Super Can

1 de 85
Universidad de Pamplona
Pamplona - Norte de Santander - Colombia
Tels: (7) 5685303 - 5685304 - 5685305 - Fax: 5682750 - www.unipamplona.edu.co

Una Universidad incluyente y comprometida con el
desarrollo integral
UNIVERSIDAD DE PAMPLONA

APLICACIN DEL MTODO SIMPLEX EN SUPER CAN
MODELO MATEMTICO

INTEGRANTES:

ZULMA KATHERINE JAIMES BECERRA

RONALD OBEID MANJAREZ

MARLON HERNANDO GARCIA

PRESENTADO A:

MG. BELISARIO PEA RODRIGUEZ
DOCENTE

INVESTIGACIN DE OPERACIONES
FACULTAD DE INGENIERIAS Y ARQUITECTURA
PAMPLONA
2013

2 de 85

desarrollo integral
NDICE

.

INTRODUCCION PG. 7

JUSTIFICACION PG. 8

OBJETIVOS PG. 9

OBJETIVOS GENERAL PAG. 9

OBJETIVOS ESPECIFICOS PAG. 9

MARCO TEORICO PAG. 10

NATURALEZA DE LA INVESTIGACIN DE OPERACIONES PG. 10

IMPACTO DE LA INVESTIGACIN DE OPERACIONES PG. 11

RIESGO AL APLICAR LA INVESTIGACIN DE OPERACIONES PG. 11

QUE ES ES LA INVESTIGACION DE OPERACIONES PG. 12

EN RELACIN A STA DEFINICIN DEBEN DESTACARSE LOS SIGUIENTES
ASPECTOS PG. 13

HISTORIA DE LA INVESTIGACION DE OPERACIONES PAG. 14

ORGENES DE LA INVESTIGACIN DE OPERACIONES PG. 14

ENFOQUE DE LA INVESTIGACIN DE OPERACIONES PG. 16

METODOLOGA DE LA INVESTIGACION DE OPERACIONES PG. 17

3 de 85

desarrollo integral
DEFINICIN DEL PROBLEMA Y RECOLECCIN DE DATOS
PG. 17

FORMULACIN DE UN MODELO MATEMTICO PG. 18

OBTENCIN DE UNA SOLUCIN A PARTIR DEL MODELO
PRUEBA DEL MODELO PG. 19

PRUEBA DEL MODELO PAG. 20

ESTABLECIMIENTO DE CONTROLES SOBRE LA SOLUCIN
PAG. 21

IMPLANTACIN DE LA SOLUCIN PG. 21

PREPARACIN PARA LA APLICACIN DEL MODELO PG. 22

LIMITACIONES DE LA INVESTIGACIN DE OPERACIONES
PG. 22

MODELOS ESPECFICOS DE LA INVESTIGACIN DE
OPERACIONES PG. 23

MODELO MATEMATICO SIMPLEX PG. 24

DESARROLLANDO EL MTODO SIMPLEX PG. 28

MTODO SIMPLEX PG. 29

MTODO DE LAS DOS FASES PG. 31

IDENTIFICANDO CASOS ANMALOS Y SOLUCIONES PG. 32

.
MARCO CONCEPTUAL PAG. 34

ALGORITMO PAG. 34

COSTO DE OPORTUNIDAD PAG. 34

4 de 85

desarrollo integral

MATRIZ PAG. 34

MTODO PAG. 34

RESTRICCIN PAG. 34

SISTEMA CANNICO EN UN MODELO PAG. 34

TABLA SIMPLEX PAG. 34

UN SIMPLEX PAG. 34

UTILIDAD BRUTA PAG. 35

VARIABLE ARTIFICIAL PAG. 35

VARIABLES BSICAS PAG. 35

VARIABLES DE DECISIN PAG. 35

VARIABLE DE HOLGURA PAG. 35

VARIABLE ENTRANTE PAG. 35

ESTRUCTURA DE LA EMPRESA PAG. 36

MISIN PG. 37

VISION PAG. 38

POLTICA DE CALIDAD PG. 39

FLUJO DE PROCESOS Y DIAGRAMA DE OPERACIONES PAG. 40

INFORMACION DEL PROBLEMA PAG. 40

TABLA DE INSUMOS Y GASTOS DIARIOS PG. 43

5 de 85

desarrollo integral
VARIABLES PG. 44

FUNCION OBJETIVO PG. 45

RESTRICCIONES POR PRODUCTO PG. 46

RESTRICCIONES PAG. 51

MODELO MATEMATICO POR WINQSB PAG. 55

TABLAS DE VARIABLES Y DE ANALISIS DE SUPER CAN
PAG. 55

Tabla 1 -Sper Can PAG. 56











Tabla 12 TABLA OPTIMA -Sper Can PAG. 67

ANALISIS DE SENSIBILIDAD CASO 1 Y 2 PAG. 68

ANALISIS DE SENSIBILIDAD CASO 3 PAG. 70

ANALISIS DE SENSIBILIDAD TABLA OPTIMA CASO 3 PAG. 71

6 de 85

desarrollo integral





METODO DE TRANSPORTE PAG. 76

METODO DE ASIGNACION PAG. 78

METODO DE LA RUTA MAS CORTA PAG. 79

RECOMENDACIONES PAG. 80

CONCLUSIONES PAG. 81

REFERENCIAS PAG. 83

BIBLIOGRAFIA PAG. 84

7 de 85

desarrollo integral
INTRODUCCIN

Los cambios revolucionarios originaron gran aumento en la divisin de trabajo y la
separacin de las responsabilidades administrativas en las organizaciones. Sin embargo
esta revolucin creo nuevos problemas que ocurren hasta la fecha en muchas empresas.
Uno de estos problemas es la tendencia de muchos de los componentes a convertirse en
imperios relativamente autnomos, 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 Investigacin de Operaciones. [1]

Esta disciplina brinda y utiliza la metodologa cientfica en la bsqueda de soluciones
ptimas, como apoyo en los procesos de decisin, en cuanto a lo que se refiere a la toma
de decisiones ptimas y en sistemas que se originan en la vida real.[2]

El presente trabajo est enfocado en la aplicacin del Mtodo de Programacin Lineal
SIMPLEX, el cual ser aplicado en campo de negocio de pasteles sper can ubicada en
la ciudad de Pamplona incorporando los conceptos tericos de la Investigacin de
Operaciones, a fin de enmarcar la tcnica de programacin lineal en el contexto general de
las tcnicas de optimizacin.

En esta disciplina se destacan las siguientes caractersticas esenciales:
una fuerte orientacin a Teora de Sistemas,
La participacin de equipos interdisciplinarios,
La aplicacin del mtodo cientfico en apoyo a la toma de decisiones.

En base a estas propiedades, una posible definicin es: la Investigacin Operativa es la
aplicacin del cientfico por equipos interdisciplinarios a problemas que comprenden el
control y gestin de sistemas organizados (hombre- mquina); con el objetivo de encontrar
soluciones que sirvan mejor a los propsitos del sistema (u organizacin) como un todo,
enmarcados en procesos de toma de decisiones [3].

El propsito inicial del siguiente estudio tiene que ver con la revisin de cada uno de los
conceptos aprendidos durante las horas- clase de esta asignatura durante el semestre con
el fin de darle aplicacin en busca de la optimizacin de los ingresos provenientes por la
fabricacin y elaboracin de pasteles de sper can, obteniendo as una asignacin optima
de muebles a fabricar; mediante el software WIN-QSB 1.0.

8 de 85

desarrollo integral
JUSTIFICACIN

La aplicacin de la investigacin de operaciones especficamente del mtodo simplex en el
interior de las empresas es de suma importancia en la medida en que permite mejorar la
toma de decisiones. La Investigacin de Operaciones aspira determinar la mejor solucin
(optima) para un problema de decisin con la restriccin de recursos limitados.

Las ciencias econmicas estn plasmadas y desarrolladas con el objetivo de buscar una
rentabilidad, de forma eficiente, de los diferentes recursos y aspectos que involucra la
sociedad, el entorno en el que vivimos, y en el que vivirn las generaciones futuras,
teniendo como partida el entorno de nuestros antepasados.
Para la realizacin tal objetivo, es indispensable el uso de diferentes instrumentos,
modelos, teoras, ramas de otras ciencias y dems; donde para efectos de este trabajo se
mencionara y se desarrollara la aplicacin de la investigacin de operaciones.

La investigacin de operaciones es una rama de las matemticas consistente en el uso de
modelos matemticos, estadstica y algoritmos con objeto de realizar un proceso de toma
de decisiones, teniendo en cuenta la escasez de recursos, para determinar cmo se puede
optimizar un objetivo definido, como la maximizacin de los beneficios o la minimizacin de
costes. Donde, para esta ocasin, se buscara la maximizacin de beneficios de una
empresa de pasteles y perros sper can de la localidad de Pamplona, En este trabajo
veremos plasmada la necesidad del uso de los modelos y herramientas proporcionadas por
la investigacin de operaciones, dado que la utilizacin de los mismos llevan a la
identificacin de productos potenciales, bajo el objetivo de la bsqueda de la mayor
rentabilidad posible, haciendo uso de la forma ms eficiente de los recursos disponibles;
soluciones que no son detectables a simple vista.

9 de 85

desarrollo integral
OBJETIVOS

El objetivo de este trabajo es que el estudiante aprenda a reconocer los problemas tipo de
la Investigacin de Operaciones de modo que sepa a qu tcnico recurrir en cada caso,
para un adecuado estudio y solucin del mismo.

Como su nombre lo indica, la Investigacin de Operaciones (IO), o Investigacin Operativa,
es la investigacin de las operaciones a realizar para el logro ptimo de los objetivos de un
sistema o la mejora del mismo.

OBJETIVO GENERAL

Optimizar los ingresos provenientes de la elaboracin y fabricacin de pasteles de sper
can, para obtener una asignacin ptima de cantidad de pasteles a fabricar.

OBJETIVOS ESPECFICOS

1. Recolectar informacin de la empresa con el fin de conocer el negocio.

2. Elaborar un modelo matemtico de Programacin Lineal que se ajuste a la informacin
recolectada en la Carpintera.

3. Utilizar los conceptos del Mtodo SIMPLEX para la solucin del modelo del problema de
la Carpintera.

4. Utilizar el software WIN-QSB 1.0 para analizar el resultado del modelo matemtico
planteado.

10 de 85

desarrollo integral
MARCO TERICO

NATURALEZA DE LA INVESTIGACIN DE OPERACIONES

Como su nombre lo dice, la investigacin de operaciones significa "hacer investigacin
sobre las operaciones". Entonces, la investigacin de operaciones se aplica a problemas
que se refieren a la conduccin y coordinacin de operaciones (o actividades) dentro de
una organizacin. La naturaleza
de la organizacin es esencialmente inmaterial y, de hecho, la investigacin de operaciones
se ha aplicado de manera extensa en reas tan diversas como la manufactura, el
transporte, la constitucin, las telecomunicaciones, la planeacin financiera, el cuidado de
la salud, la milicia y los servicios pblicos, por nombrar slo unas cuantas. As, la gama de
aplicaciones es extraordinariamente amplia.

