UNIVERSIDAD NACIONAL “JORGE BASADRE GROHMANN”

FACULTAD DE INGENIERÍA
ESCUELA PROFESIONAL DE INGENIERÍA DE MINAS

SIMULACIÓN DE TRANSPORTE EN MINERÍA

CURSO: ANÁLISIS DE SISTEMAS MINEROS

DOCENTE: ING. EDGAR TAYA OSORIO
AÑO DE ESTUDIOS: QUINTO
ALUMNA: MARLENE DEL ROSARIO LÉVANO VILCA
CÓDIGO: 2012 – 36945

TACNA – PERÚ

2016

1
 CONTENIDO

INTRODUCCIÓN 3

MARCO TEÓRICO

 Programación lineal
o Concepto 4
o Historia 4
o Aplicaciones 5
 Modelo de transporte 5
 Método de la esquina Nor-oeste 7
o Algoritmo d resolución 7
 Método del costo mínimo 8
o Algoritmo de resolución 8
 Método de aproximación de Vogel 8
o Algoritmo de resolución 8
 Prueba de Optimización o salto a la piedra 9
 Simulación de Modelo de Transporte a través de software TORA 10
o TORA 10
o Glosario del software TORA 10

EJEMPLO APLICATIVO

 Enunciado 11
 Resolución a través del método de la esquina nor-oeste 12
 Resolución a través del método del costo mínimo 15
 Resolución a través del método de aproximación de Vogel 16

CONCLUSIONES 17

BIBLIOGRAFÍA 17

2
 INTRODUCCIÓN

Las industrias desde sus inicios han presentado un gran interés natural en maximizar la utilización
de sus inversiones, con la finalidad de producir un valor agregado a su producto o servicio que los
diferencia de la competencia y sean de alguna forma la primera opción de sus clientes.
Antiguamente se necesitaba esperar un cierto tiempo para obtener una retroalimentación de
información sobre el comportamiento que presentan los activos, los productos, la confiabilidad, la
calidad, la satisfacción de los clientes, entre otros.

En la actualidad resulta un aporte a la sustentabilidad y a la confiabilidad el poder predecir el

comportamiento de un sistema, equipo o proceso para ciertas condiciones operacionales que se
puedan dar. Condiciones que por lo demás pueden permitir evitar a lo menos pérdidas, gastos
innecesarios o ineficiencia de tiempos tanto en operaciones como en proyectos de inversión.

En este trabajo se hablará sobre la simulación por el método de transporte visto en clase en
ejercicios aplicativos que simulan casos sucedidos en mina a través de un software de fácil acceso y
manejo.

3
MARCO TEÓRICO

PROGRAMACIÓN LINEAL

a. CONCEPTO

La programación lineal es el campo de la

optimización matemática dedicado a maximizar o
minimizar (optimizar) una función lineal,
denominada función objetivo, de tal forma que las
variables de dicha función estén sujetas a una serie
de restricciones expresadas mediante un sistema de
ecuaciones o inecuaciones también lineales.

b. HISTORIA

El problema de la resolución de un sistema lineal de

inecuaciones se remonta, al menos, a Joseph Fourier,
después de quien nace el método de eliminación de Fourier-Motzkin. La programación lineal se
plantea como un modelo matemático desarrollado durante la Segunda Guerra Mundial para
planificar los gastos y los retornos, a fin de reducir los costos al ejército y aumentar las pérdidas del
enemigo. Se mantuvo en secreto hasta 1947. En la posguerra, muchas industrias lo usaron en su
planificación diaria.

Los fundadores de la técnica son George Dantzig, quien publicó el algoritmo simplex, en 1947, John
von Neumann, que desarrolló la teoría de la dualidad en el mismo año, y Leonid Kantoróvich, un
matemático de origen ruso, que utiliza técnicas similares en la economía antes de Dantzig y ganó el
premio Nobel en economía en 1975. En 1979, otro matemático ruso, Leonid Khachiyan, diseñó el
llamado Algoritmo del elipsoide, a través del cual demostró que el problema de la programación
lineal es resoluble de manera eficiente, es decir, en tiempo polinomial.2 Más tarde, en 1984,
Narendra Karmarkar introduce un nuevo método del punto interior para resolver problemas de
programación lineal, lo que constituiría un enorme avance en los principios teóricos y prácticos en
el área.

