INDICE

Introducción………………………………………………………….. 1
Orígenes de la investigación de operaciones……………………. 2
Definición…………………………………………………………….. 6
Metodología………………………………………………………..... 7
Áreas de aplicación…………………………………………………. 8
Modelado…………………………………………………………….. 9
Programación Lineal……………………………………………….. 10
Método grafico………………………………………………………. 10
Método algebraico………………………………………………….. 12
Metodo Matricial…………………………………………………….. 14
Método Simplex……………………………………………………… 17
Problemas de transporte…………………………………………… 18
Metodo de la esquina noroeste……………………………………. 18
Metodo de Vogel…………………………………………………….. 19
Ruta critica…………………………………………………………….20

1
 INVESTIGACIÓN DE OPERACIONES

Introducción

La primera actividad de Investigación de Operaciones se dio durante la Segunda

Guerra Mundial en Gran Bretaña, donde la Administración Militar llamó a un
grupo de científicos de distintas áreas del saber para que estudiaran los
problemas tácticos y estratégicos asociados a la defensa del país.
El nombre de Investigación de Operaciones fue dado aparentemente porque el
equipo estaba llevando a cabo la actividad de investigar operaciones (militares).
Motivados por los resultados alentadores obtenidos por los equipos británicos,
los administradores militares de Estados Unidos comenzaron a realizar
investigaciones similares. Para eso reunieron a un grupo selecto de
especialistas, los cuales empezaron a tener buenos resultados y en sus estudios
incluyeron problemas logísticos complejos, la planeación de minas en el mar y la
utilización efectiva del equipo electrónico.
Al término de la guerra y atraídos por los buenos resultados obtenidos por los
estrategas militares, los administradores industriales empezaron a aplicar las
herramientas de la Investigación de Operaciones a la resolución de sus
problemas que empezaron a originarse debido al crecimiento del tamaño y la
complejidad de las industrias.
Aunque se ha acreditado a Gran Bretaña la iniciación de la Investigación de
Operaciones como una nueva disciplina, los Estados Unidos tomaron pronto el
liderazgo en este campo rápidamente creciente. La primera técnica matemática
ampliamente aceptada en el medio de Investigación de Operaciones fue el
Método Símplex de Programación Lineal, desarrollado en 1947 por el
matemático norteamericano George B. Dantzig. Desde entonces las nuevas
técnicas se han desarrollado gracias al esfuerzo y cooperación de las personas
interesadas tanto en el área académica como en el área industrial.
Un segundo factor en el progreso impresionante de la Investigación de
Operaciones fue el desarrollo de la computadora digital, que con sus tremendas
capacidades de velocidad de cómputo y de almacenamiento y recuperación de
información, permitieron al tomador de decisiones rapidez y precisión.

2
Si no hubiera sido por la computadora digital, la Investigación de Operaciones
con sus grandes problemas de computación no hubiera crecido al nivel de hoy
en día.
Actualmente la Investigación de Operaciones se está aplicando en muchas
actividades. Estas actividades han ido más allá de las aplicaciones militares e
industriales, para incluir hospitales, instituciones financieras, bibliotecas,
planeación urbana, sistemas de transporte y sistemas de comercialización.

Orígenes de la investigación de operaciones

La toma de decisiones es un proceso que se inicia cuando una persona observa un

problema y determina que es necesario resolverlo procediendo a definirlo, a
formular un objetivo, reconocer las limitaciones o restricciones, a generar
alternativas de solución y evaluarlas hasta seleccionar la que le parece mejor, este
proceso puede se cualitativo o cuantitativo.
El enfoque cualitativo se basa en la experiencia y el juicio personal, las habilidades
necesarias en este enfoque son inherentes en la persona y aumentan con la
práctica. En muchas ocasiones este proceso basta para tomar buenas decisiones.
El enfoque cuantitativo requiere habilidades que se obtienen del estudio de
herramientas matemáticas que le permitan a la persona mejorar su efectividad en
la toma de decisiones. Este enfoque es útil cuando no se tiene experiencia con
problemas similares o cuando el problema es tan complejo o importante que
requiere de un análisis exhaustivo para tener mayor posibilidad de elegir la mejor
solución.
La investigación de operaciones proporciona a los tomadores de decisiones bases
cuantitativas para seleccionar las mejores decisiones y permite elevar su habilidad
para hacer planes a futuro.
En el ambiente socioeconómico actual altamente competitivo y complejo, los
métodos tradicionales de toma de decisiones se han vuelto inoperantes e
inadmisibles ya que los responsables de dirigir las actividades de las empresas e
instituciones se enfrentan a situaciones complicadas y cambiantes con rapidez que
requieren de soluciones creativas y prácticas apoyadas en una base cuantitativa
sólida.