La parte de investigacin en el nombre significa que la investigacin de operaciones usa un
enfoque similar a la manera en que se lleva a cabo la investigacin en los campos
cientficos establecidos. En gran medida, se usa el mtodo cientfico para investigar el
problema en cuestin. (De hecho, en ocasiones se usa el trmino ciencias de la
administracin como sinnimo de investigacin de operaciones.) En particular, el proceso
comienza por la observacin cuidadosa y la formulacin del problema incluyendo la
recoleccin de los datos pertinentes. El siguiente paso es la construccin de un modelo
cientfico (por lo general matemtico) que intenta abstraer la esencia del problema real. En
este punto se propone la hiptesis de que el modelo es una representacin lo
suficientemente precisa de las caractersticas esenciales de la situacin como para que las
conclusiones (soluciones) obtenidas sean vlidas tambin para el problema real.
Despus, se llevan a cabo los experimentos adecuados para probar esta hiptesis,
modificarla si es necesario y eventualmente verificarla. (Con frecuencia este paso se
conoce como validacin del modelo.) Entonces, en cierto modo, la investigacin de
operaciones incluye la investigacin cientfica creativa de las propiedades fundamentales
de las operaciones. Sin embargo, existe ms que esto. En particular, la IO se ocupa
tambin de la administracin prctica de la organizacin. As, para tener xito, deber
tambin proporcionar conclusiones claras que pueda usar el tomador de decisiones cuando
las necesite. Una caracterstica ms de la investigacin de operaciones es su amplio punto
de vista. Como qued implcito en la seccin anterior, la IO adopta un punto de vista
organizacional. De esta manera, intenta resolver los conflictos de intereses entre las
componentes de la organizacin de forma que el resultado sea el mejor para la
organizacin completa. Esto no significa que el estudio de cada problema deba considerar
en forma explcita todos los aspectos de la organizacin sino que los objetivos que se
buscan deben ser consistentes con los de toda ella.
Una caracterstica adicional es que la investigacin de operaciones intenta encontrar una
mejor solucin, (llamada solucin ptima) para el problema bajo consideracin. (Decimos
una mejor solucin y no la mejor solucin porque pueden existir muchas soluciones que

11 de 85

desarrollo integral
empaten como la mejor.) En lugar de contentarse con mejorar el estado de las cosas, la
meta es identificar el mejor curso de accin posible. Aun cuando debe interpretarse con
todo cuidado en trminos de las necesidades reales de la administracin, esta "bsqueda
de la optimizad" es un aspecto importante dentro de la investigacin de operaciones.

Todas estas caractersticas llevan de una manera casi natural a otra. Es evidente que no
puede esperarse que un solo individuo sea un experto en todos los mltiples aspectos del
trabajo de investigacin de operaciones o de los problemas que se estudian; se requiere un
grupo de individuos con diversos antecedentes y habilidades. Entonces, cuando se va a
emprender un estudio de investigacin de operaciones completo de un nuevo problema,
por lo general es necesario emplear el empleo de equipo. Este debe incluir individuos con
antecedentes firmes en matemticas, estadstica y teora de probabilidades, al igual que en
economa, administracin de empresas, ciencias de la computacin, ingeniera, ciencias
fsicas, ciencias del comportamiento y, por supuesto, en las tcnicas especiales de
investigacin de operaciones. El equipo tambin necesita tener la experiencia y las
habilidades necesarias para permitir la consideracin adecuada de todas las ramificaciones
del problema a travs de la organizacin.[4]

IMPACTO DE LA INVESTIGACIN DE OPERACIONES

La investigacin de operaciones ha tenido un impacto impresionante en el mejoramiento de
la eficiencia de numerosas organizaciones en todo el mundo. En el proceso, la
investigacin de operaciones ha hecho contribuciones significativas al incremento de la
productividad dentro de la economa de varios pases. Hay ahora ms de 30 pases que
son miembros de la International Federation of Operational Research Societies (IFORS), en
la que cada pas cuenta con una sociedad de investigacin de operaciones.
Sin duda, el impacto de la investigacin de operaciones continuar aumentando. Por
ejemplo, al inicio de la dcada de los 90, el U.S. Bureau of Labor Statistics predijo que la IO
sera el rea profesional clasificada como la tercera de ms rpido crecimiento para los
estudiantes universitarios en Estados Unidos, graduados entre 1990 y 2005. Pronostic
tambin que, para el ao 2005, habra 100 000 personas trabajando como analistas de
investigacin de operaciones.[5]

RIESGO AL APLICAR LA INVESTIGACIN DE OPERACIONES

Al aplicar la I de O al estudio de sistemas y a la resolucin de problemas se corre el riesgo
de tratar de manipular los problemas para buscar que se ajusten a las diferentes tcnicas,
modelos de algoritmos establecidos en lugar de analizar los problemas y buscar resolverlos
obteniendo las soluciones mejores, utilizando los mtodos apropiados, es decir resolver el
problema utilizando los mtodos que proporcionan las mejoras soluciones y no buscar
ajustar el problema a un mtodo especfico.
Para llegar a hacer un uso apropiado de la I de O, es necesario primero comprender la
metodologa para resolver los problemas, as como los fundamentos de las tcnicas de

12 de 85

desarrollo integral
solucin para de esta forma saber cundo utilizarlas o no en las diferentes
circunstancias.[6]

QUE ES ES LA INVESTIGACION DE OPERACIONES?

Como toda disciplina en desarrollo, la investigacin de operaciones ha ido evolucionando
no slo en sus tcnicas y aplicaciones sino en la forma como la conceptualizan los
diferentes autores, en la actualidad no existe solamente una definicin sino muchas,
algunas demasiado generales, otras demasiado engaosas, aqu seleccionamos dos de las
ms aceptadas y representativas.[7]
De sta definicin se pueden destacar los siguientes conceptos:

1. Una organizacin es un sistema formado por componentes que se interaccionan, unas
de estas interacciones pueden ser controladas y otras no.

2. En un sistema la informacin es una parte fundamental, ya que entre las componentes
fluye informacin que ocasiona la interaccin entre ellas. Tambin dentro de la estructura
de los sistemas se encuentran recursos que generan interacciones. Los objetivos de la
organizacin se refieren a la eficacia y eficiencia con que las componentes pueden
controlarse, el control es un mecanismo de autocorreccin del sistema que permite evaluar
los resultados en trminos de los objetivos establecidos.

3. La complejidad de los problemas que se presentan en las organizaciones ya no encajan
en una sola disciplina del conocimiento, se han convertido en multidisciplinario por lo cual
para su anlisis y solucin se requieren grupos compuestos por especialistas de diferentes
reas del conocimiento que logran comunicarse con un lenguaje comn.

4. La investigacin de operaciones es la aplicacin de la metodologa cientfica a travs
modelos matemticos, primero para representar al problema y luego para resolverlo. La
definicin de la sociedad de investigacin de operaciones de la Gran Bretaa es la
siguiente:
La investigacin de operaciones es el ataque de la ciencia moderna a los complejos
problemas que surgen en la direccin y en la administracin de grandes sistemas de
hombres, mquinas, materiales y dinero, en la industria, en los negocios, en el gobierno y
en la defensa. Su actitud diferencial consiste en desarrollar un modelo cientfico del sistema
tal, que incorpore valoraciones de factores como el azar y el riesgo y mediante el cual se
predigan y comparen los resultados de decisiones, estrategias o controles alternativos. Su
propsito es el de ayudar a la gerencia a determinar cientficamente sus polticas y
acciones.

13 de 85

desarrollo integral
EN RELACIN A STA DEFINICIN DEBEN DESTACARSE LOS SIGUIENTES
ASPECTOS

1.Generalmente se asocian los conceptos de direccin y administracin a las empresas de
tipo lucrativo, sin embargo, una empresa es un concepto ms amplio, es algo que utiliza
hombres, mquinas, materiales y dinero con un propsito especfico; desde ste punto de
vista, se considera como empresa desde una universidad hasta una armadora de
automviles.

2. Para tratar de explicar el comportamiento de un sistema complejo, el cientfico debe
representarlo en trminos de los conceptos que maneja, lo hace expresando todos los
rasgos principales del sistema por medio de relaciones matemticas. A esta representacin
formal se le llama modelo.

3. La esencia de un modelo es que debe ser predictivo, lo cual no significa predecir el
futuro, pero si ser capaz de indicar muchas cosas acerca de la forma en que se puede
esperar que un sistema opere en una variedad de circunstancias, lo que permite valorar su
vulnerabilidad. Si se conocen las debilidades del sistema se pueden tomar cursos de
accin agrupados en tres categoras:

A) Efectuar cambios que lleven a la empresa o parte de ella a una nueva ruta;
B) Realizar un plan de toma de decisiones;
C) Instalar estrategias que generen decisiones.

Cuando se aplica alguno de estos remedios, la investigacin de operaciones nos ayuda a
determinar la accin menos vulnerable ante un futuro incierto.

4. El objetivo global de la investigacin de operaciones es el de apoyar al tomador de
decisiones, en cuanto ayudarlo a cumplir con su funcin basado en estudios
cientficamente fundamentados.

14 de 85

desarrollo integral
HISTORIA

ORGENES DE LA INVESTIGACIN DE OPERACIONES

La toma de decisiones es un proceso que se inicia cuando una persona observa un
problema y determina que es necesario resolverlo procediendo a definirlo, a formular un
objetivo, reconocer las limitaciones o restricciones, a generar alternativas de solucin y
evaluarlas hasta seleccionar la que le parece mejor, este proceso puede ser cualitativo o
cuantitativo.

El enfoque cualitativo se basa en la experiencia y el juicio personal, las habilidades
necesarias en este enfoque son inherentes en la persona y aumentan con la prctica. En
muchas ocasiones este proceso basta para tomar buenas decisiones. El enfoque
cuantitativo requiere habilidades que se obtienen del estudio de herramientas matemticas
que le permitan a la persona mejorar su efectividad en la toma de decisiones. Este enfoque
es til cuando no se tiene experiencia con problemas similares o cuando el problema es tan
complejo o importante que requiere de un anlisis exhaustivo para tener mayor posibilidad
de elegir la mejor solucin.

