Investigación de operaciones

El termino de IO se inició en Inglaterra en la segunda mitad de la II Guerra Mundial,

cuando un científico en equipo británico a base de principios científicos optimiza el
uso de recursos bélicos en lugar de corazonadas o cálculos empíricos, al término
de la guerra, las ideas formuladas en operaciones militares, se adaptaron para
mejorar en el sector civil.
Las fases principales son las siguientes:
1. Definición del problema
2. Construcción del modelo
3. Solución del modelo
4. Validación del modelo
5. Implementación de la solución
Y se define como sigue
1.-Definiciòn del problema: Tal vez es la parte más difícil de las fases, implica
definir el alcance del problema que se investiga: el objetivo consiste en identificar 3
elementos principales del problema:
I. Descripción de las alternativas de decisión.
II. Determinación del objetivo de estudio.
III. Especificación de las limitaciones con las cuales funciona.
2.-Construcciòn del modelo: Es la traducción de la versión vernácula a la
expresión matemática, es decir, de una idea concreta debe de abstraerse en
términos matemáticos, si el modelo resultante se ajusta a unos de los modelos
matemáticos estándar como al de programación lineal, se suele obtener una
solución utilizando algoritmos disponibles.
De manera alternativa si las relaciones matemáticas son muy complejas como para
determinar una solución analítica, se puede utilizar el método heurístico “ensayo y
error” o bien consideren la solución.
3.-Solucion del modelo: Para resolver el modelo, en cada balance, debemos tener
ecuaciones en forma diferencial. De esa manera podemos integrar, por supuesto,
conociendo las condiciones iniciales. También es necesario incluir restricciones
apropiadas, de manera que se pueden resultados lógicos
4.-Validaciòn del modelo: Si al resolver el modelo matemático, la solución no se
acerca a la realidad o si se encuentra en una ecuación que no tenga solución, es
posible que las ecuaciones estén mal planteadas. En este caso se deben verificar
los antecedentes del modelo.
5.-Implementacion de la solución: En caso de estar en lo correcto se aplica dicha
solución en nuestro modelo.
Ejemplo: Una fábrica de fertilizantes produce dos tipos de abono, A y B, a partir de
dos materias primas M1 y M2. Para fabricar una tonelada de A hacen falta 500kg
de M1 y 750kg de M2, mientras que las cantidades de M1 y M2 utilizadas para
fabricar una tonelada de B son 800kg y 400kg, respectivamente. La empresa tiene
contratado un suministro máximo de 10t de cada materia prima y vende a $1000 y
$1500 cada t de abono A y B, respectivamente. ¿Cuántas toneladas de cada abono
debe fabricar para maximizar los ingresos y cuáles son estos?

METODO GRAFICO
Máx.Z= 1000x󠆟1+1500x2
S.A
.5x1+.8x2 ≤ 10 X2 Punto Òptimo
30
.75x1+.4x2 ≤ 10
X1,X2 ≥ 0 25

.5x1+.8x2 = 10 20

.5(0)+.8x2 = 10 X1=10
15
X2=10/.8= 12.5
X2=6.25
10

.5X1+8(0) = 10
5
X1=10/.5= 20

0 X1
0 5 10 15 20 25
.75x1+.4x2 ≤ 10
.75(0)+.4x2=10
X2= 10/.4= 25

.75X1+.4(0)=10
X1=10/7.5=13.33
Método simplex
La mayoría de los problemas de P.L. en la vida real tiene más de 2 variables, por lo
que resulta complejo sino es que imposible una resolución grafica para hallar la
solución óptica de estos problemas, podemos utilizar el método simplex, este
método es un algoritmo, es un conjunto, de instrucciones para llegar a un
determinado fin, en este caso la solución óptima.
El método analiza los vértices de una forma metódica hasta alcanzar la mejor
solución, es decir, el mejor beneficio o el mínimo costo. Se inicia el método con el
modelo matemático resultante del problema, es decir:
1. Una función objetiva, refleja la particularidad que se persigue, maximizar
utilidades o minimizar costos.
2. Restricciones, esta parte del modelo, nos muestra inecuaciones
(desigualdades), las cuales, a través de procesos matemáticos, deberá
convertirse en ecuaciones.
3. Todas las variables han de ser semi definidas positivas, esto es, que solo
pueden adoptar valores mayores o iguales a cero, entonces, el primer paso
del método simplex, es convertir las desigualdades en igualdades. Una
restricción de tipo (≤) puede convertirse en una ecuación, añadiéndole una
variable de holgura, que representara el balance para lograr la igualdad.