3
En organizaciones grandes se hace necesario que el tomador de decisiones tenga
un conocimiento básico de las herramientas cuantitativas que utilizan los
especialistas para poder trabajar en forma estrecha con ellos y ser receptivos a las
soluciones y recomendaciones que se le presenten.
En organizaciones pequeñas puede darse que el tomador de decisiones domine
las herramientas cuantitativas y él mismo las aplique para apoyarse en ellas y así
tomar sus decisiones.
Desde al advenimiento de la Revolución Industrial, el mundo ha sido testigo de un
crecimiento sin precedentes en el tamaño y la complejidad de las organizaciones.
Los pequeños talleres artesanales se convirtieron en las corporaciones actuales de
miles de millones de pesos. Una parte integral de este cambio revolucionario fue el
gran aumento en la división del trabajo y en la separación de las responsabilidades
administrativas en estas organizaciones. Los resultados han sido espectaculares.
Sin embargo, junto con los beneficios, el aumento en el grado de especialización
creo nuevos problemas que ocurren hasta la fecha en muchas empresas. Uno de
estos problemas es las tendencia de muchas de las componentes de una
organización a convertirse en imperios relativamente autónomos, con sus propias
metas y sistemas de valores, perdiendo con esto la visión de la forma en que
encajan sus actividades y objetivos con los de toda la organización. Lo que es
mejor para una componente, puede ir en detrimento de otra, de manera que
pueden terminar trabajando con objetivos opuestos. Un problema relacionado con
esto es que, conforme la complejidad y la especialización crecen, se vuelve más
difícil asignar los recursos disponibles a las diferentes actividades de la manera
más eficaz para la organización como un todo. Este tipo de problemas, y la
necesidad de encontrar la mejor forma de resolverlos, proporcionaron el ambiente
adecuado para el surgimiento de la investigación de operaciones.
Las raíces de la investigación de operaciones se remontan a muchas décadas,
cuando se hicieron los primeros intentos para emplear el método científico en la
administración de una empresa. Sin embargo, el inicio de la actividad llamada
investigación de operaciones, casi siempre se atribuye a los servicios militares
prestados a principios de la segunda guerra mundial. Debido a los esfuerzos
bélicos, existía una necesidad urgente de asignar recursos escasos a las distintas
operaciones militares y a las actividades dentro de cada operación, en la forma
más efectiva. Por esto, las administraciones militares americana e inglesa hicieron