El ejemplo original de Dantzig de la búsqueda de la mejor asignación de 70 personas a 70 puestos

de trabajo es un ejemplo de la utilidad de la programación lineal. La potencia de computación
necesaria para examinar todas las permutaciones a fin de seleccionar la mejor asignación es
inmensa (factorial de 70, 70!) ; el número de posibles configuraciones excede al número de
partículas en el universo. Sin embargo, toma sólo un momento encontrar la solución óptima
mediante el planteamiento del problema como una programación lineal y la aplicación del algoritmo
simplex. La teoría de la programación lineal reduce drásticamente el número de posibles soluciones
factibles que deben ser revisadas.

4
 c. APLICACIONES

La programación lineal constituye un importante campo

de la optimización por varias razones, muchos problemas
prácticos de la investigación de operaciones pueden
plantearse como problemas de programación lineal.
Algunos casos especiales de programación lineal, tales
como los problemas de flujo de redes y problemas de
flujo de mercancías se consideraron en el desarrollo de
las matemáticas lo suficientemente importantes como
para generar por si mismos mucha investigación sobre
algoritmos especializados en su solución. Una serie de algoritmos diseñados para resolver otros
tipos de problemas de optimización constituyen casos particulares de la más amplia técnica de la
programación lineal. Históricamente, las ideas de programación lineal han inspirado muchos de los
conceptos centrales de la teoría de optimización tales como la dualidad, la descomposición y la
importancia de la convexidad y sus generalizaciones. Del mismo modo, la programación lineal es
muy usada en la microeconomía y la administración de empresas, ya sea para aumentar al máximo
los ingresos o reducir al mínimo los costos de un sistema de producción. Algunos ejemplos son la
mezcla de alimentos, la gestión de inventarios, la cartera y la gestión de las finanzas, la asignación
de recursos humanos y recursos de máquinas, la planificación de campañas de publicidad, etc.

Otros son:

 Optimización de la combinación de cifras comerciales en una red lineal de distribución de

agua.
 Aprovechamiento óptimo de los recursos de una cuenca hidrográfica, para un año con
afluencias caracterizadas por corresponder a una determinada frecuencia.
 Soporte para toma de decisión en tiempo real, para operación de un sistema de obras
hidráulicas;
 Solución de problemas de transporte.

MODELO DE TRANSPORTE

El Modelo de transporte es una clase especial de problema de

Programación Lineal. Trata la situación en la cual se envía un
bien de los puntos de origen (fábricas), a los puntos de destino
(almacenes, bodegas, depósitos). El objetivo es determinar las
cantidades a enviar desde cada punto de origen hasta cada
punto de destino, que minimicen el costo total de envío, al
mismo tiempo que satisfagan tanto los límites de la oferta como
los requerimientos de la demanda. El modelo supone que el
costo de envío de una ruta determinada es directamente
proporcional al número de unidades enviadas en esa ruta.

5
Sin embargo, algunas de sus aplicaciones importantes (como la Programación de la Producción) de
hecho no tienen nada que ver con el transporte.

El algoritmo de transporte sigue los pasos exactos del método simplex. Sin embargo, en vez de
utilizar la tabla simplex regular, aprovechamos la estructura especial del modelo de transporte para
presentar el algoritmo en una forma más conveniente:

Hay “m” puntos de origen y “n” puntos de destino, el costo de transporte por unidad enviado desde
cada punto de origen (Ui) hasta cada punto de destino (Vj) está representado por Cij. Las cantidades
enviadas desde cada punto de origen hasta cada punto de destino son señaladas como Xij.

El objetivo es determinar las Xij desconocidas que minimicen el costo total de transporte, mientras
se satisfagan todas las restricciones de la oferta y la demanda.

Los pasos del algoritmo del método de transporte son los siguientes:

Paso 1: Determine una solución factible inicial y vaya al paso 2 (se utilizaba el método de la esquina
nor-oeste, el método del costo menor y el método de las penalidades).

Paso 2: Utilice la condición óptima del método simplex para determinar la “variable de entrada”. Si
se satisface la condición, deténgase. De lo contrario, vaya al paso 3.

