Upload
fernando-cabrera-tenicela
View
1.026
Download
6
Embed Size (px)
DESCRIPTION
fbdfg
Citation preview
FACULTAD DE INGENIERÍAS Y ARQUITECTURAS
EscuelaProfesionaldeIngenieríaIndustrial
Lic.HéctorF.CernaMaguiña
CicloV
Dirección Universitaria de Educación a Distancia
InvestigacióndeOperacionesI
©UniversidadAlasPeruanasDirecciónUniversitariadeEducaciónaDistancia(DUED)CalleLosLirios144,SanIsidro.Lima‐PerúTeléf.(511)422‐1808http://[email protected]áficosdelaUniversidadAlasPeruanasAv.SanFelipe1109,JesúsMaría.Lima‐PerúTeléf.(511)266‐0195Derechos reservados. No está permitida la reproducción total o parcial de la obra porcualquiermediooprocedimiento,comprendidoslareprografía,eltratamientoinformáticoyelectrónicosinlaautorizacióndelaUniversidadAlasPeruanas.2010
Guía didáctica ● Investigación de Operaciones I
5
1. Presentación de la Guía didáctica
2. Presentación del docente-tutor
3. Introducción a la asignatura
4. Objetivos
5. Requisitos
6. Medios
7. Contenidos
8. Fuentes de información
9. Actividad académica
10. Evaluación
11. Orientaciones para el estudio de la asignatura
12. Orientaciones para las tutorías
Índice
6
Escuela Profesional de Ingeniería Industrial
Estimado participante:
Lo saludamos nuevamente al dar inicio a la asignatura de Investigación de
Operaciones I y esperamos que haya cumplido los objetivos del cuarto ciclo de
estudios en la modalidad de educación a distancia.
Propósito El propósito de esta Guía didáctica es apoyar el desarrollo de la asignatura y
brindarle las orientaciones necesarias para facilitar su aprendizaje. Por ello es
importante su permanente lectura y comprensión.
Utilidad Es importante que tenga en consideración las precisiones detalladas en esta
guía, ya que le permitirán:
• Obtener respuesta a muchas de las interrogantes que usted probablemente se
hará en su proceso de aprendizaje.
• Conocer, con anticipación, muchos de los tópicos que se tratarán en la
asignatura y obtener el máximo provecho de las sesiones con el tutor y/o
docente asignado.
Partes
• Introducción general al curso
• Presentación del docente-tutor
• Introducción a la asignatura
• Objetivos
• Requisitos
• Medios didácticos
1. Presentación de la Guía didáctica
Guía didáctica ● Investigación de Operaciones I
7
• Contenidos del curso
• Fuentes de información
• Actividad académica
• Evaluación
• Orientaciones para el estudio de la asignatura
• Orientaciones para las tutorías
Recomendaciones
• Lea detenidamente este documento y utilícelo en todo su proceso de estudio,
consultándolo cada vez que sea necesario.
• En el caso de buscar un tópico específico, no dude en ver el índice que se
encuentra en la parte inicial de esta guía, el mismo que le facilitará la rápida
ubicación del tema o aspecto que requiera consultar.
• Recuerde que cuenta con el apoyo de sus profesores en general, y docente o
tutor en particular, para alcanzar los objetivos planteados para este curso y
lograr la aprobación del mismo.
8
Escuela Profesional de Ingeniería Industrial
La Universidad Alas Peruanas se complace en presentar al licenciado Héctor
Félix Cerna Maguiña, quien ha elaborado el presente material didáctico y estará a
cargo del curso de Investigación de Operaciones I.
El docente-tutor es la persona con la cual estará en constante comunicación a
fin de facilitarle su proceso de aprendizaje, de acuerdo a las características de esta
modalidad educativa.
Se indica el correo electrónico mediante el cual podrá comunicarse con el
docente que tendrá a su cargo la asignatura de Investigación de Operaciones I, así
como los principales datos de su hoja de vida para que tenga información de su
experiencia e inquietudes profesionales.
Permítanos presentarle al docente-tutor de la asignatura:
Héctor Félix Cerna Maguiña es docente de esta universidad en la Facultad de
Ingenierías y Arquitectura.
• Docente en la Universidad Nacional Federico Villarreal en la Facultad de
Ciencias Naturales y Matemática (1997-2007).
• Docente permanente en la Universidad Nacional Mayor de San Marcos en la
Facultad de Ciencias Contables (1998 a la fecha).
• Docente en Diplomado de Especialización en Eficiencia en la Enseñanza de
comunicación y Lógico matemática. Centro de Altos Estudios Pedagógicos-
Universidad Nacional Federico Villarreal.
• Presidente del Capítulo de Investigación Operativa del Colegio de Matemáticos
del Perú (2008-2010).
• Licenciado en Investigación Operativa (Universidad Nacional Mayor de San
Marcos).
• Diplomado en Docencia Universitaria (Universidad Alas Peruanas).
• Experiencia en Elaboración de Modelos Cuantitativos.
2. Presentación del docente
Guía didáctica ● Investigación de Operaciones I
9
• Estudios concluidos en la Maestría en Docencia Universitaria y Gestión
Educativa en la Universidad Alas Peruanas.
• Sus áreas de interés son la investigación científica aplicada a los Modelos
Matemáticos para resolver problemas del mundo real, como soporte en la toma
de decisiones.
El docente siempre estará dispuesto a resolver las interrogantes que usted
tenga respecto al curso. No dude en escribirle, pues siempre responderá rápidamente
sus mensajes.
10
Escuela Profesional de Ingeniería Industrial
A través de estas líneas, queremos expresarles nuestras felicitaciones por
haber culminado con éxito el curso de Inferencia Estadística. Asimismo le damos la
bienvenida a la asignatura de Investigación de Operaciones I (IO).
¿Cuál es su finalidad?
La finalidad de esta asignatura es lograr que usted se familiarice con los
modelos cuantitativos y, en particular, centrar su atención en la programación lineal
que es una técnica de modelo matemático, cuya finalidad principal es optimizar el uso
de los recursos limitados. Las aplicaciones de IO se iniciaron con mucho éxito en el
campo militar, la agricultura, la industria, la economía, los sistemas de salud, control
de la contaminación ambiental, distribución de materia prima e inclusive en los
sistemas organizacionales. En estos tiempos, el aumento de las capacidades
computacionales y la disponibilidad de programas permite que más empresas tengan
acceso a las ventajas de los modelos de programación lineal. La idea es lograr que
usted entienda lo que es un modelo matemático, desarrolle habilidades para modelar y
resolver el mismo.
¿Qué características tiene?
Se trata de un curso teórico-práctico, con mayor incidencia en la parte práctica,
por lo cual se recomienda la constante revisión y desarrollo de los ejercicios, tanto de
los realizados con el docente-tutor como de los propuestos.
3. Introducción a la asignatura
Guía didáctica ● Investigación de Operaciones I
11
Datos informativos
Asignatura : Investigación de Operaciones I
Ciclo académico : V
Créditos : 4
Naturaleza : Obligatoria
Requisito : Inferencia Estadística
Docente-tutor : Lic. Héctor Félix Cerna Maguiña
¿Cuánto tiempo debe dedicar al estudio de este curso?
En la modalidad de educación a distancia se le recomienda que dedique un
tiempo mínimo de 10 horas semanales, debido a que la asignatura será desarrollada
en 8 semanas.
Para facilitar la organización de su tiempo en el desarrollo de contenidos, se
indica, a manera de sugerencia, las semanas en las que debe usted debería estudiar
los contenidos y desarrollar los ejercicios propuestos.
¿Cómo están organizados los contenidos de este curso?
Se han organizado en cuatro unidades didácticas:
• Unidad I: Introducción a la investigación de operaciones y fundamentos de
programación lineal. Su finalidad es lograr que usted conozca la importancia de
la Investigación Operativa en la toma de decisiones y la formulación de
modelos lineales a gestión de operaciones de producción, mezcla, distribución
entre otras, La solución de algunos modelos con dos variables de decisión
utilizando el método gráfico.
12
Escuela Profesional de Ingeniería Industrial
• Unidad II: Representación matemática del modelo lineal y el método simplex.
Su finalidad es la representación matemática y su solución para más de tres
variables de decisión utilizando el algoritmo simplex, utilizando este mismo
algoritmo resolveremos problemas con la teoría de la dualidad y su posterior
análisis de sensibilidad.
• Unidad III: Aplicaciones Especiales de la programación lineal. Su finalidad es
resolver problemas de transporte y asignación utilizando nuevos algoritmos de
solución dado que es mucho más sencillo su desarrollo con estos algoritmos
que por el método simplex.
• Unidad IV: Tópicos avanzados en programación lineal-programación lineal
entera. La idea es mostrar modelos que tienen múltiples objetivos y convertir
los objetivos múltiples originales en una sola meta. En la parte de
programación lineal entera es mostrar algunos problemas lineales cuyas
variables de decisión están restringidas a valores enteros y su posterior
solución.
Guía didáctica ● Investigación de Operaciones I
13
¿Qué materiales necesita para estudiar?
Aparte de la guía y las unidades didácticas que le serán proporcionadas por la
universidad, se recomienda (no es obligatorio) tener:
• La bibliografía básica indicada en este documento.
Importancia de la asignatura
La Investigación de Operaciones I dentro de la teoría de optimización es una
rama de la matemática aplicada. Como técnica de optimización se convierte en
herramienta fundamental para resolver problemas cuantitativos en diversas áreas de
las ciencias tales como la biología, la economía, la medicina, la ingeniería, entre otras.
La IO como ciencia de la administración permitirá al ingeniero industrial maximizar o
minimizar alguna función objetivo, optimizando recursos limitados. Como podemos ver,
la IO resulta muy valiosa pues permite al ingeniero asesorar mejor a la gerencia en la
toma de decisiones frente a problemas complejos de la administración.
14
Escuela Profesional de Ingeniería Industrial
A continuación le mostramos los objetivos generales y específicos del presente
curso, al mismo tiempo visualizará la semana en que debemos trabajar el logro de
cada objetivo.
Objetivo general
Introducir al alumno en los principios, técnicas y filosofía de la investigación de
operaciones (IO).
Como primer curso se concentra en los modelos lineales y las técnicas de
solución para ellos. Se enfatizará el modelamiento presentándose además la teoría
básica y los algoritmos que permitirán entender los procedimientos y soluciones con
programas computacionales que se propondrán para el uso de los alumnos. Se
incidirá en la interpretación aplicada de los resultados obtenidos.
Unidad didáctica Objetivos Semana de estudio
I Aprende la importancia de la definición y formulación de un modelo de programación lineal, esto es, abstraer un problema real en términos matemáticos
1.ª-2.ª
II
Comprende la importancia de la representación matemática del modelo lineal y el uso del algoritmo simplex en la solución de problemas de programación lineal con más de dos variables de decisión
3.ª-4.ª
III Reconoce y comprende la importancia de nuevos algoritmos para la solución de casos especiales de la programación lineal,
5.ª-6.ª
IV
Comprende la importancia de aplicar nuevos tópicos avanzados en programación lineal, tales como programación por objetivos y programación lineal entera.
7.ª-8.ª
4. Objetivos
Guía didáctica ● Investigación de Operaciones I
15
En esta sección se detallan los requisitos mínimos que usted debe cumplir para
poder cursar la asignatura de Investigación de Operaciones I.
Con relación al plan de estudios
Haber aprobado la asignatura de Inferencia Estadística.
Respecto al aspecto académico
• Conceptos básicos y operaciones sobre matrices
• Planteamiento de ecuaciones e inecuaciones
• Desigualdades lineales con dos variables
• Solución de desigualdades
• Cálculo de probabilidades e inferencia estadística
• Estructuras discretas-teoría de grafos
5. Requisitos
16
Escuela Profesional de Ingeniería Industrial
Pasaremos a especificar aquellos medios que utilizaremos en el desarrollo de
la asignatura:
Impresos
• La Guía didáctica Es el documento orientador del curso, su lectura y comprensión es obligatoria
porque en ella se señalan todos los criterios a tener en cuenta durante el
desarrollo de la presente asignatura. No olvide leerla con detenimiento.
• Las unidades didácticas Son los contenidos del curso exigidos por el Plan de Estudios. Su lectura
comprensiva es obligatoria para lograr los objetivos de la asignatura y como
consecuencia de ello el éxito académico. Las unidades didácticas las
encuentra en el presente documento.
Campus virtual
Es el espacio disponible en Internet, que se utiliza como medio de transmisión
de información de la presente asignatura. Su acceso es muy importante durante cada
semana de estudio. Usted va a ingresar con un usuario y clave que le serán
entregados en el momento de su matrícula, en la Coordinación de su Unidad
Descentralizada.
Ruta Web del Campus Virtual: http://dued.up.edu.pe
6. Medios didácticos
Guía didáctica ● Investigación de Operaciones I
17
En el Campus Virtual encontrará las aulas virtuales (una por cada curso en que
se haya matriculado). En cada aula virtual usted visualizará:
Orientaciones generales
En esta opción descargará un archivo con información importante que lo ayudará
en el desempeño del curso.
Cronograma del curso Aquí tiene el cronograma de evaluaciones (Examen Parcial, Final, Sustitutorio y
Trabajo Individual), y el horario del curso.
Foro de debate
A través de esta sección se realizarán los debates académicos definidos para el
curso: el docente planteará temas a ser discutidos, con la finalidad de profundizar
o aclarar temas de la asignatura. Usted puede participar del foro cuando lo
desee, también planteando sus dudas o comentando sobre lo aprendido.
P Para acceder al foro deberá ingresar al curso desde el Campus virtual y lo encontrará como Foro de Debate
18
Escuela Profesional de Ingeniería Industrial
Sala de conferencias En este apartado docente y alumno interactúan en línea. Es el espacio en el aula
virtual en el que usted encontrará al tutor para recibir su asesoramiento, para
intercambiar opiniones, preguntas y respuestas acerca del curso. Los horarios de
tutoría están especificados en esta sección. Tenga en cuenta que a esta sala
ingresan todos los participantes. Recuerde además que:
1. Para utilizar adecuadamente esta Sala debe tener conectados audífonos o
parlantes. 2. Instalar con anticipación el programa de la Sala de Conferencia. 3. Ingresar a la sala identificándote con su nombre completo (Nombre y
Apellido)
Además se recomienda 1. Utilizar micrófono para poder «hablar» con el tutor o expositor.
2. Prestar atención a las instrucciones durante la charla para mantener el
orden dentro de la Sala.
3. Leer el manual de uso de la Sala.
El procedimiento de acceso y adecuada comunicación a través de la Sala de conferencias se encuentra detallado en el apartado 12 de la presente Guía didáctica titulado Orientaciones para las tutorías.
Para poder acceder a la sala de conferencias deberá ingresar al curso desde el Campus virtual y la encontrará como:
Sala de Conferencias. Recuerde que debe tener preparados sus audífonos o parlantes y micrófono.
Guía didáctica ● Investigación de Operaciones I
19
Compañeros de curso
Este ícono muestra la lista de alumnos matriculados en el curso, sus fotos y
correos, para que usted pueda relacionarse con ellos y realizar también trabajos
grupales.
Envío de exámenes Se emplea para enviar las evaluaciones escritas, en los plazos establecidos.
Envío de trabajos finales Permite enviar el Trabajo final al docente del curso.
Visualizar trabajos enviados A través de esta opción puede asegurarse de que su trabajo fue correctamente
enviado.
Visualizar notas
Con este enlace puede ir viendo las calificaciones del curso.
Finalmente en:
Material del curso En esta opción encontrará la presentación del docente, ayudas y enlaces
interesantes que le envíe el docente. Al ingresar usted verá esta imagen en la
parte superior:
MATERIAL DEL CURSO CICLO 200X-XX
Curso: 0201-02XXX XXXXXXX Docente: XXXXXXXXXXXXXX
ESTRUCTURA DEL CURSO
20
Escuela Profesional de Ingeniería Industrial
Estructura del curso Al elegir esta opción usted podrá acceder a pantalla siguiente:
Curso : XXXXXXXXXXXXX
0201-02XXX XXXXXXXXXXXX Docente: XXXXXXXXXXXXXXXXXXXXX
Sílabo del curso Guía del curso Unidades didácticas
Estos documentos (sílabo, guía del curso y unidades didácticas) estarán a su
disposición en la pantalla para que pueda revisarlos e informarse y estudiar,
desde el momento en que se matricule (pago en el banco y registro en su
Unidad Descentralizada). De esta forma, incluso si usted viaja, podrá seguir
estudiando sin necesidad de trasladarse llevando los libros.
En esta sección usted contará con:
Presentación del docente
Modelo de examen
Trabajo final
Ayudas
Autoevaluaciones
Enlaces Interesantes
Guía didáctica ● Investigación de Operaciones I
21
Presentación del docente
Es la presentación que el docente hace de su asignatura.
Modelo de examen Es el espacio desde donde usted podrá descargar un modelo de examen,
de tal forma que pueda prepararse adecuadamente para su evaluación. El
modelo de examen, como bien dice su nombre, es una demostración de la
forma en que vendrá elaborado el examen original.
Trabajo final
Es el espacio en el Aula virtual en el que usted podrá descargar el trabajo
final que necesita desarrollar y entregar en el plazo que figura en el
«calendario de evaluación». No olvide descargarlo para que pueda
elaborarlo.
Ayudas En este espacio usted podrá descargar o compartir las ayudas que se
colocarán cada semana de estudio para reforzar o complementar sus
conocimientos; ellos son parte de las evaluaciones del presente curso.
Autoevaluaciones
Aquí, el docente colocará preguntas, problemas o ejercicios que usted
desarrollará para asegurarse el adecuado nivel de comprensión de los
temas desarrollados cada semana.
Para acceder a las ayudas deberá ingresar al curso desde el
campus virtual a Material del Curso y luego a Ayudas
22
Escuela Profesional de Ingeniería Industrial
Para acceder a los enlaces interesantes deberá ingresar al curso
desde el Campus virtual a Material del curso y luego a
Enlaces interesantes
Enlaces interesantes
Es el espacio donde el docente colocará rutas o enlaces a páginas web,
con temas de la semana.
Guía didáctica ● Investigación de Operaciones I
23
En la parte inferior de cada aula virtual verá:
Tiene un cuadro con los nombres de todas las autoridades de su Facultad.
Para que usted pueda realizar sus pedidos.
Con todos los documentos que usted deberá conocer para cumplir con sus
obligaciones, ejercer sus derechos, cumplir con las normas de su Facultad, así
como efectuar trámites siguiendo las instancias apropiadas, para evitarse
inconvenientes, frustraciones o demoras.
Manuales
Guía de Atención al Alumno
Guía del Estudiante a Distancia UAP
Presentación y generalidades de la universidad
Sobre la Dirección Universitaria de Educación a Distancia
(DUED)
Información y orientaciones básicas para el alumno
Componentes del sistema de educación a distancia
Campo de acción y perfil profesional
Guía de manejo del Campus virtual
Guía de manejo del Correo electrónico
Guía de Instalación y Manual de Sala de Conferencias
Guía de configuración de audio y micrófono
24
Escuela Profesional de Ingeniería Industrial
Procedimientos
Actualización de Matrícula
Reserva de Matrícula
Cambio de Unidad Descentralizada (UDED)
Constancia de Estudios
Certificado de Estudios
Traslado de Modalidad de Estudios
Con todos los programas que usted deberá trabajar:
Acrobat Reader Abre archivos de extensión PDF.
WinZip Comprime archivos reduciendo su tamaño y colocándolos en un solo objeto con extensión .zip. Del modo inverso, los descomprime.
Microsoft Editor de Ecuaciones Agrega ecuaciones a sus documentos de MS Office.
Visual C# 2005 Express Edition Herramienta de desarrollo de software. Versión de prueba de 30 días.
Adobe Flash Herramienta para desarrollar contenido dinámico y multimedia para presentaciones e Internet. Versión de prueba de 30 días.
Minitab Es un programa diseñado para ejecutar funciones estadísticas básicas y avanzadas.
Guía didáctica ● Investigación de Operaciones I
25
A continuación le mostramos los contenidos distribuidos por semana de
estudio.
I Unidad didáctica
INTRODUCCIÓN A LA INVESTIGACIÓN DE OPERACIONES Y FUNDAMENTOS DE LA PROGRAMACIÓN LINEAL
Objetivo general
Al finalizar esta unidad didáctica estará en la capacidad de formular modelos
de programación lineal con dos o más variables y su solución mediante el
método gráfico para modelos con dos variables de decisión.
Unidad didáctica
Objetivos específicos
Contenidos Semana
de estudios
Conoce y
comprende la
importancia de
los orígenes de la
investigación
operativa
Introducción y definición de la IO, los orígenes de
la IO, qué es y para quÉ sirve la IO, la toma de
decisiones en nuestros días, las técnicas de la
IO, perfil de un profesional en IO, por qué son
necesarias las técnicas de optimización
Secuencia operativa de un proyecto de IO.
1.ª
Define y
comprende los
fundamentos de
la programación
lineal
Definición de PL, formulación de un modelo de
PL, Ejemplos de aplicación, método gráfico de
solución
2.ª
I
Conoce y
comprende la
importancia de
modelar
problemas
aplicados a
diferentes áreas
de la ciencia.
Aplicación de PL en la gestión de operaciones y
presentación de la solución mediante software
(por ejemplo : gestión de operaciones de
producción, compra, distribución, mezcla, entre
otros)
2.ª
7. Contenidos
26
Escuela Profesional de Ingeniería Industrial
II Unidad didáctica
REPRESENTACIÓN MATEMÁTICA DEL MODELO LINEAL Y EL MÉTODO
SIMPLEX
Objetivo general
Al finalizar la presente unidad didáctica, usted estará en la capacidad de reconocer la
importancia de representar problemas reales en términos matemáticos. Así como
conocer y aplicar el algoritmo Simplex para modelos con más de dos variables de
decisión en la solución de problemas de optimización.
Unidad didáctica
Objetivos específicos
Contenidos Semana
de estudios
Conoce y aplica la
representación
matemática de un modelo
lineal
Forma algebraica, forma matricial, solución
básica, interpretación geométrica, cantidad
máxima de soluciones básicas, búsqueda de
la solución factible óptima, interpretación de
las variables de holgura, exceso.
3.ª
II
Comprende la importancia
del algoritmo Simplex en
la solución de problemas
de programación lineal
Representación matemática, solución inicial
básica factible, la condición de optimalidad,
la condición de factibilidad, el algoritmo
Simplex, representación tabular, ejemplos.
Dualidad y análisis de sensibilidad (cambios
sistemáticos en los coeficientes de la
función objetivo y cambios sistemáticos en
las constantes del lado derecho.
4.ª
Guía didáctica ● Investigación de Operaciones I
27
III Unidad didáctica
APLICACIONES ESPECIALES DE LA PROGRAMACIÓN LINEAL
Objetivo general Al finalizar esta unidad didáctica estará en capacidad de reconocer la importancia de
solucionar problemas especiales de la programación lineal como son transporte y
asignación mediante operaciones elementales.
Unidad didáctica Objetivos específicos Contenidos Semana de estudios
III
Comprende y explica la definición del modelo de transporte y la aplicación del algoritmo.
Definición del modelo de transporte, el algoritmo de transporte, aplicación a problemas reales, solución del problema de transporte siguiendo los siguientes pasos: 1.º la determinación de la solución inicial, 2.º el método UV.
5.ª
Comprende y explica la definición del modelo de transporte y la aplicación del algoritmo.
Definición del modelo de asignación, el Algoritmo de Asignación, aplicación a problemas reales, solución del problemas de asignación: Método húngaro
6.ª
28
Escuela Profesional de Ingeniería Industrial
IV Unidad didáctica
TÓPICOS AVANZADOS EN PROGRAMACIÓN LINEAL TALES COMO: PROGRAMACIÓN POR OBJETIVOS Y PROGRAMACIÓN LINEAL ENTERA
Objetivo general
Al finalizar esta unidad didáctica estará en capacidad de comprender la importancia de
resolver modelos de múltiples objetivos y convertir los objetivos múltiples originales en
una sola meta y además trataremos programas lineales en los cuales algunas o todas las
variables de decisión están restringidas a valores enteros.
Unidad didáctica Objetivos específicos Contenidos Semana de estudios
Comprende y explica los conceptos básicos de la programación por objetivos
Definición y formulación de programación por metas, conceptos básicos y solución haciendo uso del Lindo
7º
IV Comprende y explica los conceptos básicos de la programación lineal entera.
Definición y formulación de programación lineal entera, enfoque gráfico, problemas con el redondeo, solución a través del método de ramificación y acotamiento.
8º
Guía didáctica ● Investigación de Operaciones I
29
• Bibliografía básica Es el presente texto, material de estudio obligatorio. Su lectura y comprensión es
imprescindible para lograr los objetivos del curso.
• Bibliografía complementaria Son textos adicionales de lectura no obligatoria
MATHUR, Kamlesh y Daniel SOLOW. Investigación de Operaciones, El arte de la
toma de decisiones. Editorial Prentice-Hall Hispanoamericana S:A. 977 páginas.
Desarrolla conceptos relacionados con la claridad, el orden y la precisión en el
área de construcción de modelos. Constituye un material de apoyo de primer
orden, por su forma didáctica y enfoque teórico-práctico de los temas
desarrollados.
Enlaces de Internet Son direcciones electrónicas (direcciones de Internet) que contienen información
relevante que darán soporte a las diferentes unidades didácticas. En el Campus
virtual del curso encontrará los enlaces por semana de estudio.
8. Fuentes de información
30
Escuela Profesional de Ingeniería Industrial
Autoevaluativas
Son actividades sugeridas que usted encontrará al final de cada unidad
didáctica del presente texto. No son de entrega obligatoria: estas actividades sirven
para reforzar los conocimientos o competencias que usted debió haber logrado en sus
semanas de estudio.
Lectura de textos de acuerdo al tópico desarrollado.
Ejercicios de ampliación y complementación de enunciados y
autocomprobación de lo aprendido.
Trabajo académico Su cumplimiento en cuanto al desarrollo adecuado y entrega oportuna es de
carácter obligatorio, es decir, según lo programado en el Aula virtual. Usted debe
desarrollar el trabajo asignado bajo este rubro teniendo en cuenta la fecha límite para
la presentación, pudiendo antes del plazo, consultar con el docente.
Visite desde su Aula virtual, accediendo al espacio llamado Materiales del
curso, el espacio denominado Trabajo académico. En él encontrará las
especificaciones del trabajo a desarrollar y los detalles pertinentes que necesitará
conocer para realizarlo.
.
9. Actividades
Guía didáctica ● Investigación de Operaciones I
31
Dada la naturaleza del curso, es muy importante su participación activa en el
proceso de aprendizaje. Por ello, se define en este acápite los criterios de evaluación:
• Exámenes Examen es la evaluación escrita del presente curso, se evalúa con escala
vigesimal y se rendirán en las fechas señala en el siguiente cuadro.
Exámenes Semana de estudios
Examen parcial
Examen final
Examen sustitutorio
Cuarta
Octava
Dieciocho
La nota mínima aprobatoria de todos los exámenes es de once (11).
Es importante resaltar que la calificación obtenida en el Examen sustitutorio
reemplazará a la nota del Examen parcial o del Examen final. Usted podrá
acceder al examen sustitutorio si no ha sido evaluado en el examen parcial o en
el examen final, ha desaprobado alguno de ellos o desea mejorar su promedio.
• Trabajo académico Son los trabajos que usted entregará obligatoriamente, y constituyen un requisito
indispensable para aprobar el curso.
El desarrollo de algunos trabajos académicos requiere trabajo en grupo, en otros
casos el desarrollo será de forma personal.
El examen sustitutorio solo reemplaza uno de los exámenes al
parcial o al final. Bajo ninguna circunstancia la nota del examen
sustitutorio reemplaza las actividades obligatorias o los dos
exámenes antes mencionados o al promedio final.
RECUERDE
10. Evaluación
32
Escuela Profesional de Ingeniería Industrial
Los trabajos académicos están colocados en el Campus virtual y las
especificaciones de los mismos serán detalladas oportunamente en el foro y en
la sala de conversación, así como también el asesoramiento en su desarrollo.
Forma de evaluación : Permanente. Rubros:
• Examen parcial. (35%)
• Examen final. (35%)
• Actividades Obligatorias (30%)
El Trabajo académico se evaluarán también con escala vigesimal y también la
nota mínima aprobatoria es 11 (once). Toda copia de trabajos de Internet
detectada en las actividades tendrá la nota 00 (cero)
Guía didáctica ● Investigación de Operaciones I
33
Estimado participante:
Para que usted pueda lograr los objetivos de cada unidad didáctica considere
lo siguiente:
Unidad didáctica Objetivo Tiempo
sugerido de estudio
I
Construye a través de los orígenes de la investigación operativa la importancia de la definición y formulación de un modelo de programación lineal, es decir, abstraer un problema real en términos matemáticos.
30 horas
II
Comprende la importancia de la representación matemática del modelo lineal y al algoritmoSimplex en la solución de problemas deprogramación Lineal con más de dos variablesde decisión
20 horas
III Reconoce y comprende la importancia de nuevosalgoritmos para la solución de casos especiales de la Programación Lineal,
20 horas
IV
Comprende la importancia de abordar tópicosavanzados en programación lineal, tales comoprogramación por objetivos y programación linealentera.
20 horas
Con relación a la Guía didáctica
Le recomendamos que lea detenidamente este documento y lo considere una
guía que deberá utilizar en todo su proceso de estudio, consultándolo cada vez que
sea necesario.
11. Orientaciones para el estudio de la asignatura
34
Escuela Profesional de Ingeniería Industrial
Con relación a las unidades didácticas En este proceso, es indispensable que cuente con un nivel de lectura
comprensiva e interpretativa para lo cual se pone en su consideración las siguientes
pautas:
• Busque las condiciones ambientales más propicias para el estudio, lo que le
facilitará su concentración y su aprendizaje.
• Haga un cronograma de estudio que deberá cumplir en forma sistemática.
• Recuerde que debe interpretar con sus propias palabras los conceptos
presentados por el autor, esto le permitirá una mayor comprensión del tema.
• Resuelva todas las actividades: autoevaluación, prácticas y ejercicios
propuestos.
• Cuide la adecuada presentación de sus trabajos, ya sea de fondo (profundidad,
exactitud y rigurosidad de sus respuestas) como de forma (ortografía, orden).
Guía didáctica ● Investigación de Operaciones I
35
Con relación a las tutorías telemáticas
La comunicación con el docente se realizará a través de la Sala de conferencia,
y en caso de dificultades técnicas, en la Sala de conversación. Antes de comunicarse
con el docente usted deberá preparar:
• Las preguntas de los temas que usted considere de difícil comprensión.
• Comentarios que usted necesita realizarle al docente para profundizar algunos
conocimientos o para consultar los conocimientos que usted considere
conveniente.
Temas sociales (café)
Se le recuerda que debe tener presente estas consideraciones cuando acuda a
la tutoría telemática:
1. Haga primero el intento de solucionar sus inquietudes estudiando con seriedad,
consultando la bibliografía pertinente e intercambiando opiniones con sus
compañeros. Si después de ello persiste su duda, haga preguntas específicas
y no del tema en general. De lo contrario, indicaría que no está haciendo su
mejor esfuerzo para aprender.
2. Formule sus preguntas de forma concreta y precisa. Esto ayudará a que el
tutor esté en mejores condiciones para atenderlo y evitar confusiones
innecesarias.
3. No haga preguntas rebuscadas o que no sean pertinentes al tema. El tiempo
es un recurso valioso para todos.
La tutoría telemática es para resolver asuntos estrictamente académicos.
Si usted necesita que el docente le aclare el puntaje obtenido en alguna
de sus calificaciones, utilice el correo electrónico.
RECUERDE
12. Orientaciones para las tutorías
36
Escuela Profesional de Ingeniería Industrial
4. Las indicaciones sobre las evaluaciones están dadas en las respectivas
unidades didácticas, por lo que se le sugiere que no haga preguntas referentes
a si las evaluaciones son fáciles o no; qué pasará si usted no aprueba,
etcétera. Estamos para apoyarlo, pero solicite la ayuda en forma necesaria,
clara y oportuna.
5. Respete el horario establecido para la tutoría. Si usted estudia a último minuto,
lo más probable es que no podamos atender sus requerimientos de la misma
forma. Por eso, se le sugiere elaborar y cumplir un horario de actividades con
la finalidad de que esto le ayude a organizarse en su estudio, prácticas y
evaluaciones.
¡Buena suerte!
I Unidad didáctica
Investigación Operativa I
INTRODUCCIÓN A LA INVESTIGACIÓN DE OPERACIONES Y FUNDAMENTOS DE LA
PROGRAMACIÓN LINEAL
Primera unidad didáctica ● Investigación de Operaciones I
5
1. INTRODUCCIÓN A LA INVESTIGACIÓN DE OPERACIONES Y FUNDAMENTOS DE LA PROGRAMACIÓN LINEAL
1.1 Los orígenes de la Investigación Operativa
1.2 ¿Qué es la investigación Operativa?
1.3 La toma de decisiones
1.4 Técnicas de la investigación operativa (IO)
1.5 Perfil profesional en IO
1.6 ¿Por qué son necesarias las técnicas de optimización y análisis?
1.7 Secuencias operativa de un proyecto de IO
1.8 Introducción a la Construcción de Modelos
2. REPRESENTACIÓN MATEMÁTICA DEL MODELO LINEAL Y EL MÉTODO SIMPLEX 2.1. Definición de Programación Lineal
2.1.1 Conceptos Básicos
2.2. Conjunto Convexo
2.3. Formulación de un problema de programación lineal
2.3.1 Identificación de las variables de decisión.
2.3.2 Identificación de los datos del problema
2.3.3 Identificación de la función Objetivo
2.3.4 Identificación de las restricciones
2.4. Método gráfico o método geométrico de solución
2.4.1 Graficación de ecuaciones y desigualdades lineales
3. APLICACIONES DE PL EN LA GESTIÓN DE OPERACIONES Y PRESENTACIÓN DE LA SOLUCIÓN MEDIANTE SOFTWARE
Esquema de contenidos
Escuela Profesional de Ingeniería Industrial
6
Objetivo general Al finalizar esta unidad didáctica estará en la capacidad de formular modelos
de programación lineal y su solución mediante el método gráfico para
modelos con dos variables de decisión.
Objetivos específicos Conoce y comprende la importancia de los orígenes de la investigación operativa Define y comprende los fundamentos de la programación lineal Conoce y comprende la importancia de modelar problemas aplicados a diferentes áreas de la ciencia.
Objetivos
Primera unidad didáctica ● Investigación de Operaciones I
7
En este texto guía de Investigación de Operaciones I a partir de nuestra
experiencia en la enseñanza de los métodos cuantitativos aplicados a las diferentes
áreas como son las ingenierías, la industria, la economía, la administración, la
medicina, la Biología, en el campo militar, educación, organizaciones sociales,
etcétera, buscamos que el alumno aprenda el concepto de modelo matemático y, lo
más importante, la construcción de modelos pues sin los modelos matemáticos no
tienen sentido la existencia de paquetes de computación para resolver los modelos.
Desde este punto de vista, nuestra preocupación se centra en enseñar a nuestros
estudiantes cómo construir modelos, aunque es verdad que la construcción de
modelos es un arte que se logra con la práctica.
En este texto va a encontrar cuatro unidades referente al desarrollo del curso,
la primera unidad corresponde a la introducción a la Investigación de operaciones y
fundamentos de la programación lineal; en la segunda unidad desarrollaremos la
representación matemática del modelo lineal y el método Simples; la tercera unidad
corresponde a las aplicaciones especiales de la programación lineal; y por último, la
cuarta unidad corresponde a programación por objetivos y programación lineal entera.
La idea fundamental es que el estudiante se familiarice con el curso para ello
deberá dedicarse con mucho esmero a cada unidad, tanto en lo que respecta a su
teoría como a los ejemplos, y siempre buscar información adicional.
Prólogo
Escuela Profesional de Ingeniería Industrial
8
Los cambios revolucionarios originaron gran aumento en la división de trabajo y
la separación de las responsabilidades administrativas en las organizaciones. Sin
embargo esta revolución creó nuevos problemas que se presentan hasta la fecha en
muchas empresas. Uno de estos problemas es la tendencia de muchos de los
componentes a convertirse en imperios relativamente autónomos, con sus propias
metas y sistemas de valores. Este tipo de problemas, y la necesidad de encontrar la
mejor forma de resolverlos, proporcionaron el surgimiento de la Investigación de
Operaciones.
La Investigación de Operaciones aspira a determinar la mejor solución (óptima)
para un problema de decisión con la restricción de recursos limitados.
Introducción a la investigación de operaciones (IO)
Primera unidad didáctica ● Investigación de Operaciones I
9
I Unidad didáctica
INTRODUCCIÓN A LA INVESTIGACIÓN DE OPERACIONES Y FUNDAMENTOS DE
LA PROGRAMACIÓN LINEAL
EL PROBLEMA
1.1. LOS ORÍGENES DE LA INVESTIGACIÓN OPERATIVA • Antecedentes
– En los siglos XVII y XVIII, Newton, Leibnitz, Bernoulli y Lagrange.
– Los franceses Jean Baptiste-Joseph Fourier esbozó métodos de la actual
programación lineal.
– Von Neumann publicó en 1928 su trabajo «Teoría de Juegos».
– Matemáticas: modelos lineales (Farkas, Minkowski) (s.XIX).
– Estadística: fenómenos de espera (Erlang, Markov) (años 20).
– Economía: Quesnay (s.XVIII), Walras (s.XIX), Von Neumann (años 20).
Cada vez es más difícil asignar los recursos o actividades, de la forma más eficaz
Los recursos son escasos Los sistemas son cada
vez más complejos
Contenidos
Escuela Profesional de Ingeniería Industrial
10
• El origen de la IO moderna se sitúa en la Segunda Guerra Mundial para resolver problemas de organización militar:
Despliegue de radares, manejo de operaciones de bombardeo, colocación de
minas, etcétera. Y luego con motivo de la revolución industrial, ha ido teniendo
cada vez más importancia dado el crecimiento y complejidad de las nuevas
organizaciones. Actualmente está cobrando especial importancia con el
desarrollo de la informática.
• El éxito de la IO se debe a:
- Progreso teórico: RAND (Dantzig), Princeton (Gomory, Kuhn, Tucker),
Carnegie Institute of Technology (Charnes, Cooper).
- Creación del Método Simplex por George Dantzing, en 1947.
- El desarrollo del computador.
- Gran desarrollo de los ordenadores: aumento de la capacidad de
almacenamiento de datos, incremento de la velocidad de la resolución de
problemas
Sigue habiendo un gran desarrollo, en muchos sectores, con grandes avances
sobre todo en el campo de la Inteligencia Artificial
• En la actualidad existen organizaciones dedicadas al área de IO, en sus dos
niveles: académico y empresarial, estas organizaciones son:
- ORSA, Operations Research Society of American, 1952.
- TIMS, The Institute of management Science, 1953.
- ALIO, Asociación Latinoamérica de IO.
- IFORS, International Federation of Operations Research.
Primera unidad didáctica ● Investigación de Operaciones I
11
- Sociedad Española de Estadística e Investigaciones Operativas (SEIO)
www.cica.es/aliens/seio.
- Association of European O.R. Societies (EURO)
www.ulb.ac.be/euro/euro_welcome.html.
- Institute for O.R. and the Management Sci. (INFORMS) www.informs.org.
