Vous êtes sur la page 1sur 103

Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -1-

PUNTO
NRO TAREA S COMENTARIO
La asistencia se firma en
1 Asistencia 5 cuaderno
2 Participaciones 5 resolución de problemas
Aprender y resolver problemas con
3 Solver de Excel 1 Demostrar
Aprender y resolver problemas con
4 WINQSB 1
Aprender y resolver problemas con
5 Tora 1
Aprender y manejar Excel para resolver
6 problemas 1
Aprender y resolver problemas con
7 POMS 1
Aprender y resolver problemas con
8 Lindo 1
9 Dominar otro software como lingo 1
Investigar en internet o el dv
dado temas o videos
10 Investigación 2 relacionados al curso
Aplicación del curso a casos
11 Trabajo final 4 prácticos
TOTAL 23

GUIA DE PRACTICAS DE INVESTIGACION DE OPERACIONES 1 2013

Se utilizará el siguiente software para realizar las prácticas de investigación de


operaciones 1
 EXCEL 2010 la herramienta solver
 WINQSB no funciona en Windows 7 64 bits ( usar máquina virtual)
 GLP para el método gráfico
 Lindo para programación lineal no es compatible con Windows 7 de 64 bits
 POMS

PRACTICA 1. MATRICES EN EXCEL

Matrices .Una matriz es cualquier arreglo rectangular de números


Nota La fórmula del ejemplo debe especificarse como fórmula de matriz. Después de
copiar el ejemplo en una hoja de cálculo en blanco, seleccione el rango A8:B9
comenzando por la celda de la fórmula. Presione F2 y, a continuación,
CTRL+MAYÚS+ENTRAR. Si la fórmula no se especifica como fórmula de matriz, el
resultado único es 6.
1. Operaciones con matrices suma
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -2-

Crear formula matricial a2:B3+ A5:B8 CTRL+MAYÚS+ENTRAR:

CREANDO INDICES =INDICE($B$3:$F$8,I3,I4)

Funciones de arreglos
SUMAR DOS MATRICES A+B =A1:B2+A5:B6
Restar dos matrices A-B =A1:B2-A4:B5
Multiplicar dos matrices =A1:B2*A4:B5
Dividir dos matrices =A1:B2/A4:B5

USE formulas administrador de nombres


Arreglo constante :arreglo solo en la memoria ={1;2}
Usar administrador de nombres para crear arreglos constantes
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -3-

Arreglo de constante de cadenas ={"a";"b"}

=INDICE(semana,2) = martes

Constante matricial de dos dimensiones ={1;2\3;4}

O podría ser

=INDICE(MATRIZ,1,2) =2
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -4-
Encontrar el minimo, máximo valor en un rango

Encontrar el menor y en que lugar se encuentra en cada fila y columna de una matriz

Usar la función =COINCIDIR(B7,B3:B6,0)

2. Funciones transponer =TRANSPONER(H4:H6)

3. En la siguiente matriz determine el numero de filas y columnas


10 40 80
20 50 90
30 60 10
11 12 13

Filas 4
COLUMN
AS 3
INDICE(3,
2) 60
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -5-

Determinante de una matriz =-2

Determinante de una matriz de 3 x 3


A continuación vamos a ver una de las formas de obtener el determinante (método
cofactores).
Algoritmo:

siendo n igual al número de columnas, y Aij es el resultado de eliminar la fila i y la columna


j de la matriz original.
Ejemplo de un determinante de segundo orden:

Operando el algoritmo anterior, y teniendo en cuenta que i es siempre 1, obtendremos :


paso 1: a11=1. al eliminar la fila 1 y columna 1 de la la matriz obtenemos |4|, mientras en
la suma i+j=2.
paso 2: a12=3 mientras la eliminación de la fila 1 y columna 2 da como resultado |6| y la
suma i+j=3.
es decir ...

Si la matriz fuese del tipo:


Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -6-

el determinante es de tercer orden, siendo desarrollo en un primer momento:

después de lo cual resolveríamos el siguiente nivel, resultando ...

y por tanto ... |A| = 1(5)-(-3)(-20)+(-2)(16) = -87


Cuando el determinante de una matriz resulta igual a 0 se dice que la matriz es no
singular.

Comprobando con Excel : =MDETERM(D5:F7) = -87

Inversa de una matriz


MINVERSA(matriz) =MINVERSA(A1:B2)

MULTIPLICACION DE MATRICES : MMULT(matriz1;matriz2)


 La matriz producto a de dos matrices b y c es:

donde i es el número de fila y j es el número de columna.


=MMULT(A4:C5,D1:E3)
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -7-

FUNCION SUMAPRODUCTO : Multiplica los componentes


correspondientes de las matrices suministradas y devuelve la
suma de esos productos
=SUMAPRODUCTO(A1:C3,A5:C7)
SOLUCION DE ECUACIONES CON EXCEL
Resolviendo ecuaciones simultaneas Use funciones MINVERSA
Y MMMULT

Celda A8: {=MINVERSA(A5:B6)}


Celda b11={ =MMULT(A8:B9,C5:C6)}
Ecuaciones simultaneas con 3 variables
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -8-

EJERCICIOS
1. Encontrar los tres primeros elementos de una lista cuales son y que lugar ocupan en
la lista

3. Aplicar una fórmula y explicar


4 Ejemplo de la función SI
5 Practique con otras funciones
Se tiene las siguientes matrices calcule
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -9-

2 Encuentre la transpuesta de A y demuestre (AT)T =A

3 Encuentre la matriz C= A*B

4. MUltiplicar matrices C=A*B


Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -10-

5 Multiplicar vector columna por

Entonces

6 Multiplicar vector renglon por vector columna


C=BA

8. resolver la siguiente ecuación por el método de Jordan Gauss y matriz inversa .


Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -11-

1 2 3 1 0 0 3
2 3 2 0 1 0 4
3 3 4 0 0 0 5
1 2 3 1 0 0 3
0 -1 -4 -2 1 0 -2
0 -3 -5 -3 0 0 -4
1 0 -5 -3 2 0 -1
0 1 4 2 -1 0 2
0 0 7 3 -3 0 2
1 0 0 - 6/7 - 1/7 0 3/7
0 1 0 2/7 5/7 0 6/7
0 0 1 3/7 - 3/7 0 2/7
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -12-

10 Resolver la ecuación anterior con Excel y luego con Tora

Instalar y activar Herramientas para análisis y Solver.


Haga clic en la pestaña Archivo.
Haga clic en Opciones y, a continuación, elija la categoría
Complementos.
Casi al final del cuadro de diálogo Opciones de Excel,
asegúrese de que la opción Complementos de Excel esté
seleccionada en el cuadro Administrar y luego haga clic en Ir.
En el cuadro de diálogo Complementos, active las
casillas de verificación Herramientas para análisis y Solver
Add-in. A continuación, haga clic en Aceptar.
Si Excel muestra un mensaje que indica que no puede
ejecutar este complemento y le pide que lo instale, haga clic en
Sí para instalar los complementos.
Nota En este caso, como está instalando dos
complementos, Excel le pide dos veces que instale un
complemento; una vez para Herramientas para análisis y
una vez para Solver.
Observe que se ha agregado un grupo Análisis en la pestaña
Datos. Este grupo contiene botones de comando para Análisis
de datos y para Solver.

Ya está listo para comenzar a usar estos complementos.

