Vous êtes sur la page 1sur 286

FACULTAD DE INGENIERAS Y ARQUITECTURAS

Escuela Profesional de Ingeniera Industrial

Investigacin de Operaciones I

Lic. Hctor F. Cerna Maguia

Ciclo V

DireccinUniversitariadeEducacinaDistancia




Universidad Alas Peruanas
Direccin Universitaria de Educacin a Distancia (DUED)
Calle Los Lirios 144, San Isidro. LimaPer
Telf. (511) 4221808
http://dued.uap.edu.pe
dued@uap.edu.pe

Impreso en los talleres grficos de la Universidad Alas Peruanas
Av. San Felipe 1109, Jess Mara. LimaPer
Telf. (511) 2660195

Derechos reservados. No est permitida la reproduccin total o parcial de la obra por
cualquier medio o procedimiento, comprendidos la reprografa, el tratamiento informtico
y electrnico sin la autorizacin de la Universidad Alas Peruanas.

2010

Gua didctica

Investigacin de Operaciones I

ndice

1. Presentacin de la Gua didctica


2. Presentacin del docente-tutor
3. Introduccin a la asignatura
4. Objetivos
5. Requisitos
6. Medios
7. Contenidos
8. Fuentes de informacin
9. Actividad acadmica
10. Evaluacin
11. Orientaciones para el estudio de la asignatura
12. Orientaciones para las tutoras

Escuela Profesional de Ingeniera Industrial

1. Presentacin de la Gua didctica

Estimado participante:

Lo saludamos nuevamente al dar inicio a la asignatura de Investigacin de


Operaciones I y esperamos que haya cumplido los objetivos del cuarto ciclo de
estudios en la modalidad de educacin a distancia.

Propsito
El propsito de esta Gua didctica es apoyar el desarrollo de la asignatura y
brindarle las orientaciones necesarias para facilitar su aprendizaje. Por ello es
importante su permanente lectura y comprensin.

Utilidad
Es importante que tenga en consideracin las precisiones detalladas en esta
gua, ya que le permitirn:

Obtener respuesta a muchas de las interrogantes que usted probablemente se


har en su proceso de aprendizaje.

Conocer, con anticipacin, muchos de los tpicos que se tratarn en la


asignatura y obtener el mximo provecho de las sesiones con el tutor y/o
docente asignado.

Partes

Introduccin general al curso

Presentacin del docente-tutor

Introduccin a la asignatura

Objetivos

Requisitos

Medios didcticos

Gua didctica

Investigacin de Operaciones I

Contenidos del curso

Fuentes de informacin

Actividad acadmica

Evaluacin

Orientaciones para el estudio de la asignatura

Orientaciones para las tutoras

Recomendaciones

Lea detenidamente este documento y utilcelo en todo su proceso de estudio,


consultndolo cada vez que sea necesario.

En el caso de buscar un tpico especfico, no dude en ver el ndice que se


encuentra en la parte inicial de esta gua, el mismo que le facilitar la rpida
ubicacin 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 aprobacin del mismo.

Escuela Profesional de Ingeniera Industrial

2. Presentacin del docente

La Universidad Alas Peruanas se complace en presentar al licenciado Hctor


Flix Cerna Maguia, quien ha elaborado el presente material didctico y estar a
cargo del curso de Investigacin de Operaciones I.

El docente-tutor es la persona con la cual estar en constante comunicacin a


fin de facilitarle su proceso de aprendizaje, de acuerdo a las caractersticas de esta
modalidad educativa.

Se indica el correo electrnico mediante el cual podr comunicarse con el


docente que tendr a su cargo la asignatura de Investigacin de Operaciones I, as
como los principales datos de su hoja de vida para que tenga informacin de su
experiencia e inquietudes profesionales.

Permtanos presentarle al docente-tutor de la asignatura:


Hctor Flix Cerna Maguia es docente de esta universidad en la Facultad de
Ingenieras y Arquitectura.

Docente en la Universidad Nacional Federico Villarreal en la Facultad de


Ciencias Naturales y Matemtica (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 Especializacin en Eficiencia en la Enseanza de


comunicacin y Lgico matemtica. Centro de Altos Estudios PedaggicosUniversidad Nacional Federico Villarreal.

Presidente del Captulo de Investigacin Operativa del Colegio de Matemticos


del Per (2008-2010).

Licenciado en Investigacin Operativa (Universidad Nacional Mayor de San


Marcos).

Diplomado en Docencia Universitaria (Universidad Alas Peruanas).

Experiencia en Elaboracin de Modelos Cuantitativos.

Gua didctica

Investigacin de Operaciones I

Estudios concluidos en la Maestra en Docencia Universitaria y Gestin


Educativa en la Universidad Alas Peruanas.

Sus reas de inters son la investigacin cientfica aplicada a los Modelos


Matemticos para resolver problemas del mundo real, como soporte en la toma
de decisiones.

El docente siempre estar dispuesto a resolver las interrogantes que usted


tenga respecto al curso. No dude en escribirle, pues siempre responder rpidamente
sus mensajes.

Escuela Profesional de Ingeniera Industrial

3. Introduccin a la asignatura

A travs de estas lneas, queremos expresarles nuestras felicitaciones por


haber culminado con xito el curso de Inferencia Estadstica. Asimismo le damos la
bienvenida a la asignatura de Investigacin de Operaciones I (IO).

Cul es su finalidad?
La finalidad de esta asignatura es lograr que usted se familiarice con los
modelos cuantitativos y, en particular, centrar su atencin en la programacin lineal
que es una tcnica de modelo matemtico, cuya finalidad principal es optimizar el uso
de los recursos limitados. Las aplicaciones de IO se iniciaron con mucho xito en el
campo militar, la agricultura, la industria, la economa, los sistemas de salud, control
de la contaminacin ambiental, distribucin 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 ms empresas tengan
acceso a las ventajas de los modelos de programacin lineal. La idea es lograr que
usted entienda lo que es un modelo matemtico, desarrolle habilidades para modelar y
resolver el mismo.

Qu caractersticas tiene?
Se trata de un curso terico-prctico, con mayor incidencia en la parte prctica,
por lo cual se recomienda la constante revisin y desarrollo de los ejercicios, tanto de
los realizados con el docente-tutor como de los propuestos.

10

Gua didctica

Investigacin de Operaciones I

Datos informativos
Asignatura

Investigacin de Operaciones I

Ciclo acadmico

Crditos

Naturaleza

Obligatoria

Requisito

Inferencia Estadstica

Docente-tutor

Lic. Hctor Flix Cerna Maguia

Cunto tiempo debe dedicar al estudio de este curso?


En la modalidad de educacin a distancia se le recomienda que dedique un
tiempo mnimo de 10 horas semanales, debido a que la asignatura ser desarrollada
en 8 semanas.

Para facilitar la organizacin de su tiempo en el desarrollo de contenidos, se


indica, a manera de sugerencia, las semanas en las que debe usted debera estudiar
los contenidos y desarrollar los ejercicios propuestos.

Cmo estn organizados los contenidos de este curso?


Se han organizado en cuatro unidades didcticas:

Unidad I: Introduccin a la investigacin de operaciones y fundamentos de


programacin lineal. Su finalidad es lograr que usted conozca la importancia de
la Investigacin Operativa en la toma de decisiones y la formulacin de
modelos lineales a gestin de operaciones de produccin, mezcla, distribucin
entre otras, La solucin de algunos modelos con dos variables de decisin
utilizando el mtodo grfico.

11

Escuela Profesional de Ingeniera Industrial

Unidad II: Representacin matemtica del modelo lineal y el mtodo simplex.


Su finalidad es la representacin matemtica y su solucin para ms de tres
variables de decisin utilizando el algoritmo simplex, utilizando este mismo
algoritmo resolveremos problemas con la teora de la dualidad y su posterior
anlisis de sensibilidad.

Unidad III: Aplicaciones Especiales de la programacin lineal. Su finalidad es


resolver problemas de transporte y asignacin utilizando nuevos algoritmos de
solucin dado que es mucho ms sencillo su desarrollo con estos algoritmos
que por el mtodo simplex.

Unidad IV: Tpicos avanzados en programacin lineal-programacin lineal


entera. La idea es mostrar modelos que tienen mltiples objetivos y convertir
los objetivos mltiples originales en una sola meta. En la parte de
programacin lineal entera es mostrar algunos problemas lineales cuyas
variables de decisin estn restringidas a valores enteros y su posterior
solucin.

12

Gua didctica

Investigacin de Operaciones I

Qu materiales necesita para estudiar?


Aparte de la gua y las unidades didcticas que le sern proporcionadas por la
universidad, se recomienda (no es obligatorio) tener:

La bibliografa bsica indicada en este documento.

Importancia de la asignatura
La Investigacin de Operaciones I dentro de la teora de optimizacin es una
rama de la matemtica aplicada. Como tcnica de optimizacin se convierte en
herramienta fundamental para resolver problemas cuantitativos en diversas reas de
las ciencias tales como la biologa, la economa, la medicina, la ingeniera, entre otras.
La IO como ciencia de la administracin permitir al ingeniero industrial maximizar o
minimizar alguna funcin 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 administracin.

13

Escuela Profesional de Ingeniera Industrial

4. Objetivos
A continuacin le mostramos los objetivos generales y especficos del presente
curso, al mismo tiempo visualizar la semana en que debemos trabajar el logro de
cada objetivo.

Objetivo general
Introducir al alumno en los principios, tcnicas y filosofa de la investigacin de
operaciones (IO).

Como primer curso se concentra en los modelos lineales y las tcnicas de


solucin para ellos. Se enfatizar el modelamiento presentndose adems la teora
bsica y los algoritmos que permitirn entender los procedimientos y soluciones con
programas computacionales que se propondrn para el uso de los alumnos. Se
incidir en la interpretacin aplicada de los resultados obtenidos.

Unidad didctica

Objetivos

Semana de
estudio

Aprende la importancia de la definicin y formulacin


de un modelo de programacin lineal, esto es,
abstraer un problema real en trminos matemticos

1.-2.

II

Comprende la importancia de la representacin


matemtica del modelo lineal y el uso del algoritmo
simplex en la solucin de problemas de programacin
lineal con ms de dos variables de decisin

3.-4.

III

Reconoce y comprende la importancia de nuevos


algoritmos para la solucin de casos especiales de la
programacin lineal,

5.-6.

IV

Comprende la importancia de aplicar nuevos tpicos


avanzados en programacin lineal, tales como
programacin por objetivos y programacin lineal
entera.

7.-8.

14

Gua didctica

Investigacin de Operaciones I

5. Requisitos
En esta seccin se detallan los requisitos mnimos que usted debe cumplir para
poder cursar la asignatura de Investigacin de Operaciones I.

Con relacin al plan de estudios


Haber aprobado la asignatura de Inferencia Estadstica.

Respecto al aspecto acadmico

Conceptos bsicos y operaciones sobre matrices

Planteamiento de ecuaciones e inecuaciones

Desigualdades lineales con dos variables

Solucin de desigualdades

Clculo de probabilidades e inferencia estadstica

Estructuras discretas-teora de grafos

15

Escuela Profesional de Ingeniera Industrial

6. Medios didcticos
Pasaremos a especificar aquellos medios que utilizaremos en el desarrollo de
la asignatura:

Impresos

La Gua didctica
Es el documento orientador del curso, su lectura y comprensin es obligatoria
porque en ella se sealan todos los criterios a tener en cuenta durante el
desarrollo de la presente asignatura. No olvide leerla con detenimiento.

Las unidades didcticas


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 xito acadmico. Las unidades didcticas las
encuentra en el presente documento.

Campus virtual
Es el espacio disponible en Internet, que se utiliza como medio de transmisin
de informacin 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 sern
entregados en el momento de su matrcula, en la Coordinacin de su Unidad
Descentralizada.

Ruta Web del Campus Virtual: http://dued.up.edu.pe

16

Gua didctica

Investigacin de Operaciones I

En el Campus Virtual encontrar las aulas virtuales (una por cada curso en que
se haya matriculado). En cada aula virtual usted visualizar:

Orientaciones generales
En esta opcin descargar un archivo con informacin importante que lo ayudar
en el desempeo del curso.

Cronograma del curso


Aqu tiene el cronograma de evaluaciones (Examen Parcial, Final, Sustitutorio y
Trabajo Individual), y el horario del curso.

Foro de debate
A travs de esta seccin se realizarn los debates acadmicos definidos para el
curso: el docente plantear temas a ser discutidos, con la finalidad de profundizar
o aclarar temas de la asignatura. Usted puede participar del foro cuando lo
desee, tambin planteando sus dudas o comentando sobre lo aprendido.

Para acceder al foro deber ingresar al curso desde el


Campus virtual y lo encontrar como Foro de Debate

17

Escuela Profesional de Ingeniera Industrial

Sala de conferencias
En este apartado docente y alumno interactan en lnea. Es el espacio en el aula
virtual en el que usted encontrar al tutor para recibir su asesoramiento, para
intercambiar opiniones, preguntas y respuestas acerca del curso. Los horarios de
tutora estn especificados en esta seccin. Tenga en cuenta que a esta sala
ingresan todos los participantes. Recuerde adems que:
1. Para utilizar adecuadamente esta Sala debe tener conectados audfonos o
parlantes.
2. Instalar con anticipacin el programa de la Sala de Conferencia.
3. Ingresar a la sala identificndote con su nombre completo (Nombre y
Apellido)
Adems se recomienda
1.

Utilizar micrfono para poder hablar con el tutor o expositor.

2.

Prestar atencin a las instrucciones durante la charla para mantener el


orden dentro de la Sala.

3.

Leer el manual de uso de la Sala.

Para poder acceder a la sala de conferencias deber ingresar al


curso desde el Campus virtual y la encontrar como:
Sala de Conferencias. Recuerde que debe tener preparados sus audfonos o
parlantes y micrfono.

El procedimiento de acceso y adecuada comunicacin a travs


de la Sala de conferencias se encuentra detallado en el apartado 12
de la presente Gua didctica titulado Orientaciones para las tutoras.

18

Gua didctica

Investigacin de Operaciones I

Compaeros de curso
Este cono muestra la lista de alumnos matriculados en el curso, sus fotos y
correos, para que usted pueda relacionarse con ellos y realizar tambin trabajos
grupales.

Envo de exmenes
Se emplea para enviar las evaluaciones escritas, en los plazos establecidos.

Envo de trabajos finales


Permite enviar el Trabajo final al docente del curso.

Visualizar trabajos enviados


A travs de esta opcin 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 opcin encontrar la presentacin del docente, ayudas y enlaces
interesantes que le enve el docente. Al ingresar usted ver esta imagen en la
parte superior:
MATERIAL DEL CURSO CICLO 200X-XX
Curso: 0201-02XXX XXXXXXX
Docente: XXXXXXXXXXXXXX
ESTRUCTURA DEL CURSO

19

Escuela Profesional de Ingeniera Industrial

Estructura del curso


Al elegir esta opcin usted podr acceder a pantalla siguiente:

Curso : XXXXXXXXXXXXX
0201-02XXX XXXXXXXXXXXX
Docente: XXXXXXXXXXXXXXXXXXXXX

Slabo del curso


Gua del curso
Unidades didcticas

Estos documentos (slabo, gua del curso y unidades didcticas) estarn a su


disposicin 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, podr seguir
estudiando sin necesidad de trasladarse llevando los libros.

En esta seccin usted contar con:

Presentacin del docente


Modelo de examen
Trabajo final
Ayudas
Autoevaluaciones
Enlaces Interesantes

20

Gua didctica

Investigacin de Operaciones I

Presentacin del docente

Es la presentacin que el docente hace de su asignatura.

Modelo de examen
Es el espacio desde donde usted podr descargar un modelo de examen,
de tal forma que pueda prepararse adecuadamente para su evaluacin. El
modelo de examen, como bien dice su nombre, es una demostracin de la
forma en que vendr elaborado el examen original.

Trabajo final
Es el espacio en el Aula virtual en el que usted podr descargar el trabajo
final que necesita desarrollar y entregar en el plazo que figura en el
calendario de evaluacin. No olvide descargarlo para que pueda
elaborarlo.

Ayudas
En este espacio usted podr descargar o compartir las ayudas que se
colocarn cada semana de estudio para reforzar o complementar sus
conocimientos; ellos son parte de las evaluaciones del presente curso.

Para acceder a las ayudas deber ingresar al curso desde el


campus virtual a

Material del Curso y luego a

Ayudas

Autoevaluaciones
Aqu, el docente colocar preguntas, problemas o ejercicios que usted
desarrollar para asegurarse el adecuado nivel de comprensin de los
temas desarrollados cada semana.

21

Escuela Profesional de Ingeniera Industrial

Enlaces interesantes
Es el espacio donde el docente colocar rutas o enlaces a pginas web,
con temas de la semana.

Para acceder a los enlaces interesantes deber ingresar al curso


desde el Campus virtual a
Enlaces interesantes

22

Material del curso y luego a

Gua didctica

Investigacin de Operaciones I

En la parte inferior de cada aula virtual ver:

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 deber conocer para cumplir con sus
obligaciones, ejercer sus derechos, cumplir con las normas de su Facultad, as
como efectuar trmites siguiendo las instancias apropiadas, para evitarse
inconvenientes, frustraciones o demoras.

Manuales
Gua de Atencin al Alumno
Gua del Estudiante a Distancia UAP
Presentacin y generalidades de la universidad
Sobre la Direccin Universitaria de Educacin a Distancia
(DUED)
Informacin y orientaciones bsicas para el alumno
Componentes del sistema de educacin a distancia
Campo de accin y perfil profesional
Gua de manejo del Campus virtual
Gua de manejo del Correo electrnico
Gua de Instalacin y Manual de Sala de Conferencias
Gua de configuracin de audio y micrfono

23

Escuela Profesional de Ingeniera Industrial

Procedimientos
Actualizacin de Matrcula
Reserva de Matrcula
Cambio de Unidad Descentralizada (UDED)
Constancia de Estudios
Certificado de Estudios
Traslado de Modalidad de Estudios

Con todos los programas que usted deber trabajar:

Acrobat Reader
Abre archivos de extensin PDF.
WinZip
Comprime archivos reduciendo su tamao y
colocndolos en un solo objeto con extensin .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.
Versin de prueba de 30 das.
Adobe Flash
Herramienta para desarrollar contenido dinmico y
multimedia para presentaciones e Internet.
Versin de prueba de 30 das.
Minitab
Es un programa diseado para ejecutar funciones
estadsticas bsicas y avanzadas.

24

Gua didctica

Investigacin de Operaciones I

7. Contenidos

A continuacin le mostramos los contenidos distribuidos por semana de


estudio.

I Unidad didctica
INTRODUCCIN A LA INVESTIGACIN DE OPERACIONES Y FUNDAMENTOS DE
LA PROGRAMACIN LINEAL
Objetivo general
Al finalizar esta unidad didctica estar en la capacidad de formular modelos
de programacin lineal con dos o ms variables y su solucin mediante el
mtodo grfico para modelos con dos variables de decisin.

Unidad

Objetivos

didctica

especficos

Semana
Contenidos

de
estudios

Conoce y

Introduccin y definicin de la IO, los orgenes de

comprende la

la IO, qu es y para qu sirve la IO, la toma de

importancia de

decisiones en nuestros das, las tcnicas de la

los orgenes de la

IO, perfil de un profesional en IO, por qu son

investigacin

necesarias las tcnicas de optimizacin

operativa

Secuencia operativa de un proyecto de IO.

1.

Define y

comprende los

Definicin de PL, formulacin de un modelo de

fundamentos de

PL, Ejemplos de aplicacin, mtodo grfico de

la programacin

solucin

2.

lineal
Conoce y
comprende la
importancia de
modelar
problemas
aplicados a
diferentes reas

Aplicacin de PL en la gestin de operaciones y


presentacin de la solucin mediante software
(por ejemplo : gestin de operaciones de

2.

produccin, compra, distribucin, mezcla, entre


otros)

de la ciencia.

25

Escuela Profesional de Ingeniera Industrial

II Unidad didctica
REPRESENTACIN MATEMTICA DEL MODELO LINEAL Y EL MTODO
SIMPLEX
Objetivo general
Al finalizar la presente unidad didctica, usted estar en la capacidad de reconocer la
importancia de representar problemas reales en trminos matemticos. As como
conocer y aplicar el algoritmo Simplex para modelos con ms de dos variables de
decisin en la solucin de problemas de optimizacin.

Unidad
didctica

Semana
Objetivos especficos

Contenidos

de
estudios

Conoce y aplica la

Forma algebraica, forma matricial, solucin

representacin

bsica, interpretacin geomtrica, cantidad

matemtica de un modelo

mxima de soluciones bsicas, bsqueda de

lineal

la solucin factible ptima, interpretacin de

3.

las variables de holgura, exceso.

II

Comprende la importancia

Representacin matemtica, solucin inicial

del algoritmo Simplex en

bsica factible, la condicin de optimalidad,

la solucin de problemas

la condicin de factibilidad, el algoritmo

de programacin lineal

Simplex, representacin tabular, ejemplos.


Dualidad y anlisis de sensibilidad (cambios
sistemticos en los coeficientes de la
funcin objetivo y cambios sistemticos en
las constantes del lado derecho.

26

4.

Gua didctica

Investigacin de Operaciones I

III Unidad didctica


APLICACIONES ESPECIALES DE LA PROGRAMACIN LINEAL
Objetivo general
Al finalizar esta unidad didctica estar en capacidad de reconocer la importancia de
solucionar problemas especiales de la programacin lineal como son transporte y
asignacin mediante operaciones elementales.

Unidad didctica

Objetivos especficos

Contenidos

Comprende y explica la
definicin del modelo de
transporte y la aplicacin
del algoritmo.
III

Definicin del modelo de


transporte, el algoritmo
de transporte, aplicacin
a problemas reales,
solucin del problema de
transporte siguiendo los
siguientes pasos: 1. la
determinacin de la
solucin inicial, 2. el
mtodo UV.
Comprende y explica la Definicin del modelo de
definicin del modelo de asignacin, el Algoritmo
transporte y la aplicacin de Asignacin, aplicacin
del algoritmo.
a problemas reales,
solucin del problemas
de asignacin: Mtodo
hngaro

Semana de estudios

5.

6.

27

Escuela Profesional de Ingeniera Industrial

IV Unidad didctica
TPICOS AVANZADOS EN PROGRAMACIN LINEAL TALES COMO:
PROGRAMACIN POR OBJETIVOS Y PROGRAMACIN LINEAL ENTERA
Objetivo general
Al finalizar esta unidad didctica estar en capacidad de comprender la importancia de
resolver modelos de mltiples objetivos y convertir los objetivos mltiples originales en
una sola meta y adems trataremos programas lineales en los cuales algunas o todas las
variables de decisin estn restringidas a valores enteros.

Unidad didctica

Objetivos especficos
Comprende y explica los
conceptos bsicos de la
programacin por
objetivos

Contenidos

Semana de estudios

Definicin y formulacin
de programacin por
metas, conceptos bsicos
y solucin haciendo uso
del Lindo
7

IV

28

Comprende y explica los


conceptos bsicos de la
programacin lineal
entera.

Definicin y formulacin
de programacin lineal
entera, enfoque grfico,
problemas con el
redondeo, solucin a
travs del mtodo de
ramificacin y
acotamiento.

Gua didctica

Investigacin de Operaciones I

8. Fuentes de informacin

Bibliografa bsica
Es el presente texto, material de estudio obligatorio. Su lectura y comprensin es
imprescindible para lograr los objetivos del curso.

Bibliografa complementaria
Son textos adicionales de lectura no obligatoria

MATHUR, Kamlesh y Daniel SOLOW. Investigacin de Operaciones, El arte de la


toma de decisiones. Editorial Prentice-Hall Hispanoamericana S:A. 977 pginas.
Desarrolla conceptos relacionados con la claridad, el orden y la precisin en el
rea de construccin de modelos. Constituye un material de apoyo de primer
orden, por su forma didctica y enfoque terico-prctico de los temas
desarrollados.

Enlaces de Internet
Son direcciones electrnicas (direcciones de Internet) que contienen informacin
relevante que darn soporte a las diferentes unidades didcticas. En el Campus
virtual del curso encontrar los enlaces por semana de estudio.

29

Escuela Profesional de Ingeniera Industrial

9. Actividades
Autoevaluativas
Son actividades sugeridas que usted encontrar al final de cada unidad
didctica del presente texto. No son de entrega obligatoria: estas actividades sirven
para reforzar los conocimientos o competencias que usted debi haber logrado en sus
semanas de estudio.
Lectura de textos de acuerdo al tpico desarrollado.
Ejercicios

de

ampliacin

complementacin

de

enunciados

autocomprobacin de lo aprendido.
Trabajo acadmico
Su cumplimiento en cuanto al desarrollo adecuado y entrega oportuna es de
carcter obligatorio, es decir, segn lo programado en el Aula virtual. Usted debe
desarrollar el trabajo asignado bajo este rubro teniendo en cuenta la fecha lmite para
la presentacin, pudiendo antes del plazo, consultar con el docente.

Visite desde su Aula virtual, accediendo al espacio llamado Materiales del


curso,

el

espacio

denominado

Trabajo

acadmico.

En

encontrar

las

especificaciones del trabajo a desarrollar y los detalles pertinentes que necesitar


conocer para realizarlo.
.

30

Gua didctica

Investigacin de Operaciones I

10. Evaluacin
Dada la naturaleza del curso, es muy importante su participacin activa en el
proceso de aprendizaje. Por ello, se define en este acpite los criterios de evaluacin:

Exmenes
Examen es la evaluacin escrita del presente curso, se evala con escala
vigesimal y se rendirn en las fechas seala en el siguiente cuadro.

Exmenes

Semana de estudios

Examen parcial

Cuarta

Examen final

Octava

Examen sustitutorio

Dieciocho

La nota mnima aprobatoria de todos los exmenes es de once (11).

Es importante resaltar que la calificacin obtenida en el Examen sustitutorio


reemplazar a la nota del Examen parcial o del Examen final. Usted podr
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.
RECUERDE
El examen sustitutorio solo reemplaza uno de los exmenes al
parcial o al final. Bajo ninguna circunstancia la nota del examen
sustitutorio reemplaza las actividades obligatorias o los dos
exmenes antes mencionados o al promedio final.

Trabajo acadmico
Son los trabajos que usted entregar obligatoriamente, y constituyen un requisito
indispensable para aprobar el curso.
El desarrollo de algunos trabajos acadmicos requiere trabajo en grupo, en otros
casos el desarrollo ser de forma personal.
31

Escuela Profesional de Ingeniera Industrial

Los trabajos acadmicos estn colocados en el Campus virtual y las


especificaciones de los mismos sern detalladas oportunamente en el foro y en
la sala de conversacin, as como tambin el asesoramiento en su desarrollo.
Forma de evaluacin

Permanente.

Rubros:

Examen parcial.

(35%)

Examen final.

(35%)

Actividades Obligatorias

(30%)

El Trabajo acadmico se evaluarn tambin con escala vigesimal y tambin la


nota mnima aprobatoria es 11 (once). Toda copia de trabajos de Internet
detectada en las actividades tendr la nota 00 (cero)

32

Gua didctica

Investigacin de Operaciones I

11. Orientaciones para el estudio de la asignatura

Estimado participante:

Para que usted pueda lograr los objetivos de cada unidad didctica considere
lo siguiente:

Unidad didctica

II

III

IV

Objetivo

Construye a travs de los orgenes de la


investigacin operativa la importancia de la
definicin y formulacin de un modelo de
programacin lineal, es decir, abstraer un
problema real en trminos matemticos.
Comprende la importancia de la representacin
matemtica del modelo lineal y al algoritmo
Simplex en la solucin de problemas de
programacin Lineal con ms de dos variables
de decisin
Reconoce y comprende la importancia de nuevos
algoritmos para la solucin de casos especiales
de la Programacin Lineal,
Comprende la importancia de abordar tpicos
avanzados en programacin lineal, tales como
programacin por objetivos y programacin lineal
entera.

Tiempo
sugerido de
estudio
30 horas

20 horas

20 horas

20 horas

Con relacin a la Gua didctica


Le recomendamos que lea detenidamente este documento y lo considere una
gua que deber utilizar en todo su proceso de estudio, consultndolo cada vez que
sea necesario.

33

Escuela Profesional de Ingeniera Industrial

Con relacin a las unidades didcticas


En este proceso, es indispensable que cuente con un nivel de lectura
comprensiva e interpretativa para lo cual se pone en su consideracin las siguientes
pautas:

Busque las condiciones ambientales ms propicias para el estudio, lo que le


facilitar su concentracin y su aprendizaje.

Haga un cronograma de estudio que deber cumplir en forma sistemtica.

Recuerde que debe interpretar con sus propias palabras los conceptos
presentados por el autor, esto le permitir una mayor comprensin del tema.

Resuelva todas las actividades: autoevaluacin, prcticas y ejercicios


propuestos.

Cuide la adecuada presentacin de sus trabajos, ya sea de fondo (profundidad,


exactitud y rigurosidad de sus respuestas) como de forma (ortografa, orden).

34

Gua didctica

Investigacin de Operaciones I

12. Orientaciones para las tutoras

Con relacin a las tutoras telemticas


La comunicacin con el docente se realizar a travs de la Sala de conferencia,
y en caso de dificultades tcnicas, en la Sala de conversacin. Antes de comunicarse
con el docente usted deber preparar:

Las preguntas de los temas que usted considere de difcil comprensin.

Comentarios que usted necesita realizarle al docente para profundizar algunos


conocimientos o para consultar los conocimientos que usted considere
conveniente.
RECUERDE
La tutora
telemtica
es para resolver asuntos estrictamente acadmicos.
Temas
sociales
(caf)
Si usted necesita que el docente le aclare el puntaje obtenido en alguna
de sus calificaciones, utilice el correo electrnico.

Se le recuerda que debe tener presente estas consideraciones cuando acuda a


la tutora telemtica:

1. Haga primero el intento de solucionar sus inquietudes estudiando con seriedad,


consultando la bibliografa pertinente e intercambiando opiniones con sus
compaeros. Si despus de ello persiste su duda, haga preguntas especficas
y no del tema en general. De lo contrario, indicara que no est haciendo su
mejor esfuerzo para aprender.
2. Formule sus preguntas de forma concreta y precisa. Esto ayudar a que el
tutor est 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.

35

Escuela Profesional de Ingeniera Industrial

4. Las indicaciones sobre las evaluaciones estn dadas en las respectivas


unidades didcticas, por lo que se le sugiere que no haga preguntas referentes
a si las evaluaciones son fciles o no; qu pasar si usted no aprueba,
etctera. Estamos para apoyarlo, pero solicite la ayuda en forma necesaria,
clara y oportuna.
5. Respete el horario establecido para la tutora. Si usted estudia a ltimo minuto,
lo ms 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, prcticas y
evaluaciones.

Buena suerte!

36

I Unidad didctica
Investigacin Operativa I
INTRODUCCIN A LA INVESTIGACIN DE
OPERACIONES Y FUNDAMENTOS DE LA
PROGRAMACIN LINEAL

Primera unidad didctica

Investigacin de Operaciones I

Esquema de contenidos

1.