La investigacin de operaciones proporciona a los tomadores de decisiones bases
cuantitativas para seleccionar las mejores decisiones y permite elevar su habilidad para
hacer planes a futuro.

En el ambiente socioeconmico actual altamente competitivo y complejo, los mtodos
tradicionales de toma de decisiones se han vuelto inoperantes e inadmisibles ya que los
responsables de dirigir las actividades de las empresas e instituciones se enfrentan a
situaciones complicadas y cambiantes con rapidez que requieren de soluciones creativas y
prcticas apoyadas en una base cuantitativa slida.
En organizaciones grandes se hace necesario que el tomador de decisiones tenga un
conocimiento bsico de las herramientas cuantitativas que utilizan los especialistas para
poder trabajar en forma estrecha con ellos y ser receptivos a las soluciones y
recomendaciones que se le presenten. En organizaciones pequeas puede darse que el
tomador de decisiones domine las herramientas cuantitativas y l mismo las aplique para
apoyarse en ellas y as tomar sus decisiones.

Desde al advenimiento de la Revolucin Industrial, el mundo ha sido testigo de un
crecimiento sin precedentes en el tamao y la complejidad de las organizaciones. Los
pequeos talleres artesanales se convirtieron en las corporaciones actuales de miles de
millones de pesos. Una parte integral de este cambio revolucionario fue el gran aumento en
la divisin del trabajo y en la separacin de las responsabilidades administrativas en estas
organizaciones. Los resultados han sido espectaculares. Sin embargo, junto con los
beneficios, el aumento en el grado de especializacin creo nuevos problemas que ocurren
hasta la fecha en muchas empresas. Uno de estos problemas es la tendencia de muchas
de las componentes de una organizacin a convertirse en imperios relativamente

15 de 85

desarrollo integral
autnomos, con sus propias metas y sistemas de valores, perdiendo con esto la visin de
la forma en que encajan sus actividades y objetivos con los de toda la organizacin. Lo que
es mejor para una componente, puede ir en detrimento de otra, de manera que pueden
terminar trabajando con objetivos opuestos. Un problema relacionado con esto es que,
conforme la complejidad y la especializacin crecen, se vuelve ms difcil asignar los
recursos disponibles a las diferentes actividades de la manera ms eficaz para la
organizacin como un todo. Este tipo de problemas, y la necesidad de encontrar la mejor
forma de resolverlos, proporcionaron el ambiente adecuado para el surgimiento de la
investigacin de operaciones (io).

Las races de la investigacin de operaciones se remontan a muchas dcadas, cuando se
hicieron los primeros intentos para emplear el mtodo cientfico en la administracin de una
empresa. Sin embargo, el inicio de la actividad llamada investigacin de operaciones, casi
siempre se atribuye a los servicios militares prestados a principios de la segunda guerra
mundial. Debido a los esfuerzos blicos, exista una necesidad urgente de asignar recursos
escasos a las distintas operaciones militares y a las actividades dentro de cada operacin,
en la forma ms efectiva. Por esto, las administraciones militares americana e inglesa
hicieron un llamado a un gran nmero de cientficos para que aplicaran el mtodo cientfico
a ste y a otros problemas estratgicos y tcticos. De hecho, se les pidi que hicieran
investigacin sobre operaciones (militares). Estos equipos de cientficos fueron los primeros
equipos de IO. Con el desarrollo de mtodos efectivos para el uso del nuevo radar, estos
equipos contribuyeron al triunfo del combate areo ingls. A travs de sus investigaciones
para mejorar el manejo de las operaciones antisubmarinas y de proteccin, jugaron
tambin un papel importante en la victoria de la batalla del Atlntico Norte. Esfuerzos
similares fueron de gran ayuda en a isla de campaa en el pacfico.
Al terminar la guerra, el xito de la investigacin de operaciones en las actividades blicas
gener un gran inters en sus aplicaciones fuera del campo militar. Como la explosin
industrial segua su curso, los problemas causados por el aumento en la complejidad y
especializacin dentro de las organizaciones pasaron de nuevo a primer plano. Comenz a
ser evidente para un gran nmero de personas, incluyendo a los consultores industriales
que haban trabajado con o para los equipos de IO durante la guerra, que estos problemas
eran bsicamente los mismos que los enfrentados por la milicia, pero en un contexto
diferente. Cuando comenz la dcada de 1950, estos individuos haban introducido el uso
de la investigacin de operaciones en la industria, los negocios y el gobierno. Desde
entonces, esta disciplina se ha desarrollado con rapidez.
Se pueden identificar por lo menos otros dos factores que jugaron un papel importante en
el desarrollo de la investigacin de operaciones durante este perodo. Uno es el gran
progreso que ya se haba hecho en el mejoramiento de las tcnicas disponibles en esta
rea. Despus de la guerra, muchos cientficos que haban participado en los equipos de
IO o que tenan informacin sobre este trabajo, se encontraban motivados a buscar
resultados sustanciales en este campo; de esto resultaron avances importantes. Un
ejemplo sobresaliente es el mtodo simplex para resolver problemas de programacin
lineal, desarrollada en 1947 por George Dantzing. Muchas de las herramientas
caractersticas de la investigacin de operaciones, como programacin lineal, programacin

16 de 85

desarrollo integral
dinmica, lneas de espera y teora de inventarios, fueron desarrolladas casi por completo
antes del trmino de la dcada de 1950.
Un segundo factor que dio mpetu al desarrollo de este campo fue el advenimiento de las
computadoras. Para manejar de una manera efectiva los complejos problemas inherentes a
esta disciplina, por lo general se requiere un gran nmero de clculos. Llevarlos a cabo a
mano puede resultar casi imposible. Por lo tanto, el desarrollo de la computadora
electrnica digital, con su capacidad para realizar clculos aritmticos, miles o tal vez
millones de veces ms rpido que los seres humanos, fue una gran ayuda para la
investigacin de operaciones. Un avance ms tuvo lugar en la dcada de 1980 con el
desarrollo de las computadoras personales cada vez ms rpidas, acompaado de buenos
paquetes de software para resolver problemas de IO, esto puso las tcnicas al alcance de
un gran nmero de personas. Hoy en da, literalmente millones de individuos tienen acceso
a estos paquetes. En consecuencia, por rutina, se usa toda una gama e computadoras,
desde las grandes hasta las porttiles, para resolver problemas de investigacin de
operaciones.[8]

ENFOQUE DE LA INVESTIGACIN DE OPERACIONES

La parte innovadora de la IO es sin duda alguna su enfoque modelstico, producto de sus
creadores aunado a la presin de supervivencia de la guerra o la sinergia generada al
combinarse diferentes disciplinas, una descripcin del enfoque es la siguiente.

1. Se define el sistema real en donde se presenta el problema. Dentro del sistema
interactan normalmente un gran nmero de variables.
2. Se seleccionan las variables que norman la conducta o el estado actual del sistema,
llamadas variables relevantes, con las cuales se define un sistema asumido del sistema
real.
3. Se construye un modelo cuantitativo del sistema asumido, identificando y simplificando
las relaciones entre las variables relevantes mediante la utilizacin de funciones
matemticas.
4. Se obtiene la solucin al modelo cuantitativo mediante la aplicacin de una o ms de las
tcnicas desarrolladas por la IO.

5. Se adapta e imprime la mxima realidad posible a la solucin terica del problema real
obtenida en el punto 4, mediante la consideracin de factores cualitativos o no
cuantificables, los cuales no pudieron incluirse en el modelo. Adems se ajusta los detalles
finales va el juicio y la experiencia del tomador de decisiones.

6. Se implanta la solucin en el sistema real. [9]

17 de 85

desarrollo integral
METODOLOGA DE LA INVESTIGACION DE OPERACIONES

DEFINICIN DEL PROBLEMA Y RECOLECCIN DE DATOS

La mayor parte de los problemas prcticos con los que se enfrenta el equipo IO estn
descritos inicialmente de una manera vaga. Por consiguiente, la primera actividad que se
debe realizar es el estudio del sistema relevante y el desarrollo de un resumen bien
definido del problema que se va a analizar.

Esto incluye determinar los objetivos apropiados, las restricciones sobre lo que se puede
hacer, las interrelaciones del rea bajo estudio con otras reas de la organizacin, los
diferentes cursos de accin posibles, los lmites de tiempo para tomar una decisin, etc.
Este proceso de definir el problema es crucial ya que afectar en forma significativa la
relevancia de las conclusiones del estudio.

Es difcil extraer una respuesta "correcta" a partir de un problema "equivocado" por su
naturaleza, la investigacin de operaciones se encarga del bienestar de toda la
organizacin, no slo de algunos de sus componentes.

Un estudio de IO busca soluciones ptimas globales y no soluciones su ptimas aunque
sean lo mejor para uno de los componente. Entonces, idealmente, los objetivos que se
formulan deben coincidir con los de toda la organizacin. Sin embargo, esto no siempre es
conveniente. Muchos problemas interesan nada ms a una parte de la organizacin, de
manera que el anlisis sera innecesariamente besado si los objetivos fueran muy
generales y si se prestara atencin especial a todos los efectos secundarios sobre el resto
de la organizacin. En lugar de ello, los objetivos usados en un estudio deben ser tan
especficos como sea posible, siempre y cuando contemplen las metas principales del
tomador de decisiones y mantengan un nivel razonable de consistencia con los objetivos de
los altos niveles.

Las condiciones fundamentales para que exista un problema es que se establezca una
diferencia entre lo que es (situacin actual) y lo que debe ser (situacin deseada u objetivo)
y adems exista cuando menos una forma de eliminar o disminuir esa diferencia. Los
componentes de un problema son: a) el tomador de decisiones o ejecutivo; b) los objetivos
de la organizacin; c) el sistema o ambiente en el que se sita el problema; d) Los cursos
de accin alternativos que se pueden tomar para resolverlo.

Para formular un problema se requiere; a) identificar las componentes y variables
controlables y no controlables del sistema
b) identificar los posibles cursos de accin, determinados por las componentes
controlables; c) definir el marco de referencia dado por las componentes no controlables; d)

18 de 85

desarrollo integral
definir los objetivos que se busca alcanzar y clasificarlos por orden de importancia; e)
identificar las interpelaciones importantes entre las diferentes partes del sistema y
encontrar las restricciones que existen.

FORMULACIN DE UN MODELO MATEMTICO

Una vez definido el problema del tomador de decisiones, la siguiente etapa consiste en
reformularlo de manera conveniente para su anlisis. La forma convencional en que la
investigacin de operaciones realiza esto es construyendo un modelo matemtico que
represente la esencia del problema. Antes de analizar como formular los modelos de este
tipo, se explorar la naturaleza general de los modelos y, en particular, la de los modelos
matemticos.