- International Federation of O.R. Societies (IFORS) www.ifors.org
1.2. ¿QUÉ ES LA INVESTIGACIÓN OPERATIVA? Responderemos esta interrogante con algunas definiciones:
Definición de CHURCHMAN, ACKOFF y ARNOFF La investigación de operaciones es la aplicación, por grupos interdisciplinarios, del
método científico a problemas relacionados con el control de las organizaciones o
sistemas (hombre-máquina), a fin de que se produzcan soluciones que mejor sirvan a
los objetivos de la organización.
Escuela Profesional de Ingeniería Industrial
12
Definición NAMAKFORROSH Es la aplicación del método científico a los problemas de decisión de las empresas y
otras organizaciones, incluyendo el gobierno y la milicia.
Definición LAWRENCE y PASTERNAK, 1998 Un enfoque científico para la toma de decisiones ejecutivas, que consiste en: el arte de
modelar situaciones complejas, la ciencia de desarrollar técnicas de solución para
resolver dichos modelos y la capacidad de comunicar efectivamente los resultados.
Objetivo de la Investigación operativa - Estudiar la asignación óptima de recursos escasos a determinada actividad.
- Evaluar el rendimiento de un sistema con el objeto de mejorarlo.
En conclusión podemos observar que todos coinciden en que la IO es la aplicación del
método científico por un grupo interdisciplinario de personas a la resolución de un
problema con el fin de asignar los recursos o actividades de forma eficaz, en la gestión
y organización de sistemas complejos y el objetivo es ayudar a la toma de decisiones
es decidir mediante estos métodos científicos encontrar el diseño que optimiza el
proceso analizado, generalmente bajo condiciones que implican la utilización de
recursos escasos.
1.3. LA TOMA DE DECISIONES a. Prácticamente todas las decisiones se toman en un ambiente de cierta
incertidumbre. Sin embargo, el grado varía de una certeza relativa a una gran
incertidumbre. En la toma de decisiones existen ciertos riesgos implícitos.
b. La toma de decisión es la respuesta a un problema de evaluar un conjunto de
alternativas. Algunas decisiones tienen una importancia relativa en el desarrollo
de nuestra vida, mientras otras son gravitantes en ella.
Primera unidad didáctica ● Investigación de Operaciones I
13
c. Toda empresa funciona dentro de un mercado con factores competitivos, el
gerente debe tener herramientas cuantitativas para tomar mejores decisiones.
d. Tipos de decisiones
Decisiones bajo condición de certeza
En una situación donde existe certeza, las personas están razonablemente
seguras sobre lo que ocurrirá cuando tomen una decisión, cuentan con
información que se considera confiable y se conocen las relaciones de causa y
efecto.
Decisiones bajo condición de incertidumbre
En una situación de incertidumbre, las personas sólo tienen una base de datos
muy deficiente. No saben si estos son o no confiables y tienen mucha
inseguridad sobre los posibles cambios que pueda sufrir la situación.
Decisiones bajo condición de riesgo
En una situación de riesgo, quizá se cuente con información basada en hechos,
pero la misma puede resultar incompleta. Para mejorar la toma de decisiones se
puede estimar las probabilidades objetivas de un resultado, al utilizar, por
ejemplo modelos matemáticos. Por otra parte se puede usar la probabilidad
subjetiva, basada en el juicio y la experiencia.
Base para la toma de decisiones
Bases cuantitativas: es la habilidad de emplear técnicas presentadas como
métodos cuantitativos o Investigación de Operaciones, como puede ser la
programación lineal, teoría de líneas de espera y modelos de inventarios.
Escuela Profesional de Ingeniería Industrial
14
Bases cualitativas: existen ciertas cualidades que hacen que los tomadores de
decisión sean buenos o malos. Las cualidades que tienen mayor importancia a la
hora de analizar al tomador de las decisiones son:
i. Información.
ii. Conocimientos.
iii. Experiencia.
iv. Análisis.
v. Juicio.
e. Clases de decisiones
Decisiones programadas
Son aquellas que se toman frecuentemente, es decir son repetitivas y se
convierte en una rutina tomarlas.
Decisiones no programadas
Son decisiones que se toman en problemas o situaciones que se presentan con
poca frecuencia
1.4 TÉCNICAS DE LA INVESTIGACIÓN OPERATIVA (I .O) Las técnicas utilizadas para resolver problemas y apoyar a la toma de decisiones son
variadas, dependiendo, entre otros factores de la naturaleza de los datos. Se utilizan
modelos matemáticos
Para solucionar modelos cuantitativos, podemos hacer uso de las siguientes técnicas
de optimización:
- Determinísticos. Los casos determinísticos se presentan cuando hay certeza
sobre los parámetros, que son establecidos y fijados de antemano y en
consecuencia nos conducen a resultados ciertos. En estos casos se recurren a
modelos matemáticos de optimización.
Primera unidad didáctica ● Investigación de Operaciones I
15
- Probabilistico. Cuando no existe certeza sobre todos los datos, y algunos
parámetros o elementos no se conocen. Parten de datos estadísticos y nos
conducen a resultados probables. En estos casos se recurren a modelos
matemáticos para proyectar y extrapolar, predecir.
Dentro de las técnicas de optimización tanto en determinísticos como probabilísticos
señalaremos los siguientes:
A. Modelos determinísticos
• Programación matemática
• Programación lineal
• Programación entera
• Programación dinámica
• Programación no lineal
• Programación multiobjetivo
• Modelos de transporte
• Modelos de redes
B. Modelos probabilísticos
• Programación estocástica
• Gestión de inventarios
• Fenómenos de espera (colas)
• Teoría de juegos
• Simulación
1.5 PERFIL PROFESIONAL EN IO Un profesional en IO debe tener una buena formación en cuatro áreas:
- Conocimientos en las áreas de la IO.
- Conocimientos de las técnicas cuantitativas y los softwares correspondientes.
- Conocimiento especializado en un área diferente de la IO, esto le dará al
profesional una competencia especial de aplicar IO.
- Conocimiento básico en desarrollar Sistemas de Soporte de Decisiones, para la
fase de implementación de la aplicación.
Escuela Profesional de Ingeniería Industrial
16
1.6. ¿POR QUÉ SON N ECESARIAS LAS TÉCNIC AS DE OPTIMIZACIÓN Y ANÁLISIS?
El interés por resolver un problema del mundo real nos lleva a la construcción o
formulación de modelos, el proceso de tomar un problema real y abstraerlo en
términos matemáticos nos conduce al uso de una de las técnicas de optimización y
análisis mencionados en 1.5., que son muy importantes y necesarias pues ellas nos
permiten resolver problemas complejos y diversos aplicados a la ingeniería, economía,
minería, transporte, medio ambiente, medicina, en el campo militar, en las
organizaciones sociales, entre otros.
Las técnicas de análisis permiten obtener información muy útil para interpretación.
1.7. SECUENCIAS OPERATIVAS DE UN PROYECTO DE IO - A lo largo de todo el proceso debe haber una interacción constante entre el
analista y el cliente
- El proceso de aplicar métodos cuantitativos requiere una sucesión sistemática de
pasos estos son:
Definición del problema
Desarrollo de un modelo matemático y recolección de
datos
Resolución del Modelo Matemático
Solución
Modelo Modificado ¿Es válida la solución
Implementación
no
Sí
Primera unidad didáctica ● Investigación de Operaciones I
17
1.7.1. Definición del problema El primer paso es identificar, comprender y describir en términos precisos el problema
que la organización enfrenta. En algunos casos, el problema está bien definido y es
claro.
En otras situaciones, el problema puede no estar bien definido y puede requerir
bastantes discusiones y consenso entre los miembros del equipo de proyectos.
1.7.2. Desarrollo de un modelo matemático y recolección de datos Después de que el problema esté claramente definido y comprendido, el siguiente
paso es expresar el problema en una forma matemática, esto es, formular un modelo
matemático. Una vez construido el modelo, existen muchas técnicas matemáticas
disponibles para obtener la mejor solución, a pesar del vasto número de alternativas o
de la complejidad implicada.
Variable de decisión/v ariable/variable controlable: Es una cantidad cuyo valor se
puede controlar y es necesario determinar para solucionar un problema de decisión.
Función objetivo: El objetivo global de un problema de decisión expresado en una
forma matemática en términos de los datos y de las variables de decisión.
Limitación: Es una restricción sobre los valores de variables en un modelo
matemático típicamente impuesto por condición externa.
Datos/ parámetros incontrolables: Información conocida en un problema de decisión
que no se puede controlar pero que se puede usar para determinar la solución
1.7.3. Resolución del modelo matemático Una vez formulado un modelo matemático del problema, el siguiente paso es resolver
el modelo, es decir, obtener valores numéricos para la variable de decisión. Es decir,
una vez que identifique el tipo de modelo que tiene, podrá elegir una técnica de
administración apropiada para resolverlo. Estas técnicas pertenecen a una de dos
categorías:
Escuela Profesional de Ingeniería Industrial
18
a) Métodos óptimos, que producen los mejores valores para las variables de
decisión, es decir, aquellos valores que satisfacen simultáneamente todas las
limitaciones y proporcionan el mejor valor para la función objetivo.
b) Métodos heurísticos , que producen valores para las variables que satisfacen
todas las limitaciones. Aunque no necesariamente óptimos, estos valores proporcionan
un valor aceptable para la función objetivo.
En contraste con los métodos óptimos, los métodos heurísticos son
computacionalmente más eficientes y por tanto se usan cuando la obtención de
soluciones óptimas lleva demasiado tiempo o es imposible porque el modelo es
demasiado complejo.
1.7.4. Validación, instrumentación y control de la solución Después de resolver el modelo matemático, es extremadamente importante validar la
solución, es decir, revisar la solución cuidadosamente para ver que los valores tienen
sentido y que las decisiones resultantes puedan llevarse a cabo. Algunas de las
razones para hacer esto son:
- El modelo matemático puede no haber captado todas las limitaciones del
problema real.
- Ciertos aspectos del problema pueden haberse pasado por alto, omitido
deliberadamente o simplificado.
- Los datos pueden haberse estimado o registrado incorrectamente, tal vez al
introducirlos a la computadora.
1.7.5. Modificación del modelo Si durante el paso de validación se encuentra que la solución no puede llevarse a
cabo, se pueden identificar las limitaciones que fueron omitidas durante la formulación
del problema original o puede uno darse cuenta de que algunas de las limitaciones
originales eran incorrectas y necesitan modificarse. En estos casos, debe regresarse a
la etapa de formulación del problema y hacerse cuidadosamente las modificaciones
apropiadas para reflejar con más exactitud el problema real.
Primera unidad didáctica ● Investigación de Operaciones I
19
1.8. INTRODUCCIÓN A LA CONSTRUCCIÓN DE MODELOS
1.8.1. El modelado Es una ciencia de análisis de relaciones, aplicación de algoritmos de solución y a la
vez un arte: visión de la realidad, estilo, elegancia, simplicidad, uso creativo de las
herramientas y experiencia
1.8.2. Modelo Representación simplificada de la realidad, que facilita su comprensión y el estudio de
su comportamiento. También podemos decir que un modelo es una abstracción
selectiva de la realidad que:
• Debe mantener un equilibrio entre sencillez y capacidad de representación
• Modelo matemático: modelo expresado en términos matemáticos:
- Hace más claras la estructura y relaciones.
- Facilita el uso de técnicas matemáticas y ordenadores.
- A veces no es aplicable.
• Los modelos pueden ser:
- Modelos físicos, modelos de aviones a escala, etc.
- Modelos análogos, mapa de carreteras, etc.
- Modelos simbólicos, modelos cuantitativos (determinísticos, probabilísticos
o estocásticos).
1.8.3. Construcción del modelo
• Traducción del problema a términos matemáticos
- Objetivos: función objetivo
- Alternativas: variables de decisión
- Limitaciones del sistema: restricciones
• Pero a veces las relaciones matemáticas son demasiado complejas
- Heurísticos
- Simulación
Escuela Profesional de Ingeniería Industrial
20
1.8.4. Modelado matemático Paso 1. Identificar las variables de decisión ¿Sobre qué tengo control?
¿Qué es lo que hay que decidir?
¿Cuál sería una respuesta válida en este caso?
Paso 2. Identificar la función objetivo ¿Qué pretendemos conseguir?
Si yo fuese el jefe de la empresa, ¿qué me interesaría más?
Paso 3. Identificar las restricciones o factores que limitan la decisión Recursos disponibles (trabajadores, máquinas, material)
Fechas límite
Restricciones por la naturaleza de las variables (no negatividad, enteras,
binarias)
Restricciones por la naturaleza del problema
Paso 4. Traducción de los elementos básicos a un modelo matemático. 1.8.5. Resolución del modelo Paso 1. Elegir la técnica de resolución adecuada
Técnicas existentes, modificación, creación o heurísticos.
Paso 2. Generar las soluciones del modelo
Programas de ordenador, hojas de cálculo.
Paso 3. Comprobar/validar los resultados
Probar la solución en el entorno real
Paso 4. Si los resultados son inaceptables, revisar el modelo matemático
Estudiar hipótesis, comprobar exactitud de datos, relajar o endurecer
aproximaciones, revisar restricciones
Primera unidad didáctica ● Investigación de Operaciones I
21
Paso 5. Realizar análisis de sensibilidad
Analizar adaptaciones en la solución propuesta frente a posibles cambios
1.8.6. Guía general para la formulación de modelos Identificación de los elementos básicos. Expresar en palabras:
• Datos del problema
- Factores que no son susceptibles de cambio
• Variables de decisión
- Variables sobre las que se tiene control
• Restricciones
- Causas por las que la decisión está limitada
• Función objetivo
- Medida del rendimiento que se quiere optimizar
- Traducción de los elementos básicos a expresiones matemáticas
Serie de problemas 1.0 1. Ampliar los orígenes de la IO
2. ¿Qué es y para qué sirve la IO? Dar algunas otras definiciones.
3. Investigar sobre la toma de decisiones en nuestros días
4. Breves definiciones sobre las diferentes técnicas de la IO
Escuela Profesional de Ingeniería Industrial
22
2. FUNDAMENTOS DE LA PROGRAMACIÓN LINEAL (P. L.)
La programación lineal utiliza un modelo matemático para representar el problema que
se estudia. La palabra lineal en el nombre se refiere a la forma de las expresiones
matemáticas de este modelo. Programación no se refiere a la programación en
computadora; más bien es, en esencia, un sinónimo de planear. Así, la programación
lineal significa planeación de actividades representada por un modelo matemático
lineal.
El útil desarrollo actual de la PL para los negocios y la industria, se atribuye al doctor
George D. Dantzig, un matemático que presentó su método Simplex, como un
procedimiento sistemático para resolver un problema de programación lineal. Durante
el año de 1947, George Dantzig (con Marshall Wood y sus asociados), se ocupó de
un proyecto en la Fuerza Aérea de los Estados Unidos, el cual dio por resultado la
búsqueda de una técnica capaz de resolver los problemas de planeación militar. La
esencia de esas investigaciones consiste en considerar las interrelaciones entre las
actividades de una gran organización como un modelo de PL, y determinar el
programa de optimización minimizando (o maximizando) una función objetivo lineal.
Dantzig indicó que ese nuevo enfoque tendría amplias aplicaciones en los problemas
de los negocios, como ocurre actualmente.
La programación Lineal se usa en las siguientes áreas
-Programación de refinerías de petróleo
- Distribución de productos
- Planeamiento de la producción
- Estudio de mercados
- Planeamiento de inversiones
- Problemas de transporte
- Problemas de dietas, etcétera
Primera unidad didáctica ● Investigación de Operaciones I
23
2.1. DEFINICIÓN DE PROGRAMACIÓN LINEAL
La programación lineal es una técnica matemática que nos permite determinar la mejor
asignación de los recursos limitados de la empresa de tal manera que la función
objetivo debe maximizarse o minimizarse cuando se consideran un conjunto de
restricciones.
2.1.1. Conceptos básicos
Para resolver problemas de Investigación de Operaciones por medio de PL debemos
primero explicar las características comunes de todos los modelos de PL y las
suposiciones matemáticas que se aplican a ello:
• Función Objetivo. La programación lineal es un proceso de optimización. Con
una sola función objetivo la cual se expresa matemáticamente lo que se intenta
maximizar (por ejemplo las ganancias o utilidades) o minimizar (por ejemplo, los
costos o el desperdicio) en cada caso.
• Variable de decisión. Representa aquellas selecciones que están bajo el control
de la persona que toma las decisiones. Resolviendo el problema se obtienen sus
valores óptimos.
Las variables pueden ser endógenas (aquellas que el modelo trata de explicar y
se conocen también como variables dependientes) o exógenas (aquellas fuerzas
exteriores al modelo y cuyas magnitudes intervienen como datos y también se
les denomina variables independientes). Estas dos expresiones tienen sentido
únicamente dentro del contexto de un modelo específico, pues una variable
endógena en un modelo dado, puede muy bien ser exógena en otro.
Por ejemplo, una variable de decisión podría ser el número de unidades de un
producto que se deben fabricar en el siguiente mes.
La programación lineal se basa en la suposición de que las variables de decisión
son continuas.
Escuela Profesional de Ingeniería Industrial
24
• Restricciones. Son limitaciones que restringen las selecciones permisibles para
las variables de decisión. Cada limitación puede expresarse matemáticamente en
cualquiera de estas tres formas:
- Restricción menor ig ual que ( ≤ ) impone un limite superior a cierta
función de las variables de decisión. Por ejemplo, el número máximo de
clientes a los cuales es posible atender.
- Restricción mayor igual que (≥ ) impone un limite inferior a cierta función
de las variables de decisión. Por ejemplo, la producción de cierto producto
debe exceder o igualar a la magnitud de la demanda.
- Restricción igual que (= ) Por ejemplo, que el inventario final siempre
debe ser igual al inventario inicial más la producción menos las ventas.
• Región factible. Todo problema de PL debe tener una o varias restricciones.
Consideradas en conjunto, esas restricciones definen una región factible, la cual
representa todas las combinaciones permisibles de las variables de decisión. En
la mayor parte de los casos la región factible contiene un número muy grande de
soluciones posibles. La meta de la persona que toma decisiones consiste en
encontrar la mejor solución.
• Parámetro. La función objetivo y las restricciones son funciones de las variables
de decisión y los parámetros. Un parámetro, también llamado coeficiente o
constante se conocen con certidumbre. Por ejemplo, un programador de
computadoras puede saber de antemano que la ejecución de un programa de
software requerirá tres horas, ni más ni menos.
• Linealidad. La función objetivo y las ecuaciones de restricción son lineales. La
linealidad implica proporcionalidad y aditividad; no puede haber en ella productos
ni potencias (por ejemplo, 31 2 110 ,x x x ) de las variables de decisión.
• No negatividad. Significa que las variables de decisión deben ser positivas o
cero. Por ejemplo, una empresa que fabrica autos jamás podrá producir un
número negativo de autos.
Primera unidad didáctica ● Investigación de Operaciones I
25
2.2. CONJUNTO CONVEXO
Un conjunto de puntos Xi del espacio n – dimensional En forman un conjunto convexo,
si dado 2 puntos X1 y X2 del conjunto Xi, entonces todos los puntos contenidos en el
segmento de recta ( n dimensional ) que se obtiene al unir X1 y X2 están en Xi.
También puede definirse, un conjunto convexo, como aquel que tiene la propiedad de
que, para cualquier par de puntos pertenecientes al mismo, el segmento que los une
también se encuentra dentro del conjunto.
Obviamente, una línea recta se ajusta a esta definición y constituye un conjunto
convexo. Por convención se considera que un punto único, también es un conjunto
convexo.
conjuntos convexos (a) y (b)
conjuntos no convexos, c y d
El conjunto convexo (c.c.) está dado por la intersección de los planos que forman
todas las desigualdades y ecuaciones que conforman un modelo, siempre y cuando no
tengan bordes dentados u orificios.
j a c d •f
h
l
m
kc)
d)
Escuela Profesional de Ingeniería Industrial
26
En general, para ser convexo, el conjunto de puntos no debe contener orificios, y su
borde no debe ser dentado en ningún lugar.
Teorema 1: el conjunto de todas las soluciones posibles al problema de P.L., es un
conjunto convexo.
Teorema 2: la función objetivo alcanza su máximo o mínimo en un punto extremo del
conjunto convexo, generado por el conjunto de soluciones factibles al problema de PL.
Por lo expuesto tendremos únicamente que investigar los puntos extremos del
polígono convexo y buscar aquel punto que proporcione el mayor (menor) valor para la
función objetivo y obtendremos así la solución buscada.
Graficación de ecuaciones y desigualdades lineales Cuando se grafica una ecuación, se genera una recta sobre el eje de coordenadas.
Las desigualdades generan un plano al graficarlo sobre el eje de coordenadas.
Pasos para la graficación de una desigualdad:
a. Tomar de la desigualdad, la parte de la ecuación, para determinar dos puntos
que permitan graficar una recta, que sería el límite del plano.
En el caso de que en la ecuación el término constante fuese cero, la recta pasa
por la intercepción de los ejes. Por lo tanto, uno de los puntos sería (0,0).
El otro punto se obtendría dando un valor diferente de cero a una de las
variables.
Si la constante fuese diferente de cero, se procede de la siguiente manera:
Para el primer punto, se hace cero una de las variables y se despeja la otra
variable. Para el segundo punto, se hace cero la otra variable, y se despeja para la
variable que queda pendiente.
Primera unidad didáctica ● Investigación de Operaciones I
27
b. Determinación del plano que da la desigualdad.
Se escoge un punto de prueba, debajo o sobre la recta y se verifica si satisface
la desigualdad.
Si satisface la desigualdad, el plano se forma para el lado que se encuentra el
punto de prueba escogido.
Si no satisface la desigualdad, el plano se forma para el lado contrario a donde
se encuentra el punto de prueba con respecto a la recta o límite del plano.
2.3. FORMULACIÓN DE UN PROBLEMA DE PROGRAMACIÓN LINEAL
2.3.1. Identificación de las variables de decisión El primer paso en la formulación del problema es identificar las variables de decisión, a
menudo simplemente llamadas variables, una vez determinados, proporcionan la
solución al problema.
Característica clave
Pautas generales para identificar variables de decisión
¿Qué elementos afectan los costos y/o ganancias (en genera, el objetivo global)
¿Qué elementos puede elegir y/o controlar libremente?
¿Qué decisiones tiene que tomar?
2.3.2. Identificación de los datos del problema La finalidad de resolver un problema es proporcionar los valores reales para las
variables de decisión que ha identificado. Se requiere conocer cierta información para
ayudar a determinar esos valores
Escuela Profesional de Ingeniería Industrial
28
2.3.3. Identificación de la función objetivo Expresar el objetivo organizacional global en forma matemática usando las variables
de decisión y los datos conocidos del problema. La función objetivo se crea en tres
etapas:
• Establecer la función objetivo en forma verbal.
• Donde sea adecuado descomponer el objetivo (por ejemplo, suma, diferencia).
• Expresar las cantidades individuales matemáticamente usando las variables de
decisión y otros datos conocidos en el problema
2.3.4. Identificación de las restricciones Las restricciones son condiciones que las variables de decisión deben satisfacer para
constituir una solución aceptable. Las restricciones por lo general surgen de:
• Limitaciones físicas (por ejemplo, el número limitado de horas de trabajo)
• Restricciones impuestas por la administración ( por ejemplo, demanda del
producto)
• Restricciones externas (por ejemplo, la empresa no puede vender más de cierta
cantidad en el mercado)
• Relaciones implicadas entre variables (por ejemplo, en un problema de inversión
la proporción de dinero a invertir debe sumar 1.
Modelo de Programación Lineal
1 1 2 2 3 3 o ... ........( )n nMax Min Z c x c x c x c x α= + + + +
Sujeto a las restricciones estructurales
1 1 2 2 3 3 ... ( 1, 2,... );.........( )i i i in n ia x a x a x a x b i m β⎧≤⎫⎪ ⎪+ + + + = =⎨ ⎬⎪ ⎪≥⎭⎩
Y las restricciones de no negatividad
0; ( 1,2,3,..., ).............( )jx j n γ≥ =
Primera unidad didáctica ● Investigación de Operaciones I
29
Observaciones
i) , , y ij i ja b c son valores que se asume conocidos
ii) jx son variables de decisión que se desea hallar, de tal manera que optimicen (α )
iii) la ecuación (α ) se conoce como función objetivo
iv) la ecuación ( β ) se conoce como conjunto de restricciones
v) la ecuación (γ ) se conoce como variables de decisión
2.4. MÉTODO GRÁFICO O MÉTODO GEOMÉTRICO DE SOLUCIÓN Es una técnica que permite encontrar la solución de modelos muy sencillos con dos
variables de decisión y a pesar de que casi todos los problemas reales tienen más de
dos variables de decisión. Sirve en realidad para proporcionar una base intuitiva que
facilita el aprendizaje de soluciones de modelos más complejos por otros métodos.
Objetivo: establecer la naturaleza de un problema de programación lineal,
introduciendo la terminología asociada con el y resolverlo geométricamente.
2.4.1. Graficación de ecuaciones y desigualdades lineales Cuando se grafica una ecuación, se genera una recta sobre el eje de coordenadas.
Las desigualdades generan un plano, al graficarlo sobre el eje de coordenadas.
Pasos para la graficación de una desigualdad:
a. Tomar de la desigualdad, la parte de la ecuación, para determinar dos puntos
que permitan graficar una recta, que sería el límite del plano.
En el caso de que la ecuación el término constante fuese cero, la recta pasa por
la intercepción de los ejes. Por lo tanto, uno de los puntos sería (0,0).
El otro punto se obtendría dando un valor diferente de cero a una de las
variables.
Escuela Profesional de Ingeniería Industrial
30
Si la constante fuese diferente de cero, se procede de la siguiente manera: Para el primer punto se hace cero una de las variables y se despeja la otra
variable. Para el segundo punto se hace cero la otra variable, y se despeja para la variable
que queda pendiente.
b. Determinación del plano que da la desigualdad
Se escoge un punto de prueba, debajo o sobre la recta y se verifica si satisface
la desigualdad.
Si satisface la desigualdad, el plano se forma para el lado que se encuentra el
punto de prueba escogido.
Si no satisface la desigualdad, el plano se forma para el lado contrario donde se
encuentra el punto de prueba con respecto a la recta o límite del plano.
Ejemplos
A. REGION FACTIBLE NO ACOTADA a. Formulación de dieta Una dieta debe contener al menos 16 unidades de
carbohidratos y 20 de proteínas. El alimento A contiene 2 unidades de
carbohidratos y 4 de proteínas; el alimento B contiene 2 unidades de
carbohidratos y 1 de proteínas. Si el alimento A cuesta $1.20 por unidad y el B
$0.80 por unidad, ¿Cuántas unidades de cada alimento deben comprarse para
minimizar el costo?¿cuál es el costo mínimo?
Solución
Carbohidratos Proteínas Costos
Alimento A 2 4 1.2
Alimento B 2 1 0.80
Rendimiento 16 20
Primera unidad didáctica ● Investigación de Operaciones I
31
Variables de decisión Sea X1 en N.º de unidades de alimentos A comprar
Sea X2 en N.º de unidades de alimentos B comprar
F.O costo min Z = 1.2 X1+0.8 X2
Sa.
2X1+2X2 >= 16 requerimento mínimo de carbohidratos
4X1+1X2 >=20 requerimento mínimo de proteínas
X1, X2 >=0
Tabulando para cada una de las rectas, pues usted sabe que por dos puntos pasa una
recta
L1: 2X1+2X2 = 16
X1 X2
0 8 (0,8)
8 0 (8,0)
L2: 4X1+1X2 =20
X1 X2
0 20 (0,20)
5 0 (5,0)
Escuela Profesional de Ingeniería Industrial
32
Punto L1 ∩ L2
2X1+2X2 = 16 resolviendo el sistema de ecuaciones se obtiene: X1=4 X2=4 4X1+1X2 =20
Reemplazando en Z = 1.2 X1+0.8 X2
En el punto (0,20) Z= 1.2 (0)+0.8 (20) = 16
En el punto (4,4) 1.2 (4)+0.8 (4) =8
En el punto (8,0) 1.2 (8)+0.8 (0) = 9.6
Respuesta: Z min. Óptimo = 8 con un plan de compra: X1: 4 unidades del alimento A X2: 4 unidades del alimento B
8
85
20
Región Factible no acotada
L1: 2X1+2X2 = 16
L2: 4X1+1X2 >=20
(0,0)
Primera unidad didáctica ● Investigación de Operaciones I
33
Observaciones
• Asumamos que el modelo matemático del problema anterior (1) se desea
maximizar, es decir:
F.O max Z = 1.2 X1+0.8 X2
Sa.
2X1+2X2 >= 16 requerimento mínimo de carbohidratos
4X1+1X2 >=20 requerimento mínimo de proteínas
X1, X2 >=0
• La gráfica sigue siendo la misma y los puntos también
• Decir que el valor máximo de Z = 1.2 X1+0.8 X2 es en el punto (0,20) con z=16 es
completamente falso pues otro punto en la región factible no acotada como por
ejemplo en: (8,20) nos da un z=25.6, y en (100,0) nos da un Z=120, es claro que
cuando (X1,X2 ) aumentan o toman otros valores dentro de la región factible no
acotada, también lo hace Z. Por la tanto, ningún punto factible maximiza Z, de
modo que no existe solución optima. En este caso decimos que la solución es
«no acotada»
B. SOLUCIÓN MÚLTIPLE
b. Resolver gráficamente
1 2max z x x= +
s.a
1 2
1
2
1 2
412
, 0
x xxxx x
+ ≤≥≤
≥
Solución:
1 1 2: 4l x x+ = tabulamos si : 1 20 4x x= → = tenemos (0,4)
2 10 4x x= → = tenemos (4,0) 1 1 2 2: 1 : 2l x l x= =
Escuela Profesional de Ingeniería Industrial
34
0 1 2 3 40
1
2x2
x1
: 1 x1 + 1 x2 = 4: 1 x1 + 0 x2 = 1
: 0 x1 + 1 x2 = 2
Payoff: 1 x1 + 1 x2 = 4
Optimal Decisions(x1,x2): ( 2, 2) ( 4, 0): 1x1 + 1x2 < = 4: 1x1 + 0x2 > = 1: 0x1 + 1x2 < = 2
Observamos que tiene soluciones óptimas alternativas en el punto (2,2) = ( 1 2,x x ) y
(4,0)= 1 2( , )x x para los cuales Z máximo = 4
C. REGIÓN FACTIBLE VACÍA
El ejemplo siguiente ilustra una situación en la que no que existe solución óptima
c. 1 2max z x x= +
s.a.
1 2
1 2
1 2
42 2
, 0
x xx xx x
+ ≥+ ≤
≥
Primera unidad didáctica ● Investigación de Operaciones I
35
0 10 20 30 400
6
12
18
: 1 x1 + 1 x2 = 4
: 1 x1 + 2 x2 = 2
Payoff: 1 x1 + 1 x2 = 0
: 1x1 + 1x2 >= 4: 1x1 + 2x2 <= 2
Un punto factible 1 2( , )x x debe tener 1 20, 0x x≥ ≥ , estar sobre la recta superior o por
encima de 1 1 2: 4l x x+ ≥ y sobre o por debajo de la recta inferior 2 1 2: 2 2l x x+ ≤ . Sin
embargo, no existen tales puntos. De aquí que la región factible sea vacía y, por lo
tanto, este problema no tenga solución óptima.
Siempre que la región factible de un problema de P.L. sea vacía, no existe solución
óptima.
D. SOLUCIÓN ÓPTIMA ÚNICA
1 2max z x x= +
s.a
1 2
1 2
1 2
3 2 62 4 8
, 0
x xx x
x x
+ ≤+ ≤≥
Solución: por dos puntos pasa una recta entonces:
1 1 2: 3 2 6l x x+ = Tabulando si: 1 20 3x x= → = tenemos (0,3)
2 10 2x x= → = Tenemos (4,0)
Escuela Profesional de Ingeniería Industrial
36
2 1 2: 2 4 8l x x+ = Tabulando si: 1 20 2x x= → = tenemos (0,3)
2 10 4x x= → = Tenemos (4,0)
Resolviendo el sistema de ecuaciones 1 2l l∩ es decir:
1 1 2: 3 2 6l x x+ = y 2 1 2: 2 4 8l x x+ = se obtiene 1 21 y 1.5x x= =
0 100
6
: 3.0 x1 + 2.0 x2 = 6.0
: 2.0 x1 + 4.0 x2 = 8.0
Payoff: 1.0 x1 + 1.0 x2 = 2.5
Optimal Decisions(x1,x2): ( 1.0, 1.5): 3.0x1 + 2.0x2 <= 6.0: 2.0x1 + 4.0x2 <= 8.0
Observación: Payoff = función objetivo
E. Un fabricante de juguetes prepara un programa de producción para dos nuevos
juguetes, cosas y cositas, utilizando la información concerniente a sus tiempos de
producción dados en la tabla que sigue. Por ejemplo, cada cosa requiere de 2 horas
en la máquina A. Las horas disponibles empleadas por semana son: Para operación
de la máquina A, 70 horas; para B, 40 horas; para terminado, 90 horas. Si las
utilidades en cada cosa y cada cosita son de $4 y $6, respectivamente, ¿Cuántos de
Primera unidad didáctica ● Investigación de Operaciones I
37
0 10 20 30 40 50 60 70 80 90 10
6
12
18
24
30
36
42
48
54
: 2 x1 + 1 x2 = 70
: 1 x1 + 1 x2 = 40
: 1 x1 + 3 x2 = 90
Payoff: 4 x1 + 6 x2 = 210
Optimal Decisions(x1,x2): ( 15, 25): 2x1 + 1x2 <= 70: 1x1 + 1x2 <= 40: 1x1 + 3x2 <= 90
cada juguete debe producir por semana con el fin de maximizar la utilidad? ¿Cuál
sería la utilidad máxima?
Máquina
A
Máquina B Terminado
Cosa 2 horas 1 hora 1 hora
Cosita 1 hora 1 hora 3 horas
Variables de decisión:
Sea: X1 el numero de juguetes a producir del juguete cosa
X2 el número de juguetes a producir del juguete cosita
Maximizar Z = 4 X1 + 6 x2
s.a 2 X1 + 1 x2 <= 70
1 X1 + 1 x2 <= 40
1 X1 + 3 x2 <= 90
Z optimo 210
Respuesta: plan de producción x1=15 juguetes cositas y X2 =25 juguetes cosas
Utilidad máxima= $210
Escuela Profesional de Ingeniería Industrial
38
EJEMPLO 12:
I
II
Requerimiento
mínimo A 2 2 80 B 6 2 120 C 4 12 240
Costo $4 $5 Variables de Decisión: Sea: X1 El números de bolsas a comprar mezcla I X2 El números de bolsas a comprar mezcla II f.o. Min C= 4X1 + 5X2 s.a.
2X1 + 2X2 ≥ 80 6X1 + 2X2 ≥ 120 4X1 + 12X2 ≥ 240
Xi ≥0 i = 1,2 Solución: L1: 2X1 + 2X2 = 80
X1 X2 0 40
40 0
L2: 6X1 + 2X2 = 120
X1 X2
0 60 20 0
L3: 4X1 + 12X2 = 240
X1 X2 0 20
60 0
Nutriente
Mezcla
(0, 40) (40, 0)
(0, 60) (20, 0)
(0, 20) (60, 0)
Primera unidad didáctica ● Investigación de Operaciones I
39
Gráfico: Pto B: L2 ∩ L1
6X1 + 2X2 = 120 2X1 + 2X2 = 80 3X1 + X2 = 60 -X1 - X2 = -40
2X1 = 20 X1 = 10 X2 = 30
∴B (10,30)
(0, 60)
(0, 40)
(0, 20)
(20, 0) (60, 0) (40, 0)
L1: 2X1 + 2X2 = 80
L3: 4X1 + 12X2 = 240
L2: 6X1 + 2X2 = 120
X1
X2
Escuela Profesional de Ingeniería Industrial
40
Pto C: L1 ∩ L3 2X1 + 2X2 = 80 4X1 + 12X2 = 240 -X1 - X2 = 40 X1 + 3X2 = 60
2X2 = 20 X2 = 10 X1 = 30
∴C (30,10)
f.o. Min C= 4X1 + 5X2 En el punto A (0, 60) Z= 4(109.09)+5(63.64) = 300 En el punto B (10, 30) Z= 4(10)+5(30) = 190 En el punto C (30, 10) Z= 4(30)+5(10) =170 En el punto D (60, 0) Z= 4(60)+5(0) = 240 Rpta: X1: 30 bolsas de la mezcla I X2: 10 bolsas de la mezcla II Costo mínimo óptimo =$ 170
Primera unidad didáctica ● Investigación de Operaciones I
41
Serie de problemas 2.0
Resuelva cada uno de los siguientes programas lineales usando el método gráfico.
Indique si los problemas son:
a) Óptimos: es decir que tiene una solución óptima.
b) Infactibles: es decir, que no existen valores de las variables que satisfagan todas
las restricciones simultáneamente.
c) Ilimitados: es decir, que existen valores factibles de las variables que hacen la
función objetivo tan grande o tan pequeña como se desee.
Todo programa lineal es óptimo, infactible o ilimitado.
1. Maximizar 2. Maximizar 3. Maximizar
P = 10x +12y Z = 4x -6y Z = 4x – 10y
Sujeta a s.a s.a
x + y ≤ 60 y 7≤ , x – 4y 4≥
x – 2y 0≥ 3x – y 3≤ , 2x - y 2≤
x, y 0≥ x +y 5≥ ,x,y 0≥ x, y 0≥
4. Minimizar 5. Minimizar 6.a) Maximizar
Z = 7x +3y C = 2x + y Z = 10x + 2y
Sujeta a s.a s.a
3x - y 2−≥ 3x + y ≥3, x +2y 4≥
x + y 9≤ 4x +3y≥6, x - 2y 0≥
x – y =-1 x +2y 2≥ x, y 0≥
x, y 0≥ x, y 0≥
6.b) Minimizar 6.c) Maximizar
Z = 3x +7y Z = -4x + 6y
Sujeta a s.a
x - y 4≥ 6x -2 y 3≤
x -2 y 10≤ -2x +3y 6≤
-2x – y 2≥ x +y 3≤ x, y 0≥
Escuela Profesional de Ingeniería Industrial
42
7. Producción para utilidad máxima. Un fabricante de juguetes prepara un
programa de producción para dos nuevos juguetes, cosas y cositas, utilizando la
información concerniente a sus tiempos de producción dados en la tabla que
sigue. Por ejemplo, cada cosa requiere de 2 horas en la máquina A. Las horas
disponibles empleadas por semana son: Para operación de la máquina A, 70
horas; para B, 40 horas; para terminado, 90 horas. Si las utilidades en cada cosa
y cada cosita son de $4 y $6, respectivamente, ¿Cuántos de cada juguete debe
producir por semana con el fin de maximizar la utilidad? ¿Cuál sería la utilidad
máxima?
Máquina
A
Máquina B Terminado
Cosa 2 horas 1 hora 1 hora
Cosita 1 hora 1 hora 3 horas
8. Formulación de dieta . Una dieta debe contener al menos 16 unidades de
carbohidratos y 20 de proteínas. El alimento A contiene 2 unidades de
carbohidratos y 4 de proteínas; el alimento B contiene 2 unidades de
carbohidratos y 1 de proteínas. Si el alimento A cuesta $1.20 por unidad y el B
$0.80 por unidad, ¿Cuántas unidades de cada alimento deben comprarse para
minimizar el costo? ¿Cuál es el costo mínimo?
