. . � � = 1. . � Ruta más corta de origen 1 a destino n: Solución Optimización, Modelos de Redes, Mayo-2018 57 b. Suponga ahora que dado lo complejo de los caminos (algunos son de tierra, otros tienen barro, etc.) usted en el tramo � # � puede andar a una velocidad W (con �, � ∈ {1, … , �}). Señale los cambios que habríaque hacerle al modelo en a) para que se permita encontrar esta vez la ruta más que le permite llegar desde el nodo 1 al nodo n en el menor tiempo posible W���<���� = ������<�����ZQ� → ���ZQ� = ������<��W���<���� 9�� ���ZQ� = ) ) � , · � , W , � +� � +� Función Objetivo: Producción de ampolletas Ejercicio propuesto por profesor M. Rojas, U. Andes Optimización, Modelos de Redes, Mayo-2018 58 Una empresa manufacturera produce ampolletas y las distribuye a 5 mayoristas a un precio de entrega de $ 250 por unidad. Las proyecciones de ventas indican que las ventas para el próximo mes serán de 2.700, 2.600, 9.000, 4.500 y 3.600 ampolletas a los distribuidores mayoristas 1-5, respectivamente. La compañía cuenta con tres plantas productivas de capacidades de producción de 5.500, 9.000 y 11.250 ampolletas en las plantas 1, 2 y 3, respectivamente. Los costos unitarios de producir cada ampolleta son $ 200 en la planta 1, $ 100 en la planta 2 y $ 180 en la planta 3. El costo de transporte de envío en $ por ampolleta desde una planta a un distribuidor mayorista se muestra a continuación Planta\Mayorista 1 2 3 4 5 Planta 1 $5 $7 $11 $15 $16 Planta 2 $8 $6 $10 $12 $15 Planta 3 $10 $9 $9 $10 $16 Formule un modelo de optimización que maximice la utilidad cumpliendo los requerimientos de demanda de los mayoristas. (c.1) Producción de ampolletas: Solución Optimización, Modelos de Redes, Mayo-2018 59 Definición de Variables: = <������� �� �ZQ������� � Q��� <�� �� �� Q����� �; � = 1 Q����� 1; � = 2 Q����� 2; � = 3 Q����� 3�@ ,� = <������� �� �ZQ������� � �����Q����� ����� �� Q����� � �� Z�v������ �; � = 1 Z�v������ 1;� = 2 Z�v������ 2; j = 3 mayorista 3; j = 4 mayorita 4; j = 5 mayorista 5 Grafo: Producción de ampolletas: Solución Optimización, Modelos de Redes, Mayo-2018 60 Equilibrios nodales y restricciones: Nodo Planta 1 (P1) ��� = �@�,�� + �@�,�� + �@�,�` + �@�,�c + �@�,�n��� = 0���� = + ���� − ��� = ���� → �@�,�� + �@�,�� + �@�,�` + �@�,�c + �@�,�n = + �<�Q�<���� Q����� 1 → � ≤ 5.500 Nodo Planta 2 (P2) ��� = �@�,�� + �@�,�� + �@�,�` + �@�,�c + �@�,�n��� = 0���� = + ���� − ��� = ���� → �@�,�� + �@�,�� + �@�,�` + �@�,�c + �@�,�n = + �<�Q�<���� Q����� 2 → � ≤ 9.000 Producción de ampolletas: Solución Optimización, Modelos de Redes, Mayo-2018 61 Equilibrios nodales y restricciones: Nodo Planta 3 (P3) ��� = �@`,�� + �@`,�� + �@`,�` + �@`,�c + �@`,�n��� = 0���� = + `��� − ��� = ���� → �@`�� + �@`,�� + �@`,�` + �@`,�c + �@`,�n = + `<�Q�<���� Q����� 3 → ` ≤ 11.250 Nodo Mayorista 1 (M1) ��� = 0��� = �@�,�� + �@�,�� + �@`,������ − 2.700��� − ��� = ���� → 