El modelo matemtico est constituido por relaciones matemticas (ecuaciones y
desigualdades) establecidas en trminos de variables, que representa la esencia el
problema que se pretende solucionar.

Para construir un modelo es necesario primero definir las variables en funcin de las cuales
ser establecido. Luego, se procede a determinar matemticamente cada una de las dos
partes que constituyen un modelo:

a) la medida de efectividad que permite conocer el nivel de logro de los objetivos y
generalmente es una funcin (ecuacin) llamada funcin objetivo;

b) las limitantes del problema llamadas restricciones que son un conjunto de igualdades o
desigualdades que constituyen las barreras y obstculos para la consecucin del objetivo.

Un modelo siempre debe ser menos complejo que el problema real, es una aproximacin
abstracta de la realidad con consideraciones y simplificaciones que hacen ms manejable
el problema y permiten evaluar eficientemente las alternativas de solucin.

Los modelos matemticos tienen muchas ventajas sobre una descripcin verbal del
problema. Una ventaja obvia es que el modelo matemtico describe un problema en forma
mucho ms concisa. Esto tiende a hacer que toda la estructura del problema sea ms
comprensible y ayude a revelar las relaciones importantes entre causa y efecto. De esta
manera, indica con ms claridad que datos adicionales son importantes para el anlisis.
Tambin facilita simultneamente el manejo del problema en su totalidad y el estudio de
todas sus interpelaciones. Por ltimo, un modelo matemtico forma un puente para poder
emplear tcnicas matemticas y computadoras de alto poder, para analizar el problema.
Sin duda, existe una amplia disponibilidad de paquetes de software para muchos tipos de
modelos matemticos, para micro y minicomputadoras.

19 de 85

desarrollo integral
Por otro lado, existen obstculos que deben evitarse al usar modelos matemticos. Un
modelo es, necesariamente, una idealizacin abstracta del problema, por lo que casi
siempre se requieren aproximaciones y suposiciones de simplificacin si se quiere que el
modelo sea manejable (susceptible de ser resuelto). Por lo tanto, debe tenerse cuidado de
que el modelo sea siempre una representacin vlida del problema. El criterio apropiado
para juzgar la validez de un modelo es el hecho de si predice o no con suficiente exactitud
los efectos relativos de los diferentes cursos de accin, para poder tomar una decisin que
tenga sentido. En consecuencia, no es necesario incluir detalles sin importancia o factores
que tienen aproximadamente el mismo efecto sobre todas las opciones. Ni siquiera es
necesario que la magnitud absoluta de la medida de efectividad sea aproximadamente
correcta para las diferentes alternativas, siempre que sus valores relativos (es decir, las
diferencias entre sus valores) sean bastante preciso. Entonces, todo lo que se requiere es
que exista una alta correlacin entre la prediccin del modelo y lo que ocurre en la vida
real. Para asegurar que este requisito se cumpla, es importante hacer un nmero
considerable de pruebas del modelo y las modificaciones consecuentes. Aunque esta fase
de pruebas se haya colocado despus en el orden del libro, gran parte del trabajo de
validacin del modelo se lleva a cabo durante la etapa de construccin para que sirva de
gua en la obtencin del modelo matemtico.

OBTENCIN DE UNA SOLUCIN A PARTIR DEL MODELO

Resolver un modelo consiste en encontrar los valores de las variables dependientes,
asociadas a las componentes controlables del sistema con el propsito de optimizar, si es
posible, o cuando menos mejorar la eficiencia o la efectividad del sistema dentro del marco
de referencia que fijan los objetivos y las restricciones del problema.
La seleccin del mtodo de solucin depende de las caractersticas del modelo. Los
procedimientos de solucin pueden ser clasificados en tres tipos:
a) analticos, que utilizan procesos de deduccin matemtica;
b) numricos, que son de carcter inductivo y funcionan en base a operaciones de prueba y
error;
c) simulacin, que utiliza mtodos que imitan o, emulan al sistema real, en base a un
modelo.

Muchos de los procedimientos de solucin tienen la caracterstica de ser iterativos, es decir
buscan la solucin en base a la repeticin de la misma regla analtica hasta llegar a ella, si
la hay, o cuando menos a una aproximacin.

20 de 85

desarrollo integral
PRUEBA DEL MODELO

El desarrollo de un modelo matemtico grande es anlogo en algunos aspectos al
desarrollo de un programa de computadora grande. Cuando se completa la primera
versin, es inevitable que contenga muchas fallas. El programa debe probarse de manera
exhaustiva para tratar de encontrar y corregir tantos problemas como sea posible.
Eventualmente, despus de una larga serie de programas mejorados, el programador (o
equipo de programacin) concluye que el actual da, en general, resultados razonablemente
vlidos. Aunque sin duda quedarn algunas fallas ocultas en el programa (y quiz nunca se
detecten, se habrn eliminado suficientes problemas importantes como para que sea
confiable utilizarlo.

De manera similar, es inevitable que la primera versin de un modelo matemtico grande
tenga muchas fallas. Sin duda, algunos factores o interpelaciones relevantes no se
incorporaron al modelo y algunos parmetros no se estimaron correctamente. Esto no se
puede eludir dada la dificultad de la comunicacin y la compresin de todos los aspectos y
sutilezas de un problema operacional complejo, as como la dificultad de recolectar datos
confiables. Por lo tanto, antes de usar el modelo debe probarse exhaustivamente para
intentar identificar y corregir todas las fallas que se pueda. Con el tiempo, despus de una
larga serie de modelos mejorados, el equipo de IO concluye que el modelo actual produce
resultados razonablemente vlidos. Aunque sin duda quedarn algunos problemas
menores ocultos en el modelo (y quiz nunca se detecten), las fallas importantes se habrn
eliminado de manera que ahora es confiable usar el modelo. Este proceso de prueba y
mejoramiento de un modelo para incrementar su validez se conoce como validacin del
modelo.

Debido a que el equipo de IO puede pasar meses desarrollando todas las piezas detalladas
del modelo, es sencillo "no ver el bosque por buscar los rboles". Entonces, despus de
completar los detalles ("los rboles") de la versin inicial del modelo, una buena manera de
comenzar las pruebas es observarlo en forma global ("el bosque") para verificar los errores
u omisiones obvias. El grupo que hace esta revisin debe, de preferencia, incluir por lo
menos a una persona que no haya participado en la formulacin. Al examinar de nuevo la
formulacin del problema y comprarla con el modelo pueden descubrirse este tipo de
errores. Tambin es til asegurarse de que todas las expresiones matemticas sean
consistentes en las dimensiones de las unidades que emplean. Adems, puede obtenerse
un mejor conocimiento de la validez del modelo variando los valores de los parmetros de
entrada y/o de las variables de decisin, y comprobando que los resultados del modelo se
comporten de una manera factible. Con frecuencia, esto es especialmente revelador
cuando se asignan a los parmetros o a las variables valores extremos cercanos a su
mximo o a su mnimo.

Un enfoque ms sistemtico para la prueba del modelo es emplear una prueba
retrospectiva. Cuando es aplicable, esta prueba utiliza datos histricos y reconstruye el

21 de 85

desarrollo integral
pasado para determinar si el modelo y la solucin resultante hubieran tenido un buen
desempeo, de haberse usado. La comparacin de la efectividad de este desempeo
hipottico con lo que en realidad ocurri, indica si el uso del modelo tiende a dar mejoras
significativas sobre la prctica actual. Puede tambin indicar reas en las que el modelo
tiene fallas y requiere modificaciones. Lo que es ms, el emplear las alternativas de
solucin y estimar sus desempeos histricos hipotticos, se pueden reunir evidencias en
cuanto a lo bien que el modelo predice los efectos relativos de los diferentes cursos de
accin.

Cuando se determina que el modelo y la solucin no son vlidos, es necesario iniciar
nuevamente el proceso revisando cada una de las fases de la metodologa de la
investigacin de operaciones.

ESTABLECIMIENTO DE CONTROLES SOBRE LA SOLUCIN

Una solucin establecida como vlida para un problema, permanece como tal siempre y
cuando las condiciones del problema tales como: las variables no controlables, los
parmetros, las relaciones, etc., no cambien significativamente. Esta situacin se vuelve
ms factible cuando algunos de los parmetros fueron estimados aproximadamente. Por lo
anterior, es necesario generar informacin adicional sobre el comportamiento de la solucin
debido a cambios en los parmetros del modelo. Usualmente esto se conoce como anlisis
de sensibilidad. En pocas palabras, esta fase consiste en determinar los rangos de
variacin de los parmetros dentro de los cuales no cambia la solucin del problema.

IMPLANTACIN DE LA SOLUCIN

El paso final se inicia con el proceso de "vender" los hallazgos que se hicieron a lo largo del
proceso a los ejecutivos o tomadores de decisiones. Una vez superado ste obstculo, se
debe traducir la solucin encontrada a instrucciones y operaciones comprensibles para los
individuos que intervienen en la operacin y administracin del sistema. La etapa de
implantacin de una solucin se simplifica en gran medida cuando se ha propiciado la
participacin de todos los involucrados en el problema en cada fase de la metodologa.

22 de 85

desarrollo integral
PREPARACIN PARA LA APLICACIN DEL MODELO

Esta etapa es crtica, ya que es aqu, y slo aqu, donde se cosecharn los beneficios del
estudio. Por lo tanto, es importante que el equipo de IO participe, tanto para asegurar que
las soluciones del modelo se traduzcan con exactitud a un procedimiento operativo, como
para corregir cualquier defecto en la solucin que salga a la luz en este momento.

El xito de la puesta en prctica depende en gran parte del apoyo que proporcionen tanto
la alta administracin como la gerencia operativa. Es ms probable que el equipo de IO
obtenga este apoyo si ha mantenido a la administracin bien informada y ha fomentado la
gua de la gerencia durante el estudio. La buena comunicacin ayuda a asegurar que el
estudio logre lo que la administracin quiere y por lo tanto merezca llevarse a la prctica.
Tambin proporciona a la administracin el sentimiento de que el estudio es suyo y esto
facilita el apoyo para la implantacin.

La etapa de implantacin incluye varios pasos. Primero, el equipo de investigacin de
operaciones de una cuidadosa explicacin a la gerencia operativa sobre el nuevo sistema
que se va a adoptar y su relacin con la realidad operativa. En seguida, estos dos grupos
comparten la responsabilidad de desarrollar los procedimientos requeridos para poner este
sistema en operacin. La gerencia operativa se encarga despus de dar una capacitacin
detallada al personal que participa, y se inicia entonces el nuevo curso de accin. Si tiene
xito, el nuevo sistema se podr emplear durante algunos aos. Con esto en mente, el
equipo de IO supervisa la experiencia inicial con la accin tomada para identificar cualquier
modificacin que tenga que hacerse en el futuro.