4
un llamado a un gran número de científicos para que aplicaran el método científico
a éste y a otros problemas estratégicos y tácticos. De hecho, se les pidió que
hicieran investigación sobre operaciones (militares). Estos equipos de científicos
fueron los primeros equipos de IO. Con el desarrollo de métodos efectivos para el
uso del nuevo radar, estos equipos contribuyeron al triunfo del combate aéreo
inglés. A través de sus investigaciones para mejorar el manejo de las operaciones
antisubmarinas y de protección, jugaron también un papel importante en la victoria
de la batalla del Atlántico Norte. Esfuerzos similares fueron de gran ayuda en a isla
de campaña en el pacífico.
Al terminar la guerra, el éxito de la investigación de operaciones en las actividades
bélicas generó un gran interés en sus aplicaciones fuera del campo militar. Como la
explosión industrial seguía su curso, los problemas causados por el aumento en la
complejidad y especialización dentro de las organizaciones pasaron de nuevo a
primer plano. Comenzó a ser evidente para un gran número de personas,
incluyendo a los consultores industriales que habían trabajado con o para los
equipos de IO durante la guerra, que estos problemas eran básicamente los
mismos que los enfrentados por la milicia, pero en un contexto diferente. Cuando
comenzó la década de 1950, estos individuos habían introducido el uso de la
investigación de operaciones en la industria, los negocios y el gobierno. Desde
entonces, esta disciplina se ha desarrollado con rapidez.
Se pueden identificar por lo menos otros dos factores que jugaron un papel
importante en el desarrollo de la investigación de operaciones durante este
período. Uno es el gran progreso que ya se había hecho en el mejoramiento de las
técnicas disponibles en esta área. Después de la guerra, muchos científicos que
habían participado en los equipos de IO o que tenían información sobre este
trabajo, se encontraban motivados a buscar resultados sustanciales en este
campo; de esto resultaron avances importantes. Un ejemplo sobresaliente es el
método simplex para resolver problemas de programación lineal, desarrollado en
1947 por George Dantzing. Muchas de las herramientas características de la
investigación de operaciones, como programación lineal, programación dinámica,
líneas de espera y teoría de inventarios, fueron desarrolladas casi por completo
antes del término de la década de 1950. Un segundo factor que dio ímpetu al
desarrollo de este campo fue el advenimiento de la computadoras.

5
Para manejar de una manera efectiva los complejos problemas inherentes a esta
disciplina, por lo general se requiere un gran número de cálculos. Llevarlos a cabo
a mano puede resultar casi imposible. Por lo tanto, el desarrollo de la computadora
electrónica digital, con su capacidad para realizar cálculos aritméticos, miles o tal
vez millones de veces más rápido que los seres humanos, fue una gran ayuda para
la investigación de operaciones. Un avance más tuvo lugar en la década de 1980
con el desarrollo de las computadoras personales cada vez más rápidas,
acompañado de buenos paquetes de software para resolver problemas de IO, esto
puso las técnicas al alcance de un gran número de personas. Hoy en día,
literalmente millones de individuos tiene acceso a estos paquetes. En
consecuencia, por rutina, se usa toda una gama e computadoras, desde las
grandes hasta las portátiles, para resolver problemas de investigación de
operaciones.

Definición

Investigación de Operaciones o Investigación Operacional. Se puede definir de la

siguiente manera: “La Investigación de Operaciones es la aplicación por grupos
interdisciplinarios del método científico a problemas relacionados con el control
de las organizaciones o sistemas a fin de que se produzcan soluciones que
mejor sirvan a los objetivos de toda la organización”.

LA INVESTIGACIÓN DE OPERACIONES ES LA APLICACIÓN, POR GRUPOS

INTERDISCIPLINARIOS, DEL MÉTODO CIENTÍFICO A PROBLEMAS RELACIONADOS
CON EL CONTROL DE LAS ORGANIZACIONES O SISTEMAS (HOMBRE-MÁQUINA), A
FIN DE QUE SE PRODUZCAN SOLUCIONES QUE MEJOR SIRVAN A LOS OBJETIVOS
DE LA ORGANIZACIÓN.

CHURCHMAN, ACKOFF Y ARNOFF

6
Metodología de la investigación de operaciones
El proceso comprende las siguientes fases:
1. Formulación y definición del problema.
2. Construcción del modelo.
3. Solución del modelo.
4. Validación del modelo.
5. Implementación de resultados.

1. Formulación y definición del problema. En esta fase del proceso se

necesita: una descripción de los objetivos del sistema, es decir, qué se
desea optimizar; identificar las variables implicadas, ya sean controlables o
no; determinar las restricciones del sistema. También hay que tener en
cuenta las alternativas posibles de decisión y las restricciones para producir
una solución adecuada.
2. Construcción del modelo. En esta fase, el investigador de operaciones
debe decidir el modelo a utilizar para representar el sistema. Debe ser un
modelo tal que relacione a las variables de decisión con los parámetros y
restricciones del sistema. Los parámetros (o cantidades conocidas) se
pueden obtener ya sea a partir de datos pasados o ser estimados por
medio de algún método estadístico. Es recomendable determinar si el
modelo es probabilístico o determinístico. El modelo puede ser matemático,
de simulación o heurístico, dependiendo de la complejidad de los cálculos
matemáticos que se requieran.
3. Solución del modelo. Una vez que se tiene el modelo, se procede a
derivar una solución matemática empleando las diversas técnicas y
métodos matemáticos para resolver problemas y ecuaciones. Debemos
tener en cuenta que las soluciones que se obtienen en este punto del
proceso, son matemáticas y debemos interpretarlas en el mundo real.
Además, para la solución del modelo, se deben realizar análisis de
sensibilidad, es decir, ver como se comporta el modelo a cambios en las
especificaciones y parámetros del sistema. Esto se hace, debido a que los
parámetros no necesariamente son precisos y las restricciones pueden
estar equivocadas.