Paso 3: Utilice la condición de factibilidad del método simplex para determinar la “variable de salida”
y encuentre la nueva solución básica. Regrese al paso 2.

Aunque este algoritmo permitió por muchos años solucionar infinidad de problemas de transporte,
también es cierto que por ser un método de “tanteo” debe ser reemplazado (al igual que el método
simplex) por una herramienta actualizada y versátil como lo es el computador.

6
MÉTODO DE LA ESQUINA NOR-OESTE

El método de la esquina Noroeste es un algoritmo heurístico capaz de solucionar problemas de

transporte o distribución mediante la consecución de una solución básica inicial que satisfaga todas
las restricciones existentes sin que esto implique que se alcance el costo óptimo total.

Este método tiene como ventaja frente a sus similares la rapidez de su ejecución, y es utilizado con
mayor frecuencia en ejercicios donde el número de fuentes y destinos sea muy elevado.

Su nombre se debe al génesis del algoritmo, el cual inicia en la ruta, celda o esquina Noroeste. Es
común encontrar gran variedad de métodos que se basen en la misma metodología de la esquina
Noroeste, dado que podemos encontrar de igual manera el método de la esquina Noreste, Sureste
o Suroeste.

a. ALGORITMO DE RESOLUCIÓN

Se parte por esbozar en forma matricial el

problema, es decir, filas que representen
fuentes y columnas que representen
destinos, luego el algoritmo debe de iniciar
en la celda, ruta o esquina Noroeste de la
tabla (esquina superior izquierda).

PASO 1:

En la celda seleccionada como esquina

Noroeste se debe asignar la máxima
cantidad de unidades posibles, cantidad
que se ve restringida ya sea por las restricciones de oferta o de demanda. En este mismo paso se
procede a ajustar la oferta y demanda de la fila y columna afectada, restándole la cantidad asignada
a la celda.

PASO 2:

En este paso se procede a eliminar la fila o destino cuya oferta o demanda sea 0 después del "Paso
1", si dado el caso ambas son cero arbitrariamente se elige cual eliminar y la restante se deja con
demanda u oferta cero (0) según sea el caso.

PASO 3:

Una vez en este paso existen dos posibilidades, la primera que quede un solo renglón o columna, si
este es el caso se ha llegado al final el método, "detenerse".

La segunda es que quede más de un renglón o columna, si este es el caso iniciar nuevamente el
"Paso 1".

7
MÉTODO DEL COSTO MÍNIMO

El método del costo mínimo o 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.

El diagrama de flujo de 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.

a. ALGORITMO DE RESOLUCIÓN

PASO 1:

De la matriz se elige la ruta (celda) menos costosa (en caso de un empate, este se rompe
arbitrariamente) y se le asigna la mayor cantidad de unidades posible, cantidad que se ve restringida
ya sea por las restricciones de oferta o de demanda. En este mismo paso se procede a ajustar la
oferta y demanda de la fila y columna afectada, restándole la cantidad asignada a la celda.

PASO 2:

En este paso se procede a eliminar la fila o destino cuya oferta o demanda sea 0 después del "Paso
1", si dado el caso ambas son cero arbitrariamente se elige cual eliminar y la restante se deja con
demanda u oferta cero (0) según sea el caso.

PASO 3:

Una vez en este paso existen dos posibilidades, la primera que quede un solo renglón o columna, si
este es el caso se ha llegado al final el método, "detenerse".

La segunda es que quede más de un renglón o columna, si este es el caso iniciar nuevamente el
"Paso 1".

MÉTODO DE APROXIMACIÓN DE VOGEL

El método de aproximación de Vogel es un método heurístico de resolución de problemas de

transporte capaz de alcanzar una solución básica no artificial de inicio, este modelo requiere de la
realización de un número generalmente mayor de iteraciones que los demás métodos heurísticos
existentes con este fin, sin embargo producen mejores resultados iniciales que los mismos.

a. ALGORITMO DE RESOLUCIÓN

El método consiste en la realización de un algoritmo que consta de 3 pasos fundamentales y 1 más

que asegura el ciclo hasta la culminación del método.