USO DE LA HERRAMIENTA ANALISIS DE DATOS


Análisis de datos

 Si no se muestra el cuadro de diálogo Análisis de datos, haga clic en la


herramienta que desee utilizar dentro de Herramientas de análisis y, a continuación,
haga clic en Aceptar. (en Excel 2007 en opciones de Excel , luego complementos,
luego herramientas de Análisis)
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -13-
 Escriba los datos apropiados y haga clic en las opciones del cuadro de diálogo
correspondiente a la herramienta elegida y, a continuación, haga clic en Aceptar.
Para obtener una descripción de cada herramienta e información sobre la forma de
usar el cuadro de diálogo correspondiente a cada una de ellas, haga clic en un
nombre de herramienta de la lista siguiente:
Varianza

Correlación
Covarianza
Estadística descriptiva
Suavización exponencial
Prueba t para varianzas de dos muestras
Análisis de Fourier

Histograma
Media móvil

Generación de números aleatorios


Jerarquía y percentil
Regresión
Muestreo
Prueba t
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -14-

Prueba z

En la pestaña datos
Abrir el Menú Herramientas/Análisis de datos /Regresión (si no lo tiene disponible use
Opciones de Excel \Complementos \Herramientas para el Análisis)

Se tiene la producción en miles de Unidades en los siguientes años

ESTADISTICA DESCRIPTIVA.- El MS-Excel , proporciona toda la estadística descriptiva


en un sola operación. La obtención de tales estadísticas , puede lograrse a través de
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -15-
funciones estadísticas, pero una forma más práctica y rápida de lograrlo es mediante el
uso de menús
Para efectuar el cálculo de la estadística descriptiva debe llamarse el menú
HERRAMIENTAS, dentro de la opción ANALISIS DE DATOS, Después de dar clic en la
opción ESTADISTICA DESCRIPTIVA Con la que se obtiene una caja de dialogo como la
siguiente

GENERACION DE NUMEROS ALEATORIOS

La herramienta de análisis Generación de números aleatorios rellena un rango con


números aleatorios independientes extraídos de una de varias distribuciones(existen 7
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -16-
tipos de distribución que son uniforme, Normal, Bernoulli, Binomial, Poisson, Frecuencia
relativa y discreta)
Problema1. Utilizando la distribución discreta generar 100 números aleatorio en
10columnas que representan los grupos de edades de persona de 0 a 120 años que
tiene la siguiente distribución
Perú: estructura de edades, 2000-2020
Tabla1. Población por grandes grupos de edad, 1993-2025
SGrupos de
1993 2000 2025
edad
0 - 14 37.0 33.4 23.6
15 - 64 58.4 61.8 67.8
65 y + 4.7 4.8 8.6

HISTOGRAMA ( elaborar el histograma de los números aleatorios generados en el


ejercicio anterior)
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -17-

Histograma
Frecuencia

Frecuencia
% acumulado

Clase

COEFECIENTE DE CORRELACION ( encuentre coefeciente de correlación entre las


variables x, y del ejercicio pagina 51)

PUEDE TRABAJAR CON VARIAS VARIABLES EJEMPLO


Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -18-

Encuentre la correlación entre las variables X,Y,Z,F,G,H)

 SUAVIZACION EXPONENCIAL
La herramienta de análisis Suavización exponencial predice un valor que está basado
en el pronóstico del período anterior, ajustado al error en ese pronóstico anterior. La
herramienta utiliza la constante de suavización a, cuya magnitud determina la
exactitud con la que los pronósticos responden a los errores en el pronóstico anterior.
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -19-


 MEDIA MOVIL
La herramienta de análisis Media móvil proyecta valores en el período de pronósticos,
basándose en el valor promedio de la variable calculada durante un número
específico de períodos anteriores. Una media móvil proporciona información de
tendencias que se vería enmascarada por una simple media de todos los datos
históricos. Utilice esta herramienta para pronosticar ventas, inventario u otras
tendencias. Todos los valores de pronóstico están basados en la siguiente fórmula:

donde:
 N es el número de períodos anteriores que se incluyen en la media móvil
 Aj es el valor real en la hora j
 Fj es el valor pronosticado en la hora j
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -20-

Media móvil
Valor

Pronóstico
Punto de datos

JERARQUIA Y PERCENTIL

REGRESION
La herramienta de análisis Regresión efectúa el análisis de regresión lineal utilizando
el método de "mínimos cuadrados" para ajustar una línea a un conjunto de
observaciones. Puede utilizar esta herramienta para analizar la forma en que los
valores de una o más variables independientes afectan a una variable dependiente.
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -21-

 MUESTREO
La herramienta de análisis Muestreo crea una muestra de población tratando el rango
de entrada como una población. Cuando la población sea demasiado grande para
procesarla o para presentarla gráficamente, puede utilizarse una muestra
representativa. Además, si cree que los datos de entrada son periódicos, puede crear
una muestra que contenga únicamente los valores de una parte determinada de un
ciclo. Por ejemplo, si el rango de entrada contiene cifras de ventas trimestrales, la
muestra realizada con una tasa periódica de cuatro permitirá colocar los valores del
mismo trimestre en el rango de salida.
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -22-

DETERMINACION DE LINEA DE LA ECUACION DE LA LINEA DE TENDENCIA


Para encontrar la ecuación de la recta de tendencia siga los siguientes pasos

1. Grafique los datos use grafica de dispersión

2. Modifique el grafico
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -23-

3. Agregue línea de tendencia

1. Aparecerá el siguiente cuadro

2. Escoja la opción lineal


Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -24-

3. Podría escoger también línea de tendencia polinómica de grado 4

f(x) = - 0.01x^6 + 0.12x^5 - 1.06x^4 + 4.4x^3 - 9.14x^2 + 10.57x


R² = 0.99
Y
Polynomial (Y)

Exponencial y media móvil

Y
f(x) = exp( 0.4 x )
R² = 0.88
Y
Moving average trend line with period = %PERIOD
Moving average (Y)
R² = NaN
Exponential (Y)

El má adecuado de esos métodos seria el de la polinómica de grado 6 con r=.91

2 RESOLUCION DE PROBLEMAS
3 Resolución De Problemas (Buscar Objetivo) ( vea en las copias de Excel)
TABLA DE DATOS ( de la ayuda de Microsoft excel 2007)
ADMINITRADOR DE ESCENARIOS usada para proyectos
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -25-
RESOLVER PROBLEMAS DE PROGRAMACION LINEAL EN FORMA GRAFICA Y
USANDO PAQUETES HERRAMIENTA SOLVER
1. Introducción
La opción Solver de EXCEL sirve para resolver problemas de optimización lineal y no
lineal; también se pueden indicar restricciones enteras sobre las variables de decisión.
Con Solver es posible resolver problemas que tengan hasta 200 variables de decisión,
100 restricciones explícitas y 400 simples (cotas superior e inferior o restricciones enteras
sobre las variables de decisión [1].
Solver se puede usar para los siguientes casos
a) Solución de ecuaciones lineales de primer grado de n variables
b) Obtención de raíces de ecuaciones n grados
c) Elaboración de pronósticos, como predecir la demanda para periodos futuros usando
los modelos de pronósticos como ajuste lineal , cuadrático, polinómico, exponencial ,
promedio móviles y modelos de pronóstico de series de tiempo, etc.
d) Análisis económico de la producción, determinando el punto de equilibrio o limite de
rentabilidad , y la capacidad de la planta
e) Planes de producción cuyo objetivo es reducir el costo de plan de producción
f) Obtener la mezcla optima de productos a fabricar ( programación lineal)
g) Localización de plantas industriales con 1 o mas plantas
h) Aplicaciones en redes como transporte, transbordo, encontrar la ruta mínima, el flujo
máximo, el flujo máximo con red capacitada, PERT-CPM , etc
i) En los modelos de inventario , como obtener el lote óptimo para minimización de
costos totales de inventario.

2. Explicación de Usos del Solver


2.1 Problema 1 Caso de Maximización ( mezcla óptima de productos a fabricar)
Usando Solver analice y resuelva el siguiente problema . Un sastre fabrica trajes y
vestidos, un traje usa 3 metros de tela de lana y 1 metros de tela de algodón y un vestido
dos metros de cada tipo de tela. Un traje lo vende a 200 soles y el vestido a 150 soles . En
el almacén tiene 500 metros de tela de lana y 400 de tela de algodón , cuantos trajes y
vestidos debe hacer para maximizar sus ganancias

Plan de Producción de Confecciones


Producto Traje Vestido
gananci
Cantidad a producir 10 10 a
Margen de Contribución 200 150 3500
Restricciones Total LI Disp Holgura
Lana 3 2 50 <= 500 450
Algodón 1 2 30 <= 400 370
Resumiendo función objetivo
Max(z) = 200 X1+ 150 X2
3X1+X2 <= 500
2X1 + 2X2 <= 400
X1>=0
X2>=0
Siendo X1 Cantidad de trajes a fabricar
X2 Cantidad de vestidos a fabricar
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -26-
Paso 1 preparar la hoja de calculo