0 − �@�,�� − �@�,�� − �@`,�� = −2.700 Producción de ampolletas: Solución Optimización, Modelos de Redes, Mayo-2018 62 Equilibrios nodales y restricciones: Nodo Mayorista 2 (M2) ��� = 0 ��� = �@�,�� + �@�,�� + �@`,������ − 2.600��� − ��� = ���� → 0 − �@�,�� − �@�,�� − �@`,�� = −2.600 Nodo Mayorista 3 (M3) ��� = 0��� = �@�,�` + �@�,�` + �@`,�`���� − 9.000 ��� # ��� = ���� → 0 # �@�,�` − �@�,�` − �@`,�` = −9.000 Producción de ampolletas: Solución Optimización, Modelos de Redes, Mayo-2018 63 Equilibrios nodales y restricciones: Nodo Mayorista 4 (M4) ��� = 0 ��� = �@�,�c + �@�,�c + �@`,�c���� − 4.500��� − ��� = ���� → 0 − �@�,�c − �@�,�c − �@`,�c = −4.500 Nodo Mayorista 5 (M5) ��� = 0��� = �@�,�n + �@�,�n + �@`,�n���� − 3.600��� − ��� = ���� → 0 − �@�,�n − �@�,�n − �@`,�n = −3.600 Producción de ampolletas: Solución Optimización, Modelos de Redes, Mayo-2018 64 Función Objetivo y restricciones: :���� Q��� <<�ó� = 200 � + 100 � − 180 ` :���� �����Q���� = ) ) �@ ;� · <� n +� ` +� 9� }������� = 250 ) − 200 � − 100 � − 180 ` − ) ) �@ ;� · <� n +� ` +� ` +� ≥ 0 �@ ,� ≥ 0 , �@ ,� ∃� � = 1. . 3 � = 1. . 5 %�5����� Q�� P���� = 250 � + � + ` Ejemplo: Flujo de Red a Mínimo Costo Optimización, Modelos de Redes, Mayo-2018 65 Chile Expreso es una empresa de logística que se dedica al transporte de encomiendas, para lo cual cuenta con 2 centros de acopio donde se reciben los productos y 5 oficinas comerciales las cuales entregan las encomiendas a los clientes. Los centros de acopio de encomiendas se encuentran ubicados en las comuna de Lampa en las inmediaciones del Aeropuerto SCL mientras que el segundo centro de acopio se localiza en la comuna de Independencia el cual recibe las encomiendas desde los puertos de Valparaíso y San Antonio. Las oficinas comerciales se encuentran ubicadas en las comunas de Quilicura, Providencia, La Reina, Stgo. Centro y Maipú Tanto los centros de acopio como las oficinas de ventas no pueden acumular encomiendas de un día para otro. El requerimiento de encomiendas para el día Martes 6 de Octubre de 2015 indica lo siguiente: 200 encomiendas llegarán vía aérea al centro de acopio de Lampa, mientras que 500 encomiendas llegarán vía terrestre al centro de acopio de Independencia. Los requerimientos de clientes para ese día son los siguientes: Providencia 150, La Reina 125, Maipú 195, Quilicura 90, Stgo C. 140. La Matriz de costo de transporte calibrada para el día Martes 6 de Octubre indica los siguientes precios por ruta y no existe restricciones de capacidad de transporte por ruta. Su misión es determinar la asignación de transporte de encomiendas de manera de poder cumplir con los requerimientos de los clientes a mínimo costo considerando que no hay restricciones de capacidad a través de la rutas de transporte ni de proceso de encomiendas en los nodos (c.1) Ejemplo: Flujo de Red a Mínimo Costo Optimización, Modelos de