7
 4. Validación del modelo. La validación de un modelo requiere que se
determine si dicho modelo puede predecir con certeza el comportamiento
del sistema. Un método común para probar la validez del modelo, es
someterlo a datos pasados disponibles del sistema actual y observar si
reproduce las situaciones pasadas del sistema. Pero como no hay
seguridad de que el comportamiento futuro del sistema continúe replicando
el comportamiento pasado, entonces siempre debemos estar atentos de
cambios posibles del sistema con el tiempo, para poder ajustar
adecuadamente el modelo.

5. Implementación de resultados. Una vez que hayamos obtenido la

solución o soluciones del modelo, el siguiente y último paso del proceso es
interpretar esos resultados y dar conclusiones y cursos de acción para la
optimización del sistema. Si el modelo utilizado puede servir a otro
problema, es necesario revisar, documentar y actualizar el modelo para sus
nuevas aplicaciones.

Áreas de aplicación

Como su nombre lo dice, Investigación de Operaciones significa “hacer

investigación sobre las operaciones”. Esto dice algo del enfoque como del área
de aplicación. Entonces, la Investigación de Operaciones se aplica a problemas
que se refieren a la conducción y coordinación de operaciones o actividades
dentro de una organización. La naturaleza de la organización es esencialmente
inmaterial y, de hecho, la Investigación de Operaciones se ha aplicado en los
negocios, la industria, la milicia, el gobierno, los hospitales, etc. Así, la gama de
aplicaciones es extraordinariamente amplia. Casi todas las organizaciones más
grandes del mundo (alrededor de una docena) y una buena proporción de las
industrias más pequeñas cuentan con grupos bien establecidos de Investigación
de Operaciones. Muchas industrias, incluyendo la aérea y de proyectiles, la
automotriz, la de comunicaciones, computación, energía eléctrica, electrónica,
alimenticia, metalúrgica, minera, del papel, del petróleo y del transporte, han
empleado la Investigación de Operaciones.

8
 Las instituciones financieras, gubernamentales y de salud están incluyendo cada
vez más estas técnicas. Para ser más específicos, se consideran algunos
problemas que se han resuelto mediante algunas técnicas de Investigación de
Operaciones. La programación lineal se ha usado con éxito en la solución de
problemas referentes a la asignación de personal, la mezcla de materiales, la
distribución y el transporte y las carteras de inversión. La programación dinámica
se ha aplicado con buenos resultados en áreas tales como la planeación de los
gastos de comercialización, la estrategia de ventas y la planeación de la
producción. La teoría de colas ha tenido aplicaciones en la solución de
problemas referentes al congestionamiento del tráfico, al servicio de máquinas
sujetas a descomposturas, a la determinación del nivel de la mano de obra, a la
programación del tráfico aéreo, al diseño de presas, a la programación de la
producción y a la administración de hospitales. Otras técnicas de Investigación
de Operaciones, como la teoría de inventarios, la teoría de juegos y la
simulación, han tenido exitosas aplicaciones en una gran variedad de contextos.

Modelado

Procedimiento

1. Identificar las variables en el problema

2. Las restricciones a las variables impuestas al problema

3. Objetivo que se necesita alcanzar para determinar la solución optima

entre todos los valores factible de las variables

4. Siempre señalas las restricciones de no negatividad

Problema

Un pequeño banco asigna un máximo de $20 000 para préstamos personales y

para automóvil durante el mes siguiente. El banco cobra una tasa de interés anual
del 14% a préstamos personales y el 12% a préstamos para automóvil. Ambos
tipos de préstamos se saldan en periodos de tres años- el monto de los préstamos
para automóvil deber ser cuando menos dos veces mayor que el de los prestamos
personales. La experiencia pasada ha demostrado que los adeudos no cubiertos

9
constituyen el 1% de todos los préstamos personales ¿Cómo deben asignarse los
fondos?