INTRODUCCIN A LA INVESTIGACIN DE OPERACIONES Y


FUNDAMENTOS DE LA PROGRAMACIN LINEAL

1.1

Los orgenes de la Investigacin Operativa

1.2

Qu es la investigacin Operativa?

1.3

La toma de decisiones

1.4

Tcnicas de la investigacin operativa (IO)

1.5

Perfil profesional en IO

1.6

Por qu son necesarias las tcnicas de optimizacin y anlisis?

1.7

Secuencias operativa de un proyecto de IO

1.8

Introduccin a la Construccin de Modelos

2.

REPRESENTACIN MATEMTICA DEL MODELO LINEAL Y EL MTODO


SIMPLEX

2.1. Definicin de Programacin Lineal


2.1.1 Conceptos Bsicos
2.2. Conjunto Convexo
2.3. Formulacin de un problema de programacin lineal
2.3.1 Identificacin de las variables de decisin.
2.3.2 Identificacin de los datos del problema
2.3.3 Identificacin de la funcin Objetivo
2.3.4 Identificacin de las restricciones
2.4. Mtodo grfico o mtodo geomtrico de solucin
2.4.1 Graficacin de ecuaciones y desigualdades lineales
3.

APLICACIONES DE PL EN LA GESTIN DE OPERACIONES Y


PRESENTACIN DE LA SOLUCIN MEDIANTE SOFTWARE

Escuela Profesional de Ingeniera Industrial

Objetivos

Objetivo general
Al finalizar esta unidad didctica estar en la capacidad de formular modelos
de programacin lineal y su solucin mediante el mtodo grfico para
modelos con dos variables de decisin.
Objetivos especficos
Conoce y comprende la importancia de los orgenes de la investigacin operativa

Define y comprende los fundamentos de la programacin lineal

Conoce y comprende la importancia de modelar problemas aplicados a diferentes


reas de la ciencia.

Primera unidad didctica

Investigacin de Operaciones I

Prlogo

En este texto gua de Investigacin de Operaciones I a partir de nuestra


experiencia en la enseanza de los mtodos cuantitativos aplicados a las diferentes
reas como son las ingenieras, la industria, la economa, la administracin, la
medicina, la Biologa, en el campo militar, educacin, organizaciones sociales,
etctera, buscamos que el alumno aprenda el concepto de modelo matemtico y, lo
ms importante, la construccin de modelos pues sin los modelos matemticos no
tienen sentido la existencia de paquetes de computacin para resolver los modelos.
Desde este punto de vista, nuestra preocupacin se centra en ensear a nuestros
estudiantes cmo construir modelos, aunque es verdad que la construccin de
modelos es un arte que se logra con la prctica.

En este texto va a encontrar cuatro unidades referente al desarrollo del curso,


la primera unidad corresponde a la introduccin a la Investigacin de operaciones y
fundamentos de la programacin lineal; en la segunda unidad desarrollaremos la
representacin matemtica del modelo lineal y el mtodo Simples; la tercera unidad
corresponde a las aplicaciones especiales de la programacin lineal; y por ltimo, la
cuarta unidad corresponde a programacin por objetivos y programacin lineal entera.

La idea fundamental es que el estudiante se familiarice con el curso para ello


deber dedicarse con mucho esmero a cada unidad, tanto en lo que respecta a su
teora como a los ejemplos, y siempre buscar informacin adicional.

Escuela Profesional de Ingeniera Industrial

Introduccin a la investigacin de operaciones (IO)

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 cre 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 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.

La Investigacin de Operaciones aspira a determinar la mejor solucin (ptima)


para un problema de decisin con la restriccin de recursos limitados.

Primera unidad didctica

Investigacin de Operaciones I

Contenidos
I Unidad didctica
INTRODUCCIN A LA INVESTIGACIN DE OPERACIONES Y FUNDAMENTOS DE
LA PROGRAMACIN LINEAL
EL PROBLEMA

Los recursos
son escasos

Los sistemas son cada


vez ms complejos

Cada vez es ms difcil asignar los


recursos o actividades, de la forma ms eficaz

1.1. LOS ORGENES DE LA INVESTIGACIN OPERATIVA

Antecedentes

En los siglos XVII y XVIII, Newton, Leibnitz, Bernoulli y Lagrange.

Los franceses Jean Baptiste-Joseph Fourier esboz mtodos de la actual


programacin lineal.

Von Neumann public en 1928 su trabajo Teora de Juegos.

Matemticas: modelos lineales (Farkas, Minkowski) (s.XIX).

Estadstica: fenmenos de espera (Erlang, Markov) (aos 20).

Economa: Quesnay (s.XVIII), Walras (s.XIX), Von Neumann (aos 20).

Escuela Profesional de Ingeniera Industrial

El origen de la IO moderna se sita en la Segunda Guerra Mundial para resolver


problemas de organizacin militar:

Despliegue de radares, manejo de operaciones de bombardeo, colocacin de


minas, etctera. Y luego con motivo de la revolucin industrial, ha ido teniendo
cada vez ms importancia dado el crecimiento y complejidad de las nuevas
organizaciones. Actualmente est cobrando especial importancia con el
desarrollo de la informtica.

El xito de la IO se debe a:
-

Progreso terico: RAND (Dantzig), Princeton (Gomory, Kuhn, Tucker),


Carnegie Institute of Technology (Charnes, Cooper).

Creacin del Mtodo 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 resolucin 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 rea de IO, en sus dos


niveles: acadmico y empresarial, estas organizaciones son:

10

ORSA, Operations Research Society of American, 1952.

TIMS, The Institute of management Science, 1953.

ALIO, Asociacin Latinoamrica de IO.

IFORS, International Federation of Operations Research.

Primera unidad didctica

Investigacin de Operaciones I

Sociedad Espaola de Estadstica 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. QU ES LA INVESTIGACIN OPERATIVA?


Responderemos esta interrogante con algunas definiciones:
Definicin de CHURCHMAN, ACKOFF y ARNOFF
La investigacin de operaciones es la aplicacin, por grupos interdisciplinarios, del
mtodo cientfico a problemas relacionados con el control de las organizaciones o
sistemas (hombre-mquina), a fin de que se produzcan soluciones que mejor sirvan a
los objetivos de la organizacin.

11

Escuela Profesional de Ingeniera Industrial

Definicin NAMAKFORROSH
Es la aplicacin del mtodo cientfico a los problemas de decisin de las empresas y
otras organizaciones, incluyendo el gobierno y la milicia.
Definicin LAWRENCE y PASTERNAK, 1998
Un enfoque cientfico para la toma de decisiones ejecutivas, que consiste en: el arte de
modelar situaciones complejas, la ciencia de desarrollar tcnicas de solucin para
resolver dichos modelos y la capacidad de comunicar efectivamente los resultados.
Objetivo de la Investigacin operativa
-

Estudiar la asignacin ptima de recursos escasos a determinada actividad.

Evaluar el rendimiento de un sistema con el objeto de mejorarlo.

En conclusin podemos observar que todos coinciden en que la IO es la aplicacin del


mtodo cientfico por un grupo interdisciplinario de personas a la resolucin de un
problema con el fin de asignar los recursos o actividades de forma eficaz, en la gestin
y organizacin de sistemas complejos y el objetivo es ayudar a la toma de decisiones
es decidir mediante estos mtodos cientficos encontrar el diseo que optimiza el
proceso analizado, generalmente bajo condiciones que implican la utilizacin de
recursos escasos.

1.3. LA TOMA DE DECISIONES


a.

Prcticamente todas las decisiones se toman en un ambiente de cierta


incertidumbre. Sin embargo, el grado vara de una certeza relativa a una gran
incertidumbre. En la toma de decisiones existen ciertos riesgos implcitos.

b.

La toma de decisin 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.

12

Primera unidad didctica

c.

Investigacin de Operaciones I

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 condicin de certeza

En una situacin donde existe certeza, las personas estn razonablemente


seguras sobre lo que ocurrir cuando tomen una decisin, cuentan con
informacin que se considera confiable y se conocen las relaciones de causa y
efecto.

Decisiones bajo condicin de incertidumbre

En una situacin de incertidumbre, las personas slo 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 situacin.

Decisiones bajo condicin de riesgo

En una situacin de riesgo, quiz se cuente con informacin 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 matemticos. 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 tcnicas presentadas como


mtodos cuantitativos o Investigacin de Operaciones, como puede ser la
programacin lineal, teora de lneas de espera y modelos de inventarios.

13

Escuela Profesional de Ingeniera Industrial

Bases cualitativas: existen ciertas cualidades que hacen que los tomadores de
decisin sean buenos o malos. Las cualidades que tienen mayor importancia a la
hora de analizar al tomador de las decisiones son:
i.

Informacin.

ii. Conocimientos.
iii. Experiencia.
iv. Anlisis.
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

TCNICAS DE LA INVESTIGACIN OPERATIVA (I .O)

Las tcnicas 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 matemticos
Para solucionar modelos cuantitativos, podemos hacer uso de las siguientes tcnicas
de optimizacin:
-

Determinsticos. Los casos determinsticos se presentan cuando hay certeza


sobre los parmetros, que son establecidos y fijados de antemano y en
consecuencia nos conducen a resultados ciertos. En estos casos se recurren a
modelos matemticos de optimizacin.

14

Primera unidad didctica

Investigacin de Operaciones I

Probabilistico. Cuando no existe certeza sobre todos los datos, y algunos


parmetros o elementos no se conocen. Parten de datos estadsticos y nos
conducen a resultados probables. En estos casos se recurren a modelos
matemticos para proyectar y extrapolar, predecir.

Dentro de las tcnicas de optimizacin tanto en determinsticos como probabilsticos


sealaremos los siguientes:
A.

B.

1.5

Modelos determinsticos

Programacin matemtica

Programacin lineal

Programacin entera

Programacin dinmica

Programacin no lineal

Programacin multiobjetivo

Modelos de transporte

Modelos de redes

Modelos probabilsticos

Programacin estocstica

Gestin de inventarios

Fenmenos de espera (colas)

Teora de juegos

Simulacin

PERFIL PROFESIONAL EN IO

Un profesional en IO debe tener una buena formacin en cuatro reas:


-

Conocimientos en las reas de la IO.

Conocimientos de las tcnicas cuantitativas y los softwares correspondientes.

Conocimiento especializado en un rea diferente de la IO, esto le dar al


profesional una competencia especial de aplicar IO.

Conocimiento bsico en desarrollar Sistemas de Soporte de Decisiones, para la


fase de implementacin de la aplicacin.
15

Escuela Profesional de Ingeniera Industrial

1.6. POR QU SON N ECESARIAS LAS TCNIC AS DE OPTIMIZACIN Y


ANLISIS?
El inters por resolver un problema del mundo real nos lleva a la construccin o
formulacin de modelos, el proceso de tomar un problema real y abstraerlo en
trminos matemticos nos conduce al uso de una de las tcnicas de optimizacin y
anlisis mencionados en 1.5., que son muy importantes y necesarias pues ellas nos
permiten resolver problemas complejos y diversos aplicados a la ingeniera, economa,
minera, transporte, medio ambiente, medicina, en el campo militar, en las
organizaciones sociales, entre otros.
Las tcnicas de anlisis permiten obtener informacin muy til para interpretacin.

1.7. SECUENCIAS OPERATIVAS DE UN PROYECTO DE IO


-

A lo largo de todo el proceso debe haber una interaccin constante entre el


analista y el cliente

El proceso de aplicar mtodos cuantitativos requiere una sucesin sistemtica de


pasos estos son:
Definicin del problema

Desarrollo de un modelo
matemtico y recoleccin de
datos

Modelo Modificado

Resolucin del Modelo


Matemtico

Solucin

Es
vlida la
solucin

no

S
Implementacin

16

Primera unidad didctica

Investigacin de Operaciones I

1.7.1. Definicin del problema


El primer paso es identificar, comprender y describir en trminos precisos el problema
que la organizacin enfrenta. En algunos casos, el problema est 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 matemtico y recoleccin de datos
Despus de que el problema est claramente definido y comprendido, el siguiente
paso es expresar el problema en una forma matemtica, esto es, formular un modelo
matemtico. Una vez construido el modelo, existen muchas tcnicas matemticas
disponibles para obtener la mejor solucin, a pesar del vasto nmero de alternativas o
de la complejidad implicada.
Variable de decisin/v ariable/variable controlable: Es una cantidad cuyo valor se
puede controlar y es necesario determinar para solucionar un problema de decisin.
Funcin objetivo: El objetivo global de un problema de decisin expresado en una
forma matemtica en trminos de los datos y de las variables de decisin.
Limitacin: Es una restriccin sobre los valores de variables en un modelo
matemtico tpicamente impuesto por condicin externa.
Datos/ parmetros incontrolables: Informacin conocida en un problema de decisin
que no se puede controlar pero que se puede usar para determinar la solucin
1.7.3. Resolucin del modelo matemtico
Una vez formulado un modelo matemtico del problema, el siguiente paso es resolver
el modelo, es decir, obtener valores numricos para la variable de decisin. Es decir,
una vez que identifique el tipo de modelo que tiene, podr elegir una tcnica de
administracin apropiada para resolverlo. Estas tcnicas pertenecen a una de dos
categoras:

17

Escuela Profesional de Ingeniera Industrial

a) Mtodos ptimos, que producen los mejores valores para las variables de
decisin, es decir, aquellos valores que satisfacen simultneamente todas las
limitaciones y proporcionan el mejor valor para la funcin objetivo.
b) Mtodos heursticos , que producen valores para las variables que satisfacen
todas las limitaciones. Aunque no necesariamente ptimos, estos valores proporcionan
un valor aceptable para la funcin objetivo.
En

contraste

con

los

mtodos

ptimos,

los

mtodos

heursticos

son

computacionalmente ms eficientes y por tanto se usan cuando la obtencin de


soluciones ptimas lleva demasiado tiempo o es imposible porque el modelo es
demasiado complejo.
1.7.4. Validacin, instrumentacin y control de la solucin
Despus de resolver el modelo matemtico, es extremadamente importante validar la
solucin, es decir, revisar la solucin 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 matemtico 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. Modificacin del modelo


Si durante el paso de validacin se encuentra que la solucin no puede llevarse a
cabo, se pueden identificar las limitaciones que fueron omitidas durante la formulacin
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 formulacin del problema y hacerse cuidadosamente las modificaciones
apropiadas para reflejar con ms exactitud el problema real.

18

Primera unidad didctica

Investigacin de Operaciones I

1.8. INTRODUCCIN A LA CONSTRUCCIN DE MODELOS


1.8.1. El modelado
Es una ciencia de anlisis de relaciones, aplicacin de algoritmos de solucin y a la
vez un arte: visin de la realidad, estilo, elegancia, simplicidad, uso creativo de las
herramientas y experiencia
1.8.2. Modelo
Representacin simplificada de la realidad, que facilita su comprensin y el estudio de
su comportamiento. Tambin podemos decir que un modelo es una abstraccin
selectiva de la realidad que:

Debe mantener un equilibrio entre sencillez y capacidad de representacin

Modelo matemtico: modelo expresado en trminos matemticos:

Hace ms claras la estructura y relaciones.

Facilita el uso de tcnicas matemticas y ordenadores.

A veces no es aplicable.

Los modelos pueden ser:


-

Modelos fsicos, modelos de aviones a escala, etc.

Modelos anlogos, mapa de carreteras, etc.

Modelos simblicos, modelos cuantitativos (determinsticos, probabilsticos


o estocsticos).

1.8.3. Construccin del modelo

Traduccin del problema a trminos matemticos


-

Objetivos: funcin objetivo

Alternativas: variables de decisin

Limitaciones del sistema: restricciones

Pero a veces las relaciones matemticas son demasiado complejas


-

Heursticos

Simulacin

19

Escuela Profesional de Ingeniera Industrial

1.8.4. Modelado matemtico


Paso 1. Identificar las variables de decisin
Sobre qu tengo control?
Qu es lo que hay que decidir?
Cul sera una respuesta vlida en este caso?
Paso 2. Identificar la funcin objetivo
Qu pretendemos conseguir?
Si yo fuese el jefe de la empresa, qu me interesara ms?
Paso 3. Identificar las restricciones o factores que limitan la decisin
Recursos disponibles (trabajadores, mquinas, material)
Fechas lmite
Restricciones por la naturaleza de las variables (no negatividad, enteras,
binarias)
Restricciones por la naturaleza del problema
Paso 4. Traduccin de los elementos bsicos a un modelo matemtico.
1.8.5. Resolucin del modelo
Paso 1. Elegir la tcnica de resolucin adecuada
Tcnicas existentes, modificacin, creacin o heursticos.
Paso 2. Generar las soluciones del modelo
Programas de ordenador, hojas de clculo.
Paso 3. Comprobar/validar los resultados
Probar la solucin en el entorno real
Paso 4. Si los resultados son inaceptables, revisar el modelo matemtico
Estudiar hiptesis, comprobar exactitud de datos, relajar o endurecer
aproximaciones, revisar restricciones

20

Primera unidad didctica

Investigacin de Operaciones I

Paso 5. Realizar anlisis de sensibilidad


Analizar adaptaciones en la solucin propuesta frente a posibles cambios
1.8.6. Gua general para la formulacin de modelos
Identificacin de los elementos bsicos. Expresar en palabras:

Datos del problema


-

Variables de decisin
-

Variables sobre las que se tiene control

Restricciones
-

Factores que no son susceptibles de cambio

Causas por las que la decisin est limitada

Funcin objetivo
-

Medida del rendimiento que se quiere optimizar

Traduccin de los elementos bsicos a expresiones matemticas

Serie de problemas 1.0


1. Ampliar los orgenes de la IO

2. Qu es y para qu sirve la IO? Dar algunas otras definiciones.

3. Investigar sobre la toma de decisiones en nuestros das

4. Breves definiciones sobre las diferentes tcnicas de la IO

21

Escuela Profesional de Ingeniera Industrial

2.

FUNDAMENTOS DE LA PROGRAMACIN LINEAL (P. L.)

La programacin lineal utiliza un modelo matemtico para representar el problema que


se estudia. La palabra lineal en el nombre se refiere a la forma de las expresiones
matemticas de este modelo. Programacin no se refiere a la programacin en
computadora; ms bien es, en esencia, un sinnimo de planear. As, la programacin
lineal significa planeacin de actividades representada por un modelo matemtico
lineal.

El til desarrollo actual de la PL para los negocios y la industria, se atribuye al doctor


George D. Dantzig, un matemtico que present su mtodo Simplex, como un
procedimiento sistemtico para resolver un problema de programacin lineal. Durante
el ao de 1947, George Dantzig (con Marshall Wood y sus asociados), se ocup de
un proyecto en la Fuerza Area de los Estados Unidos, el cual dio por resultado la
bsqueda de una tcnica capaz de resolver los problemas de planeacin militar. La
esencia de esas investigaciones consiste en considerar las interrelaciones entre las
actividades de una gran organizacin como un modelo de PL, y determinar el
programa de optimizacin minimizando (o maximizando) una funcin objetivo lineal.
Dantzig indic que ese nuevo enfoque tendra amplias aplicaciones en los problemas
de los negocios, como ocurre actualmente.
La programacin Lineal se usa en las siguientes reas

-Programacin de refineras de petrleo


- Distribucin de productos
- Planeamiento de la produccin
- Estudio de mercados
- Planeamiento de inversiones
- Problemas de transporte
- Problemas de dietas, etctera

22

Primera unidad didctica

Investigacin de Operaciones I

2.1. DEFINICIN DE PROGRAMACIN LINEAL


La programacin lineal es una tcnica matemtica que nos permite determinar la mejor
asignacin de los recursos limitados de la empresa de tal manera que la funcin
objetivo debe maximizarse o minimizarse cuando se consideran un conjunto de
restricciones.
2.1.1. Conceptos bsicos
Para resolver problemas de Investigacin de Operaciones por medio de PL debemos
primero explicar las caractersticas comunes de todos los modelos de PL y las
suposiciones matemticas que se aplican a ello:

Funcin Objetivo. La programacin lineal es un proceso de optimizacin. Con


una sola funcin objetivo la cual se expresa matemticamente 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 decisin. Representa aquellas selecciones que estn bajo el control


de la persona que toma las decisiones. Resolviendo el problema se obtienen sus
valores ptimos.
Las variables pueden ser endgenas (aquellas que el modelo trata de explicar y
se conocen tambin como variables dependientes) o exgenas (aquellas fuerzas
exteriores al modelo y cuyas magnitudes intervienen como datos y tambin se
les denomina variables independientes). Estas dos expresiones tienen sentido
nicamente dentro del contexto de un modelo especfico, pues una variable
endgena en un modelo dado, puede muy bien ser exgena en otro.
Por ejemplo, una variable de decisin podra ser el nmero de unidades de un
producto que se deben fabricar en el siguiente mes.
La programacin lineal se basa en la suposicin de que las variables de decisin
son continuas.

23

Escuela Profesional de Ingeniera Industrial

Restricciones. Son limitaciones que restringen las selecciones permisibles para


las variables de decisin. Cada limitacin puede expresarse matemticamente en
cualquiera de estas tres formas:

Restriccin menor ig ual que ( ) impone un limite superior a cierta


funcin de las variables de decisin. Por ejemplo, el nmero mximo de
clientes a los cuales es posible atender.

Restriccin mayor igual que ( ) impone un limite inferior a cierta funcin


de las variables de decisin. Por ejemplo, la produccin de cierto producto
debe exceder o igualar a la magnitud de la demanda.

Restriccin igual que ( = ) Por ejemplo, que el inventario final siempre


debe ser igual al inventario inicial ms la produccin menos las ventas.

Regin factible. Todo problema de PL debe tener una o varias restricciones.


Consideradas en conjunto, esas restricciones definen una regin factible, la cual
representa todas las combinaciones permisibles de las variables de decisin. En
la mayor parte de los casos la regin factible contiene un nmero muy grande de
soluciones posibles. La meta de la persona que toma decisiones consiste en
encontrar la mejor solucin.

Parmetro. La funcin objetivo y las restricciones son funciones de las variables


de decisin y los parmetros. Un parmetro, tambin llamado coeficiente o
constante se conocen con certidumbre. Por ejemplo, un programador de
computadoras puede saber de antemano que la ejecucin de un programa de
software requerir tres horas, ni ms ni menos.

Linealidad. La funcin objetivo y las ecuaciones de restriccin son lineales. La


linealidad implica proporcionalidad y aditividad; no puede haber en ella productos
ni potencias (por ejemplo, 10 x1 x2 , x 31 ) de las variables de decisin.

No negatividad. Significa que las variables de decisin deben ser positivas o


cero. Por ejemplo, una empresa que fabrica autos jams podr producir un
nmero negativo de autos.

24

Primera unidad didctica

Investigacin de Operaciones I

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 estn en Xi.
Tambin 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
tambin se encuentra dentro del conjunto.
Obviamente, una lnea recta se ajusta a esta definicin y constituye un conjunto
convexo. Por convencin se considera que un punto nico, tambin es un conjunto
convexo.

l
h
a

c
d

f
k

conjuntosconvexos(a) y(b)

c)

d)

conjuntos no convexos, c y d
El conjunto convexo (c.c.) est dado por la interseccin de los planos que forman
todas las desigualdades y ecuaciones que conforman un modelo, siempre y cuando no
tengan bordes dentados u orificios.

25

Escuela Profesional de Ingeniera Industrial

En general, para ser convexo, el conjunto de puntos no debe contener orificios, y su


borde no debe ser dentado en ningn lugar.

Teorema 1: el conjunto de todas las soluciones posibles al problema de P.L., es un


conjunto convexo.

Teorema 2: la funcin objetivo alcanza su mximo o mnimo en un punto extremo del


conjunto convexo, generado por el conjunto de soluciones factibles al problema de PL.

Por lo expuesto tendremos nicamente que investigar los puntos extremos del
polgono convexo y buscar aquel punto que proporcione el mayor (menor) valor para la
funcin objetivo y obtendremos as la solucin buscada.
Graficacin de ecuaciones y desigualdades lineales
Cuando se grafica una ecuacin, se genera una recta sobre el eje de coordenadas.
Las desigualdades generan un plano al graficarlo sobre el eje de coordenadas.
Pasos para la graficacin de una desigualdad:
a.

Tomar de l a desigualdad, la parte de la ecuacin, para determinar dos puntos


que permitan graficar una recta, que sera el lmite del plano.
En el caso de que en la ecuacin el trmino constante fuese cero, la recta pasa
por la intercepcin de los ejes. Por lo tanto, uno de los puntos sera (0,0).
El otro punto se obtendra 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.

26

Primera unidad didctica

b.

Investigacin de Operaciones I

Determinacin 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 lmite del plano.

2.3. FORMULACIN DE UN PROBLEMA DE PROGRAMACIN LINEAL


2.3.1. Identificacin de las variables de decisin
El primer paso en la formulacin del problema es identificar las variables de decisin, a
menudo simplemente llamadas variables, una vez determinados, proporcionan la
solucin al problema.

Caracterstica clave

Pautas generales para identificar variables de decisin


Qu elementos afectan los costos y/o ganancias (en genera, el objetivo global)
Qu elementos puede elegir y/o controlar libremente?
Qu decisiones tiene que tomar?
2.3.2. Identificacin de los datos del problema
La finalidad de resolver un problema es proporcionar los valores reales para las
variables de decisin que ha identificado. Se requiere conocer cierta informacin para
ayudar a determinar esos valores

27

Escuela Profesional de Ingeniera Industrial

2.3.3. Identificacin de la funcin objetivo


Expresar el objetivo organizacional global en forma matemtica usando las variables
de decisin y los datos conocidos del problema. La funcin objetivo se crea en tres
etapas:

Establecer la funcin objetivo en forma verbal.

Donde sea adecuado descomponer el objetivo (por ejemplo, suma, diferencia).

Expresar las cantidades individuales matemticamente usando las variables de


decisin y otros datos conocidos en el problema

2.3.4. Identificacin de las restricciones


Las restricciones son condiciones que las variables de decisin deben satisfacer para
constituir una solucin aceptable. Las restricciones por lo general surgen de:

Limitaciones fsicas (por ejemplo, el nmero limitado de horas de trabajo)

Restricciones impuestas por la administracin ( por ejemplo, demanda del


producto)

Restricciones externas (por ejemplo, la empresa no puede vender ms de cierta


cantidad en el mercado)

Relaciones implicadas entre variables (por ejemplo, en un problema de inversin


la proporcin de dinero a invertir debe sumar 1.

Modelo de Programacin Lineal

Max o Min Z = c1 x1 + c2 x2 + c3 x3 + ... + cn xn ........( )


Sujeto a las restricciones estructurales



ai1 x1 + ai 2 x2 + ai 3 x3 + ... + ain xn = bi (i = 1, 2,...m);.........( )


Y las restricciones de no negatividad

x j 0; (j = 1, 2,3,..., n).............( )

28

Primera unidad didctica

Investigacin de Operaciones I

Observaciones
i) aij , bi , y c j son valores que se asume conocidos
ii) x j son variables de decisin que se desea hallar, de tal manera que optimicen ( )
iii) la ecuacin ( ) se conoce como funcin objetivo
iv) la ecuacin ( ) se conoce como conjunto de restricciones
v) la ecuacin ( ) se conoce como variables de decisin

2.4. MTODO GRFICO O MTODO GEOMTRICO DE SOLUCIN


Es una tcnica que permite encontrar la solucin de modelos muy sencillos con dos
variables de decisin y a pesar de que casi todos los problemas reales tienen ms de
dos variables de decisin. Sirve en realidad para proporcionar una base intuitiva que
facilita el aprendizaje de soluciones de modelos ms complejos por otros mtodos.
Objetivo: establecer la naturaleza de un problema de programacin lineal,
introduciendo la terminologa asociada con el y resolverlo geomtricamente.

2.4.1. Graficacin de ecuaciones y desigualdades lineales


Cuando se grafica una ecuacin, se genera una recta sobre el eje de coordenadas.
Las desigualdades generan un plano, al graficarlo sobre el eje de coordenadas.
Pasos para la graficacin de una desigualdad:
a.

Tomar de l a desigualdad, la parte de la ecuacin, para determinar dos puntos


que permitan graficar una recta, que sera el lmite del plano.
En el caso de que la ecuacin el trmino constante fuese cero, la recta pasa por
la intercepcin de los ejes. Por lo tanto, uno de los puntos sera (0,0).
El otro punto se obtendra dando un valor diferente de cero a una de las
variables.

29

Escuela Profesional de Ingeniera Industrial

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.

Determinacin 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 lmite del plano.

Ejemplos
A.

REGION FACTIBLE NO ACOTADA

a.

Formulacin de dieta Una dieta debe contener al menos 16 unidades de


carbohidratos y 20 de protenas. El alimento A contiene 2 unidades de
carbohidratos y 4 de protenas; el alimento B contiene 2 unidades de
carbohidratos y 1 de protenas. Si el alimento A cuesta $1.20 por unidad y el B
$0.80 por unidad, Cuntas unidades de cada alimento deben comprarse para
minimizar el costo?cul es el costo mnimo?

Solucin

30

Carbohidratos

Protenas

Costos

Alimento A

1.2

Alimento B

0.80

Rendimiento

16

20

Primera unidad didctica

Investigacin de Operaciones I

Variables de decisin
Sea X1 en N. de unidades de alimentos A comprar
Sea X2 en N. de unidades de alimentos B comprar
F.O costo min Z = 1.2 X1+0.8 X2
Sa.
2X1+2X2 >= 16

requerimento mnimo de carbohidratos

4X1+1X2 >=20

requerimento mnimo de protenas

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)

(8,0)

L2: 4X1+1X2 =20


X1

X2

20

(0,20)

(5,0)

31

Escuela Profesional de Ingeniera Industrial

20

Regin Factible no acotada


L2: 4X1+1X2 >=20

L1: 2X1+2X2 = 16

(0,0)

Punto L1 L2
2X1+2X2 = 16 resolviendo el sistema de ecuaciones se obtiene: X=1 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. ptimo = 8 con un plan de compra:
X1: 4 unidades del alimento A

32

X2: 4 unidades del alimento B

X2=4

Primera unidad didctica

Investigacin de Operaciones I

Observaciones

Asumamos que el modelo matemtico del problema anterior (1) se desea


maximizar, es decir:

F.O max Z = 1.2 X1+0.8 X2


Sa.
2X1+2X2 >= 16

requerimento mnimo de carbohidratos

4X1+1X2 >=20

requerimento mnimo de protenas

X1, X2 >=0

La grfica sigue siendo la misma y los puntos tambin

Decir que el valor mximo 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 regin 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 regin factible no
acotada, tambin lo hace Z. Por la tanto, ningn punto factible maximiza Z, de
modo que no existe solucin optima. En este caso decimos que la solucin es
no acotada

B.

SOLUCIN MLTIPLE

b.