Plan de Producción de Confecciones


X1 X2
Traj Vestid
Producto
e o
gananci
Cantidad a producir 10 10
a
Margen de
200 150 3500
Contribución
Restricciones Total LI Disp Holgura
<
Lana 3 2 50 500 450
=
<
Algodón 1 2 30 400 370
=

Viendo en forma de fórmulas en Auditoria de fórmulas \ mostrar fórmulas

Paso 2 solucionar con solver de excel


Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -27-
Si no esta instalado solver de excel siga los siguientes pasos
2.1Configure solver con opciones de excel\complementos\solver y luego aceptar

Paso 2 solucionar con solver de excel


Si no esta instalado solver de excel siga los siguientes pasos
2.1Configure solver con menu archivo \opciones \complementos\complementos de Excel
luego ir y escoja solver y luego aceptar

Si usted tiene excel 2007 siga los pasos


Si no esta instalado solver de excel siga los siguientes pasos
2.1Configure solver con opciones de excel\complementos\solver y luego aceptar

2.2 En complementos de Excel 2007 presionar en Ir marcar la herramienta deseada en


este caso solver y poner aceptar
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -28-

Aparecera el mensaje contestar con si

Ir a la pestaña datos y aparece solver

Presionar en el icono correspondiente y aparecera el siguiente cuadro


de dialogo lleno los datos de la siguiente manera

Para agregar restricciones utilice el siguiente cuadro de dialogo


Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -29-

Puede cambiar las opciones de Solver a:

Al presionar el boton aceptar se regresa al cuadro anterior y luego presione resolver y se


tendrá el siguiente cuadro , presione aceptar
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -30-

La solucion es

X1=50 , x2=175 y ganancia 36250


Puede ver tambien los informes de Solver
Vea excel aplicado a ingenieria parte 2 solver

SOLUCION USANDO WINQSB (Tener dos sistemas operativos)

Caso 1. problema de confecciones ( funciona en 32 bits)


Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -31-
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -32-

GRAFICAR EL MODELO
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -33-

Puede modificar rangos y colores con


Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -34-

Resolver el problema usando el modelo normal


Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -35-
Resolver usando GLP VEA método gráfico (EPPEN)

boton para maximizar y minizar


Botones para sombreado c=color g gris

Resolver usando LINDO ( funciona en 32 bits)

Max 200 X1+ 150 X2


Subject to
3X1+ 2X2 <= 500
1X1 + 2X2 <= 400
X1>=0
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -36-
X2>=0
End
Para resolver presione Solver

Aparece el siguiente cuadro conteste con no

Aparece el siguiente cuadro

SOLUCION USANDO PROLIN ( funciona usando 32 bits)


Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -37-

F(0, 250) = 37500; S N


F(166.666667, 0) = 33333.333333; N S
F(50, 175) = 36250; S S
F(0, 200) = 30000; S S
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -38-
F(400, 0) = 80000; N S

Max(50, 175) = 36250


Mín(0, 200) = 30000

Resolver usando Tora(ver en laboratorio)


SOLUCION DE CONFECCIONES CON TORA

Presione enter
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -39-

Presióne para ver el gráfico


Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -40-
Usando final solución

Usando iteraciones

Resolver usando POMS

RESOLVERLO CON POM for Windows 3


Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -41-
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -42-
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -43-
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -44-
ANEXO 2 METODO GRAFICO
La siguiente aplicación permite resolver los problemas por el método grafico con n
restricciones y muestra la solución se puede cambiar las escalas ( mejore el programa)

Solución del problema de los productos por el método gráfico

Solucion del problema de confecciones por el método gráfico

Problema de minimizacion
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -45-

CODIGO EN VISUAL BASIC

CODIGO DEL MODULO 1

Module Module2
Public mayor As Single
Public rUnidadX As Single
Public UnidadX As Single
Public UnidadY As Single
Public ValorMaximoX As Single
Public ValorMaximoY As Single

Public tipofo As Integer ' es maximizacion o miminimizacion


Public dx As Single ' nro de decimales
Public Zmaximo As Single
Public maxx1 As Single, maxx2 As Single
Public Const paso As Integer = 30
Public Const maxfilas As Integer = 5
Public M1(maxfilas, 2) As Single ' matriz de los coefecientes
Public CJ(2) As Single ' coefecientes de la funcion objetiva
Public B(maxfilas) As Single ' coefecientes de los recursos
Public col As Integer
Public fila As Integer
Public filaIni As Integer = 1
Public numerador As Single
Public denominador As Single
Public dato As Single
Public Grafico As Graphics
Public ColorFondo As Color = Color.FromArgb(255, 255, 255)
Public pen As Pen
Public brocha As Brush
Public ancho = 600, alto = 400
Public Cx As Integer = paso
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -46-
Public Cy As Integer = alto
Public ex As Single = 2
Public ey As Single = -2
Public r1 As Single, r2 As Single
Public x1 As Single, x2 As Single, x1a As Single, x2a As Single, z As Single
Public r(maxfilas) As Single, menor As Single
Public resultado As String
Public k As Integer
End Module

CODIGO DEL MODULO 1

Module Module1
Public nrestric As Integer
Public nva As Integer ' nro de variables artificiales
Public nvar As Integer
Function probarlineaMax(ByVal x1 As Single, ByVal y1 As Single, ByVal x2 As Single,
ByVal y2 As Single _
, ByVal valor As Single, ByVal C() As Single, ByVal B() As Single, ByRef x As
Single, ByRef y As Single)
Dim xx As Single, yy As Single
Dim factible As Integer = 0
Dim menor As Single = Zmaximo
Dim fila1 As Integer
xx = x1
yy = (valor - C(0) * xx) / C(1)
While yy >= 0
menor = Zmaximo
For fila1 = 0 To nrestric - 1
r(fila1) = B(fila1) - (xx * M1(fila1, 0) + yy * M1(fila1, 1))
If r(fila1) < menor Then
menor = r(fila1)
End If
Next
If menor >= 0 Then
factible = 1
x = xx
y = yy
Exit While
Else
xx = xx + dx
yy = (valor - C(0) * xx) / C(1)
End If
End While
probarlineaMax = factible

End Function
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -47-
Function probarlineaMin(ByVal x1 As Single, ByVal y1 As Single, ByVal x2 As Single,
ByVal y2 As Single _
, ByVal valor As Single, ByVal C() As Single, ByVal B() As Single, ByRef x
As Single, ByRef y As Single)
Dim xx As Single, yy As Single
Dim factible As Integer = 0
Dim fila1 As Integer
xx = x1
yy = (valor - C(0) * xx) / C(1)
While yy >= 0
menor = Zmaximo
For fila1 = 0 To nrestric - 1
r(fila1) = (xx * M1(fila1, 0) + yy * M1(fila1, 1)) - B(fila1)
If r(fila1) < menor Then
menor = r(fila1)
End If
Next
If menor >= 0 Then
factible = 1
x = xx
y = yy
Exit While
Else
xx = xx + dx
yy = (valor - C(0) * xx) / C(1)
End If
End While
probarlineaMin = factible
End Function
End Module

CODIGO DEL FORMULARIO 1

Option Explicit On
Imports System.Drawing
Public Class Form1
Private Sub Form1_Load(ByVal sender As System.Object, ByVal e As
System.EventArgs) Handles MyBase.Load
tipofo = 1 ' maximizacion
nrestric = 3
nvar = 2
Grafico = PictureBox1.CreateGraphics
PictureBox1.Width = ancho + paso
PictureBox1.Height = alto + paso
PictureBox1.BackColor = ColorFondo
pen = New Pen(Color.Blue, 2)
dx = 0.1
End Sub
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -48-