FORMA CANONICA FORMA ESTANDAR

Máx.Z= 10x󠆟1+30x2 Máx.Z= x󠆟1+x2 +0H1+0H2
S.A S.A
x1+5x2 ≤15 x1+5x2 +H1 =15
5x1+ x2 ≤15 5x1+ x2 +H2 =15

X1,X2 ≥ 0

Nota: Cuando se tiene la expresión “Mayor que” (≥) se le tiene que agregar lo
siguiente como se muestra en el ejemplo.
Ejemplo
Forma Canónica Forma Estándar
2X1+X2≥100 2X1+X2-F1=100
Construcción del primer tablón simplex:
El tablón simplex es una matriz que contiene toda la información del modelo matemático
y se compone de 5 renglones, que son conforman de la siguiente manera:
 En el primer renglón insertamos las variables que están en el formato estándar
 En el segundo renglón los coeficientes de las variables.
 En el tercer renglón que proporcionalmente es más ancho que los otros cuatro
renglones, en ese renglón se anotara los coeficientes del lado izquierdo de las
restricciones. De ese tercer renglón en la primera columna se anotarán los
coeficientes de las variables que estén en base (variables que estas procesando en
ese momento). En la última columna del mismo, se anotan los valores de lado
derecho de nuestras restricciones.
 En este renglón se relaciona la función “zj” que se calcula de la siguiente manera:
Zj=
5- ((1) (.2)) =4.8
1- ((1) (1)) =0
0- ((1) (.2)) =-.2
1- ((1) (0)) =1
15- ((1) (3)) =12

 En el último renglón se puede aplicar la función (cj-zj) ò (zj-cj) de acuerdo a lo que

se proponga el problema.


x1 x2 H1 H2

Cj Base 10 30 0 0 L.D

0 H1 1 5 1 0 15

0 H2 5 1 0 1 15

Zj 0 0 0 0 0

Cj-Zj 10 30 0 0
Procedimiento:

Una vez que se ha concluido la tabla inicial, se procede a través de estos

pasos para calcular los valores necesarios en las siguientes tablas, los cálculos
no son difíciles, pero sí complejos. Cualquier pequeño error aritmético, se
produce una muy mala decisión, los pasos del algoritmo son:
1. Determine usted la variable que entrará en la base e identificar la que sale
de allí, primero cj-7j, seleccionará el mayor de los positivos.

2. Determine la variable que va a hacer reemplazada, ya que se ha decidido

que una variable pase a formar parte de la base. Se debe decidir cuál de
las existentes sale a dejar espacio, por lo que de la columna donde está la
variable que entra el lado derecho, se divide entre el valor de ese renglón.
Ejemplo: (100/2=5 y 240/4=60), el cociente más pequeño, es la variable que
sale. Cabe mencionar que la columna señalada por la variable que entra se
le denomina columna pivote, y el renglón de la variable que sale, se le
denomina renglón pivote: a tal cruce de ella se le denomina pivote.

3. Calcular los nuevos valores de la fila pivote, para encontrarlos simplemente

se divide cada componente entre el pivote.