Resolver grficamente

max z = x1 + x2
s.a

x1 + x2 4
x1 1
x2 2
x1 , x2 0
Solucin:

l1 : x1 + x2 = 4 tabulamos si : x1 = 0 x2 = 4 tenemos (0,4)


x2 = 0 x1 = 4 tenemos (4,0)

l1 : x1 = 1 l2 : x2 = 2

33

Escuela Profesional de Ingeniera Industrial

Payoff:

1 x1 +

1 x2 =

x2
2

0 x1 +

1 x2 =

1
:

1 x1 +

0 x2 =

1 x1 +

1 x2 =

x1

0
0

Optimal Decisions(x1,x2): ( 2, 2) ( 4, 0)
: 1x1 + 1x2 < = 4
: 1x1 + 0x2 > = 1
: 0x1 + 1x2 < = 2

Observamos que tiene soluciones ptimas alternativas en el punto (2,2) = ( x1 , x2 ) y


(4,0)= ( x1 , x2 ) para los cuales Z mximo = 4
C. REGIN FACTIBLE VACA
El ejemplo siguiente ilustra una situacin en la que no que existe solucin ptima
c. max z = x1 + x2
s.a.

x1 + x2 4
x1 + 2 x2 2
x1 , x2 0

34

Primera unidad didctica

Investigacin de Operaciones I

18

12

Payoff:

1 x1 +

1 x2 =

6
:
:

1 x1 +
1 x1 +

1 x2 =
2 x2 =

4
2

0
0
:
:

10
1x1 +
1x1 +

1 x2 >=
2 x2 <=

20

30

40

4
2

Un punto factible ( x1 , x2 ) debe tener x1 0, x2 0 , estar sobre la recta superior o por


encima de l1 : x1 + x2 4 y sobre o por debajo de la recta inferior l2 : x1 + 2 x2 2 . Sin
embargo, no existen tales puntos. De aqu que la regin factible sea vaca y, por lo
tanto, este problema no tenga solucin ptima.
Siempre que la regin factible de un problema de P.L. sea vaca, no existe solucin
ptima.
D. SOLUCIN PTIMA NICA

max z = x1 + x2
s.a

3x1 + 2 x2 6
2 x1 + 4 x2 8
x1 , x2 0
Solucin: por dos puntos pasa una recta entonces:

l1 : 3x1 + 2 x2 = 6 Tabulando si: x1 = 0 x2 = 3 tenemos (0,3)


x2 = 0 x1 = 2 Tenemos (4,0)

35

Escuela Profesional de Ingeniera Industrial

l2 : 2 x1 + 4 x2 = 8 Tabulando si: x1 = 0 x2 = 2 tenemos (0,3)


x2 = 0 x1 = 4 Tenemos (4,0)
Resolviendo el sistema de ecuaciones l1 l2 es decir:

l1 : 3x1 + 2 x2 = 6 y l2 : 2 x1 + 4 x2 = 8 se obtiene x1 = 1 y x2 = 1.5

: 3.0 x1 + 2.0 x2 = 6.0

Payoff: 1.0 x1 + 1.0 x2 = 2.5

: 2.0 x1 + 4.0 x2 = 8.0


0
0

10

Optimal Decisions(x1,x2): ( 1.0, 1.5)


: 3.0x1 + 2.0x2 <= 6.0
: 2.0x1 + 4.0x2 <= 8.0

Observacin: Payoff = funcin objetivo

E. Un fabricante de juguetes prepara un programa de produccin para dos nuevos


juguetes, cosas y cositas, utilizando la informacin concerniente a sus tiempos de
produccin dados en la tabla que sigue. Por ejemplo, cada cosa requiere de 2 horas
en la mquina A. Las horas disponibles empleadas por semana son: Para operacin
de la mquina 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, Cuntos de
36

Primera unidad didctica

Investigacin de Operaciones I

cada juguete debe producir por semana con el fin de maximizar la utilidad? Cul
sera la utilidad mxima?
Mquina

Mquina B

Terminado

A
Cosa

2 horas

1 hora

1 hora

Cosita

1 hora

1 hora

3 horas

Variables de decisin:

Sea: X1 el numero de juguetes a producir del juguete cosa


X2 el nmero de juguetes a producir del juguete cosita
9 Maximizar Z =

4 X1 +

6 x2

2 X1 +

1 x2 <= 70

54

s.a

48
42
36

Payoff:

4 x1 +

1 X1 +

1 x2 <= 40

1 X1 +

3 x2 <= 90

6 x2 = 210

30

Z optimo 210

24
18
12
:
6
0

:
:
0

1 x1 +

1 x1 +

2 x1 +

3 x2 =

1 x2 =

1 x2 =
10

90

40

70
20

30

40

50

60

70

80

90

Optimal Decisions(x1,x2): ( 15, 25)


:
2x1 +
1x2 <= 70
:
1x1 +
1x2 <= 40
:
1x1 +
3x2 <= 90

Respuesta: plan de produccin x1=15 juguetes cositas y X2 =25 juguetes cosas


Utilidad mxima= $210

37

Escuela Profesional de Ingeniera Industrial

EJEMPLO 12:
Mezcla

II

2
6
4
$4

2
2
12
$5

Requerimiento
mnimo
80
120
240

Nutriente

A
B
C
Costo
Variables de Decisin:
Sea:

X1 El nmeros de bolsas a comprar mezcla I


X2 El nmeros de bolsas a comprar mezcla II
f.o. Min C= 4X1 + 5X2
s.a.
+
+
+

2X2
2X2
12X2

Xi 0

i = 1,2

2X1
6X1
4X1

80
120
240

Solucin:
L1: 2X1 + 2X2 = 80
X1
0
40

X2
40
0

(0, 40)
(40, 0)

X1
0
20

X2
60
0

(0, 60)
(20, 0)

X1
0
60

X2
20
0

(0, 20)
(60, 0)

L2: 6X1 + 2X2 = 120

L3: 4X1 + 12X2 = 240

38

Primera unidad didctica

Investigacin de Operaciones I

Grfico:

X2
(0, 60)
L2: 6X1 + 2X2 = 120

(0, 40)

L1: 2X1 + 2X2 = 80


(0, 20)
L3: 4X1 + 12X2 = 240

(20, 0)

(40, 0)

(60, 0)

X1

Pto B: L2 L1
6X1
2X1
3X1
-X1

+
+
+
-

2X2
=
2X2
=
X2 =
X2 =
2X1
=
X1
=

120
80
60
-40
20
10

X2

30

B (10,30)

39

Escuela Profesional de Ingeniera Industrial

Pto C: L1 L3
2X1
4X1
-X1
X1

+
+
+

2X2
12X2
X2
3X2
2X2
X2

=
=
=
=
=
=

80
240
40
60
20
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)
Rpta:

Z= 4(60)+5(0) = 240

X1: 30 bolsas de la mezcla I


X2: 10 bolsas de la mezcla II
Costo mnimo ptimo =$ 170

40

Primera unidad didctica

Investigacin de Operaciones I

Serie de problemas 2.0


Resuelva cada uno de los siguientes programas lineales usando el mtodo grfico.
Indique si los problemas son:
a) ptimos: es decir que tiene una solucin ptima.
b) Infactibles: es decir, que no existen valores de las variables que satisfagan todas
las restricciones simultneamente.
c) Ilimitados: es decir, que existen valores factibles de las variables que hacen la
funcin objetivo tan grande o tan pequea como se desee.
Todo programa lineal es ptimo, infactible o ilimitado.
1. Maximizar

2. Maximizar

P = 10x +12y

Z = 4x -6y

3. Maximizar
Z = 4x 10y

Sujeta a

s.a

s.a

x + y 60

y 7,

x 4y 4

3x y 3 ,

2x - y 2

x 2y 0
x, y 0

4. Minimizar

x +y 5 ,x,y 0

5. Minimizar

Z = 7x +3y
Sujeta a
3x - y 2

C = 2x + y
s.a

x, y 0

6.a) Maximizar
Z = 10x + 2y
s.a

3x + y 3,

x +2y 4

4x +3y 6,

x - 2y 0

x y =-1

x +2y 2

x, y 0

x+y

x, y

6.b) Minimizar

x, y 0
6.c) Maximizar

Z = 3x +7y

Z = -4x + 6y

Sujeta a

s.a

x-y

x -2 y 10
-2x y 2

6x -2 y 3
-2x +3y 6
x +y 3

x, y 0

41

Escuela Profesional de Ingeniera Industrial

7.

Produccin para utilidad mxima.

Un fabricante de juguetes prepara un

programa de produccin para dos nuevos juguetes, cosas y cositas, utilizando la


informacin concerniente a sus tiempos de produccin dados en la tabla que
sigue. Por ejemplo, cada cosa requiere de 2 horas en la mquina A. Las horas
disponibles empleadas por semana son: Para operacin de la mquina 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, Cuntos de cada juguete debe
producir por semana con el fin de maximizar la utilidad? Cul sera la utilidad
mxima?

Mquina

Mquina B

Terminado

8.

Cosa

2 horas

1 hora

1 hora

Cosita

1 hora

1 hora

3 horas

Formulacin de dieta . Una dieta debe contener al menos 16 unidades de


carbohidratos y 20 de protenas. El alimento A contiene 2 unidades de
carbohidratos y 4 de protenas; el alimento B contiene 2 unidades de
carbohidratos y 1 de protenas. Si el alimento A cuesta $1.20 por unidad y el B
$0.80 por unidad, Cuntas unidades de cada alimento deben comprarse para
minimizar el costo? Cul es el costo mnimo?

9.

Extraccin de minerales. Una compaa extrae minerales de un yacimiento. El


nmero de libras de minerales A y B que puede ser extrado por cada tonelada
de los filones I y II est dado en la tabla siguiente junto con los costos por
tonelada. Si la compaa debe extraer al menos 3000 libras de A y 2500 de B,
Cuntas toneladas de cada filn deben ser procesadas con el fin de minimizar
el costo? Cul es el costo mnimo?

42

Filn I

Filn II

Mineral A

110 lb

200 lb

Mineral B

200 lb

50 lb

Costo por tonelada

$50

$60

Primera unidad didctica

10.

Investigacin de Operaciones I

Costo de construccin. Una compaa qumica est diseando una planta para
producir dos tipos de polmeros, P1 y P2.
La planta debe ser capaz de producir al menos 100 unidades de P1 y 420
unidades de P2 cada da. Existen dos posibles diseos para las cmaras
principales de reaccin que sern incluidas en la planta. Cada cmara de tipo A
cuesta $600,000 y es capaz de producir 10 unidades de P1 y 20 unidades de P2
por da; el tipo B es un diseo ms econmico, cuesta $300,000 y es capaz de
producir 4 unidades de P1 y 30 unidades de P2 por da. A causa de los costos de
operacin, es necesario tener al menos 4 cmaras de cada tipo en la planta.
Cuntas cmaras de cada tipo deben ser incluidas para minimizar el costo de
construccin y satisfacer el programa de produccin requerido? (Suponga que
exista un costo mnimo).

11.

Produccin para utilidad mxima. Un fabricante produce dos tipos de parrillas


para asar, Old Smokey y Blaze Hawai.
Durante la produccin las parrillas requieren del uso de dos mquinas, A y B. El
nmero de horas necesarias en ambas est indicado en la tabla siguiente. Si
cada mquina puede utilizar 24 horas por da y las utilidades en los modelos
son de $4 y $6, respectivamente, cuntas parrillas de cada tipo deben
producirse por da para obtener una utilidad mxima? Cul es la utilidad
mxima?

12.

Mquina A

Mquina B

Old Smokey

2 horas

4 horas

Blaze Away

4 horas

2 horas

Nutrientes en fertilizantes. Un agricultor comprar fertilizantes que contienen


tres nutrientes: A, B y C. Los requerimientos mnimos 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. Cuntas bolsas de cada mezcla debe comprar el agricultor para
minimizar el costo de satisfacer sus requerimientos de nutriente?

43

Escuela Profesional de Ingeniera Industrial

13.

Programa de produccin. Una compaa petrolera, que tiene dos refineras,


necesita al menos 800, 1400 y 500 barriles de petrleo de grados bajo, medio, y
alto, respectivamente. Cada da la refinera I produce 200 barriles de grado bajo,
300 de medio y 100 de alto grado, mientras que la refinera 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 refinera I y de $ 2000 para la refinera II. Cuntos
das debe ser operada cada refinera

para satisfacer los requerimientos de

produccin a un costo mnimo? Cul es el costo mnimo? (Suponga que existe


un costo mnimo).

14.

Control de contamina cin. A causa de reglamentaciones federales nuevas


sobre la contaminacin, una compaa qumica ha introducido en sus plantas un
nuevo y ms caro proceso para complementar o reemplazar un proceso anterior
en la produccin de un qumico en particular. El proceso anterior descarga 15
gramos de dixido de azufre y 40 gramos de partculas a la atmsfera por cada
litro de qumico producido. El nuevo proceso descarga 5 gramos de dixido de
azufre y 20 gramos de partculas a la atmsfera por cada litro producido. La
compaa 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 ms de 10,500 gramos de dixido de azufre y no ms de 30,000 gramos de
partculas a la

atmsfera cada da, cuntos litros de qumico deben ser

producidos diariamente, por cada uno de los procesos, para maximizar la utilidad
diaria? Cul es la utilidad diaria?

15.

World Oil Company puede comprar dos tipos de petrleo crudo: crudo ligero a
un costo de $25 por barril, y petrleo pesado a $22 por barril. Cada barril de
petrleo 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 petrleo crudo:

44

Gasolina

Turbosina

Kerosene

Crudo ligero

0.45

0.18

0.30

Crudo pesado

0.35

0.36

0.20

Primera unidad didctica

Investigacin de Operaciones I

La refinera se ha comprometido a entregar 1 260 000 barriles de gasolina,


900000 barriles de turbosina y 300 000 barriles de kerosene. Como gerente de
produccin, formule un modelo para determinar la cantidad de cada tipo de
petrleo crudo por comprar para minimizar el costo total al tiempo que se
satisfaga la demanda apropiada.
Defina todas las variables de decisin

16.

Carmac Company fabrica carros compactos y subcompactos. La produccin 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 divisin de comercializacin ha estimado que a lo ms 1500 compactos


pueden venderse a $10 000 cada uno y que a lo ms 200 subcompactos pueden
venderse a $8000 cada uno. Como vicepresidente de programacin, formule un
modelo para determinar la cantidad a fabricar de cada tipo de carro para
maximizar la ganancia total. Defina todas las variables de decisin.

17.

Destilacin de crudos Una compaa de petrleos produce en sus refineras


gasleo (G), gasolina sin plomo (P) y gasolina sper (S) a partir de dos tipos de
crudos, C1 y C2. Las refineras estn dotadas de dos tipos de tecnologas. La
tecnologa nueva Tn utiliza en cada sesin de destilacin 7 unidades de C1 y 12
de C2, para producir 8 unidades de G, 6 de P y 5 de S. Con la tecnologa antigua
Ta, se obtiene en cada destilacin 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 prximo mes se deben
producir al menos 900 unidades de G, 300 de P y entre 800 y 1700 de S. La

45

Escuela Profesional de Ingeniera Industrial

disponibilidad de crudo C1 es de 1400 unidades y de C2 de 2000 unidades. Los


beneficios por unidad producida son:

Gasolina

Beneficio/u 4

La compaa desea conocer cmo utilizar ambos procesos de destilacin, que se


pueden realizar total o parcialmente, y los crudos disponibles para que el
beneficio sea el mximo.

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 decisin:
Sea:

x1 = la cantidad de juguetes cosas a producir


x 2 = la cantidad de juguetes cositas a producir

f .o MaxZ = 4 x1 + 6 x 2
S .a
2 x1 + x 2 70

1x1 + x 2 40
1x1 + 3x 2 90
xi 0 i = 1,2
8. Variables de decisin
Sea:

x1 = El nmero de unidades del alimento A a comprar


x 2 = El nmero de unidades del alimento B a comprar

46

Primera unidad didctica

Investigacin de Operaciones I

f .o MinZ = 1.20 x1 + 0.80 x 2


S .a
2 x1 + 2 x 2 16

4 x1 + 1x 2 20
xi 0 i = 1,2
9. Variables de decisin
sea:

x1 = El nmero de toneladas a extraer del filn I


x 2 = El nmero de toneladas a extraer del filn II

f .o

Min Z = 50 x1 + 60 x2

S .a
110 x1 + 200 x2 300

200 x1 + 50 x2 2500
xi 0 i = 1, 2
10. Variable de decisin:
Sea:

x1 = El nmero de cmaras del tipo A


x 2 = El nmero de cmaras del tipo B

f .o MinZ = 600 000 x1 + 300 000 x 2


S .a
10 x1 + 4 x 2 100

20 x1 + 30 x 2 420
1x1 4
1x 2 4
xi 0 i = 1,2

11. Variables de decisin


sea:

x1 = El nmero de
x 2 = El nmero de

47

Escuela Profesional de Ingeniera Industrial

f .o MaxZ = 4 x1 + 6 x 2
S .a
2 x1 + 4 x 2 24

4 x1 + 2 x 2 24
xi 0 i = 12

12. Variables de decisin:


Sea:

x1 = El nmero de bolsas de la mezcla I


x 2 = El nmero de bolsas de la mezcla II

f .o

Min Z = 4 x1 + 5 x2

S .a
2 x1 + 2 x2 80

6 x1 + 2 x2 120
4 x1 + 12 x2 240
xi 0 i = 1, 2
13. Variables de decisin:
Sea:

x1 = El nmero de das a operar en la refinera I


x 2 = El nmero de das a operar en la refinera II

f .o

Min Z = 2500 x1 + 2000 x2

S .a
200 x1 + 100 x2 80 0

300 x1 + 200 x2 1400


100 x1 + 100 x2 500
xi 0 i = 1, 2
14. Variables de decisin
sea:

x1 = El nmero de litros producidos en el proceso I


x 2 = El nmero de litros producidos en el proceso II

48

Primera unidad didctica

f .o

Investigacin de Operaciones I

Max Z = 0.30 x1 + 0.20 x2

S .a
15 x1 + 5 x2 10500

40 x1 + 20 x2 30000
xi 0 i = 12

15. Variables de decisin:


Sea:

x1 = la cantidad de barriles de crudo ligero a comprar


x 2 = La cantidad de barriles de crudo ligero a comprar

f .o

Min Z = 25 x1 + 22 x2

S .a
0.45 x1 + 0.35 x2 12600000 0

0.18 x1 + 0.36 x2 1900000


0.30 x1 + 0.20 x2 5300000
xi 0 i = 1, 2
16. Variables de decisin:
Sea:

x1 = la cantidad de carros compactos a fabricar


x 2 = La cantidad de carros sub compactos a fabricar

f .o

Min Z = 6740 x1 + 5100 x2

S .a
200 x1 + 150 x2 8000 0
18 x1 + 20 x2

9000

x1

1500

x2

200

xi 0 i = 1, 2
17. Variables de decisin

Sea:

x1 = El numero de destilaciones con Tn


x 2 = El nmero de destilaciones con Ta

Observe que la funcin objetivo es maximizar el beneficio Z del producto destilado


49

Escuela Profesional de Ingeniera Industrial

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)

z = 4(8 x1 + 10 x2 ) + 6(6 x1 + 7 x2 ) + 7(5 x1 + 4 x2 ) = 103 x1 + 110 x2


f .o

MaxZ = 103 x1 + 110 x2

S .a
7 x1 + 10 x2 1400 limitacion de crudo c1
12 x1 + 8 x2 2000 limitacion de crudo c2
8 x1 + 10 x2 900 demanda de G
6x1 +7x 2

300 demanda de p

5x1 +4x 2 1700 demanda de S


5 x1 + 4 x2 800 demanda de S
xi 0 i = 1, 2

50

Primera unidad didctica

3.

Investigacin de Operaciones I

APLICACIONES DE PL EN LA GESTIN DE OPERACIONES Y


PRESENTACIN DE LA SOLUCIN MEDIANTE SOFTWARE

Aunque existen numerosos paquetes de computacin 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 nfasis en la construccin de modelos a las
diferentes gestiones de operacin como pueden ser: de produccin, compra mezcla,
distribucin etc.
Ejemplos 1
Se hace un pedido a una papelera 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 papelera
tiene solamente rollos de 108 pulgadas de ancho, cmo deben cortarse los rollos
para surtir el pedido con el mnimo desperdicio de papel?
Solucin
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

51

Escuela Profesional de Ingeniera Industrial

Variables de decisin
Sea
X1 el nmero de cortes a realizar 3 de 30 con desperdicio 18
X2 el nmero de cortes a realizar 2 de 30 y uno de 45 con desperdicio 3
X3 el nmero de cortes a realizar 1 de 30 y uno de56 con desperdicio 22
X4 el nmero de cortes a realizar 2 de 45 con desperdicio 18
X5 el nmero de cortes a realizar 1 de 45 y uno de 56 con desperdicio 7
La funcin 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 mn ptimo= 16300

52

Primera unidad didctica

Investigacin de Operaciones I

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


almacn 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 poltica de compra/venta.
Solucin
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 decisin
Sea:
X1 el nmero de toneladas que compra en el mes de abril
X2el nmero de toneladas que compra en el mes de mayo
X3 el nmero de toneladas que compra en el mes de junio
X4el nmero de toneladas que vende en el mes de mayo
X5el nmero de toneladas que vende en el mes de junio
X6el nmero de toneladas que vende en el mes de julio

Ingresos: 90X4+80X5+110X6

53

Escuela Profesional de Ingeniera Industrial

Costos: 60X1+90X2+80X3

Costos de almacn: 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 matemtico

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

54

Primera unidad didctica

Investigacin de Operaciones I

Ejemplo 3
Gasahol Inc. tiene 14 000 galones de una mezcla de gasolina y alcohol almacenada
en su instalacin de Fresno y 16000 galones almacenados en su instalacin 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 galn desde cada instalacin 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 programacin lineal para determinar el plan de embarque de


costo mnimo que satisfaga las restricciones de provisin y demanda.
Solucin

Almacenado
14.000

$ 0.04
FFF

X1

Fr
$ 0.06

Demanda

X2

1000

$ 0.05

X3

X4
AG

Demanda
2000

$ 0.03

B
Almacenado
16.000

55

Escuela Profesional de Ingeniera Industrial

Sean las variables de decisin:


X1 nmero de galones que enva Fr a FFF
X2 nmero de galones que enva Fr a AG
X3 nmero de galones que enva Ba a FFF
X4 nmero de galones que enva Ba a AG

f .o.Minz = 0.04 x + 0.06 x2 + 0.05 x3 + 0.03x4


1
S.a.

x1 + x3 = 10000 demanda
x2 + x4 = 2000 demanda
x1 + x 2 14000 oferta en almacen

x3 + x4 16000 oferta en almacen


xi 0, i =1,2,3,4

Ejemplo 4
Problema de distribucin. Cosmic Computer Company CCC tiene tres plantas de
ensamblaje de microcomputadoras en San Francisco, Los ngeles y Phoenix. La
planta de los ngeles tiene una capacidad de produccin mensual de 2000 unidades.
Cada una de las plantas de San Franciscop y Phoenix puede producir un mximo de
1700 unidades al mes. Las microcomputadoras de CCC se venden a travs 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 matemtico para
encontrar el programa de embarque de mnimo costo.

PLANTAS
San Francisco
Los ngeles
Phoenix

56

SAN DIEGO
5
4
6

TIENDAS
BARSTOW
TUCSON
3
2
7
8
5
3

DALLAS
6
10
8

Primera unidad didctica

Investigacin de Operaciones I

Solucin
Plantas de ensamblaje-ofertas

Tiendas-demanda

San francisco
1700

Los ngeles
2000

San diego
1700

Barstow
1000

Tucson
1500
Phoenix
1700

Dallas
1200

Sean las variables de decisin:


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

f .o.Min C = 5 x1 + 3x2 + 2 x3 + 6 x4 + 4 x5 + 7 x6 + 8 x7 + 10 x8 + 6 x9 + 5 x10 + 3x11 + 8 x12


s.a

57

Escuela Profesional de Ingeniera Industrial

Capacidad de produccin

x1 + x2 + x3 + x4 1700
x5 + x6 + x7 + x8 2000
x9 + x10 + x11 + x12 1700
Demanda

x1 + x5 + x9 = 1700
x2 + x6 + x10 = 1000
x3 + x7 + x11 = 1500
x4 + x8 + x12 = 1200
xi 0, i = 1, 2,3,...12

58

Primera unidad didctica

Investigacin de Operaciones I

Serie de problemas 3.0


Aplicaciones de la programacin lineal
Leer cuidadosamente y abstraer el modelo matemtico:

1. Fresh Dairy Faros tiene dos mquinas distintas para procesar leche pura y producir
leche descremada, mantequilla o queso. La cantidad de tiempo requerido en cada
mquina para producir cada unidad de producto resultante y las ganancias netas se
proporciona en la siguiente tabla:

LECHE DESCREMADA

MANTEQUILLA

QUESO

Mquina 1

0.2 min/gal

0.5min/lb

1.5min/lb

Mquina2

0.3min/gal

0.7min/lb

1.2min/lb

$0.22/gal

$0.38/lb

$0.72/lb

Ganancia
neta

Suponiendo que se dispone de 8 horas en cada mquina diariamente, como gerente


del departamento de produccin, formule un modelo para determinar un plan de
produccin diaria que maximice las ganancias corporativas netas y produzca un
mnimo de 300 galones de leche descremada, 200 libras de mantequilla 100 libras de
queso.

2. Cada galn de leche, libra de queso y libras de manzanas proporciona un nmero


conocido de miligramos de protenas y vitaminas A, B y C. La siguiente tabla incluye
esos datos junto con los requerimientos diarios de los ingredientes nutricionales,
segn lo recomendado por el Departamento de agricultura de los EE.UU.
La tabla tambin incluye la cantidad mnima da cada alimento que debe incluirse en la
comida y su costo.

59

Escuela Profesional de Ingeniera Industrial

Requerimientos

Leche(mg/gal)

Queso(mg/lb)

Manzanas(mg/lb

Protenas

40

30

10

80

Vitamina A

50

30

60

Vitamina B

20

30

40

50

Vitamina C

30

50

60

30

Cantidad

0.5gal

0.5lb

0.5lb

$2.15

$2.25

$1.25

Mnimos diarios

Mnima
Costo
unitario

Como dietista de una escuela pblica, formule un modelo para determinar la comida
de costo mnimo que rena todos los requerimientos nutricionales.

3. Rich Oil Company, cerca de Cleveland, suministra gasolina a sus distribuidores en


camiones. La compaa recientemente recibi un contrato para iniciar el suministro de
800,000 galones de gasolina por mes a distribuidores de Cincinatti. La compaa 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 nmero mximo de viajes por cada tipo de camin:

Tipo de

Costo

Mximo

de

de

operacin($/mes)

viajes/mes

50 000

800

20

3000

40 000

650

25

2000

25 000

500

30

Capacidad

Costo de

(galones)

compra($)

6000

2
3

camin

Sobre la base del mantenimiento y la disponibilidad de conductores, la compaa no


desea comprar ms de 10 vehculos para su flota. Asimismo, la compaa deseara
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 compaa no

60

Primera unidad didctica

Investigacin de Operaciones I

desea que ms de la mitad de la flota sea de camiones del tipo 1. Como gerente de
operaciones formule un modelo para determinar la composicin de la flota que
minimice los costos operativos mensuales al tiempo que satisfaga las demandas, no
salindose del presupuesto y satisfaciendo los requerimientos de las otras compaas.

4. Hexxon Oil Company tiene una gran refinera localizada en Newark, New Jersey. La
gasolina refinada es enviada de all a tanques de almacenamiento en Filadelfia a
travs 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 nmero
mximo conocido de galones por horas que pueden enviarse. Estos segmentos y sus
respectivas capacidades en galones por hora son:

DE

CAPACIDAD

Newark

Sayerville

150 000

Sayerville

Trenton

125 000

Trenton

Filadelfia

130 000

Newark

Bridgewater

80 000

Sayerville

Bridgewater

60 000

Bridgewater

Easton

Easton

Allentown

75 000

Easton

Trenton

50,000

Allentown

Filadelfia

90 000

100 000

En la regin de Filadelfia se espera un aumento en la conduccin en los prximos


meses de verano. Antes de incrementar la tasa de produccin de la refinera, la
administracin de Hexxon desea conocer el nmero mximo de galones de gasolina
por hora que pueden enviarse a travs de la red de oleoductos a los tanques de
almacenamiento de Filadelfia.

61

Escuela Profesional de Ingeniera Industrial

5. ManuMania Company usa una base y dos productos de goma, todos en cantidades
iguales, para producir su Gooey Gum. La compaa 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
dlares por libra:

COSTO DE

PRODUCTO

PRODUCCIN

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 produccin de costo mnimo/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 petrleo
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
petrleo tambin 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 mnimo, 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 proporcin de 3:1:2, la tinta azul en la proporcin de 2: 3: 4
y la tinta verde en la proporcin de 1:2:3. Despus de mezclar estos aditivos, se aade
una cantidad igual de base para cada color. La compaa actualmente tiene 1000

62

Primera unidad didctica

Investigacin de Operaciones I

galones de A1, 1500 de A2, 2000 de A3, y 4000 de base. Dado que el precio de venta
por galn de cada tipo de tinta es el mismo, desarrolle un modelo para determinar
cmo deberan usarse estos recursos para obtener los mximos ingresos.

8. La seora 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 ngeles y Boston, es necesario incrementar la capacidad
existente de transmisin de datos entre las oficinas y estas dos ciudades. La actual red
de comunicaciones tiene oficinas intermedias con computadoras y capacidad de
retransmisin en Salt Lake City, Phoenix, Denver, Albuquerque, Minneapolis, Houston,
Chicago, Atlanta, Cheveland, Washington, D.C. y Nueva York.
Como primer paso, la seora Jenkis necesita revisar el sistema actual. De sus
archivos ha obtenido la siguiente lista de enlaces de comunicacin entre ciertas
parejas de estas ciudades y el nmero mximo de bits por da que pueden enviarse a
travs de ese enlace:

DE

Los ngeles

Salt Lake

BITS MXIMOS POR DA


(BILLONES)
15

Los ngeles

Phoenix

12

Salt Lake

Denver

10

Salt Lake

Albuquerque

10

Phoenix

Albuquerque

12

Denver

Minneapolis

Albuquerque

Houston

Minneapolis

Chicago

15

Houston

Atlanta

12

Chicago

Cleveland

15

Atlanta

Cleveland

12

Atlanta

Washington

14

Cleveland

Washington

Cleveland

Boston

12

Washington

Nueva York

15

Nueva York

Boston

18

63

Escuela Profesional de Ingeniera Industrial

Determinar el nmero mximo de bits por da que pueden transmitirse desde la oficina
de los a ngeles a la de Boston a travs 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


almacn 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 poltica de compra/venta.

10. Fresh Food Faros Inc. tiene 50 acres de tierra en la cual planta cualquier cantidad
de maz, soya, lechuga, algodn y brcoli. La siguiente tabla muestra la informacin
relevante perteneciente a la produccin, el costo de plantacin, el precio de venta
esperado y los requerimientos de agua para cada cultivo:

CULTIVO

PRODUCCION

COSTO

PRECIODEVENTA

AGUA

KG/ACRE

$/KG

($/KG)

REQUERIDA
(litros/kg)

Maz

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

Algodn

300

0.25

1.00

4.25

Brcoli

350

0.60

1.30

3.50

Para la prxima temporada, hay 100 000 litros de agua disponible y la compaa ha
contratado vender al menos 5120 kilogramos de maz. Formule un programa lineal
para determinar una estrategia de plantacin ptima para Fresh Food Faros Inc. Use
el nmero de acres de cada cultivo para plantacin como las variables de decisin.