Private Sub PictureBox1_MouseMove(ByVal sender As System.Object, ByVal e As


System.Windows.Forms.MouseEventArgs) Handles PictureBox1.MouseMove
If e.Button = Windows.Forms.MouseButtons.Left Then
Me.Text = "X = " & e.X & "Y= " & e.Y
ListBox1.Items.Clear()
x1 = (e.X - Cx) / ex
x2 = -(Cy - e.Y) / ey
z = CJ(0) * x1 + CJ(1) * x2
ListBox1.Items.Add("X1 " & x1)
ListBox1.Items.Add("X2 " & x2)
ListBox1.Items.Add("Z " & z)
menor = 1000
Select Case tipofo
Case 1
For fila = 0 To nrestric - 1
r(fila) = B(fila) - (x1 * M1(fila, 0) + x2 * M1(fila, 1))
ListBox1.Items.Add("r " & fila + 1 & " = " & r(fila))
If r(fila) < menor Then
menor = r(fila)
End If
Next
ListBox1.Items.Add("menor " & menor)
If menor < 0 Then
ListBox1.Items.Add("INFACTIBLE")
Else
ListBox1.Items.Add("FACTIBLE")
End If
Case 2
For fila = 0 To nrestric - 1
r(fila) = (x1 * M1(fila, 0) + x2 * M1(fila, 1)) - B(fila)
ListBox1.Items.Add("r " & fila + 1 & " = " & r(fila))
If r(fila) < menor Then
menor = r(fila)
End If
Next
ListBox1.Items.Add("menor " & menor)
If menor < 0 Then
ListBox1.Items.Add("INFACTIBLE")
Else
ListBox1.Items.Add("FACTIBLE")
End If
End Select
End If
End Sub

Sub ImprimirMatriz(ByRef A(,) As Single, ByVal Cy As Integer, ByVal Cx As Integer,


ByVal nf As Integer, ByVal nc As Integer)
For fila = 0 To nf - 1
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -49-
For col = 0 To nc - 1
DataGridView2.Rows(Cy + fila).Cells(Cx + col).Value = A(fila, col)
Next col
Next fila
End Sub
Sub ImprimirVector(ByVal A() As Single, ByVal Cy As Integer, ByVal Cx As Integer,
ByVal Nc As Integer)
For col = 0 To Nc - 1
DataGridView2.Rows(Cy).Cells(Cx + col).Value = A(col)
Next
End Sub

Private Sub MnuIniciar_Click(ByVal sender As System.Object, ByVal e As


System.EventArgs) Handles MnuIniciar.Click
' solo trabaja para caso de dos variables
Try
DataGridView1.RowCount = nrestric + filaIni + 2
DataGridView1.ColumnCount = 4
DataGridView1.Columns(0).HeaderCell.Value = "Variable"
For col = 1 To nvar
DataGridView1.Columns(col).HeaderCell.Value = "X" & col
Next
DataGridView1.Rows(0).Cells(0).Value = " Margen Contr"
DataGridView1.Rows(1).Cells(0).Value = " Restricciones"
DataGridView1.Rows(1).Cells(nvar + 1).Value = " Disponib"
For col = 1 To nrestric
DataGridView1.Rows(1 + col).Cells(0).Value = "R" & col
Next
DataGridView1.Rows(0).Cells(1).Value = 4
DataGridView1.Rows(0).Cells(2).Value = 12
DataGridView1.Rows(2).Cells(1).Value = 2500
DataGridView1.Rows(2).Cells(2).Value = 5000
DataGridView1.Rows(2).Cells(3).Value = 7000
DataGridView1.Rows(3).Cells(1).Value = 50
DataGridView1.Rows(3).Cells(2).Value = 200
DataGridView1.Rows(3).Cells(3).Value = 250
' obtenemos la matriz M1 y B
Catch ex As Exception
MsgBox(ex.Message)
End Try
End Sub

Private Sub MnuIniciarGrafico_Click(ByVal sender As System.Object, ByVal e As


System.EventArgs) Handles MnuIniciarGrafico.Click
DataGridView2.RowCount = nrestric + 3
DataGridView2.ColumnCount = 5
For fila = 0 To nrestric - 1
B(fila) = DataGridView1.Rows(2 + fila).Cells(3).Value
For col = 0 To 1
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -50-
M1(fila, col) = DataGridView1.Rows(2 + fila).Cells(1 + col).Value
Next
Next
' obtenemos la matriz CJ
For col = 0 To 1
CJ(col) = DataGridView1.Rows(0).Cells(1 + col).Value
Next
' solo son dos variables
DataGridView2.Rows(0).Cells(0).Value = "RESTRICIONES"
DataGridView2.Rows(0).Cells(1).Value = "X1"
DataGridView2.Rows(0).Cells(2).Value = "X2"
DataGridView2.Rows(0).Cells(3).Value = "X1a"
DataGridView2.Rows(0).Cells(4).Value = "X2a"
' obtnenemos los maximos de x1 y x2
maxx1 = -1000
maxx2 = -1000
For fila = 0 To nrestric - 1
DataGridView2.Rows(fila + filaIni).Cells(0).Value = "R" & fila + 1
DataGridView2.Rows(fila + filaIni).Cells(1).Value = 0
numerador = DataGridView1.Rows(fila + filaIni + 1).Cells(3).Value
denominador = DataGridView1.Rows(fila + filaIni + 1).Cells(2).Value
dato = numerador / denominador
If dato > maxx1 Then maxx1 = dato
DataGridView2.Rows(filaIni + fila).Cells(2).Value = dato
DataGridView2.Rows(filaIni + fila).Cells(4).Value = 0
' si x2=0
denominador = DataGridView1.Rows(fila + filaIni + 1).Cells(1).Value
dato = numerador / denominador
If dato > maxx2 Then maxx2 = dato
DataGridView2.Rows(filaIni + fila).Cells(3).Value = dato
Next
DataGridView2.Rows(nrestric + filaIni).Cells(0).Value = "maximo"
DataGridView2.Rows(nrestric + filaIni).Cells(2).Value = maxx1
DataGridView2.Rows(nrestric + filaIni).Cells(3).Value = maxx2
Zmaximo = CJ(0) * maxx1 + CJ(1) * maxx2
If maxx1 > maxx2 Then
mayor = maxx1
Else
mayor = maxx2
End If
ValorMaximoX = mayor
ValorMaximoY = mayor
ex = ancho / ValorMaximoX
ey = -ex
TextBox1.Text = ex
TextBox2.Text = ey
TextBox3.Text = ValorMaximoX
TextBox4.Text = ValorMaximoY
rUnidadX = ex
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -51-
UnidadX = 1
While rUnidadX > 1000
rUnidadX = rUnidadX / 10
UnidadX = UnidadX / 10
End While
While rUnidadX < 10
rUnidadX = rUnidadX * 10
UnidadX = UnidadX * 10
End While
Unidady = UnidadX
TextBox5.Text = UnidadX
TextBox6.Text = Unidady
End Sub

Private Sub MnuGraficar_Click(ByVal sender As System.Object, ByVal e As


System.EventArgs) Handles MnuGraficar.Click
Dim fila1 As Single
Dim col1 As Single
ex = TextBox1.Text
ey = TextBox2.Text
UnidadX = TextBox5.Text
UnidadY = TextBox6.Text
Borrar(sender, e)
' graficar la escala de x
Dim MiFuente As New Font("Arial", 10, FontStyle.Bold)
Dim Penciles(3) As Color
Dim Brocha As SolidBrush = New SolidBrush(Color.LightGreen)
pen = New Pen(Color.Blue, 2)
Penciles(0) = Color.FromArgb(255, 0, 0)
Penciles(1) = Color.FromArgb(0, 0, 255)
Penciles(2) = Color.FromArgb(0, 255, 0)
Penciles(3) = Color.FromArgb(255, 0, 255)
Cx = paso
Cy = alto
Try
Grafico.DrawLine(pen, Cx, 0, Cx, Cy)
Grafico.DrawLine(pen, Cx, Cy, Cx + ancho, Cy)
Grafico.DrawString("X1", MiFuente, Brushes.Red, ancho - paso, Cy)
Grafico.DrawString("X2", MiFuente, Brushes.Green, Cx - paso, paso)
fila = 0
For fila = 0 To nrestric - 1
pen.Color = Penciles(fila)
Brocha.Color = Penciles(fila)
x1 = DataGridView2.Rows(1 + fila).Cells(1).Value
x2 = DataGridView2.Rows(1 + fila).Cells(2).Value
x1a = DataGridView2.Rows(1 + fila).Cells(3).Value
x2a = DataGridView2.Rows(1 + fila).Cells(4).Value
Grafico.DrawLine(pen, Cx + x1 * ex, Cy + x2 * ey, Cx + x1a * ex, Cy + x2a *
ey)
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -52-
Grafico.DrawString("R" & fila + 1, MiFuente, Brocha, Cx + x1 * ex, Cy + x2 *
ey)
Next
For col1 = 0 To ValorMaximoX Step UnidadX
Grafico.DrawString(col1, MiFuente, Brushes.Blue, Cx + col1 * ex, Cy)
Next
For fila1 = 0 To ValorMaximoY Step UnidadY
Grafico.DrawString(fila1, MiFuente, Brushes.Blue, Cx - paso, Cy + fila1 * ey)
Next
Catch ex As Exception
MsgBox(ex.Message)
End Try
End Sub