9. Extracción de minerales. Una compañía extrae minerales de un yacimiento. El
número de libras de minerales A y B que puede ser extraído por cada tonelada
de los filones I y II está dado en la tabla siguiente junto con los costos por
tonelada. Si la compañía debe extraer al menos 3000 libras de A y 2500 de B,
¿Cuántas toneladas de cada filón deben ser procesadas con el fin de minimizar
el costo? ¿Cuál es el costo mínimo?
Filón I Filón II
Mineral A 110 lb 200 lb
Mineral B 200 lb 50 lb
Costo por tonelada $50 $60
Primera unidad didáctica ● Investigación de Operaciones I
43
10. Costo de construcción. Una compañía química está diseñando una planta para
producir dos tipos de polímeros, P1 y P2.
La planta debe ser capaz de producir al menos 100 unidades de P1 y 420
unidades de P2 cada día. Existen dos posibles diseños para las cámaras
principales de reacción que serán incluidas en la planta. Cada cámara de tipo A
cuesta $600,000 y es capaz de producir 10 unidades de P1 y 20 unidades de P2
por día; el tipo B es un diseño más económico, cuesta $300,000 y es capaz de
producir 4 unidades de P1 y 30 unidades de P2 por día. A causa de los costos de
operación, es necesario tener al menos 4 cámaras de cada tipo en la planta.
¿Cuántas cámaras de cada tipo deben ser incluidas para minimizar el costo de
construcción y satisfacer el programa de producción requerido? (Suponga que
exista un costo mínimo).
11. Producción para utilidad máxima. Un fabricante produce dos tipos de parrillas
para asar, Old Smokey y Blaze Hawai.
Durante la producción las parrillas requieren del uso de dos máquinas, A y B. El
número de horas necesarias en ambas está indicado en la tabla siguiente. Si
cada máquina puede utilizar 24 horas por día y las utilidades en los modelos
son de $4 y $6, respectivamente, ¿cuántas parrillas de cada tipo deben
producirse por día para obtener una utilidad máxima? ¿Cuál es la utilidad
máxima?
Máquina A Máquina B
Old Smokey 2 horas 4 horas
Blaze Away 4 horas 2 horas
12. Nutrientes en fertilizantes. Un agricultor comprará fertilizantes que contienen
tres nutrientes: A, B y C. Los requerimientos mínimos semanales son 80
unidades de A, 120 de B y 240 de C. Existen dos mezclas populares de
fertilizante en el mercado. La mezcla I cuesta $4 por bolsa, con dos unidades de
A, 6 de B y 4 de C. La mezcla II cuesta $5 por bolsa, con 2 unidades de A, 2 de B
y 12 de C. ¿Cuántas bolsas de cada mezcla debe comprar el agricultor para
minimizar el costo de satisfacer sus requerimientos de nutriente?
Escuela Profesional de Ingeniería Industrial
44
13. Programa de producción. Una compañía petrolera, que tiene dos refinerías,
necesita al menos 800, 1400 y 500 barriles de petróleo de grados bajo, medio, y
alto, respectivamente. Cada día la refinería I produce 200 barriles de grado bajo,
300 de medio y 100 de alto grado, mientras que la refinería II produce 100
barriles de grado alto, 100 de bajo y 200 de grado medio. Si los costos diarios
son de $2500 para operar la refinería I y de $ 2000 para la refinería II. ¿Cuántos
días debe ser operada cada refinería para satisfacer los requerimientos de
producción a un costo mínimo? ¿Cuál es el costo mínimo? (Suponga que existe
un costo mínimo).
14. Control de contamina ción. A causa de reglamentaciones federales nuevas
sobre la contaminación, una compañía química ha introducido en sus plantas un
nuevo y más caro proceso para complementar o reemplazar un proceso anterior
en la producción de un químico en particular. El proceso anterior descarga 15
gramos de dióxido de azufre y 40 gramos de partículas a la atmósfera por cada
litro de químico producido. El nuevo proceso descarga 5 gramos de dióxido de
azufre y 20 gramos de partículas a la atmósfera por cada litro producido. La
compañía obtiene una utilidad de 30 y 20 centavos por litro en los procesos
anterior y nuevo, respectivamente. Si el gobierno permite a la planta descargar
no más de 10,500 gramos de dióxido de azufre y no más de 30,000 gramos de
partículas a la atmósfera cada día, ¿cuántos litros de químico deben ser
producidos diariamente, por cada uno de los procesos, para maximizar la utilidad
diaria? ¿Cuál es la utilidad diaria?
15. World Oil Company puede comprar dos tipos de petróleo crudo: crudo ligero a
un costo de $25 por barril, y petróleo pesado a $22 por barril. Cada barril de
petróleo crudo, ya refinado, produce tres productos: gasolina, turbosina y
Kerosene.
La siguiente tabla indica las cantidades en barriles de gasolina, turbosina y
queroseno producidos por barril de cada tipo de petróleo crudo:
Gasolina Turbosina Kerosene
Crudo ligero 0.45 0.18 0.30
Crudo pesado 0.35 0.36 0.20
Primera unidad didáctica ● Investigación de Operaciones I
45
La refinería se ha comprometido a entregar 1 260 000 barriles de gasolina,
900000 barriles de turbosina y 300 000 barriles de kerosene. Como gerente de
producción, formule un modelo para determinar la cantidad de cada tipo de
petróleo crudo por comprar para minimizar el costo total al tiempo que se
satisfaga la demanda apropiada.
Defina todas las variables de decisión
16. Carmac Company fabrica carros compactos y subcompactos. La producción de
cada carro requiere una cierta cantidad de materia prima y mano de obra, como
De especifica en la siguiente tabla:
MATERIA PRIMA(libras) MANO DE OBRA(horas)
Compactos 200 18
Subcompactos 150 20
Costo unitario$ 10 70
Total disponible 80,000 9 000
La división de comercialización ha estimado que a lo más 1500 compactos
pueden venderse a $10 000 cada uno y que a lo más 200 subcompactos pueden
venderse a $8000 cada uno. Como vicepresidente de programación, formule un
modelo para determinar la cantidad a fabricar de cada tipo de carro para
maximizar la ganancia total. Defina todas las variables de decisión.
17. Destilación de crudos Una compañía de petróleos produce en sus refinerías
gasóleo (G), gasolina sin plomo (P) y gasolina súper (S) a partir de dos tipos de
crudos, C1 y C2. Las refinerías están dotadas de dos tipos de tecnologías. La
tecnología nueva Tn utiliza en cada sesión de destilación 7 unidades de C1 y 12
de C2, para producir 8 unidades de G, 6 de P y 5 de S. Con la tecnología antigua
Ta, se obtiene en cada destilación 10 unidades de G, 7 de P y 4 de S, con un
gasto de 10 unidades de C1 y 8 de C2.
Estudios de demanda permiten estimar que para el próximo mes se deben
producir al menos 900 unidades de G, 300 de P y entre 800 y 1700 de S. La
Escuela Profesional de Ingeniería Industrial
46
disponibilidad de crudo C1 es de 1400 unidades y de C2 de 2000 unidades. Los
beneficios por unidad producida son:
Gasolina G P S
Beneficio/u 4 6 7
La compañía desea conocer cómo utilizar ambos procesos de destilación, que se
pueden realizar total o parcialmente, y los crudos disponibles para que el
beneficio sea el máximo.
• Sugerencia: intentar modelar de la pregunta 7 a la 17 antes de ver las
respuestas. Graficar, resolver el modelo y verificar su grafico y respuesta con el
GLP.
Respuesta a los problemas de la Serie 2
7. Variables de decisión:
Sea: =1x la cantidad de juguetes cosas a producir
=2x la cantidad de juguetes cositas a producir
2,1 09031
401 702
.64 .
21
21
21
21
=≥≤+≤+≤+
+=
ixxx
xxxx
aSxxMaxZof
i
8. Variables de decisión
Sea: =1x El número de unidades del alimento A a comprar
=2x El número de unidades del alimento B a comprar
Primera unidad didáctica ● Investigación de Operaciones I
47
2,1 02014
1622.
80.020.1 .
21
21
21
=≥≥+≥+
+=
ixxxxx
aSxxMinZof
i
9. Variables de decisión
sea: =1x El número de toneladas a extraer del filón I
=2x El número de toneladas a extraer del filón II
1 2
1 2
1 2
. 50 60.
110 200 300 200 50 2500
0 1,2i
f o Min Z x xS a
x xx x
x i
= +
+ ≥+ ≥
≥ =
10. Variable de decisión:
Sea: =1x El número de cámaras del tipo A
=2x El número de cámaras del tipo B
2,1 041 41 4203020
100 410.
000 300000 600 .
2
1
21
21
21
=≥≥≥≥+≥+
+=
ixxxxx
xxaS
xxMinZof
i
11. Variables de decisión
sea: =1x El número de
=2x El número de
Escuela Profesional de Ingeniería Industrial
48
12 02424
2442.
64M .
21
21
21
=≥≥+≤+
+=
ixxxxx
aSxxaxZof
i
12. Variables de decisión:
Sea: =1x El número de bolsas de la mezcla I
=2x El número de bolsas de la mezcla II
1 2
1 2
1 2
1 2
. 4 5.
2 2 80 6 2 1204 12 240
0 1, 2i
f o Min Z x xS a
x xx xx x
x i
= +
+ ≥+ ≥+ ≥≥ =
13. Variables de decisión:
Sea: =1x El número de días a operar en la refinería I
=2x El número de días a operar en la refinería II
1 2
1 2
1 2
1 2
. 2500 2000.
200 100 80 0 300 200 1400100 100 500
0 1, 2i
f o Min Z x xS a
x xx xx x
x i
= +
+ ≥+ ≥+ ≥
≥ =
14. Variables de decisión
sea: =1x El número de litros producidos en el proceso I
=2x El número de litros producidos en el proceso II
Primera unidad didáctica ● Investigación de Operaciones I
49
1 2
1 2
1 2
. M 0.30 0.20.
15 5 10500 40 20 30000
0 12i
f o ax Z x xS a
x xx x
x i
= +
+ ≤+ ≤
≥ =
15. Variables de decisión:
Sea: =1x la cantidad de barriles de crudo ligero a comprar
=2x La cantidad de barriles de crudo ligero a comprar
1 2
1 2
1 2
1 2
. 25 22.
0.45 0.35 12600000 0 0.18 0.36 19000000.30 0.20 5300000
0 1,2i
f o Min Z x xS a
x xx xx x
x i
= +
+ ≥+ ≥+ ≥
≥ =
16. Variables de decisión:
Sea: =1x la cantidad de carros compactos a fabricar
=2x La cantidad de carros sub compactos a fabricar
1 2
1 2
1 2
1
2
. 6740 5100.
200 150 8000 0 18 20 9000 1500 200
0 1, 2i
f o Min Z x xS a
x xx x
xx
x i
= +
+ ≤+ ≤
≤≤
≥ =
17. Variables de decisión
Sea: =1x El numero de destilaciones con nT
=2x El número de destilaciones con aT
Observe que la función objetivo es maximizar el beneficio Z del producto destilado
Escuela Profesional de Ingeniería Industrial
50
Z= (beneficio por unidad de G X unidades producidas de G) + (beneficio por unidad de
P X unidades producidas de P) + (beneficio por unidad de S X unidades producidas de
S)
1 2 1 2 1 24(8 10 ) 6(6 7 ) 7(5 4 )z x x x x x x= + + + + + = 1 2103 110x x+
1 2
1 2
1 2
1 2
1 2
1 2
1 2
. 103 110.
7 10 1400 limitacion de crudo c112 8 2000 limitacion de crudo c28 10 900 demanda de G6x +7x 300 demanda de p5x +4x 1700 demanda de S5 4 800 demanda de
f o MaxZ x xS a
x xx x
x x
x x
= +
+ ≤+ ≤+ ≥
≥≤
+ ≥ S0 1, 2ix i≥ =
Primera unidad didáctica ● Investigación de Operaciones I
51
3. APLICACIONES DE PL EN LA GESTIÓN DE OPERACIONES Y PRESENTACIÓN DE LA SOLUCIÓN MEDIANTE SOFTWARE
Aunque existen numerosos paquetes de computación para resolver un modelo, no
existen para construir un modelo. Sin un modelo de nada sirve el mejor software ni la
mejor PC.
Objetivo
El objetivo fundamental es poner énfasis en la construcción de modelos a las
diferentes gestiones de operación como pueden ser: de producción, compra mezcla,
distribución etc.
Ejemplos 1
Se hace un pedido a una papelería de 800 rollos de papel corrugado de 30 pulgadas
de ancho, 500 rollos de 45 pulgadas de ancho y 1000 de 56 pulgadas. Si la papelería
tiene solamente rollos de 108 pulgadas de ancho, ¿cómo deben cortarse los rollos
para surtir el pedido con el mínimo desperdicio de papel? Solución Modelando 108 pulgadas 1) __________________________________ Tres de 30 con desperdicio 18 2) ___________________________________ Dos cortes de 30 y uno de 45 con desperdicio 3 3) _____________________________________ Uno de 30 y uno de 56 con desperdicio 22 4) ______________________________________ Dos de 45 con desperdicio 18 5) _______________________________________ Uno de 45 y uno de 56 con desperdicio 7
Escuela Profesional de Ingeniería Industrial
52
Variables de decisión
Sea
X1 el número de cortes a realizar 3 de 30 con desperdicio 18
X2 el número de cortes a realizar 2 de 30 y uno de 45 con desperdicio 3
X3 el número de cortes a realizar 1 de 30 y uno de56 con desperdicio 22
X4 el número de cortes a realizar 2 de 45 con desperdicio 18
X5 el número de cortes a realizar 1 de 45 y uno de 56 con desperdicio 7
La función Objetivo consiste en minimizar el desperdicio
F.O. Min D= 18x1+ 3x2 +22x3 +18 x4 +7x5
S.a.
3X1+2X2+1X3 = 800 (30 pulgadas)
1X2+2X4+1X5 = 500 (45 pulgadas)
1X3+1X5 = 1000 (56 pulgadas)
Xi>=0 i=1,2,3,4,5
Respuesta.
X1 =1000 cortes a realizar 3 de 30
X2 =0 cortes a realizar 2 de 30 y uno de 45
X3 =500 cortes a realizar 1 de 30 y uno de56
X4 =0 cortes a realizar 2 de 45
X5=500 cortes a realizar 1 de 45 y uno de 56
Desperdicio mín óptimo= 16300
Primera unidad didáctica ● Investigación de Operaciones I
53
Ejemplo 2 Una empresa se dedica a comprar y vender un producto durante algunos meses. El
precio de mercado tanto de compra como de venta, por tonelada, es:
60 90 80 110
ABRIL MAYO JUNIO JULIO
Se sabe que el costo de almacenamiento es de 10 u.m. por mes y tonelada, y el
almacén tiene una capacidad de 20 toneladas. Suponiendo que tanto la compra como
la venta se realizan al principio de mes, que el 1 de Abril no hay stock y que no debe
haber stock al final de julio, determinar la mejor política de compra/venta.
Solución Modelando
Observe
i) En Abril no tenemos stok luego nos dedicamos a comprar
ii) En Julio no debe haber stok en julio luego tanto solo vendemos
60 90 80 110
ABRIL MAYO JUNIO JULIO
X1 C X2C X3C (compra)
X4V X5V X6V(vende)
Variables de decisión
Sea:
X1 el número de toneladas que compra en el mes de abril
X2el número de toneladas que compra en el mes de mayo
X3 el número de toneladas que compra en el mes de junio
X4el número de toneladas que vende en el mes de mayo
X5el número de toneladas que vende en el mes de junio
X6el número de toneladas que vende en el mes de julio
Ingresos: 90X4+80X5+110X6
Escuela Profesional de Ingeniería Industrial
54
Costos: 60X1+90X2+80X3
Costos de almacén: 10X1+10(X1+X2-X4)+10(X1+X2+X3-X4-X5)
Stock en abril 0<=X1<=20
Stock en mayo 0<=X1+X2-X4<=20
Stock en junio 0<=X1+X2+X3-X4-X5<=20
f.O MAX U= 90X4+80X5+110X6-60X1-90X2-80X3-10X1-10(X1+X2-X4)-10(X1+X2+X3
- X4 - X5)
Modelo matemático
F.O MAX U=110X4+90X5+110X6-90X1-110X2-90X3
s.a
Restricciones de capacidad
X1<=20
X1+X2-X4>=0
X1+X2-X4<=20
X1+X2+X3-X4-X5>=0
X1+X2+X3-X4-X5<=20
Condicion de equilibrio
X1+X2+X3-X4-X5-X6=0
Xi>=0 i=1,2,…6
Primera unidad didáctica ● Investigación de Operaciones I
55
Ejemplo 3 Gasahol Inc. tiene 14 000 galones de una mezcla de gasolina y alcohol almacenada
en su instalación de Fresno y 16000 galones almacenados en su instalación de
Bakerfield. Desde estas instalaciones, Gasahol debe proveer a Fresh Food Farms
(FFF) 10 000 galones y a American Growers (AG) 20 000 galones. El costo de
embarcar 1 galón desde cada instalación de almacenado a cada cliente es:
HACIA
DE FFF AG
Fresno (Fr) $0.04 $0.06
Bakersfield (B) $0.05 $0.03
Formule un modelo de programación lineal para determinar el plan de embarque de
costo mínimo que satisfaga las restricciones de provisión y demanda.
Solución
Almacenado 14.000 $ 0.04 Demanda X1 1000 $ 0.06 X2 X3 $ 0.05 X4 $ 0.03 Demanda Almacenado 2000 16.000
Fr
BAG
FFF
Escuela Profesional de Ingeniería Industrial
56
Sean las variables de decisión: X1 número de galones que envía Fr a FFF
X2 número de galones que envía Fr a AG
X3 número de galones que envía Ba a FFF
X4 número de galones que envía Ba a AG
2 3 4. . 0.04 0.06 0.05 0.031f o Minz x x x x= + + +
S.a.
1 3 10000 demandax x+ =
2 4 2000 demandax x+ =
1 2 14000 oferta en almacenx x+ ≤
3 4 16000 oferta en almacenx x+ ≤
0, =1,2,3,4ix i≥
Ejemplo 4 Problema de distribución. Cosmic Computer Company CCC tiene tres plantas de
ensamblaje de microcomputadoras en San Francisco, Los Ángeles y Phoenix. La
planta de los Ángeles tiene una capacidad de producción mensual de 2000 unidades.
Cada una de las plantas de San Franciscop y Phoenix puede producir un máximo de
1700 unidades al mes. Las microcomputadoras de CCC se venden a través de cuatro
tiendas detallistas localizadas en San Diego, Barstow, Tucson y Dallas. Los pedidos
mensuales de los vendedores al menudeo son de 1700 unidades en San Diego, 1000
en Barstow, 1500 en Tucson y 1200 en Dallas. La tabla contiene el costo de embarque
de una microcomputadora desde cada planta de ensamblaje hasta cada una de las
distintas tiendas minoristas. Su trabajo es formular un modelo matemático para
encontrar el programa de embarque de mínimo costo.
TIENDAS PLANTAS SAN DIEGO BARSTOW TUCSON DALLAS San Francisco 5 3 2 6 Los Ángeles 4 7 8 10 Phoenix 6 5 3 8
Primera unidad didáctica ● Investigación de Operaciones I
57
Solución Plantas de ensamblaje-ofertas Tiendas-demanda
Sean las variables de decisión: X1 la cantidad de microcomputadoras a enviar de SF --- SD X2 la cantidad de microcomputadoras a enviar de SF --- B X3 la cantidad de microcomputadoras a enviar de SF --- T X4 la cantidad de microcomputadoras a enviar de SF --- D X5 la cantidad de microcomputadoras a enviar de LA --- SD X6 la cantidad de microcomputadoras a enviar de LA --- B X7 la cantidad de microcomputadoras a enviar de LA --- T X8 la cantidad de microcomputadoras a enviar de LA --- D X9 la cantidad de microcomputadoras a enviar de P --- SD X10 la cantidad de microcomputadoras a enviar de P --- B X11 la cantidad de microcomputadoras a enviar de P --- T X12 la cantidad de microcomputadoras a enviar de P --- D
1 2 3 4 5 6 7 8 9 10 11 12. . 5 3 2 6 4 7 8 10 6 5 3 8f o Min C x x x x x x x x x x x x= + + + + + + + + + + +
s.a
San francisco 1700
Los Ángeles 2000
Phoenix 1700
San diego 1700
Barstow 1000
Tucson 1500
Dallas 1200
Escuela Profesional de Ingeniería Industrial
58
Capacidad de producción
1 2 3 4
5 6 7 8
9 10 11 12
17002000
1700
x x x xx x x xx x x x
+ + + ≤+ + + ≤+ + + ≤
Demanda
1 5 9
2 6 10
3 7 11
4 8 12
1700100015001200
x x xx x xx x xx x x
+ + =+ + =+ + =+ + =
0, 1,2,3,...12ix i≥ =
Primera unidad didáctica ● Investigación de Operaciones I
59
Serie de problemas 3.0
Aplicaciones de la programación lineal Leer cuidadosamente y abstraer el modelo matemático:
1. Fresh Dairy Faros tiene dos máquinas distintas para procesar leche pura y producir
leche descremada, mantequilla o queso. La cantidad de tiempo requerido en cada
máquina para producir cada unidad de producto resultante y las ganancias netas se
proporciona en la siguiente tabla:
LECHE DESCREMADA MANTEQUILLA QUESO
Máquina 1 0.2 min/gal 0.5min/lb 1.5min/lb
Máquina2 0.3min/gal 0.7min/lb 1.2min/lb
Ganancia
neta $0.22/gal $0.38/lb $0.72/lb
Suponiendo que se dispone de 8 horas en cada máquina diariamente, como gerente
del departamento de producción, formule un modelo para determinar un plan de
producción diaria que maximice las ganancias corporativas netas y produzca un
mínimo de 300 galones de leche descremada, 200 libras de mantequilla 100 libras de
queso.
2. Cada galón de leche, libra de queso y libras de manzanas proporciona un número
conocido de miligramos de proteínas y vitaminas A, B y C. La siguiente tabla incluye
esos datos junto con los requerimientos diarios de los ingredientes nutricionales,
según lo recomendado por el Departamento de agricultura de los EE.UU.
La tabla también incluye la cantidad mínima da cada alimento que debe incluirse en la
comida y su costo.
Escuela Profesional de Ingeniería Industrial
60
Leche(mg/gal) Queso(mg/lb) Manzanas(mg/lb
Requerimientos
Mínimos diarios
Proteínas 40 30 10 80
Vitamina A 5 50 30 60
Vitamina B 20 30 40 50
Vitamina C 30 50 60 30
Cantidad
Mínima
0.5gal 0.5lb 0.5lb
Costo
unitario
$2.15 $2.25 $1.25
Como dietista de una escuela pública, formule un modelo para determinar la comida
de costo mínimo que reúna todos los requerimientos nutricionales.
3. Rich Oil Company, cerca de Cleveland, suministra gasolina a sus distribuidores en
camiones. La compañía recientemente recibió un contrato para iniciar el suministro de
800,000 galones de gasolina por mes a distribuidores de Cincinatti. La compañía tiene
$500 000 disponibles para crear una flota consistente en tres tipos diferentes de
camiones. En la siguiente tabla se muestra la capacidad relevante, costos de compra,
costo operativo número máximo de viajes por cada tipo de camión:
Tipo de
camión
Capacidad
(galones)
Costo de
compra($)
Costo
de
operación($/mes)
Máximo
de
viajes/mes
1 6000 50 000 800 20
2 3000 40 000 650 25
3 2000 25 000 500 30
Sobre la base del mantenimiento y la disponibilidad de conductores, la compañía no
desea comprar más de 10 vehículos para su flota. Asimismo, la compañía desearía
asegurarse que se compren al menos tres de los camiones del tipo 3 (se requieren
para su uso en las rutas de trayecto corto/ baja demanda). Finalmente, la compañía no
Primera unidad didáctica ● Investigación de Operaciones I
61
desea que más de la mitad de la flota sea de camiones del tipo 1. Como gerente de
operaciones formule un modelo para determinar la composición de la flota que
minimice los costos operativos mensuales al tiempo que satisfaga las demandas, no
saliéndose del presupuesto y satisfaciendo los requerimientos de las otras compañías.
4. Hexxon Oil Company tiene una gran refinería localizada en Newark, New Jersey. La
gasolina refinada es enviada de allí a tanques de almacenamiento en Filadelfia a
través de una red de oleoductos con estaciones de bombeo en Sayerville, Easton,
Trenton, Bridgewater y Allentown. El oleoducto esta construido en segmentos que
conectan parejas de estas ciudades. A lo largo de cada segmento existe un número
máximo conocido de galones por horas que pueden enviarse. Estos segmentos y sus
respectivas capacidades en galones por hora son:
DE A CAPACIDAD
Newark Sayerville 150 000
Sayerville Trenton 125 000
Trenton Filadelfia 130 000
Newark Bridgewater 80 000
Sayerville Bridgewater 60 000
Bridgewater Easton 100 000
Easton Allentown 75 000
Easton Trenton 50,000
Allentown Filadelfia 90 000
En la región de Filadelfia se espera un aumento en la conducción en los próximos
meses de verano. Antes de incrementar la tasa de producción de la refinería, la
administración de Hexxon desea conocer el número máximo de galones de gasolina
por hora que pueden enviarse a través de la red de oleoductos a los tanques de
almacenamiento de Filadelfia.
Escuela Profesional de Ingeniería Industrial
62
5. ManuMania Company usa una base y dos productos de goma, todos en cantidades
iguales, para producir su Gooey Gum. La compañía puede producir un total combinado
de hasta 800 libras de la base y dos productos de goma. De manera alternativa, puede
comprar estos ingredientes en el mercado abierto en las siguientes cantidades de
dólares por libra:
PRODUCTO COSTO DE
PRODUCCIÓN COSTO DE COMPRA
Base 1.75 3.00
GP-¡ 2.00 3.25
GP-2 2.25 3.75
Formule un modelo para determinar el plan de producción de costo mínimo/compra
para satisfacer una demanda de 1200 libras de Gooey Gum.
6. Oklahoma Oil Inc. debe transportar 100 000 barriles de cada uno de sus tres
campos petroleros a su tanque de almacenamiento en Oklahoma City. El petróleo
puede transportarse en camiones directamente de los campos al tanque de
almacenamiento a un costo de $0.03 por barril por milla. Hasta 150 000 barriles de
petróleo también pueden enviarse desde los campos mediante ductos a un eje central
en Tulsa a un costo de $0.02 por barril por milla y luego transportarse en camiones a
Oklahoma City por $1 por barril. Formule un modelo para determinar el plan de
embarque de costo mínimo, dadas las siguientes distancias en millas:
HACIA
DESDE OKLAHOMA TULSA
Campo petrolero 1 150 50
Campo petrolero 2 170 65
Campo petrolero 3 190 80
7. Incredible Indelible Ink Company mezcla tres aditivos, A1, A2 y A3 a una base en
diferentes proporciones para obtener distintos colores de tinta. La tinta roja se obtiene
mezclando A1, A2 y A3 en la proporción de 3:1:2, la tinta azul en la proporción de 2: 3: 4
y la tinta verde en la proporción de 1:2:3. Después de mezclar estos aditivos, se añade
una cantidad igual de base para cada color. La compañía actualmente tiene 1000
Primera unidad didáctica ● Investigación de Operaciones I
63
galones de A1, 1500 de A2, 2000 de A3, y 4000 de base. Dado que el precio de venta
por galón de cada tipo de tinta es el mismo, desarrolle un modelo para determinar
cómo deberían usarse estos recursos para obtener los máximos ingresos.
8. La señora Amy Jenkins, directora de comunicaciones de Tele Com, acaba de salir
de una junta. La gerencia superior ha decidido que, debido a un importante grupo
nuevo de clientes de Los Ángeles y Boston, es necesario incrementar la capacidad
existente de transmisión de datos entre las oficinas y estas dos ciudades. La actual red
de comunicaciones tiene oficinas intermedias con computadoras y capacidad de
retransmisión en Salt Lake City, Phoenix, Denver, Albuquerque, Minneapolis, Houston,
Chicago, Atlanta, Cheveland, Washington, D.C. y Nueva York.
Como primer paso, la señora Jenkis necesita revisar el sistema actual. De sus
archivos ha obtenido la siguiente lista de enlaces de comunicación entre ciertas
parejas de estas ciudades y el número máximo de bits por día que pueden enviarse a
través de ese enlace:
DE A BITS MÁXIMOS POR DÍA (BILLONES)
Los Ángeles Salt Lake 15
Los Ángeles Phoenix 12
Salt Lake Denver 10
Salt Lake Albuquerque 10
Phoenix Albuquerque 12
Denver Minneapolis 8
Albuquerque Houston 9
Minneapolis Chicago 15
Houston Atlanta 12
Chicago Cleveland 15
Atlanta Cleveland 12
Atlanta Washington 14
Cleveland Washington 8
Cleveland Boston 12
Washington Nueva York 15
Nueva York Boston 18
Escuela Profesional de Ingeniería Industrial
64
Determinar el número máximo de bits por día que pueden transmitirse desde la oficina
de los a Ángeles a la de Boston a través de la red existente. Formular como un PPL.
9. Una empresa se dedica a comprar y vender un producto durante algunos meses. El
precio de mercado tanto de compra como de venta, por tonelada, es:
60 90 80 110
ABRIL MAYO JUNIO JULIO
Se sabe que el costo de almacenamiento es de 10 u.m. por mes y tonelada, y el
almacén tiene una capacidad de 20 toneladas. Suponiendo que tanto la compra como
la venta se realizan al principio de mes, que el 1 de abril no hay stock y que no debe
haber stock al final de julio, determinar la mejor política de compra/venta.
10. Fresh Food Faros Inc. tiene 50 acres de tierra en la cual planta cualquier cantidad
de maíz, soya, lechuga, algodón y brócoli. La siguiente tabla muestra la información
relevante perteneciente a la producción, el costo de plantación, el precio de venta
esperado y los requerimientos de agua para cada cultivo:
CULTIVO PRODUCCION
KG/ACRE
COSTO
$/KG
PRECIODEVENTA
($/KG)
AGUA
REQUERIDA
(litros/kg)
Maíz 640 1.00 1.70 8.75
Frijoles de Soya 500 0.50 1.30 5.00
Lechuga 400 0.40 1.00 2.25
Algodón 300 0.25 1.00 4.25
Brócoli 350 0.60 1.30 3.50
Para la próxima temporada, hay 100 000 litros de agua disponible y la compañía ha
contratado vender al menos 5120 kilogramos de maíz. Formule un programa lineal
para determinar una estrategia de plantación óptima para Fresh Food Faros Inc. Use
el número de acres de cada cultivo para plantación como las variables de decisión.
Primera unidad didáctica ● Investigación de Operaciones I
65
11. Un cierto restaurante opera 7 días a la semana. A las camareras se les contrata
para trabajar 6 horas diarias. El contrato del sindicato especifica que cada camarera
debe trabajar 5 días consecutivos y después tener 2 días consecutivos de descanso.
Cada camarera recibe el mismo sueldo semanal. En el cuadro se presenta las
necesidades de contratación.
Supóngase que este ciclo de necesidades se repite en forma indefinida y no toma en
cuenta el hecho de que el número de camareras contratadas tiene que ser un número
entero.
El gerente desea encontrar un programa de empleo que satisfaga estas necesidades a
un costo mínimo. Formule este problema como un PPL.
Necesidades de contratación de camareras
Día Número mínimo de horas de camarera
necesario Lunes 150
Martes 200
Miércoles 400
Jueves 300
Viernes 700
Sábado 800
Domingo 300
12. A un gabinete de ingenieros agrónomos le encargan la planificación del cultivo de
tres fincas de labranza de rendimiento similar. La superficie cultivable de cada finca
medida en ha y el personal disponible en cada una de ellas se tiene en la tabla.
Finca Superficie de
Cultivo
Número de
trabajadores
1 300 20
2 640 40
3 445 30
Escuela Profesional de Ingeniería Industrial
66
Los empleados trabajan un promedio de 7 horas diarias, 22 días al mes. El gabinete
se propone dedicar la superficie cultivable a maíz, que puede ser de tres variedades
diferentes denominadas largo (L), mocho(M) y grande(G). La tabla que sigue
proporciona las superficies máximas que pueden cultivarse con cada variedad (por
limitaciones en la disponibilidad de semilla), las necesidades de mano de obra por mes
y el beneficio esperado en miles de $, por ha en ambos casos.
Tipo de
Maíz
Superficie
máxima
Mano de obra
horas/mes/Ha
Beneficio/Ha
miles de $
L 350 5 800
M 510 4 760
G 480 6 735
La siembra tiene asociada unos costos por ha que difieren según la finca y el tipo de
maíz utilizado y que indicamos en miles de $.
Para respetar los deseos del propietario, el gabinete debe desarrollar una planificación
en la que la proporción de tierra dedicada al cultivo sea la misma en las tres fincas,
aunque la proporción de las variedades de maíz plantado no tenga que respetar tal
condición.
Formular un modelo de programación lineal para conocer la superficie de cultivo y el
tipo de maíz utilizado en cada finca para que el beneficio esperado sea máximo.
L M G
1 60 48 52
2 56 51 50
3 53 50 61
II Unidad didáctica
Investigación Operativa I
REPRESENTACIÓN MATEMÁTICA DEL MODELO LINEAL Y EL MÉTODO SIMPLEX
Segunda unidad didáctica ● Investigación de Operaciones I
69
REPRESENTACIÓN MATEMÁTICA DEL MODELO LINEAL Y EL MÉTODO SIMPLEX
4. REPRESENTACIÓN MATEMÁTICA DEL MODELO LINEAL
4.1. Planteamiento y formulación de un programa lineal
4.2. Forma matricial
4.3. Diversas formas de presentación del modelo de programación lineal
4.3.1. Definición: forma estandarizada de un problema de programación lineal (ppl)
4.3.2. Definición: forma canónica de un problema de programación lineal (ppl). Caso
maximización
4.3.3. Definición: forma canónica de un problema de programación lineal (ppl). Caso
minimización
4.3.4. Propiedades de un programa lineal. Soluciones básicas
4.3.5. Teorema fundamental de la programación lineal
5. EL MÉTODO SIMPLEX 5.1 Ejemplo de maximización
5.2 Soluciones no acotadas y soluciones optimas múltiples
5.3. Método de penalización
5.4. Uso del método simplex
5.5. Minimización
6. LA TEORÍA DE LA DUALIDAD
6.1. El problema dual
6.2. Existe una relación importante entre el primal y su dual
6.3. Ejemplos utilizando el algoritmo simplex dual
7. ANÁLISIS DE SENSIBILIDAD Y PROGRAMACIÓN PARAMÉTRICA 7.1. Análisis de sensibilidad de los coeficientes de la función objetivo
7.2 Análisis de sensibilidad de los valores del lado derecho (LD)
7.3. Programación lineal paramétrica
Esquema de contenidos
Escuela Profesional de Ingeniería Industrial
70
II Unidad didáctica
REPRESENTACIÓN MATEMÁTICA DEL MODELO LINEAL
Y EL MÉTODO SIMPLEX
Objetivo: Al finalizar la presente unidad didáctica estará en la capacidad de reconocer la
importancia de representar problemas reales en términos matemáticos. Así como
conocer y aplicar el algoritmo Simplex en la solución de problemas de optimización.
Objetivos específicos
Conoce y aplica la representación matemática de un modelo lineal.
Comprende la importancia del algoritmo Simplex en la solución de problemas de programación
lineal.
Objetivos
Segunda unidad didáctica ● Investigación de Operaciones I
71
II Unidad didáctica
REPRESENTACIÓN MATEMÁTICA DEL MODELO LINEAL Y
EL MÉTODO SIMPLEX 4. REPRESENTACIÓN MATEMÁTICA DEL MODELO LINEAL 4.1. PLANTEAMIENTO Y FORMULACIÓN DE UN PROGRAMA LINEAL Un problema de programación lineal es un programa matemático en el que tanto la
función objetivo como las funciones que definen las restricciones son lineales. Las
restricciones pueden ser de igualdad o desigualdad no estricta. Por tanto, la
formulación general es:
1 1 2 2
11 1 1 1
21 1 2 2
1 1
11 1 1 1
1 1
11 1
opt (max o min) .... .
......
......
......
n n
n n
n n
m mn n m
n n
k kn n k
c x c x c xs aa x a x ba x a x b
a x a x bd x d x s
d x d x se x e
+ + +
+ + ≤+ + ≤
+ + ≤
+ + ≥
+ + ≥+ + 1 1
i1 1 in n i
e x +...+e x =t
n nx t=
1 20, 0,..., 0nx x x≥ ≥ ≥
Contenidos
Escuela Profesional de Ingeniería Industrial
72
4.2. FORMA MATRICIAL
opt (max o min) . .
0
c xs a
Ax b
Dx s
Ex t
x
≤
≥
=
≥
Donde , , ,n m k ic b s t∈ ∈ ∈ ∈ y , , y A D E son matrices de orden mxn , kxn y
ixn respectivamente.
4.3. DIVERSAS FORMAS DE PRESENTACIÓN DEL MODELO DE PROGRAMACIÓN LINEAL Ciertas formas de presentación han recibido nombres específicos, como se vera
enseguida:
4.3.1. Definición: Forma estandarizada de un problema de programación lineal (PPL) El modelo de un PPL está en forma estandarizada si el objetivo es maximizar o
minimizar una función objetivo sujeta a un conjunto de restricciones de la forma «igual
que» exclusivamente y las variables de decisión sólo admiten valores no negativos.
Luego diremos que un programa lineal está formulado en forma estándar si viene
expresado como sigue
1 1 2 2
11 1 12 2 1 1
21 1 22 2 2 2
m1 1 m2 2 mn n m
min(max) .... .
......
a x +a x +...+a x =b
0; 1, 2,3,...,
n n
n n
n n
i
c x c x c xs aa x a x a x ba x a x a x b
x i n
+ + +
+ + + =+ + + =
≥ =
Segunda unidad didáctica ● Investigación de Operaciones I
73
4.3.2. Definición: Forma canónica de un problema de programación lineal (PPL) caso maximización El modelo de un PPL está en forma canónica si el objetivo es maximizar una función
lineal sujeta a un conjunto de restricciones de la forma «menor o igual que» y las
variables de decisión sólo admiten valores no negativos.
Luego diremos que un programa lineal está formulado en forma canónica si viene
expresado como sigue:
1 1 2 2
11 1 12 2 1 1
21 1 22 2 2 2
m1 1 m2 2 mn n m
max .... .
......
a x +a x +...+a x b
0; 1, 2,3,...,
n n
n n
n n
i
c x c x c xs aa x a x a x ba x a x a x b
x i n
+ + +
+ + + ≤+ + + ≤
≤≥ =
4.3.3. Definición: forma canónica de un problema de programación lineal (PPL ) caso minimización El modelo de un PPL está en forma canónica si el objetivo es minimizar una función
lineal sujeta a un conjunto de restricciones de la forma «mayor o igual que» y las
variables de decisión sólo admiten valores no negativos.
Luego diremos que un programa lineal está formulado en forma canónica si viene
expresado como sigue
1 1 2 2
11 1 12 2 1 1
21 1 22 2 2 2
m1 1 m2 2 mn n m
max .... .