64

Primera unidad didctica

Investigacin de Operaciones I

11. Un cierto restaurante opera 7 das 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 das consecutivos y despus tener 2 das consecutivos de descanso.
Cada camarera recibe el mismo sueldo semanal. En el cuadro se presenta las
necesidades de contratacin.
Supngase que este ciclo de necesidades se repite en forma indefinida y no toma en
cuenta el hecho de que el nmero de camareras contratadas tiene que ser un nmero
entero.
El gerente desea encontrar un programa de empleo que satisfaga estas necesidades a
un costo mnimo. Formule este problema como un PPL.

Necesidades de contratacin de camareras

Lunes

Nmero mnimo de
horas de camarera
necesario
150

Martes

200

Mircoles

400

Jueves

300

Viernes

700

Sbado

800

Domingo

300

Da

12. A un gabinete de ingenieros agrnomos le encargan la planificacin 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

Nmero de

Cultivo

trabajadores

300

20

640

40

445

30

65

Escuela Profesional de Ingeniera Industrial

Los empleados trabajan un promedio de 7 horas diarias, 22 das al mes. El gabinete


se propone dedicar la superficie cultivable a maz, que puede ser de tres variedades
diferentes denominadas largo (L), mocho(M) y grande(G). La tabla que sigue
proporciona las superficies mximas 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

Superficie

Mano de obra

Beneficio/Ha

Maz

mxima

horas/mes/Ha

miles de $

350

800

510

760

480

735

La siembra tiene asociada unos costos por ha que difieren segn la finca y el tipo de
maz utilizado y que indicamos en miles de $.
L

1 60 48 52
2 56 51 50
3 53 50 61

Para respetar los deseos del propietario, el gabinete debe desarrollar una planificacin
en la que la proporcin de tierra dedicada al cultivo sea la misma en las tres fincas,
aunque la proporcin de las variedades de maz plantado no tenga que respetar tal
condicin.
Formular un modelo de programacin lineal para conocer la superficie de cultivo y el
tipo de maz utilizado en cada finca para que el beneficio esperado sea mximo.

66

II Unidad didctica
Investigacin Operativa I

REPRESENTACIN MATEMTICA DEL


MODELO LINEAL Y EL MTODO SIMPLEX

Segunda unidad didctica

Investigacin de Operaciones I

Esquema de contenidos
REPRESENTACIN MATEMTICA DEL MODELO LINEAL Y EL MTODO
SIMPLEX
4. REPRESENTACIN MATEMTICA DEL MODELO LINEAL
4.1. Planteamiento y formulacin de un programa lineal
4.2. Forma matricial
4.3. Diversas formas de presentacin del modelo de programacin lineal
4.3.1. Definicin: forma estandarizada de un problema de programacin lineal (ppl)
4.3.2. Definicin: forma cannica de un problema de programacin lineal (ppl). Caso
maximizacin
4.3.3. Definicin: forma cannica de un problema de programacin lineal (ppl). Caso
minimizacin
4.3.4. Propiedades de un programa lineal. Soluciones bsicas
4.3.5. Teorema fundamental de la programacin lineal
5. EL MTODO SIMPLEX
5.1

Ejemplo de maximizacin

5.2

Soluciones no acotadas y soluciones optimas mltiples

5.3. Mtodo de penalizacin


5.4. Uso del mtodo simplex
5.5. Minimizacin
6. LA TEORA DE LA DUALIDAD
6.1. El problema dual
6.2. Existe una relacin importante entre el primal y su dual
6.3. Ejemplos utilizando el algoritmo simplex dual
7. ANLISIS DE SENSIBILIDAD Y PROGRAMACIN PARAMTRICA
7.1. Anlisis de sensibilidad de los coeficientes de la funcin objetivo
7.2

Anlisis de sensibilidad de los valores del lado derecho (LD)

7.3. Programacin lineal paramtrica

69

Escuela Profesional de Ingeniera Industrial

Objetivos

II Unidad didctica
REPRESENTACIN MATEMTICA DEL MODELO LINEAL
Y EL MTODO SIMPLEX
Objetivo:
Al finalizar la presente unidad didctica estar en la capacidad de reconocer la
importancia de representar problemas reales en trminos matemticos.

As

como

conocer y aplicar el algoritmo Simplex en la solucin de problemas de optimizacin.


Objetivos especficos

Conoce y aplica la representacin matemtica de un modelo lineal.

Comprende la importancia del algoritmo Simplex en la solucin de problemas de programacin


lineal.

70

Segunda unidad didctica

Investigacin de Operaciones I

Contenidos
II Unidad didctica

REPRESENTACIN MATEMTICA DEL MODELO LINEAL Y


EL MTODO SIMPLEX

4.

REPRESENTACIN MATEMTICA DEL MODELO LINEAL

4.1. PLANTEAMIENTO Y FORMULACIN DE UN PROGRAMA LINEAL


Un problema de programacin lineal es un programa matemtico en el que tanto la
funcin objetivo como las funciones que definen las restricciones son lineales. Las
restricciones pueden ser de igualdad o desigualdad no estricta. Por tanto, la
formulacin general es:

opt (max o min) c1 x1 + c2 x2 + ... + cn xn


s.a.
a11 x1 + ... + a1n xn b1
a21 x1 + ... + a2 n xn b2
#

am1 x1 + ... + amn xn bm


d11 x1 + ... + d1n xn s1
#

d k1 x1 + ... + d kn xn sk
e11 x1 + ... + e1n xn = t1
#

ei1x1 +...+ein x n =t i

x1 0, x2 0,..., xn 0

71

Escuela Profesional de Ingeniera Industrial

4.2. FORMA MATRICIAL

opt (max o min) c x


s.a.
Ax b
Dx s
Ex = t
x0
Donde c \ n , b \ m , s \ k , t \ i y A, D, y E son matrices de orden mxn , kxn y

ixn respectivamente.
4.3. DIVERSAS FORMAS DE PRESENTACIN DEL MODELO DE
PROGRAMACIN LINEAL
Ciertas formas de presentacin han recibido nombres especficos, como se vera
enseguida:
4.3.1. Definicin: Forma estandarizada de un problema de programacin lineal
(PPL)
El modelo de un PPL est en forma estandarizada si el objetivo es maximizar o
minimizar una funcin objetivo sujeta a un conjunto de restricciones de la forma igual
que exclusivamente y las variables de decisin slo admiten valores no negativos.
Luego diremos que un programa lineal est formulado en forma estndar si viene
expresado como sigue

min(max) c1 x1 + c2 x2 + ... + cn xn
s.a.
a11 x1 + a12 x2 + ... + a1n xn = b1
a21 x1 + a22 x2 + ... + a2 n xn = b2
#
#
#
#
a m1x1 +a m2 x 2 +...+a mn x n =b m

xi 0; i = 1, 2,3,..., n

72

Segunda unidad didctica

Investigacin de Operaciones I

4.3.2. Definicin: Forma cannica de un problema de programacin lineal (PPL)


caso maximizacin
El modelo de un PPL est en forma cannica si el objetivo es maximizar una funcin
lineal sujeta a un conjunto de restricciones de la forma menor o igual que y las
variables de decisin slo admiten valores no negativos.
Luego diremos que un programa lineal est formulado en forma cannica si viene
expresado como sigue:

max c1 x1 + c2 x2 + ... + cn xn
s.a.
a11 x1 + a12 x2 + ... + a1n xn b1
a21 x1 + a22 x2 + ... + a2 n xn b2
#
#
#
#
a m1x1 +a m2 x 2 +...+a mn x n b m

xi 0; i = 1, 2,3,..., n
4.3.3. Definicin: forma cannica de un problema de programacin lineal (PPL

caso minimizacin
El modelo de un PPL est en forma cannica si el objetivo es minimizar una funcin
lineal sujeta a un conjunto de restricciones de la forma mayor o igual que y las
variables de decisin slo admiten valores no negativos.
Luego diremos que un programa lineal est formulado en forma cannica si viene
expresado como sigue

max c1 x1 + c2 x2 + ... + cn xn
s.a.
a11 x1 + a12 x2 + ... + a1n xn b1
a21 x1 + a22 x2 + ... + a2 n xn b2
#
#
#
#
a m1x1 +a m2 x 2 +...+a mn x n b m

xi 0; i = 1, 2,3,..., n
73

Escuela Profesional de Ingeniera Industrial

Teniendo en cuenta lo siguiente:


1.

Max(c1 x1 + c2 x2 + ... + cn xn )=-Min(c1 x1 c2 x2 ... cn xn )

2.

Una restriccin de igualdad

a11 x1 + ... + ain xn = bi Es equivalente a las restricciones de desigualdad:


n

a x
j =1

ij

= ai1 x1 + ai 2 x2 + ... + ain xn bi

= ai1 x1 + ai 2 x2 + ... + ain xn bi

a x
j =1

ij

3.

Una restriccin de la forma:

a x
ij

j =1

bi se puede transformar en una restriccin

a x

de igualdad de acuerdo con:

j =1

ij

+ xn +i = 0 con xn +i 0 donde xn +i recibe el

nombre de variable de holgura.


n

4.

Una restriccin de la forma:

a x
ij

j =1

bi se puede transformar en una restriccin

de igualdad de acuerdo con:

a x
j =1

ij

xn +i = 0 con xn +i 0 donde xn +i recibe el

nombre de variable de exceso.

5.

Sea xk una variable libre, es decir, una variable para la que no existe la
restriccin de no negatividad. Si se define xk = uk vk con uk 0 y vk 0 y se
sustituye en el programa se consigue que en el programa resultante todas las
variables estn sujetas a restricciones de no negatividad.
Se concluye que todo programa lineal puede expresarse siempre en forma
estndar o cannica.

74

Segunda unidad didctica

Investigacin de Operaciones I

4.3.4. Propiedades de un programa lineal. Soluciones bsicas


Proposicin 1 (propiedades de los programas lineales)
Dado un programa lineal se verifica que:
(i)

Es convexo ya sea de maximizacin o minimizacin.

(ii)

La solucin ptima. Si existe, es global.

(iii)

Nunca existen ptimos locales que no sean globales.

(iv)

Puede tener o no solucin: caso de existir solucin, sta se encuentra en


un nico punto o bien en infinitos puntos.

Proposicin 2
Si un programa lineal tiene solucin ptima, entonces siempre existe un punto extremo
del conjunto factible en el que se alcanza la solucin ptima.
Proposicin 3
*

Dado un programa lineal con conjunto factible S, se verifica que x S es un punto


extremo de S si y slo si es una solucin bsica factible del programa lineal
expresado en forma estndar.
4.3.5. Teorema Fundamental de la Programacin Lineal
Dado el programa lineal en forma estndar

min cx
s.a.
Ax = b
x0
Donde la matriz A de orden mxn con m < n tiene rango m se verifica que:
i)

Si existe una solucin factible entonces existe una solucin bsica factible.

ii)

Si existe una solucin factible ptima entonces existe una solucin bsica factible
ptima.

75

Escuela Profesional de Ingeniera Industrial

5.

EL MTODO SIMPLEX

Hasta ahora hemos resuelto problemas de programacin lineal por un mtodo


geomtrico. Este mtodo no es prctico cuando el nmero de variables aumenta a tres
y, desde luego, no es posible usarlo si las variables son ms de tres. Ahora veremos
una tcnica diferente: el Mtodo Simplex.
Este mtodo se debe a Dantzig y fue dado a conocer en 1947. Su base matemtica es
bastante amplia, pero, solamente se enunciarn las reglas de clculo.
Objetivo: mostrar cmo el mtodo Simplex es utilizado para resolver un problema de
programacin lineal estndar. Este mtodo le permitir resolver problemas que no
pueden ser resueltos geomtricamente.
Problema estndar de programacin lineal
Problema:

maximizar Z = c1 x 1 + c 2 x 2 + ... + c n x n

a11 x1 + a12 x 2 + ... + a1n x n b1

sujeto a :

a 21 x1 + a 22 x 2 + ... + a 2 n x n b2

a m1 x1 + a m 2 x 2 + ... + a mn x n bm
Donde x1 , x 2 ,...x n y b1 , b2 ,...bm son no negativos
Como se tiene m desigualdades, es necesario agregar m variables de holgura, ahora
bien, al introducir m incgnitas ms en las restricciones, deben aumentarse tambin en
la funcin objetivo. Sin embargo, para que no alteren dicha funcin, estas incgnitas
debern figurar con coeficiente cero.

maximizar Z = c1 x 1 + c 2 x 2 + ... + c n x n + 0 x n +1 + ... + 0 x n + m


sujeto a:

a11 x1 + a12 x 2 + ... + a1n x n + x n +1


a 21 x1 + a 22 x 2 + ... + a 2 n x n +

= b1
+ x n +2

= b2

a m1 x1 + a m 2 x 2 + ... + a mn x n +
76

+ x n +m = bm

Segunda unidad didctica

Investigacin de Operaciones I

Las variables de holgura: x n +1 , x n + 2 ,...x n + m


Mtodo: leer y entender cada tem cuidadosamente de estos pasos depende el xito
de las operaciones que vamos a realizar para encontrar la solucin ptima en los
diferentes casos que se nos presente.
1.

Configure la tabla Simplex inicial

| x1 x 2 x n x n +1 x n + 2 .........x n + m
Z

x | a a
0...............0
0
n +1 11 12 a1n 1
x n + 2 | a 21 a 22 a 2n 0
1...............0
0

...............................................................................
x n + m | a m1 a m2 a mn
0
0
1
0

- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - Z | c1 - c 2 - c n
0
0
0
1

| b1
| b2

| bm

|0

|b

in dica dores
Las variables de holgura son xn +1 , xn + 2,...

2.

Si todos los indicadores en el ltimo rengln son no negativos, entonces Z tiene


un valor mximo cuando x1 = 0, x 2 = 0.....x n = 0 . El valor mximo es 0.
Si existen indicadores negativos, localice la columna en la que aparezca el
indicador ms negativo. Esta columna pivote proporciona la variable entrante.

3.

Divida cada entrada positiva por encima de la lnea 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 ms


pequeo del paso (3). Esta es la entrada pivote. La variable saliente es aquella
que est a la izquierda en el rengln 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.
77

Escuela Profesional de Ingeniera Industrial

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, tendr usted una
solucin ptima. El valor mximo de Z es la entrada en el ltimo rengln y la
ltima columna. Ocurre cuando las variables a la izquierda de la tabla son iguales
a las correspondientes entradas en la ltima columna. Todas las dems 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 mtodo Simplex, podra interpretar ciertas entradas en
la tabla. Suponga que obtenemos una tabla cuyo ltimo rengln est indicado a
continuacin

|x1 x 2 x n x n +1 x n + 2 ........... x n + m Z |
|
.
.
.
.
.
|

|.
|
.
.
.
.
.

.........................................................................
|.
.
.
.
.
.
|

- |---------------------------------------------------------
Z | a

|h

Podemos interpretar la entrada b, por ejemplo, como sigue. Si x2 es no bsica y se


fuera a convertir en bsica, entonces por cada aumento de 1 unidad en x2 ,

Si b<0, Z aumenta en b unidades;


Si b>o, Z disminuye en b unidades;
Si b =0, no hay cambio en Z.

78

Segunda unidad didctica

Investigacin de Operaciones I

Conceptos bsicos
a)

Algoritmo Simplex: es el mtodo algebraico para resolver cualquier problema

de programacin lineal en un nmero finito de pasos en una computadora.


b)

Iteracin: una serie de pasos de un algoritmo que se repite.

c)

Prueba de optimalidad : mtodo para determinar si la solucin obtenida es la


ptima.

d)

Forma estndar: una forma particular de un problema de programacin lineal


en el que la funcin 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 aade al lado izquierdo


de una restriccin menor o igual que, para obtener una restriccin de igualdad
equivalente.

f)

Variable de supervit : es una variable no negativa que se resta del lado


izquierdo de una restriccin mayor o igual que, para obtener una restriccin de
igualdad equivalente.

g)

Variable no bsica : conjunto seleccionado de variables de un programa lineal


en forma estndar (en nmero igual al total de variables menos el nmero de
restricciones de igualdad) cuyos valores se toman como cero o dicho de otra
forma (son las variables de decisin que toman el valor de cero).

h)

Variable bsica: una de las variables restantes, diferentes a las no bsicas,


de un PL en forma estndar (igual en nmero al total de restricciones de
igualdad) o dicho de otra forma son las variables de decisin que quedan para
resolver el sistema (toman valores por lo menos una diferente de cero).

79

Escuela Profesional de Ingeniera Industrial

i)

Solucin bsica: son valores de las variables que satisfacen las restricciones
de igualdad de un programa lineal en forma estndar, despus de que las
variables no bsicas se toman como cero.

j)

Solucin factible bsica (sfb) : valores de las variables que satisfacen las
restricciones de igualdad y de no negatividad de un programa lineal en forma
estndar, despus de que las variables no bsicas se toman como cero.

5.1. Ejemplo de maximizacin


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

Mano de obra

Metal

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 produccin que maximiza el ingreso.
Solucin
i)

Variables de decisin:
Sea

x1 : El numero de banjos a producir


x2 : El numero de guitarras a producir
x3 : El numero de mandolinas a producir

80

Segunda unidad didctica

Funcin objetivo f .o. Max

Investigacin de Operaciones I

Z = 200 x1 + 175 x2 + 125 x3

s.a.

1x1 + 2 x2 + 1x3 50
1x1 + 2 x2 + 2 x3 60
1x1 + 1x2 + 1x3 55

xi 0, i = 1, 2,3

ii)

Para Estandarizar el modelo introducimos variables de holgura: x4 , x5 , x6


respectivamente. Sin embargo, para que no alteren dicha funcin objetivo, estas
incgnitas debern figurar con coeficiente cero es decir:
Funcin objetivo f .o. Max

Z = 200 x1 + 175 x2 + 125 x3 + 0 x4 + 0 x5 + 0 x6

s.a.

1x1 + 2 x2 + 1x3 + x 4 = 50
1x1 + 2 x2 + 2 x3 + x5 = 60
1x1 + 1x2 + 1x3 + x6 = 55

xi 0, i = 1, 2,3..., 6

iii)

Definimos variables bsicas y no bsicas

Variables no bsicas Variables bsicas

x1 = 0

x4 = 50

x2 = 0

x5 = 60

x3 = 0

x6 = 55

z=0

81

Escuela Profesional de Ingeniera Industrial

iv)

Vamos a confeccionar el tablero Simplex

Variable que ingresa

Elemento pivote

Variable
que sale

50

60

55

-200 -175 -125

50/1=50
60/1=60
55/1=55

Indicador ms negativo

*Debajo del elemento pivote se hace ceros mediante las operaciones filas es
decir:

i) Fila
Fila

iii) Fila

Fila de Z

82

(por -1) +

-1
1

-2
2

-1
2

-1
0

0
1

0
0

0
0

-50
60

-1

10

ii) Fila de
Fila de

4 (por -1) +

(por +200) +

+200
-200

-1
1

-2
1

-1
1

-1
0

0
0

0
1

0
0

-50
55

-1

-1

+400
-175

+200
-125

+200
0

000
001

+10000
0

225

75

200

001

10000

Menor
cociente
positivo

Segunda unidad didctica

50

60

55

-200 -175 -125 0

50

-1

10

-1

-1

225

75

200

Investigacin de Operaciones I

10,000

Indicadores positivos fin del proceso

x1 = 50
x2 = 0

Las variables bsicas son: x5 = 10 y las variables no bsicas son: x3 = 0


x = 5
x = 0
4
6
Nuestra respuesta lo damos en funcin a las variables de decisin.
Plan de produccin:

x1 = 50 Banjos
x2 = 0 Guitarras
x3 = 0 Mandolinas
Z Mx. ptimo=10 000

83

Escuela Profesional de Ingeniera Industrial

Ejemplo 2. Un empresario que fabrica tres artculos A, B, y C, desea encontrar la


produccin semanal que le permita maximizar sus beneficios. Los productos A, B y C
son procesados en tres mquinas siendo la produccin mnima semanal de 100, 60, y
60 unidades respectivamente. El beneficio por unidad vendida de estos artculos 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 artculo y mquina son:
Artculo
A

Mquina1

Mquina2

Mquina3

Siendo el nmero de horas semanales disponibles en cada mquina 240, 400 y 360
respectivamente. Determinar la produccin semanal ptima
Solucin

Maquina1
Maquina2
Maquina3
Beneficio

A
>=100
0
1
2
2

B
>=60
1
1
1
2

Variables de decisin
Sea
x1 El nmero de artculos a producir de A

x2 El nmero de artculos a producir de B


x3 El nmero de artculos a producir de C
Max z = 2 x1 + 2 x2 + 4 x3
x2 + 2 x3
240
x1 + x2 + x3

400

2 x1 + x2 + x3 360
x1 100
x2 60
x3 60
xi 0

84

C
>=60
2
1
1
4

Tiempo
disponible
240
400
360

Segunda unidad didctica

Investigacin de Operaciones I

Resolveremos el ejemplo haciendo un pequeo cambio de variable


Solucin

x1 100
x2 60
x3 60

x1 100 0
x2 60 0
x3 60 0

x1 100 = y1 x1 = y1 + 100
x2 60 = y2 x2 = y2 + 60
x3 60 = y3 x3 = y3 + 60
Reemplazando en el modelo original

Max

z = 2( y1 + 100) + 2( y2 + 60) + 4( y3 + 60)

s.a

y2 + 60 + 2( y3 + 60) 240
( y1 + 100) + ( y2 + 60) + ( y3 + 60) 400
2( y1 + 100) + ( y2 + 60) + ( y3 + 60) 360
yi 0
Simplificando obtenemos un nuevo modelo a resolver por el tablero simplex

Max

z = 2 y1 + 2 y2 + 4 y3 + 560

s.a

y2 + 2 y3 60
y1 + y2 + y3 180
2 y1 + y2 + y3 40
yi 0
Estandarizando

Max

z = 2 y1 + 2 y2 + 4 y3 + 0 y4 + 0 y5 + 0 y6 + 560

s.a

y2 + 2 y3 + y 4 = 60
y1 + y2 + y3 + y5 = 180
2 y1 + y2 + y3 + y 6 = 40
yi 0
Observacin 1: para los indicadores pasar mentalmente de la siguiente manera:
-2y1-2y2-4y3+0y4+0y5+0y6+z=560

85

Escuela Profesional de Ingeniera Industrial

Observacin 2
Variables no bsicas: y1=0 y2=0
Variables bsicas: y4=60

y3=0

y5=180

y6=40

Z= 2(0)+2(0)+4(0)+0(60)+0(180)+0(40)+560=560
Y4
Y5
Y6
z

Y1
0
1
2
-2

Y2
1
1
1
-2

Y3
2
1
1
-4

Y4
1
0
0
0

Y5
0
1
0
0

Y6
0
0
1
0

z
0
0
0
1

b
60
180
40
560

i) La pregunta es que variable ingresa: ver el indicador ms negativo


RPT. El indicador ms 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 operacin 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
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

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

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
Y3
Y5
Y6
z

Y1
0
1
2
-2

Y2
1/2
1/2
1/2
0

Y3
1
0
0
0

Y4
1/2
-1/2
-1/2
2

Y5
0
1
0
0

Y6
0
0
1
0

z
0
0
0
1

B
30
150
10
680

i) Ver la variable que ingresa: observamos que el indicador ms negativo lo tiene la


columna del y1 (-2); por tanto, y1 es la variable q ingresa. La columna de y1 es
columna pivote.

86

Segunda unidad didctica

Investigacin de Operaciones I

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
0

-1/4

0
0
0

-1/2
-1/4

0
1
1

-1/2
0 -5
0
0 150
-1/2 0 145

v) multiplicar a la fila y1 por (2) y sumar a la fila del z


2
-2
0

0
0
0
Y1
0
0
1
0
y5=145

Y3
Y5
Y1
z
Y3=30

-1/2
2
3/2
Y2
1/2
1/4
1/4
1/2
y1=5

Variables bsicas Y3=30

0
0
0

1
0
1
Y3
1
0
0
0
z=690

0
1
1

10
680
690

Y4
1/2
-1/4
-1/4
3/2

y5=145

Y5
0
1
0
0

Y6
0
-1/2
1/2
1

z
0
0
0
1

B
30
145
5
690

y1=5

Variables no bsicas: y2=0 y4=0 y6=0


Observamos q todos los indicadores son positivos por lo tanto fin del proceso
Observe:

x1 100 = y1 x1 = y1 + 100 = 5 + 100 = 105


x2 60 = y2 x2 = y2 + 60 = 0 + 60 = 60
x3 60 = y3 x3 = y3 + 60 = 0 + 60 = 60
Luego damos la respuesta en funcin de las variables decisin de nuestro problema
original.
Es decir:
Plan de produccin:

x1 : 105 artculos a producir de A


x2 : 60 artculos a producir de B
x3 : 90 artculos a producir de C
Con un ingreso Mx Z ptimo= 690

87

Escuela Profesional de Ingeniera Industrial

Serie de problemas 5.1


Utilice el mtodo simplex para resolver los siguientes problemas:
1. Maximizar

2. Maximizar

3. Maximizar

Z= x1 + 2 x 2

Z = 8 x1 + 2 x 2

Z= 2 x1 + x 2 x3

s.a.

s.a.

s.a.

2 x1 + x 2

2 x1 + 3 x 2 12
x1 , x 2 0

4. Maximizar

x1 x 2

x1 + x 2

x1 2 x 2 x3 2

x1 + 2 x 2 8
x1 + x 2

x1 , x 2

x1 , x 2 , x3 0

5. Maximizar

Z= x1 + x 2
s.a.

6. Maximizar

W = x1 12 x 2 + 4 x3

Z= 60 x1 + 0 x 2 + 90 x3 + 0 x 4

s.a.

x1 x 2

s.a.

4 x1 + 3x 2 - x 3

x1 + x 2 4

x1 + x 2 - x 3

-2

8 x1 + 5 x 2 40

x1 + x 2 + x3

-1

2 x1 + x 2 6

Maximizar

x1 2 x 2

x1 + x 2

x 3 + x4 4

x1 , x 2 , x3 0

x3 2 x 4 7
x1 , x 2 , x3 , x 4 0

x1 , x 2 0
7.

8.

Maximizar

W = 2 x1 + x 2 2 x3

Z = 4 x1 + 10 x 2 6 x3 x 4

s. a:

s.a

2 x1 + x 2 + x3 2,

x1

88

+ x3 x 4 1 ,

x1 x 2 + x3 4,

x1 x 2

x1 + x 2 + 2 x3 6,

x1 + x 2 x3 + x 4 4,

x1 , x 2 , x3 0 .

x1 , x 2 , x3 , x 4 0 .

+ x 4 2,

Segunda unidad didctica

9.

Investigacin de Operaciones I

Envo de mercancas

Una compaa de fletes maneja envos para dos compaas, A y B, localizadas en la


misma ciudad. La compaa A enva cajas que pesan 3 libras cada una y tienen un
volumen de 2 pies3; la B enva cajas de 1 pies3 que pesan 5 libras cada una. Tanto A
como B envan 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 compaa de fletes tiene un camin con 2400 pies3 de
espacio para carga y una capacidad mxima de 9200 libras. En un trayecto, cuntas
cajas de cada compaa debe transportar este camin de modo que la compaa de
fletes reciba un ingreso mximo? Cul es el ingreso mximo?

89

Escuela Profesional de Ingeniera Industrial

5.2. SOLUCIONES NO ACOTADAS Y SOLUCIONES PTIMAS MULTIPLES


Soluciones no acotadas : si no existen cocientes en una tabla simplex, entonces el
problema de programacin lineal tiene una solucin no acotada.
Soluciones ptimas mltiples: en una tabla que da una solucin ptima, un
indicador igual a cero para una variable no bsica sugiere la posibilidad de soluciones
mltiples. Por ejemplo suponga que:

x1 = a1 , x 2 = a 2 ,...x n = a n y
x1 = b1 , x 2 = b2 ,...x n = bn

Estos son dos S:F:B. diferentes para los cuales un problema de programacin lineal es
ptimo. Por S.F.B. diferentes queremos decir que ai bi para alguna i, donde

1 i n , entonces:

x1 = (1 t )a1 + tb1 , x2 = (1 t )a2 + tb2 + ... + xn = (1 t )an + tbn , para cualquier t donde 0 t 1
Ejemplo 1.0
Una compaa fabrica tres tipos de muebles para patio: sillas, mecedoras y tumbonas.
Cada uno requiere madera, plstico, y aluminio como se indica en la siguiente tabla.
La compaa tiene disponibles 400 unidades de madera, 600 unidades de plstico 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, Cul
es el ingreso mximo total que puede ser obtenido? Determinar las posibles rdenes
de produccin que generarn ese ingreso.
Madera
Silla

Plstico

1 unidad 1 unidad

2 unidades

Mecedora 1 unidad 1 unidad

3 unidades

Tumbona

1 unidad 2 unidades 5 unidades

Solucin
i)

Variables de decisin:
Sea

x1 : El numero de sillas a producir.


x2 : El numero de mecedoras a producir.
x3 : El numero de tumbonas a producir.

90

Aluminio

Segunda unidad didctica

Investigacin de Operaciones I

Funcin objetivo f .o. MaxZ = 6 x1 + 8 x2 + 12 x3


s.a.

1x1 + 1x2 + 1x3 400


1x1 + 1x2 + 2 x3 600
2 x1 + 3x2 + 5 x3 1500

xi 0, i = 1, 2,3
ii)

Para estandarizar el modelo introducimos variables de holgura: x4 , x5 , x6


respectivamente. Sin embargo, para que no alteren dicha funcin objetivo, estas
incgnitas debern figurar con coeficiente cero, es decir:
Funcin objetivo f .o. MaxZ = 6 x1 + 8 x2 + 12 x3 + 0 x4 + 0 x5 + 0 x6
s.a.

1x1 + 1x2 + 1x3 + x 4 = 400


1x1 + 1x2 + 2 x3 + x5 = 600
2 x1 + 3 x2 + 5 x3 + x6 = 1500

xi 0, i = 1, 2,3..., 6
iii) Definimos variables bsicas y no bsicas
Variables no bsicas Variables bsicas

x1 = 0

x4 = 400

x2 = 0

x5 = 600

x3 = 0

x6 = 1500

z=0

91

Escuela Profesional de Ingeniera Industrial

iv) Confeccionar el tablero Simplex


Segunda variable que ingresa

Primera variable que ingresa

x1

x2

x3

x4

x5

x6

x4

400

x5

600

x6

1500

-6

-8

-12

x4

1/2

1/2

-1/2

100

x3

1/2

1/2

1/2

300

x6

-1/2

1/2

-5/2

-2

3600

x4

-1

100

x3

-1

-1

300

x2

-1

-5

-2

-4

3600

x5

1/2

1/2

-1/2

50

x3

-1/2

-3/2

150

x2

3/2

5/2

-1/2

250

3800

1/2

Indicadores positivos fin del proceso.