Private Sub MnuResolver_Click(ByVal sender As System.Object, ByVal e As


System.EventArgs) Handles MnuResolver.Click
Dim valor As Single
Dim resultado As Integer
Dim x As Single, y As Single
pen.Color = Color.Red
Dim delta As Single = Zmaximo / 10
Select Case tipofo
Case 1
For valor = 0 To Zmaximo Step dx
x1 = 0
x2 = valor / CJ(1)
x1a = valor / CJ(0)
x2a = 0
resultado = probarlineaMax(x1, x2, x1a, x2a, valor, CJ, B, x, y)
If valor Mod delta = 0 Then
Grafico.DrawLine(pen, Cx + x1 * ex, Cy + x2 * ey, Cx + x1a * ex, Cy +
x2a * ey)
End If
If resultado = 0 Then
ListBox1.Items.Clear()
ListBox1.Items.Add("X1 " & x)
ListBox1.Items.Add("X2 " & y)
ListBox1.Items.Add("Z " & valor - 1)
Exit Sub
End If
Next
Case 2
For valor = Zmaximo * 10 To 0 Step -dx
x1 = 0
x2 = valor / CJ(1)
x1a = valor / CJ(0)
x2a = 0
resultado = probarlineaMin(x1, x2, x1a, x2a, valor, CJ, B, x, y)
If valor Mod 1 = 0 Then
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -53-
Grafico.DrawLine(pen, Cx + x1 * ex, Cy + x2 * ey, Cx + x1a * ex, Cy +
x2a * ey)
End If
If resultado = 0 Then
ListBox1.Items.Clear()
ListBox1.Items.Add("X1 " & x)
ListBox1.Items.Add("X2 " & y)
z = CJ(0) * x + CJ(1) * y
ListBox1.Items.Add("Z " & z)
Exit Sub
End If
Next
End Select
End Sub

Private Sub MnuRellenar_Click(ByVal sender As System.Object, ByVal e As


System.EventArgs) Handles MnuRellenar.Click
pen.Color = Color.FromArgb(0, 255, 0)
Dim menor As Single = Zmaximo
Dim xx As Single, yy As Single
Dim fex As Single = (1.0 / ex) * 5
Dim fey As Single = (1.0 / -ey) * 5
Select Case tipofo
Case 1 ' cuando es maximizacion
For yy = 0 To ValorMaximoY Step UnidadX / 10
For xx = 0 To ValorMaximoX Step UnidadY / 10
z = CJ(0) * xx + CJ(1) * yy
menor = Zmaximo
For k = 0 To nrestric - 1
r(k) = B(k) - (xx * M1(k, 0) + yy * M1(k, 1))
If r(k) < menor Then
menor = r(k)
End If
Next
If menor >= 0 Then
Grafico.DrawRectangle(pen, Cx + xx * ex, Cy + yy * ey, 1, 1)
End If
Next xx
Next yy

Case 2 ' cuando es minimizacion


For x2a = 0 To ValorMaximoY Step fex
For x1a = 0 To ValorMaximoX Step fey
z = CJ(0) * x1a + CJ(1) * x2a
menor = Zmaximo
For k = 0 To nrestric - 1
r(k) = (x1a * M1(k, 0) + x2a * M1(k, 1)) - B(k)
If r(k) < menor Then
menor = r(k)
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -54-
End If
Next
If menor >= 0 Then
Grafico.DrawRectangle(pen, Cx + x1a * ex, Cy + x2a * ey, 1, 1)
End If
Next
Next
End Select

End Sub

Private Sub Borrar(ByVal sender As System.Object, ByVal e As System.EventArgs)


Handles BorrarToolStripMenuItem.Click
Grafico.Clear(Color.White)
End Sub
Private Sub NroDeRestriccionesToolStripMenuItem_Click(ByVal sender As
System.Object, ByVal e As System.EventArgs) Handles
NroDeRestriccionesToolStripMenuItem.Click
nrestric = InputBox("INGRES NRO DE RESTRICCIONES", "nrestric", 2)
End Sub
Private Sub MaximizacionToolStripMenuItem_Click(ByVal sender As
System.Object, ByVal e As System.EventArgs) Handles
MaximizacionToolStripMenuItem.Click
tipofo = 1
End Sub
Private Sub MinimizacionToolStripMenuItem_Click(ByVal sender As System.Object,
ByVal e As System.EventArgs) Handles MinimizacionToolStripMenuItem.Click
tipofo = 2
End Sub
Private Sub MnuCero_Click(ByVal sender As System.Object, ByVal e As
System.EventArgs) Handles MnuCero.Click
dx = 1
End Sub
Private Sub Mnu1_Click(ByVal sender As System.Object, ByVal e As
System.EventArgs) Handles Mnu1.Click
dx = 0.1
End Sub

Private Sub MnuDos_Click(ByVal sender As System.Object, ByVal e As


System.EventArgs) Handles MnuDos.Click
dx = 0.01
End Sub

Private Sub mnu3_Click(ByVal sender As System.Object, ByVal e As


System.EventArgs) Handles mnu3.Click
dx = 0.001
End Sub
End Class
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -55-
CASO MINIMIZACION Problema de la Dieta
2.2.2 Solución de un modelo de minimización :
Ejemplo 2.2-2 (Problema de la dieta)
En Granjas Modelo se usa diariamente un mínimo de 800 libras (Ib) de un alimento
especial, que es una mezcla de maíz y soya, con las composiciones siguientes:
Ib por Ib de alimento
Alimento Proteínas Fibras Costo ($/lb)
Maíz 0.09 0.02 0.30
Soya 0.60 0.06 0.90
Las necesidades dietéticas del alimento especial son un mínimo de 30% de proteínas y un
máximo de 5% de fibras. Granjas Modelo desea determinar las proporciones de alimento
que produzcan un costo diario mínimo.Como la mezcla de alimentos consiste en maíz y
soya, las variables de decisión del modelo se definen como sigue:
X1, = Ib de maíz en la mezcla diaria
x2 = Ib de soya en la mezcla diaria
La función objetivo trata de minimizar el costo (en dólares) diario total de la mezcla de
alimentos, y en consecuencia se expresa como sigue:
minimizar z = 0.3x1, + 0.9x2
Las restricciones del modelo reflejan la cantidad diaria necesaria y los requerimientos
dietéticos. Como Granjas Modelo necesita un mínimo de 800 Ib diarias de alimento, la
restricción correspondiente se puede expresar como sigue:
X1 + x2 >= 800
En cuanto a la restricción dietética de necesidades de proteína, la cantidad de proteína
que contienen x1 Ib de maíz y x2 Ib de soya es (0.09x 1, + 0.6x2) Ib. Esta cantidad debe ser
cuando menos igual al 30% de la mezcla total de alimentos, (x 1, + x2) Ib; esto es
0.09x1, + 0.6x2 >= 03(x1 + x2)
De manera similar, la restricción de la fibra se define como
0.02x1, + 0.06x2 < 0.05(x1 + x2)
Las restricciones se simplifican agrupando todos los términos en x 1, y x2 y pasándolos al
lado izquierdo de cada desigualdad, para que sólo quede una constante en el lado
derecho. Así, el modelo completo viene a ser
minimizar z = 0.3x1, + 0.9x2
sujeta a
X1 + x2 >= 800
0.21x1 - 0.30x2 <= 0
0.03x1 - 0.01x2 >= 0
X1,x2>=0
Paso 1 preparar la hoja de calculo para el Solver
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -56-
2 aplicar el solver con los siguientes parametros

1. La solución es

x1 = 470.6 Ib y x2 = 329.4 Ib. El costo mínimo correspondiente, de la mezcla de alimentos,


es z = 0.3 X 470.6 + 0.9 X 329.4 = $437.64 diarios.