4. Calcule los nuevos valores para cada una de las filas restantes, en este
caso, solamente existen dos filas, pero en problemas más grandes puede
haber mucho más. Es decir, existirán tantas filas como restricciones haya,
los cálculos se efectúan de la siguiente manera:

𝑁𝑢𝑚𝑒𝑟𝑜 𝑒𝑛 𝑙𝑎
𝑉𝑎𝑙𝑜𝑟 𝑒𝑛 𝑉𝑎𝑙𝑜𝑟 𝑉𝑎𝑙𝑜𝑟 𝑒𝑛 𝑙𝑎 𝑛𝑢𝑒𝑣𝑎 𝑓𝑖𝑙𝑎 𝑑𝑒𝑙
𝑓𝑖𝑙𝑎 𝑎𝑛𝑡𝑖𝑔𝑢𝑎
[𝑙𝑎 𝑛𝑢𝑒𝑣𝑎 ]=[𝑒𝑛 𝑙𝑎 𝑓𝑖𝑙𝑎 ]-[ ] * [𝑝𝑖𝑣𝑜𝑡𝑒(𝑝𝑎𝑠𝑜 3)𝑒𝑛 𝑙𝑎 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 ]
𝑒𝑛 𝑙𝑎 𝑐𝑜𝑙𝑢𝑚𝑛𝑎
𝑓𝑖𝑙𝑎 𝑎𝑛𝑡𝑖𝑔𝑢𝑎 𝑑𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑞𝑢𝑒 𝑠𝑒 𝑐𝑎𝑙𝑐𝑢𝑙𝑎
𝑝𝑖𝑣𝑜𝑡𝑒.
FORMA CANONICA FORMA ESTANDAR COMPROBACIÓN
Máx.Z= 25x󠆟1+15x2 Máx.Z= 25x󠆟1+15x2 +0H1+0H2 Máx.Z= 25(40) +15(60) =1900
S.A
S.A S.A 3(40) +2(60) ≤ 240
3x1+2x2 ≤ 240 3x1+2x2 +H1 =240 2(40) + (60) ≤ 140
2x1+ x2 ≤ 140 2x1+ x2 +H2 = 140 x1=40
x2=60

X1,X2 ≥ 0

x1 x2 H1 H2

Cj Base 25 15 0 0 L.D

0 H1 3 2 1 0 240 80

0 H2 2 1 0 1 140 70

Zj 0 0 0 0 0

Cj-Zj 25 15 0 0
 x1 x2 H1 H2
3 - ((3) (1)) =0
Cj Base 25 15 0 0 L.D 2 - ((3) (.5)) =.5
2 - ((3) (0)) =1
0 H1 0 0.5 1 -1.5 30 60 0 - ((3) (.5)) =-1.5
240- ((3) (70)) =30
25 X1 1 0.5 0 0.5 70 140

Zj 25 12.5 0 12.5 1750

Cj-Zj 0 2.5 0 -12.5

x1 x2 H1 H2
Cj Base 25 15 0 0 L.D
1- ((.5) (0)) =1
15 X2 0 1 2 -3 60 .5- ((.5) (1)) =0
0- ((.5) (2)) =-1
25 X1 1 0 -1 2 40 .5- ((.5) (-3)) =2
70- ((.5) (60)) =40
Zj 25 15 5 5 1900

Cj-Zj 0 0 -5 -5
Dualidad

El método de presentación dual se da de la siguiente manera, en el cual se

muestra que el comportamiento de las funciones principales y las restricciones
cambian por completo. A continuación, un ejemplo:

“Primal”
Max Z= 8x1+4x2+10x3
S.A
3x1+7x2+5x3≤86
2x1+3x2+8x3≤74
5x1+9x2+3x3≤90

“Dual”
Max Z= 86x1+74x2+90x3
S.A
3x1+2x2+5x3≥8
7x1+3x2+9x3≥4
5x1+8x2+3x3≥10
X1, X2, X3≥0
Está presente en la naturaleza, es un parámetro que nos permite evaluar lo
existente; por ejemplo, decimos que lo contrario de día es noche y distinguimos
esta afirmación por que el día es iluminado por el sol y lo mismo sucede con
fenómenos como frio y caliente, positivo y negativo, hombre y mujer, etc.
El aspecto matemático no escapa de la dualidad, ejemplos: Suma-resta,
multiplicación- división y exponente-raíz.
Y en programación lineal también tenemos el aspecto de dualidad y opera así:
1. Se tiene un modelo primal, del cual se parte y es “primal” por qué es el
primero que se conoce y de este se genera el “dual” de la función objetivo,
los coeficientes pasan a ser los recursos tecnológicos del modelo “dual”.