¿Cuáles son las incógnitas?

Prestamos personales (P)

Prestamos automóvil (A)

¿Qué restricciones impone el problema?

P+A < 20 000

A debe ser 2 veces mayor que P

2A > P

3 años para saldarse

Modelo para la solución

Lmax = .14P + .12A - .01P

= .13P + .12A

Restricción de no negatividad

P>0

A>0

Programación lineal
Es un procedimiento o algoritmo matemático mediante el cual se resuelve un
problema indeterminado, formulado a través de ecuaciones lineales, optimizando la
función objetivo, también lineal. Consiste en optimizar (minimizar o maximizar) una
función lineal, que denominaremos función objetivo, de tal forma que las variables
de dicha función estén sujetas a una serie de restricciones que expresamos
mediante un sistema de inecuaciones lineales.

Método grafico

El método gráfico se emplea para resolver problemas que presentan sólo 2 variables de
decisión.

Problema

Max z= 500x1 + 300x2

15x1 +5x2 < 300

10x1 + 6x2 < 240

10
8x1 + 12x2 < 450

x1 >0

x2>0

R1 R2 R3
X1 X2 X2 X2
0 60 40 37.5
1 57 38.33 36.83
2 54 36.67 36.17
3 51 35 35.5
4 48 33.33 34.83
5 45 31.67 34.17
6 42 30 33.5
7 39 28.33 32.83
8 36 26.67 32.17
9 33 25 31.5
10 30 23.33 30.83
11 27 21.67 30.17
12 24 20 29.5
13 21 18.33 28.83
14 18 16.67 28.17
15 15 15 27.5
16 12 13.33 26.83
17 9 11.67 26.17
18 6 10 25.5
19 3 8.333 24.83
20 0 6.667 24.17

11
 70
60
50
40 S e r ie 1
30 S e r ie 2
20 S e r ie 3
10
0
0 5 10 15 20 25

PUNTOS

X1 X2 Z

A0 37.5 11250

B3 35 12000

C 15 15 12000

D 20 0 10000

Solución factible

X1= 15

X 2= 15

Método algebraico

Procedimiento

1. Determinar la educación de maximización Z

12
 2. Especificar sus restricciones
3. Agregar las variables de holgura S1, S2, S3…
4. Realizar suposiciones para cada variable
5. Despejar cada suposición
6. Sustituir en la ecuación para obtener los valores de las incógnitas