Problema 3 caso de minimización


Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -57-

4 PROGRAMACIÓN LINEAL: EL ENFOQUE GRÁFICO


Enunciado del problema.-. Un sastre fabrica trajes y vestidos, un traje usa 3 metros de
tela de lana y 1 metros de tela de algodón y un vestido dos metros de cada tipo de tela. Un
traje lo vende a 200 soles y el vestido a 150 soles. En el almacén tiene 500 metros de tela
de lana y 400 de tela de algodón, cuantos trajes y vestidos debe hacer para maximizar sus
ganancias
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -58-

Plan de Producción de Confecciones


Producto Traje Vestido
Cantidad a producir 50 175 ganancia
Margen de Contribución 200 150 36250
Restricciones Total LI Disp Holgura
Lana 3 2 500 <= 500 -8E-10
Algodón 1 2 400 <= 400 -3E-10

Solución y análisis de sensibilidad

METODO GRAFICO
Definiciones
Región factible. ABCD
Polígono de solución es un polígono convexo BCD
Solución factible.-cualquier punto de la región factible
Solución optima. C

PASOS DEL METODO GRAFICO


PARTE 1 FORMULACION DEL PROBLEMA
2.1.1 Identificación de las variables de decisión
X1 = el número trajes a producir
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -59-
X2 = el numero de vestidos a producir
2.1.2 Identificación de los datos del problema
cuadro
2.1.3 Identificación de la función objetivo
Maximizar (z) = 200x1+ 150x2
2.1.4 Identificación de las restricciones
3x1 +2x2 <=500
X1+2x2<=400
X1>=0
X2>=0

PARTE 2 (SOLUCION POR EL METODO GRAFICO)


Graficación de las restricciones de un programa lineal

1.1 graficar las rectas ( hacerlo con Excel)


Restriccion 1 (lana) 3x1+2x2<=500
 si x1=0 x2= 500/2= x2=250
 si x2=0 x1= 500/3= x2=166.667
Restriccion 2 (algodon) R2= X1+2X2<=400
 si x1=0 x2= 400/2= x2=200
 si x2=0 x1= 400/1= x1=400

Función objetivo f(z) 200x1+150x2=30000


 si x1=0 x2= 30000/150= x=200
 si x2=0 x1= 30000/200= x=150

Ver las desigualdades


Probar con el punto 0,0
Restriccion 1 (lana) 3x1+2x2<=500
3(0)+2(0)<=5000<=500 ( dentro)
Restriccion 2 (algodon) R2= X1+2X2<=400
1(0)+1(0)<=4000<=500 ( dentro)
Obtener la solución factible
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -60-
2 Determinación de polígonos de solución
Uso de la función objetivo para obtener una solución optima
Modifique el lado derecho de la restricción hasta encontrar la solcuion optima que
ocurre en el cruce de las restricciones 1 y 2
X1=50, x2=175 z= 36 250
4.2 PROGRAMAS LINEALES CON PROPIEDADES GEOMÉTRICAS ESPECIALES
1. Todo programa lineal es óptimo, infactible o ilimitado.
4.2.3 Programas lineales con restricciones redundantes
4.2.4 Programas lineales con soluciones óptimas alternativas

ANALISIS DE SENSIBILIDAD
Analisis de sensibilidad es probar que ocurre con el resaultado al variara uno de los
parámetros manteniendo constante los demás

ANÁLISIS DE SENSIBILIDAD DEL COEFICIENTE DE LA FUNCIÓN OBJETIVO


Se usa un enfoque gráfico para determinar qué ocurre con la solución óptima y el valor de
la función objetivo cuando se modifica un coeficiente de la función objetivo.

Análisis de sensibilidad de la función objetivo c1 (traje)


Función objetivo 200x1+ 150 x2
Probando en Excel se puede notar que el aumento es permisible hasta cuando la curva
cruza la restricción 1 (lana)
Para determinar numéricamente ese valor máximo, considere el coeficiente de x1 como
una variable, digamos c1, en vez del valor fijo 200. Entonces la función objetivo se
vuelve: c1x1 + 150x2
Pendiente= (valor de x2 cuando x1 es 1) – (valor de x2 cuando x1 es 0)

Pendiente de la función objetivo


C1x1+150x2=0 si x1=0 x2=0
Si x1=1 x2= -c1/150
Pendiente= -C1/150-0= -c1/150

Determinación del valor máximo


Pendiente de la restriccion1 R1= 3X1+2X2<=500
Si x1=0x2= 500/2=250
Si x1=1 x2= (500-3)/2=497/2=248.5
Pendiente = 248.5-250=-1.5
I
gualando las dos pendientes, obtenemos:
-c1/150=-1.5 c1=225 (limite máximo)

Determinación del valor minimo


Al bajar el precio en Excel se nota que la soluciónn se mantendría hasta que la función
objetiva cruza la con la restricción 2
Pendiente de restricción 2
R2= X1+2X2<=400
Si x1=0 x2= 400/2=200
Si x1=1x2= (400-1)/2= 399/2= 199.5
Pendiente = 199.5-200=-0.5
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -61-
Igualando las dos pendientes
-c1/150=-0.5  c1=75 (minimo)
75<=c1<=225

Análisis de c2
Pendiente de la función objetivo = 200x1+c2x2=0
Si x1=0  x2=0
Si x1=1x2= -200/c2
Pendiente= -200/c2-0 =-200/c2
Encontrando el limite superior al probar en Excel al aumentar el precio de c2 la solución
se mantendría hasta que la función objetiva cruce la restricción 2
Pendiente de R2= x1+2x2=400
Si x1=0  x2=400/2=200
Si x1=1 x2= (400-1)= 199.5
Pendiente = 199.5-200 = -0.5
Igualando las dos pendientes -200/c2=-0.5 c2=200/0.5c2(max)= 400
Encontrando el limite inferior al probar en Excel al disminuir el precio c2 ( de los
vestidos) la solución se mantendría hasta que la función objetiva cruce la restricción 1
R1= 3X1+2X2<=500
Si x1=0  x2 = 500/2=250
Si x1=1x2= (500-3)/2=497/2=248.5.
Pendiente= 248.5-250= -1.5
Igualando las dos pendientes -200/c2=-1.5 c2=200/1.5 c2(min)=133.33
133<=c2<=400
ANÁLISIS DE SENSIBILIDAD DEL VALOR DEL LADO DERECHO DE LA
RESTRICCIÓN (RECURSOS)
RESTRICCION 1 LANA
Un examen cuidadoso de la figura En Excel lleva a la conclusión de que incluso el menor
cambio en el valor LD de la restricción (1) tiene como resultado un cambio en la solución
óptima.
Específicamente, al cambiar el valor LD de la primera restricción, esa línea de restricción
se mueve paralelamente a sí misma, esto es, la pendiente de esa línea de restricción no
cambia. Mientras esa línea no se mueva demasiado, por ejemplo, cuando el valor Id se
incrementa de 510, 600, la solución óptima permanece en la intersección de esas dos
líneas correspondiente a las restricciones (1) y (2). Sin embargo, cuando ese valor excede
de 1200 (por ejemplo, 2000), la solución óptima ya no seria en el cruce de la r1 con la
función objetiva
b1(max) puede incrementarse hasta que esta línea de restricción pase por el punto x1 =
400 y x2 = 0. Así,
3(400) + (0) = b1(max) b1(max)=1200
Ahora, considere lo que ocurre cuando el lado derecho de la restricción (1) disminuye de
su valor actual de 400. La línea correspondiente a la restricción (1) ahora se mueve
paralelamente a sí misma pero en la dirección opuesta, como se ve en la figura. Al
hacerlo, la solución óptima cambia. La solución óptima permanece con el cruce de la
función y restricción 1(x1=0, x2=200)
3x1+2x2=b2 b1(min)=200(2)b1(min)=400
400<=b1(min)<=1200

RESTRICCIÓN (2) Algodón R2= X1+2X2<=400


Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -62-
Aumento de Ld la solución se mantedrá hasta cruzar la restriccion1 punto (x1=0, x2=250)
X1+2x2=b2(max)0+2(250)=b2(max)=500
Calculando el limite inferior al bajar la cantidad de recurso 2 (algodón) La solución se
mantiene hasta que cruza el punto ( x1=166.67 y x2=0)
X1+x2x2=b2(min)= 166.67
166.67<=b2<=500