Redes, Mayo-2018 66 $/Encomienda Independencia Providencia La Reina Maipu Lampa Quilicura Stgo. Centro Independencia -- 2.800 -- -- -- 900 600 Providencia 2.750 -- 1.970 -- -- -- 750 La Reina -- 2.001 -- 4.150 -- -- 1.020 Maipu -- -- 4.001 -- 3.970 -- 4.120 Lampa -- -- -- 3.965 -- 2.950 4.125 Quilicura 895 -- -- -- 3.005 -- 2.005 Stgo. Centro 605 745 999 4.220 4.435 2.105 -- Proveedores bj Independencia 500 Lampa 200 Clientes bj Providencia -150 La Reina -125 Maipú -195 Quilicura -90 Stgo. Centro -140 Ejemplo de Flujo de Red a Mínimo Costo Optimización, Modelos de Redes, Mayo-2018 67 Fenómeno a Estudiar: Minimización de costos totales de transporte mediante la visualización de un Grafo que representa al problema, teniendo en cuenta restricciones de capacidad de almacenaje y ventas, cada centro de acopio y oficina de ventas es un nodo del grafo Variables: , : Cantidad de encomiendas que se transportan desde el nodo i con destino al nodo j Parámetros: < , : Costo de transportar una encomienda desde el nodo i con destino el nodo j , : Entradas/Salidas de flujos externos ya sea de Proveedores Externos o Clientes Externos Ejemplo de Flujo de Red a Mínimo Costo Optimización, Modelos de Redes, Mayo-2018 68 Independencia Providencia La Reina Maipú Lampa Quilicura Stgo. C. 1 2 3 4 5 6 7 < Ejemplo de Flujo de Red a Mínimo Costo Optimización, Modelos de Redes, Mayo-2018 69 Independencia Lampa Quilicura Stgo. C. 1 5 6 7 �,� �,� �,� �,� �,n n,� ,�Clientes Entradas de Flujo Interno Nodo Quilicura �,� + �,� + n,� Salidas de Flujo Interno Nodo Quilicura �,� + �,� + �,n Entradas/Salidas Externas a Quilicura ,� = #90 Equilibrio de flujos Neto Nodo Quilicura (Salidas-Entradas) �,� + �,� + �,n − �,� − �,� − n,� = ,� �,� + �,� + n,� −( �,� + �,� + �,n) + ,� = 0 Ejemplo de Flujo de Red a Mínimo Costo Optimización, Modelos de Redes, Mayo-2018 70 Maipú Lampa Quilicura Stgo. C. 4 5 6 7 Proveedores ,n n,� �,n �,n n,� n,c c,n Entradas de Flujo Interno Nodo Lampa �,n + �,n + c,n Salidas de Flujo Interno Nodo Lampa n,� + n,� + n,c Entradas/Salidas Externas a Nodo Lampa ,n = +200 Equilibrio de flujos Neto Nodo Lampa (Salidas-Entradas) n,� + n,� + n,c − ( �,n + �,n + c,n) = ,n �,n + �,n + c,n + ,n − ( n,� + n,� + n,c) = 0 Ejemplo de Flujo de Red a Mínimo Costo Optimización, Modelosde Redes, Mayo-2018 71 Nodo Salidas de Flujo Interno Entradas de Flujo Interno Entradas/Salidas Externas Balance (SFI-EFI=E/SFE) Independencia (1) �,� + �,� + �,� �,� + �,� + �,� ,� = +500 �,� + �,� + �,� − ( �,�+ �,� + �,�) = ,� = 500 Providencia (2) �,� + �,` + �,� �,� + `,� + �,� ,� = −150 �,� + �,` + �,� − �,� + `,� + �,� = ,� = −150 La Reina (3) `,� + `,c + `,� �,` + c,` + �,` ,` = −125 `,� + `,c + `,� − �,` + c,` + �,` = ,` = −125 Maipú (4) c,` + c,n + c,� `,c + n,c + �,c ,c = −195 c,` + c,n + c,� − `,c + n,c + �,c = ,c = −195 Lampa (5) n,c + n,� + n,� c,n + �,n + �,n ,n = +200 n,c + n,� + n,� − c,n + �,n + �,n = ,n = 200 Quilicura (6) �,� + �,n + �,� �,� + n,� + �,� ,� = −90 �,� + �,n + �,� − �,� + n,� + �,� = ,� = −90 Stgo. Centro (7) �,� + �,� + �,`+ �,c + �,n + �,� �,� + �,� + `,�+ c,� + n,� + �,� ,� = −140 �,� + �,� + �,` + �,c + �,n + �,�−( �,� + �,� + `,� + c,� + n,� + �,�) = ,� = −140 Equilibrios Nodales Ejemplo: Flujo de Red a Mínimo Costo Optimización, Modelos de Redes, Mayo-2018 72 Función Objetivo: 9�� :����� = �,�<�,� + �,�<�,� + �,�<�,� + �,�<�,� + �,�<�,� + �,�<�,� �,`<�,` + �,�<�,� + `,�<`,� + �,�<�,� `,c<`,c + `,�<`,� + c,`<c,` + �,`<�,` c,n<c,n + c,�<c,� + n,c<n,c + �,c<�,c n,�<n,� + n,�<n,� + �,n<�,n + �,n<�,n �,�<�,� + �,�<�,� Restricciones: �,� + �,� + �,� − ( �,�+ �,� + �,�) = ,� = 500 �,� + �,` + �,� − �,� + `,� + �,� = ,� = −150 `,� + `,c + `,� − �,` + c,` + �,` = ,` = −125 c,` + c,n + c,� − `,c + n,c + �,c = ,c = −195 n,c + n,� + n,� − c,n + �,n + �,n = ,n = 200 �,� + �,n + �,� − �,� + n,� + �,� = ,� = −90 �,� + �,� + �,` + �,c + �,n + �,� − �,� + �,� + `,� + c,� + n,� + �,� = ,� = −140 , ≥ 0 � = 1 → 7, j = 1 → 7 Ejemplo: Flujo de Red a Mínimo Costo Optimización, Modelos de Redes, Mayo-2018 73 $/Encomienda Independencia Providencia La Reina Maipú Lampa Quilicura Stgo. Centro Independencia 1.000.000 2.800 1.000.000 1.000.000 1.000.000 900 600 Providencia 2.750 1.000.000 1.970 1.000.000 1.000.000 1.000.000 750 La Reina 1.000.000 2.001 1.000.000 4.150 1.000.000 1.000.000 1.020 Maipú 1.000.000 1.000.000 4.001 1.000.000 3.970 1.000.000 4.120 Lampa 1.000.000 1.000.000 1.000.000 3.965 1.000.000 2.950 4.125 Quilicura 895 1.000.000 1.000.000 1.000.000 3.005 1.000.000 2.005 Stgo. Centro 605 745 999 4.220 4.435 2.105 1.000.000 Reformulando Matriz de Costos de rutas Directas El principio lógico detrás de asignar la unión virtual de dos nodos sin arcosa un valor de 1.000.000 tiene por objetivo crear un modelo numérico generalizado en el cual debido al altísimo costo virtual de unir dos nodos, el software considere que es tan poco viable de unir esos nodos que en la práctica no empleará como solución. Por ejemplo para el software ir desde Independencia a Maipú de manera directa es tan excesivamente caro que de todas formas más eficiente como alternativa mediante el tránsito por otros nodos y arcos como por ejemplo la ruta descrita por Independencia-Stgo C-Maipú (600+4.220=4.820) o Independencia-Quilicura-Lampa-Maipú (7.870) Ejemplo: Flujo de Red a Mínimo Costo Optimización, Modelos de Redes, Mayo-2018 74 = ) ,* �+�*+� � = 1 → Z = 7 Función Objetivo: 9�� :����� = ) ) < , �+� +� , �+� +� Restricciones: Salidas de Flujos desde el nodo j No Negatividad N Enteros , ≥ 0 � = 1 → � = 7, j = 1 → Z = 7 , ∃ � Entradas de Flujos hacia el nodo j = ) , �+� +� � = 1 → Z = 7 Balanceo de Flujos Neto en nodo j = ) ,* − ) , = , �+� +� �+� *+� � = 1 → Z = 7 Ejemplo: Flujo de Red a Mínimo Costo Optimización, Modelos de