92

Segunda unidad didctica

Variables bsicas

=50

=150

=250

Investigacin de Operaciones I

Variables no bsicas

=0
=0
=0

Variable de decisin

=0 = a1
=250 = a 2
=150 = a 3

Zptimo = 3800

Para ver si tiene solucin mltiple bastar observar si existe un indicador igual a cero
de una variable no bsica, la cual sugiere la posibilidad de solucin mltiple. Por
ejemplo, x1 es no bsica y su indicador en la tabla final es igual a cero.
*Vamos a generar la otra solucin para esto tomamos el ultimo tablero.

Hacemos ingresar no bsica que


tiene indicador igual a1cero.

z
6

1/2

1/2

1 -1/2 0

50

-1/2

0 -3/2

0 1/2 0

150

3/2

5/2

0 -1/2 0

250

3800

1 -1

100

-1

1/2

200

3/2

100

3800

Luego: x1 = 100 = b1 ; x2 = 100 = b2 ; x3 = 200 = b3 que:

= (1 t )0 + t (100) = 100t
= (1 t )250 + t (100) = 250 150t
= (1 t )150 + t (200) = 150 + 50t
1

0 t 1
93

Escuela Profesional de Ingeniera Industrial

Si t = 0

x1 : 0 Sillas a producir
x2 : 250 Mecedoras a producir
x3 : 150 Tumbonas a producir
Z ptimo =3800
Si t = 1

x1 : 100 Sillas a producir


x2 : 100 Mecedoras a producir
x3 : 200 Tumbonas a producir
Z ptimo =3800
Como podemos ver generamos soluciones mltiples alternativas.

94

Segunda unidad didctica

Investigacin de Operaciones I

Serie de problemas 5.2


1. Maximizar

2. Maximizar

W = 2 x1 + 7 x 2
s. a:

Z = 5 x1 + 6 x 2 + x3
s. a

4 x1 3 x 2 4,

9 x1 + 3x 2 2 x3 5 ,

3x1 x 2 6,

4 x1 + 2 x 2 x3 2 ,

5 x1 8,
x1 , x 2 0 .

x1 4 x 2 + x3 3,
x1 , x 2 , x3 0 .

3. Maximizar

4. Maximizar

Z = 6 x1 + 2 x 2 + x3

Z = 2 x1 + x 2 4 x3

s.a.
2 x1 + x 2 + x3 7,

s.a.
6 x1 + 3x 2 3x3 10,

4 x1 x 2 6,

x1 x 2 + x3 1,

x1 , x 2 , x3 0

2 x1 x 2 + 2 x3 12, xi 0

95

Escuela Profesional de Ingeniera Industrial

5.3. MTODO DE PENALIZACIN


Variables artificiales
Para iniciar el mtodo simplex, se requiere de una solucin factible bsica. Para un
problema de programacin lineal estndar, empezamos con la S.F.B., en la cual todas
las variables estructurales son cero. Sin embargo, para un problema de maximizacin
que no est en la forma estndar, tal S.F.B. podra no existir. En esta seccin se
presentar la forma en que el mtodo simplex es utilizado en tales situaciones.
Objetivo
Resolver problemas de maximizacin que no estn en forma estndar introduciendo
variables artificiales.
Ejemplo1
Maximizar Z=X1+4X2
s.a
X1+2X2 8
X1+6X2 12
X2 2
X1, X2 0
Solucin:
Funcin 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

96

Segunda unidad didctica

Investigacin de Operaciones I

Tablero Inicial
X1

X2

X3

X4

X5

T1

T2

-1

12

-1

-1

-4

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

-M

-12M

-M

-M

-2M

-1

-4

-M-1

-7M-4

-14M

I Tablero Simplex
X1

X2

X3

X4

X5

T1

T2

X3

T1

-1

12

T2

-1

-M-1

-7M-4

-14M

Variables bsicas: X3=8 ; T1=12 y T2=2


Variables no bsicas: 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

X3

-2

T1

-1

-6

X2

-1

-M-1

-6M-4

7M+4

8
97

Escuela Profesional de Ingeniera Industrial

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

X3

2/3

2/6

-2/6

X5

1/6

-1/6

1/6

X2

1/6

-1/6

1/6

-1/3

-2/3

M+2/3

III Tablero Simplex


Variable que entra X4, variable que sale X3 y eliminamos la columna de T1 por ser
variable no bsica y adems tener en su indicador un nmero positivo bastante
grande.
Observe que.

W=Z-Mt1-Mt2 , y como t1 =0 y t2 =0, entonces W=Z


X1

X2

X3

X4

X5

X3

2/3

2/6

X5

1/6

-1/6

X2

1/6

-1/6

-1/3

-2/3

98

Segunda unidad didctica

Investigacin de Operaciones I

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

X4

12

X5

1/2

1/2

X2

1/2

1/2

16

Como todos los indicadores son positivos, el proceso finaliza.


Observe que las variables bsicas son: X4=12; X5=2, X2=4, y las variables no
bsicas: X1=0, X3=0
Nuestras variables de decisin en el ejemplo son: X1 y X2. Luego nuestra
respuesta es:
X1= 0 y X2 = 4 con Zptimo=16

Ejemplo2
Max Z = 2X1+X2
s.a
X1+X2<=12
X1+2X2<=20
-X1+X2>=2
Xi>=0
F.O artificial
Observe que: Z= 2X1+X2+0X3+0X4

W=Z-Mt1
X1+X2+ X3

= 12

X1+2X2+ X4

= 20

- X1+X2- X5+t1 = 2

99

Escuela Profesional de Ingeniera Industrial

I Tablero Inicial
X1

X2

X3

X4

X5

T1

12

20

-1

-1

-2

-1

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

X3

12

X4

20

T1

-1

-1

M-2

-M-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 algn numero para hacer uno en ese casillero
X1

X2

X3

X4

X5

T1

X3

-1

10

X4

-2

16

X2

-1

-1

-3

-1

M+1

Eliminamos la columna de T1 pues (M+1) es un nmero positivo bastante grande es


una variable no bsica.

100

Segunda unidad didctica

Investigacin de Operaciones I

Observe que en este tablero las variables bsicas son: X3=10, X4=16 y X2=2
Y las variables no bsicas 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

X3

10

X4

16

X2

-1

-1

-3

-1

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

-3/2

-3/2

-15+

16

-3/2

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 obtendr la siguiente
tabla:
X1

X2

X3

X4

X5

X1

1/2

1/2

X4

-3/2

1/2

X2

1/2

-1/2

3/2

1/2

17

101

Escuela Profesional de Ingeniera Industrial

Como los indicadores son positivos, finaliza el proceso:


Entonces las variables bsicas son: X1=5; X4=1 y X2=7 y las no bsicas son: X3=0 y
X5=0 y T1=0
Luego estamos interesados en los valores de nuestras variables de decisin es
decir, daremos como respuesta X1=5, X2=7 con ZMax ptimo = 17

Ejemplo 3
Una compaa fabrica dos tipos de estantes: estndar y ejecutivo. Cada tipo requiere
tiempos de ensamble y de terminado como se indica en la siguiente tabla. La utilidad
sobre cada unidad tambin se indica. El nmero 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.
Cuntas unidades de cada tipo debe producir la compaa semanalmente para
maximizar sus utilidades?

Estndar

Tiempo de
ensamblaje
1 horas

Tiempo de
acabado
2 horas

Utilidad por
unidad
$ 10

Ejecutivo

2 horas

3 horas

$ 12

Tiempo Disponible

400

510 pero 240

Variables de decisin
Sea X1 el N de unidades a producir de estantes estndar
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
102

Segunda unidad didctica

Investigacin de Operaciones I

Solucin:
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

400

510

-1

240

-10

-12

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

X3

400

X4

510

t1

-1

240

-2M-10

-3M-12

-240M

103

Escuela Profesional de Ingeniera Industrial

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

X3

-1/3

2/3

-4/3

240

X4

-2

270

X2

2/3

-1/3

2/3

80

-2

-4

2M+8

960

Eliminamos la columna t1 por ser variable no bsica y adems su indicador es un


nmero 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

X3

-1/3

2/3

240

X4

270

X2

2/3

-1/3

80

-2

-4

960

Variable que sale X4 variable que entra X5 haciendo ceros encima y debajo del
elemento pivote
Que por suerte es uno. Obtenemos el:

104

Segunda unidad didctica

Investigacin de Operaciones I

III Tablero Simplex


Variable que sale X2 variable que entra X1

X1

X2

X3

X4

X5

X3

-1/3

-2/3

60

X5

270

X2

2/3

1/3

170

-2

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

X3

-1/2

145

X5

270

X1

3/2

255

2550

Como los indicadores son positivos fin del proceso podemos observar que
Nuestro plan de produccin es:
X1=255 estantes estndar y
X2=0 estantes ejecutivo
Con una utilidad mxima Z ptimo=$2550

105

Escuela Profesional de Ingeniera Industrial

Serie de problemas 5.3


Utilice el mtodo simplex para resolver los problemas siguientes.
1. Maximizar
Z= 2 x1 + x 2
Sujeto a:

x1 + x 2 12
x1 + 2 x 2 20
x1 + x 2 2
x1 , x 2 0
2. Maximizar
Z = x1 + 2x 2

x1 + x 2 9
x1 x 2 1
x1 , x 2 0
3. Maximizar
Z = 2 x1 + x 2
Sujeto a:

x1 + x 2 6,
x1 + x 2 4,
x1 , x 2 0 .
4. Maximizar
Z = 2 x1 + x 2 x3
Sujeto a:

x1 + 2 x 2 + x3 5,
x1 + x 2 + x3 1,

x1 , x 2 , x3 0

106

Segunda unidad didctica

Investigacin de Operaciones I

5. Maximizar
Z = x1 10x 2
Sujeto a:

x1 x 2 1,
x1 + 2 x 2 8,
x1 + x 2 5,
x1 , x 2 0 .
6. Maximizar
Z = 3 x1 2 x 2 + x3
Sujeto a:

x1 + x 2 + x3 1,
x1 x 2 + x3 2,
x1 x 2 x3 6,
x1 , x 2 , x3 0 .
7. Maximizar
Z = x1 + 4x 2
Sujeto a:

x1 + 2 x 2 8,
x1 + 6 x 2 12,
x 2 2,
x1 , x 2 0 .
8. Maximizar
Z = x1 5x 2
Sujeto a:

x1 2 x 2 13,
x1 + x 2 3,
x1 + x 2 11,
x1 , x 2 0 .

107

Escuela Profesional de Ingeniera Industrial

9. Maximizar
Z = 3 x1 + 4 x 2
Sujeto a:

x1 + 2 x 2 8,
x1 + 6 x 2 12,
x1 , x 2 0 .
10. Maximizar
Z = x1 x 2 + 4 x3
Sujeto a:

x1 + x 2 + x3 9
x1 2 x 2 + x3 6,
x1 , x 2 , x3 0 .

108

Segunda unidad didctica

Investigacin de Operaciones I

5.4. En general, el mtodo simplex puede ser utilizado para:

maximizar Z = c1 x1 + c 2 x 2 + ... + c n x n
sujeto a
a11 x1 + a12 x 2 + ... + a1n x n {, , =} b1 ,
a 12 x 2 + a 22 x 2 + ... + a 2n x n {, , =}b 2 ,
...........................................................
a m1 x 1 + a m2 x 2 + ... + a mn x n {, , =} b 3

donde x1 , x 2 ,..., x n , y b1 , b2 ,..., bm son no negativos. Los smbolos { , , =} significan que


existe una de las relaciones , o = para una restriccin. Si todas las
restricciones involucran , el problema est en forma cannica y se aplican las
tcnicas simplex. Si alguna restriccin involucra o =, empezamos con un
problema artificial, que se obtiene como sigue.
Cada restriccin que contenga es escrita como una ecuacin involucrando una
variable de holgura S i con coeficiente +1.:

ai1 x1 + ai 2 x 2 + ... + ain x n + S i = bi .


Cada restriccin que tenga es escrita como una ecuacin que involucre una
variable de holgura (o llamado tambin variable de supervit) S j con coeficiente -1 y
una variable artificial t j :

a j1 x1 + a j 2 x 2 + ... + a jn x n s j + t j = b j
En cada restriccin de igualdad se inserta una variable artificial no negativa t k :

a k1 x1 + a k 2 x 2 + ... + a kn x n + t k = bk .
Por ejemplo, si tuviera tres variables artificiales involucradas t1 , t 2 , t 3 , entonces la
funcin objetivo artificial es:
W = Z- Mt1 Mt 2 Mt 3 ,

109

Escuela Profesional de Ingeniera Industrial

Donde

es

un

nmero

positivo

grande.

Una

S.F.B.

ocurre

cuando

x1 = x 2 = ... = x n = 0
y cada variable de holgura que tenga coeficiente -1 es igual a cero. Despus de
obtener una tabla simplex inicial, aplicamos el mtodo 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. Despus eliminamos las columnas da las variables artificiales, cambiando
las W por z, y continuamos utilizando los procedimientos del mtodo simplex.
12. Maximizar

Z = 4 x1 + x 2 + 2 x3
s.a
2x 1 + x 2 + 3x 3 10
x1 - x 2 + x 3 = 4
x1 , x 2 , x 3 , 0
13. Maximizar

Z = 1x1 + 3x 2 2 x3
s.a
- x 1 2 x 2 2 x 3 = 6
- x 1 - x 2 + x 3 2
x1 , x 2 , x 3 , 0
14. Maximizar

Z = 3x1 + 2 x 2
s.a
x1 x 2 4
- x1 + x 2 = 4
x1 6
x1 , x 2 0
15. Maximizar

Z = x1 + 2 x 2 + 3x3
s.a
x 2 2x 3 5
x1 + x 2 + x 3 = 8
x1 , x 2 , x 3 , 0
110

Segunda unidad didctica

Investigacin de Operaciones I

16. Maximizar

Z = x1 + 4 x 2 x3
s.a
x1 + x 2 x 3 5
x1 + x 2 + x 3 3
x1 - x 2 + x 3 = 7
x1 , x 2 , x 3 , 0
17. Maximizar

Z = x1 + 2 x 2 + x3
s.a
x 1 x 2 x 3 1
6x 1 + 3 x 2 + 2x 3 = 12
x1 , x 2 , x 3 , 0
18. Maximizar

Z = 4x 3 y
s.a
x+y 3
2x + 3y 12
5x + 8y 40
x, y 0
19. Maximizar

Z = 2 x1 + x 2
s.a
- x1 + x 2 2
x1 + x 2 1
x1 , x 2 0

111

Escuela Profesional de Ingeniera Industrial

5.5

MINIMIZACIN

En general, para minimizar una funcin es suficiente con maximizar su negativo. Por
ejemplo considere la funcin f ( x) = x 2 4 . Observe que el valor mnimo de f es -4 y
ocurre cuando x=0. Ahora considere la funcin g ( x) = f ( x) = ( x 2 4). Esta grfica
es la reflexin con respecto al eje x de la grfica de f . Observe que el valor mximo
de g es 4 y ocurre cuando x=0. Por tanto, el valor mnimo de x 2 4 es el negativo del
valor mximo de -( x 2 4 ). Esto es, mn f = mx( f )

Ejemplos: En general, para minimizar una funcin es suficiente con maximizar su


negativo.
Ejercicios de Minimizacin
1. MIN Z = 4X1 + 2X2 + 1X3
s.a
X1 - X2 - X3 9
Xi 0

i=1, 2,3

Solucin
f.o(funcin objetivo artificial)

W = -Z - Mt1
X1 X2 X3 X4 + t1 = 9
Tablero Inicial

Por (-M)
W

112

X1

X2

X3

X4

t1

-1

-1

-1

Segunda unidad didctica

Investigacin de Operaciones I

i) Debemos eliminar la M de la columna de t1 para ello multiplicamos por (-M) es


decir
ii) luego recin pasamos al primer tablero Simplex

-M

-M

-9M

(4-M)

(2+M)

-9M

1+M

I Tablero Simplex

X1

X2

X3

X4

t1

t1

-1

-1

-1

(4-M)

(2+M)

1+M

-9M

X1

-1

-1

-1

(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

X1

-1

-1

-1

654

-36

113

Escuela Profesional de Ingeniera Industrial

Observe que los indicadores son positivos; por lo tanto, fin del proceso
Variables bsicas: X1= 9
Variables no bsicas: X2=0, X3=0, X4=0, t1=0
Si t1 = 0
Rpta: X1 = 9
X2 = 0

W = -Z - Mt1

X3 = 0
Zmin ptimo = 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

Solucin
f.o W = -Z - Mt1 - Mt2
X1 + X2 + X3 X4 + t1 = 8
-X1 + 2X2 + X3 X5 + t2 = 2
TABLERO INICIAL
Por M
Por M
W

114

X1

X2

X3

X4

X5

t1

t2

-1

-1

-1

50

b
8
2
0

Segunda unidad didctica

Investigacin de Operaciones I

Antes de pasar al primer tablero Simplex eliminamos las M de la columna t1 y t2


-M

-M

-M

-M

0 0

-8M

-2M

-M

-M 0

-2M

M 1

(8-3M)

(5-2M)

-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

t1

-1

t2

-1

-1

(8-3M)

(5-2M)

-10M

t1

3/2

1/2

-1

1/2

-1/2

X2

-1/2

1/2

-1/2

1/2

(5 - 3M/2)

(1-M/2)

(-4 + 3M/2)

-8-7M

(4 M/2)

Eliminamos la columna t2 por tener indicador positivo


Es decir, es un nmero positivo bastante grande y es imposible que ingrese en
alguna iteracin.

115

Escuela Profesional de Ingeniera Industrial

II Tablero Simplex

X1

X2

X3

X4

X5

t1

t1

3/2

1/2

-1

1/2

X2

-1/2

1/2

-1/2

(5 - 3M/2)

(4 -

-8 - 7M

X1

1/3

-2/3

1/3

2/3

14/3

X2

2/3

-1/3

-1/3

1/3

10/3

-2/3

10/3

7/3

M-10/3

-94/3

(1M/2)

M/2)

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

X1

1/3

-2/3

1/3

14/3

X2

2/3

-1/3

-1/3

10/3

-2/3

10/3

7/3

-94/3

X1

-1/2

-1/2

1/2

X3

3/2

-1/2

-1/2

-28

Indicadores positivos fin del proceso

Variables bsicas: X1=3 y X3=5


Variables no bsicas: X2=0; X4=0, X5=0 ,t1=0,t2=0

116

Segunda unidad didctica

Investigacin de Operaciones I

t1 =0 y t2 = 0
Rpta: X1 = 3
X2 = 0

W = -Z - Mt1 - Mt2

X3 = 5
Zmin ptimo = 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

Solucin
f.o W = -Z - Mt1
X1 + X2 + X3 +X4 = 6
-X1 + X3 X5 + t1 = 4
X2 + X3 +X6 = 5
Tablero Inicial

Por M

X1

X2

X3

X4

X5

X6

t1

-1

-1

117

Escuela Profesional de Ingeniera Industrial

-M

-M

-4M

-4M

(M+2)

(1-M)

I Tablero Simplex
X1

X2

X3

X4

X5

X6

t1

X4

t1

-1

-1

X6

(2+M)

-4M

X4

-1

X3

-1

-1

X6

-1

(M-1)

-4

(1-M) 0

Indicadores positivos fin del proceso


t1 = 0
Rpta: X1 = 0
W = -Z - Mt1

X2 = 0
X3 = 4
Zmin ptimo = 4

-4= -Z
Z=4

118

Segunda unidad didctica

Investigacin de Operaciones I

Serie de problemas 5.5


1. Minimizar

z = 3x1 + 6 x 2
s.a.
x1 + x 2 6
x1 + x 2 10
x1 , x 2 0
2. Minimizar

z = 4 x1 + 2 x 2 + x3
s.a.
x1 x 2 x3 9
x1 , x 2 , x3 0
3. Minimizar

z = 2 x1 + 3x 2 + x3
s.a.
x1 + x 2 + x3 6
x1 x3 4
x 2 + x3 5
x1 , x 2 , x3 0
4. Min z = x1 x2 3x3
s.a.
x1 + 2 x2 + x3 = 4
x2 + x3 = 1
x1 + x2 6
x1 , x2 , x3 0

119

Escuela Profesional de Ingeniera Industrial

5. Minimizar

z = x1 + 8 x 2 + 5 x3
s.a.
x1 + x 2 + x3 8

x1 + 2 x 2 + x3 2
x1 , x 2 , x3 0

6.

Una planta de cemento produce 2,500,000 barriles de cemento por ao. Los

hornos emiten 2 libras de polvo por cada barril producido. Una agencia gubernamental
para proteccin del ambiente requiere que la planta reduzca sus emisiones de polvo a
no ms de 800,000 libras anuales. Existen dos dispositivos de control de emisiones
disponibles, A y B. El dispositivo A reduce las emisiones a

1
2

libra por barril y su

costo es de $0.20 por barril de cemento producido. Para el dispositivo B, las emisiones
son reducidas a

1
5

libra por barril y el costo es de $0.25 por barril de cemento

producido. Determine el plan de accin ms econmico que la plante debe tomar de


modo que cumpla

con el requerimiento de la agencia y tambin mantenga su

produccin anual de 2,500,000 barriles de cemento.


7.

Una planta de cemento produce 3,300,000 barriles de cemento por ao. Los

hornos emiten 2 libras de polvo por cada barril producido. La planta debe reducir sus
emisiones a no ms de 1,000,000 libras anuales. Hay 2 dispositivos de control
disponibles, A y B. El dispositivo A reducir las emisiones a libra por barril y el
costo es de $0.25 por barril de cemento producido. Para el dispositivo B, las emisiones
son reducidas a de libra por barril y el costo es de $0.40 por barril de cemento
producido. Determine el plan de accin ms econmico que la planta debe tomar de
modo que mantenga su produccin anual de exactamente 3,300,000 barriles de
cemento.

120

Segunda unidad didctica

8.

Investigacin de Operaciones I

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 almacn


A hay 50 refrigeradores y en el B hay 20. Los costos de transporte para enviar los
refrigeradores desde los almacenes a las tiendas estn dados en la siguiente tabla.
Cmo debe solicitar los refrigeradores el comerciante de modo que los
requerimientos se satisfagan y el costo total de transporte se minimice? Cul es el
costo mnimo de transporte?
Exton

Whyton

Almacn A

$15

$13

Almacn B

$11

$12

121

Escuela Profesional de Ingeniera Industrial

6.

LA TEORA DE LA DUALIDAD

6.1. El PROBLEMA DUAL


Existe un principio fundamental llamado dualidad, que permite resolver un problema de
maximizacin resolviendo el problema de minimizacin relacionado con l.
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
maximizacin, entonces su dual es un problema de minimizacin. Del mismo modo, si
el problema primal implica minimizacin, su dual implica maximizacin.
Cualquier problema primal de maximizacin puede ser escrito en la forma indicada en
la tabla 1. Observe que no existen restricciones sobre las b. El

correspondiente

problema dual de minimizacin puede ser escrito en la forma de la tabla 2.


Similarmente, cualquier problema primal de minimizacin puede ser escrito en la forma
de la tabla 2 y su dual es el problema de maximizacin en la tabla 1.

TABLA 1 Primal (Dual)

TABLA 2 Dual (Primal)

maximizar Z = c1 x1 + c 2 x 2 + ... + c n x n

minimizar W = b1 y1 + b2 y 2 + ... + bn y n

s.a.

s.a.

122

a11 x1 + a12 x 2 + ... + a1n x n b1

a11 y1 + a 21 y 2 + ... + a m1 y m c1

a 21 x1 + a 22 x 2 + ... + a 2 n x n b2

a12 y1 + a 22 y 2 + ... + a m 2 y m c 2

..

..

a m1 x1 + a m 2 x 2 + ... + a mn x n bm

a1n y1 + a 2 n y 2 + ... + a mn y m c n

x1 , x 2 ,...x n 0

y1 , y 2 ,... y n 0

Segunda unidad didctica

Investigacin de Operaciones I

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 trminos constantes en las restricciones del primal. Del mismo
modo, los trminos 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 decisin (estructurales) y m variables de holgura,
entonces el dual involucra m variables de decisin y n variables de holgura. Debe
notarse que el dual del dual es el primal.

6.2. Existe una relacin importante entre el primal y su dual:


1.

Si el primal tiene una solucin ptima, tambin la tendr el dual, y el valor ptimo
de la funcin objetivo del primal, es el mismo que el de su dual.

2.

Adems suponga que la F.O. del primal es: Z = c1 x1 + c 2 x 2 + ... + c n x n . Entonces:


Si S i es la variable de holgura asociada con la i-sima restriccin en el dual,
entonces el indicador en la columna S i de la tabla simples final del dual, es el
valor

de xi en la solucin ptima del primal.

Por eso podemos resolver, el problema primal con slo resolver su dual. En
ocasiones esto es ms conveniente que resolver directamente el primal.
Si una restriccin de desigualdad involucra , multiplicando ambos miembros por -1
se obtiene una desigualdad que involucra . Si una restriccin es una igualdad. Puede
ser reescrito en trminos de dos desigualdades: una involucrando y otra
involucrando .

123

Escuela Profesional de Ingeniera Industrial

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 1
A=

1 1 1
DUAL
MAX Z = 1Y1 + 2Y2
1Y1 - 1Y2 4
-1Y1 + 1Y2 4
1Y1 + 1Y2 6

yi 0
Resolviendo el DUAL
f.o MAX Z = 1Y1 + 2Y2
1Y1 - 1Y2 +Y3 = 4
-1Y1 + 1Y2 + Y4 = 4
1Y1 +1Y2 + Y5 = 6

yi 0

124

1 1

A = 1 1
1 1

Segunda unidad didctica

Investigacin de Operaciones I

VARIABLES DE HOLGURA

Y1

Y2

Y3

Y4

Y5

Y3

-1

Y4

-1

Y5

-1

-2

Y3

Y2

-1

Y5

-1

-3

Y3

Y2

1/2

1/2

Y1

-1/2

1/2

00

1/2

3/2

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

125

Escuela Profesional de Ingeniera Industrial

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 multiplicacin por (-1) no podra pasar a


su dual

1 1
1 1
t
A=
A =

1 1
1 1
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

yi 0

126

Segunda unidad didctica

Investigacin de Operaciones I

Variables de holgura

Y1

Y3

Y2

Y4

Y3 1

Y4 -1

Z 1

-3

Y3 2

-1

Y2 -1

12

Y1 1

1/2

-1/2

Y2 0

1/2

1/2

Z 0

14

-2

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 1
t
A=
A =

1 6
2 6
f.o MIN C = 8Y1 + 12Y2 (DUAL)
1Y1 + 1Y2 3
2Y1 + 6Y2 8
Yi 0
127

Escuela Profesional de Ingeniera Industrial

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

Por -M

-1

Por -M

-1

12

R 8

-M

-M

-M

-3M

-2M

-6M

-M

-8M

12

(-3M+8)

(-7M+12)

-11M

I Tablero Simplex
Y1

Y2

Y3

Y4

t1

t2

t1

-1

t2

-1

(-3M+8)

(-7M+12)

-11M

t1

2/3

-1

1/6

-1/6

10/6

t2

1/3

-1/6

1/6

8/6

(-2M/3 +

(-M/6 +

(7M/6 - 2)

-10M/6 -

4)

2)

16

Eliminamos la columna t2 por tener


indicador positivo
128

Segunda unidad didctica

Investigacin de Operaciones I

II Tablero Simplex
Variables de holgura
Y1

Y2

Y3

Y4

t1

t1

2/3

-1

1/6

10/6

Y2

1/3

-1/6

8/6

(-2M/3 +

(-M/6 +

-10M/6 - 16

4)

2)

Y1

-3/2

1/4

3/2

5/2

Y2

3/6

-3/12

-1/2

3/6

(M-6)

-26

Eliminamos la columna t1 por tener


indicador positivo
III Tablero Simplex
Variables de holgura
Y1

Y2

Y3

Y4

t1

2/3

-1

1/6

10/6

Y2

1/3

-1/6

8/6

(-2M/3 + 4)

(-M/6 + 2)

-10M/6 - 16

Y1

-3/2

1/4

5/2

Y2

3/6

-3/12

3/6

-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
129

Escuela Profesional de Ingeniera Industrial

4.

Una compaa 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 compaa 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.
Tambin, deben ser contratados al menos dos veces empleados de embarque
que de aprendices. Utilice el dual y el mtodo simples para determinar el nmero
de trabajadores de cada tipo que la compaa debe emplear de modo que el total
en salarios pagado por hora sea mnimo.Cul es el total en salarios por hora
mnimo?

Solucin
Variables de decisin:
Sea:
x1 el nmero de trabajadores calificados
x2 el nmero de trabajadores semicalificados
x3 el nmero de trabajadores empleados
x4 el nmero de trabajadores aprendices
PRIMAL
F.O Min S = 7x1+4x2+5x3+2x4

Construimos la matriz inicial:

S.A
x1 + x2 90

1x1 + 1x2 + 0x3 + 0x4 90

x3 + x4 60

0x1 + 0x2 + 1x3 + 1x4 60

x2 - 2x4 0

-2x1 + 1x2 + 0x3 + 0x4 0

x3 - 2x4 0

0x1 + 0x2 + 1x3 - 2x4 0

xi 0, i=1, 2, 3, 4

130

Segunda unidad didctica

Investigacin de Operaciones I

Su matriz transpuesta (hacer las filas columnas) seria la siguiente:

0
A=
2

1
0
1
0

0 2 0

0 1 0
1 0 1

1 0 2

0 0
1

1 1
1
T
A =
0
0 0

1 2
0

Luego el Dual del Primal es:


Estandarizando

DUAL
Max Z = 90y1 + 60y2 + 0y3 + 0y4

F.O Z = 90y1+60y2+0y3+0y4+0y5+0y6+0y7+0y8

s.a
1y1 + 0y2 - 2y3 + 0y4 7
1y1 + 0y2 + 1y3 + 0y4 4

1y1 + 0y2 - 2y3 + 0y4 + 1y5 = 7

0y1 + 1y2 + 0y3 + 1y4 5

1y1 + 0y2 + 1y3 + 0y4 + 1y6 = 4

0y1 + 1y2 + 0y3 - 2y4 2

0y1 + 1y2 + 0y3 + 1y4 + 1y7 = 5


0y1 + 1y2 + 0y3 - 2y4 + 1y8 = 2

yi0, i=1, 2, 3, 4

Tablero Simplex
y1

y2

y3

y4

y5

y6

y7

y8

y5

-2

y6

y7

y8

-2

-90

-60

131

Escuela Profesional de Ingeniera Industrial

Observemos la tabla simplex:


El la fila del Z ubicamos al indicador ms 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 interseccin 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 construccin del tablero simplex, adems para la siguiente iteracin
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 as se ha llegado a la solucin.

y1

y2

y3

y4

y5

y6

y7

y8

y5

-3

-1

y1

y7

y8

-2

-60

90

90

360

132

Segunda unidad didctica

Investigacin de Operaciones I

y1

y2

y3

y4

y5

y6

y7

y8

y5

-3

-1

y1

y7

-1

y2

-2

90

-120

90

60

480

y5

-3

-1

y1

y4

1/3

-1/3

y2

2/3

1/3

90

90

40

20

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 mn ptimo = 600

133

Escuela Profesional de Ingeniera Industrial

Serie de problemas 6
Resuelva utilizando los duales y el mtodo simplex
1. Minimizar

Z = 4 x1 + 4 x 2 + 6 x3
s.a.

x1 x 2 + x3 1

x1 + x 2 + x3 2
x1 , x 2 , x3 0
2. Maximizar

Z = 3x1 + 8 x 2
s.a.

x1 + 2 x 2 8
x1 + 6 x 2 12
x1 , x 2 0
3. Minimizar

Z = 6 x1 + 4 x 2
s.a.

x1 + x 2 1
+ x1 + x 2 3
x1 , x 2 0
4. Minimizar

Z = x1 + 2x 2
s.a.