Ejemplo

Max Z= X1+ 1.5X2

2X1 + 2X2 < 160 2X1 + 2X2 + S1 = 160

X1 + 2X2 < 120 X1 + 2X2 + S2 = 120

4X1 + 2X2 < 280 4X1 + 2X2 + S3 = 280

S1 X1 , X2 =0 S1 =160 S2 =120 S3 =280

S2 X1 , S1 =0 2X2 =160 2X2 + S2 =120 2X2 + S3=280

S3 X1 , S2 =0 3X3 + S1=160 2X2=120 2X2 + S3=280

S4 X1 , S3 =0 2X2 + S1=160 2X2 + S2=120 2X2 =280

S5 X2 , S1 =0 2X1=160 X1 + S2=120 4X1 + S3=280

S6 X2 , S2 =0 2X1 + S1=160 X1=120 4X1 + S3=280

S7 X2 , S3 =0 2X1 + S1=160 X1 + S2=120 4S1=280

S8 S1 , S2 =0 2X1 + 2X2=160 X1 + X2=120 4X1+2X2+S3=280

S9 S1 , S3=0 2X1 + 2X2=160 X1+2X2+ S2=120 4X1 + 2X2=280

S10 S2 , S3 =0 2X1+2X2+S1=160 X1 + 2X2=120 2X1 + 2X2=280

13
 S1 X1 , X2 =0 S1 =160 S2 =120 S3 =280

S2 X1 , S1 =0 X2 =80 S2 =-40 S3=120

S3 X1 , S2 =0 S1=40 X2=60 S3=160

S4 X1 , S3 =0 S1=-120 S2=-160 X2=140

S5 X2 , S1 =0 X1=-80 S2=40 S3=-40

S6 X2 , S2 =0 S1=80 X1=120 S3=-200

S7 X2 , S3 =0 S1=20 S2=50 X1=70

S8 S1 , S2 =0 X1 =40 X2=40 S3=40

S9 S1 , S3=0 X2=20 S2=20 X1=60

S10 S2 , S3 =0 S1=-13.8 X2=33.6 X1 =53.3

Sustituir en la ecuación principal los valores de la tabla anterior

S1 Z= X1+ 1.5X2 Z= 0 0

S2 Z= X1+ 1.5X2 Z= 1.5(80) 120

S3 Z= X1+ 1.5X2 Z= 1.5(60) 90

S4 Z= X1+ 1.5X2 Z= 1.5(140) 210

S5 Z= X1+ 1.5X2 Z= 80 80

S6 Z= X1+ 1.5X2 Z= 120 120

S7 Z= X1+ 1.5X2 Z= 70 70

S8 Z= X1+ 1.5X2 Z= 40+ 1.5(40) 100

S9 Z= X1+ 1.5X2 Z= 60+ 1.5(20) 90

S10 Z= X1+ 1.5X2 Z= 53.3+ 1.5(33.6) 103.7

Respuesta

Observando la tabla nos damos cuenta que la ecuación maximizada es la

suposición 4, por lo tanto la respuesta es S4= 210

14
Método Matricial
Procedimiento

1. Determinar la educación de maximización Z

2. Especificar sus restricciones
3. Agregar las variables de holgura S1, S2, S3…
4. Realizar la matriz
5. Resolver la matriz inversa
6. Multiplicar por las variables independientes

Ejemplo

Max Z= X1+ 1.5X2

2X1 + 2X2 < 160 2X1 + 2X2 + S1 = 160

X1 + 2X2 < 120 X1 + 2X2 + S2 = 120
4X1 + 2X2 < 280 4X1 + 2X2 + S3 = 280

S1 X1 , X2 =0 S1 =160 S2 =120 S3 =280

S2 X1 , S1 =0 2X2 =160 2X2 + S2 =120 2X2 + S3=280

S3 X1 , S2 =0 3X3 + S1=160 2X2=120 2X2 + S3=280

S4 X1 , S3 =0 2X2 + S1=160 2X2 + S2=120 2X2 =280
S5 X2 , S1 =0 2X1=160 X1 + S2=120 4X1 + S3=280
S6 X2 , S2 =0 2X1 + S1=160 X1=120 4X1 + S3=280