2. Los recursos tecnológicos del modelo “primal” pasan a ser coeficientes de

la función objetiva del modelo “dual”, es importante señalar que si el primal
maximiza el dual minimiza y viceversa.

3. Las columnas que se conforman la matriz de restricciones y la columna X1

se convierte en el renglón y así sucesivamente hasta Xn.

4. Los signos de desigualdades que proporciona la restricción tienden al

siguiente tratamiento.

Primal Dual
≤ ≥
≥ ≤
= =

¿Para qué sirve la dualidad?

La dualidad en algunos casos es conveniente ya que suele operar con facilidad.
Sensibilidad
El análisis de sensibilidad
Las posibilidades de cambiar en los parámetros del modelo matemático para lo
rural, en su caso se tendría que elaborar nuevamente la solución con los cambios
propuestos de ese modelo matemático, sin embargo, existe una manera para no
repetir el algoritmo simplex, como sigue:
Sea:
Max Z= 8x1+4x2
S.A
4x1+2x2≤60
2x1+4x2≤48
x1, x2 ≥ 0
La solución (ultimo tablón del algoritmo simplex) es el siguiente:

x1 x2 H1 H2

Cj Base 8 6 0 0 L.D

8 H1 1 0 1/3 -1/6 12

6 H2 0 1 -1/6 1/3 16

Zj 8 6 -1/6 1/3 132

Cj-Zj 0 30 -1/6 -1/3

La propuesta de cambio es la siguiente:
Max Z= 8x1+4x2
S.A
4x1+2x2≤71
2x1+4x2≤59
x1, x2 ≥ 0
Llegando al punto de lo que es necesario cambiar se considera la matriz de las “H”
𝑋1 1/3 −1/6 71 13 5/6 13.84
[ ]| |= =
𝑋2 −1/6 1/3 59 7 5/6 7.84
4(13.84) + 2(7.84) = 71
2(13.84) + 4(7.84) = 59
Max Z= 8(13.84) + 6(7.84) = 157

Otro ejemplo:
Max Z= 8x1+4x2
S.A
4x1+2x2≤56
2x1+4x2≤25
𝑋1 1/3 −1/6 56 14.5
[ ]| |=
𝑋2 −1/6 1/3 25 −1

Algo muy importante que considerar es a la hora de obtener nuestros resultados

finales aplicando los cambios y esta consideraron está sujeta a los siguiente:

X≥0 Se acepta el cambio

X≤0 No se acepta el cambio
Método de “La gran M”
Para iniciar el algoritmo simplex en la inecuación si es menor o igual (≤) se agrega
una “H” de holgura, pero si tiene el signo Mayor o igual (≥) se le agrega una “-F”.
En el caso de la gran M se trabaja con el signo Mayor o igual (≥) es decir, se quita
una F (-F).
Simplemente se agrega una “R” para formar una solución inicial, parecida a la
operación básica de la holgura total; es decir, desaparecen completamente las “F”,
sin embargo como esas “R” son variables artificiales sus coeficientes serán M, que
denominaremos la gran M.
Se entiende que las variables artificiales no forman parte del problema original, se
requiere de un artificio matemático para igualarlo a 0, en tanto se logra una
penalización (M), que se define como:
El coeficiente, en la función de objetivo de esas variables artificiales que será
menos M (-M) si el problema es de maximización y será (M) si el problema es de
minimización, se entiende que M es un valor bastante grande que
matemáticamente se expresa: M → ∞