......
a x +a x +...+a x b
0; 1, 2,3,...,
n n
n n
n n
i
c x c x c xs aa x a x a x ba x a x a x b
x i n
+ + +
+ + + ≥+ + + ≥
≥≥ =
Escuela Profesional de Ingeniería Industrial
74
Teniendo en cuenta lo siguiente:
1. 1 1 2 2 1 1 2 2Max( ... )=-Min( ... )n n n nc x c x c x c x c x c x+ + + − − −
2. Una restricción de igualdad
11 1 ... in n ia x a x b+ + = Es equivalente a las restricciones de desigualdad:
1 1 2 21
...n
ij j i i in n ij
a x a x a x a x b=
= + + + ≥∑
1 1 2 21
...n
ij j i i in n ij
a x a x a x a x b=
= + + + ≤∑
3. Una restricción de la forma:1
n
ij j ij
a x b=
≤∑ se puede transformar en una restricción
de igualdad de acuerdo con: 1
0n
ij j n ij
a x x +=
+ =∑ con 0n ix + ≥ donde n ix + recibe el
nombre de variable de holgura.
4. Una restricción de la forma:1
n
ij j ij
a x b=
≥∑ se puede transformar en una restricción
de igualdad de acuerdo con: 1
0n
ij j n ij
a x x +=
− =∑ con 0n ix + ≥ donde n ix + recibe el
nombre de variable de exceso.
5. Sea kx una variable libre, es decir, una variable para la que no existe la
restricción de no negatividad. Si se define k k kx u v= − con 0ku ≥ y 0kv ≥ y se
sustituye en el programa se consigue que en el programa resultante todas las
variables estén sujetas a restricciones de no negatividad.
Se concluye que todo programa lineal puede expresarse siempre en forma
estándar o canónica.
Segunda unidad didáctica ● Investigación de Operaciones I
75
4.3.4. Propiedades de un programa lineal. Soluciones básicas Proposición 1 (propiedades de los programas lineales) Dado un programa lineal se verifica que:
(i) Es convexo ya sea de maximización o minimización.
(ii) La solución óptima. Si existe, es global.
(iii) Nunca existen óptimos locales que no sean globales.
(iv) Puede tener o no solución: caso de existir solución, ésta se encuentra en
un único punto o bien en infinitos puntos.
Proposición 2 Si un programa lineal tiene solución óptima, entonces siempre existe un punto extremo
del conjunto factible en el que se alcanza la solución óptima.
Proposición 3
Dado un programa lineal con conjunto factible S, se verifica que *
x S∈ es un punto
extremo de S si y sólo si es una solución básica factible del programa lineal
expresado en forma estándar.
4.3.5. Teorema Fundamental de la Programación Lineal Dado el programa lineal en forma estándar
min. .
0
cxs a
Ax b
x
=
≥
Donde la matriz A de orden mxn con m n< tiene rango m se verifica que:
i) Si existe una solución factible entonces existe una solución básica factible.
ii) Si existe una solución factible óptima entonces existe una solución básica factible
óptima.
Escuela Profesional de Ingeniería Industrial
76
5. EL MÉTODO SIMPLEX
Hasta ahora hemos resuelto problemas de programación lineal por un método
geométrico. Este método no es práctico cuando el número de variables aumenta a tres
y, desde luego, no es posible usarlo si las variables son más de tres. Ahora veremos
una técnica diferente: el Método Simplex.
Este método se debe a Dantzig y fue dado a conocer en 1947. Su base matemática es
bastante amplia, pero, solamente se enunciarán las reglas de cálculo.
Objetivo: mostrar cómo el método Simplex es utilizado para resolver un problema de
programación lineal estándar. Este método le permitirá resolver problemas que no
pueden ser resueltos geométricamente.
Problema estándar de programación lineal
Problema: nn2211 xc...xcxcZmaximizar +++=
sujeto a : 11212111 ... bxaxaxa nn ≤+++
22222121 ... bxaxaxa nn ≤+++
………………………………
mnmnmm bxaxaxa ≤+++ ...2211
Donde negativos noson ,...,y ,..., 2121 mn bbbxxx
Como se tiene m desigualdades, es necesario agregar m variables de holgura, ahora
bien, al introducir m incógnitas más en las restricciones, deben aumentarse también en
la función objetivo. Sin embargo, para que no alteren dicha función, estas incógnitas
deberán figurar con coeficiente cero.
mnn xx ++ ++++++= 0...0xc...xcxcZmaximizar 1nn2211
sujeto a: 111212111 ... bxxaxaxa nnn =++++ +
22n2222121 x ... bxaxaxa nn =+++++ +
………………………………
mnmnmm bxaxaxa =+++++ +mn2211 x ...
Segunda unidad didáctica ● Investigación de Operaciones I
77
Las variables de holgura: mnnn xxx +++ ,..., 21
Método: leer y entender cada ítem cuidadosamente de estos pasos depende el éxito
de las operaciones que vamos a realizar para encontrar la solución óptima en los
diferentes casos que se nos presente.
1. Configure la tabla Simplex inicial
s er o d a c i dn i
0 | 1 0 0 0 c- c- | Z----------------------------------------
b | 0 1 0 0 a a a | x...............................................................................
b| 0 ......01......... 0 a a a | xb| 0 ......00......... 1 |
| Z.........x x x x x |
n21
mmn m2m1mn
22n22212n
1112111
mn2n1nn21
c
aaaxbx
nn
−⎥⎥⎥⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢⎢⎢⎢
⎣
⎡
+
+
+
+++
Las variables de holgura son 1 2,...,n nx x+ +
2. Si todos los indicadores en el último renglón son no negativos, entonces Z tiene
un valor máximo cuando 0.....0 ,0 21 === nxxx . El valor máximo es 0.
Si existen indicadores negativos, localice la columna en la que aparezca el
indicador más negativo. Esta columna pivote proporciona la variable entrante.
3. Divida cada entrada positiva por encima de la línea punteada en la columna de la
variable entrante, con el correspondiente valor de b. (tomando el valor de b como
dividendo y la entrada positiva como divisor).
4. Marque la entrada en la columna pivote que corresponda al cociente más
pequeño del paso (3). Esta es la entrada pivote. La variable saliente es aquella
que está a la izquierda en el renglón pivote.
5. Utilice operaciones elementales sobre renglones para transformar la tabla en una
nueva tabla equivalente que tenga un 1 donde estaba la entrada pivote y ceros
en las otras entradas de esa columna.
Escuela Profesional de Ingeniería Industrial
78
6. En el lado izquierdo de esta tabla la variable entrante reemplaza a la variable
saliente.
7. Si los indicadores de la nueva tabla son todos no negativos, tendrá usted una
solución óptima. El valor máximo de Z es la entrada en el último renglón y la
última columna. Ocurre cuando las variables a la izquierda de la tabla son iguales
a las correspondientes entradas en la última columna. Todas las demás variables
son iguales a cero. Si al menos uno de los indicadores es negativo, repita el
proceso empezando con el paso 2 aplicado a la nueva tabla.
Como ayuda para entender el método Simplex, podría interpretar ciertas entradas en
la tabla. Suponga que obtenemos una tabla cuyo último renglón está indicado a
continuación
1 2 n n 1 n 2 n m | x x x x ........... x Z | | . . . . . | | . . . . . .
x + + +
|......................................................................... | . . . . . . |- |---------------------------------------------------------
Z | a b c d e f 1 |h
⎡ ⎤⎢ ⎥⎢ ⎥⎢ ⎥⎢ ⎥⎢ ⎥⎢ ⎥⎢ ⎥⎢ ⎥⎣ ⎦
Podemos interpretar la entrada b, por ejemplo, como sigue. Si 2x es no básica y se
fuera a convertir en básica, entonces por cada aumento de 1 unidad en 2x ,
Si b<0, Z aumenta en b unidades;
Si b>o, Z disminuye en b unidades;
Si b =0, no hay cambio en Z.
Segunda unidad didáctica ● Investigación de Operaciones I
79
Conceptos básicos
a) Algoritmo Simplex: es el método algebraico para resolver cualquier problema
de programación lineal en un número finito de pasos en una computadora.
b) Iteración: una serie de pasos de un algoritmo que se repite.
c) Prueba de optimalidad : método para determinar si la solución obtenida es la
óptima.
d) Forma estándar: una forma particular de un problema de programación lineal
en el que la función objetivo debe ser maximizada; solamente existen
restricciones de igualdad y todos los lados derechos y variables son no
negativas.
e) Variable de holgura: es una variable no negativa que se añade al lado izquierdo
de una restricción menor o igual que, para obtener una restricción de igualdad
equivalente.
f) Variable de superávit : es una variable no negativa que se resta del lado
izquierdo de una restricción mayor o igual que, para obtener una restricción de
igualdad equivalente.
g) Variable no básica : conjunto seleccionado de variables de un programa lineal
en forma estándar (en número igual al total de variables menos el número de
restricciones de igualdad) cuyos valores se toman como cero o dicho de otra
forma (son las variables de decisión que toman el valor de cero).
h) Variable básica: una de las variables restantes, diferentes a las no básicas,
de un PL en forma estándar (igual en número al total de restricciones de
igualdad) o dicho de otra forma son las variables de decisión que quedan para
resolver el sistema (toman valores por lo menos una diferente de cero).
Escuela Profesional de Ingeniería Industrial
80
i) Solución básica: son valores de las variables que satisfacen las restricciones
de igualdad de un programa lineal en forma estándar, después de que las
variables no básicas se toman como cero.
j) Solución factible básica (sfb) : valores de las variables que satisfacen las
restricciones de igualdad y de no negatividad de un programa lineal en forma
estándar, después de que las variables no básicas se toman como cero.
5.1. Ejemplo de maximización
Ejemplo 1. Una empresa que produce banjos, guitarras y mandolinas utiliza madera,
mano de obra y metal. Las cantidades de estos inputs precisas para realizar una
unidad de cada instrumento musical se muestran en la siguiente tabla.
Banjo Guitarra Mandolina
Madera 1 2 1
Mano de obra 1 2 2
Metal 1 1 1
La empresa dispone de 50 unidades de madera, 60 unidades de trabajo y 55 unidades
de metal y vende los banjos a 200 u.m., las guitarras a 175 u.m. y las mandolinas a
125.um Encontrar la producción que maximiza el ingreso.
Solución i) Variables de decisión:
Sea 1x : El numero de banjos a producir
2x : El numero de guitarras a producir
3x : El numero de mandolinas a producir
Segunda unidad didáctica ● Investigación de Operaciones I
81
Función objetivo . .f o 1 2 3200 175 125Max Z x x x= + +
s.a.
1 2 3
1 2 3
1 2 3
1 2 1 501 2 2 601 1 1 55
0, 1,2,3i
x x xx x xx x x
x i
+ + ≤+ + ≤+ + ≤≥ =
ii) Para Estandarizar el modelo introducimos variables de holgura: 4 5 6, ,x x x
respectivamente. Sin embargo, para que no alteren dicha función objetivo, estas
incógnitas deberán figurar con coeficiente cero es decir:
Función objetivo . .f o 1 2 3 4 5 6200 175 125 0 0 0Max Z x x x x x x= + + + + +
s.a.
1 2 3
1 2 3
1 2 3
1 2 1 4 501 2 2 5 601 1 1 6 55
0, 1,2,3...,6i
x x x xx x x xx x x x
x i
+ + + =+ + + =+ + + =≥ =
iii) Definimos variables básicas y no básicas
Variables no básicas Variables básicas
1 0x = 4 50x =
2 0x = 5 60x =
3 0x = 6 55x =
0z =
Escuela Profesional de Ingeniería Industrial
82
b
60
55
χ 4 χ 5 χ 6χ 2 χ 3 z
1
1 1
1
1
2
2
1
2
0 0 0
0
0
0
0 0
0
0 0 0 0 1 -175 -125 -200
Variable que ingresa
Elemento pivote χ1
χ 4
χ 5
χ 6
z
1
1
1
Variable que sale
Indicador más negativo
50 Menor cociente positivo
50/1=50 60/1=60 55/1=55
i) Fila (por -1) + Fila χ5
χ4
ii) Fila de (por -1) + Fila de
iii) Fila (por +200) + Fila de Z
0 0 1 -1 1 0 0 10
-1 -2 -1 -1 0 0 0 -50 1 2 2 0 1 0 0 60
0 -1 0 -1 0 1 0 5
-1 -2 -1 -1 0 0 0 -50 1 1 1 0 0 1 0 55
0 225 75 200 001 10000
+200 +400 +200 +200 0 0 0 +10000 -200 -175 -125 0 0 0 1 0
χ 4
χ 6
χ 4
iv) Vamos a confeccionar el tablero Simplex
*Debajo del elemento pivote se hace ceros mediante las operaciones filas es
decir:
Segunda unidad didáctica ● Investigación de Operaciones I
83
χ 4 χ 5 χ 6χ1 χ 2 χ 3
χ 4
χ 5
χ 6
z
z b
1
1
1
1
1 1
1
1
2
2
1
2
0 0 0
0
0
0
0 0
0
0 0 0 0 1 -175 -125 -200
50
60
55
χ1
χ 5
χ 6
z
1
0
0 1
1
-1
-1 1
-1 0
0
0
0
0
2 0
0
0
0
0
1
0 0
1
1 225 75 200
50
10
5
10,000
Indicadores positivos fin del proceso
Las variables básicas son: 1
5
6
50105
xxx
=⎧⎪ =⎨⎪ =⎩
y las variables no básicas son:2
3
4
000
xxx
=⎧⎪ =⎨⎪ =⎩
Nuestra respuesta lo damos en función a las variables de decisión.
Plan de producción:
1
2
3
50 Banjos0 Guitarras0 Mandolinas
xxx
===
Z Máx. Óptimo=10 000
Escuela Profesional de Ingeniería Industrial
84
Ejemplo 2. Un empresario que fabrica tres artículos A, B, y C, desea encontrar la
producción semanal que le permita maximizar sus beneficios. Los productos A, B y C
son procesados en tres máquinas siendo la producción mínima semanal de 100, 60, y
60 unidades respectivamente. El beneficio por unidad vendida de estos artículos es de
2 u.m. por unidad de A, 2 u.m. por unidad de B y 4 u.m. por C. las horas que se
necesitan por unidad de artículo y máquina son:
Artículo
A B C
Máquina1 0 1 2
Máquina2 1 1 1
Máquina3 2 1 1
Siendo el número de horas semanales disponibles en cada máquina 240, 400 y 360
respectivamente. Determinar la producción semanal óptima
Solución
A >=100
B >=60
C >=60
Tiempo disponible
Maquina1 0 1 2 240 Maquina2 1 1 1 400 Maquina3 2 1 1 360 Beneficio 2 2 4 Variables de decisión Sea 1x El número de artículos a producir de A
2x El número de artículos a producir de B
3x El número de artículos a producir de C
1 2 32 2 4Max z x x x= + +
2 3
1 2 3
1 2 3
1
2
3
2 240400
2 36010060600i
x xx x x
x x xxxxx
+ ≤+ + ≤+ + ≤≥≥≥≥
Segunda unidad didáctica ● Investigación de Operaciones I
85
Resolveremos el ejemplo haciendo un pequeño cambio de variable Solución
1 100x ≥ → 1 100 0x − ≥
2 60x ≥ → 2 60 0x − ≥
3 60x ≥ → 3 60 0x − ≥
1 1100x y− = → 1 1 100x y= +
2 260x y− = → 2 2 60x y= +
3 360x y− = → 3 3 60x y= + Reemplazando en el modelo original
1 2 32( 100) 2( 60) 4( 60)Max z y y y= + + + + + s.a
2 360 2( 60) 240y y+ + + ≤
1 2 3( 100) ( 60) ( 60) 400y y y+ + + + + ≤
1 2 32( 100) ( 60) ( 60) 360y y y+ + + + + ≤ 0iy ≥
Simplificando obtenemos un nuevo modelo a resolver por el tablero simplex
1 2 32 2 4 560Max z y y y= + + + s.a
2 32 60y y+ ≤
1 2 3 180y y y+ + ≤
1 2 32 40y y y+ + ≤ 0iy ≥
Estandarizando
1 2 3 4 5 62 2 4 0 0 0 560Max z y y y y y y= + + + + + + s.a
2 32 4 60y y y+ + =
1 2 3 5 180y y y y+ + + =
1 2 32 6 40y y y y+ + + = 0iy ≥
Observación 1: para los indicadores pasar mentalmente de la siguiente manera:
-2y1-2y2-4y3+0y4+0y5+0y6+z=560
Escuela Profesional de Ingeniería Industrial
86
Observación 2
Variables no básicas: y1=0 y2=0 y3=0
Variables básicas: y4=60 y5=180 y6=40 Z= 2(0)+2(0)+4(0)+0(60)+0(180)+0(40)+560=560 Y1 Y2 Y3 Y4 Y5 Y6 z b Y4 0 1 2 1 0 0 0 60 Y5 1 1 1 0 1 0 0 180 Y6 2 1 1 0 0 1 0 40 z -2 -2 -4 0 0 0 1 560 i) La pregunta es que variable ingresa: ver el indicador más negativo
RPT. El indicador más negativo (-4) se encuentra en la columna del y3; por lo tanto, es
la variable que ingresa.
ii) para ver la variable que sale hacer la siguiente operación con la columna Y3:
60/2=30 180/1=180 40/1=40 ver el menor cociente positivo: observamos que
se produce en la fila de Y4; por lo tanto, la variable que sale es Y4
Multiplicar a la fila Y4 por ½ Multiplicar a la fila de y3 por (-1) y sumar a la fila de y5 es decir: sale un nuevo y5 i) 0 -1/2 -1 -1/2 0 0 0 -30 + 1 1 1 0 1 0 0 180 1 ½ 0 -1/2 1 0 0 150 ii) Multiplicar a la fila de y3 por (-1) y sumar a la fila de y6 es decir: sale un nuevo y6 0 -1/2 -1 -1/2 0 0 0 -30 + 2 1 1 0 0 1 0 40 2 ½ 0 -1/2 0 1 0 10 ii) Multiplicar a la fila de y3 por (4) y sumar a la fila de Z es decir: sale un nuevo z 0 2 4 2 0 0 0 120 + -2 -2 -4 0 0 0 1 560 -2 0 0 2 0 0 1 680 Y1 Y2 Y3 Y4 Y5 Y6 z B Y3 0 1/2 1 1/2 0 0 0 30 Y5 1 1/2 0 -1/2 1 0 0 150 Y6 2 1/2 0 -1/2 0 1 0 10 z -2 0 0 2 0 0 1 680 i) Ver la variable que ingresa: observamos que el indicador más negativo lo tiene la
columna del y1 (-2); por tanto, y1 es la variable q ingresa. La columna de y1 es
columna pivote.
Segunda unidad didáctica ● Investigación de Operaciones I
87
ii) la variable que sale ¿? 30/0 no existe cociente 150/1=150 10/2=5 el menor
cociente positivo se da en la fila de y6 por tanto la variable q sale es y6
iii) Multiplicar la fila de y6 por (1/2)
iv) multiplicar a la fila y1 por (-1) y sumar a la fila y5
-1 -1/4 0 ¼ 0 -1/2 0 -5 1 ½ 0 -1/2 1 0 0 150 0 ¼ 0 -1/4 1 -1/2 0 145 v) multiplicar a la fila y1 por (2) y sumar a la fila del z
2 ½ 0 -1/2 0 1 0 10 -2 0 0 2 0 0 1 680 0 ½ 0 3/2 0 1 1 690 Y1 Y2 Y3 Y4 Y5 Y6 z B Y3 0 1/2 1 1/2 0 0 0 30 Y5 0 1/4 0 -1/4 1 -1/2 0 145 Y1 1 1/4 0 -1/4 0 1/2 0 5 z 0 1/2 0 3/2 0 1 1 690 Y3=30 y5=145 y1=5 z=690 Variables básicas Y3=30 y5=145 y1=5 Variables no básicas: y2=0 y4=0 y6=0 Observamos q todos los indicadores son positivos por lo tanto fin del proceso Observe:
1 1100x y− = → 1 1 100 5 100 105x y= + = + =
2 260x y− = → 2 2 60 0 60 60x y= + = + =
3 360x y− = → 3 3 60 0 60 60x y= + = + = Luego damos la respuesta en función de las variables decisión de nuestro problema
original.
Es decir:
Plan de producción:
1x : 105 artículos a producir de A
2x : 60 artículos a producir de B
3x : 90 artículos a producir de C
Con un ingreso Máx Z óptimo= 690
Escuela Profesional de Ingeniería Industrial
88
Serie de problemas 5.1 Utilice el método simplex para resolver los siguientes problemas:
1. Maximizar 2. Maximizar 3. Maximizar
Z= 21 2xx + 21 28 xxZ += Z= 3212 xxx −+
s.a. s.a. s.a.
8 2 21 ≤+ xx 1 21 ≤− xx 1 21 ≤+ xx
12 32 21 ≤+ xx 8 2 21 ≤+ xx 22 321 −≥−− xxx
0, 21 ≥xx 5 21 ≤+ xx 0 ,, 321 ≥xxx
0 , 21 ≥xx
4. Maximizar 5. Maximizar 6. Maximizar
Z= 21 xx + 321 412 xxxW +−= Z= 4321 090060 xxxx +++
s.a. s.a. s.a.
4 21 ≤− xx 1 x-34 321 ≤+ xx 2 2 21 ≤− xx
4 21 ≤+− xx -2 x- 321 ≥+ xx 5 21 ≤+ xx
4058 21 ≤+ xx 1- 321 ≥++− xxx 4 x 43 ≤+ x
6 2 21 ≤+ xx 0 ,, 321 ≥xxx 72 43 ≤− xx
0, 21 ≥xx 0 x, ,, 4321 ≥xxx
7. Maximizar 8. Maximizar
321 22 xxxW −+= Z = 4321 6104 xxxx −−+
s. a: s.a
,22 321 −≥++− xxx 1x 143 ≤−+ xx ,
,4321 ≤+− xxx 21 xx − ,24 ≤+ x
,62 321 ≤++ xxx ,44321 ≤+−+ xxxx
0,, 321 ≥xxx . 0,,, 4321 ≥xxxx .
Segunda unidad didáctica ● Investigación de Operaciones I
89
9. Envío de mercancías
Una compañía de fletes maneja envíos para dos compañías, A y B, localizadas en la
misma ciudad. La compañía A envía cajas que pesan 3 libras cada una y tienen un
volumen de 2 pies3; la B envía cajas de 1 pies3 que pesan 5 libras cada una. Tanto A
como B envían al mismo destino. El costo de transporte por cada caja de A es de
$0.75 y el de B es de $0.50. La compañía de fletes tiene un camión con 2400 pies3 de
espacio para carga y una capacidad máxima de 9200 libras. En un trayecto, ¿cuántas
cajas de cada compañía debe transportar este camión de modo que la compañía de
fletes reciba un ingreso máximo? ¿Cuál es el ingreso máximo?
Escuela Profesional de Ingeniería Industrial
90
5.2. SOLUCIONES NO ACOTADAS Y SOLUCIONES ÓPTIMAS MULTIPLES Soluciones no acotadas : si no existen cocientes en una tabla simplex, entonces el
problema de programación lineal tiene una solución no acotada.
Soluciones óptimas múltiples: en una tabla que da una solución óptima, un
indicador igual a cero para una variable no básica sugiere la posibilidad de soluciones
múltiples. Por ejemplo suponga que:nn
nn
bxbxbxaxaxax
======
,...,y ,...,
2211
2211
Estos son dos S:F:B. diferentes para los cuales un problema de programación lineal es
óptimo. Por «S.F.B. diferentes» queremos decir que ii ba ≠ para alguna i, donde
ni ≤≤1 , entonces:
1 1 1 2 2 2(1 ) , (1 ) ... (1 ) , para cualquier t donde 0 1n n nx t a tb x t a tb x t a tb t= − + = − + + + = − + ≤ ≤ Ejemplo 1.0
Una compañía fabrica tres tipos de muebles para patio: sillas, mecedoras y tumbonas.
Cada uno requiere madera, plástico, y aluminio como se indica en la siguiente tabla.
La compañía tiene disponibles 400 unidades de madera, 600 unidades de plástico y
1500 unidades de aluminio. Cada silla, mecedora y tumbona se venden en $6, $8 y
$12 respectivamente. Suponiendo que todos los muebles pueden ser vendidos, ¿Cuál
es el ingreso máximo total que puede ser obtenido? Determinar las posibles órdenes
de producción que generarán ese ingreso.
Madera Plástico Aluminio
Silla 1 unidad 1 unidad 2 unidades
Mecedora 1 unidad 1 unidad 3 unidades
Tumbona 1 unidad 2 unidades 5 unidades
Solución i) Variables de decisión:
Sea 1x : El numero de sillas a producir.
2x : El numero de mecedoras a producir.
3x : El numero de tumbonas a producir.
Segunda unidad didáctica ● Investigación de Operaciones I
91
Función objetivo . .f o 1 2 36 8 12MaxZ x x x= + +
s.a.
1 2 3
1 2 3
1 2 3
1 1 1 4001 1 2 6002 3 5 1500
0, 1,2,3i
x x xx x xx x x
x i
+ + ≤+ + ≤+ + ≤≥ =
ii) Para estandarizar el modelo introducimos variables de holgura: 4 5 6, ,x x x
respectivamente. Sin embargo, para que no alteren dicha función objetivo, estas
incógnitas deberán figurar con coeficiente cero, es decir:
Función objetivo . .f o 1 2 3 4 5 66 8 12 0 0 0MaxZ x x x x x x= + + + + +
s.a.
1 2 3
1 2 3
1 2 3
1 1 1 4 4001 1 2 5 6002 3 5 6 1500
0, 1,2,3...,6i
x x x xx x x xx x x x
x i
+ + + =+ + + =+ + + =≥ =
iii) Definimos variables básicas y no básicas
Variables no básicas Variables básicas
1 0x = 4 400x =
2 0x = 5 600x =
3 0x = 6 1500x =
0z =
Escuela Profesional de Ingeniería Industrial
92
0
300
300
x 1
x 3
x 3
x 2
x 5
x 3
x 6
x 2
x 2
z
z
z
z
z
400
600
1500
1 1 1
1 1
1
1
0 0 0
0 0 0
0 0 0
0 0 0
0
0
0
0
0
-1/2
-5/2
0
1
6 0 0
0
0
0
1 0
0 -1
1
4 0 0 -2
1/2 0
0
0
0
1
0 0 0
3/2
0
1
1
1
1/2
1
0 1
0
-1 0
0
2
2 3 5
0
0
-12 -8 -6
1/2
1/2
0
-1/2
1/2
1/2
1/2
-2 0
1 0
1
-1
-1
2
2
3
-5
1
0
0
-1/2
-4
0
1 0
1/2
-3/2
5/2
1
0
0
1
-1/2
1/2
-1/2
2 2
100
0
3600
100
0
3600
50
150
250
3800
x 4 x 5 x 6x 4
x 5
x 6
x 4
x 3
x 4
iv) Confeccionar el tablero Simplex
Segunda variable que ingresa Primera variable que ingresa
Indicadores positivos fin del proceso.
Segunda unidad didáctica ● Investigación de Operaciones I
93
χ 5 =50 =150 =250 χ 2
χ 3
Variables no básicas Variables básicas
χ 3
( ) ( )( ) ( )( ) ( ) ttt
ttt
ttt
501502001501
1502501002501
10010001
3
2
1
+=+−=
−=+−=
=+−=
χχχ
χ 4 χ 5 χ 6χ1 χ 2 χ 3
z
z b
1/2
-1/2 3/2
1/2
1 0 0
-1/2
0
0
0
0
1 -1/2 0
0
0
-3/2
5/2 0
1/2
3800202 10 0 0
50
150
250
χ1
χ 5
z
1 0 0 1
1/2
1 -11 1 0
0
0
0
0
0 -1
0
2
1
0
0
0 3/2
1
10 0 2
100
200
100
3800
χ 3
χ 2
χ 2
Hacemos ingresar no básica que tiene indicador igual a cero.
χ1
χ 3
=0 = =250 = =150 =
χ 2
χ1
χ 3
a 1
2 a
a 3
χ 4
χ 6
χ1 =0=0 =0
Para ver si tiene solución múltiple bastará observar si existe un indicador igual a cero
de una variable no básica, la cual sugiere la posibilidad de solución múltiple. Por
ejemplo, 1x es no básica y su indicador en la tabla final es igual a cero.
*Vamos a generar la otra solución para esto tomamos el ultimo tablero.
Luego: 1 1 2 2 3 3100 ; 100 ; 200x b x b x b= = = = = = →que:
0 1t≤ ≤
Zóptimo = 3800
Variable de decisión
Escuela Profesional de Ingeniería Industrial
94
Si 0t =
1x : 0 Sillas a producir
2x : 250 Mecedoras a producir
3x : 150 Tumbonas a producir
Z óptimo =3800
Si 1t =
1x : 100 Sillas a producir
2x : 100 Mecedoras a producir
3x : 200 Tumbonas a producir
Z óptimo =3800
Como podemos ver generamos soluciones múltiples alternativas.
Segunda unidad didáctica ● Investigación de Operaciones I
95
Serie de problemas 5.2
1. Maximizar 2. Maximizar
21 72 xxW += Z = 321 65 xxx ++
s. a: s. a
,434 21 ≤− xx 5239 321 ≤−+ xxx ,
,63 21 ≤− xx 224 321 ≤−+ xxx ,
,85 1 ≤x ,34 321 ≤+− xxx
0, 21 ≥xx . 0,, 321 ≥xxx .
3. Maximizar 4. Maximizar
0,,,64
,72..
26
321
21
321
321
≥−≥−−≤++
++=
xxxxx
xxxas
xxxZ
0,1222,13
,10336..
42
321
21
321
321
≥≤+−≤+−
≤−+
−+=
ixxxxxxx
xxxas
xxxZ
Escuela Profesional de Ingeniería Industrial
96
5.3. MÉTODO DE PENALIZACIÓN Variables artificiales
Para iniciar el método simplex, se requiere de una solución factible básica. Para un
problema de programación lineal estándar, empezamos con la S.F.B., en la cual todas
las variables estructurales son cero. Sin embargo, para un problema de maximización
que no esté en la forma estándar, tal S.F.B. podría no existir. En esta sección se
presentará la forma en que el método simplex es utilizado en tales situaciones.
Objetivo Resolver problemas de maximización que no están en forma estándar introduciendo
variables artificiales.
Ejemplo1
Maximizar Z=X1+4X2
s.a
X1+2X2 ≤ 8
X1+6X2 ≥12
X2≥ 2
X1, X2≥0
Solución: Función objetivo artificial: W=Z-MT1-MT2 (Donde Z=X1+4X2+0X3+0X4+0X5)
X1+2X2+ X3 = 8
X1+6X2- X4+T1 =12
0X1+X2- X5+T2 = 2
Segunda unidad didáctica ● Investigación de Operaciones I
97
Tablero Inicial
X1 X2 X3 X4 X5 T1 T2 W b
1 2 1 0 0 0 0 0 8
1 6 0 -1 0 1 0 0 12
0 1 0 0 -1 0 1 0 2
-1 -4 0 0 0 M M 1 0
Debemos eliminar las M de las columnas de T1 y T2, para ello multiplicamos todos los
elementos de la fila 3 y 4 por (-M) y le vamos a sumar a la quinta fila.
-M -6M 0 M 0 -M 0 0 -12M
0 -M 0 0 M 0 -M 0 -2M
-1 -4 0 0 0 M M 1 0
-M-1 -7M-4 0 M M 0 0 1 -14M
I Tablero Simplex
X1 X2 X3 X4 X5 T1 T2 W b
X3 1 2 1 0 0 0 0 0 8
T1 1 6 0 -1 0 1 0 0 12
T2 0 1 0 0 -1 0 1 0 2
W -M-1 -7M-4 0 M M 0 0 1 -14M
Variables básicas: X3=8 ; T1=12 y T2=2 Variables no básicas: X1=0, X2=0 , X4=0 y X5=0 con W=-14M
Variable que entra X2 , variable que sale T2
X1 X2 X3 X4 X5 T1 T2 W b
X3 1 0 1 0 2 0 -2 0 4
T1 1 0 0 -1 6 1 -6 0 0
X2 0 1 0 0 -1 0 1 0 2
W -M-1 0 0 M -6M-4 0 7M+4 1 8
Escuela Profesional de Ingeniería Industrial
98
II Tablero Simplex Variable que entra X5, variable que sale T1 y eliminamos la columna de T2 por tener un
indicador positivo bastante grande. Observe que dividimos toda la fila de T1 entre 6
para hacer 1 y luego hacer ceros por encima del uno y por debajo del mismo.
X1 X2 X3 X4 X5 T1 W b
X3 2/3 0 1 2/6 0 -2/6 0 4
X5 1/6 0 0 -1/6 1 1/6 0 0
X2 1/6 1 0 -1/6 0 1/6 0 2
W -1/3 0 0 -2/3 0 M+2/3 1 8
III Tablero Simplex
Variable que entra X4, variable que sale X3 y eliminamos la columna de T1 por ser
variable no básica y además tener en su indicador un número positivo bastante
grande.
Observe que.
• W=Z-Mt1-Mt2 , y como t1 =0 y t2 =0, entonces W=Z
X1 X2 X3 X4 X5 Z b
X3 2/3 0 1 2/6 0 0 4
X5 1/6 0 0 -1/6 1 0 0
X2 1/6 1 0 -1/6 0 0 2
Z -1/3 0 0 -2/3 0 1 8
Segunda unidad didáctica ● Investigación de Operaciones I
99
Multiplicando a la fila de la variable saliente por 3 para hacer uno y luego hacer ceros
debajo de el.
X1 X2 X3 X4 X5 Z b
X4 2 0 3 1 0 0 12
X5 1/2 0 1/2 0 1 0 2
X2 1/2 1 1/2 0 0 0 4
Z 1 0 2 0 0 1 16
Como todos los indicadores son positivos, el proceso finaliza.
Observe que las variables básicas son: X4=12; X5=2, X2=4, y las variables no
básicas: X1=0, X3=0
Nuestras variables de decisión en el ejemplo son: X1 y X2. Luego nuestra respuesta es: X1= 0 y X2 = 4 con Zóptimo=16 Ejemplo2
Max Z = 2X1+X2
s.a
X1+X2<=12
X1+2X2<=20
-X1+X2>=2
Xi>=0
F.O artificial
W=Z-Mt1 Observe que: Z= 2X1+X2+0X3+0X4
X1+X2+ X3 = 12
X1+2X2+ X4 = 20
- X1+X2- X5+t1 = 2
Escuela Profesional de Ingeniería Industrial
100
I Tablero Inicial
X1 X2 X3 X4 X5 T1 W b
1 1 1 0 0 0 0 12
1 2 0 1 0 0 0 20
-1 1 0 0 -1 1 0 2
-2 -1 0 0 0 M 1 0
Para pasar al primer tablero simplex debemos eliminar M de la columna de T1, para
ello basta multiplicar todo la fila cuatro por –M y sumar a la fila cinco
I Tablero Simplex
X1 X2 X3 X4 X5 T1 W b
X3 1 1 1 0 0 0 0 12
X4 1 2 0 1 0 0 0 20
T1 -1 1 0 0 -1 1 0 2
W M-2 -M-1 0 0 M 0 1 -2M
Variable que sale T1, variable que entra X2
Por suerte observe que el elemento pivote es uno y por tanto no es necesario
multiplicar por algún numero para hacer uno en ese casillero
X1 X2 X3 X4 X5 T1 W B
X3 2 0 1 0 1 -1 0 10
X4 3 0 0 1 2 -2 0 16
X2 -1 1 0 0 -1 1 0 2
W -3 0 0 0 -1 M+1 1 2
Eliminamos la columna de T1 pues (M+1) es un número positivo bastante grande es
una variable no básica.
Segunda unidad didáctica ● Investigación de Operaciones I
101
Observe que en este tablero las variables básicas son: X3=10, X4=16 y X2=2
Y las variables no básicas son: X1=0 , X5=0, T1=0
W= Z-MT1 pero como T1 =0 →W=Z
II Tablero Simplex
Variable que entra X1 variable que sale X3
X1 X2 X3 X4 X5 Z B
X3 2 0 1 0 1 0 10
X4 3 0 0 1 2 0 16
X2 -1 1 0 0 -1 0 2
Z -3 0 0 0 -1 1 2
Observe que a toda la fila de la variable es dividida entre dos con la finalidad de hacer
luego ceros debajo del uno. Por ejemplo:
i) A la fila de X1 multiplique por -3 y sume a la fila de X4 es decir:
-3 0 -3/2 0 -3/2 0 -15+
3 0 0 1 2 0 16
0 0 -3/2 1 ½ 0 1
ii) Luego a la fila de X1 multiplique por uno y sume a la fila de X2.
iii) A la fila de X1 multiplique por 3 y sume a toda la fila de Z y obtendrá la siguiente
tabla:
X1 X2 X3 X4 X5 Z b
X1 1 0 1/2 0 1/2 0 5
X4 0 0 -3/2 1 1/2 0 1
X2 0 1 1/2 0 -1/2 0 7
Z 0 0 3/2 0 1/2 1 17
Escuela Profesional de Ingeniería Industrial
102
Como los indicadores son positivos, finaliza el proceso:
Entonces las variables básicas son: X1=5; X4=1 y X2=7 y las no básicas son: X3=0 y
X5=0 y T1=0
Luego estamos interesados en los valores de nuestras variables de decisión es decir, daremos como respuesta X1=5, X2=7 con ZMax óptimo = 17
Ejemplo 3 Una compañía fabrica dos tipos de estantes: estándar y ejecutivo. Cada tipo requiere
tiempos de ensamble y de terminado como se indica en la siguiente tabla. La utilidad
sobre cada unidad también se indica. El número de horas disponibles por semana en
el departamento de ensamble es de 400 y en el departamento de acabado es de 510.
A causa de un contrato sindical, al departamento de acabado se le garantiza al menos
240 horas de trabajo por semana.
¿Cuántas unidades de cada tipo debe producir la compañía semanalmente para
maximizar sus utilidades?
Tiempo de ensamblaje
Tiempo de acabado
Utilidad por unidad
Estándar 1 horas 2 horas $ 10
Ejecutivo 2 horas 3 horas $ 12
Tiempo Disponible 400 ≤510 pero ≥240
Variables de decisión
Sea X1 el N° de unidades a producir de estantes estándar
Sea X2 el N° de unidades a producir de estantes ejecutivos
F.O max Z = 10X1+12X2
s.a.
X1+2X2 ≤ 400
2X1+3X2 ≤510
2X1+3X2 ≥240
Xi>=0
Segunda unidad didáctica ● Investigación de Operaciones I
103
Solución:
F.O artificial
W=Z-Mt1
X1+2X2+ X3 = 400
2X1+3X2+X4 = 510
2X1+3X2-X5+t1= 240
I Tablero Inicial
X1 X2 X3 X4 X5 t1 W B
1 2 1 0 0 0 0 400
2 3 0 1 0 0 0 510
2 3 0 0 -1 1 0 240
-10 -12 0 0 0 M 1 0
Recordamos que debemos eliminar las M de la columna de T1 con operaciones fila, es
decir, a la fila 4 multiplicar por –M y sumar a la fila 5. Luego pasamos al:
I Tablero Simplex
X1 X2 X3 X4 X5 t1 W B
X3 1 2 1 0 0 0 0 400
X4 2 3 0 1 0 0 0 510
t1 2 3 0 0 -1 1 0 240
W -2M-10 -3M-12 0 0 M 0 1 -240M
Escuela Profesional de Ingeniería Industrial
104
Variable que ingresa X2, Variable que sale t1 Observe que el elemento pivote 3 en la
fila t1 debe hacerse uno, entonces multiplicamos toda la fila de t1 por 1/3. Luego hacer
unos encima y debajo del uno ubicado en la fila de X2
X1 X2 X3 X4 X5 t1 W B
X3 -1/3 0 1 0 2/3 -4/3 0 240
X4 0 0 0 1 1 -2 0 270
X2 2/3 1 0 0 -1/3 2/3 0 80
W -2 0 0 0 -4 2M+8 1 960
Eliminamos la columna t1 por ser variable no básica y además su indicador es un
número positivo bastante grande. Es decir, t1=0 reemplazando en W=Z-Mt1 podemos
afirmar que W=Z
Por lo cual reemplazamos en los siguientes tableros.