A la culminacin del estudio, es apropiado que el equipo de investigacin de operaciones
documento su metodologa con suficiente claridad y detalle para que el trabajo sea
reproducible. Poder obtener una rplica debe ser parte del cdigo de tica profesional del
investigador de operaciones. Esta condicin es crucial especialmente cuando se estudian
polticas gubernamentales en controversia. [10]

LIMITACIONES DE LA INVESTIGACIN DE OPERACIONES

1. Frecuentemente es necesario hacer simplificaciones del problema original para poder
manipularlo y detener una solucin.

2. La mayora de los modelos slo considera un solo objetivo y frecuentemente en las
organizaciones se tienen objetivos mltiples.

3. Existe la tendencia a no considerar la totalidad de las restricciones en un problema
prctico, debido a que los mtodos de enseanza y entrenamiento dan la aplicacin de

23 de 85

desarrollo integral
esta ciencia centralmente se basan en problemas pequeos para razones de ndole
prctico, por lo que se desarrolla en los alumnos una opinin muy simplista e ingenua sobre
la aplicacin de estas tcnicas a problemas reales.

4. Casi nunca se realizan anlisis costo-beneficio de la implantacin de soluciones
definidas por medio de la I de O, en ocasiones los beneficios potenciales se van superados
por los costos ocasionados por el desarrollo e implantacin de un modelo. [11]

MODELOS ESPECFICOS DE LA INVESTIGACIN DE OPERACIONES

Planeacin de la Produccin
Asignacin de personal
Transporte
Inventarios
Dietas
Mercado
Estrategias de Inversin
Etc.

24 de 85

desarrollo integral
METODO DEL MODELO MATEMATICO SIMPLEX

El mtodo Simplex es un procedimiento iterativo que permite ir mejorando la solucin a
cada paso. El proceso concluye cuando no es posible seguir mejorando ms dicha
solucin.

Partiendo del valor de la funcin objetivo en un vrtice cualquiera, el mtodo consiste en
buscar sucesivamente otro vrtice que mejore al anterior. La bsqueda se hace siempre a
travs de los lados del polgono (o de las aristas del poliedro, si el nmero de variables es
mayor). Cmo el nmero de vrtices (y de aristas) es finito, siempre se podr encontrar la
solucin.

El mtodo Simplex se basa en la siguiente propiedad: si la funcin objetivo, f, no toma su
valor mximo en el vrtice A, entonces hay una arista que parte de A, a lo largo de la cual f
aumenta.

Deber tenerse en cuenta que este mtodo slo trabaja para restricciones que tengan un
tipo de desigualdad "" y coeficientes independientes mayores o iguales a 0, y habr que
estandarizar las mismas para el algoritmo. En caso de que despus de ste proceso,
aparezcan (o no varen) restricciones del tipo "" o "=" habr que emplear otros mtodos,
siendo el ms comn el mtodo de las Dos Fases.[12]

PREPARANDO EL MODELO PARA ADAPTARLO AL MTODO SIMPLEX
Esta es la forma estndar del modelo:

Funcin objetivo: c1x1 + c2x2 +... + cnxn

Sujeto a:

A: a11x1 + a12x2 +... + a1nxn = b1

B: a21x1 + a22x2 + ... + a2nxn = b2

am1x1 + am2x2 + ... + amnxn = bm

x1,..., xn 0

25 de 85

desarrollo integral
Para ello se deben cumplir las siguientes condiciones:

1. El objetivo es de la forma de maximizacin o de minimizacin.
2. Todas las restricciones son de igualdad.
3. Todas las variables son no negativas.
4. Las constantes a la derecha de las restricciones son no negativas.

Cambio del tipo de optimizacin.

Si en nuestro modelo, deseamos minimizar, podemos dejarlo tal y como est, pero
deberemos tener en cuenta nuevos criterios para la condicin de parada (deberemos parar
de realizar iteraciones cuando en la fila del valor de la funcin objetivo sean todos menores
o iguales a 0), as como para la condicin de salida de la fila. Con objeto de no cambiar
criterios, se puede convertir el objetivo de minimizar la funcin F por el de maximizar F(-1).

Ventajas: No deberemos preocuparnos por los criterios de parada, o condicin de salida de
filas, ya que se mantienen.

Inconvenientes: En el caso de que la funcin tenga todas sus variables bsicas positivas,
y adems las restricciones sean de desigualdad "", al hacer el cambio se quedan
negativas y en la fila del valor de la funcin objetivo se quedan positivos, por lo que se
cumple la condicin de parada, y por defecto el valor ptimo que se obtendra es 0.

Solucin: En la realidad no existen este tipo de problemas, ya que para que la solucin
quedara por encima de 0, alguna restriccin debera tener la condicin "", y entonces
entraramos en un modelo para el mtodo de las Dos Fases.

Conversin de signo de los trminos independientes (las constantes a la derecha de las
restricciones)

Deberemos preparar nuestro modelo de forma que los trminos independientes de las
restricciones sean mayores o iguales a 0, sino no se puede emplear el mtodo Simplex. Lo
nico que habra que hacer es multiplicar por "-1" las restricciones donde los trminos
independientes sean menores que 0.

26 de 85

desarrollo integral

Ventajas: Con sta simple modificacin de los signos en la restriccin podemos aplicar el
mtodo Simplex a nuestro modelo.

Inconvenientes: Puede resultar que en las restricciones donde tengamos que modificar los
signos de las constantes, los signos de las desigualdades fueran ("=", ""), quedando
("=","") por lo que en cualquier caso deberemos desarrollar el mtodo de las Dos Fases.

Este inconveniente no es controlable, aunque nos podra beneficiar si slo existen trminos
de desigualdad ("",""), y los "" coincidieran con restricciones donde el trmino
independiente es negativo.

Todas las restricciones son de igualdad

Si en nuestro modelo aparece una inecuacin con una desigualdad del tipo "", deberemos
aadir una nueva variable, llamada variable de exceso si, con la restriccin si 0. La nueva
variable aparece con coeficiente cero en la funcin objetivo, y restando en las
inecuaciones.
Surge ahora un problema, veamos cmo queda una de nuestras inecuaciones que
contenga una desigualdad ":

a11x1 + a12x2 b1 a11x1 + a12x2 - 1xs = b1

Como todo nuestro modelo, est basado en que todas sus variables sean mayores o
iguales que cero, cuando hagamos la primera iteracin con el mtodo Simplex, las
variables bsicas no estarn en la base y tomarn valor cero, y el resto el valor que tengan.
En este caso nuestra variable xs, tras hacer cero a x1 y x2, tomar el valor -b1. No
cumplira la condicin de no negatividad, por lo que habr que aadir una nueva variable,
xr, que aparecer con coeficiente cero en la funcin objetivo, y sumando en la inecuacin
de la restriccin correspondiente. Quedara entonces de la siguiente manera:

a11x1 + a12x2 b1 a11x1 + a12x2 - 1xs + 1 xr = b1

Este tipo de variables se les llama variables artificiales, y aparecern cuando haya
inecuaciones con desigualdad ("=",""). Esto nos llevar obligadamente a realizar el mtodo
de las Dos Fases, que se explicar ms adelante.
Del mismo modo, si la inecuacin tiene una desigualdad del tipo "", deberemos aadir una
nueva variable, llamada variable de holgura si, con la restriccin si "" 0. La nueva variable
aparece con coeficiente cero en la funcin objetivo, y sumando en las inecuaciones.
A modo resumen podemos dejar esta tabla, segn la desigualdad que aparezca, y con el
valor que deben estar las nuevas variables.

27 de 85

desarrollo integral

Tipo de desigualdad Tipo de variable que aparece
- exceso + artificial
= + artificial
+ holgura

28 de 85

desarrollo integral
DESARROLLANDO EL MTODO SIMPLEX

Una vez que hemos estandarizado nuestro modelo, puede ocurrir que necesitemos aplicar
el mtodo Simplex o el mtodo de las Dos Fases. Vase en la figura como debemos actuar
para llegar a la solucin de nuestro problema.

Explicaremos paso a paso los puntos de cada mtodo, concretando los aspectos que hay
que tener en cuenta.

29 de 85

desarrollo integral
MTODO SIMPLEX

- Construccin de la primera tabla: En la primera columna de la tabla aparecer lo que
llamaremos base, en la segunda el coeficiente que tiene en la funcin objetivo cada
variable que aparece en la base (llamaremos a esta columna Cb), en la tercera el trmino
independiente de cada restriccin (P0), y a partir de sta columna aparecern cada una de
las variables de la funcin objetivo (Pi). Para tener una visin ms clara de la tabla,
incluiremos una fila en la que pondremos cada uno de los nombres de las columnas. Sobre
sta tabla que tenemos incluiremos dos nuevas filas: una que ser la que liderar la tabla
donde aparecern las constantes de los coeficientes de la funcin objetivo, y otra que ser
la ltima fila, donde tomar valor la funcin objetivo. Nuestra tabla final tendr tantas filas
como restricciones.

Tabla
C1 C2 ... Cn
Base Cb P0 P1 P2 ... Pn
Pi1 Ci1 bi1 a11 a12 ... a1n
Pi2 Ci2 bi2 a21 a22 ... a2n
... ... ... ... ... ... ...
Pim Cim Bim am1 am2 ... Amn
Z Z0 Z1-C1 Z2-C2 ... Zn-Cn

Los valores de la fila Z se obtienen de la siguiente forma: El valor Z0 ser el de sustituir
Cim en la funcin objetivo (y cero si no aparece en la base).El resto de columnas se
obtiene restando a este valor el del coeficiente que aparece en la primera fila de la tabla.

Se observar al realizar el mtodo Simplex, que en esta primera tabla, en la base estarn
las variables de holgura.

- Condicin de parada: Comprobaremos si debemos de dar una nueva iteracin o no, que
lo sabremos si en la fila Z aparece algn valor negativo. Si no aparece ninguno, es que
hemos llegado a la solucin ptima del problema.

- Eleccin de la variable que entra: Si no se ha dado la condicin de parada, debemos
seleccionar una variable para que entre en la base en la siguiente tabla. Para ello nos
fijamos en los valores estrictamente negativos de la fila Z, y el menor de ellos ser el que
nos de la variable entrante.

30 de 85

desarrollo integral
- Eleccin de la variable que sale: Una vez obtenida la variable entrante, obtendremos la
variable que sale, sin ms que seleccionar aquella fila cuyo cociente P0/Pj sea el menor de
los estrictamente positivos (teniendo en cuenta que slo se har cuando Pj sea mayor de
0).
La interseccin entre la columna entrante y la fila saliente nos determinar el elemento
pivote.