PASO 1

Determinar para cada fila y columna una medida de penalización restando los dos costos menores
en filas y columnas.

8
PASO 2

Escoger la fila o columna con la mayor penalización, es decir que de la resta realizada en el "Paso 1"
se debe escoger el número mayor. En caso de haber empate, se debe escoger arbitrariamente (a
juicio personal).

PASO 3

De la fila o columna de mayor penalización determinada en el paso anterior debemos de escoger la

celda con el menor costo, y en esta asignar la mayor cantidad posible de unidades. Una vez se realiza
este paso una oferta o demanda quedará satisfecha por ende se tachará la fila o columna, en caso
de empate solo se tachará 1, la restante quedará con oferta o demanda igual a cero (0).

PASO 4: DE CICLO Y EXCEPCIONES

 Si queda sin tachar exactamente una fila o columna con cero oferta o demanda, detenerse.
 Si queda sin tachar una fila o columna con oferta o demanda positiva, determine las
variables básicas en la fila o columna con el método de costos mínimos, detenerse.
 Si todas las filas y columnas que no se tacharon tienen cero oferta y demanda, determine
las variables básicas cero por el método del costo mínimo, detenerse.
 Si no se presenta ninguno de los casos anteriores vuelva al paso 1 hasta que las ofertas y las
demandas se hayan agotado.

PRUEBA DE OPTIMIZACIÓN O SALTO DE LA PIEDRA

Para saber que tan factibles son todos los métodos

anteriores se ha desarrollado la prueba de optimalidad
que determina si el método es el que ofrece el menor
costo de envío. La prueba se lleva a cabo mediante el
cálculo de un solo número conocido como costo
reducido, para cada celda vacía.

Para calcular el costo reducido seleccione en orden los

ceros que encuentre.

Reglas para el desarrollo de la prueba de optimalidad o

salto de la piedra

Las piedras serán las cantidades asignadas a cada casilla de la tabla.

Se llamaran charcos las casillas vacías de la tabla.

Salto horizontal en piedra, es decir en forma vertical o en forma horizontal.

Realizar el mínimo de saltos posibles.

La casilla a evaluar comienza con un signo (+) positivo y a medida en que se va recorriendo la ruta
escogida se van alternando los signos.

9
Buscar un salto de línea cerrada (donde empieza termina).

Si la ruta asignada es correcta, sumamos algebraicamente los costos y la respuesta debe dar positiva,
es decir que los valores positivos sean mayores que los valores negativos.

Si la ruta no es correcta se debe reasignar.

Reubicación: Tomamos las cantidades de las casillas negativas y elegimos el valor más pequeño
entre ellos, para restárselo a las cantidades negativas y sumárselo a las positivas.

SIMULACIÓN DE MODELO DE TRANSPORTE A TRAVÉS DE SOFTWARE TORA

a. TORA

El software TORA de optimización es un programa

basado en Windows® que tiene por objeto usarse
con muchas de las técnicas presentadas en el libro
Investigación de Operaciones de TAHA . TORA es
una aplicación muy simple, con una interfaz
gráfica de baja calidad. Una de las ventajas de
TORA es que puede utilizarse en procesadores de
32 y 64 bits, hoy por hoy su principal desventaja
es que deberá ajustarse la configuración de
pantalla para adecuarse a sus ajustes de
presentación de 800 x 600 y 1024 x 768 pixeles. Se recomienda el segundo ajuste, porque produce
una distribución más proporcionada de la pantalla.

Al igual que para cualquier otro método de resolución, el primer paso para resolver un problema de
programación lineal (PL) consiste en el modelamiento matemático, y es en esta fase en la que el
profesional de Ingeniería Industrial debe desarrollar su mayor habilidad y destreza.

b. GLOSARIO DEL SOFTWARE TORA

 Objective Value: Nos muestra el resultado de nuestra función objetivo.