2 x1 + x 2 1
x1 + x 2 2
x1 , x 2 0

134

Segunda unidad didctica

5.

Investigacin de Operaciones I

Suponga que una compaa fabrica dos tipos de artculos, manuales y elctricos
y cada una requiere el uso de las mquinas A y B para su produccin.
Suponiendo que la compaa puede vender todos los artculos que produce,
determine la utilidad mensual mxima.

6.

Mquina A

Mquina B

Utilidad/unidad

Manual

1 hora

1 hora

$10

Elctrico

2 horas

4 horas

$24

Horas disponibles

120

180

Anuncios. Una compaa est comparando los costos de publicidad en dos


medios: peridico y radio. Por cada dlar de publicidad, la tabla siguiente
muestra el nmero de personas, por grupo de ingresos, que cada uno de esos
medios alcanza. La compaa quiere captar al menos 8000 personas con
ingresos menores de $20,000 y al menos 6000 con ingresos de $20,000 o ms.
Utilice el dual y el mtodo simples para determinar las cantidades que la
compaa debe gastar en publicidad en peridico y en radio, de modo que capte
este nmero de personas con un costo de publicidad mnimo. cul es el costo
mnimo de publicidad?
Menos de $20,000

$20,000 ms

Peridico

40

100

Radio

50

25

135

Escuela Profesional de Ingeniera Industrial

7.

ANLISIS DE SENSIBILIDAD Y PROGRAMACIN PARAMTRICA

En un ambiente real, algunos de los datos de un modelo de PL pueden cambiar con el


tiempo debido a la naturaleza dinmica del negocio. Qu sucede con la solucin
ptima 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 lnea de produccin?
Un gerente en tales situaciones deseara saber qu tan sensible es la solucin ptima
a estos valores de datos.
Las respuestas a estas preguntas pueden usarse de diversas maneras. Por ejemplo, si
la solucin ptima es muy sensible a algunos coeficientes, y si se espera que estos
valores flucten con el tiempo, entonces el gerente puede desear usar el modelo slo
para planeacin a corto plazo, o tal vez tenga que resolver el modelo peridicamente
al cambiar los datos.
Despus de formular y resolver un PPL, un gerente debe hacerse un nmero de
preguntas importantes de la forma:
1. Qu le sucede a la solucin ptima y al valor de la F.O. correspondiente si un
coeficiente particular de la F.O. se modifica?
2. Qu sucede con la solucin ptima 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 tpico del anlisis de sensibilidad.
Anlisis de Sensibilidad : es la determinacin de qu tan sensibles son la solucin
ptima 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.

136

Segunda unidad didctica

Investigacin de Operaciones I

7.1. Anlisis de sensibilidad de los coeficientes de la funcin objetivo


Mientras un coeficiente de la funcin objetivo cae dentro de algn intervalo alrededor
de su valor original (y los dems coeficientes no cambien), la solucin ptima actual
sigue siendo ptima. Sin embargo, el valor ptimo de la funcin objetivo cambia. Si el
coeficiente de inters se modifica a un valor fuera de este intervalo, se debe encontrar
una nueva solucin ptima y un nuevo valor de F.O.

7.2. Anlisis de sensibilidad de los valores del lado derecho (LD)


Usted puede aplicar el anlisis de sensibilidad no slo a los cambios en los
coeficientes de la funcin objetivo, sino tambin a los cambios en los valores del lado
derecho de las restricciones.
Despus de encontrar una solucin ptima a su programa lineal, puede calcular, para
cada recurso correspondiente a una restriccin, un precio sombra junto con un
intervalo dentro del cual este precio sea vlido. Los precios sombra representan el
cambio en el valor ptimo de la funcin 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.
Observacin
1. Precio sombra, o precio dual: Es la proporcin de cambio en el valor de la funcin
objetivo por unidad de incremento en el valor del lado derecho dentro del intervalo de
sensibilidad.
2. Mientras un coeficiente de la funcin objetivo caiga dentro de cierto intervalo
alrededor de su valor original, la solucin ptima actual sigue siendo ptima, aunque
el valor ptimo de la funcin objetivo cambie. Si el coeficiente de inters se cambia por
un valor fuera de este intervalo, debe encontrarse una nueva solucin ptima y un
valor de funcin objetivo.

137

Escuela Profesional de Ingeniera Industrial

3. Aun el cambio ms pequeo en el valor del lado derecho de una restriccin puede
ocasionar que la solucin ptima cambie. Sin embargo, mientras el valor caiga dentro
de algn intervalo alrededor de su valor original, el valor ptimo de la funcin objetivo
cambia en forma lineal en proporcin 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 ptimo de la funcin objetivo.

7.3 Programacin lineal paramtrica


La programacin lineal paramtrica

es una extensin de los procedimientos del

anlisis de sensibilidad. Investiga los cambios en la solucin ptima de la PL que son


el resultado de variaciones continuas predeterminadas en los coeficientes de la
funcin 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 elstico) y Resistex (material rgido). Los tres productos
requieren los mismos tres polmeros qumicos 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

Polmero A

Polmero B

Polmero C

Base

Airtex

Extendex

Resistex

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 prxima semana,
pero la gerencia de la compaa sabe que puede vender ms de cada uno de
los tres productos.

138

Segunda unidad didctica

Investigacin de Operaciones I

Los inventarios actuales de los ingredientes son 500 libras del polmero A, 425
libras del polmero B, 650 libras del pomero C y 1100 libras de la base. Cada
libra de Airtex produce a la compaa 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 produccin, usted necesita determinar un
plan de produccin ptimo para esta semana.
1 libra es igual a 16 onzas.
Utilice el resultado procesado en el computador para responder a las preguntas
siguientes:
a. Cul es el plan de produccin ptimo?
b. Con el plan de produccin actual, para cul de los tres productos se
puede cumplir con una demanda adicional de 5% Explique?
c. Qu coeficiente o coeficientes de ganancia podran duplicarse, mientras
se mantienen fijos todos los dems coeficiente, sin que se afecte el plan de
produccin ptimo? Explique.
d. El compromiso de producir 400 libras de resistex acaba de caer en 10%.
Qu le sucede a la ganancia? Explique.
e. Si la demanda de Airtex aumenta en 2%, cul es el nuevo plan de
produccin ptimo?. Explique.
max z= 7 A + 7 E + 6 R
s.a
Restricciones de recursos

4 A + 3E + 6 R 8000 (Polmero A en onzas)


2 A + 2E + 3R 6800 (Polmero B en onzas)
4 A + 2 E + 5 R 10400(Polmero C en onzas)
6 A + 9 E + 2 R 17600(Base en onzas)
Restricciones de demanda

A 1000 (Airtex en libras)


E 500 (Extendex en libras)
R 400 (Resistex en libras)
A, E , R 0
139

Escuela Profesional de Ingeniera Industrial

Solucin: 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

OBJECTIVE FUNCTION VALUE


1)

13133.33

VARIABLE

140

VALUE

REDUCED COST

1000.000000

0.000000

533.333313

0.000000

400.000000

0.000000

Segunda unidad didctica

ROW SLACK OR SURPLUS


Restriccin de
recursos

Demanda

Investigacin de Operaciones I

DUAL PRICES

2)

0.000000

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=

2.333333

RANGES IN WHICH THE BASIS IS UNCHANGED:


OBJ COEFFICIENT RANGES
VARIABLE

CURRENT
COEF

ALLOWABLE

INCREASE

ALLOWABLE

DECREASE

7.000000

2.333333

INFINITY

7.000000

INFINITY

1.750000

6.000000

8.000000

INFINITY

RIGHTHAND SIDE RANGES


ROW

CURRENT
RHS

Demanda

ALLOWABLE

INCREASE

ALLOWABLE

DECREASE

8000.000000

2000.000000

99.999992

6800.000000

INFINITY

2533.333252

10400.000000

INFINITY

3333.333252

17600.000000

INFINITY

6000.000000

1000.000000

24.999998

1000.000000

500.000000

33.333332

INFINITY

400.000000

16.666666

375.000000

141

Escuela Profesional de Ingeniera Industrial

a) Cul es el plan de produccin ptimo? Cules de los cuatro recursos son


acotantes o limitantes?
Respuesta:
Valor de la funcin objetivo: 13133.33
El plan de produccin ptima es:
A ( Airtex) =1000
B (Extendex) = 533.333313
C (Resistex) = 400
Recursos acotantes o limitantes:
ROW SLACK OR SURPLUS
Restriccin de
recursos

DUAL PRICES

2)

0.000000

2.333333

3)

2533.333252

0.000000

4)

3333.333252

0.000000

5)

6000.000000

0.000000

Observando la restriccin de recursos podemos ver que solo la restriccin para el


polmero A es limitante debido a que su variable holgada tiene valor cero, esto indica
que tanto la materia prima (polmero a en onzas se consume en su totalidad)
b) Con el plan de produccin actual, para cul 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
RHS

Demanda

142

ALLOWABLE

INCREASE

ALLOWABLE

DECREASE

1000.000000

24.999998

1000.000000

500.000000

33.333332

INFINITY

400.000000

16.666666

375.000000

Segunda unidad didctica

Investigacin de Operaciones I

A 1000 una demanda adicional de 5% significa A 1050 y podemos ver que a se


puede incrementar sola hasta 24.999998 ms es decir
(1000+24.999998)=1024.999998 lo cual como podemos ver no cumple una demanda
adicional del 5% ms.
E 500 una demanda adicional de 5% significa E 525 y podemos ver que a se puede
incrementar sola hasta 33.333332 ms, es decir, 533.333332 lo cual como podemos
ver si cumple una demanda adicional del 5%.ms, 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 ms es decir 416.666666 lo cual como podemos ver
no cumple una demanda adicional del 5% ms.
Entonces diremos que Extendex puede cumplir una demanda adicional de 5% con el
plan de produccin actual.
c) Qu coeficiente o coeficientes de ganancia podran duplicarse, mientras se
mantienen fijos todos los dems coeficientes, sin que se afecte el plan de produccin
ptimo? explique.
Respuesta
OBJ COEFFICIENT RANGES
VARIABLE

CURRENT
COEF

ALLOWABLE

INCREASE

ALLOWABLE

DECREASE

7.000000

2.333333

INFINITY

7.000000

INFINITY

1.750000

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 produccin.
El coeficiente de A se puede incrementar hasta 7+2.333333=9.333333 y si duplicamos
su coeficiente seria 14 lo cual se pasa.
143

Escuela Profesional de Ingeniera Industrial

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 estara dentro
del rango permitido segn la tabla.
El coeficiente de R se puede incrementar hasta 6+8=14 y si duplicamos su coeficiente
seria 12 lo cual estara dentro del rango permitido.
Entonces diremos que al doblar las ganancias de Extendex, E, o de Resistex, R, no
afectara el plan de produccin actual debido que al hacer el doble cualquiera de estos
coeficientes produce valores que todava 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%. Qu le
sucede a la ganancia? Explique
Respuesta:
10%de 400 es 40 R 360
ROW SLACK OR SURPLUS
Restriccin de
recursos

Demanda

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 disminucin en la demanda de una libra aumentara el valor de la funcin objetivo


en $8, puesto que el valor del lado derecho diminuye en 40 unidades, el valor de la
funcin aumenta en (40x8=320), lo que produce una ganancia de
Z=13133.33+320=13453.33

144

Segunda unidad didctica

Investigacin de Operaciones I

e) Si la demanda de Airtex aumenta en 2%, cul es el nuevo plan de produccin


ptimo? 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 ( A 1020 ) se tiene como resultado el
nuevo plan de produccin ptimo en el cual: A=1020, E=506.67 y R=400
Ejemplo 2. Steel company produce tres tamaos 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 mquina
de modelado.
Cada pie del tubo B requiere 0.45 minutos y cada pie del tubo C requiere 0.6 minutos.
Despus de la produccin, 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
slo se dispone de 40 horas de tiempo de mquina esta semana y slo se tiene en
inventario 5500 onzas de material de soldar, el departamento de produccin no podr
satisfacer esta demanda, requiere un total de 97 horas de tiempo de mquina 11000
onzas de material de soldar. No se espera que contine este alto nivel de demanda.
En vez de expandir la capacidad de las instalaciones de produccin, la gerencia de
MTV est considerando la compra de algunos de estos tubos a pro-veedores de Japn
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

Demanda(ft)

venta($/ft)

Tiempo de

Material para

Costo de

Costo de

mquina(min/ft)

soldar(oz/ft)

produccin ($/ft)

compra($/ft)

10

2000

0.50

12

4000

0.45

5000

0.60

40hr

5500oz

Cantidad
disponible

145

Escuela Profesional de Ingeniera Industrial

Sea: x1, x2, x3, el nmero de pies de tubo de tipo A, B, C por producir respectivamente
y
x4, x5,x6, el nmero de pies de tubo de tipo A, B, C por comprar a Japn
respectivamente.

Maximizar Z:7x1 + 8x 2 + 5x 3 + 4x 4 + 6x 5 + 2x 6
s.a:
Restriccin de demanda

x1 + x4 = 2000(demanda del tipo A)


x2 + x5 = 4000 (demanda del tipo B)
x3 + x6 = 5000 (demanda del tipo C)

Restricciones de recursos

0.5 x1 + 0.45 x 2 + 0.6 x3 2400 (tiempo de mquina)


x1 +

x2 +

x 3 5500 (material para soldar)

x 1 , x 2 , x 3 , x 4 , x 5 , x 6 0 (restricciones Lgicas)
a. Cul es el plan de produccin/adquisicin ptimo para la MTV Steel?
b. Cules de las dos restricciones de recursos son acotantes?
c. La compaa puede vender su material para soldar con una ganancia de $32 por
libra. Cunto deber vender? explique
d. Los japoneses acaban de aumentar el precio de sus tubos tipo C de $7 a $8 por
pie. De qu manera cambia el plan de produccin/adquisicin actual? explique
e. Si pudiera obtener ms material para soldar o ms tiempo de mquina, pero no
ambas cosas, cul escogera? Explique
f.

La compaa desea aumentar sus ganancias a $57,500. Cuntas horas ms de


tiempo de mquina se necesitan para lograr este objetivo? Explique.

146

Segunda unidad didctica

Investigacin de Operaciones I

Solucin: 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

OBJECTIVE FUNCTION VALUE


1)

55000.00

VARIABLE

VALUE

REDUCED COST

X1

2000.000000

0.000000

X2

0.000000

X3

2333.333252

X4

0.000000

X5

4000.000000

0.000000

X6

2666.666748

0.000000

0.250000
0.000000
0.500000

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

NO. ITERATIONS=

0.000000
2

147

Escuela Profesional de Ingeniera Industrial

RANGES IN WHICH THE BASIS IS UNCHANGED:


OBJ COEFFICIENT RANGES
VARIABLE

CURRENT
COEF

ALLOWABLE

INCREASE

ALLOWABLE

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
RHS

ALLOWABLE

INCREASE

ALLOWABLE

DECREASE

2000.000000

2800.000000

2000.000000

4000.000000

INFINITY

4000.000000

5000.000000

INFINITY

2666.666748

2400.000000

700.000000

5500.000000

INFINITY

1400.000000
1166.666626

Al igual que en el ejemplo anterior las respuestas se obtienen de la solucin usando el


Lindo
a. Cul es el plan de produccin/adquisicin ptimo para la MTV Steel?
Plan de produccin

Respuesta:
VARIABLE

148

VALUE

REDUCED COST

X1

2000.000000

0.000000

X2

0.000000

X3

2333.333252

X4

0.000000

X5

4000.000000

0.000000

X6

2666.666748

0.000000

0.250000
0.000000
0.500000

Segunda unidad didctica

Investigacin de Operaciones I

b. Cules de las dos restricciones de recursos son acotantes?


Respuesta:
El recurso limitante es el tiempo de mquina debido a que su variable de holg ura
tiene valor cero. Esto indica que el tiempo se consume en su totalidad
ROW SLACK OR SURPLUS

Recursos

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 compaa puede vender su material para soldar con una ganancia de $32 por
libra. Cunto deber vender? Explique.
Respuesta
ROW SLACK OR SURPLUS

Recursos

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 produccin. Luego es la cantidad que debe venderse a $32 la
onza
Los dems tems quedan como ejercicio para el lector.

149

III Unidad didctica


Investigacin Operativa I

APLICACIONES ESPECIALES DE LA
PROGRAMACIN LINEAL

Tercera unidad didctica

Investigacin de Operaciones I

Esquema de contenidos

8. APLICACIONES ESPECIALES DE LA PROGRAMACIN LINEAL


8.1. El problema del transporte
8.2. Mtodos para determinar una solucin factible bsica inicial
8.3

Mtodo que conduce a la solucin ptima

8.4. El problema de asignacin


8.5. Algoritmo de asignacin (mtodo hngaro)

153

Escuela Profesional de Ingeniera Industrial

Objetivos

III Unidad didctica


Aplicaciones Especiales de la Programacin Lineal
Objetivo
Al finalizar esta unidad didctica estar en capacidad de reconocer el
alcance de Internet como fuente de ventajas competitivas en las organizaciones
y construir aplicaciones web bsicas para apoyar los procesos de negocio de las
mismas.
Objetivos especficos
Comprende y explica la definicin del modelo de transporte y la aplicacin del algoritmo de
transporte y su aplicacin a problemas reales para solucionar problemas de transporte siguiendo los
pasos de: 1. la determinacin de la solucin inicial, 2. el mtodo UV.
Comprende y explica la definicin del modelo de transporte y la aplicacin del algoritmo de
asignacin aplicacin a problemas reales: Mtodo Hngaro

154

Tercera unidad didctica

Investigacin de Operaciones I

Contenidos

III Unidad didctica

APLICACIONES ESPECIALES DE LA PROGRAMACIN LINEAL

8. APLICACIONES ESPECIALES DE LA PROGRAMACIN 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 produccin llamados orgenes a un
grupo de

centros

de recepcin 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
mnimo.
Consideremos el caso general de m orgenes y n destinos en forma tabular se tiene.

Destinos

.ai

C11

C12

C1n

.a1

C21

C22

C2n

.a2

..

,m

Cm1

Cm2

Cmn

.am

bj

.b1

.b2

Orgenes

.bn

Ejemplo: Cij = costo de transportar 1 unidad del origen i al destino j


Xij = Nmero de unidades a enviar del origen i al destino j.

155

Escuela Profesional de Ingeniera Industrial

El planteamiento consiste en que existen m orgenes y se supone que en cada origen


hay ai unidades disponibles o almacenadas de determinado producto, siendo i=1,2,,
m.
Existen tambin 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
tendran significado fsico.
Formulacin:

min Z = C ij X ij
i =1 j =1

s.a:

Por oferta
n

X
j =1

ij

= a i ; i = 1,2,.., m

Por demanda
m

X
i =1

ij

= b j ; j = 1,2,..., n

X ij 0, (i = 1,2,..., n; j = 1,2,..., n)

Por equilibrio:

i =1

j =1

ai = b j

Solucin factible bsica no degenerada. Es una solucin factible bsica con


exactamente m+n-1 variables bsicas (positivas)
Solucin factible bsica degenerada. Es una solucin factible bsica con menos de
m+n-1 variables bsicas.

156

Tercera unidad didctica

8.2.

Investigacin de Operaciones I

MTODOS PARA DETERMINAR UNA SOLUCIN FACTIBLE BSICA


INICIAL

1. Mtodo de la esquina noroeste (N-O)


El mtodo 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 rengln o la columna con cero oferta o demanda para indicar que no
se pueden hacer asignaciones adicionales en ese rengln o en esa columna. Si tanto
el rengln como la columna dan cero simultneamente, tache slo uno de ellos y deje
una oferta (demanda) de cero en el rengln (columna) no tachado.
Paso3. Si queda sin tachar exactamente un rengln o columna, detngase, 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 rengln. Vaya, al paso 1.
2. Mtodo de la matriz mnima
Determinar la celda cuyo costo es el ms 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 elimnese la fila i.
ii) ai>bj entonces actualizar ai= ai-bj y elimnese la columna j.
iii) ai = bj elimnese la fila i o la columna j pero no ambos.
se continuar repitiendo el proceso para la tabla resultante.

157

Escuela Profesional de Ingeniera Industrial

3. Mtodo de VOGEL
Este mtodo provee una solucin factible bsica inicial generalmente superior a los
anteriores. El mtodo mide la diferencia entre los dos costos menores en cada fila o
columna y este indica donde la no asignacin al costo menor significa la mayor prdida
(principio de la ms grande penalidad).
1.

Determinar la penalidad para cada fila y cada columna al no colocar en la


solucin inicial la variable que tenga el menor costo en esta fila o columna. Para
la fila i, esto significa restar el costo ms pequeo de esta fila del siguiente costo
ms pequeo de la misma fila en la matriz de costos. Si dos costos de esta fila
son ambos los ms pequeos la penalidad es cero.
La penalidad de la columna j se calcula de una forma similar.

2.

Cuando se han calculado todas las penalidades, localcese la mayor, ya sea una
penalidad de fila o de columna y ah introducir a la base Xij correspondiente a la
celda de costo ms bajo (i, j) esto es:
Xij = min(ai ,bj ) Si:
i)

ai<bj entonces actualizar bj= bj-ai y elimnese 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 clculo 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 elimnese 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 clculo de la columna eliminada.

iii)

Si: ai = bj elimnese la fila i o la columna j pero no ambos, se continuar


repitiendo el proceso para la tabla resultante.

3.

158

Repetir el proceso hasta obtener la solucin factible bsica inicial.

Tercera unidad didctica

4.

Investigacin de Operaciones I

Si dos o ms penalidades de fila o columna son iguales en una iteracin


cualquiera procdase como sigue.
a)

Ver si el elemento de mnimo costo en una de las filas o columnas


igualadas es tambin el mnimo elemento de costos en su columna o fila. si
existe tal elemento mini

minj Cij entre las filas o columnas igualadas,

deshacer la relacin a favor de tal fila o columna.


b)

Si no existe en ninguna de las filas o columnas igualadas tal elemento


mnimo,

determnese

penalidades

secundarias

para

estas

filas

columnas.

La penalidad secundaria para una fila (o columna) se define como la diferencia entre el
segundo elemento de costo ms pequeo en esta fila (o columna) y el elemento de
costo ms pequeo en la columna (o fila) que contiene dicho segundo elemento.
Si hay dos o ms elementos de costos del mismo valor que el segundo elemento de
costos ms pequeo en la fila (o columna) igualada habr 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
todava queda alguna igualdad, el mtodo dice que podemos elegir arbitrariamente ya
sea la fila o la columna.

8.3

MTODO QUE CONDUCE A LA SOLUCIN PTIMA

El mtodo UV o mtodo de Modi


1.

Comenzar con alguna solucin factible bsica inicial, utilizando cualquiera de los
mtodos anteriormente estudiados.

2.

Dibujar una matriz que corresponde a la presente matriz solucin excepto en


que los elementos son los costos de las variables bsicas en lugar de las
magnitudes de las variables. Esta matriz es la Zij.

159

Escuela Profesional de Ingeniera Industrial

3.

Se construye un conjunto de nmeros (llamados Vj) a lo largo de la parte


superior de la matriz Zij y un conjunto de nmeros (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
vacas 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 solucin es ptima. Si uno o mas CijZij<0 ser posible una solucin mejor.

5.

De estas variables que tiene un costo de entrada negativo, se determina el que


tenga el valor ms negativo. Pasando a la matriz solucin, se traza la trayectoria,
es decir, un lazo cerrado que empiece y termine en el cuadro de la variable de
entrada. El Lazo consiste nicamente en segmentos horizontales y verticales
conectados. Cada esquina del lazo resultante, con excepcin de la que esta en el
cuadro de la variable de entrada, debe coincidir con una variable bsica actual.
Existe exactamente un lazo para una determinada variable de entrada. Se traza
la trayectoria +, - que empieza en esta variable. Se iguala a la variable
solucin ms pequea de las que estn en la celda que contiene signo menos.

6.

Ahora se repiten los pasos 2 a 5 hasta que alguna iteracin demuestre que es
ptima.

7.

Si en la variable final Cij-Zij hay un costo de entrada nulo para una variable que
no este en la solucin normal, el problema tiene soluciones alternativas.

Observaciones
i)

Si se desea maximizar ganancias con el envo de una unidad origen i al destino


j, aplicamos el mtodo UV haciendo una ligera modificacin es decir:
Multiplicar todos los valores Cij por -1 ya que:

160

Tercera unidad didctica

Investigacin de Operaciones I

Max Z = C ij X ij = Min{-z} = {- C ij X ij } En
i =1 j =1

esta

forma

podemos

i =1 j=1

encontrar la solucin factible bsica inicial y luego aplicar el mtodo UV para la


obtencin de la solucin ptima.
ii)

Si se prohben los envos de un origen i a un destino j, hgase Cij=M; siendo M


un valor infinitamente grande. Esto garantiza que Xij=0 en la solucin final.

iii)

Si obligatoriamente hay que enviar de un origen i a un destino j, hgase Cij=-M.


Esto garantiza que sea Xij 0 en la solucin final.

PROBLEMA DE TRANSPORTE CASO MINIMIZACIN


1.

El problema de distribucin de Cosmic Computer Company CCC es que tiene


tres plantas de ensamblaje de microcomputadoras en San Francisco, Los
ngeles y Phoenix. La planta de Los ngeles tiene una capacidad de produccin
mensual de 2000 unidades. Cada una de las plantas de San Francisco y Phoenix
puede producir un mximo de 1700 unidades al mes. Las microcomputadoras de
CCC se venden a travs 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 solucin factible bsica inicial utilizando el mtodo de la matriz
mnima y d usted la solucin ptima.
TIENDAS
PLANTAS

SAN DIEGO

BARSTOW

TUCSON

DALLAS

San Francisco

Los ngeles

10

Phoenix

161

Escuela Profesional de Ingeniera Industrial

Mtodo para obtener una solucin factible bsica inicial


Mtodo de la esquina nor oeste
Caso minimizacin
Plantas
Tiendas
San
Francisco
Los ngeles
Phoenix
Demanda bj

San Diego

Barstow

Tucson

Dallas

(OFERTAS)ai
1700

4
6
1700

7
5
1000

8
3
1500

10
8
1200

2000
1700
ai=bj=5400

Mtodo de la esquina nor oeste


Mtodo para obtener una solucin factible bsica inicial
5
4
6
1700 b1

3
7
5
1000 b2

2
8
3
1500 b3

6
10
8
1200 b4

1700 a1
2000 a2
1700 a3

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 Francisco
Los ngeles

San Diego
1700pc
$5

Barstow
0pc

Tucson

1700 a1

$3
1000pc

1000pc
$7

Phoenix

Dallas

2000 a2
$8

500pc
$3

1700 b1
1000 b2
Solucin factible bsica inicial

1500 b3

1200pc
$8
1200 b4

1700 a3

Costo mnimo inicial =1700x5+0x3+1000x7+1000x8+500x3+1200x8=$34600


162

Tercera unidad didctica

Investigacin de Operaciones I

Mtodo de la matriz mnima


Para encontrar una solucin factible bsica inicial
5
4
6
1700 b1

3
7
5
1000 b2

2
8
3
1500 b3

6
10
8
1200 b4

1700 a1
2000 a2
1700 a3

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
.a3<b4

x34=900

actualiza b4=b4-a3=300 elimino la fila 3

X24= min (a2,b4)=(300,300)=300

San Diego
San Francisco

x24=300

Barstow
200pc

Tucson
1500pc

Dallas
1700 a1
$2

$3
Los ngeles

1700pc

300pc
$4

Phoenix

2000 a2
$10

800pc

900pc
$5

1700 b1
1000 b2
1500 b3
Solucin factible bsica inicial o costo mnimo inicial =

1700 a3

$8
1200 b4

200x3+1500x2+1700x4+300x10+800x5+900x8=$24600

163

Escuela Profesional de Ingeniera Industrial

Mtodo UV que conduce a la solucin ptima


Para aplicar el mtodo UV vamos a considerar la solucin factible bsica inicial
obtenida por el mtodo de la matriz mnima
Paso 1 paso2 y paso 3 lo trabajamos junto pues seala comenzar con alguna solucin
inicial y trabajar con la matriz de costos, para luego determinar el Zij

U1=0
U2=4
U3=2

Zij=
Z12=U1+V2=3
Z13=U1+V3=2
Z21=U2+V1=4
Z24=U2+V4=10
Z32=U3+V2=5
Z34=U3+V4=8

3
7
5

ZIJ
0
4
2

V4=6
6
10
8

V2=3
V3=2
V1=0
V4=6
V2=3
V4=6

6
10
8

2
6
4

6
10
8

CIJ-ZIJ=
5
0
0
0

0
2

0
0

-1

V3=2
2
6
4

Cij-Zij

2
8
3
3
7
5

V2=3
3
7
5

U1=0
U1=0
U2=4
U2=4
U3=2
U3=2

PASO 4 Calcula
Cij
5
4
6

V1=0
0
4
2

PASO 5
X33 =-1 es una variable que va a ingresar por tener el indicador ms negativo y se
trabaja con la matriz solucin
200pc

1500pc
+

1700pc

300pc
800pc-

1500- >=0
800- >=0
164

MAX=800

900pc

Tercera unidad didctica

San Diego
San
Francisco
Los
ngeles
Phoenix

Barstow
1000PC
$3

Tucson
700PC
$2

Investigacin de Operaciones I

Dallas
1700 a1

1700PC
$4

300PC
2000 a2
$10
800PC
900PC
1700 a3
$3
$8
1700 b1
1000 b2
1500 b3
1200 b4
Nuevo costo mnimo inicial= 1000X3+700X2+1700X4+300X10+800X3+900X8=23800
Mtodo UV
1 , 2, y 3
U1=0
U2=3
U3=1