- Actualizacin de la tabla: Las filas correspondientes a la funcin objetivo y a los ttulos
permanecern inalterados en la nueva tabla. El resto deber calcularse de dos formas
diferentes:

Si es la fila pivote cada nuevo elemento se calcular:

Nuevo Elemento Fila Pivote = Elemento Fila Pivote actual / Pivote.

Para el resto de elementos de filas se calcular:

Nuevo Elemento Fila = Elemento Fila Pivote actual - (Elemento Columna Pivote en la fila
actual * Nuevo Elemento Fila).

31 de 85

desarrollo integral
MTODO DE LAS DOS FASES

ste mtodo difiere del Simplex en que primero hay que resolver un problema auxiliar que
trata de minimizar la suma de las variables artificiales. Una vez resuelto este primer
problema y reorganizar la tabla final, pasamos a la segunda fase, que consiste en realizar
el mtodo Simplex normal.

FASE 1

En esta primera fase, se realiza todo de igual manera que en el mtodo Simplex normal,
excepto la construccin de la primera tabla, la condicin de parada y la preparacin de la
tabla que pasar a la fase 2.
- Construccin de la primera tabla: Se hace de la misma forma que la tabla inicial del
mtodo Simplex, pero con algunas diferencias. La fila de la funcin objetivo cambia para la
primera fase, ya que cambia la funcin objetivo, por lo tanto aparecern todos los trminos
a cero excepto aquellos que sean variables artificiales, que tendrn valor "-1" debido a que
se est minimizando la suma de dichas variables.
La otra diferencia para la primera tabla radica en la forma de calcular la fila Z. Ahora
tendremos que hacer el clculo de la siguiente forma: Se sumarn los productos Cb*j para
todas las filas y al resultado se le restar el valor que aparezca (segn la columna que se
est haciendo) en la fila de la funcin objetivo.

Tabla
C0 C1 C2 ... Cn-k ... Cn
Base Cb P0 P1 P2 ... Pn-k ... Pn
Pi1 Ci1 bi1 a11 a12 ... a1n-k ... a1n
Pi2 Ci2 bi2 a21 a22 ... a2n-k ... a2n
... ... ... ... ... ... ... ... ...
Pim Cim bim am1 am2 ... amn-k ... amn
Z Z0 Z1 Z2 ... Zn-k ... Zn

Siendo Zj = (CbPj) - Cj y los Cj = 0 para todo j comprendido entre 0 y n-k (variables de
decisin, holgura y exceso), y Cj = -1 para todo j comprendido entre n-k y n (variables
artificiales).

32 de 85

desarrollo integral
- Condicin de parada: La condicin de parada es la misma que en el mtodo Simplex
normal. La diferencia estriba en que pueden ocurrir dos casos cuando se produce la
parada: la funcin toma un valor 0, que significa que el problema original tiene solucin, o
que tome un valor distinto, indicando que nuestro modelo no tiene solucin.

- Eliminar Columna de variables artificiales: Si hemos llegado a la conclusin de que el
problema original tiene solucin, debemos preparar nuestra tabla para la segunda fase.
Deberemos eliminar las columnas de las variables artificiales, modificar la fila de la funcin
objetivo por la original, y calcular la fila Z de la misma forma que en la primera tabla de la
fase 1.

IDENTIFICANDO CASOS ANMALOS Y SOLUCIONES

Obtencin de la solucin: Cuando se ha dado la condicin de parada, obtenemos el valor
de las variables bsicas que estn en la base y el valor ptimo que toma la funcin que
estn en la base mirando la columna P0. En el caso de que estemos minimizando, se
multiplicar por "-1" el valor ptimo.

Infinitas soluciones: Cumplida la condicin de parada, si se observa que alguna variable
que no est en la base, tiene un 0 en la fila Z, quiere decir que existe otra solucin que da
el mismo valor ptimo para la funcin objetivo. Si estamos ante este caso, estamos ante un
problema que admite infinitas soluciones, todas ellas comprendidas dentro del segmento (o
porcin del plano, o regin del espacio, dependiendo del nmero de variables del
problema) que define Ax+By=Z0. Si se desea se puede hacer otra iteracin haciendo entrar
en la base a la variable que tiene el 0 en la fila Z, y se obtendr otra solucin.

Solucin ilimitada: Si al intentar buscar la variable que debe abandonar la base, nos
encontramos que toda la columna de la variable entrante tiene todos sus elementos
negativos o nulos, estamos ante un problema que tiene solucin ilimitada. No hay valor
ptimo concreto, ya que al aumentar el valor de las variables se aumenta el valor de la
funcin objetivo, y no viola ninguna restriccin.

No existe solucin: En el caso de que no exista solucin, seguro que tendremos que
realizar las dos fases, por lo que al trmino de la primera sabremos si estamos en tal
situacin.

Empate de variable entrante: Se puede optar por cualquiera de ellas, sin que afecte a la
solucin final, el inconveniente que presenta es que segn por cual se opte se harn ms o
menos iteraciones. Se aconseja que se opte a favor de las variables bsicas, ya que son
aquellas las que quedarn en la base cuando se alcance la solucin con estos mtodos.
Empate de variable saliente: Se puede nuevamente optar por cualquiera de ellas, aunque
se puede dar el caso degenerado y entrar en ciclos perpetuos. Para evitarlos en la medida

33 de 85

desarrollo integral
de lo posible, discriminaremos a favor de las variables bsicas haciendo que se queden en
la base. Ante el caso de estar en la primera fase (del mtodo de las Dos Fases), se optar
por sacar en caso de empate las variables artificiales.

Curiosidad Fase 1: Al finalizar la fase 1, si el problema original tiene solucin, todas las
variables artificiales, en la fila Z deben tener el valor "1".
Pivote puede ser 0?: No, ya que siempre se realizan los cocientes entre valores no
negativos y mayores que cero. [13]

34 de 85

desarrollo integral

MARCO CONCEPTUAL

ALGORITMO:

Es un proceso de clculo que permite llegar a un resultado final.

COSTO DE OPORTUNIDAD:

El costo de oportunidad se entiende como aquel costo en que se incurre al tomar una
decisin y no otra. Es aquel valor o utilidad que se sacrifica por elegir una alternativa A y
despreciar una alternativa B.

MATRIZ:

Es una tabla formada por un conjunto de nmeros dispuestos en filas y columnas de una
forma ordena para realizar una operacin.

MTODO:

Conjunto de operaciones ordenadas con que se pretende obtener un resultado.

RESTRICCIN:

Es de una condicin o requerimiento, representan la cantidad de esa condicin o
requerimiento que se obtiene por encima de un mnimo o que se deja de tener con relacin
a un mximo.

SISTEMA CANNICO EN UN MODELO:

Significa que debe existir una variable bsica en cada restriccin. Esto permite obtener una
primera solucin posible que satisface todas las restricciones.

TABLA SIMPLEX:

Es un resumen detallado de toda la informacin del modelo para trabajar ms fcilmente
con l.
UN SIMPLEX:

Es una figura geomtrica de n dimensiones, constituido de n+1 puntos.

35 de 85

desarrollo integral
UTILIDAD BRUTA:

Aparece como un subtotal. La taza de utilidad bruta es la utilidad bruta expresada como un
porcentaje de las ventas netas.

VARIABLE ARTIFICIAL:

Debe tener incorporado un coeficiente muy alto en la Funcin Objetivo, con signo negativo
en maximizacin y con signo positivo en minimizacin. Con esto se logra que el
procedimiento Simplex las elimine de la solucin en las primeras iteraciones. Estas
variables deben valer cero en la solucin ptima del modelo.

VARIABLES BSICAS:

Son aquellas variables de un problema que se pueden poner en funcin del resto
de las variables.
VARIABLES DE DECISIN:

Son las variables que dan la solucin del problema y que por lo general se determinan a
travs del planteamiento del problema.

VARIABLE DE HOLGURA:

Siempre positivas, hacen que una restriccin que sea desigualdad se transforme en
igualdad, y sus coeficientes en la funcin objetivo son ceros.
VARIABLE ENTRANTE:

Es la variable elegida por un proceso y que entra a ser parte de la solucin de problema.

36 de 85

desarrollo integral
ESTRUCTURA DE LA EMPRESA

SPER CAN
PASTELES Y PERROS

37 de 85

desarrollo integral
MISIN

Somos una empresa comprometida a elaborar y comercializar productos alimenticios de
clida e innovacin atreves de estrategias afectivas, procesos eficientes, un servicio
congruente con nuestros valores y una filosofa de mejora continua contando con un equipo
humano inspirado en el sentido de pertenencia por su trabajo lo que nos permite seguir
creciendo y manejar un estabilidad financiera.
.

38 de 85

desarrollo integral
VISIN

En el 2016 Ser una empresa comprometida y comercializar productos y servicios de calidad
e innovacin en el mercado, municipal satisfaciendo de manera a clientes y consumidores.

39 de 85

desarrollo integral
POLTICA DE CALIDAD

1. Ser una empresa fuerte en el sector y en el mercado no slo del municipio sino tambin
del departamento Norte de Santander.

2. Ofrecer a los clientes productos de excelente calidad para que estos se sientan
totalmente satisfechos.

3. Conseguir que la empresa sea un orgullo para sus empleados, mejorando la calidad de
las condiciones de trabajo.

Los valores de la empresa son:

Tener empleados profesionales con amplios conocimientos y experiencia.

Ser un grupo comunicativo y colaborador.

Ser una empresa con personal en formacin continua.

Ser una empresa que cumple con la legalidad establecida.

Ser una empresa comprometida con sus clientes y empleados.

Responsabilidad y honestidad en los procesos productivos.

40 de 85

desarrollo integral
FLUJO DE PROCESOS Y DIAGRAMA DE OPERACIONES

INFORMACION DEL PROBLEMA

Pasteles y perros sper can se encuentra ubicada en la Calle 3 No. 8-84 desde hace 12
aos en Pamplona. Su propietario es el seor Jos ortega quien en compaa de sus
empleados (son solo de la familia) se dedica al sector de la produccin y fabricacin De
pasteles y perros, ofreciendo productos de calidad que satisfacen las necesidades de los
clientes.