S7 X2 , S3 =0 2X1 + S1=160 X1 + S2=120 4S1=280

S8 S1 , S2 =0 2X1 + 2X2=160 X1 + X2=120 4X1+2X2+S3=280
S9 S1 , S3=0 2X1 + 2X2=160 X1+2X2+ S2=120 4X1 + 2X2=280

S10 S2 , S3 =0 2X1+2X2+S1=160 X1 + 2X2=120 2X1 + 2X2=280

S1

1 0 0 X2 160 X2 = 160
0 1 0 = S1 = 120 = S1 = 120
0 0 1 S2 280 S2 = 280

S2

2 0 0 X2 160 .5 0 0 X2 = 80
2 1 0 = S1 = 120 = -1 1 0 = S2 = -40
2 0 1 S3 280 -1 0 1 S3 = 120

15
S3

2 1 0 X2 160 0 .5 0 X2 = 60
2 0 0 = S1 = 120 = 1 -1 0 = S1 = 40
2 0 1 S3 280 0 -1 1 S3 = 160

S4

2 1 0 X2 160 0 0 .5 X2 = 140
2 0 1 = S1 = 120 = 1 0 -1 = S1 = -120
2 0 0 S2 280 0 1 -1 S2 = -160

S5

2 0 0 X1 160 .5 0 0 X1 = 80
1 1 0’ = S2 = 120 = -.5 1 0 = S2 = 40
4 0 1 S3 280 -2 0 1 S3 = -40

S6

2 1 0 X2 160 0 1 0 X2 = 120
1 0 1 = S1 = 120 = 1 -2 0 = S2 = -80
4 0 0 S3 280 0 -4 1 S3 = -200

S7

2 1 0 X1 160 0 0 0.25 X1= 70

1 0 1 = S1 = 120 = 1 0 -0.5 = S1= 20
4 0 0 S2 280 0 1 -0.25 S2= 50

S8

2 2 0 X1 160 1 -1 0 X1 = 40
1 2 0 = X2 = 120 = -.5 1 0 = X2 = 40
4 2 1 S3 280 -3 2 1 S3 = 40

16
S9

2 2 0 X1 160 -.5 0 .5 X1 = 60
1 2 0 = X2 = 120 = 1 0 -.5 = X2 = 20
4 2 1 S2 280 -1.5 .5 S2 = 20

S10

2 2 1 X1 160 0 -.33 .33 X1 = 53.3

1 2 0 = X2 = 120 = 0 .66 -.16 = X2 = 33.6
4 2 0 S1 280 1 -.66 -.33 S1 = -13.3

S1 Z= X1+ 1.5X2 Z= 0 0

S2 Z= X1+ 1.5X2 Z= 1.5(80) 120

S3 Z= X1+ 1.5X2 Z= 1.5(60) 90

S4 Z= X1+ 1.5X2 Z= 1.5(140) 210

S5 Z= X1+ 1.5X2 Z= 80 80

S6 Z= X1+ 1.5X2 Z= 120 120

S7 Z= X1+ 1.5X2 Z= 70 70

S8 Z= X1+ 1.5X2 Z= 40+ 1.5(40) 100

S9 Z= X1+ 1.5X2 Z= 60+ 1.5(20) 90

S10 Z= X1+ 1.5X2 Z= 53.3+ 1.5(33.6) 103.7

Respuesta

Observando la tabla nos damos cuenta que la educación maximizada es la

suposición 4, por lo tanto la respuesta es S4= 210

Método simplex

17
El Método Simplex publicado por George Dantzig en 1947 consiste en un
algoritmo iterativo que secuencialmente a través de iteraciones se va
aproximando al óptimo del problema de Programación Lineal en caso de existir
esta última.

Este método hace uso de la propiedad de que la solución óptima de un problema

de Programación Lineal se encuentra en un vértice o frontera del dominio de
puntos factibles, por lo cual, la búsqueda secuencial del algoritmo se basa en la
evaluación progresiva de estos vértices hasta encontrar el óptimo.

Procedimiento:

1. Convertir las ecuaciones a una forma matricial

2. Elegir el elemento pivote, es la intersección entre la columna y la fila
3. Se convierte a 0 toda la columna pivote
4. Terminar de maximizar o minimizar hasta que los valores sean 0.

Problemas de transporte

El problema del transporte es un planteamiento clásico de las técnicas de

programación lineal. En este problema se pretende elegir el camino óptimo de
envío de una mercancía desde varios orígenes (por ejemplo, plantas de
producción) a diferentes destinos (centros de almacenamiento o consumo), de
forma que el coste sea mínimo.

Los datos del modelo son:

1. Nivel de oferta en cada fuente y la cantidad de demanda en cada destino.

2. El costo de transporte unitario de la mercancía en cada destino.

Como solo hay una mercancía un destino puede recibir su demanda de una o
más fuentes. El objetivo del modelo es el de determinar la cantidad que se
enviara de cada fuente a cada destino, tal que se minimice el costo del
transporte.

a1 1 b1

Unidades Unidades de
de oferta a2
2 2 b2 demanda

amm m1 n bm

18
Método de la esquina noroeste

Procedimiento

1. Se expresar en forma de una matriz de transporte, si es necesario agregar

una columna ficticia.
2. La asignación inicial se efectúa por el método de la esq1uina noroeste, este
método requiere comenzar en la esquina noroeste y hacer una asignación
suficientemente grande para agotar la capacidad de origen de la primera fila
o satisfacer el requerimiento del destino de la primera columna o ambos.
3. Determinar el costo total de la asignación
4. Prueba de degeneración
5. Prueba de optimalidad

Método de Vogel

Este método es heurístico y suele producir una mejor solución inicial que los
métodos anteriores. De hecho, suele producir una solución inicial óptima, o
próxima al nivel óptimo.