Redes, Mayo-2018 75 Solución: N Encomiendas Independencia Providencia La Reina Maipu Lampa Quilicura Stgo. Centro Independencia �,� = 0 �,� = 0 �,` = 0 �,c = 0 �,n = 0 �,� = 85 �,� = 415 Providencia �,� = 0 �,� = 0 �,` = 0 �,c = 0 �,n = 0 �,� = 0 �,� = 0 La Reina `,� = 0 `,� = 0 `,` = 0 `,c = 0 `,n = 0 `,� = 0 `,� = 0 Maipú c,� = 0 c,� = 0 c,` = 0 c,c = 0 c,n = 0 c,� = 0 c,� = 0 Lampa n,� = 0 n,� = 0 n,` = 0 n,c = 195 n,n = 0 n,� = 5 n,� = 0 Quilicura �,� = 0 �,� = 0 �,` = 0 �,c = 0 �,n = 0 �,� = 0 �,� = 0 Stgo. Centro �,� = 0 �,� = 150 �,` = 125 �,c = 0 �,n = 0 �,� = 0 �,� = 0 :����� = $1.350.050 Ejemplo: Empresa exportadora Optimización, Modelos de Redes, Mayo-2018 76 Una exportadora de fruta debe minimizar los costos asociados a la logística de transportar la fruta producida en Chile en las localidades de Copiapó (CP) y Los Andes (LA) para llevarlas a destino final en USA en las ciudades de Nueva York (NY), Long Beach (LB) y San Francisco (SF). La fruta producida en Chile debe ser transportada en primer lugar vía terrestre desde el lugar de origen (CP y LA) con destino los puertos de Caldera (CA) y Valparaíso (VP), luego es embarcada en buques refrigerados con destino los puertos de Nueva York y Long Beach, a su vez también existe la posibilidad de transportar fruta vía marítima entre ambos puertos Chilenos. Finalmente, la fruta entregada en SF puede ser abastecida de manera terrestre tanto desde LB como desde NY, destino en USA que también puede ser abastecido de manera terrestre desde SF. Los costos asociados a transportar cada tonelada de fruta por sus respectivas rutas se detallan en la Tabla de Costos. La demanda de fruta en USA según la ciudad de entrega queda determinada de la siguiente manera: NY 130 toneladas, LB 70 toneladas y SF 60 toneladas. Por otro lado, la cantidad de fruta producida en origen queda determinada de la siguiente manera: Q� toneladas en CP y Q� toneladas en LA. Las restricciones de capacidad indican que el puerto de CA puede recibir como máximo en su conjunto 100 tons de fruta transportada de manera terrestre, de manera análoga VP puede recibir como máximo en su conjunto 200 tons de fruta transportada de manera terrestre, no existiendo restricciones de capacidad si la fruta llega en barco entre ambos puertos chilenos. Por otro lado, el puerto de NY puede recibir como máximo en su conjunto 180 tons. de fruta desde Chile, mientras que LB puede recibir en su conjunto como máximo 115 tons de fruta Chilena. Ejemplo: Empresa exportadora Optimización, Modelos de Redes, Mayo-2018 77 Origen/Destino (US$/Ton) CP (1) LA (2) CA (3) VP (4) NY (5) LB (6) SF (7) Copiapó (1) -- -- 4 4,5 -- -- -- Los Andes (2) -- -- 5 3,5 -- -- -- Caldera (3) -- -- -- 1,8 7,1 6,9 -- Valparaíso (4) -- -- 1,7 -- 6,8 6,4 -- Nueva York (5) -- -- -- -- -- -- 3,7 Long Beach (6) -- -- -- -- -- -- 0,7 San Francisco (7) -- -- -- -- 3,6 -- -- b. Si en los