Mediante una entrevista realizada al dueo del negocio, se obtuvo que:

Los perros y pasteles ms comunes que se fabrican y su respectivo costos y precios
de ventas por unidad son:

Articulo Costo x
(Unidad )
Precio De
Venta
(Unidad)
Cantidad
Demandada
Diariamente
Cantidad
Demandada
Semanal
Costo
Total
Semanal
Producido
Empanada
de pollo
300 800 150 900 $720.000
Empanada
de carne
desmecha
da
300 800 150 900 $720.000
Empanada
de arroz
huevo
300 500 250 1.500 $750.000
Empanada
de arroz -
carne
300 500 250 1.500 $750.000
Empanada
de
mollejas
500 800 100 600 $480.000
Empanada 300 500 100 600 $300.000

41 de 85

desarrollo integral
de arveja
Arepa
mixta
(carne y
pollo )
500 1.000 200 1.200 $1.200.000
Papa(huev
o carne y
papa en
pur )
500 800 200 1.200 $960.000
TOTAL PASTELES 1400 8.400 $ 5.880.000
Perros
calientes
1.000 2.000 100 200.000 $1.200.000
avena 250 500 250 1500 $750000
COSTO TOTAL DEL PRODUCIDO $7.830.000

Se compran las canasta de gaseosa 28000= 12 unid =1500=6 vasos por cada
botella.

Se producen :$31.320.000 mensualmente

Gastos de materia prima :17.672663mensualmente

Gastos d emano de obra:$3.200.000 mensualmente

TOTAL DE GANANCIA MENSUAL ES:$10.447.337

42 de 85

desarrollo integral

Limitaciones de la mano de obra

Adems de la persona duea del negocio que desempea labores de fabricacin y
elaboracin de los alimentos en la actualidad la microempresa de pasteles y perros sper
can cuenta con 10 ayudantes a los cuales se les paga semanalmente $80.000.

Las horas de trabajo para la elaboracin de pasteles son: por la maana de 2:00 a.m. a 6
am. Y por la tarde de 12:00 p.m. a 4:00 p.m. de lunes a sbado. En total las horas laborales
por mes son 192 horas al mes.

Los horarios de venta de pasteles y perros son de 8 am a 1 pm y por la tarde es de 4 pm a
9 pm de lunes sbado. En total de horas laborales por mes es de 240 horas laborales de
venta de los productos.

Abastecimiento de materia prima:

Nota

Gas de carro que vende los pasteles y perros gasta un cilindro cada 15 das de 10
libras.

Se compran 8 bultos de papa cada 4 das (arrobas = 50 kilos).

Se compran 12 carnes de huevos cada dos das (1 cartn = 30).

Las pimpinas para movilizar el carro de venta son 2 pimpinas=40 litros de gasolina
extra se usan al mes = 76000.

43 de 85

desarrollo integral
MATERIALES DE INSUMO Y GASTOS DIARIOS

Materiales
Usados
Uso O Gasto
Diario
Uso Semanal Costo
Unitario
Costo Total
Semanal
Gas Carro
Negocio
0.66 Libras
Diarias
3.96 Libras 900,50 $3565.98
Salsas 2 Kilos 12kg 1000 $12.000
Panes 100 600 Unidad 250 $150.000
Salchichas 100 600kg 100 $60.000
Papas
Fosforito
2 Kilos 12kg 5.000 $60.000
Cebolla 2 Kilos 12kg 2.500 $30.000
Queso 1 Kilo 6kg 8000 $48.000
Porta Perros 100 Unidad 600kg 50 $30.000
Servilletas 5 Paquetes 30 Kg 1200 $36.000
Vasos 6 Paquetes 36 Paquetes 1200 $43.200
Avena 30 Litros 180 Litros 3000 $540.000
Alverja 6k 36kg 800 $28.800
Arroz 3k 18kg 1700 $30.600
Carne 25 Kg 150kg 10000 $1.500.000
Mollejas 3kg 18kg 2000 $36.000
Pollo
Desmechado
12kg 72kg 8000kg $576.000
Huevos 180
Unidades
1080 Unida 200 $216.000
Aceite De
Fritar
20 Litros 120litros 1100 $132.000
Gasolina Del
Carro De
Venta +)2
1.33 Litros 8 Litros
Semanales
2000litro $16.000
Papa Bultos 100 Kilos
Papa
600 Unidades

1000 $600.000
Harina De
Trigo
30 Kilos 180kilos 1500 $270.000

TOTAL DE GASTOS =$4.418165.98

44 de 85

desarrollo integral
VARIABLES

X1=Cantidad Pastel De Pollo Que Hay Que Fabricar Para Maximizar La Utilidad.

X2=Cantidad Pastel De Carne Desmechada Que Hay Fabricar Para Maximizar La Utilidad.

X3=Cantidad De Pastel De Arveja Que Hay Fabricar Para Maximizar La Utilidad.

X4=Cantidad Pastel De Arroz-Huevo Que Hay Que Fabricar Para Maximizar La Utilidad.

X5=Cantidad Pastel De Arroz Carne Que Hay Que Fabricar Para Maximizar La Utilidad.

X6=Cantidad Pastel De Mollejas Que Hay Que Fabricar Para Maximizar La Utilidad.

X7=Cantidad Arepa Mixta Que Hay Que Fabricar Para Maximizar La Utilidad.

X8=Cantidad Papa Que Hay Que Fabricar Para Maximizar La Utilidad.

X9=Cantidad Avena En Litros Que Hay Fabricar Para Maximizar La Utilidad.

X10=Cantidad De Vasos De Gaseosa Que Hay Que Proporcionar Para Maximizar.

X11=Cantidad Perros Calientes Que Hay Que Fabricar Para Maximizar.

45 de 85

desarrollo integral
FUNCION OBJETIVO

MAXIMIZAR
(Z)=150X1+150X2+250X3+250X4+100X5+100X6+200X7+200X8+250X9+250X10+1
00X11=2000

46 de 85

desarrollo integral
RESTRICCIONES POR PRODUCTOS

1. Pastel de pollo Harina.=150

INGREDIENTES CANTIDAD
Aceite 2.49ml
Sal 3.75
Agua 2.49
Pollo 5.14
Carne 0
Mollejas 0
Huevos 0
Arvejas 0
Arroz 0
Papa 0
Cebolla 0
Queso 0
Salchichas 0
Pan 0
Hielo 0

2. Pastel de carne desmechada.=150

Aceite 2.49ml
Sal 3.75
Agua 2.49
Pollo 0
Carne 8.33
Mollejas 0
Huevos 0
Arvejas 0
Arroz 0
Papa 0
Cebolla 0
Queso 0
Salchichas 0
Pan 0
Hielo 0

47 de 85

desarrollo integral

3. pastel de arveja =100

Aceite 1.66
Sal 0.25
Agua 1.66
Pollo 0
Carne 0
Mollejas 0
Huevos 0
Arvejas 6
Arroz 0
Papa 0
Cebolla 0
Queso 0
Salchichas 0
Pan 0
Hielo 0

4. Pastel de arroz-huevo.=250

Aceite 4.15
Sal 6.25
Agua 4.15
Pollo 0
Carne 0
Mollejas 0
Huevos 180
Arvejas 0
Arroz 1.5
Papa 0
Cebolla 0
Queso 0
Salchichas 0
Pan 0
Hielo 0

48 de 85

desarrollo integral
5. Pastel de arroz carne =250

Aceite 4.15
Sal 6.25
Agua 4.15
Pollo 0
Carne 8.25
Mollejas 0
Huevos 0
Arvejas 0
Arroz 1.5
Papa 0
Cebolla 0
Queso 0
Salchichas 0
Pan 0
Hielo 0

6. pastel de mollejas =100

Aceite 1.66
Sal 0.25
Agua 1.66
Pollo 0
Carne 0
Mollejas 3
Huevos 0
Arvejas 0
Arroz 0
Papa 0
Cebolla 0
Queso 0
Salchichas 0
Pan 0
Hielo 0

49 de 85

desarrollo integral

7. Arepa mixta =200

Aceite 3.32
Sal 0.5
Agua 3.32
Pollo 6.8
Carne 11
Mollejas 0
Huevos 0
Arvejas 0
Arroz 0
Papa 0
Cebolla 0
Queso 0
Salchichas 0
Pan 0
Hielo 0

8. Papa =200

Aceite 3.32
Sal 0.5
Agua 3.32
Pollo 0
Carne 11
Mollejas 0
Huevos 100
Arvejas 0
Arroz 0
Papa 100
Cebolla 0
Queso 0
Salchichas 0
Pan 0
Hielo 0

50 de 85

desarrollo integral
9. Avena en litros =30

Aceite 0
Sal 0
Agua 30
Pollo 0
Carne 0
Mollejas 0
Huevos 0
Arvejas 0
Arroz 0
Papa 0
Cebolla 0
Queso 0
Salchichas 0
Pan 0
Hielo 0

10. Perro Calientes = 100

Aceite 0
Sal 0
Agua 0
Pollo 0
Carne 0
Mollejas 0
Huevos 0
Arvejas 0
Arroz 0
Papa 0
Cebolla 3
Queso 2
Salchichas 100
Pan 100
Hielo 0

51 de 85

desarrollo integral
RESTRICCIONES

1. Aceite:
2.49X1+2.49X2+4.15X3+4.15X4+1.66X5+1.66X6+3.32X7+3.32X8+30X9+0X10+0X1
1 <= 20 litros

2. Sal: :
0.375X1+0.375X2+0.625X3+0.625X4+0.25X5+0.25X6+0.5X7+0.5X8+0X9+0X10+0X
11<= 3kilos

3. Agua: :
2.45X1+2.49X2+4.15X3+4.15X4+1.66X5+1.66X6+3.32X7+3.32X8+30X9+0X10+0X1
1<= 50litros

4. Pollo :
5.1 X1+0X2+0X3+0X4+0X5+0X6+0X7+0X8+0X9+0X10+0X11<= 1 2kilos

5. Carne :
8.25 X1+0X2+0X3+0X4+5.5X5+0X6+11X7+0X8+0X9+0X10+0X11<= 25kilos

6. Mollejas :
X1+X2+X3+X4+X5+3X6+X7+X8+X9+X10+X11<=3kilos

7. Huevos :
X1+X2+X3+100X4+X5+X6+X7+80X8+X9+0X10+0X11=180 Unidades

8. Arveja :
0 X1+0X2+6X3+X4+X5+X6+X7+X8+X9+X10+X11<= 6kilos

9. Arroz:
X1+X2+X3+1.5X4+1.5X5+X6+X7+X8+X9+X10+X11<= 3kilos

52 de 85

desarrollo integral

10. Papa:
X1+X2+X3+X4+X5+X6+X7+100X8+X9+X10+X11<= 100 kilos

11. Cebolla:
X1+X2+X3+X4+X5+X6+X7+X8+X9+X10+3X11<= 3 kilos

12. Queso:

13 Salchicha :
X1+X2+X3+X4+X5+X6+X7+X8+X9+X10+100X11<= 100 panes

13. Pan:

14. Hielo:
0X1+0X2+0X3+0X4+0X5+X6+X7+X8+5X9+X10+X11<= 5 kilos

53 de 85

desarrollo integral
FORMA TABULAR DE SUPER CAN

FUNCION OBJETIVO

MAXIMIZAR(Z)=
150X1+150X2+250X3+250X4+100X5+100X6+200X7+200X8+250X9+100X10+H1+H2+H3
+H4+H5+H6+H7+H8+H9+H10=2000

RESTRICCIONES

1. Aceite:

2.49X1+2.49X2+4.15X3+4.15X4+1.66X5+1.66X6+3.32X7+3.32X8+30X9+0X10+0X11 =
20 litros