II Tablero Simplex
X1 X2 X3 X4 X5 Z B
X3 -1/3 0 1 0 2/3 0 240
X4 0 0 0 1 1 0 270
X2 2/3 1 0 0 -1/3 0 80
Z -2 0 0 0 -4 1 960
Variable que sale X4 variable que entra X5 haciendo ceros encima y debajo del
elemento pivote
Que por suerte es uno. Obtenemos el:
Segunda unidad didáctica ● Investigación de Operaciones I
105
III Tablero Simplex
Variable que sale X2 variable que entra X1
X1 X2 X3 X4 X5 Z B
X3 -1/3 0 1 -2/3 0 0 60
X5 0 0 0 1 1 0 270
X2 2/3 1 0 1/3 0 0 170
Z -2 0 0 4 0 1 2040
Multiplicando a la fila X2 por 3/2 para hacer uno y luego ceros tenemos el siguiente
tablero
IV Tablero Simplex
X1 X2 X3 X4 X5 Z B
X3 0 ½ 1 -1/2 0 0 145
X5 0 0 0 1 1 0 270
X1 1 3/2 0 ½ 0 0 255
Z 0 3 0 5 0 1 2550
Como los indicadores son positivos fin del proceso podemos observar que
Nuestro plan de producción es:
X1=255 estantes estándar y
X2=0 estantes ejecutivo
Con una utilidad máxima Z óptimo=$2550
Escuela Profesional de Ingeniería Industrial
106
Serie de problemas 5.3
Utilice el método simplex para resolver los problemas siguientes.
1. Maximizar
Z= 212 xx +
Sujeto a:
1221 ≤+ xx
202 21 ≤+ xx
221 ≥+− xx
0, 21 ≥xx
2. Maximizar
Z = 21 2xx +
921 ≤+ xx
121 ≥− xx
0, 21 ≥xx
3. Maximizar
Z = 212 xx +
Sujeto a:
,621 ≤+ xx
,421 ≥+− xx
0, 21 ≥xx .
4. Maximizar
Z = 3212 xxx −+
Sujeto a:
,52 321 ≤++ xxx
,1321 ≥++− xxx
0,, 321 ≥xxx .
Segunda unidad didáctica ● Investigación de Operaciones I
107
5. Maximizar
Z = 21 10xx −
Sujeto a:
,121 ≤− xx
,82 21 ≤+ xx
,521 ≥+ xx
0, 21 ≥xx .
6. Maximizar
Z = 321 23 xxx +−
Sujeto a:
,1321 ≤++ xxx
,2321 ≥+− xxx
,6321 −≤−− xxx
0,, 321 ≥xxx .
7. Maximizar
Z = 21 4xx +
Sujeto a:
,82 21 ≤+ xx
,126 21 ≥+ xx
,22 ≥x
0, 21 ≥xx .
8. Maximizar
Z = 21 5xx −
Sujeto a:
,132 21 −≥− xx
,321 ≥+− xx
,1121 ≥+ xx
0, 21 ≥xx .
Escuela Profesional de Ingeniería Industrial
108
9. Maximizar
Z = 21 43 xx +
Sujeto a:
,82 21 ≤+ xx
,126 21 ≥+ xx
0, 21 ≥xx .
10. Maximizar
Z = 321 4xxx +−
Sujeto a:
9321 ≤++ xxx
,62 321 ≥+− xxx
0,, 321 ≥xxx .
Segunda unidad didáctica ● Investigación de Operaciones I
109
5.4. En general, el método simplex puede ser utilizado para:
b } , ,{ xa...xaxa ...........................................................
,}b , ,{ xa...xaxa , } , ,{ ...
a sujeto... Zmaximizar
3nmn2m21m1
2n2n222212
11212111
2211
=≥≤+++
=≥≤+++=≥≤+++
+++=
bxaxaxa
xcxcxc
nn
nn
donde mn bbbxxx ,...,,y ,,...,, 2121 son no negativos. Los símbolos { },, =≥≤ significan que
existe una de las relaciones « ≤ », « ≥ » o «=» para una restricción. Si todas las
restricciones involucran «≤ », el problema está en forma canónica y se aplican las
técnicas simplex. Si alguna restricción involucra « ≥ » o «=», empezamos con un
problema artificial, que se obtiene como sigue.
Cada restricción que contenga «≤ »es escrita como una ecuación involucrando una
variable de holgura iS con coeficiente +1.:
++++ ninii xaxaxa ...2211 iS = ib .
Cada restricción que tenga « ≥ » es escrita como una ecuación que involucre una
variable de holgura (o llamado también variable de superávit) jS con coeficiente -1 y
una variable artificial jt :
jjjnjnjj btsxaxaxa =+−+++ ...2211
En cada restricción de igualdad se inserta una variable artificial no negativa kt :
kknknkk btxaxaxa =++++ ...2211 .
Por ejemplo, si tuviera tres variables artificiales involucradas ,,, 321 ttt entonces la
función objetivo artificial es:
W = Z- 321 MtMtMt −− ,
Escuela Profesional de Ingeniería Industrial
110
Donde M es un número positivo grande. Una S.F.B. ocurre cuando
0...21 ==== nxxx
y cada variable de holgura que tenga coeficiente -1 es igual a cero. Después de
obtener una tabla simplex inicial, aplicamos el método simplex hasta que lleguemos a
una tabla que corresponda a una S.F.B. en la que todas las variables artificiales sean
igual a cero. Después eliminamos las columnas da las variables artificiales, cambiando
las W por z, y continuamos utilizando los procedimientos del método simplex.
12. Maximizar
0,x,x, x4x x- x103xx2x
s.a24
321
321
321
321
≥=+≤++
++= xxxZ
13. Maximizar
0,x,x, x2x x- x- 6x2x2x-
s.a231
321
321
321
321
≥−≤+−=−−
−+= xxxZ
14. Maximizar
0x, x6 x 4 x x- 4x x
s.a23
21
1
21
21
21
≥≥=+≤−
+−= xxZ
15. Maximizar
0,x,x, x8x x x5x2 x
s.a32
321
321
32
321
≥=++≥−
++= xxxZ
Segunda unidad didáctica ● Investigación de Operaciones I
111
16. Maximizar
0,x,x, x7xx- x3x x x5xx x
s.a4
321
321
321
321
321
≥=+≤++≥−+
−+= xxxZ
17. Maximizar
0,x,x, x12x2 x3 6x 1xx x
s.a2
321
321
321
321
≥=++−≤−−
++= xxxZ
18. Maximizar
0y x,408y5x 123y2x 3y x
s.a34
≥≥+≤+≤+
−= yxZ
19. Maximizar
0x, x1 x x2xx-
s.a2
21
21
21
21
≥≤+≥+
+= xxZ
Escuela Profesional de Ingeniería Industrial
112
5.5 MINIMIZACIÓN En general, para minimizar una función es suficiente con maximizar su negativo. Por
ejemplo considere la función 4)( 2 −= xxf . Observe que el valor mínimo de f es -4 y
ocurre cuando x=0. Ahora considere la función ).4()()( 2 −−=−= xxfxg Esta gráfica
es la reflexión con respecto al eje x de la gráfica de f . Observe que el valor máximo
de g es 4 y ocurre cuando x=0. Por tanto, el valor mínimo de 42 −x es el negativo del
valor máximo de -( 42 −x ). Esto es, )( fmáxfmín −−=
Ejemplos: En general, para minimizar una función es suficiente con maximizar su
negativo.
Ejercicios de Minimización
1. MIN Z = 4X1 + 2X2 + 1X3
s.a
X1 - X2 - X3 ≥ 9
Xi≥ 0 i=1, 2,3
Solución
f.o(función objetivo artificial) W = -Z - Mt1
X1 – X2 – X3 –X4 + t1 = 9
Tablero Inicial
X1 X2 X3 X4 t1 W b
Por (-M) 1 -1 -1 -1 1 0 9
W 4 2 1 0 M 1 0
Segunda unidad didáctica ● Investigación de Operaciones I
113
i) Debemos eliminar la M de la columna de t1 para ello multiplicamos por (-M) es
decir
ii) luego recién pasamos al primer tablero Simplex
-M M M M -M 0 -9M
4 2 1 0 M 1 0
(4-M) (2+M) 1+M M 0 1 -9M
I Tablero Simplex
X1 X2 X3 X4 t1 W b
t1 1 -1 -1 -1 1 0 9
W (4-M) (2+M) 1+M M 0 1 -9M
X1 1 -1 -1 -1 1 0 9
W 0 6 5 4 (M-4) 1 -36
Eliminamos la columna «t1» por tener indicador positivo
Observe que la variable que sale es t1 y la variable que entra es x1, por ello
multiplicamos a la fila de de x1 variable ingresante por (M-4) para luego sumarle a la
fila de w para hacer cero debajo del elemento pivote.
II Tablero Simplex
X1 X2 X3 X4 W b
X1 1 -1 -1 -1 0 9
W 0 6 5 4 1 -36
Escuela Profesional de Ingeniería Industrial
114
Observe que los indicadores son positivos; por lo tanto, fin del proceso
Variables básicas: X1= 9
Variables no básicas: X2=0, X3=0, X4=0, t1=0
Si t1 = 0
Rpta: X1 = 9 W = -Z - Mt1 X2 = 0
X3 = 0 Zmin óptimo = 36
-36 = -Z
Z = 36
2. MIN Z = X1 + 8X2 + 5X3
s.a
X1 + X2 + X3 ≥ 8
-X1 + 2X2 + X3 ≥ 2
Xi≥ 0 i=1,2,3
Solución
f.o W = -Z - Mt1 - Mt2
X1 + X2 + X3 –X4 + t1 = 8
-X1 + 2X2 + X3 –X5 + t2 = 2
TABLERO INICIAL
X1 X2 X3 X4 X5 t1 t2 W b
Por -M
1 1 1 -1 0 1 0 0 8
Por -M
-1 2 1 0 -1 0 1 0 2
W 1 8 5 0 0 M M 1 0
Segunda unidad didáctica ● Investigación de Operaciones I
115
Antes de pasar al primer tablero Simplex eliminamos las M de la columna t1 y t2
-M -M - M M 0 -M 0 0 -8M
M -2M -M 0 M 0 -M 0 -2M
1 8 5 0 0 M M 1 0
1 (8-3M) (5-2M) M M 0 0 1 -10M
I Tablero Simplex
Recordar que el elemento pivote (2) fila de t2 debemos hacer uno para ello a toda la
fila de t2 dividimos entre dos, luego en la fila de la variable que ingreso x2 mediante
operaciones elementales de fila hacemos ceros por encima y por debajo del 1.
X1 X2 X3 X4 X5 t1 t2 W b
t1 1 1 1 -1 0 1 0 0 8
t2 -1 2 1 0 -1 0 1 0 2
W 1 (8-3M) (5-2M) M M 0 0 1 -10M
t1 3/2 0 1/2 -1 1/2 1 -1/2 0 7
X2 -1/2 1 1/2 0 -1/2 0 1/2 0 1
W (5 - 3M/2) 0 (1-M/2) M (4 - M/2)
0 (-4 + 3M/2) 1 -8-7M
Eliminamos la columna «t2» por tener indicador positivo Es decir, es un número positivo bastante grande y es imposible que ingrese en alguna iteración.
Escuela Profesional de Ingeniería Industrial
116
II Tablero Simplex
X1 X2 X3 X4 X5 t1 W b
t1 3/2 0 1/2 -1 1/2 1 0 7
X2 -1/2 1 1/2 0 -1/2 0 0 1
W (5 - 3M/2) 0 (1-
M/2) M
(4 - M/2)
0 1 -8 - 7M
X1 1 0 1/3 -2/3 1/3 2/3 0 14/3
X2 0 1 2/3 -1/3 -1/3 1/3 0 10/3
W 0 0 -2/3 10/3 7/3 M-10/3 1 -94/3
Luego eliminamos la columna de t1 por tener el indicador positivo bastante grande
III Tablero Simplex
La variable que ingresa es X3 y la variable que sale X2
X1 X2 X3 X4 X5 W b
X1 1 0 1/3 -2/3 1/3 0 14/3
X2 0 1 2/3 -1/3 -1/3 0 10/3
W 0 0 -2/3 10/3 7/3 1 -94/3
X1 1 -1/2 0 -1/2 1/2 0 3
X3 0 3/2 1 -1/2 -1/2 0 5
W 0 1 0 3 2 1 -28
Indicadores positivos fin del proceso
Variables básicas: X1=3 y X3=5
Variables no básicas: X2=0; X4=0, X5=0 ,t1=0,t2=0
Segunda unidad didáctica ● Investigación de Operaciones I
117
t1 =0 y t2 = 0
Rpta: X1 = 3 W = -Z - Mt1 - Mt2 X2 = 0
X3 = 5 Zmin óptimo = 28
-84/3= -28 = -Z
Z = 28
3. MIN Z = 2X1 + 3X2 + X3
s.a
X1 + X2 + X3 ≤ 6
X1 - X3 ≤ -4 -----> por(-1) ------> -X1 + X3 ≥ 4
X2 + X3 ≤ 5
Xi≥ 0 i=1,2,3
Solución
f.o W = -Z - Mt1
X1 + X2 + X3 +X4 = 6
-X1 + X3 –X5 + t1 = 4
X2 + X3 +X6 = 5
Tablero Inicial
X1 X2 X3 X4 X5 X6 t1 W b
1 1 1 1 0 0 0 0 6 Por -
M -1 0 1 0 -1 0 1 0 4
0 1 1 0 0 1 0 0 5
W 2 3 1 0 0 0 M 1 0
Escuela Profesional de Ingeniería Industrial
118
M 0 -M 0 M 0 -M 0 -4M
2 3 1 0 0 0 M 1 0
(M+2) 3 (1-M) 0 M 0 0 1 -4M
I Tablero Simplex
X1 X2 X3 X4 X5 X6 t1 W b
X4 1 1 1 1 0 0 0 0 6
t1 -1 0 1 0 -1 0 1 0 4
X6 0 1 1 0 0 1 0 0 5
W (2+M) 3 (1-M) 0 M 0 0 1 -4M
X4 2 1 0 1 1 0 -1 0 2
X3 -1 0 1 0 -1 0 1 0 4
X6 1 1 0 0 1 1 -1 0 1
W 3 3 0 0 1 0 (M-1) 1 -4
Indicadores positivos fin del proceso
t1 = 0
Rpta: X1 = 0 W = -Z - Mt1 X2 = 0
X3 = 4 Zmin óptimo = 4
-4= -Z
Z = 4
Segunda unidad didáctica ● Investigación de Operaciones I
119
Serie de problemas 5.5
1. Minimizar
0,10
6..
63
21
21
21
21
≥≥+≥+−
+=
xxxx
xxas
xxz
2. Minimizar
0,,9
..24
321
321
321
≥≥−−
++=
xxxxxx
asxxxz
3. Minimizar
0,,54
6..
32
321
32
31
321
321
≥≤+−≤−
≤++
++=
xxxxxxx
xxxas
xxxz
1 2 3
1 2 3
2 3
1 2
1 2 3
4. Min 3. .
2 416
, , 0
z x x xs ax x xx xx xx x x
= − −
+ + =+ =+ ≤
≥
Escuela Profesional de Ingeniería Industrial
120
5. Minimizar
0,,22
8..
58
321
321
321
321
≥≥++−
≥++
++=
xxxxxx
xxxas
xxxz
6. Una planta de cemento produce 2,500,000 barriles de cemento por año. Los
hornos emiten 2 libras de polvo por cada barril producido. Una agencia gubernamental
para protección del ambiente requiere que la planta reduzca sus emisiones de polvo a
no más de 800,000 libras anuales. Existen dos dispositivos de control de emisiones
disponibles, A y B. El dispositivo A reduce las emisiones a 21 libra por barril y su
costo es de $0.20 por barril de cemento producido. Para el dispositivo B, las emisiones
son reducidas a 51 libra por barril y el costo es de $0.25 por barril de cemento
producido. Determine el plan de acción más económico que la plante debe tomar de
modo que cumpla con el requerimiento de la agencia y también mantenga su
producción anual de 2,500,000 barriles de cemento.
7. Una planta de cemento produce 3,300,000 barriles de cemento por año. Los
hornos emiten 2 libras de polvo por cada barril producido. La planta debe reducir sus
emisiones a no más de 1,000,000 libras anuales. Hay 2 dispositivos de control
disponibles, A y B. El dispositivo A reducirá las emisiones a ½ libra por barril y el
costo es de $0.25 por barril de cemento producido. Para el dispositivo B, las emisiones
son reducidas a ¼ de libra por barril y el costo es de $0.40 por barril de cemento
producido. Determine el plan de acción más económico que la planta debe tomar de
modo que mantenga su producción anual de exactamente 3,300,000 barriles de
cemento.
Segunda unidad didáctica ● Investigación de Operaciones I
121
8. Un comerciante tienen tiendas en Exton y Whyton, y almacenes A y B en otras
dos ciudades. Cada tienda requiere de exactamente 30 refrigeradores. En el almacén
A hay 50 refrigeradores y en el B hay 20. Los costos de transporte para enviar los
refrigeradores desde los almacenes a las tiendas están dados en la siguiente tabla.
¿Cómo debe solicitar los refrigeradores el comerciante de modo que los
requerimientos se satisfagan y el costo total de transporte se minimice? ¿Cuál es el
costo mínimo de transporte?
Exton Whyton
Almacén A $15 $13
Almacén B $11 $12
Escuela Profesional de Ingeniería Industrial
122
6. LA TEORÍA DE LA DUALIDAD
6.1. El PROBLEMA DUAL
Existe un principio fundamental llamado dualidad, que permite resolver un problema de
maximización resolviendo el problema de minimización relacionado con él.
En general, con cualquier problema de PL podemos asociar otro problema de PL
llamado su dual. El problema dado es llamado primal .Si el primal es un problema de
maximización, entonces su dual es un problema de minimización. Del mismo modo, si
el problema primal implica minimización, su dual implica maximización.
Cualquier problema primal de maximización puede ser escrito en la forma indicada en
la tabla 1. Observe que no existen restricciones sobre las b. El correspondiente
problema dual de minimización puede ser escrito en la forma de la tabla 2.
Similarmente, cualquier problema primal de minimización puede ser escrito en la forma
de la tabla 2 y su dual es el problema de maximización en la tabla 1.
TABLA 1 Primal (Dual)
nn xcxcxc +++= ...Zmaximizar 2211
s.a.
11212111 ... bxaxaxa nn ≤+++
22222121 ... bxaxaxa nn ≤+++
……………………………..
…………………………….
mnmnmm bxaxaxa ≤+++ ...2211
0,..., 21 ≥nxxx
TABLA 2 Dual (Primal)
nn ybybyb +++= ...Wminimizar 2211
s.a.
11221111 ... cyayaya mm ≥+++
22222112 ... cyayaya mm ≥+++
……………………………..
…………………………….
nmmnnn cyayaya ≥+++ ...2211
0,..., 21 ≥nyyy
Segunda unidad didáctica ● Investigación de Operaciones I
123
Observe que si todas las restricciones en el problema primal involucran )(≥≤ .
Entonces todas las restricciones en su dual involucran )(≤≥ . Los coeficientes en la
F.O. del dual son los términos constantes en las restricciones del primal. Del mismo
modo, los términos constantes en las restricciones del dual son los coeficientes de la
F.O. del primal. La matriz de coeficientes de los lados izquierdos de las restricciones
del dual, es la transpuesta de la matriz de coeficientes de los lados izquierdos de las
restricciones del primal.
Si el primal involucra n variables de decisión (estructurales) y m variables de holgura,
entonces el dual involucra m variables de decisión y n variables de holgura. Debe
notarse que el dual del dual es el primal.
6.2. Existe una relación importante entre el primal y su dual: 1. Si el primal tiene una solución óptima, también la tendrá el dual, y el valor óptimo
de la función objetivo del primal, es el mismo que el de su dual.
2. Además suponga que la F.O. del primal es: nn xcxcxcZ +++= ...2211 . Entonces:
Si iS es la variable de holgura asociada con la i-ésima restricción en el dual,
entonces el indicador en la columna iS de la tabla simples final del dual, es el
valor de ix en la solución óptima del primal.
Por eso podemos resolver, el problema primal con sólo resolver su dual. En
ocasiones esto es más conveniente que resolver directamente el primal.
Si una restricción de desigualdad involucra ≥ , multiplicando ambos miembros por -1
se obtiene una desigualdad que involucra ≤ . Si una restricción es una igualdad. Puede
ser reescrito en términos de dos desigualdades: una involucrando ≤ y otra
involucrando ≥ .
Escuela Profesional de Ingeniería Industrial
124
6.3. EJEMPLOS UTILIZANDO EL ALGORITMO SIMPLEX DUAL El proceso de las operaciones son las mismas la diferencia esta en que tenemos que
resolver el primal por medio de su dual.
Ejercicios de Dualidad 1. MIN C = 4X1 + 4X2 + 6X3
s.a
X1 - X2 + X3 ≥ 1 PRIMAL
-X1 + X2 + X3 ≥ 2
Xi≥ 0 i=1,2,3
Sol:
1 1 11 1 1
A−⎛ ⎞
= ⎜ ⎟−⎝ ⎠
1 11 1
1 1
tA−⎛ ⎞
⎜ ⎟= −⎜ ⎟⎜ ⎟⎝ ⎠
DUAL
MAX Z = 1Y1 + 2Y2
1Y1 - 1Y2 ≤ 4
-1Y1 + 1Y2 ≤ 4
1Y1 + 1Y2 ≤ 6
0iy ≥
Resolviendo el DUAL
f.o MAX Z = 1Y1 + 2Y2
1Y1 - 1Y2 +Y3 = 4
-1Y1 + 1Y2 + Y4 = 4
1Y1 +1Y2 + Y5 = 6
0iy ≥
Segunda unidad didáctica ● Investigación de Operaciones I
125
VARIABLES DE HOLGURA
Y1 Y2 Y3 Y4 Y5 Z b
Y3 1 -1 1 0 0 0 4
Y4 -1 1 0 1 0 0 4
Y5 1 1 0 0 1 0 6
Z -1 -2 0 0 0 1 0
Y3 0 0 1 1 0 0 8
Y2 -1 1 0 1 0 0 4
Y5 2 0 0 -1 1 0 2
Z -3 0 0 2 0 1 8
Y3 0 0 1 1 0 0 8
Y2 0 1 0 1/2 1/2 0 5
Y1 1 0 0 -1/2 1/2 0 1
Z 0 0 0 1/2 3/2 1 11
X1 X2 X3 Rpta: X1 = 0 X2 = 1/2 X3 = 3/2 C = 11 Observe que las respuestas del primal se encuentran en las columnas de las variables de holgura del dual y el Z = C 2. MIN C = 6X1 + 4X2
s.a
-X1 + X2 ≤ 1 ----> por(-1) ------> X1 – X2 ≥ -1
X1 + X2 ≥ 3
Xi≥ 0 i=1,2,3
Escuela Profesional de Ingeniería Industrial
126
primal : MIN C = 6X1 + 4X2
s.a
X1 – X2 ≥ -1
X1 + X2 ≥ 3
Xi≥ 0 i=1,2,3
Observe si no realizamos esa sencilla multiplicación por (-1) no podría pasar a
su dual
1 1 1 11 1 1 1
tA A−⎛ ⎞ ⎛ ⎞
= → =⎜ ⎟ ⎜ ⎟−⎝ ⎠ ⎝ ⎠
DUAL
MAX Z = -1Y1 + 3Y2
1Y1 + 1Y2 ≤ 6
-1Y1 + 1Y2 ≤ 4
Resolviendo el DUAL
f.o MAX Z = -1Y1 + 3Y2+0Y3+0Y4
1Y1 + 1Y2 + Y3 = 6
-1Y1 + 1Y2 + Y4 = 4
0iy ≥
Segunda unidad didáctica ● Investigación de Operaciones I
127
Variables de holgura
Y1 Y2 Y3 Y4 Z b
Y3 1 1 1 0 0 6
Y4 -1 1 0 1 0 4
Z 1 -3 0 0 1 0
Y3 2 0 1 -1 0 2
Y2 -1 1 0 1 0 4
Z -2 0 0 3 1 12
Y1 1 0 1/2 -1/2 0 1
Y2 0 1 1/2 1/2 0 5
Z 0 0 1 2 1 14
Rpta: X1 = 1 X2 = 2 Cmin = 14 3. MAX Z = 3X1 + 8X2 (PRIMAL)
s.a
X1 + 2X2 ≤ 8
X1 + 6X2 ≤ 12
Xi≥ 0 i=1,2
Pasando al dual
1 2 1 11 6 2 6
tA A⎛ ⎞ ⎛ ⎞= → =⎜ ⎟ ⎜ ⎟⎝ ⎠ ⎝ ⎠
f.o MIN C = 8Y1 + 12Y2 (DUAL)
1Y1 + 1Y2 ≥ 3
2Y1 + 6Y2 ≥ 8
Yi≥0
Escuela Profesional de Ingeniería Industrial
128
Sol:
f.o R = -C - Mt1 - Mt2
1Y1 + 1Y2 - Y3 + t1 = 3
-1Y1 + 1Y2 - Y4 + t2 = 8
Tablero Inicial
Y1 Y2 Y3 Y4 t1 t2 R b Por -M 1 1 -1 0 1 0 0 3 Por -M 2 6 0 -1 0 1 0 8
R 8 12 0 0 M M 1 0
-M -M M 0 -M 0 0 -3M
-2M -6M 0 M 0 -M 0 -8M
8 12 0 0 M M 1 0
(-3M+8) (-7M+12) M M 0 0 1 -11M
I Tablero Simplex
Y1 Y2 Y3 Y4 t1 t2 R b
t1 1 1 -1 0 1 0 0 3
t2 2 6 0 -1 0 1 0 8
R (-3M+8) (-7M+12) M M 0 0 1 -11M
t1 2/3 0 -1 1/6 1 -1/6 0 10/6
t2 1/3 1 0 -1/6 0 1/6 0 8/6
R (-2M/3 + 4)
0 M (-M/6 + 2)
0 (7M/6 - 2) 1 -10M/6 -16
Eliminamos la columna «t2» por tener indicador positivo
Segunda unidad didáctica ● Investigación de Operaciones I
129
II Tablero Simplex
Variables de holgura
Y1 Y2 Y3 Y4 t1 R b
t1 2/3 0 -1 1/6 1 0 10/6
Y2 1/3 1 0 -1/6 0 0 8/6
R (-2M/3 + 4)
0 M (-M/6 + 2)
0 1 -10M/6 - 16
Y1 1 0 -3/2 1/4 3/2 0 5/2
Y2 0 1 3/6 -3/12 -1/2 0 3/6
R 0 0 6 1 (M-6) 1 -26
Eliminamos la columna «t1» por tener indicador positivo
III Tablero Simplex
Variables de holgura
Y1 Y2 Y3 Y4 R b
t1 2/3 0 -1 1/6 0 10/6
Y2 1/3 1 0 -1/6 0 8/6
R (-2M/3 + 4) 0 M (-M/6 + 2) 1 -10M/6 - 16
Y1 1 0 -3/2 1/4 0 5/2
Y2 0 1 3/6 -3/12 0 3/6
R 0 0 6 1 1 -26
Indicadores positivos: fin del proceso y recuerde que los valores de X1 y X2 se
encuentran en la columna de las variables de holgura
R = -C=-26 Rpta: X1 = 6 X2 = 1 C = 26
Escuela Profesional de Ingeniería Industrial
130
4. Una compañía paga a trabajadores calificados y semicalificados en su
departamento de ensamblado $7 y $4 por hora, respectivamente. En el
departamento de embarques, a los empleados se les paga $5 por hora y a los
aprendices $2 por hora. La compañía requiere al menos de 90 trabajadores en el
departamento de ensamblado y al menos 60 empleados en el departamento de
embarques. Debido a acuerdos sindicales, debe ser empleado al menos el doble
de trabajadores semicalificados que de calificados.
También, deben ser contratados al menos dos veces empleados de embarque
que de aprendices. Utilice el dual y el método simples para determinar el número
de trabajadores de cada tipo que la compañía debe emplear de modo que el total
en salarios pagado por hora sea mínimo.¿Cuál es el total en salarios por hora
mínimo?
Solución Variables de decisión:
Sea:
x1 el número de trabajadores calificados
x2 el número de trabajadores semicalificados
x3 el número de trabajadores empleados
x4 el número de trabajadores aprendices
PRIMAL
F.O Min S = 7x1+4x2+5x3+2x4
S.A x1 + x2 ≥ 90
x3 + x4 ≥ 60
x2 - 2x4 ≥ 0
x3 - 2x4 ≥ 0
xi ≥ 0, i=1, 2, 3, 4
Construimos la matriz inicial:
1x1 + 1x2 + 0x3 + 0x4 ≥ 90
0x1 + 0x2 + 1x3 + 1x4 ≥ 60
-2x1 + 1x2 + 0x3 + 0x4 ≥ 0
0x1 + 0x2 + 1x3 - 2x4 ≥ 0
Segunda unidad didáctica ● Investigación de Operaciones I
131
Su matriz transpuesta (hacer las filas columnas) seria la siguiente:
1 1 0 0 1 0 2 00 0 1 1 1 0 1 02 1 0 0 0 1 0 1
0 0 1 2 0 1 0 2
TA A
−⎛ ⎞ ⎛ ⎞⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟= → =⎜ ⎟ ⎜ ⎟−⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟− −⎝ ⎠ ⎝ ⎠
Luego el Dual del Primal es:
DUAL Max Z = 90y1 + 60y2 + 0y3 + 0y4
s.a
1y1 + 0y2 - 2y3 + 0y4 ≤ 7
1y1 + 0y2 + 1y3 + 0y4 ≤ 4
0y1 + 1y2 + 0y3 + 1y4 ≤ 5
0y1 + 1y2 + 0y3 - 2y4 ≤ 2
yi≥0, i=1, 2, 3, 4
Estandarizando
F.O Z = 90y1+60y2+0y3+0y4+0y5+0y6+0y7+0y8
1y1 + 0y2 - 2y3 + 0y4 + 1y5 = 7
1y1 + 0y2 + 1y3 + 0y4 + 1y6 = 4
0y1 + 1y2 + 0y3 + 1y4 + 1y7 = 5
0y1 + 1y2 + 0y3 - 2y4 + 1y8 = 2
Tablero Simplex
y1 y2 y3 y4 y5 y6 y7 y8 Z b
y5 1 0 -2 0 1 0 0 0 0 7
y6 1 0 1 0 0 1 0 0 0 4
y7 0 1 0 1 0 0 1 0 0 5
y8 0 1 0 -2 0 0 0 1 0 2
Z -90 -60 0 0 0 0 0 0 1 0
Escuela Profesional de Ingeniería Industrial
132
Observemos la tabla simplex:
El la fila del Z ubicamos al indicador más negativo, en nuestro ejemplo esta en la
columna de y1 que es -90, la cual viene hacer la columna pivote. Luego para saber
que variable ingresa y sale procedemos a dividir elemento a elemento de la columna b
entre la columna pivote. Tomando en cuenta algunas restricciones como son:
- No se puede hacer divisiones entre cero
- Tampoco divisiones entre numero negativos
Bien, ahora ya divido los elementos ubicamos la fila que tenga el menor cociente
positivo, siguiendo en nuestro caso la fila que cumple con esas condiciones es la fila
de y6. Entonces la variable que ingresa es y1 y la que sale es y6, ahora bien ubicamos
el elemento pivote que es la intersección entre ambas variables, en nuestro caso es 1.
Muy importante aclarar este punto si el elemento pivote no es 1 tenemos que hacerlo 1
para la siguiente construcción del tablero simplex, además para la siguiente iteración
tenemos que hacer cero por encima y por debajo del elemento pivote. Repetir todos
los pasos antes mencionados hasta que todos los indicadores de Z sean positivos de
ser así se ha llegado a la solución.
y1 y2 y3 y4 y5 y6 y7 y8 Z b
y5 0 0 -3 0 1 -1 0 0 0 3
y1 1 0 1 0 0 1 0 0 0 4
y7 0 1 0 1 0 0 1 0 0 5
y8 0 1 0 -2 0 0 0 1 0 2
Z 0 -60 90 0 0 90 0 0 1 360
Segunda unidad didáctica ● Investigación de Operaciones I
133
y1 y2 y3 y4 y5 y6 y7 y8 Z b
y5 0 0 -3 0 1 -1 0 0 0 3
y1 1 0 1 0 0 1 0 0 0 4
y7 0 0 0 3 0 0 1 -1 0 3
y2 0 1 0 -2 0 0 0 1 0 2
Z 0 0 90 -120 0 90 0 60 1 480
y5 0 0 -3 0 1 -1 0 0 0 3
y1 1 0 1 0 0 1 0 0 0 4
y4 0 0 0 1 0 0 1/3 -1/3 0 1
y2 0 1 0 0 0 0 2/3 1/3 0 4
Z 0 0 90 0 0 90 40 20 1 600
Bueno como estamos trabajando con el dual del primal recordemos que nuestras
respuestas se encuentran en la columna de las variables de holgura (y5, y6, y7, y8)
Rpta
x1 = 0 Trabajadores calificados
x2 = 90 Trabajadores semicalificados
x3 = 40 Empleados
x5 = 20 Aprendices
S mín óptimo = 600
Escuela Profesional de Ingeniería Industrial
134
Serie de problemas 6 Resuelva utilizando los duales y el método simplex
1. Minimizar
321 644 xxxZ ++=
s.a.
0,,2
1
321
321
321
≥≥++−
≥+−
xxxxxx
xxx
2. Maximizar
21 83 xxZ +=
s.a.
0,
12682
21
21
21
≥≤+≤+
xxxxxx
3. Minimizar
21 46 xxZ +=
s.a.
0,
31
21
21
21
≥≥++≤+−
xxxxxx
4. Minimizar
21 2xxZ +=
s.a.
0,
212
21
21
21
≥≥+−≥+−
xxxx
xx
Segunda unidad didáctica ● Investigación de Operaciones I
135
5. Suponga que una compañía fabrica dos tipos de artículos, manuales y eléctricos
y cada una requiere el uso de las máquinas A y B para su producción.
Suponiendo que la compañía puede vender todos los artículos que produce,
determine la utilidad mensual máxima.
Máquina A Máquina B Utilidad/unidad
Manual 1 hora 1 hora $10
Eléctrico 2 horas 4 horas $24
Horas disponibles 120 180
6. Anuncios. Una compañía está comparando los costos de publicidad en dos
medios: periódico y radio. Por cada dólar de publicidad, la tabla siguiente
muestra el número de personas, por grupo de ingresos, que cada uno de esos
medios alcanza. La compañía quiere captar al menos 8000 personas con
ingresos menores de $20,000 y al menos 6000 con ingresos de $20,000 o más.
Utilice el dual y el método simples para determinar las cantidades que la
compañía debe gastar en publicidad en periódico y en radio, de modo que capte
este número de personas con un costo de publicidad mínimo. ¿cuál es el costo
mínimo de publicidad?
Menos de $20,000 $20,000 ó más
Periódico 40 100
Radio 50 25
Escuela Profesional de Ingeniería Industrial
136
7. ANÁLISIS DE SENSIBILIDAD Y PROGRAMACIÓN PARAMÉTRICA En un ambiente real, algunos de los datos de un modelo de PL pueden cambiar con el
tiempo debido a la naturaleza dinámica del negocio. ¿Qué sucede con la solución
óptima si los precios del mercado caen? ¿Si suben los costos de la mano de obra o de
la materia prima? ¿Si se contratan empleados adicionales en una línea de producción?
Un gerente en tales situaciones desearía saber qué tan sensible es la solución óptima
a estos valores de datos.
Las respuestas a estas preguntas pueden usarse de diversas maneras. Por ejemplo, si
la solución óptima es muy sensible a algunos coeficientes, y si se espera que estos
valores fluctúen con el tiempo, entonces el gerente puede desear usar el modelo sólo
para planeación a corto plazo, o tal vez tenga que resolver el modelo periódicamente
al cambiar los datos.
Después de formular y resolver un PPL, un gerente debe hacerse un número de
preguntas importantes de la forma:
1. ¿Qué le sucede a la solución óptima y al valor de la F.O. correspondiente si un
coeficiente particular de la F.O. se modifica?
2. ¿Qué sucede con la solución óptima y con el valor de la f.O correspondiente si se
modifica un valor particular del extremo derecho de las restricciones?
Estas preguntas tienen que ver con el tópico del análisis de sensibilidad.
Análisis de Sensibilidad : es la determinación de qué tan sensibles son la solución
óptima y el valor de la F.O. con respecto a los cambios en los datos del problema, es
decir, los coeficientes en la F.O. y las restricciones.
Segunda unidad didáctica ● Investigación de Operaciones I
137
7.1. Análisis de sensibilidad de los coeficientes de la función objetivo
Mientras un coeficiente de la función objetivo cae dentro de algún intervalo alrededor
de su valor original (y los demás coeficientes no cambien), la solución óptima actual
sigue siendo óptima. Sin embargo, el valor óptimo de la función objetivo cambia. Si el
coeficiente de interés se modifica a un valor fuera de este intervalo, se debe encontrar
una nueva solución óptima y un nuevo valor de F.O.
7.2. Análisis de sensibilidad de los valores del lado derecho (LD) Usted puede aplicar el análisis de sensibilidad no sólo a los cambios en los
coeficientes de la función objetivo, sino también a los cambios en los valores del lado
derecho de las restricciones.
Después de encontrar una solución óptima a su programa lineal, puede calcular, para
cada recurso correspondiente a una restricción, un precio sombra junto con un
intervalo dentro del cual este precio sea válido. Los precios sombra representan el
cambio en el valor óptimo de la función objetivo que resulta cuando se dispone de una
unidad adicional de este recurso y, por tanto, se usan para determinar si es rentable
adquirir recursos adicionales.
Observación
1. Precio sombra, o precio dual: Es la proporción de cambio en el valor de la función
objetivo por unidad de incremento en el valor del lado derecho dentro del intervalo de
sensibilidad.
2. Mientras un coeficiente de la función objetivo caiga dentro de cierto intervalo
alrededor de su valor original, la solución óptima actual sigue siendo óptima, aunque
el valor óptimo de la función objetivo cambie. Si el coeficiente de interés se cambia por
un valor fuera de este intervalo, debe encontrarse una nueva solución óptima y un
valor de función objetivo.
Escuela Profesional de Ingeniería Industrial
138
3. Aun el cambio más pequeño en el valor del lado derecho de una restricción puede
ocasionar que la solución óptima cambie. Sin embargo, mientras el valor caiga dentro
de algún intervalo alrededor de su valor original, el valor óptimo de la función objetivo
cambia en forma lineal en proporción con el cambio en el valor del lado derecho, de
acuerdo con el precio sombra. Incluso fuera de este intervalo, para cada valor del lado
derecho respecto del cual el programa lineal es factible, existe un precio sombra que
puede usarse para obtener el nuevo c valor óptimo de la función objetivo.
7.3 Programación lineal paramétrica
La programación lineal paramétrica es una extensión de los procedimientos del
análisis de sensibilidad. Investiga los cambios en la solución óptima de la PL que son
el resultado de variaciones continuas predeterminadas en los coeficientes de la
función objetivo y en el lado derecho de las restricciones.