Ejemplo:
Min W= 4x1+x2
S.A
3x1+x2=3
4x1+3x2≥6
x1+2x2≤4
x1, x2 ≥ 0

Min W= 4x1+x2+MR1+MR2+0H1
S.A
3x1+x2+MR1 =3
4x1+3x2 +MR2 ≥6
x1+2x2 +0H1≤4
 x1 x2 R1 R2 H1

Cj Base 4 1 M M 0 L.D

R1 3 1 1 0 0 3

R2 4 3 0 1 0 6

H 1 2 0 0 1 4

Zj

Zj-Cj

Aplicando el método de “La gran M”

x1 x2 R1 R2 H1

Cj Base 696 399 0 0 0 L.D

0 R1 3 1 1 0 0 3

0 R2 4 3 0 1 0 6

0 H 1 2 0 0 1 4

Zj 0 0 0 0 0 0

Zj-Cj -696 -399 0 0 0

Se le asignó un valor M que es este caso fue:

M=100

Nota: El método solo aplica con las “R”; con las “H” no son consideradas.
Problema de Transporte
Los problemas de transporte o asignación, corresponde a una clase especial de
problemas de P.L. A estos problemas se les ha asignado en un capitulo por
separado por dos razones:
1. Porque la amplitud de aplicaciones de la que es objeto, aunque se
denomina de problema de transporte, su aplicación es en la asignación de
recursos
2. Obedece a su estructura matemática, que ha permitido un impresionante
desarrollo en la administración, brindando soluciones
Como Ejemplo: Al problema de transporte, lo planteamos de la siguiente manera:
Productos Sanitarios Heber fabrica muebles para baño, cuenta con 3 plantas de
fabricación y 4 centros de distribución, las plantas están en: Sonora, Guadalajara y
Querétaro. Sus centros de distribución están en: Baja California, Tamaulipas,
Toluca y Oaxaca.
Las plantas producen 5000usd, 6000usd y 2500usd.
Min W= 3x11+2X12+7X13+6X14+7X21+5X22+2X23+3X24+2X31+5X32+4X33+5X34
S.A
3x11+2X12+7X13+6X14≤ 5000
7X21+5X22+2X23+3X24≤6000
2X31+5X32+4X33+5X34≤2500

3x11+7X21+2X31≥6000
2X12+5X22+5X32≥4000
7X13+2X23+4X33≥2000
6X14+3X24+5X34≥1500
Xnm≥0

Destino Origen Sonora Guadalajara Querétaro Demanda

B.California 3 7 2 6000

Tamaulipas 2 5 5 4000

Toluca 7 2 4 2000

Oaxaca 6 3 5 1500

Oferta 5000 6000 25000 13,500

Como se ha podido observar, el problema de transporte cuenta con orígenes y
destinos, marcando claramente una ruta por cada destino; a esa ruta se encuentra
asociado un costo, ese costo es la cantidad monetaria necesaria para transportar
una unidad del origen al destino, en su conjunto esos costos asociados
constituyen un costo total, que es el que nos interesa minimizar, por lo tanto, el
problema de transporte consiste en minimizar y encontrar el óptimo mínimo.
Que nos indica si estamos ciertamente en el costo mínimo para lo cual tenemos el
procedimiento “Steeping Stone”. El cual nos indica, si estamos en el mínimo de los
mínimos.
Otra situación del problema de transporte es que la sumatoria de los orígenes
debe de ser igual a la sumatoria de los destinos, en caso contrario, es decir,
cuando exista discrepancia entre estas sumatorias, habrá que agregar una
columna o renglón ficticio, según sea el caso.
Ejemplo
Destino Origen Sonora Guadalajara Querétaro Demanda

B.California 3 7 2 6000

Tamaulipas 2 5 5 4000

Toluca 7 2 4 2000

Oaxaca 6 3 5 1500

Oferta 5000 6000 1500

Agregando el renglón ficticio:

Destino Origen Sonora Guadalajara Querétaro (F) Demanda

B.California 3 7 2 0 6000

Tamaulipas 2 5 5 0 4000

Toluca 7 2 4 0 2000

Oaxaca 6 3 5 0 1500

Oferta 5000 6000 1500 1000 13,500

Método de “Esquina Noroeste”

Este método tiene como ventaja frente a sus similares, la rapidez de su ejecución,
y es utilizado con mayor frecuencia en ejercicios donde el número de fuentes y
destinos sea muy elevado.
Se parte por esbozar en forma matricial el problema, es decir, filas que
representen fuentes y columnas que representen destinos, luego el algoritmo debe
de iniciar en la celda, ruta o esquina Noroeste de la tabla (esquina superior
izquierda).

El proceso de resolución es el siguiente:

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

2. En este paso se procede a eliminar la fila o destino cuya oferta o demanda

sea 0 después del "Paso 1", si dado el caso ambas son cero
arbitrariamente se elige cual eliminar y la restante se deja con demanda u
oferta cero (0) según sea el caso.

3. Una vez en este paso existen dos posibilidades, la primera que quede un
solo renglón o columna, si este es el caso se ha llegado al final el método,
"detenerse”. La segunda es que quede más de un renglón o columna, si
este es el caso iniciar nuevamente el "Paso 1".
La solución quedaría de la siguiente manera:

Destino Origen Sonora Guadalajara Querétaro Demanda

B.California 3 7 2 6000
5000 1000

Tamaulipas 2 5 5 4000
4000

Toluca 7 2 4 2000
1000 1000

Oaxaca 6 3 5 1500
1500

Oferta 5000 6000 25000 13,500

Min W= 5000(3) + 1000(7) + 4000(5) + 1000(2) +1000(4) +1500(5)

Min W= 55,500
Método de “Vogel”
El método consiste en la realización de un algoritmo que consta de 3 pasos
fundamentales y 1 más que asegura el ciclo hasta la culminación del método.
1. Determinar para cada fila y columna una medida de penalización restando
los dos costos menores en filas y columnas.

2. Escoger la fila o columna con la mayor penalización, es decir que de la

resta realizada en el "Paso 1" se debe escoger el número mayor. En caso
de haber empate, se debe escoger arbitrariamente (a juicio personal).

3. De la fila o columna de mayor penalización determinada en el paso anterior

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

4. Ciclo y Excepciones:
- Si queda sin tachar exactamente una fila o columna con cero ofertas o
demanda, detenerse.
- Si queda sin tachar una fila o columna con oferta o demanda positiva,
determine las variables básicas en la fila o columna con el método de
costos mínimos, detenerse.
- Si todas las filas y columnas que no se tacharon tienen cero oferta y
demanda, determine las variables básicas cero por el método del costo
mínimo, detenerse.
- Si no se presenta ninguno de los casos anteriores vuelva al paso 1 hasta
que las ofertas y las demandas se hayan agotado.
Aquí un ejemplo, partiendo desde el cuadro inicial y mostrando como queda el
recuadro resuelto con las unidades a enviar para obtener la función mínima del
modelo:

Cuadro Inicial
Método de “Costo Mínimo”
Es uno de los 3 métodos que utilizan para resolver el problema; el primero fue
esquina noroeste, el segundo vogel y el método de costo mínimo en la mayoría de
los casos pareciera ser que es la mejor forma de resolver el problema de
transportes, pero no es así, habrá casos en que los ya mencionados pudieran ser
mejores alternativas de solución, el algoritmo de costo mínimo es muy simple
como sigue:
1. De toda la matriz se selecciona el menor costo asociado a cualquier ruta.

2. Sucesivamente se seleccionarán los costos asociados del menor al mayor,

saturando las casillas respectivas

3. Realizar el mismo procedimiento hasta haber utilizado todas las

posibilidades de oferta y demanda.

A continuación, un ejemplo:
Cuadro Inicial

Cuadro de Solución