puertos de Caldera y Valparaíso se producen pérdidas equivalentes a un 3 y 1% de la fruta recibida tanto por vía terrestre como marítima respectivamente, reformule los equilibrios nodales de ambos nodos (CA y VP) de manera de poder afrontar este problema (c.1) Empresa Exportadora: Solución Optimización, Modelos de Redes, Mayo-2018 78 Empresa Exportadora: Solución Optimización, Modelos de Redes, Mayo-2018 79 i) Nodo Copiapó (1) ��� = ��,` + ��,c ��� = 0 ���� � �� → ��,` ! ��,c � �� ii) Nodo Los Andes (2) ��� � ��,` ! ��,c ��� � 0 ���� � �� → ��,` ! ��,c � �� iii) Nodo Caldera (3) ��� � �̀ ,c ! �̀ ,n ! �̀ ,� ��� � ��,` ! ��,` ! �c,` ���� � 0 → �̀ ,c ! �̀ ,n ! �̀ ,� # ��,` # ��,` # �c,` � 0 iv) Nodo Valparaíso (4) ��� � �c,` ! �c,n ! �c,� ��� � ��,c ! ��,c ! �̀ ,c ���� � 0 → �c,` ! �c,n ! �c,� # ��,c # ��,c # �̀ c` � 0 Empresa Exportadora: Solución Optimización, Modelos de Redes, Mayo-2018 80 v) Nodo Nueva York (5) vi) Nodo Long Beach (6) vii) Nodo San Francisco (7) ��� = �n,� ��� = �̀ ,n + �c,n + ��,n ���� = #120 → �n,� # �̀ ,n # �c,n # ��,n � #120 ��� � ��,� ��� � �̀ ,� !�c,� ���� � #70 → ��,� # �̀ ,� ! �c,� � #70 ��� � ��,n ��� � �n,� ! ��,� ���� � #60 → ��,n # �n,� # ��,� � #60Empresa Exportadora: Solución Optimización, Modelos de Redes, Mayo-2018 81 - Restricciones de capacidad portuaria iii) Nodo Nueva York (5) i) Nodo Caldera (3) ���(���������) = ��,` + ��,` ≤ 100 ii) Nodo Valparaíso (4) ���(���������) = ��,c + ��,c ≤ 200 ���(�� �� :������) = �̀ ,n + �c,n + ��,n ≤ 180 iv) Nodo Long Beach (6) ���(�� �� :������) = �̀ ,� +�c,� ≤ 115 - Costos de Transporte i) Costo de transporte terrestre Chile 4��,` + 4,5��,c + 5��,` + 3,5��,c ii) Costo de transporte terrestre USA 3,7�n,� + 0,7��,� + 3,6��,n Empresa Exportadora: Solución Optimización, Modelos de Redes, Mayo-2018 82 - Costos de Transporte iii) Costo de transporte marítimo interno Chile 1,8�̀ ,c + 1,7�c,` iv) Costo de transporte marítimo Chile-USA 7,1�̀ ,n + 6,9�̀ ,� + 6,8�c,n + 6,4�c,� - Tipo de Variable��,`, ��,c, ��,`, ��,c, �n,�, ��,�, ��,n, �̀ ,c, �c,`, �̀ ,n, �̀ ,�, �c,n, �c,� ≥ 0 Empresa Exportadora: Solución Optimización, Modelos de Redes, Mayo-2018 83 b. Si en los puertos de Caldera y Valparaíso se producen pérdidas equivalentes a un 3 y 1% de la fruta recibida tanto por vía terrestre como marítima respectivamente, reformule los equilibrios nodales de ambos nodos (CA y VP) de manera de poder afrontar este problema i) Nodo Caldera con pérdidas (3) ��� = �̀ ,c + �̀ ,n + �̀ ,� + �̀ ,@ ��� = ��,` + ��,` + �c,` ���� = 0 → �̀ ,c ! �̀ ,n ! �̀ ,� ! �̀ @ # ��,` # ��,` # �c,` � 0 �̀ @ � 0,03 ��,` ! ��,` ! 0,01�c,` Empresa Exportadora: Solución Optimización, Modelos de Redes, Mayo-2018 84 ii) Nodo Valparaíso con pérdidas (4) ��� = �c,` + �c,n + �c,� + �c,@ ��� = ��,c + ��,c + �̀ ,c ���� = 0 → �c,` + �c,n + �c,� + �c,@ − ��,c − ��,c − �̀ c` = 0 �c@ = 0,03 ��,c + ��,c + 0,01�̀ ,c
Compartir