Serie de problemas 7
1. Blubber Maid. Inc. fabrica tres productos de caucho: Airtex (material esponjoso),
Exteendex (material elástico) y Resistex (material rígido). Los tres productos
requieren los mismos tres polímeros químicos y una base. La cantidad de cada
ingrediente usada por libra del producto final se muestra en la tabla.
Ingrediente (oz/ Lb de producto)
Producto Polímero A Polímero B Polímero C Base
Airtex 4 2 4 6
Extendex 3 2 2 9
Resistex 6 3 5 2
Blubber Maid Inc. tiene el compromiso de producir al menos 1000 libras de
Airtex, 500 libras de extendex y 400 libras de Resistex para la próxima semana,
pero la gerencia de la compañía sabe que puede vender más de cada uno de
los tres productos.
Segunda unidad didáctica ● Investigación de Operaciones I
139
Los inventarios actuales de los ingredientes son 500 libras del polímero A, 425
libras del polímero B, 650 libras del poímero C y 1100 libras de la base. Cada
libra de Airtex produce a la compañía una ganancia de $7, cada libra de
Extendex una ganancia de $7 y cada libra de Resistex una ganancia de $6.
Como gerente del departamento de producción, usted necesita determinar un
plan de producción óptimo para esta semana.
1 libra es igual a 16 onzas.
Utilice el resultado procesado en el computador para responder a las preguntas
siguientes:
a. ¿Cuál es el plan de producción óptimo?
b. Con el plan de producción actual, ¿para cuál de los tres productos se
puede cumplir con una demanda adicional de 5% Explique?
c. ¿Qué coeficiente o coeficientes de ganancia podrían duplicarse, mientras
se mantienen fijos todos los demás coeficiente, sin que se afecte el plan de
producción óptimo? Explique.
d. El compromiso de producir 400 libras de resistex acaba de caer en 10%.
¿Qué le sucede a la ganancia? Explique.
e. Si la demanda de Airtex aumenta en 2%, ¿cuál es el nuevo plan de
producción óptimo?. Explique.
max z= REA 677 ++
s.a
Restricciones de recursos
onzas)en (Base17600296onzas)en C (Polímero10400524onzas)en B (Polímero 68003R2E2onzas)en A (Polímero 8000634
≤++≤++≤++≤++
REAREA
AREA
Restricciones de demanda
libras)en (Resistex 400libras)en (Extendex 500
libras)en (Airtex 1000
≥≥≥
REA
0,, ≥REA
Escuela Profesional de Ingeniería Industrial
140
Solución: usando el LINDO
Max 7A+7E+6R
subject to
2) 4A+3E+6R<=8000
3) 2A+2E+3R<=6800
4) 4A+2E+5R<=10400
5) 6A+9E+2R<=17600
6)A>=1000
7)E>=500
8)R>=400
End
Resultado obtenido con el LINDO
LP OPTIMUM FOUND AT STEP 4
OBJECTIVE FUNCTION VALUE
1) 13133.33
VARIABLE VALUE REDUCED COST
A 1000.000000 0.000000
E 533.333313 0.000000
R 400.000000 0.000000
Segunda unidad didáctica ● Investigación de Operaciones I
141
ROW SLACK OR SURPLUS DUAL PRICES
2) 0.000000 2.333333
3) 2533.333252 0.000000
4) 3333.333252 0.000000
5) 6000.000000 0.000000
6) 0.000000 -2.333333
7) 33.333332 0.000000
8) 0.000000 -8.000000
NO. ITERATIONS= 4
RANGES IN WHICH THE BASIS IS UNCHANGED:
OBJ COEFFICIENT RANGES
VARIABLE CURRENT ALLOWABLE ALLOWABLE
COEF INCREASE DECREASE
A 7.000000 2.333333 INFINITY
E 7.000000 INFINITY 1.750000
R 6.000000 8.000000 INFINITY
RIGHTHAND SIDE RANGES
ROW CURRENT ALLOWABLE ALLOWABLE
RHS INCREASE DECREASE
2 8000.000000 2000.000000 99.999992
3 6800.000000 INFINITY 2533.333252
4 10400.000000 INFINITY 3333.333252
5 17600.000000 INFINITY 6000.000000
6 1000.000000 24.999998 1000.000000
7 500.000000 33.333332 INFINITY
8 400.000000 16.666666 375.000000
Restricción de recursos
Demanda
Demanda
Escuela Profesional de Ingeniería Industrial
142
a) ¿Cuál es el plan de producción óptimo? ¿Cuáles de los cuatro recursos son
acotantes o limitantes?
Respuesta: Valor de la función objetivo: 13133.33
El plan de producción óptima es: A ( Airtex) =1000
B (Extendex) = 533.333313
C (Resistex) = 400
Recursos acotantes o limitantes: ROW SLACK OR SURPLUS DUAL PRICES
2) 0.000000 2.333333
3) 2533.333252 0.000000
4) 3333.333252 0.000000
5) 6000.000000 0.000000
Observando la restricción de recursos podemos ver que solo la restricción para el
polímero A es limitante debido a que su variable holgada tiene valor cero, esto indica
que tanto la materia prima (polímero a en onzas se consume en su totalidad)
b) ¿Con el plan de producción actual, ¿para cuál de los tres productos se puede
cumplir con un demanda adicional de 5 %? Explique.
Respuesta:
Observe las restricciones de la demanda:
RIGHTHAND SIDE RANGES
ROW CURRENT ALLOWABLE ALLOWABLE
RHS INCREASE DECREASE
6 1000.000000 24.999998 1000.000000
7 500.000000 33.333332 INFINITY
8 400.000000 16.666666 375.000000
Demanda
Restricción de recursos
Segunda unidad didáctica ● Investigación de Operaciones I
143
A≥1000 una demanda adicional de 5% significa A≥1050 y podemos ver que a se
puede incrementar sola hasta 24.999998 más es decir
(1000+24.999998)=1024.999998 lo cual como podemos ver no cumple una demanda
adicional del 5% más.
E≥500 una demanda adicional de 5% significa E≥525 y podemos ver que a se puede
incrementar sola hasta 33.333332 más, es decir, 533.333332 lo cual como podemos
ver si cumple una demanda adicional del 5%.más, puesto que 525 es menor a
533.333332.
R≥400 una demanda adicional de 5% significa R≥420 y podemos ver que a se puede
incrementar sola hasta 16.666666 más es decir 416.666666 lo cual como podemos ver
no cumple una demanda adicional del 5% más.
Entonces diremos que Extendex puede cumplir una demanda adicional de 5% con el
plan de producción actual.
c) ¿Qué coeficiente o coeficientes de ganancia podrían duplicarse, mientras se
mantienen fijos todos los demás coeficientes, sin que se afecte el plan de producción
óptimo? explique.
Respuesta
OBJ COEFFICIENT RANGES
VARIABLE CURRENT ALLOWABLE ALLOWABLE
COEF INCREASE DECREASE
A 7.000000 2.333333 INFINITY
E 7.000000 INFINITY 1.750000 R 6.000000 8.000000 INFINITY
Como podemos observar la tabla muestra hasta cuanto se puede incrementar o
disminuir los coeficientes sin que se afecte el plan de producción.
El coeficiente de A se puede incrementar hasta 7+2.333333=9.333333 y si duplicamos
su coeficiente seria 14 lo cual se pasa.
Escuela Profesional de Ingeniería Industrial
144
El coeficiente de E se puede incrementar hasta (7+ infinito) es decir crece
infinitamente sin problema y si duplicamos su coeficiente seria 14 lo cual estaría dentro
del rango permitido según la tabla.
El coeficiente de R se puede incrementar hasta 6+8=14 y si duplicamos su coeficiente
seria 12 lo cual estaría dentro del rango permitido.
Entonces diremos que al doblar las ganancias de Extendex, E, o de Resistex, R, no
afectaría el plan de producción actual debido que al hacer el doble cualquiera de estos
coeficientes produce valores que todavía se encuentran dentro del intervalo permitido
de sensibilidad para el plana actual.
d. El compromiso de producir 400 libras de Resistex acaba de caer en 10%. ¿Qué le
sucede a la ganancia? Explique
Respuesta:
10%de 400 es 40→ 360R ≥
ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 2.333333
3) 2533.333252 0.000000
4) 3333.333252 0.000000
5) 6000.000000 0.000000
6) 0.000000 -2.333333
7) 33.333332 0.000000
8) 0.000000 -8.000000
Una disminución en la demanda de una libra aumentaría el valor de la función objetivo
en $8, puesto que el valor del lado derecho diminuye en 40 unidades, el valor de la
función aumenta en (40x8=320), lo que produce una ganancia de
Z=13133.33+320=13453.33
Restricción de recursos
Demanda
Segunda unidad didáctica ● Investigación de Operaciones I
145
e) Si la demanda de Airtex aumenta en 2%, ¿cuál es el nuevo plan de producción
óptimo? Explique.
Respuesta No es posible responder a esta pregunta a partir del resultado dado. Al resolver el
problema con el aumento del 2% en Airtex ( 1020A ≥ ) se tiene como resultado el
nuevo plan de producción óptimo en el cual: A=1020, E=506.67 y R=400
Ejemplo 2. Steel company produce tres tamaños de tubos: A, B, C, que son vendidos,
respectivamente en $10, $12 y $9 por pie. Para fabricar cada pie del tubo A se
requieren 0.5 minutos de tiempo de procesamiento sobre un tipo particular de máquina
de modelado.
Cada pie del tubo B requiere 0.45 minutos y cada pie del tubo C requiere 0.6 minutos.
Después de la producción, cada pie de tubo, sin importar el tipo, requiere 1 una onza
de material de soldar. El costo total se estima en $3 , $4 y $4 por pie de los tubos A, B
y C, respectivamente.
Para la siguiente semana, MTV Steel ha recibido pedidos excepcionalmente grandes
que totalizan 2000 pies del tubo A, 4000 pies del tubo B y 5000 pies del tubo C. Como
sólo se dispone de 40 horas de tiempo de máquina esta semana y sólo se tiene en
inventario 5500 onzas de material de soldar, el departamento de producción no podrá
satisfacer esta demanda, requiere un total de 97 horas de tiempo de máquina 11000
onzas de material de soldar. No se espera que continúe este alto nivel de demanda.
En vez de expandir la capacidad de las instalaciones de producción, la gerencia de
MTV está considerando la compra de algunos de estos tubos a pro-veedores de Japón
a un costo de entrega de $6 por pie del tubo A,6 $ por pie del tubo B y $7 por pie del
tubo C. Los datos se resumen en la tabla siguiente:
Tipo Precio de
venta($/ft)
Demanda(ft) Tiempo de
máquina(min/ft)
Material para
soldar(oz/ft)
Costo de
producción ($/ft)
Costo de
compra($/ft)
A 10 2000 0.50 1 3 6
B 12 4000 0.45 1 4 6
C 9 5000 0.60 1 4 7
Cantidad
disponible
40hr 5500oz
Escuela Profesional de Ingeniería Industrial
146
Sea: x1, x2, x3, el número de pies de tubo de tipo A, B, C por producir respectivamente
y
x4, x5,x6, el número de pies de tubo de tipo A, B, C por comprar a Japón
respectivamente.
1 2 3 4 5 6Maximizar Z:7x 8x 5x 4x 6x 2x+ + + + +
s.a:
Restricción de demanda
1 4
2 5
2000(demanda del tipo A)4000 (demanda del tipo B)
x3 x6 5000 (demanda del tipo C)
x xx x+ =+ =
+ =
Restricciones de recursos
Lógicas) ones(restricci 0x,x, x,x,x, xsoldar) para (material 5500 x x x
máquina) de (tiempo 24006.045.05.0
654321
321
321
≥≤++≤++ xxx
a. ¿Cuál es el plan de producción/adquisición óptimo para la MTV Steel?
b. ¿Cuáles de las dos restricciones de recursos son acotantes?
c. La compañía puede vender su material para soldar con una ganancia de $32 por
libra. ¿Cuánto deberá vender? explique
d. Los japoneses acaban de aumentar el precio de sus tubos tipo C de $7 a $8 por
pie. ¿De qué manera cambia el plan de producción/adquisición actual? explique
e. Si pudiera obtener más material para soldar o más tiempo de máquina, pero no
ambas cosas, ¿cuál escogería? Explique
f. La compañía desea aumentar sus ganancias a $57,500. ¿Cuántas horas más de
tiempo de máquina se necesitan para lograr este objetivo? Explique.
Segunda unidad didáctica ● Investigación de Operaciones I
147
Solución: usando el LINDO MAX 7x1+8x2+5x3+4x4+6x5+2x6
subject to
2)x1+x4=2000
3)x2+x5=4000
4)x3+x6=5000
5)0.5x1+0.45x2+0.6x3<=2400
6)x1+x2+x3<=5500
END
Resultado obtenido con el LINDO
LP OPTIMUM FOUND AT STEP 2
OBJECTIVE FUNCTION VALUE
1) 55000.00
VARIABLE VALUE REDUCED COST
X1 2000.000000 0.000000
X2 0.000000 0.250000
X3 2333.333252 0.000000
X4 0.000000 0.500000
X5 4000.000000 0.000000
X6 2666.666748 0.000000
ROW SLACK OR SURPLUS DUAL PRICES
2) 0.000000 4.500000
3) 0.000000 6.000000
4) 0.000000 2.000000
5) 0.000000 5.000000
6) 1166.666626 0.000000
NO. ITERATIONS= 2
Escuela Profesional de Ingeniería Industrial
148
RANGES IN WHICH THE BASIS IS UNCHANGED:
OBJ COEFFICIENT RANGES
VARIABLE CURRENT ALLOWABLE ALLOWABLE
COEF INCREASE DECREASE
X1 7.000000 INFINITY 0.500000
X2 8.000000 0.250000 INFINITY
X3 5.000000 0.600000 0.333333
X4 4.000000 0.500000 INFINITY
X5 6.000000 INFINITY 0.250000
X6 2.000000 0.333333 0.600000
RIGHTHAND SIDE RANGES
ROW CURRENT ALLOWABLE ALLOWABLE
RHS INCREASE DECREASE
2 2000.000000 2800.000000 2000.000000
3 4000.000000 INFINITY 4000.000000
4 5000.000000 INFINITY 2666.666748
5 2400.000000 700.000000 1400.000000
6 5500.000000 INFINITY 1166.666626
Al igual que en el ejemplo anterior las respuestas se obtienen de la solución usando el
Lindo
a. ¿Cuál es el plan de producción/adquisición óptimo para la MTV Steel?
Respuesta: VARIABLE VALUE REDUCED COST
X1 2000.000000 0.000000
X2 0.000000 0.250000
X3 2333.333252 0.000000
X4 0.000000 0.500000
X5 4000.000000 0.000000
X6 2666.666748 0.000000
Plan de producción
Segunda unidad didáctica ● Investigación de Operaciones I
149
b. ¿Cuáles de las dos restricciones de recursos son acotantes?
Respuesta: El recurso limitante es el tiempo de máquina debido a que su variable de holgura tiene valor cero. Esto indica que el tiempo se consume en su totalidad ROW SLACK OR SURPLUS DUAL PRICES
2) 0.000000 4.500000
3) 0.000000 6.000000
4) 0.000000 2.000000
5) 0.000000 5.000000
6) 1166.666626 0.000000
c. La compañía puede vender su material para soldar con una ganancia de $32 por
libra. ¿Cuánto deberá vender? Explique.
Respuesta ROW SLACK OR SURPLUS DUAL PRICES
2) 0.000000 4.500000
3) 0.000000 6.000000
4) 0.000000 2.000000
5) 0.000000 5.000000
6) 1166.666626 0.0000 Si observamos en los recursos vemos 1166.667 onzas de material para soldar no son
necesarias en el plan de producción. Luego es la cantidad que debe venderse a $32 la
onza
Los demás ítems quedan como ejercicio para el lector.
Recursos
Recursos
III Unidad didáctica
Investigación Operativa I
APLICACIONES ESPECIALES DE LA PROGRAMACIÓN LINEAL
Tercera unidad didáctica ● Investigación de Operaciones I
153
8. APLICACIONES ESPECIALES DE LA PROGRAMACIÓN LINEAL 8.1. El problema del transporte
8.2. Métodos para determinar una solución factible básica inicial
8.3 Método que conduce a la solución óptima
8.4. El problema de asignación
8.5. Algoritmo de asignación (método húngaro)
Esquema de contenidos
Escuela Profesional de Ingeniería Industrial
154
III Unidad didáctica
Aplicaciones Especiales de la Programación Lineal
Objetivo Al finalizar esta unidad didáctica estará en capacidad de reconocer el
alcance de Internet como fuente de ventajas competitivas en las organizaciones
y construir aplicaciones web básicas para apoyar los procesos de negocio de las
mismas.
Objetivos específicos
Comprende y explica la definición del modelo de transporte y la aplicación del algoritmo de transporte y su aplicación a problemas reales para solucionar problemas de transporte siguiendo los pasos de: 1.º la determinación de la solución inicial, 2.º el método UV. Comprende y explica la definición del modelo de transporte y la aplicación del algoritmo de asignación aplicación a problemas reales: Método Húngaro
Objetivos
Tercera unidad didáctica ● Investigación de Operaciones I
155
III Unidad didáctica
APLICACIONES ESPECIALES DE LA PROGRAMACIÓN LINEAL
8. APLICACIONES ESPECIALES DE LA PROGRAMACIÓN LINEAL 8.1. EL PROBLEMA DEL TRANSPORTE El problema de transporte es una clase especial de PPL. Consiste en distribuir
cualquier producto desde un grupo de centros de producción llamados orígenes a un
grupo de centros de recepción llamados destinos de manera que, conocidos la
cantidad demandada en cada destino y el costo de transportar una unidad de
productos de cada origen a cada destino; se satisfaga la demanda con el costo total
mínimo.
Consideremos el caso general de m orígenes y n destinos en forma tabular se tiene.
Destinos
Orígenes
1 2 … n .ai
1 C11 C12 … C1n .a1
2 C21 C22 … C2n .a2
… .. … … … …
,m Cm1 Cm2 … Cmn .am
bj .b1 .b2 .bn
Ejemplo: Cij = costo de transportar 1 unidad del origen i al destino j
Xij = Número de unidades a enviar del origen i al destino j.
Contenidos
Escuela Profesional de Ingeniería Industrial
156
El planteamiento consiste en que existen m orígenes y se supone que en cada origen
hay ai unidades disponibles o almacenadas de determinado producto, siendo i=1,2,…,
m.
Existen también n destinos y cada una requiere de bj unidades de este producto
siendo j=1,2,.., n...Los ai y bj se llaman exigencias por fila y por columna
respectivamente y estos son positivos puesto que los valores nulos o negativos no
tendrían significado físico.
Formulación:
∑∑= =
=m
1i
n
1 min Z
jijij XC
s.a: Por oferta
m1,2,..,i; 1
==∑=
n
jiij aX
Por demanda
njbX j
m
iij ,...,2,1;
1==∑
=
),...,2,1;,...,2,1(,0 njniX ij ==≥
Por equilibrio: ∑∑==
=n
jj
m
ii ba
11
Solución factible básica no degenerada. Es una solución factible básica con
exactamente m+n-1 variables básicas (positivas)
Solución factible básica degenerada. Es una solución factible básica con menos de
m+n-1 variables básicas.
Tercera unidad didáctica ● Investigación de Operaciones I
157
8.2. MÉTODOS PARA DETERMINAR UNA SOLUCIÓN FACTIBLE BÁSICA INICIAL
1. Método de la esquina noroeste (N-O)
El método empieza en el cuadro (ruta) de la esquina noroeste de la tabla (variable X11)
Paso1. Asigne tanto como sea posible al cuadro seleccionado y ajuste las cantidades
asociadas de oferta y demanda, restando la cantidad asignada.
Paso2.Tache el renglón o la columna con cero oferta o demanda para indicar que no
se pueden hacer asignaciones adicionales en ese renglón o en esa columna. Si tanto
el renglón como la columna dan cero simultáneamente, tache sólo uno de ellos y deje
una oferta (demanda) de cero en el renglón (columna) no tachado.
Paso3. Si queda sin tachar exactamente un renglón o columna, deténgase, De lo
contrario, avance al siguiente cuadro a la derecha si se acaba de tachar una columna,
o al inferior si se ha tachado un renglón. Vaya, al paso 1.
2. Método de la matriz mínima Determinar la celda cuyo costo es el más bajo de todos los que integran la matriz. Si
existen varias se selecciona arbitrariamente una de ellas. Sea la celda (i, j) entonces:
Xij = min(ai ,bj ). Si:
i) ai<bj entonces actualizar bj= bj-ai y elimínese la fila i.
ii) ai>bj entonces actualizar ai= ai-bj y elimínese la columna j.
iii) ai = bj elimínese la fila i o la columna j pero no ambos.
se continuará repitiendo el proceso para la tabla resultante.
Escuela Profesional de Ingeniería Industrial
158
3. Método de VOGEL
Este método provee una solución factible básica inicial generalmente superior a los
anteriores. El método mide la diferencia entre los dos costos menores en cada fila o
columna y este indica donde la no asignación al costo menor significa la mayor pérdida
(principio de la más grande penalidad).
1. Determinar la penalidad para cada fila y cada columna al no colocar en la
solución inicial la variable que tenga el menor costo en esta fila o columna. Para
la fila i, esto significa restar el costo más pequeño de esta fila del siguiente costo
más pequeño de la misma fila en la matriz de costos. Si dos costos de esta fila
son ambos los más pequeños la penalidad es cero.
La penalidad de la columna j se calcula de una forma similar.
2. Cuando se han calculado todas las penalidades, localícese la mayor, ya sea una
penalidad de fila o de columna y ahí introducir a la base Xij correspondiente a la
celda de costo más bajo (i, j) esto es:
Xij = min(ai ,bj ) Si:
i) ai<bj entonces actualizar bj= bj-ai y elimínese la fila i., esta fila se elimina
en 01 resto del proceso y seguidamente se calcula las penalidades de
columna sin considerar ahora en el cálculo de las penalidades de columna
los elementos de la matriz de costos de la fila eliminada.
Si:
ii) ai>bj entonces actualizar ai= ai-bj y elimínese la columna j; esta columna se
elimina en el resto del proceso y seguidamente se calcula las penalidades
de fila sin considerar ahora en el cálculo de la columna eliminada.
iii) Si: ai = bj elimínese la fila i o la columna j pero no ambos, se continuará
repitiendo el proceso para la tabla resultante.
3. Repetir el proceso hasta obtener la solución factible básica inicial.
Tercera unidad didáctica ● Investigación de Operaciones I
159
4. Si dos o más penalidades de fila o columna son iguales en una iteración
cualquiera procédase como sigue.
a) Ver si el elemento de mínimo costo en una de las filas o columnas
igualadas es también el mínimo elemento de costos en su columna o fila. si
existe tal elemento mini minj Cij entre las filas o columnas igualadas,
deshacer la relación a favor de tal fila o columna.
b) Si no existe en ninguna de las filas o columnas igualadas tal elemento
mínimo, determínese penalidades secundarias para estas filas y
columnas.
La penalidad secundaria para una fila (o columna) se define como la diferencia entre el
segundo elemento de costo más pequeño en esta fila (o columna) y el elemento de
costo más pequeño en la columna (o fila) que contiene dicho segundo elemento.
Si hay dos o más elementos de costos del mismo valor que el segundo elemento de
costos más pequeño en la fila (o columna) igualada habrá varias penalidades
secundarias a calcular en dicha fila (o columna). La igualdad entre las penalidades
primarias se rompe a favor de la fila o columna con la mayor penalidad secundaria, si
todavía queda alguna igualdad, el método dice que podemos elegir arbitrariamente ya
sea la fila o la columna.
8.3 MÉTODO QUE CONDUCE A LA SOLUCIÓN ÓPTIMA El método UV o método de Modi
1. Comenzar con alguna solución factible básica inicial, utilizando cualquiera de los
métodos anteriormente estudiados.
2. Dibujar una matriz que corresponde a la presente matriz solución excepto en
que los elementos son los costos de las variables básicas en lugar de las
magnitudes de las variables. Esta matriz es la Zij.
Escuela Profesional de Ingeniería Industrial
160
3. Se construye un conjunto de números (llamados Vj) a lo largo de la parte
superior de la matriz Zij y un conjunto de números (llamados Ui) a lo largo del
lado izquierdo, y tales que su suma iguale a los valores encerrados en el circulo
y de sus intersecciones y por tanto satisfagan Zij =Ui +Vj y completar las celdas
vacías con las sumas de los Ui y Vj de las correspondientes fila y columna, es
decir, completar los zij que faltan mediante el calculo de
Zij=Ui+Vj
4. Calcular Cij-Zij, Si todos los Cij-Zij≥ 0, la solución es óptima. Si uno o mas Cij-
Zij<0 será posible una solución mejor.
5. De estas variables que tiene un costo de entrada negativo, se determina el que
tenga el valor más negativo. Pasando a la matriz solución, se traza la trayectoria,
es decir, un lazo cerrado que empiece y termine en el cuadro de la variable de
entrada. El Lazo consiste únicamente en segmentos horizontales y verticales
conectados. Cada esquina del lazo resultante, con excepción de la que esta en el
cuadro de la variable de entrada, debe coincidir con una variable básica actual.
Existe exactamente un lazo para una determinada variable de entrada. Se traza
la trayectoria «+», «-» que empieza en esta variable. Se iguala θ a la variable
solución más pequeña de las que están en la celda que contiene signo menos.
6. Ahora se repiten los pasos 2 a 5 hasta que alguna iteración demuestre que es
óptima.
7. Si en la variable final Cij-Zij hay un costo de entrada nulo para una variable que
no este en la solución normal, el problema tiene soluciones alternativas.
Observaciones
i) Si se desea maximizar ganancias con el envío de una unidad origen i al destino
j, aplicamos el método UV haciendo una ligera modificación es decir:
Multiplicar todos los valores Cij por -1 ya que:
Tercera unidad didáctica ● Investigación de Operaciones I
161
}C{-Min{-z}Max Zm
1i
n
1jij
1 1ijij
m
i
n
jij XXC ∑∑∑∑
= == =
=== En esta forma podemos
encontrar la solución factible básica inicial y luego aplicar el método UV para la
obtención de la solución óptima.
ii) Si se prohíben los envíos de un origen i a un destino j, hágase Cij=M; siendo M
un valor infinitamente grande. Esto garantiza que Xij=0 en la solución final.
iii) Si obligatoriamente hay que enviar de un origen i a un destino j, hágase Cij=-M.
Esto garantiza que sea Xij 0≠ en la solución final.
PROBLEMA DE TRANSPORTE CASO MINIMIZACIÓN
1. El problema de distribución de Cosmic Computer Company CCC es que tiene
tres plantas de ensamblaje de microcomputadoras en San Francisco, Los
Ángeles y Phoenix. La planta de Los Ángeles tiene una capacidad de producción
mensual de 2000 unidades. Cada una de las plantas de San Francisco y Phoenix
puede producir un máximo de 1700 unidades al mes. Las microcomputadoras de
CCC se venden a través de cuatro tiendas detallistas localizadas en San Diego,
Barstow, Tucson y Dallas. Los pedidos mensuales de los vendedores al
menudeo son de 1700 unidades en San Diego, 1000 en Barstow, 1500 en
Tucson y 1200 en Dallas. La tabla contiene el costo de embarque de una
microcomputadora desde cada planta de ensamblaje hasta cada una de las
distintas tiendas minoristas.
Determinar una solución factible básica inicial utilizando el método de la matriz
mínima y dé usted la solución óptima.
TIENDAS
PLANTAS SAN DIEGO BARSTOW TUCSON DALLAS
San Francisco 5 3 2 6
Los ángeles 4 7 8 10
Phoenix 6 5 3 8
Escuela Profesional de Ingeniería Industrial
162
Método para obtener una solución factible básica inicial
Método de la esquina nor oeste Caso minimización
Plantas Tiendas
San Diego Barstow Tucson Dallas (OFERTAS)ai
San Francisco
5 3 2 6 1700
Los Ángeles 4 7 8 10 2000 Phoenix 6 5 3 8 1700 Demanda bj 1700 1000 1500 1200 ∑ai=∑bj=5400 Método de la esquina nor oeste Método para obtener una solución factible básica inicial
5 3 2 6 1700 a1 4 7 8 10 2000 a2 6 5 3 8 1700 a3 1700 b1 1000 b2 1500 b3 1200 b4 X11= Min (a1,b1)=min(1700, 1700)=1700
.a1>b1 a1=a1-b1=1700-1700=0 eliminamos la columna b1
X12= min (a1,b2)= min(0, 1000)=0
. b2>a1 b2=b2-a1=1000-0=1000 eliminamos la fila a1
X22= min (a2,b2)= min (2000, 1000)=1000
.a2>b2 a2=a2-b2=2000-1000=1000 elimino la columna 2
X23 = min (a2, b3)= min (1000,1500)=1000
.a2<b3 b3=b3-a3=1500-1000=500 elimino la fila 2
X33= min (a3,b3)= min(1700,500)=500
.a3>b3 a3=a3-b3=1200 y elimino la columna 3
X34= min (a3, b4) = min (1200, 1200)=1200
San Diego Barstow Tucson Dallas San Francisco 1700pc
$5 0pc $3
1700 a1
Los Ángeles 1000pc $7
1000pc $8
2000 a2
Phoenix 500pc $3
1200pc $8
1700 a3
1700 b1 1000 b2 1500 b3 1200 b4 Solución factible básica inicial Costo mínimo inicial =1700x5+0x3+1000x7+1000x8+500x3+1200x8=$34600
Tercera unidad didáctica ● Investigación de Operaciones I
163
Método de la matriz mínima Para encontrar una solución factible básica inicial
5 3 2 6 1700 a1 4 7 8 10 2000 a2 6 5 3 8 1700 a3 1700 b1 1000 b2 1500 b3 1200 b4 X13 = min (a1,b3)=min (1700, 1500) entonces x13=1500
.a1>b3 actualizo a1=a1-b3=1700-1500=200 eliminas la columna 3
X12= min (a1,b2)= min (200,1000)=200 entonces x12=200
.a1<b2 actualiza b2=b2-a1=800 elimino la fila 1
X21 = min(a2,b1)=(2000,1700)=1700 entonces x21=1700
.a2>b1 a2=a2-b1=300 elimino la columna 1
X32= min(a3,b2)=min(1700,800)=800 x32=800
.a3>b2 a3=a3-b2=900 elimino la columna b2
X34= min (a3,b4)=min (900,1200)=900 x34=900
.a3<b4 actualiza b4=b4-a3=300 elimino la fila 3
X24= min (a2,b4)=(300,300)=300 x24=300
San Diego Barstow Tucson Dallas San Francisco 200pc
$3
1500pc $2
1700 a1
Los Ángeles 1700pc $4
300pc $10
2000 a2
Phoenix 800pc $5
900pc $8
1700 a3
1700 b1 1000 b2 1500 b3 1200 b4 Solución factible básica inicial o costo mínimo inicial =
200x3+1500x2+1700x4+300x10+800x5+900x8=$24600
Escuela Profesional de Ingeniería Industrial
164
Método UV que conduce a la solución óptima Para aplicar el método UV vamos a considerar la solución factible básica inicial
obtenida por el método de la matriz mínima
Paso 1 paso2 y paso 3 lo trabajamos junto pues señala comenzar con alguna solución
inicial y trabajar con la matriz de costos, para luego determinar el Zij
V1=0 V2=3 V3=2 V4=6 U1=0 0 3 2 6
Zij= U2=4 4 7 6 10 U3=2 2 5 4 8
Z12=U1+V2=3 U1=0 V2=3 Z13=U1+V3=2 U1=0 V3=2 Z21=U2+V1=4 U2=4 V1=0 Z24=U2+V4=10 U2=4 V4=6 Z32=U3+V2=5 U3=2 V2=3 Z34=U3+V4=8 U3=2 V4=6 PASO 4 Calcula Cij-Zij Cij 5 3 2 6 4 7 8 10 6 5 3 8 ZIJ
0 3 2 6 4 7 6 10 2 5 4 8
CIJ-ZIJ= 5 0 0 0 0 0 2 0
4 0 -1 0 PASO 5 X33 =-1 es una variable que va a ingresar por tener el indicador más negativo y se
trabaja con la matriz solución
200pc +
1500pc -
1700pc
300pc
800pc-
�+ 900pc
1500-�>=0 800- �>=0 �MAX=800
Tercera unidad didáctica ● Investigación de Operaciones I
165
San Diego Barstow Tucson Dallas San Francisco
1000PC $3
700PC $2
1700 a1
Los Ángeles
1700PC $4
300PC $10
2000 a2
Phoenix
800PC $3
900PC $8
1700 a3
1700 b1 1000 b2 1500 b3 1200 b4 Nuevo costo mínimo inicial= 1000X3+700X2+1700X4+300X10+800X3+900X8=23800 Método UV 1 , 2, y 3
V1=1 V2=3 V3=2 V4=7 U1=0 1 3 2 7
Zij= U2=3 4 6 5 10 U3=1 2 4 3 8
Z12=U1+V2=3 U1=0 V2=3 Z13=U1+V3=2 U1=0 V3=2 Z21=U2+V1=4 U2=3 V1=1 Z24=U2+V4=10 U2=3 V4=7 Z33=U3+V3=3 U3=1 V3=2 Z34=U3+V4=8 U3=1 V4=7 Paso 4 Calcular Cij-Zij Cij 5 3 2 6 4 7 8 10 6 5 3 8 ZIJ
1 3 2 7 4 6 5 10 2 4 3 8
CIJ-ZIJ= 4 0 0 -1 0 1 3 0
4 1 0 0 Variable que ingresa X14=-1 Paso 5 1000PC
700PC -
�+
1700PC
300PC
800PC +
900PC -
Escuela Profesional de Ingeniería Industrial
166
700- �>=0 900- �>=0 �MAX=700 San diego barstow tucson dalla San francisco
1000PC $3
700PC $6
1700 a1
Los ángeles
1700PC $4
300PC $10
2000 a2
phoenix
1500PC $3
200PC $8
1700 a3
1700 b1 1000 b2 1500 b3 1200 b4 Nuevo costo min = 3X1000+6X700+4X1700+10X300+3X1500+200X8=$23100 Método UV
V1=0 V2=3 V3=1 V4=6 U1=0 0 3 1 6
Zij= U2=4 4 7 5 10 U3=2 2 5 3 8
Z12=U1+V2=3 U1=0 V2=3 Z14=U1+V4=6 U1=0 V4=6 Z21=U2+V1=4 U2=4 V1=0 Z24=U2+V4=10 U2=4 V4=6 Z33=U3+V3=3 U3=2 V3=1 Z34=U3+V4=8 U3=2 V4=6 Cij 5 3 2 6 4 7 8 10 6 5 3 8 Zij
0 3 1 6 4 7 5 10 2 5 3 8
Cij-Zij 5 0 1 0 0 0 3 0
4 0 0 0
Tercera unidad didáctica ● Investigación de Operaciones I
167
Dado que (Cij-Zij )≥0 la solución obtenida anteriormente es óptima, es decir Cuadro óptimo San Diego Barstow Tucson Dallas San Francisco
1000PC $3
700PC $6
1700 a1
Los Ángeles
1700PC $4
300PC $10
2000 a2
Phoenix
1500PC $3
200PC $8
1700 a3
1700 b1 1000 b2 1500 b3 1200 b4 Interpretación:
De SF a B transportamos 1000 pc a un costo por unidad $3 costo total $3000
De SF a D transportamos 700 pc a un costo por unidad $6 costo total $4200
De LA a SD transportamos 1700 pc a un costo por unidad $4 costo total $6800
De LA a D transportamos 300 pc a un costo por unidad $10 costo total $3000
De P a T transportamos 1500 pc a un costo por unidad $3 costo total $4500
DeP a D transportamos 200 pc a un costo por unidad $8 costo total $1600
Costo total mínimo óptimo $23100
PROBLEMA DE TRANSPORTE. CASO MAXIMIZACIÓN
En el caso maximización, la matriz de utilidad se multiplica por -1 y luego se trabaja
como un caso de minimización, es decir se sigue los mismos pasos del algoritmo,
teniendo en cuenta que la suma de ofertas debe ser igual a la suma de demandas
Ejemplo2 Hexxon Oil compaña tiene seis consultores internacionales de petróleo, tres de los
cuales están actualmente ubicados en los EE.UU., dos en Rusia y uno en Nigeria.