 Value: El valor que toman las variables de decisión.
 Obj Val Contrib: Es la contribución unitaria de las variables de decisión en la función
objetivo.
 Slack-/Surplus+: Cuando la restricción en cuestión tiene el operador <=, corresponde a una
holgura, es decir, se puede interpretar como el recurso no utilizado. Cuando la restricción
en cuestión tiene el operador >=, corresponde a un exceso, es decir, se puede interpretar
como el recurso utilizado por encima de la restricción de mínimo uso.
 Min and Max Obj Coeff: Para un coeficiente de la función objetivo en particular.
 Dual price: Llamado en WinQSB como Shadow Price, y en Solver como Multiplicador de
Lagrange, corresponde al cambio marginal de la función objetivo cuando el valor del lado
derecho de la restricción aumenta en una unidad.

10
EJEMPLO APLICATIVO

a. ENUNCIADO

Una unidad minera que se encuentra explotando vetas polimetálicas de Pb, Zn y Ag posee dos
plantas que elaboran los productos finales de los ya mencionados metales en cantidades de 250 y
450 unidades, respectivamente.

Dichas unidades deben ser trasladadas a tres puertos de distribución con demandas diarias de 200,
200 y 250 unidades, respectivamente. Los costos de transporte (en $/unidad) son:

El análisis de datos es el siguiente:

11
b. RESOLUCIÓN A TRAVÉS DEL MÉTODO DE LA ESQUINA NOR-OESTE

PASO 1: Ingresamos al software TORA sin antes no olvidarnos de configurar la pantalla.

PASO 2: Elegimos el modelo de programación lineal que presenta nuestro problema. En este
caso elegimos “modelo de transporte”.

PASO 3: Le colocamos un nombre a nuestro problema. Seguidamente escribimos la cantidad

de ofertantes y la cantidad de destinos del problema.

12
 PASO 4: Seguidamente damos Enter y aparecerá una tabla en la que debemos insertar los
datos del problema.

PASO 5: Luego vamos al botón inferior de “SOLVE Menu” y podremos observar que se encuentran
los tres métodos conocidos para la resolución de ejercicios de modelo de transporte. En este caso,
escogemos el método de la esquina nor-oeste.

13
PASO 6: Finalmente observamos que el problema ya está optimizado con 2 iteraciones. La
respuesta es $11350.00 para este caso.

14
 c. RESOLUCIÓN A TRAVÉS DEL MÉTODO DEL COSTO MÍNIMO

PASO 1: En este caso elegiremos la opción de resolución de método del costo mínimo.

PASO 2: Seguidamente obtendremos la resolución de nuestro problema. En este caso al elegir el

método anterior nos dio 4 iteraciones para su optimización.

15
 d. RESOLUCIÓN A TRAVÉS DEL MÉTODO DE APROXIMACIÓN DE VOGEL

PASO 1: En este caso escogemos resolver el problema propuesto a través del método de
aproximación de Vogel.

PASO 2: Finalmente se presentan las siguientes tablas correspondientes a las 2 iteraciones

generadas por la optimización del programa referente al método escogido.

16
CONCLUSIONES

 El estudio de la programación lineal, en este caso, del modelo de transporte en minería es

de estudio importante, ya que son en el campo de trabajo ocurren hechos semejantes al
planteado anteriormente en los cuales involucra una decisión lo más acertada posible para
la reducción de costos en las operaciones en mina.

 El profesional a cargo de las decisiones estratégicas y tácticas respecto a la gestión del

transporte en cada compañía debe conocer claramente todos los factores que influyen en
el transporte, así como los medios existentes, los costos asociados y la metodología idónea
para su elección.

 El uso de software para las simulaciones de transportes en minería es de uso importante,

porque nos da opciones para analizar futuros casos de una forma más rápida y así, tomar la
decisión más conveniente.

BIBLIOGRAFÍA

 http://www.rippconsulting.com/compartiendo-experiencia/importancia-oportunidades-y-
beneficios-del-uso-de-la-simulacion-de-procesos-en-la-industria-actual/
 http://www.monografias.com/trabajos-pdf4/metodo-transporte/metodo-
transporte.shtml#ixzz4VD2ILR31
 www.ingenieriaindustrialonline.com
 https://es.scribd.com/doc/67944289/Ejercicios-Modelo-Transporte-Resueltos
 http://datateca.unad.edu.co/contenidos/102016/CONTENIDOS/Exe_nuevo/leccin_14_pru
eba_de_la_optimalidad_o_salto_de_la_piedra.html

17