Zij=
Z12=U1+V2=3
Z13=U1+V3=2
Z21=U2+V1=4
Z24=U2+V4=10
Z33=U3+V3=3
Z34=U3+V4=8

U1=0
U1=0
U2=3
U2=3
U3=1
U3=1

Paso 4 Calcular
Cij
5
3
2
4
7
8
6
5
3

V3=2
2
5
3

V4=7
7
10
8

V2=3
V3=2
V1=1
V4=7
V3=2
V4=7

6
10
8

0
3

-1
0

2
5
3

V2=3
3
6
4

Cij-Zij

ZIJ
1
3
4
6
2
4
CIJ-ZIJ=
4
0
0
1
1

V1=1
1
4
2

7
10
8

Variable que ingresa X14=-1


Paso 5
1000PC
700PC
1700PC

300PC

800PC
+

900PC
-

165

Escuela Profesional de Ingeniera Industrial

700- >=0
900- >=0
MAX=700
San diego

dalla
700PC
1700 a1
$6
1700PC
300PC
2000 a2
$4
$10
1500PC
200PC
1700 a3
$3
$8
1700 b1
1000 b2
1500 b3
1200 b4
Nuevo costo min = 3X1000+6X700+4X1700+10X300+3X1500+200X8=$23100
San
francisco
Los
ngeles
phoenix

barstow
1000PC
$3

tucson

Mtodo UV
U1=0
U2=4
U3=2

Zij=
Z12=U1+V2=3
Z14=U1+V4=6
Z21=U2+V1=4
Z24=U2+V4=10
Z33=U3+V3=3
Z34=U3+V4=8
Cij
5
3
2
4
7
8
6
5
3

V1=0
0
4
2
U1=0
U1=0
U2=4
U2=4
U3=2
U3=2

V2=3
3
7
5
V2=3
V4=6
V1=0
V4=6
V3=1
V4=6

6
10
8

Zij
0
4
2

3
7
5

Cij-Zij
5
0

0
0

1
3

0
0

166

1
5
3

6
10
8

V3=1
1
5
3

V4=6
6
10
8

Tercera unidad didctica

Investigacin de Operaciones I

Dado que (Cij-Zij )0 la solucin obtenida anteriormente es ptima, es decir Cuadro


ptimo
San Diego
San
Francisco
Los
ngeles
Phoenix

Barstow
1000PC
$3

Tucson

1700PC
$4
1700 b1

1000 b2

1500PC
$3
1500 b3

Dallas
700PC
$6
300PC
$10
200PC
$8
1200 b4

1700 a1
2000 a2
1700 a3

Interpretacin:
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 mnimo ptimo $23100

PROBLEMA DE TRANSPORTE. CASO MAXIMIZACIN


En el caso maximizacin, la matriz de utilidad se multiplica por -1 y luego se trabaja
como un caso de minimizacin, 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 compaa tiene seis consultores internacionales de petrleo, tres de los
cuales estn actualmente ubicados en los EE.UU., dos en Rusia y uno en Nigeria.
Arabia Saud 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 Saud, $1000 en Venezuela y $700 en Indonesia. La siguiente tabla muestra las
tarifas de viaje redondo (en dlares) para enviar por avin a los consultores:

167

Escuela Profesional de Ingeniera Industrial

HACIA
DESDE

ARABIA SAUD

VENEZUELA

INDONESIA

Estados Unidos

1600

700

1900

Rusia

1500

1700

1600

Nigeria

1200

1100

1500

A. Encuentre una solucin inicial: obtener la solucin ptima.


Solucin
HACIA
DESDE

ARABIA SAUD

VENEZUELA

INDONESIA

Estados

1600

700

1900

Rusia

1500

1700

1600

Nigeria

1200

1100

1500

ai =ofertas

unidos

b j =demandas

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

168

Tercera unidad didctica

Investigacin de Operaciones I

La nueva tabla (utilidad)

HACIA
DESDE

ARABIA SAUD

VENEZUELA

INDONESIA

Ai

Estados

1200

2300

1400

Rusia

1300

1300

1700

Nigeria

1600

1900

1800

unidos

Bi

Bsqueda de la solucin factible bsica inicial


Matriz de CostoMtodo de la Matriz mnima
A todo multiplico por menos uno y busco el menor valor:
HASTA
DESDE

ARABIA SAUD

VENEZUELA

INDONESIA

ai

Estados Unidos

-1200

-2300

-1400

3=a1

Rusia

-1300

-1300

-1700

2=a2

Nigeria

-1600

-1900

-1800

1=a3

2=b1

bj

1=b2

3=b3

X12 = MIN (a1,b2) = MIN (3,1)


X12 = 1
a1>b2 a1=a1-b2
a1= 3 1
a1=2

169

Escuela Profesional de Ingeniera Industrial

Elimino la columna dos y vuelvo a escoger el menor valor


-1200

-2300

-1400

-1300

-1300

-1700

-1600

-1900

-1800

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

-1300

-1300

-1700

-1600

-1900

-1800

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

-1300

-1300

-1700

-1600

-1900

-1800

2
170

Tercera unidad didctica

Investigacin de Operaciones I

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

-1300

-1300

-1700

-1600

-1900

-1800

Solo me queda -1200

X11 = MIN (a1,b1) = MIN (2,2)


X11 = 2

Matriz costo final


-1200

-2300
2

-1300

1
-1700

2
-1800
1

171

Escuela Profesional de Ingeniera Industrial

Solucin bsica inicial


MIN COSTOS: 2(-1200)+ 1(-2300)+ 0(-1300)+ 2(-1700)+ 1(-1800)
MIN COSTOS = - 9900
MAX= - (MIN)
MAX= - (-9900)
MAX= 9900
Mtodo (UV) Trabajar con la matriz de costos final
-1200

-2300

-1300

-1700
-1800

a) Construir Zij

Z ij = U i + VJ
V1

V2

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

Z33 = U3+ V3 = -1800

U3=-200

172

V3

V3=-1600
V3= -1600

Tercera unidad didctica

Investigacin de Operaciones I

=
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

-1200

-2300

-1600

-1300

-2400

-1700

-1400

-2500

-1800

+200

+1100

-200

-600

De la matriz costo final


2

- 0

2 +

Tomar solo los signos negativos

1 0
0 0

MAX = 0
-1200

-2300

1
-1700
2

-1600

-1800

1
173

Escuela Profesional de Ingeniera Industrial

b) Construir Zij
Zij =

U1

V1

V2

V3

-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

-1200

-2300

-1400

-1300

-1300

-1700

-1500

-2600

-1700

|| -1600

-1900

-1800

-1600

-2700

-1800

174

1300

800

Tercera unidad didctica

Investigacin de Operaciones I

La matriz sali positiva por tanto:


MIN COSTOS: 2(-1200)+ 1(-2300)+ 2(-1700)+ 0(-1600)+ 1(-1800)
MIN COSTOS: -9900
Solucin ptima =
MAX= - (MIN)
MAX= - (-9900) =9900
Matriz solucin
hacia

Arabia Saudi Venezuela

Indonesia

desde
Estados

1200

Unidos

2300
2

Rusia

1700
2

Nigeria

1600

1800
0

Enviamos 2 consultores de Estados Unidos a Arabia Saud $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 mxima

$9900

Ejemplo 3. Use el mtodo por aproximacin de la matriz mnima y el mtodo UV para


resolver el problema de transporte, donde la matriz contiene informacin de las
utilidades por transportar una unidad del origen i al destino j. Establezca el valor
ptimo de la funcin objetivo.
Destinos

.ai

200

300

100

bj

300

200

100

Orgenes

175

Escuela Profesional de Ingeniera Industrial

Sol.:
i)

Hallando la solucin factible bsica inicial por el mtodo de la matriz mnima:


primero verificamos que la suma de ofertas debe ser igual a la suma de
demandas, es decir:
3

=1

II)

bj

ai =

= 600

=1

Como es un caso de maximizacin multiplicamos la matriz por (-1) por ser


una matriz de utilidad y lo trabajamos de la misma manera como si fuera un
caso de minimizacin.

ai

bj

-2

-6

-3

200

-5

-1

-9

300

-7

-9

-8

100

300

200

100

* El menor valor de las celdas es:

23

23

= -9

= min(a 2,b 3) min(a 2, b 3) = (300,100) X

a2 >b3

= a 2 b 3

Elimino la columna 3

176

-2

-6

-5

-1

-7

-9

= 300 -100

23

= 100

= 200

Tercera unidad didctica

Ahora
32

el

menor

valor

= min(100,200)

de
32

celdas

es:

= min(a 3,b 2)

32

= 100

b2 =b2 a 3

<b2

las

Investigacin de Operaciones I

b 2 = 200-100 b 2 = 100

Elimino la fila 3

Ahora

12

el

-2

-6

-5

-1

menor

valor

X
a = a b

= min(200,100)
1

de

>b2

las

12

celdas

es:

12

= min(a 1, b 2)

= 100

a 1 = 100

Elimino la columna 2
-2
-5

Ahora el menor valor de las celdas


es:

21

= min(a 2, b 1) X

<b1 b1 =b1 a 2

21

= min(200,300) X

21

= 200

b 1 = 100

Elimino la fila 2
-2

177

Escuela Profesional de Ingeniera Industrial

Ahora

11

el

menor

valor

= min(100,100) X

-2

-6

100

100

-5

-9

200

100

de
11

las

celdas

es:

11

= min(a 1, b 1)

= 100

-9
100

Min Inicial

C.

2x 100 6x 100 5x 200 9x 100 9x 100 = 3600


Mx. Inicial = -(-3600) = 3600

Mtodo UV

v
-2

= -2

-6

= -6

-6

-5

-9

-9

-5

-9

-9

178

= -3

= -6

=0

= -3

Tercera unidad didctica

11

= u 1 +v 1 = 2 u 1 = 0,v 1 = 2

12

= u 1 +v 2 = 6 u 1 = 0,v 1 = 6

21

= u 2 +v 1 = 5 u 2 = 3,v 1 = 2

23

= u 2 +v 3 = 9 u 2 = 3,v 3 = 6

32

= u 3 +v 2 = 9 u 3 = 3,v 2 = 6

Investigacin de Operaciones I

-2

-6

-3

-2

-6

-6

-5

-1

-9

-5

-9

-9

-7

-9

-8

-5

-9

-9

-2

Se puede mejorar la solucin anterior:

El menor valor de las celdas es:

100

100

200

31

= 2

100

100

100 0 ; 100 0 Max = 100


179

Escuela Profesional de Ingeniera Industrial

-2

-6

200

-5

-9

200

100

-7
100
Nuevo C. Min. Inicial

2x 0 6x 200 5x 200 9x 100 7 x 100 = 3800

Nuevo Mx. Inicial = -(-3800) = 3800


Mtodo UV

v
-2

= -2
-6

= -6
-6

-5

-9

-9

-7

-9

-11

= -6

=0

= -3

= -5

11

= u 1 +v 1 = 2 u 1 = 0,v 1 = 2

12

= u 1 +v 2 = 6 u 1 = 0,v 1 = 6

21

= u 2 +v 1 = 5 u 2 = 3,v 1 = 2

23

= u 2 +v 3 = 9 u 2 = 3,v 3 = 6

31

= u 3 +v 1 = 7 u 3 = 5,v 2 = 2

180

Tercera unidad didctica

-2

-6

-3

-2

-6

-6

-5

-1

-9

-5

-9

-9

-7

-9

-8

-7

-9

-11

No hay ndices negativos en la diferencia

Investigacin de Operaciones I

ij

ij

. Fin del proceso:

Respuesta:
De:

Unidades

(1 A) Transportamos

Costo/Unidad ($)

(1 B)

200

(2 A)

200

(2 C)

100

(3 A)

100

Zopt Mx. = $ 3800

181

Escuela Profesional de Ingeniera Industrial

Ejemplo 4. Una compaa tiene fbricas en A, B, y C, las cuales proveen a los


almacenes que estn en D, E, F y G. Las capacidades mensuales de las fbricas 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

.ai

17

20

13

12

70

15

21

26

25

90

15

14

15

17

115

bj

50

60

70

95

Orgenes

Determinar una solucin factible bsica inicial utilizando el mtodo de la esquina (N-O)
y d usted la solucin ptima.
Sea XAD El nmero de unidades a transportar de A-D
Sea XAE El nmero de unidades a transportar de A-E
Sea XAF El nmero de unidades a transportar de A-F
Sea XAG El nmero de unidades a transportar de A-G
Sea XBD El nmero de unidades a transportar de B-D
Sea XBE El nmero de unidades a transportar de B-E
Sea XBF El nmero de unidades a transportar de B-F
Sea XBG El nmero de unidades a transportar de B-G
Sea XCD El nmero de unidades a transportar de C-D
Sea XCE El nmero de unidades a transportar de C-E
Sea XCF El nmero de unidades a transportar de C-F
Sea XCG El nmero 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

182

Demandas

Tercera unidad didctica

Investigacin de Operaciones I

XAF + XBF + XCF = 70


XAG + XBG + XCG = 95
XAD + XAE + XAF + XAG = 70
XBD + XBE + XBF + XBG = 90

Ofertas

XCD + XCE + XCF + XCG = 115


Mtodo 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
183

Escuela Profesional de Ingeniera Industrial

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.
Solucin Factible Bsica Inicial
17
50

20
20
21
40

26
50
15
20

17
95

Costo Mnimo Inicial: 17x50 + 20x20 + 21x40 + 26x50 + 15x20+ 17x95= 5305

184

Tercera unidad didctica

Investigacin de Operaciones I

Mtodo que conduce a la solucin ptima


El mtodo UV o mtodo de MODI
1. Comenzar con alguna solucin factible bsica inicial.
2 y 3. Dibujar una matriz solucin Zij:

v1=17 v2=20

v3=25

v4=27

u1=0

17

20

25

27

u2=1

18

21

26

28

10

15

17

u3=10

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 Solucin Optima


Cij Zij < 0 Se puede mejorar la solucin

17 20 13 12

17 20 25 27

15 21 26 25 -

18 21 26 28 =

-3 0

7 10 15 17

8 4

15 14 15 17
Cij

0 0 -12 -15
0 -3
0

Zij

185

Escuela Profesional de Ingeniera Industrial

5. Variable que ingresa es el mas negativo de la matriz resultante X14 = -15


20

50 --

>= 0
50 - > = 0
95 - >= 0
20 -

40 50
+ --

max = 20

20 95
+ -Luego;

ai
17

12

50

20
21

26

60

40
50

90

30
15

70

17
75

115

60 70 95

bj
Nuevo costo mnimo: 17x50 + 12x20 + 21x60 + 16x30 + 15x40 + 17x75= 5005
El mtodo UV o mtodo de MODI
1.

Comenzar con alguna solucin factible bsica inicial.

2 y 3. Dibujar una matriz solucin TIJ:


v1=17 v2=5 v3=10 v4=12
u1=0

17

10

12

u2=16

33

21

26

28

u3=5

22

10

15

17

186

Tercera unidad didctica

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.

Investigacin de Operaciones I

Cij TIJ >= 0 Solucin Optima


Cij TIJ < 0 Se puede mejorar la solucin

17 20 13 12

17 5 10 12

15 21 26 25 -

33 21 26 28 = -18 0 0 -3

15 14 15 17

22 10 15 17

Cij

0 15 3

-7 4 0

TIJ

5. Variable que ingresa es el mas negativo de la matriz resultante X21 = -18


--

20

50

60 30
+

-40 75

>= 0
30 - >= 0
75 - >= 0
50 -

max = 30

+ --

187

Escuela Profesional de Ingeniera Industrial

Luego;
ai
17

12

20
15

50
21

30

90

60
15
70

50

70

17
45

115

60 70 95

bj
Nuevo costo mnimo: 17x20 + 12x50 + 15x30 + 21x60 + 15x70 + 17x45= 4465
El mtodo UV o mtodo de MODI
1. Comenzar con alguna solucin factible bsica inicial.
2 y 3. Dibujar una matriz solucin TIJ:

v1=17 v2=23 v3=10 v4=12


u1=0

17

23

10

12

u2=-2

15

21

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

188

Tercera unidad didctica

Investigacin de Operaciones I

4. Cij Zij >= 0 Solucin ptima


Cij Zij < 0 Se puede mejorar la solucin
17 20 13 12

17 23 10 12

0 -3 0

15 21 26 25 -

15 21 8 10 =

15 14 15 17

22 28 15 17

Cij

0 18 15

-7 -14 0

Zij

5. Variable que ingresa es el ms negativo de la matriz resultante X32 = -14


--

50

20

>= 0
45 - >= 0
20 - > = 0
60 -

30 60
+ --

max = 20

70 45
+

--

Luego;
ai
12
70
15
50

21

20
50

90

40
14

70

15
70

17
25

115

60 70 95

bj
Nuevo costo mnimo: 12x70 + 15x50 + 21x40 + 14x20 + 15x70 + 17x25= 4185

189

Escuela Profesional de Ingeniera Industrial

El mtodo UV o mtodo de MODI


1. Comenzar con alguna solucin factible bsica inicial.
2 y 3. Dibujar una matriz solucin TIJ:
v1=3

v2=9 v3=10 v4=12

u1=0

10

12

u2=12

15

21

22

24

u3=5

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 Solucin Optima


Cij Zij < 0 Se puede mejorar la solucin

17 20 13 12
15 21 26 25 15 14 15 17
Cij

3 9 10 12

14 11 3

15 21 22 24 =

0 0 4

8 14 15 17

7 0 0

Zij

Cij Zij>= 0

La solucin anterior viene a ser la solucin ptima.

190

Tercera unidad didctica

Investigacin de Operaciones I

Es decir:
ai
12
70
15
50

21

20
50

90

40
14

70

15
70

17
25

115

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 Mnimo = 4185

191

Escuela Profesional de Ingeniera Industrial

Serie de Problemas 8.1


1. Una fbrica cuenta con 4 almacenes situados en diferentes partes del pas. El
almacn 1 cuenta con 10 unidades de mercanca, el 2 con 12, el tres con 5 y 4 con
10. Con las existencias de mercancas que tienen dichos almacenes se debe
abastecer a 5 centros de consumo. El centro de consumo 1 demanda 6 unidades
de mercanca; el centro 2, demanda 8; el 3 demanda tres, el 4 demanda 9 y 11 el
5. Los costos de transporte de cada almacn a cada centro de consumo aparecen
en el cuadro.
CC
Almacenes
1

Existencia
de mercanca
10

12

10

Demanda

11

Se trata de determinar aquel programa de transportes cuyo costo sea mnimo.

2.

Tres fbricas 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 obtendra la tienda al adquirir a cada
fbrica se encuentra en el cuerpo de la tabla, as mismo la oferta de dichas
fabricas.
Producto

.ai

11

14

17

100

12

13

18

15

10

14

19

40

bj

60

25

30

Fbrica

Determinar una solucin factible bsica inicial utilizando el mtodo de VOGEL y


d usted la solucin ptima.

192

Tercera unidad didctica

3.

Investigacin de Operaciones I

American Motors Inc. puede enviar un total de hasta 200 automviles en camin
y 600 en ferrocarril de su fbrica de Detroit a sus distribuidores de Chicago,
Cleveland, Washington D.C. y Filadelfia. El costo (en dlares) de enviar un carro
a cada uno de los distribuidores por camin 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

Camin

30

20

50

60

Tren

45

30

75

90

Demanda(carros)

300

100

250

150

a) Encuentre una solucin inicial


b) Determine la solucin ptima
4.

Use el mtodo por aproximacin de Noroeste y el mtodo UV para resolver el


problema de transporte. Establezca el valor ptimo de la funcin objetivo.
Existen soluciones ptimas alternativas?
Destinos

.ai

200

100

300

bj

200

300

Orgenes

9.

Resuelva el siguiente problema. La matriz de costo es:


ai
11

14

17

300

12

13

18

350

10

14

19

150

13

11

16

10

200

150

375

225

150

bj

193

Escuela Profesional de Ingeniera Industrial

8.4.

EL PROBLEMA DE ASIGNACIN

En muchos problemas de decisin es necesario asignar un elemento de un grupo


(como una mquina, un empleado, etctera) a un elemento de un segundo grupo
(como una tarea, un proyecto, etctera). Considere, por ejemplo, asignar trabajos a
mquinas en una planta industrial, asignar representantes de ventas a territorios o
asignar investigadores a proyectos.
A.

CARACTERSTICAS CLAVE

Al hacer una asignacin, 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.

CARACTERSTICAS CLAVE

Para obtener la asignacin ptima, cada nueva matriz de asignacin satisfar:


PROPIEDAD1. Todos los nmeros 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 asignacin en la que
cada celda seleccionada tenga un valor cero ha encontrado, de hecho, la asignacin
ptima.
8.5. ALGORITMO DE ASIGNACIN (mtodo hngaro)
Paso 0
Inicializacin: cree la matriz inicial con las propiedades 1 y 2 modificando la matriz de
asignacin de la siguiente manera:
1.

Por cada fila, identifique el nmero menor y reste ese valor de cada celda

en esta fila.

194

Tercera unidad didctica

Investigacin de Operaciones I

2. Por cada columna, identifique el nmero menor y reste ese valor de cada
celda en esta columna.
Paso 1
Prueba de optimalidad: intente identificar una asignacin factible en la matriz actual en
la que cada celda seleccionada tenga un valor de cero. Si se encuentra esta
asignacin, detngase: sta es la solucin ptima; de otra manera encuentre el
nmero de asignaciones que s tienen el valor de cero y vaya al paso 2.
Paso2
Movimiento: establezca una nueva matriz de asignacin con las propiedades 1 y 2, y
haga lo siguiente:
1.

Trace el nmero mnimo de lneas horizontales y verticales como sea


posible en la ltima matriz reducida que cubrir todas las celdas que
contienen valores cero.

2.

Entre todas las celdas no cruzadas, identifique una con el menor valor y
a.

Reste este nmero de todas las celdas no cruzadas y

b.

Aada este nmero a todas las celdas en la interseccin de dos


lneas.

Ahora vaya al paso 1.

195

Escuela Profesional de Ingeniera Industrial

EXPLICACIN SIMPLEX DEL MTODO HNGARO


El problema de asignacin en el cual n empleados se asigna a n trabajos, se puede
representar como un modelo de PL de la siguiente manera: digamos que C ij es el
costo de asignar al empleado i al trabajo j y definiremos:

X ij =

1, si se asigna al empleado i el trabajo j


0, de lo contrario

Entonces el modelo de PL se da como:

Minimice Z = C ij X ij
i =1 j =1

s.a.
n

X
j =1

ij

= 1, i = 1,2,..., n

ij

= 1, j = 1,2,..., n

X
i =1

X ij = 0 1

196

Tercera unidad didctica

Investigacin de Operaciones I

ASIGNACIN CASO MINIMIZACIN


Ejemplo 1. Joshop necesita asignar cuatro trabajos que recibi a cuatro empleados.
Las diversas habilidades de estos dan origen a costos variados por el desempeo 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 asignacin ptima.


Trabajo

Trabajador

ii)

$50 $50 -

$20

$70 $40 $20 $30

$90 $30 $50 -

$70 $20 $60 $70

Supongamos que hay disponible un empleado adicional (el quinto) para


desempear los cuatro trabajos, a los costos respectivos de 60, 45,30 y 80
dlares. Es econmico reemplazar a uno de los cuatro trabajadores
actuales con el nuevo?

Trabajo
Ttrabajador
1
2
3
4

$50
$70
$90
$70

$50
$40
$30
$20

$20
$50
$60

$20
$30
$70

Solucin
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
70
90
70

50
40
30
20

M
20
50
60

20
30
M
70

197

Escuela Profesional de Ingeniera Industrial

a) Determinamos el menor valor por fila y restamos


50
70

50
40

M
20

20
30

20
20

90

30

50

30

70

20

60

70

20

30
50
60
50
30

30
20
0
0
0

M-20
0
20
40
0

0
10
M-30
50
0

b) Determinamos el menor valor por columna y restamos


0
20
30
20

30
20
(0)
0X

M-20
(0)
20
40

0
10
M-30
50

c) Observamos que es imposible asignar por tanto vamos a trazar lneas horizontales y
verticales
0
20
30
20

30
20
0
0

M-20
0
20
40

0
10
M-30
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 interseccin de dos lneas el
menor valor.
0
10
20
10

40
20
(0)
0X

M-10
0
20
40

0
0
M-40
40

e) Observamos que no se puede asignar volvemos a trazar lneas horizontales y


verticales, para cubrir los ceros de asignacin con la menor cantidad de lneas.
0
10
20
10

198

40
20
0
0

M-10
0
20
40

0
0
M-40
40

Tercera unidad didctica

Investigacin de Operaciones I

f) Menor de las celdas: 10


0X
10
10
(0)

50
30
(0)
0X

M-10
(0)
10
30

(0)
0X
M-50
30

$50
$70
$90
$70

$50
$40
$30
$20

$20
$50
$60

$20
$30
$70

Es posible asignar
Trabajo
Trabajador
1
2
3
4

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 ptimo =$140
ii)
Trabajo
Trabajador
1
2
3
4
5

$50
$70
$90
$70
$60

$50
$40
$30
$20
$45

$20
$50
$60
$30

$20
$30
$70
$80

0
0
0
0
0

50
70
90
70
60

50
40
30
20
45

M
20
50
60
30

20
30
M
70
80

0
0
0
0
0

50
70
90
70
60
50

50
40
30
20
45
20

M
20
50
60
30
20

20
30
M
70
80
20

0
0
0
0
0
0

0
0
0
0
0

199

Escuela Profesional de Ingeniera Industrial

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 lneas horizontales y verticales
0
20
40
20
10

30
20
10
0
25

M-20
0
30
40
10

0
10
M-20
50
60

0
0
0
0
0

M-10
(0)
30
40
10

(0)
0X
M-30
40
50

10
0X
(0)
0X
0X

Menor de las celdas no cruzadas: 10


0X
10
30
10
(0)

40
20
10
(0)
25

Trabajo

Trabajador
1
2
3
4
5

$50
$70
$90
$70
$60

$50
$40
$30
$20
$45

$20
$50
$60
$30

$20
$30
$70
$80

0
0
0
0
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 ptimo $120
Respuesta: S es econmico reemplazarlo

200

Tercera unidad didctica

Investigacin de Operaciones I

ASIGNACIN CASO MAXIMIZACIN


Ejemplo 2. Un corredor de bienes races 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 comprar ms de un lote. Las ofertas se muestran en la tabla. El corredor de
bienes races quiere maximizar su ingreso total a partir de esas ofertas.
Lote
Comprador
A
B
C
D

16
19
15
19

15
17
15
0

25
24
18
15

19
15
0
17

20
25
16
18

Solucin
Dado que tenemos cuatro compradores para cinco lotes completamos la matriz con un
comprador artificial
Lote
Comprador
A
B
C
D
E

16
19
15
19
0

15
17
15
0
0

25
24
18
15
0

19
15
0
17
0

20
25
16
18
0

16
19
15
19
0

15
17
15
0
0

25
24
18
15
0

19
15
0
17
0

20
25
16
18
0

1) Identificar el mayor valor de las celdas: 25


2) Restar los valores de cada celda de este numero encontrado
25-16=9
6
10
6
25

10
8
10
25
25

0
1
7
10
25

6
10
25
8
25

5
0
9
7
25

201

Escuela Profesional de Ingeniera Industrial

A partir de este tablero los pasos son los mismos que en minimizacin
9
6
10
6
25

10
8
10
25
25

0
1
7
10
25

6
10
25
8
25

5
0
9
7
25

9
6
3
0
0
0

10
8
3
19
0
0

0
1
0
4
0
0

6
10
18
2
0
0

5
0
2
1
0
0

6
10
18
2
0

5
0
2
1
0

4
8
16
0
0

5
0
2
1
2

3
7
15
0X
(0)

5
(0)
2
2
3

10
0
9
6
8
1
3
3
0
0
19
4
0
0
0
Menor de las celdas no cruzadas: 2
8
0
9
6
6
1
3
1
0
0
17
4
2
0
2
Menor de las celdas no cruzadas: 1
7
(0)
8
5
5
1
2
(0)
0X
(0)
17
5
2
0X
3
Lote
Comprador
A
B
C
D
E

16
19
15
19

15
17
15
0

25
24
18
15

19
15
0
17
0

20
25
16
18

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 mximo=$84
202

0
0
7
6
25

Tercera unidad didctica

Investigacin de Operaciones I

Ejemplo3
Arthur J Big and Company es una compaa 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 compaa, determine cmo enviar un especialista a cada


ciudad para minimizar sus costos totales del viaje.
Solucin
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 asignacin. Otra
forma es asignarle un costo bastante alto en comparacin con los dems 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

533

129

214

174

259

393

585

246

501

683

203

Escuela Profesional de Ingeniera Industrial

Elegimos por fila el menor valor y restamos este valor de cada

celda en su

respectiva fila

184

412

95

247

M-129

404

M-129

129

40

85

219

174

339

255

437

246

Elegimos por columna el menor valor y restamos este valor de cada celda de s u
respectiva columna

144

412

10

M-169

402

M-214

219

299

170

437

40

85

Cada cero significa un cero de asignacin es decir si asigno el primer cero (posicin

X 14 ) en la primera fila me indica que envo un especialista de Washington-Pittsburg


e inmediatamente tarjo el cero que esta debajo

(posicin X 24 ) puesto que el

especialista de Cleveland ya no puede ser asignado a Pittsburg.


Como no se puede asignar trazamos lneas horizontales y verticales de tal manera
que se pueda cubrir con la menor cantidad de lneas los ceros de asignacin.

204

Tercera unidad didctica

144

412

10

Investigacin de Operaciones I

M-169

402

M-214

219

299

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 lneas y las que estn cruzadas por una sola lnea permanecen igual

134

412

M-179

402

M-224

10

229

289

160

437

Observamos que es posible asignar luego la respuesta es:


Hacia
Desde

Columbus

Nashville

Washington

Atlanta

Pittsburgh

Cleveland
Lousville

Charleston

X
X
X

205

Escuela Profesional de Ingeniera Industrial

Solucin:
De Washington a Charleston 342
De Cleveland a Pittsburgh

129

De Lousville a Columbus

214

De atlanta a Nashville

246

Solucin ptima =

931

Ejemplo 4
Arthur J Big and Company es una compaa 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 compaa, determine como enviar un especialista a cada


ciudad para maximizar sus utilidades totales del viaje-dar solucin ptima

206

Tercera unidad didctica

Investigacin de Operaciones I

Creamos una columna artificial para completar el tablero

431

659

247

240

533

129

214

174

393

650

346

683

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

683

Determinamos el valor menor en cada fila y luego en cada columna restando


respectivamente

228

412

659

24

293

404

533

150

179

219

393

290

33

337

683

207

Escuela Profesional de Ingeniera Industrial

195

412

266

260

404

140

146

218

337

290

33

393

Trazamos las lneas

195

412

266

260

404

140

146

219

337

290

55

(0)

272

126

120

0X

264

(0)

146

359

(0)

0X

(0)

477

0X

290

Valor mnimo = X24=140

208

Tercera unidad didctica

Columbus
Washington

Nashville

Investigacin de Operaciones I

Pittsburgh

Charleston

Cleveland

Lousville
Atlanta

X
X

Solucin:
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

209

Escuela Profesional de Ingeniera Industrial

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 qu tarea debe realizar cada equipo productivo
empleando el mnimo de tiempo en conjunto, si el tiempo que tarda cada equipo
en realizar cada tarea es el que se indica en la tabla:

Tareas

12

17

10

11

10

16

14

11

16

12

12

16

Equipos

2.

210

Resuelva los modelos de asignacin 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 didctica

Investigacin de Operaciones I

3. Joshop necesita asignar cuatro trabajos que recibi a cuatro empleados. Las
diversas habilidades de stos dan origen a costos variados por el desempeo
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

$50 $50 -

$20

$70 $40 $20 $30

$90 $30 $50 -

$70 $20 $60 $70

Supongamos que Joshop acaba de recibir un quinto trabajo y que los


costos respectivos de que los desempeen los cuatro empleados son
20,10, 20, y 80 dlares Debe tener prioridad el nuevo trabajo por encima
de cualquiera de los 4 trabajos que ya tiene Joshop?