Arabia Saudí ha solicitado dos consultores durante una semana a una tarifa de $4200
cada uno. Venezuela ha solicitado un consultor durante una semana a una tarifa de
$4000. Indonesia ha solicitado tres consultores durante una semana a una tarifa
semanal de $4000 cada uno. Los gastos semanales por consultores son de $1400 en
Arabia Saudí, $1000 en Venezuela y $700 en Indonesia. La siguiente tabla muestra las
tarifas de viaje redondo (en dólares) para enviar por avión a los consultores:
Escuela Profesional de Ingeniería Industrial
168
HACIA
DESDE ARABIA SAUDÍ VENEZUELA INDONESIA
Estados Unidos 1600 700 1900
Rusia 1500 1700 1600
Nigeria 1200 1100 1500
A. Encuentre una solución inicial: obtener la solución óptima.
Solución
HACIA
DESDE ARABIA SAUDÍ VENEZUELA INDONESIA ia =ofertas
Estados
unidos
1600 700 1900 3
Rusia 1500 1700 1600 2
Nigeria 1200 1100 1500 1
jb =demandas 2 1 3
TARIFA GASTO MENSUAL
Estados Unidos 4200 1400
Rusia 4000 1000
Nigeria 4000 1700
Obteniendo utilidades
HACIA
DESDE ARABIA SAUDI VENEZUELA INDONESIA
Estados Unidos 4200-1400-1600 4000-1000-700 4000-700-1900
Rusia 4200-1400-1500 4000-1000-1700 4000-700-1600
Nigeria 4200-1400-1200 4000-1000-1100 4000-700-1500
Tercera unidad didáctica ● Investigación de Operaciones I
169
La nueva tabla (utilidad)
Búsqueda de la solución factible básica inicial
Matriz de Costo–Método de la Matriz mínima
A todo multiplico por menos uno y busco el menor valor:
HASTA
DESDE ARABIA SAUDÍ VENEZUELA INDONESIA ia
Estados Unidos -1200 -2300 -1400 3=a1
Rusia -1300 -1300 -1700 2=a2
Nigeria -1600 -1900 -1800 1=a3
jb 2=b1 1=b2 3=b3
• X12 = MIN (a1,b2) = MIN (3,1)
X12 = 1
a1>b2 → a1=a1-b2
a1= 3 – 1
a1=2
HACIA
DESDE ARABIA SAUDÍ VENEZUELA INDONESIA Ai
Estados
unidos
1200 2300 1400 3
Rusia 1300 1300 1700 2
Nigeria 1600 1900 1800 1
Bi 2 1 3
Escuela Profesional de Ingeniería Industrial
170
Elimino la columna dos y vuelvo a escoger el menor valor
-1200 -2300 -1400 3
-1300 -1300 -1700 2
-1600 -1900 -1800 1
2 1 3
• X33 = MIN (a3,b3) = MIN (1,3)
X33 = 1
a3<b3→b3=b3-a3
b3= 3 – 1
b3=2
Elimino la fila tres y vuelvo a escoger el menor valor
-1200 -2300 -1400 3
-1300 -1300 -1700 2
-1600 -1900 -1800 1
2 1 3
• X23 = MIN (A2,B3) = MIN (2,2)
X23 = 2
A2>B3 =A2=A2-B3
A2= 2-2
A2=0
Elimino la columna tres y vuelvo a escoger el menor
-1200 -2300 -1400 3
-1300 -1300 -1700 2
-1600 -1900 -1800 1
2 1 3
Tercera unidad didáctica ● Investigación de Operaciones I
171
• X21 = MIN (a2,b1) = MIN (0,2)
X21 = 0
a2<b1→ b1=b1-a2
b1= 2-0
b1=2
Elimino la fila 2 y vuelvo a escoger el menor
-1200 -2300 -1400 3
-1300 -1300 -1700 2
-1600 -1900 -1800 1
2 1 3
Solo me queda -1200
• X11 = MIN (a1,b1) = MIN (2,2)
X11 = 2
Matriz costo final
-1200
2
-2300
1
-1300
0
-1700
2
-1800
1
Escuela Profesional de Ingeniería Industrial
172
Solución básica inicial
MIN COSTOS: 2(-1200)+ 1(-2300)+ 0(-1300)+ 2(-1700)+ 1(-1800)
MIN COSTOS = - 9900
MAX= - (MIN)
MAX= - (-9900)
MAX= 9900
Método (UV) Trabajar con la matriz de costos final
-1200 -2300
-1300 -1700
-1800
a) Construir Zij
ij i JZ U V= +
V1 V2 V3
U1 -1200 -2300
U2 -1300 -1700
U3 -1800
• Si U1=0
Z11= U1+V1 = -1200 U1= 0 V1= -1200
Z12= U1+V2 = -2300 U1= 0 V2= -2300
Z21 = U2+ V1 = - 1300 U2=-100 V1= -1200
Z23 = U2 + V3 = -1700 U2=- 100 V3=-1600
Z33 = U3+ V3 = -1800 U3=-200 V3= -1600
Tercera unidad didáctica ● Investigación de Operaciones I
173
V1=-1200 V2=-2300 V3=-1600
U1=0 -1200 -2300 -1600
U2=-100 -1300 -2400 -1700
U3=-200 -1400 -2500 -1800
Calculando Cij – Zij
-1200 -2300 -1400
-1300 -1300 -1700
-1600 -1900 -1800
De la matriz costo final
Tomar solo los signos negativos
1 0θ− ≥
0 0θ− ≥
0MAXθ =
-1200 -2300 -1600
-1300 -2400 -1700
-1400 -2500 -1800
0 0 +200
0 +1100 0
-200 -600 0
2 1
- 0 2 +
+θ 1 -
-1200
2
-2300
1
-1700
2
-1600
0
-1800
1
-
Escuela Profesional de Ingeniería Industrial
174
b) Construir Zij Zij =
V1 V2 V3
U1 -1200 -2300
U2 -1700
U3 -1600 -1800
• Si U1=0
Z11= U1+V1 = -1200 U1= 0 V1= -1200
Z12= U1+V2 = -2300 U1= 0 V2= -2300
Z23 = U2 + V3= -1700 U2= - 300 V3= -1400
Z31 = U3+ V1 = -1600 U3= - 400 V1= -1200
Z33 = U3+ V3 = -1800 U3= - 400 V3= -1400
V1=-1200 V2=-2300 V3=-1400
U1=0 -1200 -2300 -1400
U2=-300 -1500 -2600 -1700
U3=-400 -1600 -2700 -1800
Calculando Cij – Zij
-1200 -2300 -1400
-1300 -1300 -1700
|| -1600 -1900 -1800
-1200 -2300 -1400
-1500 -2600 -1700
-1600 -2700 -1800
0 0 0
0 1300 0
0 800 0
Tercera unidad didáctica ● Investigación de Operaciones I
175
La matriz salió positiva por tanto:
MIN COSTOS: 2(-1200)+ 1(-2300)+ 2(-1700)+ 0(-1600)+ 1(-1800)
MIN COSTOS: -9900
Solución óptima =
MAX= - (MIN)
MAX= - (-9900) =9900
Matriz solución Enviamos 2 consultores de Estados Unidos a Arabia Saudí $1200 utilidad $2400 Enviamos 1 consultores de Estados Unidos a Venezuela $2300 utilidad $2300 Enviamos 2 consultores de Rusia a Indonesia $1700 utilidad $3400 Enviamos 1 consultores de Nigeria a Indonesia $1800 utilidad $1800 Utilidad máxima $9900 Ejemplo 3. Use el método por aproximación de la matriz mínima y el método UV para
resolver el problema de transporte, donde la matriz contiene información de las
utilidades por transportar una unidad del origen i al destino j. Establezca el valor
óptimo de la función objetivo.
Destinos
Orígenes
A B C .ai
1 2 6 3 200
2 5 1 9 300
3 7 9 8 100
bj 300 200 100
hacia
desde
Arabia Saudi Venezuela Indonesia
Estados
Unidos
1200
2
2300
1
Rusia 1700
2
Nigeria 1600
0
1800
1
Escuela Profesional de Ingeniería Industrial
176
Sol.:
i) Hallando la solución factible básica inicial por el método de la matriz mínima:
primero verificamos que la suma de ofertas debe ser igual a la suma de
demandas, es decir:
= =
= =∑ ∑3 3
1 16 0 0i j
i ja b
II) Como es un caso de maximización multiplicamos la matriz por (-1) por ser
una matriz de utilidad y lo trabajamos de la misma manera como si fuera un
caso de minimización.
* El menor valor de las celdas es: 23X = -9
2 323 min( , )aX b⇒ = 2 3min( , ) (300,100)a b⇒ = 23 100X⇒ =
2 3a b⇒ > ⇒ 2 2 3a a b= − ⇒ 2a = 300 -100 ⇒ =1a 200
⇒ Elimino la columna 3
ia
-2 -6 -3 200
-5 -1 -9 300
-7 -9 -8 100
jb 300 200 100
-2 -6
-5 -1
-7 -9
Tercera unidad didáctica ● Investigación de Operaciones I
177
* Ahora el menor valor de las celdas es: 3 232 min( , )aX b= ⇒
32 min(100,200)X = ⇒ 32 100X =
3 2a b<⇒ 32 2 ab b⇒ = − ⇒ =2b 200-100 ⇒ =2b 100
⇒ Elimino la fila 3
Ahora el menor valor de las celdas es: 1 212 min( , )aX b= ⇒
12 min(200,100)X = ⇒ 12 100X =
1 2a b>⇒ 1 1 2a a b⇒ = − 1a⇒ = 100
⇒ Elimino la columna 2
Ahora el menor valor de las celdas
es: 2 121 min( , )aX b= ⇒ 21 min(200,300)X = ⇒ 21 200X =
2 1a b<⇒ 21 1 ab b⇒ = − 1b⇒ = 100
⇒ Elimino la fila 2
-2 -6
-5 -1
-2
-5
-2
Escuela Profesional de Ingeniería Industrial
178
Ahora el menor valor de las celdas es: 1 111 min( , )aX b= ⇒
11 min(100,100)X = ⇒ 11 100X =
C. Min Inicial
2 100 6 100 5 200 9 100 9 100 3600x x x x x⇒ − − − − − = −
Máx. Inicial = -(-3600) = 3600
Método UV
1v = -2 2v = -6 3v = -6
1u =0
2u = -3
3u = -3
-2 -6
100 100
-5 -9
200
100
-9
100
-2 -6 -6
-5 -9 -9
-5 -9 -9
Tercera unidad didáctica ● Investigación de Operaciones I
179
1 1 1 111 2 0, 2u v u vZ = + = − ⇒ = = −
1 2 1 112 6 0, 6u v u vZ = + = − ⇒ = = −
2 1 2 121 5 3, 2u v u vZ = + = − ⇒ = − = −
2 3 2 323 9 3, 6u v u vZ = + = − ⇒ = − = −
3 2 3 232 9 3, 6u v u vZ = + = − ⇒ = − = −
⇒
Se puede mejorar la solución anterior:
El menor valor de las celdas es: 31 2X = −
100 0θ− ≥ ; 100 0θ− ≥ 100Maxθ⇒ =
-2 -6 -3
-5 -1 -9
-7 -9 -8
-2 -6 -6
-5 -9 -9
-5 -9 -9
0 0 3
0 8 0
-2 0 1
−
100
+
100
200 100
+ θ − 100
Escuela Profesional de Ingeniería Industrial
180
-2 -6
0 200
-5 -9
200
100
-7
100
Nuevo C. Min. Inicial 2 0 6 200 5 200 9 100 7 100 3800x x x x x⇒ − − − − − = −
Nuevo Máx. Inicial = -(-3800) = 3800
Método UV
1v = -2 2v = -6 3v = -6
1u =0
2u = -3
3u = -5
1 1 1 111 2 0, 2u v u vZ = + = − ⇒ = = −
1 2 1 112 6 0, 6u v u vZ = + = − ⇒ = = −
2 1 2 121 5 3, 2u v u vZ = + = − ⇒ = − = −
2 3 2 323 9 3, 6u v u vZ = + = − ⇒ = − = −
3 1 3 231 7 5, 2u v u vZ = + = − ⇒ = − = −
-2 -6 -6
-5 -9 -9
-7 -9 -11
Tercera unidad didáctica ● Investigación de Operaciones I
181
⇒
No hay índices negativos en la diferencia ijC - ijZ . Fin del proceso:
Respuesta: De: Unidades Costo/Unidad ($)
(1 → A) Transportamos 0 2
(1 → B) “ 200 6
(2 → A) “ 200 5
(2 → C) “ 100 9
(3→ A) “ 100 7
Zopt Máx. = $ 3800
-2 -6 -3
-5 -1 -9
-7 -9 -8
-2 -6 -6
-5 -9 -9
-7 -9 -11
0 0 3
0 8 0
0 0 3
Escuela Profesional de Ingeniería Industrial
182
Ejemplo 4. Una compañía tiene fábricas en A, B, y C, las cuales proveen a los
almacenes que están en D, E, F y G. Las capacidades mensuales de las fábricas son
70, 90 y 115 (unidades) respectivamente y las demandas para D, E, F, y G son 50, 60,
70,95 respectivamente. Los costos de embarque son los siguientes:
Destinos
Orígenes
D E F G .ai
A 17 20 13 12 70
B 15 21 26 25 90
C 15 14 15 17 115
bj 50 60 70 95
Determinar una solución factible básica inicial utilizando el método de la esquina (N-O)
y dé usted la solución óptima.
Sea XAD El número de unidades a transportar de A-D
Sea XAE El número de unidades a transportar de A-E
Sea XAF El número de unidades a transportar de A-F
Sea XAG El número de unidades a transportar de A-G
Sea XBD El número de unidades a transportar de B-D
Sea XBE El número de unidades a transportar de B-E
Sea XBF El número de unidades a transportar de B-F
Sea XBG El número de unidades a transportar de B-G
Sea XCD El número de unidades a transportar de C-D
Sea XCE El número de unidades a transportar de C-E
Sea XCF El número de unidades a transportar de C-F
Sea XCG El número de unidades a transportar de C-G
F.O. Min. C = 17XAD + 20XAE + 13XAF + 12XAG + 15XBD + 21XBE + 26XBF + 25XBG +
15XCD + 14XCE + 15XCF + 17XCG
S.A. XAD + XBD + XCD = 50
XAE + XBE + XCE = 60 Demandas
Tercera unidad didáctica ● Investigación de Operaciones I
183
XAF + XBF + XCF = 70
XAG + XBG + XCG = 95
XAD + XAE + XAF + XAG = 70
XBD + XBE + XBF + XBG = 90
XCD + XCE + XCF + XCG = 115
Método de la Esquina Noroeste
17 20 13 12 70
15 21 26 25 90
15 14 15 17 115
50 60 70 95 275
X11 = min (a1, b1) = min (70, 50)
X11 = 50
a1 > b1
a1 = a1 - b1
a1 = 70 - 50
a1 = 20 Elimino columna 1
X12 = min (a1, b2) = min (20, 60)
X12 = 20
a1 < b2
b2 = b1 - a1
b2 = 60 - 20
b2 = 40 Elimino fila 1
X22 = min (a2, b2) = min (90, 40)
X22 = 40
a2 > b2
a2 = a2 – b2
a2 = 90 – 40
Ofertas
Escuela Profesional de Ingeniería Industrial
184
a2 = 50 Elimino la columna 2 X23 = min (a2, b3) = min (50, 70)
X23 = 50
a2 < b3
b3 = b3 – a2
b3 = 70 – 50
b3 = 20 Elimino la fila 2 X33 = min (a3, b3) = min (115, 20)
X33 = 20
a3 > b3
a3 = a3 – b3
a3 = 115 – 20
a3 = 95 Elimino la columna 3 X34 = min. (a3, b4) = min (95, 95)
X34 = 95.
Solución Factible Básica Inicial
17
50
20
20
21
40
26
50
15
20
17
95
Costo Mínimo Inicial: 17x50 + 20x20 + 21x40 + 26x50 + 15x20+ 17x95= 5305
Tercera unidad didáctica ● Investigación de Operaciones I
185
Método que conduce a la solución óptima El método UV o método de MODI 1. Comenzar con alguna solución factible básica inicial.
2 y 3. Dibujar una matriz solución Zij:
v1=17 v2=20 v3=25 v4=27
u1=0 17 20 25 27
u2=1 18 21 26 28
u3=-
10 7 10 15 17
Z11 = U1+V1 = 17 U1= 0 V1 = 17
Z12 = U1+V2 = 20 U1= 0 V2 = 20
Z22 = U2+V2 = 21 U2= 1 V2 = 20
Z23 = U2+V3 = 26 U2= 1 V3 = 25
Z33 = U3+V3 = 15 U3= -10 V3 = 25
Z34 = U3+V4 = 17 U3= -10 V4 = 27
4. Cij – Zij >= 0 Solución Optima
Cij – Zij < 0 Se puede mejorar la solución
17 20 13 12 17 20 25 27 0 0 -12 -15
15 21 26 25 - 18 21 26 28 = -3 0 0 -3
15 14 15 17 7 10 15 17 8 4 0 0
Cij Zij
Escuela Profesional de Ingeniería Industrial
186
5. Variable que ingresa es el mas negativo de la matriz resultante X14 = -15
50
20
--
ө
+
40
+
50
--
20
+
95
--
Luego; ai
17
50
12
2070
21
60
26
30
90
15
40
17
75115
50 60 70 95
bj Nuevo costo mínimo: 17x50 + 12x20 + 21x60 + 16x30 + 15x40 + 17x75= 5005 El método UV o método de MODI 1. Comenzar con alguna solución factible básica inicial.
2 y 3. Dibujar una matriz solución TIJ:
v1=17 v2=5 v3=10 v4=12
u1=0 17 5 10 12
u2=16 33 21 26 28
u3=5 22 10 15 17
20 - ө >= 0 50 - ө> = 0 95 - ө >= 0 өmax = 20
Tercera unidad didáctica ● Investigación de Operaciones I
187
Z11 = U1+V1 = 17 U1= 0 V1 = 17
Z14 = U1+V4 = 12 U1= 0 V4 = 12
Z22 = U2+V2 = 21 U2= 16 V2 = 5
Z23 = U2+V3 = 26 U2= 16 V3 = 10
Z33 = U3+V3 = 15 U3= 5 V3 = 10
Z34 = U3+V4 = 17 U3= 5 V4 = 12
4. Cij – TIJ >= 0 Solución Optima
Cij – TIJ < 0 Se puede mejorar la solución
17 20 13 12 17 5 10 12 0 15 3 0
15 21 26 25 - 33 21 26 28 = -18 0 0 -3
15 14 15 17 22 10 15 17 -7 4 0 0
Cij TIJ
5. Variable que ingresa es el mas negativo de la matriz resultante X21 = -18
--
50
20
+
ө
+
60
30
--
40
+
75
--
50 - ө >= 0 30 - ө >= 0 75 - ө >= 0 өmax = 30
Escuela Profesional de Ingeniería Industrial
188
Luego; ai
17
20
12
5070
15
30
21
60
90
15
70
17
45115
50 60 70 95
bj Nuevo costo mínimo: 17x20 + 12x50 + 15x30 + 21x60 + 15x70 + 17x45= 4465 El método UV o método de MODI 1. Comenzar con alguna solución factible básica inicial.
2 y 3. Dibujar una matriz solución TIJ:
v1=17 v2=23 v3=10 v4=12
u1=0 17 23 10 12
u2=-2 15 21 8 10
u3=5 22 28 15 17
Z11 = U1+V1 = 17 U1= 0 V1 = 17
Z14 = U1+V4 = 12 U1= 0 V4 = 12
Z21 = U2+V1 = 15 U2= -2 V1 = 17
Z22 = U2+V2 = 21 U2= -2 V2 = 23
Z33 = U3+V3 = 15 U3= 5 V3 = 10
Z34 = U3+V4 = 17 U3= 5 V4 = 12
Tercera unidad didáctica ● Investigación de Operaciones I
189
4. Cij – Zij >= 0 Solución Óptima
Cij – Zij < 0 Se puede mejorar la solución
17 20 13 12 17 23 10 12 0 -3 0 0
15 21 26 25 - 15 21 8 10 = 0 0 18 15
15 14 15 17 22 28 15 17 -7 -14 0 0
Cij Zij
5. Variable que ingresa es el más negativo de la matriz resultante X32 = -14
--
20
50
+
30
+
60
--
ө
+
70
45
--
Luego; ai
12
7070
15
50
21
40
90
14
20
15
70
17
25115
50 60 70 95
bj Nuevo costo mínimo: 12x70 + 15x50 + 21x40 + 14x20 + 15x70 + 17x25= 4185
60 - ө >= 0 45 - ө >= 0 20 - ө> = 0 өmax = 20
Escuela Profesional de Ingeniería Industrial
190
El método UV o método de MODI 1. Comenzar con alguna solución factible básica inicial.
2 y 3. Dibujar una matriz solución TIJ:
v1=3 v2=9 v3=10 v4=12
u1=0 3 9 10 12
u2=12 15 21 22 24
u3=5 8 14 15 17
Z14 = U1+V4 = 12 U1= 0 V4 = 12
Z21 = U2+V1 = 15 U2= 12 V2 = 3
Z22 = U2+V2 = 21 U2= 12 V2 = 9
Z32 = U3+V2 = 14 U3= 5 V2 = 9
Z33 = U3+V3 = 15 U3= 5 V3 = 10
Z34 = U3+V4 = 17 U3= 5 V4 = 12
4. Cij – Zij >= 0 Solución Optima
Cij –Zij < 0 Se puede mejorar la solución
17 20 13 12 3 9 10 12 14 11 3 0
15 21 26 25 - 15 21 22 24 = 0 0 4 1
15 14 15 17 8 14 15 17 7 0 0 0
Cij Zij
• Cij –Zij>= 0
• La solución anterior viene a ser la solución óptima.
Tercera unidad didáctica ● Investigación de Operaciones I
191
Es decir: ai
12
7070
15
50
21
40
90
14
20
15
70
17
25115
50 60 70 95
bj
Unid. $ costo
De A-G Transportamos XAG = 70 x 12
De B-D Transportamos XBD = 50 x 15
De B-E Transportamos XBE = 40 x 21
De C-E Transportamos XCE = 20 x 14
De C-F Transportamos XCF = 70 x 15
De C-G Transportamos XCG = 25 x 17
Costo Mínimo = 4185
Escuela Profesional de Ingeniería Industrial
192
Serie de Problemas 8.1 1. Una fábrica cuenta con 4 almacenes situados en diferentes partes del país. El
almacén 1 cuenta con 10 unidades de mercancía, el 2 con 12, el tres con 5 y 4 con
10. Con las existencias de mercancías que tienen dichos almacenes se debe
abastecer a 5 centros de consumo. El centro de consumo 1 demanda 6 unidades
de mercancía; el centro 2, demanda 8; el 3 demanda tres, el 4 demanda 9 y 11 el
5. Los costos de transporte de cada almacén a cada centro de consumo aparecen
en el cuadro.
Se trata de determinar aquel programa de transportes cuyo costo sea mínimo.
2. Tres fábricas producen tres productos A, B, y C, las cuales proveen a una tienda
el cual esta interesado en comprar 60 del producto A, 25 del producto B y 30 del
producto C. Las utilidades por producto que obtendría la tienda al adquirir a cada
fábrica se encuentra en el cuerpo de la tabla, así mismo la oferta de dichas
fabricas.
Producto
Fábrica
A B C .ai
D 11 14 17 100
E 12 13 18 15
F 10 14 19 40
bj 60 25 30
Determinar una solución factible básica inicial utilizando el método de VOGEL y
dé usted la solución óptima.
CC Almacenes 1 2 3 4 5 Existencia
de mercancía 1 4 2 5 5 1 10
2 2 1 4 1 4 12
3 3 4 1 2 1 5
4 2 2 3 4 2 10
Demanda 6 8 3 9 11
Tercera unidad didáctica ● Investigación de Operaciones I
193
3. American Motors Inc. puede enviar un total de hasta 200 automóviles en camión
y 600 en ferrocarril de su fábrica de Detroit a sus distribuidores de Chicago,
Cleveland, Washington D.C. y Filadelfia. El costo (en dólares) de enviar un carro
a cada uno de los distribuidores por camión y por tren y las demandas de los
distribuidores se muestran en la siguiente tabla:
Costo de embarque ($/carro)hacia
Por Chicago Cleveland Washington, D.C Filadelfia
Camión 30 20 50 60
Tren 45 30 75 90
Demanda(carros) 300 100 250 150
a) Encuentre una solución inicial
b) Determine la solución óptima
4. Use el método por aproximación de Noroeste y el método UV para resolver el
problema de transporte. Establezca el valor óptimo de la función objetivo.
¿Existen soluciones óptimas alternativas?
Destinos
Orígenes
A B .ai
1 7 5 200
2 4 8 100
3 5 6 300
bj 200 300
9. Resuelva el siguiente problema. La matriz de costo es:
ai
11 14 17 9 300
12 13 18 8 350
10 14 19 8 150
13 11 16 10 200
150 150 375 225
jb
Escuela Profesional de Ingeniería Industrial
194
8.4. EL PROBLEMA DE ASIGNACIÓN
En muchos problemas de decisión es necesario asignar un elemento de un grupo
(como una máquina, un empleado, etcétera) a un elemento de un segundo grupo
(como una tarea, un proyecto, etcétera). Considere, por ejemplo, asignar trabajos a
máquinas en una planta industrial, asignar representantes de ventas a territorios o
asignar investigadores a proyectos.
A. CARACTERÍSTICAS CLAVE Al hacer una asignación, a menudo deben cumplirse dos condiciones:
• Cada elemento del primer grupo debe asignarse a exactamente un
elemento del segundo grupo.
• Cada elemento del segundo grupo debe asignarse a exactamente un
elemento del primer grupo.
B. CARACTERÍSTICAS CLAVE
Para obtener la asignación óptima, cada nueva matriz de asignación satisfará:
PROPIEDAD1. Todos los números son no negativos
PROPIEDAD2. Cada fila y cada columna tienen al menos una celda con un valor de 0.
Siempre que, en cualquiera de estas matrices, encuentre una asignación en la que
cada celda seleccionada tenga un valor cero ha encontrado, de hecho, la asignación
óptima.
8.5. ALGORITMO DE ASIGNACIÓN (método húngaro) Paso 0
Inicialización: cree la matriz inicial con las propiedades 1 y 2 modificando la matriz de
asignación de la siguiente manera:
1. Por cada fila, identifique el número menor y reste ese valor de cada celda
en esta fila.
Tercera unidad didáctica ● Investigación de Operaciones I
195
2. Por cada columna, identifique el número menor y reste ese valor de cada
celda en esta columna.
Paso 1
Prueba de optimalidad: intente identificar una asignación factible en la matriz actual en
la que cada celda seleccionada tenga un valor de cero. Si se encuentra esta
asignación, deténgase: ésta es la solución óptima; de otra manera encuentre el
número de asignaciones que sí tienen el valor de cero y vaya al paso 2.
Paso2 Movimiento: establezca una nueva matriz de asignación con las propiedades 1 y 2, y
haga lo siguiente:
1. Trace el número mínimo de líneas horizontales y verticales como sea
posible en la última matriz reducida que cubrirá todas las celdas que
contienen valores cero.
2. Entre todas las celdas no cruzadas, identifique una con el menor valor y
a. Reste este número de todas las celdas no cruzadas y
b. Añada este número a todas las celdas en la intersección de dos
líneas.
Ahora vaya al paso 1.
Escuela Profesional de Ingeniería Industrial
196
EXPLICACIÓN SIMPLEX DEL MÉTODO HÚNGARO
El problema de asignación en el cual n empleados se asigna a n trabajos, se puede
representar como un modelo de PL de la siguiente manera: digamos que ijC es el
costo de asignar al empleado i al trabajo j y definiremos:
{,
,
1 si se asigna al empleado el trabajo 0 de lo contrarioij
i jX =
Entonces el modelo de PL se da como:
ijj
ij XC∑∑= =
=n
1i 1 ZMinimice
s.a.
1 ó 0
n1,2,...,j ,1
n1,2,...,i ,1
ij
1
1
=
==
==
∑
∑
=
=
X
X
X
n
iij
n
jij
Tercera unidad didáctica ● Investigación de Operaciones I
197
ASIGNACIÓN CASO MINIMIZACIÓN
Ejemplo 1. Joshop necesita asignar cuatro trabajos que recibió a cuatro empleados.
Las diversas habilidades de estos dan origen a costos variados por el desempeño de
los trabajadores. La tabla resume los datos del costo de las asignaciones. Los datos
indican que el empleado 1 no puede trabajar en el trabajo 3 y que el empleado 3 no
puede trabajar en el trabajo 4.
i) Determine la asignación óptima.
Trabajo
Trabajador
1 2
3 4
1 $50 $50 - $20
2 $70 $40 $20 $30
3 $90 $30 $50 -
4 $70 $20 $60 $70
ii) Supongamos que hay disponible un empleado adicional (el quinto) para
desempeñar los cuatro trabajos, a los costos respectivos de 60, 45,30 y 80
dólares. ¿Es económico reemplazar a uno de los cuatro trabajadores
actuales con el nuevo?
Trabajo Ttrabajador
1 2 3 4
1 $50 $50 - $20 2 $70 $40 $20 $30 3 $90 $30 $50 - 4 $70 $20 $60 $70 Solución
Observe que no se va asignar el empleado 1 al trabajo 3 y que el empleado 3 no
puede trabajar en el trabajo 4entonces vamos a poner en la celda un valor M positivo
infinitamente grande de tal manera que sea un costo bastante elevado y no pueda ser
asignado.
50 50 M 20 70 40 20 30 90 30 50 M 70 20 60 70
Escuela Profesional de Ingeniería Industrial
198
a) Determinamos el menor valor por fila y restamos
50 50 M 20 20 70 40 20 30 20 90 30 50 M 30 70 20 60 70 20 30 30 M-20 0 50 20 0 10 60 0 20 M-30 50 0 40 50 30 0 0 0
b) Determinamos el menor valor por columna y restamos
0 30 M-20 0 20 20 (0) 10 30 (0) 20 M-30 20 0X 40 50 c) Observamos que es imposible asignar por tanto vamos a trazar líneas horizontales y
verticales
0 30 M-20 0 20 20 0 10 30 0 20 M-30 20 0 40 50 d) Determinamos el menor de las celdas no cruzadas =10. . Restamos los valores de
las celdas no cruzadas al menor valor y sumamos en la intersección de dos líneas el
menor valor.
0 40 M-10 0 10 20 0 0 20 (0) 20 M-40 10 0X 40 40 e) Observamos que no se puede asignar volvemos a trazar líneas horizontales y
verticales, para cubrir los ceros de asignación con la menor cantidad de líneas.
0 40 M-10 0 10 20 0 0 20 0 20 M-40 10 0 40 40
Tercera unidad didáctica ● Investigación de Operaciones I
199
f) Menor de las celdas: 10 0X 50 M-10 (0) 10 30 (0) 0X 10 (0) 10 M-50 (0) 0X 30 30 Es posible asignar Trabajo Trabajador
1 2 3 4
1 $50 $50 - $20 2 $70 $40 $20 $30 3 $90 $30 $50 - 4 $70 $20 $60 $70 Al trabajador 1 se le asigna el trabajo 4 a un costo de $20
Al trabajador 2 se le asigna el trabajo 3 a un costo de $20
Al trabajador 3 se le asigna el trabajo 2 a un costo de $30
Al trabajador 4 se le asigna el trabajo 1 a un costo de $70
costo min óptimo =$140 ii) Trabajo Trabajador
1 2 3 4 5
1 $50 $50 - $20 0 2 $70 $40 $20 $30 0 3 $90 $30 $50 - 0 4 $70 $20 $60 $70 0 5 $60 $45 $30 $80 0 50 50 M 20 0 0 70 40 20 30 0 0 90 30 50 M 0 0 70 20 60 70 0 0 60 45 30 80 0 0 50 50 M 20 0 70 40 20 30 0 90 30 50 M 0 70 20 60 70 0 60 45 30 80 0 50 20 20 20 0
Escuela Profesional de Ingeniería Industrial
200
0 30 M-20 0 0X 20 20 0 10 0X 40 10 30 M-20 0X 20 (0) 40 50 0X 10 25 10 60 (0) Imposible asignar, luego trazamos líneas horizontales y verticales
0 30 M-20 0 0 20 20 0 10 0 40 10 30 M-20 0 20 0 40 50 0 10 25 10 60 0 Menor de las celdas no cruzadas: 10 0X 40 M-10 (0) 10 10 20 (0) 0X 0X 30 10 30 M-30 (0) 10 (0) 40 40 0X (0) 25 10 50 0X Trabajo Trabajador
1 2 3 4 5
1 $50 $50 - $20 0 2 $70 $40 $20 $30 0 3 $90 $30 $50 - 0 4 $70 $20 $60 $70 0 5 $60 $45 $30 $80 0 Al trabajador 1 se le asigna el trabajo 4 a un costo de $20
Al trabajador 2 se le asigna el trabajo 3 a un costo de $20
Al trabajador 3 se le asigna el trabajo 5 a un costo de $0
Al trabajador 4 se le asigna el trabajo 2 a un costo de $20
Al trabajador 5 se le asigna el trabajo 1 a un costo de $60
Costo min óptimo $120
Respuesta: Sí es económico reemplazarlo
Tercera unidad didáctica ● Investigación de Operaciones I
201
ASIGNACIÓN CASO MAXIMIZACIÓN Ejemplo 2. Un corredor de bienes raíces planea la venta de 5 lotes de terreno y ha
recibido ofertas individuales de 4 clientes. Debido a la cantidad de capital que se
requiere, estas ofertas se han hecho en el entendimiento de que ninguno de los 4
clientes comprará más de un lote. Las ofertas se muestran en la tabla. El corredor de
bienes raíces quiere maximizar su ingreso total a partir de esas ofertas.
Lote
Comprador 1 2 3 4 5
A 16 15 25 19 20 B 19 17 24 15 25 C 15 15 18 0 16 D 19 0 15 17 18
Solución Dado que tenemos cuatro compradores para cinco lotes completamos la matriz con un
comprador artificial
Lote Comprador
1 2 3 4 5
A 16 15 25 19 20 B 19 17 24 15 25 C 15 15 18 0 16 D 19 0 15 17 18 E 0 0 0 0 0
16 15 25 19 20 19 17 24 15 25 15 15 18 0 16 19 0 15 17 18 0 0 0 0 0
1) Identificar el mayor valor de las celdas: 25
2) Restar los valores de cada celda de este numero encontrado
25-16=9 10 0 6 5 6 8 1 10 0
10 10 7 25 9 6 25 10 8 7
25 25 25 25 25
Escuela Profesional de Ingeniería Industrial
202
A partir de este tablero los pasos son los mismos que en minimización
9 10 0 6 5 0 6 8 1 10 0 0
10 10 7 25 9 7 6 25 10 8 7 6
25 25 25 25 25 25
9 10 0 6 5 6 8 1 10 0 3 3 0 18 2 0 19 4 2 1 0 0 0 0 0 0 0 0 0 0
9 10 0 6 5 6 8 1 10 0 3 3 0 18 2 0 19 4 2 1 0 0 0 0 0
Menor de las celdas no cruzadas: 2 9 8 0 4 5 6 6 1 8 0 3 1 0 16 2 0 17 4 0 1 2 0 2 0 2
Menor de las celdas no cruzadas: 1 8 7 (0) 3 5 5 5 1 7 (0) 2 (0) 0X 15 2
(0) 17 5 0X 2 2 0X 3 (0) 3
Lote Comprador
1 2 3 4 5
A 16 15 25 19 20 B 19 17 24 15 25 C 15 15 18 0 16 D 19 0 15 17 18 E 0
Al comprador A se le asigna el lote 3 con un ingreso de $25
Al comprador B se le asigna el lote 5 con un ingreso de $25
Al comprador C se le asigna el lote 2 con un ingreso de $15
Al comprador D se le asigna el lote 1 con un ingreso de $19
Ingreso máximo=$84
Tercera unidad didáctica ● Investigación de Operaciones I
203
Ejemplo3 Arthur J Big and Company es una compañía de contabilidad que tiene un especialista
en impuestos en cada uno de sus oficinas en Washington D.C., Cleveland, Lousville y
Atlanta. La oficina central ha recibido una solicitud para un especialista en impuestos
en cada uno de sus clientes de Columbus, Nashville, Charleston y Pittsburgh los
costos de los siguientes especialistas se proporcionan en la siguiente tabla.
Hacia
Desde Columbus Nashville Charleston Pittsburgh
Washington 431 659 342 247
Cleveland - 533 - 129
Lousville 214 174 259 393
Atlanta 585 246 501 683
Como socio general de la compañía, determine cómo enviar un especialista a cada
ciudad para minimizar sus costos totales del viaje.
Solución
Como podemos observar es imposible enviar un especialista de Cleveland hacia
Columbus y Charleston, frente a estos casos se pone un M bastante grande de
manera que al ser M un costo bastante elevado nos garantiza su no asignación. Otra
forma es asignarle un costo bastante alto en comparación con los demás costos, por
ejemplo 2000, como podemos ver este costo es bastante alto y de seguro que no
enviamos el especialista.
De la matriz de costos:
431 659 342 247
M 533 M 129
214 174 259 393
585 246 501 683
Escuela Profesional de Ingeniería Industrial
204
Elegimos por fila el menor valor y restamos este valor de cada celda en su respectiva fila
184 412 95 0 247
M-129 404 M-129 0 129
40 0 85 219 174
339 0 255 437 246
Elegimos por columna el menor valor y restamos este valor de cada celda de su respectiva columna
144 412 10 0
M-169 402 M-214 0
0 0 0 219
299 0 170 437
40 0 85 0
Cada cero significa un cero de asignación es decir si asigno el primer cero (posición
14X ) en la primera fila me indica que envío un especialista de Washington-Pittsburg
e inmediatamente tarjo el cero que esta debajo (posición 24X ) puesto que el
especialista de Cleveland ya no puede ser asignado a Pittsburg.
Como no se puede asignar trazamos líneas horizontales y verticales de tal manera
que se pueda cubrir con la menor cantidad de líneas los ceros de asignación.
Tercera unidad didáctica ● Investigación de Operaciones I
205
144 412 10 0
M-169 402 M-214 0
0 0 0 219
299 0 170 437
De las celdas no cruzadas elegimos el menor valor = 10 y restamos este numero de
todas las celdas no cruzadas, sumamos este numero a aquellas celdas cruzadas por
dos líneas y las que están cruzadas por una sola línea permanecen igual
134 412 0 0
M-179 402 M-224 0
0 10 0 229
289 0 160 437
Observamos que es posible asignar luego la respuesta es:
Hacia
Desde Columbus Nashville Charleston Pittsburgh
Washington X
Cleveland X
Lousville X
Atlanta X
Escuela Profesional de Ingeniería Industrial
206
Solución: De Washington a Charleston 342
De Cleveland a Pittsburgh 129
De Lousville a Columbus 214
De atlanta a Nashville 246
Solución óptima = 931 Ejemplo 4 Arthur J Big and Company es una compañía de contabiliadad que tiene un especialista
en impuestos en cada uno de sus oficinas en Washington D.C., Cleveland, Lousville y
atlanta. La oficina central ha recibido una solicitud para un especialista en impuestos
en cada uno de sus clientes de Columbus, Nashville, Charleston y Pittsburgh las
utilidades de los siguientes especialistas se proporcionan en la siguiente tabla.
Hacia
Desde Columbus Nashville Pittsburgh
Washington 431 659 247
Cleveland 240 533 129
Lousville 214 174 393
Atlanta 650 346 683
Como socio general de la compañía, determine como enviar un especialista a cada
ciudad para maximizar sus utilidades totales del viaje-dar solución óptima
Tercera unidad didáctica ● Investigación de Operaciones I
207
Creamos una columna artificial para completar el tablero
431 659 247 0
240 533 129 0
214 174 393 0
650 346 683 0
Determinamos el mayor valor de toda la tabla = 683 y lo restamos de todo el tablero
252 24 436 683
443 150 554 683
469 509 290 683
33 337 0 683
Determinamos el valor menor en cada fila y luego en cada columna restando
respectivamente
228 0 412 659 24
293 0 404 533 150
179 219 0 393 290
33 337 0 683 0
Escuela Profesional de Ingeniería Industrial
208
195 0 412 266
260 0 404 140
146 218 0 0
0 337 0 290
33 0 0 393
Trazamos las líneas
195 0 412 266
260 0 404 140
146 219 0 0
0 337 0 290
Valor mínimo = X24=140
55 (0) 272 126
120 0X 264 (0)
146 359 (0) 0X
(0) 477 0X 290
Tercera unidad didáctica ● Investigación de Operaciones I
209
Columbus Nashville Pittsburgh Charleston
Washington X
Cleveland X
Lousville X
Atlanta X
Solución: De Washington a Nashville enviamos un especialista con una utilidad $659
De Lousville a Pittsburgh enviamos un especialista con una utilidad $ 393
De Atlanta a Columbus enviamos un especialista con una utilidad $ 650
1702 Es el monto total de las utilidades
Escuela Profesional de Ingeniería Industrial
210
Serie de Problemas 8.4
1. Se trata de efectuar 5 tareas diferentes y se cuenta para tal efecto con 5
equipos. Se quiere conocer qué tarea debe realizar cada equipo productivo
empleando el mínimo de tiempo en conjunto, si el tiempo que tarda cada equipo
en realizar cada tarea es el que se indica en la tabla:
Tareas
Equipos
A B C D E
1 12 17 4 10 11
2 7 1 3 10 1
3 5 3 1 9 16
4 14 3 1 11 16
5 12 12 4 4 16
2. Resuelva los modelos de asignación en la tabla siguiente:
$3 $9 $2 $3 $7
$6 $1 $5 $6 $6
$9 $4 $7 $10 $3
$2 $5 $4 $2 $1
$9 $6 $2 $4 $5
$3 $8 $2 $10 $3
$8 $7 $2 $9 $7
$6 $4 $2 $7 $5
$8 $4 $2 $3 $5
$9 $10 $6 $9 $10
Tercera unidad didáctica ● Investigación de Operaciones I
211
3. Joshop necesita asignar cuatro trabajos que recibió a cuatro empleados. Las
diversas habilidades de éstos dan origen a costos variados por el desempeño
de los trabajadores. La tabla resume los datos del costo de las asignaciones.
Los datos indican que el empleado 1 no puede trabajar en el trabajo 3 y que el
empleado 3 no puede trabajar en el trabajo 4.
Trabajo
Trabajador
1 2
3 4
1 $50 $50 - $20
2 $70 $40 $20 $30
3 $90 $30 $50 -
4 $70 $20 $60 $70
* Supongamos que Joshop acaba de recibir un quinto trabajo y que los
costos respectivos de que los desempeñen los cuatro empleados son
20,10, 20, y 80 dólares ¿Debe tener prioridad el nuevo trabajo por encima
de cualquiera de los 4 trabajos que ya tiene Joshop?