Este método basa su asignación inicial en la separación de los coeficientes de

costos.

1. Formar la matriz inicial.

2. Determinar la diferencia entre los 2 coeficientes de costos mas pequeños

para cada fila y cada columna.

3. Hallar la fila o columna con el valor más grande encontrado. A la casilla

que tiene el menor coeficiente de costo en esta fila o columna, se le
asigna la máxima cantidad requerida por los requerimientos de contorno.

4. Asignar cero, a las casillas restantes de las filas o columnas donde la

demanda o el suministro se haya agotado.

5. Repetir los pasos del 2 al 4 hasta obtener una solución completa cuando
solo quede una casilla en una fila o columna se asigna a esa casilla una
cantidad que no viole los requerimientos de contorno.

19
 6. Verificar la optimalidad de la solución empleando la prueba descrita en la
discusión de la regla noroeste. Si la solución no es optima trazando una
trayectoria +, -.

7. Repetir el procedimiento hasta obtener la prueba de optimalidad positiva.

Ruta critica

En administración y gestión de proyectos, una ruta crítica es la secuencia de los

elementos terminales de la red de proyectos con la mayor duración entre ellos,
determinando el tiempo más corto en el que es posible completar el proyecto. La
duración de la ruta crítica determina la duración del proyecto entero. Cualquier
retraso en un elemento de la ruta crítica afecta a la fecha de término planeada
del proyecto, y se dice que no hay holgura en la ruta crítica.

Flecha: Representa una actividad y la punta indica el sentido de avance del

proyecto.

Evento: Representa un punto en el tiempo que significa la terminación de

algunas actividades y el comienzo de nuevas.

Reglas para construir el diagrama de flechas:

A. Cada actividad esta representada por una flecha en la red

20
B. 2 actividades diferentes no pueden identificarse por los mismos eventos
terminal y de inicio por lo tanto cuando dos o mas actividades se llevan acabo al
mismo tiempo se incluyen actividades ficticias las cuales se presentan con líneas
punteadas y no consumen tiempo o recurso.

C. A fin de asegurar la relación de procedencia en el diagrama de flechas las

siguientes preguntas deben responderse cuando se agrega otra actividad a la
red.
¿Qué actividades deben terminarse inmediatamente antes de que esta actividad
pueda comenzar?
¿Qué actividades deben efectuarse simultáneamente con esta red?

Problema
Construye el diagrama de flechas que contenga las actividades A, B, C, D, E, F,
G, H, I, J, K, L que satisfaga las siguientes relaciones:

A, B Y C son actividades iniciales del proyecto que comienzan simultáneamente.

A, B preceden a D
B precede a E, F, H
F, C preceden a G
E, H precede a I, J
C, D, F, J preceden a k
K precede a L
I, G, L son las actividades finales del proyecto

ACITIVDADES DURACION

A 2
B 3
C 1
D 3
E 4
F 2
G 1
H 3
I 2
J 2
K 2
L 1

21

TIPo= 0 - Siempre para el inicio
TIPj= max (TIPi+Dij)
TIP1= max (0+3) =3
TIP2= max (0+2) =2
TIP3= max (3+2) =5
TTTi= min I TTTj-Dij I
Dij
TTT8= min I 12I
i j
TTT7= min I 12-1I = 11
TTT6= min I 11-2I = 9
TTT5= min I 9-2I = 7
TTT4= min I 7-0I = 7
TTT3= min I 9-0I = 9
TTT2= min I 9-3I = 6
TTT1= min I 7-4 I = 3
22
TTT0= min I 3-3I = 0
TIP4= max (3+3) =6

TIP5= max (3+4) =7

TIP6= max (7+2) =9

TIP7= max (9+2) =11

TIP8= max (11+1) =12

Solución hacia delante Solución hacia atrás

23