4. Se usarn 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 vara mucho.
Estos costos se muestran en la siguiente tabla.
Puerto

Barcos

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.
211

Escuela Profesional de Ingeniera Industrial

5.

El entrenador de un equipo de natacin de un equipo de natacin 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 rpidos en ms de un estilo, no le es fcil decidir a qu 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

Jos

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 cmo 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 desempeo requiere
diversas habilidades. Se han presentado 7 candidatos que han sido sometidos
a pruebas especiales de seleccin para cada empleo, habiendo obtenido las
siguientes calificaciones:

Empleos

69

97

81

68

95

61

79

27

14

38

62

83

48

65

94

45

80

41

65

70

42

39

42

32

83

33

34

10

12

17

46

50

28

33

92

Candidatos

212

Tercera unidad didctica

Investigacin de Operaciones I

Ayude a determinar al gerente de personal el mejor equipo seleccionado, donde


la puntuacin en su conjunto sea la mxima, considerando la calificacin que
haya obtenido cada candidato en el puesto al que se decida asignarlo.

7. Steel company ha decidido iniciar la produccin de cuatro nuevos productos


utilizando tres plantas que por el momento tiene exceso de capacidad de
produccin. Los productos requieren un esfuerzo productivo comparable por
unidad por lo que la capacidad de produccin disponible en las plantas se mide
por el nmero de unidades de cualquier producto que se pueden obtener por
da, como se muestra en la ltima columna de la tabla. El ltimo rengln de la
produccin 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 asignacin de tal manera que debe
asignarse al menos uno de los productos a cada planta.

Producto

Costo unitario

Planta

Capacidad

disponible

41

27

28

24

75

40

29

23

75

37

30

27

21

45

Tasa de produccin

20

30

30

40

213

IV Unidad didctica
Investigacin Operativa I

TPICOS AVANZADOS EN
PROGRAMACIN LINEAL:
PROGRAMACIN POR OBJETIVOS Y
PROGRAMACIN LINEAL ENTERA

Cuarta unidad didctica Investigacin de Operaciones I

Esquema de contenidos

TPICOS AVANZADOS EN PROGRAMACIN LINEAL: PROGRAMACIN POR


OBJETIVOS Y PROGRAMACIN LINEAL ENTERA
9.

OPTIMIZACIN MULTIOBJETIVO CON PROGRAMACIN POR METAS


(O POR OBJETIVOS)

9.1. Programacin de metas


9.2. Identificacin de las metas y penalizaciones
9.3. Formulacin de programacin lineal para un problema de programacin de metas
9.4. Identificacin de las variables de decisin
9.5. Identificacin de la funcin objetivo
9.6. Identificacin de las restricciones
10.

PROGRAMACIN ENTERA

10.1. Cmo resolver un problema de programacin lineal entera?


10.2. Interpretacin grfica del espacio de soluciones de un PPLE
10.3. Qu dificultades se presenta si se redondea la solucin de un PPLE?
10.4. Resolucin de un PPLE por el mtodo grfico
10.5. La tcnica de ramificacin y acotamiento
11.

BIBLIOGRAFA

217

Escuela Profesional de Ingeniera Industrial

Objetivos

IV Unidad didctica
TPICOS AVANZADOS EN PROGRAMACIN LINEAL:
PROGRAMACIN POR OBJETIVOS Y PROGRAMACIN LINEAL ENTERA
Objetivos generales
Comprender la importancia de resolver modelos de mltiples objetivos y convertir
los objetivos mltiples originales en una sola meta.
Resolver programas lineales en los cuales algunas o todas las variables de
decisin estn restringidas a valores enteros.

Objetivos especficos

Comprende y explica los conceptos bsicos de la programacin por


objetivos.
Comprende y explica los conceptos bsicos de la programacin lineal
entera.

218

Cuarta unidad didctica Investigacin de Operaciones I

Contenidos
IV UNIDAD DIDCTICA

TPICOS AVANZADOS EN PROGRAMACIN LINEAL: PROGRAMACIN


POR OBJETIVOS Y PROGRAMACIN LINEAL ENTERA

9.

OPTIMIZACIN MULTIOBJETIVA CON PROGRAMACIN POR METAS


(O POR OBJETIVOS)

Este anlisis ampla el horizonte de la programacin lineal, donde la funcin a


maximizar es nica; y por tanto, la solucin ptima es solo una. En la programacin
por objetivos se tienen varias funciones objetivo que tratan de alcanzarse
simultneamente, y por lo tanto la solucin del modelo satisface los mltiples
objetivos planteados, en lugar de optimizar uno solo de ellos, o ms difcil an,
optimizar todos los objetivos.
Este modelo es una variante del modelo general de programacin lineal, en el cual se
llega a la solucin ptima minimizando siempre las desviaciones positivas y negativas
de las metas propuestas inicialmente. Tales metas propuestas pueden ser priorizadas
de acuerdo al grado de estimacin que se tenga por alcanzarlas. Estas metas pueden
ser tan diversas como: maximizar beneficios, aumentar el porcentaje de participacin
en el mercado, minimizar costos y maximizar la calidad del producto, todas incluidas
en el mismo problema, propuestas en diferentes unidades, lo cual ampla
considerablemente el horizonte de la programacin lineal con un solo objetivo.
Veamos un ejemplo de optimizacin multiobjetiva.

219

Escuela Profesional de Ingeniera Industrial

Ejemplo 1.
Steel company produce tres tamaos 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
mquina de modelado.
Cada pie del tubo B requiere 0,45 minutos y cada pie del tubo C requiere 0,6
minutos.
Despus de la produccin, 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 mquina esta semana y
solo se tiene en inventario 5500 onzas de material de soldar, el departamento de
produccin no podr satisfacer esta demanda, requiere un total de 97 horas de
tiempo de mquina 11000 onzas de material de soldar. No se espera que
contine este alto nivel de demanda. En vez de expandir la capacidad de las
instalaciones de produccin, la gerencia de MTV est considerando la compra de
algunos de estos tubos a proveedores de Japn 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:
Material

Costo de

Costo de

mquina

soldar

produccin

compra

(min/ft)

(oz/ft)

($/ft)

($/ft)

2000

0.50

12

4000

0.45

5000

0.60

40hr

5500oz

Demanda

venta($/ft)

(ft)

10

B
C

Tipo

Cantidad
disponible

220

Tiempo de

Precio de

Cuarta unidad didctica Investigacin de Operaciones I

Sea: x1, x2, x3, el nmero de pies de tubo de tipo A, B, C por producir respectivamente
y
x4, x5,x6, el nmero de pies de tubo de tipo A, B, C por comprar a Japn
respectivamente.

Maximizar Z:7x1 + 8x 2 + 5x 3 + 4x 4 + 6x 5 + 2x 6
s.a:
Restriccin de demanda

x1 + x4 = 2000(demanda del tipo A)


x2 + x5 = 4000 (demanda del tipo B)
x3 + x6 = 5000 (demanda del tipo C)

Restricciones de recursos

0.5 x1 + 0.45 x 2 + 0.6 x3 2400 (tiempo de mquina)


x1 +

x2 +

x 3 5500 (material para soldar)

x 1 , x 2 , x 3 , x 4 , x 5 , x 6 0 (restricciones Lgicas)

Solucin: 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

221

Escuela Profesional de Ingeniera Industrial

RESULTADO OBTENIDO CON EL LINDO


LP OPTIMUM FOUND AT STEP

OBJECTIVE FUNCTION VALUE


1)

55000.00

VARIABLE

VALUE

REDUCED COST

X1

2000.000000

0.000000

X2

0.000000

X3

2333.333252

X4

0.000000

X5

4000.000000

0.000000

X6

2666.666748

0.000000

0.250000
0.000000
0.500000

ROW SLACK OR SURPLUS


2)

0.000000

4.500000

3)

0.000000

6.000000

4)

0.000000

2.000000

5)

0.000000

5.000000

6)

1166.666626

NO. ITERATIONS=

222

DUAL PRICES

0.000000
2

Cuarta unidad didctica Investigacin de Operaciones I

RANGES IN WHICH THE BASIS IS UNCHANGED:


OBJ COEFFICIENT RANGES
VARIABLE

CURRENT
COEF

ALLOWABLE

INCREASE

ALLOWABLE

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
RHS

ALLOWABLE

INCREASE

ALLOWABLE

DECREASE

2000.000000

2800.000000

2000.000000

4000.000000

INFINITY

4000.000000

5000.000000

INFINITY

2666.666748

2400.000000

700.000000

5500.000000

INFINITY

1400.000000
1166.666626

En el ejemplo anterior, el objetivo consiste en determinar cunto de cada tipo de tubo


producir y cunto adquirir del Japn de modo que se puedan cumplir las demandas y
maximizar las ganancias de la compaa. 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 trminos de estas variables de decisin nuestro nuevo modelo tiene dos objetivos:
i)

Maximizar la ganancia =ganancia de la produccin+ganancia de productos


adquiridos:

MAX= 7 x1 + 8 x2 + 5 x3 + 4 x4 + 6 x5 + 2 x6

223

Escuela Profesional de Ingeniera Industrial

ii)

Minimizar el costo de importacin=Costo de importacin de tubos tipo A


+costos de importacin de tubos Tipo B + costos de importacin de tubos
Tipo C

MIN= 6 x4 + 6 x5 + 7 x6
s.a.
Restriccin de demanda

x1 + x4 = 2000(demanda del tipo A)


x2 + x5 = 4000 (demanda del tipo B)
x3 + x6 = 5000 (demanda del tipo C)

Restricciones de recursos

0.5 x1 + 0.45 x 2 + 0.6 x3 2400 (tiempo de mquina)


x1 +

x2 +

x 3 5500 (material para soldar)

x 1 , x 2 , x 3 , x 4 , x 5 , x 6 0 (restricciones Lgicas)

Observaciones
A) Si el problema se corre con el lindo, es decir:
MAX= 7 x1 + 8 x2 + 5 x3 + 4 x4 + 6 x5 + 2 x6
s.a.
Restriccin de demanda

x1 + x4 = 2000(demanda del tipo A)


x2 + x5 = 4000 (demanda del tipo B)
x3 + x6 = 5000 (demanda del tipo C)

224

Cuarta unidad didctica Investigacin de Operaciones I

Restricciones de recursos

0.5 x1 + 0.45 x 2 + 0.6 x3 2400 (tiempo de mquina)


x1 +

x2 +

x 3 5500 (material para soldar)

x 1 , x 2 , x 3 , x 4 , x 5 , x 6 0 (restricciones Lgicas)
La respuesta es:
1)

Zmax= 55000.00

VARIABLE

B.

VALUE

X1

2000.000000

X2

0.000000

X3

2333.33252

X4

0.000000

X5

4000.000000

X6

2666.666748

Si el problema se corre con el lindo, es decir:


MIN= 6 x4 + 6 x5 + 7 x6

s.a.
Restriccin de demanda

x1 + x4 = 2000(demanda del tipo A)


x2 + x5 = 4000 (demanda del tipo B)
x3 + x6 = 5000 (demanda del tipo C)

225

Escuela Profesional de Ingeniera Industrial

Restricciones de recursos

0.5 x1 + 0.45 x 2 + 0.6 x3 2400 (tiempo de mquina)


x1 +

x2 +

x 3 5500 (material para soldar)

x 1 , x 2 , x 3 , x 4 , x 5 , x 6 0 (restricciones Lgicas)

La respuesta es:
1)

Zmin= 39800

VARIABLE
X1

1200

X2

4000

X3

X4

C.

VALUE

799.999

X5

X6

5000

Si la respuesta de las variables de decisin 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= 6 x4 + 6 x5 + 7 x6
MIN= 6(0) +6(4000)+7(2666.666748)
MIN= $42666.67

226

Cuarta unidad didctica Investigacin de Operaciones I

Observamos que en un intento por maximizar las ganancias, el costo de las


importaciones aumenta de su valor mnimo de $39800 a $42666.67
D.

Si la respuesta de las variables de decisin obtenidas en B) reemplazamos en A)


1)

Zmin= 39800

VARIABLE

VALUE

X1

1200

X2

4000

X3

X4

799.999

X5

X6

5000

Es decir en: MAX= 7 x1 + 8 x2 + 5 x3 + 4 x4 + 6 x5 + 2 x6


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 mximo de $55000 a $53600

9.1

PROGRAMACIN DE METAS

En el ejemplo anterior debemos ver de qu 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 programacin de metas, en la cual,
para cada objetivo, usted identifica metas y penalizaciones.
Definicin de programacin de metas
Planteamiento utilizado para resolver un problema de optimizacin de objetivos
mltiples como un programa lineal que equilibra los pros y los contras de los objetivos
en conflicto.

227

Escuela Profesional de Ingeniera Industrial

Para aplicar la programacin de metas y llegar a una decisin es bueno identificar lo


siguiente:
Meta: valor objetivo numrico especfico establecido para un fin en un programa de
metas o dicho de otra manera valor objetivo numrico especfico que usted desea que
esa meta logre.
Penalizacin: valor relativo que se usa para representar insatisfaccin con cada
unidad que un objetivo est por debajo de su meta, si el objetivo es maximizar, y por
encima de la meta si el objetivo es minimizar.

9.2. IDENTIFICACIN DE LAS METAS Y PENALIZACIONES


Las metas son los valores que los tomadores de decisiones, idealmente, desearan
lograr para cada objetivo.
Por ejemplo, en el problema, el director ejecutivo, sabiendo que la ganancia mxima
posible es de $55000, puede elegir este valor como el objetivo que refleja la meta de
lograr la ganancia ms alta posible. Sabiendo que el costo mnimo posible de las
importaciones, segn el resultado, es de $39800, el director ejecutivo puede escoger
este valor o algn otro como la meta. Por ejemplo, el director ejecutivo puede estar
igualmente satisfecho si se hace un intento de lograr un costo de importacin 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 ms alto de una
penalidad indica que el cumplir con la meta tiene una mayor prioridad. Al escoger
valores especficos 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
penalizacin. Sin embargo, si no se logra la meta de ganancia de $55 000, entonces
deber haber penalizacin y cuanto ms alejado se encuentre de lograr la meta, ms

228

Cuarta unidad didctica Investigacin de Operaciones I

alta ser la penalizacin 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 numrico para indicar la
penalizacin por unidad (por ejemplo, un dlar 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 ms 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:
Penalizacin de ganancia = 2 por cada dlar de ganancia que est por debajo de
$55 000
Penalizacin de importacin = 1 por cada dlar de importacin que est por
encima de $40 000
En general, las penalizaciones no tienen otro significado fsico que el de indicar la
importancia relativa de lograr las metas.

9.3

FORMULACIN DE PROGRAMACIN LINEAL PARA UN PROBLEMA DE


PROGRAMACIN DE METAS

Una vez identificadas las metas y las penalizaciones para cada uno de los objetivos,
se sigue los pasos de identificacin de variables de una sola funcin objetivo y de
restricciones.

229

Escuela Profesional de Ingeniera Industrial

9.4

IDENTIFICACIN DE LAS VARIABLES DE DECISIN

Con el enfoque de programacin de metas, adems de las variables de decisin


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 est por debajo de la meta.
En el ejemplo anterior debido a que hay dos objetivos, tambin necesita las siguientes
cuatro variables de decisin:
P+ = Cantidad de dlares en que excede la ganancia de la meta de $55 000
P - = Cantidad de dlares que faltan para la ganancia meta de $55 000
I+ = Cantidad de dlares en que las importaciones exceden la meta de $40 000
I - = Cantidad de dlares 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

IDENTIFICACIN DE LA FUNCIN OBJETIVO

En la programacin por metas, el objetivo es minimizar la penalizacin total por no


haber logrado las dos metas es decir:
Penalizacin total = (penalizacin por no alcanzar la meta de ganancia) +
(penalizacin por exceder la meta de importacin)
Observe que el director ejecutivo ha asignado una penalizacin del doble por cada
dlar que falte para lograr la meta de ganancia que la asignada a cada dlar que se
exceda de la meta de importacin.
Luego la funcin objetivo para este problema esta definido en funcin de P y I+
Minimizar 2P +1 I+

230

Cuarta unidad didctica Investigacin de Operaciones I

9.6

IDENTIFICACIN DE LAS RESTRICCIONES

Las restricciones anteriores del problema se mantienen igual, excepto que en general
incluir la siguiente restriccin 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.

Restriccin de demanda

x1 + x4 = 2000(demanda del tipo A)


x2 + x5 = 4000 (demanda del tipo B)
x3 + x6 = 5000 (demanda del tipo C)

Restricciones de recursos

0.5 x1 + 0.45 x2 + 0.6 x3 2400 (tiempo de mquina)


x1 +

x2 +

x 3 5500 (material para soldar)

Restricciones de metas

7 x1 + 8 x2 + 5 x3 + 4 x4 + 6 x5 + 2 x6 P + + p = 55000

6 x4 + 6 x5 + 7 x6 I + + I = 40000
x1 ,x 2 ,x 3 ,x 4 ,x 5 ,x 6 , P + , P , I + , I 0 (restricciones Lgicas)
(Observe que al menos I + o I debe tomar el valor de cero lo mismo para las P)
231

Escuela Profesional de Ingeniera Industrial

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

OBJECTIVE FUNCTION VALUE


1)

1888.889

VARIABLE
PMENOS
IMAS

777.777771
333.333344

REDUCED COST
0.000000
0.000000

X1

2000.000000

X4

0.000000

X2

3111.111084

0.000000

X5

888.888916

0.000000

X3

0.000000

X6

5000.000000

0.000000

0.000000

2.000000

PMAS
IMENOS

232

VALUE

0.000000

0.000000
0.888889

0.333334

1.000000

Cuarta unidad didctica Investigacin de Operaciones I

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=

RANGES IN WHICH THE BASIS IS UNCHANGED:


OBJ COEFFICIENT RANGES
VARIABLE

CURRENT
COEF

PMENOS
IMAS

ALLOWABLE

INCREASE

2.000000
1.000000

DECREASE

1.000001
1.333334

ALLOWABLE

1.142857
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
IMENOS

0.000000
0.000000

INFINITY

2.000000

INFINITY

1.000000

RIGHTHAND SIDE RANGES


ROW

CURRENT
RHS

ALLOWABLE

INCREASE

ALLOWABLE

DECREASE

2000.000000

162.790695

50.000004

4000.000000

129.629623

55.555557

5000.000000

388.888885

47.619049

2400.000000

25.000002

1399.999878

5500.000000

INFINITY

388.888885

55000.000000

INFINITY

777.777771

40000.000000

333.333344

INFINITY

233

Escuela Profesional de Ingeniera Industrial

Observamos que nuestro plan de produccin 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 trminos de las metas observamos que:


P-: el valor de 777.78 para (PMenos) nos indica que la meta de ganancia de

i)

$55000 no se cumple por $777.78. En otras palabras, el plan de produccinimportacin anterior tiene una ganancia de $(55000-777.78)=$54222.22

I + : el valor de 333.3333 para (IMs) nos indica que la meta de importacin de

ii)

$40 000 se excede en $333.3333. En otras palabras el plan de produccinimportacin anterior tiene un costo de $(40000+333.3333)=$40333.33333
Observaciones:
i)

Los objetivos mltiples, a menud o, entran en conflicto entre s. 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 simultnea.

Serie de problemas 10
1. Presentar 5 ejemplos de programacin por objetivos con sus respectivos anlisis.

234

Cuarta unidad didctica Investigacin de Operaciones I

10.

PROGRAMACIN ENTERA

Definicin. Un problema de programacin lineal entera (PPLE) es aquel que


representa el siguiente formato:
n

Max c j x j
j =1

s.a.
n

a x
j =1

ij

bi i = 1, 2," m

x j entero 0
Asimismo, definimos su equivalente continuo como:
n

Max c j x j
j =1

s.a.
n

a x
j =1

ij

bi i = 1, 2," m

xj 0
Un problema de programacin 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. CMO RESOLVER UN PROBLEMA DE PROGRAMACIN LINEAL


ENTERA?

Dado un PPLE primeramente resolvemos su equivalente continuo, si la solucin


obtenida es entera, entonces esta solucin ser tambin la solucin ptima del
PPLE.

Si por el contrario, la solucin ptima del equivalente continuo tiene por lo menos
una variable cuyo valor no es entero, entonces debemos utilizar Tcnicas de
Programacin Entera.
235

Escuela Profesional de Ingeniera Industrial

10.2. INTERPRETACIN GRFICA DEL ESPACIO DE SOLUCIONES DE UN PPLE


Consideremos el siguiente PPLE

Maxz = 4 x + 5 y
s.a.
x+ y 8
2 x + y 10
x, y, enteros 0

24

18

12

Payoff:

4 x+

5 y=

40

6
:
0

:
0

1x+

2x+
1y=

1y=
8
10

Optimal Decisions(x,y): ( 0,
: 1x + 1y <= 8
: 2x + 1y <= 10

236

10

20
8)

30

40

50

60

Cuarta unidad didctica Investigacin de Operaciones I

Observaciones
1.

El espacio de soluciones factibles de un PPLE est 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 solucin ptima del equivalente continuo es


(x,y)=(0,8)

24

18

12

Payoff:

4 x+

5 y=

40

6
:
0

:
0

1x+

2x+
1y=

1y=

10

8
10

Optimal Decisions(x,y): ( 0,
: 1x + 1y <= 8
: 2x + 1y <= 10

20

30

40

50

60

8)

Como esta solucin es entera ser tambin solucin del PPLE.

237

Escuela Profesional de Ingeniera Industrial

10.3. QU DIFICULTADES SE PRESENTA SI SE REDONDEA LA SOLUCIN DE


UN PPLE?
Si al resolver el equivalente continuo de un PPLE, la solucin no resulta entera y
optamos por redondear dicha solucin se pueden presentar las siguientes dificultades
a) La solucin redondeada es no factible
Consideremos el siguiente PPLE

Maxz = x + y
s.a.
2x + y 6
x + 2y 4
x, y, enteros 0
Resolviendo el equivalente continuo por el mtodo grfico:

Maxz = x + y
s.a.
2x + y 6
x + 2y 4
x, y 0

12

Payoff: 1.00 x + 1.00 y = 3.33

: 1.00 x + 2.00 y = 4.00


0

: 2.00 x + 1.00 y = 6.00


0
Optimal Decisions(x,y): (2.67, 0.67)
: 2.00x + 1.00y <= 6.00
: 1.00x + 2.00y <= 4.00

238

10

20

30

Cuarta unidad didctica Investigacin de Operaciones I

Solucin ptima del equivalente continuo:

8
2.67
3
Solucin redondeada: x = 3
2
y = 0.67
3

x=

y =1

Vemos que la solucin redondeada no cumple las restricciones! Por lo que decimos
que es no factible.
Observe por ejemplo: 2 x + y 6 2(3) + 1 6 como vemos no cumple la restriccin.
b) La solucin redondeada cumple las restricciones pero no es ptima
Consideremos el siguiente PPLE

Maxz = 5 x + 4 y
s.a.
x+ y 5
10 x + 6 y 45
x, y, enteros 0
Resolviendo el equivalente continuo por el mtodo grfico:

Maxz = 5 x + 4 y
s.a.
x+ y 5
10 x + 6 y 45
x, y 0

18

12

Payoff: 5.00 x + 4.00 y = 23.75

: 1.00 x + 1.00 y = 5.00


0

: 10.00 x + 6.00 y = 45.00


10

20

30

40

Optimal Decisions(x,y): (3.75, 1.25)


: 1.00x + 1.00y <= 5.00
: 10.00x + 6.00y <= 45.00

Solucin ptima del equivalente continuo es x = 3.75 y=1.25 con Z= 23.75


239

Escuela Profesional de Ingeniera Industrial

Redondeando:
Asumamos que redondeamos: x = 3 y=1 , es decir, en el punto (3,1)
Observamos que: Z = 5 x + 4 y Z = 5(3) + 4(1) = 19 es factible, pero no es ptimo
pues (3,2) es una mejor solucin, es decir: Z = 5 x + 4 y Z = 5(3) + 4(2) = 23 y es
ptimo.
Veamos su grfico por PPLE.

18

12

Payoff: 5.00 x + 4.00 y = 23.00

: 10.00 x + 6.00 y = 45.00


0

: 1.00 x + 1.00 y = 5.00


0

10

Optimal Decisions(x,y): (3.00, 2.00)


: 1.00x + 1.00y <= 5.00
: 10.00x + 6.00y <= 45.00

240

20

30

40

Cuarta unidad didctica Investigacin de Operaciones I

10.4 Resolucin de un PPLE por el mtodo grfico

Min 24000 x + 20000 y


s.a
40 x + 30 y 400
2 x y 15
x 10
y5
x, y enteros 0

30

24

18

12

Payoff: 24000 x + 20000 y = 248000

:
6

:
:

1x+

2x-

: 40 x +
0

0x+
0y=

1y=

1y=

10

15

30 y = 400
10

Optimal Decisions(x,y): ( 7,
: 40x + 30y >= 400
: 2x - 1y <= 15
: 1x + 0y <= 10
: 0x + 1y <= 5

20

30

40

50

60

4)

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 funcin objetivo veremos que el punto que minimiza la funcin objetivo es el punto
(7,4) con funcin objetivo mnimo igual a 248 000

241

Escuela Profesional de Ingeniera Industrial

10.5. LA TCNICA DE RAMIFICACIN Y ACOTAMIENTO


Esta tcnica consiste en insertar restricciones en el problema original (acotamiento) y
resolviendo por el mtodo Simplex vamos obteniendo soluciones ptimas con los
cuales se va construir un rbol de decisin (ramificacin) siguiendo luego en la
direccin del rbol con el mejor valor ptimo 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 solucin ptima obtenida es entera, entonces fin del proceso,
sta ser la solucin 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 ]

[ r ]

[ r] +1

Podemos observar que se generan dos ramificaciones es decir:

x [ r ] ; x [ r ] + 1
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 restriccin: x [ r ] + 1 y ubicamos el resultado en la otra
ramificacin.

242

Cuarta unidad didctica Investigacin de Operaciones I

3.

Si alguna solucin obtenida es entera y no existe ramificacin con algn


valor ptimo mejor, entonces fin de proceso en caso contrario continuamos
con el paso 1 en la ramificacin que tenga el mejor valor ptimo hasta el
momento.

Ejercicios
1.

Max. 3X1 + 4X2


s.a.
2X1 +

3X2 <= 18

8X1 +

7X2 <= 56
X1 , X2 enteros >= 0

Solucin
Resolviendo el equivalente contino
Max. 3X1 + 4X2
s.a.
2X1 +

3X2 <= 18

8X1 +

7X2 <= 56

L1: 2X1 + 3X2 = 18


X1 X2
0

6 (0,6)

0 (9,0)

L1: 2X1 + 3X2 = 18

L2: 8X1 + 7X2 = 56

L2: 8X1 + 7X2 = 56


X1 X2
0

8 (0,8)

0 (7,0)

243

Escuela Profesional de Ingeniera Industrial

30

24

18

12

Payoff: 3.0 X1 + 4.0 X2 = 25.4


: 8.0 X1 + 7.0 X2 = 56.0

: 2.0 X1 + 3.0 X2 = 18.0


0
10

20

Optimal Decisions(X1,X2): ( 4.2, 3.2)


: 2.0X1 + 3.0X2 <= 18.0
: 8.0X1 + 7.0X2 <= 56.0

244

30

40

50

60

70

Cuarta unidad didctica Investigacin de Operaciones I

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
2X1 + 3X2 <= 18 X2 = 3 , X1 = 4.5
8X1 + 7X2 <= 56 X2 = 3 , X1 = 4.375

X2 <= [| 3.33 |]

Z= 25.13
X1 = 4.38
X2 = 3

2X1 + 3X2 <= 18 X1 = 4 , X2 = 3.333


8X1 + 7X2 <= 56 X1 = 4 , X2 = 3.428

Z= 25.33
X1 = 4
X2 = 3.23
X1 <= [| 4.2 |]

Z= 25.4
X1 = 4.2
X2 = 3.2

X2 >= [| 3.33 |] + 1

Z= 25
X1 = 3
X2 = 4

2X1 + 3X2 <= 18 X2 = 4 , X1 = 3


8X1 + 7X2 <= 56 X2 = 4 , X1 = 3.5

X1 >= [| 4.2 |] + 1
Z= 24.144
X1 = 5
X2 = 2.28

No tiene
sentido

2X1 + 3X2 <= 18 X1 = 5 , X2 = 2.667


8X1 + 7X2 <= 56 X1 = 5 , X2 = 2.285

Respuesta: X1 = 3
X2 = 4
Z ptimo = 25

245

Escuela Profesional de Ingeniera Industrial

Observaciones
1)

A medida que aumentamos de nivel el valor de la funcin objetivo no mejorar.

2)

En el problema que se ha tenido que resolver, la solucin entera es la siguiente:

max 3x1 + 4 x2
s.a. 2x1 +3x 2 18
8x1 +7x 2 56
x1 4
x2 4
x1 ,x 2 0

Serie de problemas 10
Resolver por ramificacin y acotamiento

1) MaxZ = 5 x1 + 4 x2
s.a.

x1 + x2 5
10 x1 + 6 x2 45
x1 , x2 , entero 0

2) MaxZ = 3 x1 + 2 x2
s.a.

2 x1 + 2 x2 9
3x1 + 3x2 18
x1 , x2 , entero 0

246

Cuarta unidad didctica Investigacin de Operaciones I

3) MaxZ = x1 + x2
s.a.

2 x1 + 5 x2 16
6 x1 + 5 x2 27
x1 , x2 , entero 0

4) MinZ = 5 x1 + 4 x2
s.a.

3x1 + 2 x2 5
2 x1 + 3x2 7
x1 , x2 , entero 0
5) MinZ = 24000 x1 + 20000 x2
s.a.

40 x1 + 30 x2 400
2 x1 x2 15
x1 10
x2 5
x1 , x2 , entero 0

247

Escuela Profesional de Ingeniera Industrial

Bibliografa

HILLER, Frederick-LIEBERMAN, Gerald


Introduccin a la Investigacin Operativa.
McGraw-Hill, Mxico, 1991.
BAZARAA, Mokhtar-JARVIS, John
Programacin lineal y flujo de redes.
Limusa-Mxico.
PRAWDA WITENBERG, Juan
Mtodos y Modelos de Investigacin de Operaciones. Vol. I
Limusa-Mxico
TAHA, Hamdy
Investigacin de Operaciones. Una Introduccin.
Representaciones y Servicios de Ingeniera S.A. Mxico.
EPEN-GOULD-SCHMIDT
Investigacin de Operaciones en la Ciencia Administrativa.
Prentice- Hall Hispanoamrica, S.A.
DANTZIG, George B.
Linear Programming and Extension.
Princeton University Press
SASIENI, YASPAN and FRIEDMAN
Operations Research.
J. Wesles & Sons Inc.

248

Cuarta unidad didctica Investigacin de Operaciones I

MOSKOWITZ, Herbert,
Investigacin de Operaciones.
Espaa, Edit Prentice-Hall
BUFFA y DYER
Ciencias de la Administracin e Investigacin de Operaciones.
Limusa.
TURBAN, Meredith,
Fundamentals of Management Science.
Irwin, 5th. Edition - 1999
KAMLESH, Mathur y Daniel SOLOW
Investigacin de operaciones. El arte de la toma de decisiones.

249