2. Sal:

0.375X1+0.375X2+0.625X3+0.625X4+0.25X5+0.25X6+0.5X7+0.5X8+0X9+0X10+0X11=
3kilos

3. Agua:

2.45X1+2.49X2+4.15X3+4.15X4+1.66X5+1.66X6+3.32X7+3.32X8+30X9+0X10+0X11=
50litros

4. Pollo :

5.1 X1+0X2+0X3+0X4+0X5+0X6+0X7+0X8+0X9+0X10+0X11= 1 2kilos

5. Carne :

8.25 X1+0X2+0X3+0X4+5.5X5+0X6+11X7+0X8+0X9+0X10+0X11= 25kilos

54 de 85

desarrollo integral
6. Mollejas :

X1+X2+X3+X4+X5+3X6+X7+X8+X9+X10+X11<=3kilos

7. Huevos :

X1+X2+X3+100X4+X5+X6+X7+80X8+X9+0X10+0X11=180 Unidades

8. Arveja :

0 X1+0X2+6X3+X4+X5+X6+X7+X8+X9+X10+X11= 6kilos

9. Arroz:

X1+X2+X3+1.5X4+1.5X5+X6+X7+X8+X9+X10+X11= 3kilos

10. Papa:

X1+X2+X3+X4+X5+X6+X7+100X8+X9+X10+X11<= 100 kilos

11. Cebolla:


12. Queso:


13. Salchicha :


14. Pan:


15. Hielo:

0X1+0X2+0X3+0X4+0X5+X6+X7+X8+5X9+X10+X11<= 5 kilos

55 de 85

desarrollo integral
MODELO MATEMATICO POR WINQSB

SPER CAN

TABLAS DE VARIABLES Y DE ANALISIS DE SUPER CAN

Variables

56 de 85

desarrollo integral
Tabla 1 -Sper Can

57 de 85

desarrollo integral
Tabla 2 -Sper Can

58 de 85

desarrollo integral
Tabla 3 -Sper Can

59 de 85

desarrollo integral

Tabla 4 -Sper Can

60 de 85

desarrollo integral
Tabla 5 -Sper Can

61 de 85

desarrollo integral
Tabla 6 -Sper Can

62 de 85

desarrollo integral
Tabla 7 -Sper Can

63 de 85

desarrollo integral
Tabla 8 -Sper Can

64 de 85

desarrollo integral
Tabla 9 -Sper Can

65 de 85

desarrollo integral
Tabla 10 - Sper Can

66 de 85

desarrollo integral
Tabla 11 - Sper Can

67 de 85

desarrollo integral

Tabla 12 Tabla Optima Sper Can

Conclusiones Tabla

La tabla 12, siendo esta la tabla ptima nos muestra los lmites de variacin de las
variables bsicas, la cual no dice los costos de los productos.

Al final en la ltima columna encontramos la cantidad de recursos ptima para
realizacin de los productos, la disponibilidad de los insumos.

68 de 85

desarrollo integral
ANALISIS DE SENSIBILIDAD

CASO 1 Y 2

69 de 85

desarrollo integral
Conclusiones Tabla

Para el anlisis de sensibilidad de los casos 1 y 2 encontramos que para la segunda
variable (carne) siendo esta una variable bsica un valor mnimo y mximo de 150
(cj), sin que cambie la base ptima.

Para la novena variable del caso 1 y 2 del anlisis de sensibilidad encontramos que
posee un valor mnimo de 0 y un mximo de 1807.2290, para que la base no
cambie.

El valor total de la funcin objetivo es de 1300,6670.

Tambin encontramos los valores de las restricciones en la solucin ptima que para
este caso tenemos algunos como por ejemplo la carne 24,6304<= 25, es decir,
posee una holgura de 0.3696 y u valor mnimo de 24,6304 hasta un mximo de
infinito sin que cambie la base ptima.

70 de 85

desarrollo integral

CASO 3

71 de 85

desarrollo integral

CASO 3

TABLA PTIMA

Conclusiones Tabla

En la tabla optima del anlisis de sensibilidad del caso 3 donde cualquiera de los
recursos es escaso, encontramos que puede manejar un margen optimo es decir
cubrimos ese producto sin tener tanto margen de utilidad.

72 de 85

desarrollo integral

CASO 4

73 de 85

desarrollo integral

CASO 4

TABLA PTIMA

Conclusiones Tabla

Para el anlisis de sensibilidad del caso 4 encontramos que cuando aumentamos el
valor de la variable carne de 200 a 450, esta nos aumenta la utilidad de 1300.09966
a 1920.6670.

74 de 85

desarrollo integral

CASO 5

75 de 85

desarrollo integral

CASO 5

TABLA PTIMA

Conclusiones Tabla

Encontramos que al producir un nuevo producto encontramos la tabla optima, la cual
no dice que la utilidad optima esta en 1314.0960 hizo que aumentara en 13.249.

76 de 85

desarrollo integral
METODO DE TRANSPORTE

SUPER CAN

77 de 85

desarrollo integral
METODO DE TRANSPORTE

78 de 85

desarrollo integral
METODO DE ASIGNACION

SUPER CAN

79 de 85

desarrollo integral
METODO DE LA RUTA MAS CORTA

SUPER CAN

80 de 85

desarrollo integral
RECOMENDACIONES

De acuerdo con lo arrojado por la tabla ptima, las utilidades que reporta la empresa son
excelentes, de lo cual podemos deducir que el administrador de la empresa SPER CAN
est haciendo uso adecuados de los recursos.

Sin embargo no se puede concluir que la empresa est generando prdidas, dado que es
evidente que las ganancias que reporta la empresa, se ven reflejadas en la cantidad de
productos vendidos.

Como recomendacin, se encomienda al dueo de la empresa haga un uso adecuado de
los recursos, y evalu sus proveedores para detectar posibles precios ms bajos en la
materia prima.

81 de 85

desarrollo integral
CONCLUSIONES

La tabla 12, siendo esta la tabla ptima nos muestra los lmites de variacin de las
variables bsicas, la cual no dice los costos de los productos.

Al final en la ltima columna encontramos la cantidad de recursos ptima para
realizacin de los productos, la disponibilidad de los insumos.

Para el anlisis de sensibilidad de los casos 1 y 2 encontramos que para la segunda
variable (carne) siendo esta una variable bsica un valor mnimo y mximo de 150
(cj), sin que cambie la base ptima.

Para la novena variable del caso 1 y 2 del anlisis de sensibilidad encontramos que
posee un valor mnimo de 0 y un mximo de 1807.2290, para que la base no
cambie.

El valor total de la funcin objetivo es de 1300,6670.

Tambin encontramos los valores de las restricciones en la solucin ptima que para
este caso tenemos algunos como por ejemplo la carne 24,6304<= 25, es decir,
posee una holgura de 0.3696 y u valor mnimo de 24,6304 hasta un mximo de
infinito sin que cambie la base ptima.

En la tabla optima del anlisis de sensibilidad del caso 3 donde cualquiera de los
recursos es escaso, encontramos que puede manejar un margen optimo es decir
cubrimos ese producto sin tener tanto margen de utilidad.

Para el anlisis de sensibilidad del caso 4 encontramos que cuando aumentamos el
valor de la variable carne de 200 a 450, esta nos aumenta la utilidad de 1300.09966
a 1920.6670.

Encontramos que al producir un nuevo producto encontramos la tabla optima, la cual
no dice que la utilidad optima esta en 1314.0960 hizo que aumentara en 13.249.

Tenemos que para el ejercicio de transportar los productos hacia los lugares
previstos encontramos cuales son las rutas ms ptimas para llevarlo, con un coto
total de 15260 desde el punto de fabricacin hasta los punto de venta.

Tambin encontramos las asignaciones respectivas de ciertos trabajadores para la
realizacin de ciertos productos como por ejemplo mara t realiza la avena ya que
requiere de un costo estimado de 13, y Belisario se encarga de las mollejas con un
costo de 27 y as entre otros, por ltimo el costo total fue de 167.

82 de 85

desarrollo integral

En el ejercicio de la ruta ms corta en la tabla encontramos que para sper can es
la que est constituida entre una menor distancia acumulada/costo es la de los
tanques a las amricas con un costo de 27.

El siguiente estudio nos deja una gran enseanza ya que colocamos en prctica los
conocimientos en el rea de investigacin de operaciones.

83 de 85

desarrollo integral
REFERENCIAS

[1] http://www.monografias.com/trabajos70/investigacion-
operaciones/investigacion-operaciones.shtml.

[2] y [3 ]http://www.fing.edu.uy/inco/cursos/io/archivos/teorico/todo.pdf

[4] http://www.investigacion-operaciones.com/Historia.htm

[5] y [6] http://www.mindmeister.com/es/262959805/investigacion-de-operaciones

[7] http://tutorialescun.blogspot.com/p/que-es-la-investigacion-de-
operaciones.html

[8] http://www.investigacion-operaciones.com/Definicion_IO.htm

[9] http://www.buenastareas.com/ensayos/La-Investigaci%C3%B3n-De-
Operaciones/191905.html

[10] http://www.investigacion-operaciones.com/Metodologia_IO.htm

[11] http://inveoperaciones.wordpress.com/limitaciones-de-la-io/

[12] http://www.monografias.com/trabajos75/metodo-simplex-
maximizacion/metodo-simplex-maximizacion.shtml

[13]
http://webcache.googleusercontent.com/search?q=cache:6YvByEs77kJ:isislanuza.fil
es.wordpress.com/2011/08/el-mc3a9todo-simplex-es-un-procedimiento-iterativo-que-
permite-ir-mejorando-la-solucic3b3n-a-cada-paso.doc+&cd=2&hl=es&ct=clnk&gl=co

84 de 85

desarrollo integral
BIBLIOGRAFIA

Investigacin de Operaciones. Hillier Lieberman. Mc Graw Hill

Mtodos cuantitativos de Unisur (Universidad Abierta y a distancia

Super Can

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Super Can

Transféré par

Droits d'auteur :

Formats disponibles

1 de 85

Vous aimerez peut-être aussi