4. Se usarán cuatro barcos cargueros para transportar bienes de un puerto a
otros cuatro puertos (numerados 1, 2, 3,4). Se puede usar cualquier barco para
hacer cualquiera de los cuatro viajes. Sin embargo, dadas algunas diferencias
entre los barcos y las cargas, el costo total de carga, transporte y descarga de
bienes para las distintas combinaciones de barcos y puertos varía mucho.
Estos costos se muestran en la siguiente tabla.
Puerto
Barcos
1 2
3 4
1 5 4 6 7
2 6 6 7 5
3 7 5 7 6
4 5 4 6 6
El objetivo es asignar los barcos a los puertos en una correspondencia uno a
uno de manera que se minimice el costo total para los cuatro barcos.
Escuela Profesional de Ingeniería Industrial
212
5. El entrenador de un equipo de natación de un equipo de natación debe asignar
competidores para la prueba de 200 metros combinados por equipo para
mandarlos a las olimpiadas juveniles. Como mucho de sus mejores nadadores
son rápidos en más de un estilo, no le es fácil decidir a qué estilo asignar a cada
uno. Los cinco mejores nadadores y sus mejores tiempos (en segundos) en
cada estilo son:
Tipo de nado Carlos Cristina David Antonio José
Dorso 37.7 32.9 33.8 37.0 35.4
Pecho 43.4 33.1 42.2 34.7 41.8
Mariposa 33.3 28.5 38.9 30.4 33.6
Libre 29.2 26.4 29.6 28.5 31.1
El entrenador quiere determinar cómo asignar cuatro nadadores a los cuatro
tipos de nado para minimizar la suma de los mejores tiempos correspondientes.
6. Suponga que una empresa tiene 5 puestos vacantes cuyo desempeño requiere
diversas habilidades. Se han presentado 7 candidatos que han sido sometidos
a pruebas especiales de selección para cada empleo, habiendo obtenido las
siguientes calificaciones:
Empleos
Candidatos
1 2 3 4 5
A 69 97 81 68 95
B 61 79 27 14 38
C 62 83 48 65 94
D 45 80 41 65 70
E 42 39 42 32 83
F 33 34 10 12 17
G 46 50 28 33 92
Tercera unidad didáctica ● Investigación de Operaciones I
213
Ayude a determinar al gerente de personal el mejor equipo seleccionado, donde
la puntuación en su conjunto sea la máxima, considerando la calificación que
haya obtenido cada candidato en el puesto al que se decida asignarlo.
7. Steel company ha decidido iniciar la producción de cuatro nuevos productos
utilizando tres plantas que por el momento tiene exceso de capacidad de
producción. Los productos requieren un esfuerzo productivo comparable por
unidad por lo que la capacidad de producción disponible en las plantas se mide
por el número de unidades de cualquier producto que se pueden obtener por
día, como se muestra en la última columna de la tabla. El último renglón de la
producción diaria requerida para satisfacer las ventas proyectadas. Cada
planta puede producir cualquiera de estos productos, excepto la planta 2 que
no puede fabricar el producto 3. Sin embargo, el costo variable por unidad de
cada producto difiere entre una planta y otra, como se muestra en el cuerpo de
la tabla.
Ayude a la gerencia a minimizar el costo de asignación de tal manera que debe
asignarse al menos uno de los productos a cada planta.
Costo unitario Producto
Planta 1 2 3 4
Capacidad
disponible
1 41 27 28 24 75
2 40 29 - 23 75
3 37 30 27 21 45
Tasa de producción 20 30 30 40
IV Unidad didáctica
Investigación Operativa I
TÓPICOS AVANZADOS EN PROGRAMACIÓN LINEAL:
PROGRAMACIÓN POR OBJETIVOS Y PROGRAMACIÓN LINEAL ENTERA
Cuarta unidad didáctica ● Investigación de Operaciones I
217
TÓPICOS AVANZADOS EN PROGRAMACIÓN LINEAL: PROGRAMACIÓN POR OBJETIVOS Y PROGRAMACIÓN LINEAL ENTERA
9. OPTIMIZACIÓN MULTIOBJETIVO CON PROGRAMACIÓN POR METAS (O POR OBJETIVOS)
9.1. Programación de metas
9.2. Identificación de las metas y penalizaciones
9.3. Formulación de programación lineal para un problema de programación de metas
9.4. Identificación de las variables de decisión
9.5. Identificación de la función objetivo
9.6. Identificación de las restricciones
10. PROGRAMACIÓN ENTERA
10.1. ¿Cómo resolver un problema de programación lineal entera?
10.2. Interpretación gráfica del espacio de soluciones de un PPLE
10.3. ¿Qué dificultades se presenta si se redondea la solución de un PPLE?
10.4. Resolución de un PPLE por el método gráfico
10.5. La técnica de ramificación y acotamiento
11. BIBLIOGRAFÍA
Esquema de contenidos
Escuela Profesional de Ingeniería Industrial
218
IV Unidad didáctica
TÓPICOS AVANZADOS EN PROGRAMACIÓN LINEAL:
PROGRAMACIÓN POR OBJETIVOS Y PROGRAMACIÓN LINEAL ENTERA
Objetivos generales
Comprender la importancia de resolver modelos de múltiples objetivos y convertir
los objetivos múltiples originales en una sola meta.
Resolver programas lineales en los cuales algunas o todas las variables de
decisión están restringidas a valores enteros.
Objetivos específicos
Comprende y explica los conceptos básicos de la programación por objetivos. Comprende y explica los conceptos básicos de la programación lineal entera.
Objetivos
Cuarta unidad didáctica ● Investigación de Operaciones I
219
IV UNIDAD DIDÁCTICA
TÓPICOS AVANZADOS EN PROGRAMACIÓN LINEAL: PROGRAMACIÓN
POR OBJETIVOS Y PROGRAMACIÓN LINEAL ENTERA 9. OPTIMIZACIÓN MULTIOBJETIVA CON PROGRAMACIÓN POR METAS
(O POR OBJETIVOS)
Este análisis amplía el horizonte de la programación lineal, donde la función a
maximizar es única; y por tanto, la solución óptima es solo una. En la programación
por objetivos se tienen varias funciones objetivo que tratan de alcanzarse
simultáneamente, y por lo tanto la solución del modelo «satisface» los múltiples
objetivos planteados, en lugar de optimizar uno solo de ellos, o más difícil aún,
optimizar todos los objetivos.
Este modelo es una variante del modelo general de programación lineal, en el cual se
llega a la solución óptima minimizando siempre las desviaciones positivas y negativas
de las metas propuestas inicialmente. Tales metas propuestas pueden ser priorizadas
de acuerdo al grado de estimación que se tenga por alcanzarlas. Estas metas pueden
ser tan diversas como: maximizar beneficios, aumentar el porcentaje de participación
en el mercado, minimizar costos y maximizar la calidad del producto, todas incluidas
en el mismo problema, propuestas en diferentes unidades, lo cual amplía
considerablemente el horizonte de la programación lineal con un solo objetivo.
Veamos un ejemplo de optimización multiobjetiva.
Contenidos
Escuela Profesional de Ingeniería Industrial
220
Ejemplo 1.
Steel company produce tres tamaños de tubos: A, B, C, que son vendidos,
respectivamente en $10, $12 y $9 por pie. Para fabricar cada pie del tubo A se
requieren 0,5 minutos de tiempo de procesamiento sobre un tipo particular de
máquina de modelado.
Cada pie del tubo B requiere 0,45 minutos y cada pie del tubo C requiere 0,6
minutos.
Después de la producción, cada pie de tubo, sin importar el tipo, requiere 1 una
onza de material de soldar. El costo total se estima en $3, $4 y $4 por pie de
los tubos A, B y C, respectivamente.
Para la siguiente semana, MTV Steel ha recibido pedidos excepcionalmente
grandes que totalizan 2000 pies del tubo A, 4000 pies del tubo B y 5000 pies del
tubo C. Como solo se dispone de 40 horas de tiempo de máquina esta semana y
solo se tiene en inventario 5500 onzas de material de soldar, el departamento de
producción no podrá satisfacer esta demanda, requiere un total de 97 horas de
tiempo de máquina 11000 onzas de material de soldar. No se espera que
continúe este alto nivel de demanda. En vez de expandir la capacidad de las
instalaciones de producción, la gerencia de MTV está considerando la compra de
algunos de estos tubos a proveedores de Japón a un costo de entrega de $6 por
pie del tubo A, 6$ por pie del tubo B y $7 por pie del tubo C. Los datos se
resumen en la tabla siguiente:
Tipo Precio de
venta($/ft)
Demanda
(ft)
Tiempo de
máquina
(min/ft)
Material
soldar
(oz/ft)
Costo de
producción
($/ft)
Costo de
compra
($/ft)
A 10 2000 0.50 1 3 6
B 12 4000 0.45 1 4 6
C 9 5000 0.60 1 4 7
Cantidad
disponible 40hr 5500oz
Cuarta unidad didáctica ● Investigación de Operaciones I
221
Sea: x1, x2, x3, el número de pies de tubo de tipo A, B, C por producir respectivamente
y
x4, x5,x6, el número de pies de tubo de tipo A, B, C por comprar a Japón
respectivamente.
1 2 3 4 5 6Maximizar Z:7x 8x 5x 4x 6x 2x+ + + + +
s.a:
Restricción de demanda
1 4
2 5
2000(demanda del tipo A)4000 (demanda del tipo B)
x3 x6 5000 (demanda del tipo C)
x xx x+ =+ =+ =
Restricciones de recursos
Lógicas) ones(restricci 0x,x, x,x,x, xsoldar) para (material 5500 x x x
máquina) de (tiempo 24006.045.05.0
654321
321
321
≥≤++≤++ xxx
Solución: Usando el LINDO
MAX 7x1+8x2+5x3+4x4+6x5+2x6
subject to
2)x1+x4=2000
3)x2+x5=4000
4)x3+x6=5000
5)0.5x1+0.45x2+0.6x3<=2400
6)x1+x2+x3<=5500
END
Escuela Profesional de Ingeniería Industrial
222
RESULTADO OBTENIDO CON EL LINDO
LP OPTIMUM FOUND AT STEP 2
OBJECTIVE FUNCTION VALUE
1) 55000.00
VARIABLE VALUE REDUCED COST
X1 2000.000000 0.000000
X2 0.000000 0.250000
X3 2333.333252 0.000000
X4 0.000000 0.500000
X5 4000.000000 0.000000
X6 2666.666748 0.000000
ROW SLACK OR SURPLUS DUAL PRICES
2) 0.000000 4.500000
3) 0.000000 6.000000
4) 0.000000 2.000000
5) 0.000000 5.000000
6) 1166.666626 0.000000
NO. ITERATIONS= 2
Cuarta unidad didáctica ● Investigación de Operaciones I
223
RANGES IN WHICH THE BASIS IS UNCHANGED:
OBJ COEFFICIENT RANGES
VARIABLE CURRENT ALLOWABLE ALLOWABLE
COEF INCREASE DECREASE
X1 7.000000 INFINITY 0.500000
X2 8.000000 0.250000 INFINITY
X3 5.000000 0.600000 0.333333
X4 4.000000 0.500000 INFINITY
X5 6.000000 INFINITY 0.250000
X6 2.000000 0.333333 0.600000
RIGHTHAND SIDE RANGES
ROW CURRENT ALLOWABLE ALLOWABLE
RHS INCREASE DECREASE
2 2000.000000 2800.000000 2000.000000
3 4000.000000 INFINITY 4000.000000
4 5000.000000 INFINITY 2666.666748
5 2400.000000 700.000000 1400.000000
6 5500.000000 INFINITY 1166.666626
En el ejemplo anterior, el objetivo consiste en determinar cuánto de cada tipo de tubo
producir y cuánto adquirir del Japón de modo que se puedan cumplir las demandas y
maximizar las ganancias de la compañía. Sin embargo, un segundo objetivo surge
cuando el director ejecutivo le informa a usted que el gobierno ha pedido un esfuerzo
voluntario para reducir la cantidad de gasto monetario en importaciones.
En términos de estas variables de decisión nuestro nuevo modelo tiene dos objetivos:
i) Maximizar la ganancia =ganancia de la producción+ganancia de productos
adquiridos:
MAX= 1 2 3 4 5 67 8 5 4 6 2x x x x x x+ + + + +
Escuela Profesional de Ingeniería Industrial
224
ii) Minimizar el costo de importación=Costo de importación de tubos tipo A
+costos de importación de tubos Tipo B + costos de importación de tubos
Tipo C
MIN= 4 5 66 6 7x x x+ +
s.a.
Restricción de demanda
1 4
2 5
2000(demanda del tipo A)4000 (demanda del tipo B)
x3 x6 5000 (demanda del tipo C)
x xx x+ =+ =+ =
Restricciones de recursos
Lógicas) ones(restricci 0x,x, x,x,x, xsoldar) para (material 5500 x x x
máquina) de (tiempo 24006.045.05.0
654321
321
321
≥≤++≤++ xxx
Observaciones
A) Si el problema se corre con el lindo, es decir:
MAX= 1 2 3 4 5 67 8 5 4 6 2x x x x x x+ + + + +
s.a.
Restricción de demanda
1 4
2 5
2000(demanda del tipo A)4000 (demanda del tipo B)
x3 x6 5000 (demanda del tipo C)
x xx x+ =+ =
+ =
Cuarta unidad didáctica ● Investigación de Operaciones I
225
Restricciones de recursos
Lógicas) ones(restricci 0x,x, x,x,x, xsoldar) para (material 5500 x x x
máquina) de (tiempo 24006.045.05.0
654321
321
321
≥≤++≤++ xxx
La respuesta es:
1) Zmax= 55000.00
VARIABLE VALUE
X1 2000.000000
X2 0.000000
X3 2333.33252
X4 0.000000
X5 4000.000000
X6 2666.666748
B. Si el problema se corre con el lindo, es decir:
MIN= 4 5 66 6 7x x x+ +
s.a.
Restricción de demanda
1 4
2 5
2000(demanda del tipo A)4000 (demanda del tipo B)
x3 x6 5000 (demanda del tipo C)
x xx x+ =+ =
+ =
Escuela Profesional de Ingeniería Industrial
226
Restricciones de recursos
Lógicas) ones(restricci 0x,x, x,x,x, xsoldar) para (material 5500 x x x
máquina) de (tiempo 24006.045.05.0
654321
321
321
≥≤++≤++ xxx
La respuesta es:
1) Zmin= 39800
VARIABLE VALUE
X1 1200
X2 4000
X3 0
X4 799.999
X5 0
X6 5000
C. Si la respuesta de las variables de decisión obtenidas en A) reemplazamos en
B)
1) Zmax= 55000.00
VARIABLE VALUE
X1 2000.000000
X2 0.000000
X3 2333.33252
X4 0.000000
X5 4000.000000
X6 2666.666748
Es decir en MIN= 4 5 66 6 7x x x+ +
MIN= 6(0) +6(4000)+7(2666.666748)
MIN= $42666.67
Cuarta unidad didáctica ● Investigación de Operaciones I
227
Observamos que en un intento por maximizar las ganancias, el costo de las
importaciones aumenta de su valor mínimo de $39800 a $42666.67
D. Si la respuesta de las variables de decisión obtenidas en B) reemplazamos en A)
1) Zmin= 39800
VARIABLE VALUE
X1 1200
X2 4000
X3 0
X4 799.999
X5 0
X6 5000
Es decir en: MAX= 1 2 3 4 5 67 8 5 4 6 2x x x x x x+ + + + +
Max = 7((1200)+8(4000)+5(0)+4(799.999)+6(0)+2(5000)
ZMax=$53600
Observamos que en un intento por minimizar el costo de las importaciones, la
ganancia disminuye de su valor máximo de $55000 a $53600
9.1 PROGRAMACIÓN DE METAS En el ejemplo anterior debemos ver de qué modo tratamos los objetivos en conflicto de
maximizar las ganancias, y minimizar el costo de las importaciones. Un planteamiento
para manejar el equilibrio de estos objetivos es la programación de metas, en la cual,
para cada objetivo, usted identifica metas y penalizaciones.
Definición de programación de metas Planteamiento utilizado para resolver un problema de optimización de objetivos
múltiples como un programa lineal que equilibra los pros y los contras de los objetivos
en conflicto.
Escuela Profesional de Ingeniería Industrial
228
Para aplicar la programación de metas y llegar a una decisión es bueno identificar lo
siguiente:
Meta: valor objetivo numérico específico establecido para un fin en un programa de
metas o dicho de otra manera valor objetivo numérico específico que usted desea que
esa meta logre.
Penalización: valor relativo que se usa para representar insatisfacción con cada
unidad que un objetivo esté por debajo de su meta, si el objetivo es maximizar, y por
encima de la meta si el objetivo es minimizar.
9.2. IDENTIFICACIÓN DE LAS METAS Y PENALIZACIONES Las metas son los valores que los tomadores de decisiones, idealmente, desearían
lograr para cada objetivo.
Por ejemplo, en el problema, el director ejecutivo, sabiendo que la ganancia máxima
posible es de $55000, puede elegir este valor como el objetivo que refleja la meta de
lograr la ganancia más alta posible. Sabiendo que el costo mínimo posible de las
importaciones, según el resultado, es de $39800, el director ejecutivo puede escoger
este valor o algún otro como la meta. Por ejemplo, el director ejecutivo puede estar
igualmente satisfecho si se hace un intento de lograr un costo de importación de
$40000. Esta meta de $40000 puede ser violada si el hacerlo tiene como resultado un
aumento significativo de la ganancia.
Las penalizaciones, a su vez, reflejan la importancia relativa para los tomadores de
decisiones de no cumplir las metas de cada objetivo. Un valor más alto de una
penalidad indica que el cumplir con la meta tiene una mayor prioridad. Al escoger
valores específicos para estas penalidades, considere el objetivo de maximizar las
ganancias. La meta es de $55 000. Si se alcanza o excede la meta, entonces no hay
penalización. Sin embargo, si no se logra la meta de ganancia de $55 000, entonces
deberá haber penalización y cuanto más alejado se encuentre de lograr la meta, más
Cuarta unidad didáctica ● Investigación de Operaciones I
229
alta será la penalización total. Las penalizaciones pueden aumentar ya sea de manera
lineal o de manera no lineal (trabajaremos con penalizaciones lineales).
Para cada objetivo usted debe escoger un solo valor numérico para indicar la
penalización por unidad (por ejemplo, un dólar en el caso que presentamos
anteriormente), por no haber logrado la meta.
Las penalizaciones se escogen de modo que reflejen la desventaja relativa entre los
objetivos, de acuerdo con la preferencia de los tomadores de decisiones. Si el director
ejecutivo siente que es dos veces más importante lograr el objetivo de $55 000 en la
ganancia que el objetivo de $40000 en el costo de las importaciones, entonces usted
puede escoger las siguientes penalizaciones:
Penalización de ganancia = 2 por cada dólar de ganancia que esté por debajo de $55 000 Penalización de importación = 1 por cada dólar de importación que esté por encima de $40 000 En general, las penalizaciones no tienen otro significado físico que el de indicar la
importancia relativa de lograr las metas.
9.3 FORMULACIÓN DE PROGRAMACIÓN LINEAL PARA UN PROBLEMA DE PROGRAMACIÓN DE METAS
Una vez identificadas las metas y las penalizaciones para cada uno de los objetivos,
se sigue los pasos de identificación de variables de una sola función objetivo y de
restricciones.
Escuela Profesional de Ingeniería Industrial
230
9.4 IDENTIFICACIÓN DE LAS VARIABLES DE DECISIÓN Con el enfoque de programación de metas, además de las variables de decisión
originales necesitaremos definir dos nuevas variables para cada objetivo: una para
representar la cantidad en la cual el objetivo se pasa del objetivo especificado y la otra
para representar la cantidad que está por debajo de la meta.
En el ejemplo anterior debido a que hay dos objetivos, también necesita las siguientes
cuatro variables de decisión:
P+ = Cantidad de dólares en que excede la ganancia de la meta de $55 000
P - = Cantidad de dólares que faltan para la ganancia meta de $55 000
I+ = Cantidad de dólares en que las importaciones exceden la meta de $40 000
I - = Cantidad de dólares que faltan para que las importaciones alcancen la meta de
$ 40 000.
El modelo final debe asegurar que solamente una variable de cada par tenga un valor
positivo, y que el valor de la otra sea cero
9.5 IDENTIFICACIÓN DE LA FUNCIÓN OBJETIVO En la programación por metas, el objetivo es minimizar la penalización total por no
haber logrado las dos metas es decir:
Penalización total = (penalización por no alcanzar la meta de ganancia) +
(penalización por exceder la meta de importación)
Observe que el director ejecutivo ha asignado una penalización del doble por cada
dólar que falte para lograr la meta de ganancia que la asignada a cada dólar que se
exceda de la meta de importación.
Luego la función objetivo para este problema esta definido en función de P – y I+ Minimizar 2P – +1 I+
Cuarta unidad didáctica ● Investigación de Operaciones I
231
9.6 IDENTIFICACIÓN DE LAS RESTRICCIONES Las restricciones anteriores del problema se mantienen igual, excepto que en general
incluir la siguiente restricción de metas para cada objetivo original.
(Valor del objetivo) – (cantidad por arriba de la meta)+ (cantidad por debajo de la meta) = Meta Luego, el modelo anterior queda de la siguiente manera
Minimizar 2P – +1 I+
S.a. Restricción de demanda
1 4
2 5
2000(demanda del tipo A)4000 (demanda del tipo B)
x3 x6 5000 (demanda del tipo C)
x xx x+ =+ =
+ =
Restricciones de recursos
1 2 3
1 2 3
0.5 0.45 0.6 2400 (tiempo de máquina) x x x 5500 (material para soldar)
x x x+ + ≤+ + ≤
Restricciones de metas
1 2 3 4 5 67 8 5 4 6 2 55000x x x x x x P p+ −+ + + + + − + =
4 5 66 6 7 40000x x x I I+ −+ + − + =
1 2 3 4 5 6 x ,x ,x ,x ,x ,x , , , , 0 (restricciones Lógicas)P P I I+ − + − ≥
(Observe que al menos I + o I − debe tomar el valor de cero lo mismo para las P)
Escuela Profesional de Ingeniería Industrial
232
Aplicando el paquete LINDO al modelo
min 2Pmenos+Imas
subject to
2)x1+x4=2000
3)x2+x5=4000
4)x3+x6=5000
5)0.50x1+0.45x2+0.60x3<=2400
6)x1+x2+x3<=5500
7)7x1+8x2+5x3+4x4+6x5+2x6-Pmas+Pmenos=55000
8)6x4+6x5+7x6-Imas+Imenos=40000
end
Se obtiene el siguiente resultado:
LP OPTIMUM FOUND AT STEP 5
OBJECTIVE FUNCTION VALUE
1) 1888.889
VARIABLE VALUE REDUCED COST
PMENOS 777.777771 0.000000
IMAS 333.333344 0.000000
X1 2000.000000 0.000000
X4 0.000000 0.888889
X2 3111.111084 0.000000
X5 888.888916 0.000000
X3 0.000000 0.333334
X6 5000.000000 0.000000
PMAS 0.000000 2.000000
IMENOS 0.000000 1.000000
Cuarta unidad didáctica ● Investigación de Operaciones I
233
ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 2.888889 3) 0.000000 6.000000 4) 0.000000 -3.000000 5) 0.000000 22.222221 6) 388.888885 0.000000 7) 0.000000 -2.000000 8) 0.000000 1.000000
NO. ITERATIONS= 5
RANGES IN WHICH THE BASIS IS UNCHANGED:
OBJ COEFFICIENT RANGES
VARIABLE CURRENT ALLOWABLE ALLOWABLE
COEF INCREASE DECREASE
PMENOS 2.000000 1.000001 1.142857
IMAS 1.000000 1.333334 0.333333
X1 0.000000 0.888889 INFINITY
X4 0.000000 INFINITY 0.888889
X2 0.000000 0.250000 0.800000
X5 0.000000 0.800000 0.250000
X3 0.000000 INFINITY 0.333333
X6 0.000000 0.333333 INFINITY
PMAS 0.000000 INFINITY 2.000000
IMENOS 0.000000 INFINITY 1.000000
RIGHTHAND SIDE RANGES
ROW CURRENT ALLOWABLE ALLOWABLE
RHS INCREASE DECREASE
2 2000.000000 162.790695 50.000004
3 4000.000000 129.629623 55.555557
4 5000.000000 388.888885 47.619049
5 2400.000000 25.000002 1399.999878
6 5500.000000 INFINITY 388.888885
7 55000.000000 INFINITY 777.777771
8 40000.000000 333.333344 INFINITY
Escuela Profesional de Ingeniería Industrial
234
Observamos que nuestro plan de producción es:
Producir 2000 pies del tubo tipo A y 3111.11 pies del tubo tipo B
Y nuestro plan de compra es:
Importar 888.9 pies del tubo Tipo B y de 5000 pies del tubo tipo C
En términos de las metas observamos que:
i) P-: el valor de 777.78 para (PMenos) nos indica que la meta de ganancia de
$55000 no se cumple por $777.78. En otras palabras, el plan de producción-
importación anterior tiene una ganancia de $(55000-777.78)=$54222.22
ii) I + : el valor de 333.3333 para (IMás) nos indica que la meta de importación de
$40 000 se excede en $333.3333. En otras palabras el plan de producción-
importación anterior tiene un costo de $(40000+333.3333)=$40333.33333 Observaciones:
i) Los objetivos múltiples, a menudo, entran en conflicto entre sí. S olo se puede optimizar un objetivo a expensas de los otros.
ii) No podemos esperar lograr los mejores valores p ara todos los objetivos de manera simultánea.
Serie de problemas 10 1. Presentar 5 ejemplos de programación por objetivos con sus respectivos análisis.
Cuarta unidad didáctica ● Investigación de Operaciones I
235
10. PROGRAMACIÓN ENTERA
Definición. Un problema de programación lineal entera (PPLE) es aquel que
representa el siguiente formato:
1
n
j jj
Max c x=∑
s.a.
1
1, 2,n
ij j ij
a x b i m=
≤ =∑
entero 0jx ≥
Asimismo, definimos su equivalente continuo como:
1
n
j jj
Max c x=∑
s.a.
1 1, 2,
n
ij j ij
a x b i m=
≤ =∑
0jx ≥
Un problema de programación lineal entera y su equivalente continuo tiene la misma
estructura solo los diferencia el hecho de que en el segundo las variables pueden
asumir valores reales.
10.1. ¿CÓMO RESOLVER UN PROBLEMA DE PROGRAMACIÓN LINEAL ENTERA?
• Dado un PPLE primeramente resolvemos su equivalente continuo, si la solución
obtenida es entera, entonces esta solución será también la solución óptima del
PPLE.
• Si por el contrario, la solución óptima del equivalente continuo tiene por lo menos
una variable cuyo valor no es entero, entonces debemos utilizar Técnicas de
Programación Entera.
Escuela Profesional de Ingeniería Industrial
236
10.2. INTERPRETACIÓN GRÁFICA DEL ESPACIO DE SOLUCIONES DE UN PPLE
Consideremos el siguiente PPLE
Max 4 5. .
82 10
, ,enteros 0
z x ys ax y
x yx y
= +
+ ≤+ ≤
≥
0 10 20 30 40 50 600
6
12
18
24
: 1 x + 1 y = 8
: 2 x + 1 y = 10
Payoff: 4 x + 5 y = 40
Optimal Decisions(x,y): ( 0, 8): 1x + 1y <= 8: 2x + 1y <= 10
Cuarta unidad didáctica ● Investigación de Operaciones I
237
Observaciones 1. El espacio de soluciones factibles de un PPLE está formado por puntos
aislados.
2. El espacio de soluciones factibles de un PPLE no es conjunto convexo.
3. Ya no se puede hablar de puntos extremos.
4. En el ejemplo presentado la solución óptima del equivalente continuo es
(x,y)=(0,8)
0 10 20 30 40 50 600
6
12
18
24
: 1 x + 1 y = 8
: 2 x + 1 y = 10
Payoff: 4 x + 5 y = 40
Optimal Decisions(x,y): ( 0, 8): 1x + 1y <= 8: 2x + 1y <= 10
Como esta solución es entera será también solución del PPLE.
Escuela Profesional de Ingeniería Industrial
238
10.3. ¿QUÉ DIFICULTADES SE PRESENTA SI SE REDONDEA LA SOLUCIÓN DE UN PPLE?
Si al resolver el equivalente continuo de un PPLE, la solución no resulta entera y
optamos por redondear dicha solución se pueden presentar las siguientes dificultades
a) La solución redondeada es no factible
Consideremos el siguiente PPLE
Max. .
2 62 4
, ,enteros 0
z x ys a
x yx yx y
= +
+ ≤+ ≤
≥
Resolviendo el equivalente continuo por el método gráfico:
Max. .
2 62 4
, 0
z x ys a
x yx yx y
= +
+ ≤+ ≤≥
0 10 20 300
6
12
: 2.00 x + 1.00 y = 6.00
: 1.00 x + 2.00 y = 4.00
Payoff: 1.00 x + 1.00 y = 3.33
Optimal Decisions(x,y): (2.67, 0.67): 2.00x + 1.00y <= 6.00: 1.00x + 2.00y <= 4.00
Cuarta unidad didáctica ● Investigación de Operaciones I
239
Solución óptima del equivalente continuo:
8 2.6732 0.673
x
y
= ≈
= ≈Solución redondeada: 3 1 x y= =
Vemos que la solución redondeada ¡no cumple las restricciones! Por lo que decimos
que es no factible.
Observe por ejemplo: 2 6 2(3) 1 6x y+ ≤ → + ≤ como vemos no cumple la restricción.
b) La solución redondeada cumple las restricciones pero no es óptima Consideremos el siguiente PPLE
Max 5 4. .
510 6 45
, ,enteros 0
z x ys ax y
x yx y
= +
+ ≤+ ≤
≥
Resolviendo el equivalente continuo por el método gráfico:
Max 5 4. .
510 6 45
, 0
z x ys ax y
x yx y
= +
+ ≤+ ≤≥
0 10 20 30 400
6
12
18
: 1.00 x + 1.00 y = 5.00
: 10.00 x + 6.00 y = 45.00
Payoff: 5.00 x + 4.00 y = 23.75
Optimal Decisions(x,y): (3.75, 1.25): 1.00x + 1.00y <= 5.00: 10.00x + 6.00y <= 45.00
Solución óptima del equivalente continuo es 3.75 y=1.25x = con Z= 23.75
Escuela Profesional de Ingeniería Industrial
240
Redondeando:
Asumamos que redondeamos: 3 y=1x = , es decir, en el punto (3,1)
Observamos que: 5 4 5(3) 4(1) 19Z x y Z= + → = + = es factible, pero no es óptimo
pues (3,2) es una mejor solución, es decir: 5 4 5(3) 4(2) 23Z x y Z= + → = + = y es
óptimo.
Veamos su gráfico por PPLE.
0 10 20 30 400
6
12
18
: 1.00 x + 1.00 y = 5.00
: 10.00 x + 6.00 y = 45.00
Payoff: 5.00 x + 4.00 y = 23.00
Optimal Decisions(x,y): (3.00, 2.00): 1.00x + 1.00y <= 5.00: 10.00x + 6.00y <= 45.00
Cuarta unidad didáctica ● Investigación de Operaciones I
241
10.4 Resolución de un PPLE por el método gráfico
Min 24000 20000.
40 30 4002 15
105
, enteros 0
x ys a
x yx y
xyx y
+
+ ≥− ≤≤≤
≥
0 10 20 30 40 50 600
6
12
18
24
30
: 40 x + 30 y = 400
: 2 x - 1 y = 15
: 1 x + 0 y = 10
: 0 x + 1 y = 5
Payoff: 24000 x + 20000 y = 248000
Optimal Decisions(x,y): ( 7, 4): 40x + 30y >= 400: 2x - 1y <= 15: 1x + 0y <= 10: 0x + 1y <= 5
El espacio de soluciones factibles del PPLE es:
F= {(7,5),(8,5),(9,5),(10,5),(7,4),(8,4),(9,4),(8,3),(9,3)} si reemplazamos cada punto en
la función objetivo veremos que el punto que minimiza la función objetivo es el punto
(7,4) con función objetivo mínimo igual a 248 000
Escuela Profesional de Ingeniería Industrial
242
10.5. LA TÉCNICA DE RAMIFICACIÓN Y ACOTAMIENTO Esta técnica consiste en insertar restricciones en el problema original (acotamiento) y
resolviendo por el método Simplex vamos obteniendo soluciones óptimas con los
cuales se va construir un árbol de decisión (ramificación) siguiendo luego en la
dirección del árbol con el mejor valor óptimo encontrado hasta el momento.
10.5.1. Procedimiento
1. Resolvemos el equivalente continuo del PPLE, esto puede dar lugar a las
siguientes posibilidades:
a. Si la solución óptima obtenida es entera, entonces fin del proceso,
ésta será la solución del PPLE.
b. En caso contrario tomamos una de las variables cuyo valor no es
entero y generamos dos restricciones.
Por ejemplo: suponga que: x r= ∉
Podemos observar que se generan dos ramificaciones es decir:
[ ] [ ] ; 1x r x r⎡ ⎤ ⎡ ⎤≤ ≥ +⎣ ⎦ ⎣ ⎦
2. Resolvemos el equivalente continuo insertando una de las restricciones,
por ejemplo: [ ]x r⎡ ⎤≤ ⎣ ⎦ y ubicamos el resultado en una de las
ramificaciones. Luego resolvemos el equivalente continuo considerando
solo la segunda restricción: [ ] 1x r⎡ ⎤≥ +⎣ ⎦ y ubicamos el resultado en la otra
ramificación.
[ ]r⎡ ⎤⎣ ⎦ [ ] 1r⎡ ⎤+⎣ ⎦
r
Cuarta unidad didáctica ● Investigación de Operaciones I
243
3. Si alguna solución obtenida es entera y no existe ramificación con algún
valor óptimo mejor, entonces fin de proceso en caso contrario continuamos
con el paso 1 en la ramificación que tenga el mejor valor óptimo hasta el
momento.
Ejercicios
1. Max. 3X1 + 4X2
s.a.
2X1 + 3X2 <= 18
8X1 + 7X2 <= 56
X1 , X2 enteros >= 0
Solución
Resolviendo el equivalente continúo
Max. 3X1 + 4X2
s.a.
2X1 + 3X2 <= 18
8X1 + 7X2 <= 56
L1: 2X1 + 3X2 = 18
X1 X2
0 6 (0,6)
9 0 (9,0)
L2: 8X1 + 7X2 = 56
X1 X2
0 8 (0,8)
7 0 (7,0)
L1: 2X1 + 3X2 = 18
L2: 8X1 + 7X2 = 56
Escuela Profesional de Ingeniería Industrial
244
0 10 20 30 40 50 60 700
6
12
18
24
30
: 2.0 X1 + 3.0 X2 = 18.0
: 8.0 X1 + 7.0 X2 = 56.0
Payoff: 3.0 X1 + 4.0 X2 = 25.4
Optimal Decisions(X1,X2): ( 4.2, 3.2): 2.0X1 + 3.0X2 <= 18.0: 8.0X1 + 7.0X2 <= 56.0
Cuarta unidad didáctica ● Investigación de Operaciones I
245
L1 ∩ L2
2X1 + 3X2 = 18 (4) 2X1 + 3(3.2) = 18
8X1 + 7X2 = 56 2X1 + 9.6 = 18
8X1 + 12X2= 72 (-) 2X1 = 8.4
8X1 + 7X2 = 56 X1 = 4.2
5X2 = 16
X2 = 3.2
Respuesta: X1 = 3
X2 = 4
Z óptimo = 25
Z= 25.4 X1 = 4.2 X2 = 3.2
Z= 25.33 X1 = 4 X2 = 3.23
Z= 24.144X1 = 5 X2 = 2.28
X1 <= [| 4.2 |]
X1 >= [| 4.2 |] + 1
Z= 25.13 X1 = 4.38 X2 = 3
Z= 25 X1 = 3 X2 = 4
X2 <= [| 3.33 |]
X2 >= [| 3.33 |] + 1
2X1 + 3X2 <= 18 X1 = 5 , X2 = 2.667 8X1 + 7X2 <= 56 X1 = 5 , X2 = 2.285
2X1 + 3X2 <= 18 X1 = 4 , X2 = 3.333 8X1 + 7X2 <= 56 X1 = 4 , X2 = 3.428
No tiene sentido
2X1 + 3X2 <= 18 X2 = 3 , X1 = 4.5 8X1 + 7X2 <= 56 X2 = 3 , X1 = 4.375
2X1 + 3X2 <= 18 X2 = 4 , X1 = 3 8X1 + 7X2 <= 56 X2 = 4 , X1 = 3.5
Escuela Profesional de Ingeniería Industrial
246
Observaciones
1) A medida que aumentamos de nivel el valor de la función objetivo no mejorará.
2) En el problema que se ha tenido que resolver, la solución entera es la siguiente:
1 2
1 2
1 2
1
2
1 2
max 3 4. . 2x +3x 18
8x +7x 56 x 4 x 4 x ,x 0
x xs a
+≤≤≤≤≥
Serie de problemas 10 Resolver por ramificación y acotamiento
1) 1 25 4MaxZ x x= +
s.a.
1 2
1 2
1 2
510 6 45
, ,entero 0
x xx x
x x
+ ≤+ ≤
≥
2) 1 23 2MaxZ x x= +
s.a.
1 2
1 2
1 2
2 2 93 3 18
, ,entero 0
x xx x
x x
+ ≤+ ≤
≥
Cuarta unidad didáctica ● Investigación de Operaciones I
247
3) 1 2MaxZ x x= +
s.a.
1 2
1 2
1 2
2 5 166 5 27
, ,entero 0
x xx x
x x
+ ≤+ ≥
≥
4) 1 2Min 5 4Z x x= +
s.a.
1 2
1 2
1 2
3 2 52 3 7
, ,entero 0
x xx x
x x
+ ≥+ ≥
≥
5) 1 2Min 24000 20000Z x x= +
s.a.
1 2
1 2
1
2
1 2
40 30 4002 15
105
, ,entero 0
x xx x
xxx x
+ ≥− ≤≤≤
≥
Escuela Profesional de Ingeniería Industrial
248
HILLER, Frederick-LIEBERMAN, Gerald
Introducción a la Investigación Operativa.
McGraw-Hill, México, 1991.
BAZARAA, Mokhtar-JARVIS, John
Programación lineal y flujo de redes.
Limusa-México.
PRAWDA WITENBERG, Juan
Métodos y Modelos de Investigación de Operaciones. Vol. I
Limusa-México
TAHA, Hamdy
Investigación de Operaciones. Una Introducción.
Representaciones y Servicios de Ingeniería S.A. México.
EPEN-GOULD-SCHMIDT
Investigación de Operaciones en la Ciencia Administrativa.
Prentice- Hall Hispanoamérica, S.A.
DANTZIG, George B.
Linear Programming and Extension.
Princeton University Press
SASIENI, YASPAN and FRIEDMAN
Operations Research.
J. Wesles & Sons Inc.
Bibliografía
Cuarta unidad didáctica ● Investigación de Operaciones I
249
MOSKOWITZ, Herbert,
Investigación de Operaciones.
España, Edit Prentice-Hall
BUFFA y DYER
Ciencias de la Administración e Investigación de Operaciones.
Limusa.
TURBAN, Meredith,
Fundamentals of Management Science.
Irwin, 5th. Edition - 1999
KAMLESH, Mathur y Daniel SOLOW
Investigación de operaciones. El arte de la toma de decisiones.