2 VALOR POR UNIDAD DE RECURSO (PRECIO SOMBRA)


Precio sombre recurso (PSR)
(ganancia cuando Id =máximo) - (ganancia cuando Id = mínimo)
PSR = ---------------------------------------------------------------------------- 3
Máximo-mínimo

Precio sombra del recurso 1 (lana)


Ganancia cuando el recurso es máximo punto(x1=400, x2=0)
Max(z)= 200(400)+150(0)= 80000
Ganancia cuando el recurso es mínimo punto(0,200)
Max(z)= 200(0)+150(200)=30000 Aplicando Solver se obtendría lo mismo
Precio sombra r1= (80000-30000)/(1200-400)= 50000/800=62.5
Precio sombra del recurso 2 (algodón)
Ganancia cuando el recurso es máximo punto(x1=0, x2=250)
Max(z)= 200(0)+150(250)=37500
Ganancia cuando el recurso es mínimo punto(166.67,0)
Max(z)= 200(166.67)+150(0)=33334
Precio sombra r2== (37500-33334)/(500-166.67)= 12.50

PREGUNTAS

1. Cuál es la producción óptima y cual su ganancia


X1=50, x2=175 , z=36250
2 Como se ha gastado el material y se ha habido material sobrante
No ha habido material sobrante
3 Si solo se fabricara 10 trajes y 20 vestidos cual es el gasto de material y cuales
son los sobrantes y cual seria la ganancia

Plan de Producción de Confecciones


Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -63-
Traj Vestid
Producto e o
Gananci
Cantidad a producir 10 20 a
Margen de Contribución 200 150 5000
Holgur
Restricciones Total LI Disp a
Lana 3 2 70 <= 500 430
Algodón 1 2 50 <= 400 350

4 Como el traje proporciona mas ganancias entonces si deberia fabricar puro


trajes cuanto seria la ganancia y cuanto de material sobra
La confeccion de trajes esta limitada por la cantidad de lana que hay por lo tanto se
debe fabricar 166 trajes obteniendo una ganancia 33200 sobrando 2 metros de lana y
234 metros de algodón (Usar solver para comprobarlo)
5 Si fabricara puro vestidos cuanto seria la ganancia
en este caso la restriccion es el algodón por lo tanto se puede fabricar 200 vestidos
obteniendo una ganancia de 30000 y sobrando 100 metros de lana

6 En que rango se mantien la solucion optima al variar los precios del traje y del
vestido
Traje 75<=c1<=225
Vestido 133.33<=c2<=400
7 Si el precio del traje baja 100 soles cual sería la nueva solución y cual sería
su ganancia = está en el rango por lo tanto la solución óptima es el mismo
100*50+150*175= 31250
8 Cuanto se gana por realizar un traje adicional si el precio está en el rango de
variación ejemplo si el precio es 100 si gana 100
9 si el precio del traje sube a 300 cuanto seria la ganancia
ya no esta en el rango de variación de c1 la solución seria 300*166= 49800
10Cuál es la variación de los valores de los recursos lana y algodón y cuál es su
precio sombre de cada recurso lana ver cuadro
11 Si tuviera 1000 metros de lana a cuanto subiría la utilidad =
36250+500*62.5=67500 ( pruebe con solver)
12 Si tuviera 1000 metros de algodón cuanto seria la ganancia adicional
No se puede aplicar precio sombra por que no esta en el rango como hay mucho
algodón se haría puro vestidos
250*150 =37500 ( falta lana)
13 que recurso vale mas la lana
14 que precio conviene variar El de los vestidos por que hay mas cantidad en la
solución optima

Problema 2 caso minimización


Supongamos que se cuenta con dos alimentos pan y queso, cada uno de ellos contiene
calorías y proteínas en diversas proporciones, Un kilogramo de pan contiene 2500
calorías y 50 gramos de proteínas, y un kilogramo de queso contiene 5000 calorías y 200
gramos de proteínas supongamos que una dieta especial requiere cuando menos 7000
calorías y 250 gramos de proteínas diariamente
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -64-
Por tanto si el kilogramo de pan cuesta S/4.00 y 12$ el queso ¿qué cantidad de pan y
queso debemos comprar para satisfacer los requisitos de la dieta normal, gastando la
menor cantidad posible de dinero?
Solucion
Variable x1 x2 Identificación de datos del
Productos Pan queso problema
Cantidad 1 1 Costo
Costo 4 12 16
Modelo matematico
Restricciones Usado Requerido ld Exceso Min (z) = 4x1+12x2
Calorías 2500 5000 7500 7000 >= -500 s.a 2500x1+5000x2 >=7000
Proteínas 50 200 250 250 >= 0 ( calorias)
50x1+200x2≥ 250
(proteinas)
X1,X2 ≥0

Solución
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -65-

Solución Se debe comprar 0.6 kg de queso y 1.1 Kg de pan con un gasto de 15.6

SOLUCION GRAFICA
Restricción 1 R1= 2500X1+500X2>=7000(CALORIAS)
Si x1=0x2=7000/5000=1.4  punto(0,1.4)
Si x2=0x1= 7000/2500=2.8 punto (2.8,0)

Restricción 2 R2= 50X1+200X2>=250(PROTEINAS)


Si x1=0x2=250/200=1.25  punto(0,1.25)
Si x2=0x1= 250/50=5 punto (5,0)

Probando el punto (0,0) si esta dentro o fuera


R1= 2500(0)+500X2>=7000(CALORIAS  0 >= 7000 punto fuera
R2= 50X1+200X2>=250(PROTEINAS) 0>=250 punto fuera

Grafico de la función objetivo


4x1+12x2=10
Si x1=0x2=10/12=0.83  punto(0,0.83)
Si x2=0x1= 10/4=2.5 punto (2.5,0)
Aumentar el valor del lado derecho de la función objetivo y en aquel punto donde la
solución factible es menor será la solución optima que en este caso es el cruce de las
restricciones R1 Y R2 x1=0.6 y x2=1.1 Costo de 15.6
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -66-
SOLUCION DEL PROBLEMA HECHO EN CLASE DIAPOSITIVA 34
1. A) PLANTEO DE UN PROBLEMA.
2. Una empresa elabora dos productos (P1, P2), en las cuales entran dos
componentes A y B en cada producto. Existe una determinada disponibilidad de
cada componente y una utilidad por cada producto. Se desea hallar la cantidad de
cada articulo que debe fabricarse a fin de maximizar las utilidades, teniéndose en
cuenta que por cada producto P1 se requiere de 4 Kg. del componente A y 2 Kg. del
componente B y por cada producto P2 se requiere 2 y 5 Kg. de A y B
respectivamente; además se sabe que existen disponibles 80 y 120 Kg. de A y B
respectivamente. Las utilidades que reportan cada producto P1 y P2 son de 30 y 40
dólares respectivamente.
3. SOLUCIÓN.
4. Generalmente en estos tipos de problemas se procede inicialmente a resumir los
datos del problema en un cuadro, como el siguiente:
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -67-
Solucion
Product
o
UTILIDA
PRODUCTO P1 P2
D
CANT A
10 20
PRODUCIR
UTILIDAD 30 40 1100
RESTRICCIONE Disponibl HOLGUR
S e A
<
A 4 2 80
= 80 0
<
B 2 5 120
= 120 0

Solución grafica

Solución con WINQSB


Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -68-

ANALISIS DE SENSIBILIDAD
Análisis de sensibilidad de la función objetivo c1 (pan) 3<c1<6
Análisis de sensibilidad de la función objetivo c2 (queso) 8<c2<16
ANALIZANDO SENSIBILIDAD DE RECURSOS
Recurso 1 calorías (restricción 1) 6250<r1<=12500
Recurso 2 proteínas (restricción 2) 140<r2<=280
VALOR POR UNIDAD DE RECURSO
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -69-
Precio sombra R1 caloría= (20-15)/(12500-6250)=5/6250=0.0008
Precio sombra del R2 (proteínas) = (16.8-11.2)/(280-140)=5.6/140=0.04

PREGUNTAS
si solo se dispone de pan con que cantidad podría alimentarse cumpliendo las calorías y
proteínas necesarias y cuanto me costaría
Ejercicio Calcule la solución y el análisis de sensibilidad del siguiente problema
Una compañía manufacturera fabrica 2 productos 1 y 2 y es lo suficientemente
afortunada como para vender todo lo que se puede producir actualmente se tiene como
dato el siguiente Requerimientos de tiempo de manufacturación para producir una
unidad de producto por departamento
Producto tiempo de manufactura horas
Depto A Depto B Depto C Utilidad
1 2 1 4 10
2 2 2 2 15
Horas Disponibles 160 120 280

Sea x1 la cantidad a producir del producto 1


Sea x2 la cantidad a producir del producto 2
El Modelo es Solución con Lindo
Max 10x1+ 15x2
Subject to
2x1+ 2x2 <=160
x1+ 2x2 <=120
4x1+ 2x2 <=280
x1>=0
x2 >=0
End

PRACTICA 5 EL METODO SIMPLEX : METODOS DE SOLUCION OPTIMA

1, PARA MAXIMIZACION

Alternativa 1 (Cj-Zj)
 Primera decisión el >
 Segunda decisión el < ( positivo)
 Solución optima cuando (Cj-Zj) ≤ 0
Alternativa 2 (Zj-Cj)
 Primera decisión el <
 Segunda decisión el < ( positivo)
 Solución optima cuando (Zj-Cj) ≥ 0

o 2, PARA MINIMIZACION

Alternativa 1 (Cj-Zj)
 Primera decisión el <
 Segunda decisión el < ( positivo)
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -70-
Solución optima cuando (Cj-Zj) >= 0
Alternativa 2 (Zj-Cj)
 Primera decisión el >
 Segunda decisión el < ( positivo)
 Solución optima cuando (Zj-Cj)≤ 0
SOLUCION DEL PROBLEMA DE CONFECCIONES
1. Modelo matemático
Max (z)= 200x1 + 150 X2
Sujeto a:
32X1+2X2 <=500
1X1+ 2 X2 <=400
X1 >= 0; X2 >= 0;

2. Convertido a forma estándar


Max (z)= 200x1 + 150 X2 +0u1+ 0u2
Sujeto a:
32X1+2X2 +u1 =500
1X1+ 2 X2 +u2 =400
X1,X2,S1,S2 >= 0
Solución
Haciéndolo en forma manual
CJ 200 150 0 0
CK XK B X1 X2 u1 u2 θ
0 u1 500 3 2 1 0 500/3
0 u2 400 1 2 0 1 400
ZJ 0 0 0 0 0 el menor (+)
Zj-Cj -200 -150 0 0 el menor
200 X1 500/3 1 2/3 1/3 0 250
0 u2 700/3 0 4/3 - 1/3 1 175
ZJ 100000/3 200 400/3 200/3 0 el menor (+)
Zj-Cj 0 -50/3 200/3 0 elmenor
200 X1 50 1 0 1/2 - 1/2
150 X2 175 0 1 - 1/4 3/4
ZJ 36250 200 150 125/2 25/2 el menor (+)
Zj-Cj 0 0 125/2 25/2 El menor

Resolviendo con Excel con iteraciones y fórmulas


Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -71-

Convertido en forma de fracciones


CJ 200 150 0 0
CK XK B X1 X2 u1 u2 θ
0 u1 500 3 2 1 0 166 2/3
0 u2 400 1 2 0 1 400
ZJ 0 0 0 0 0 el menor (+)
Zj-Cj -200 -150 0 0 el menor
200 X1 166 2/3 1 2/3 1/3 0 250
0 u2 233 1/3 0 1 1/3 - 1/3 1 175
ZJ 33333 1/3 200 133 1/3 66 2/3 0 el menor (+)
Zj-Cj 0 -16 2/3 66 2/3 0 elmenor
200 X1 50 1 0 1/2 - 1/2
150 X2 175 0 1 - 1/4 3/4
ZJ 36250 200 150 62 1/2 12 1/2 el menor (+)
Zj-Cj 0 0 62 1/2 12 1/2 El menor
La lógica del simplex con el problema de confecciones

LA LOGICA DEL SIMPLEX


• 2.1 Problema 1 Caso de Maximización ( mezcla óptima de productos a fabricar)
• . Un sastre fabrica trajes y vestidos, un traje usa 3 metros de tela de lana y 1 metros
de tela de algodón y un vestido dos metros de cada tipo de tela. Un traje lo vende a
200 soles y el vestido a 150 soles. En el almacén tiene 500 metros de tela de lana
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -72-
y 400 de tela de algodón , cuantos trajes y vestidos debe hacer para maximizar sus
ganancias

Plan de Producción de Confecciones


Producto Traje Vestido
Cantidad a producir 10 10 ganancia
Margen de Contribución 200 150 3500
Restricciones Total LI Disp Holgura
Lana 3 2 50 <= 500 450
Algodón 1 2 30 <= 400 370

CJ 200 150 0 0
X
CK K B X1 X2 u1 u2 θ
0 u1 500 3 2 1 0 166.6666667
0 u2 400 1 2 0 1 400
ZJ 0 0 0 0 0 el menor (+)
Cj-Zj 200 150 0 0 el mayor
20
0 X1 166.6666667 1 0.66666667 0.3333 0 250
0 u2 233.3333333 0 1.33333333 -0.3333 1 175
ZJ 33333.33333 200 133.333333 66.667 0 el menor (+)
Cj-Zj 0 16.6666667 -66.667 0 el menor
20
0 X1 50 1 0.66666667 62.833 0
15
0 X2 175 0 1 -0.25 0.8
ZJ 36250 200 283.333333 12529 113 el menor (+)
Cj-Zj 0 -133.333333 -12529 -113 El menor
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -73-

Variables básicas = u1, u2 (participan en la solución)


Variables no básicas =x1,x2 ( no participan en la solución)

Primera iteración
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -74-

En la fila 1 CJ se pone los coeficientes de los productos X1 y X2 que son 200 y 150
soles y de las variables de holgura que es 0

X1= Cantidad de trajes a fabricar su utilidad es 200


X2= Cantidad de vestidos s a fabricar su utilidad es 150
S1= Cantidad disponible de recurso1 (tela de lana) su utilidad cero
S2= Cantidad disponible de recurso2 (tela de algodón) su utilidad =0

En la primera iteración la solución es S1=500, S2 =400, X1=0, X2=0, Z=0, precio sombra
de X1 =200 y de x2=150 ( si tendría 1 unidad de X1 su utilidad aumentaría en 200)

La columna D3 =3 significa que para producir una unidad de X1 necesitamos 3 unidades


de S1 ( para un traje entran 3 metros de tela de lana con lo disponible =500 1 podríamos
producir =500 / 3= 166.67 trajes

En la fila 5 ZJ se muestra las utilidades de la combinación de la producción que en este


caso es cero por que no producimos nada(X1=0, X2=0)
La solución en la primera iteración es
S1=500 ( hay 500 metros de tela de lana)
S2=400 ( hay 400 metros de tela de algodón)
X1= 0 ( no se fabrica trajes)
X1=0 ( no se fabrica vestidos)

En la fila 6 Cj-Zj se determina primero si es solución óptima que ocurre cuando todos los
Zj.Cj <=0 que en este no lo es( no es solución óptima)
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -75-

En la misma fila se determina la primera decisión que este caso es la columna


x1(columna D) ya que la producción adicional del producto 1 me proporciona una
ganancia de 200 soles en cambio el producto2 solo me proporciona una ganancia de 150
por lo tanto elijo fabricar x1(trajes) porque me proporciona mayor ganancia

Se ha decidido fabricar X1(trajes) entonces vemos los recursos disponibles


Para ello divido la cantidad de recursos disponibles entre la cantidad de recurso que entra
en la fabricación del producto elegido

Analizando el recurso 1 (lana)

Trajes a fabricar =500/3= 166.67 para ello necesito= 166.67 mt de algodón por y como
tengo 400 metros de tela de algodón la solución es factible

Analizando el recurso 2 S2(Algodón)

Con el recurso 2 puedo fabricar 400/1 = trajes pero para ello necesitaría 400x3 =1200
metros de tela de lana y solo tengo 500 por lo tanto esta combinación no es factible lo
tanto decidimos fabricar trajes por su ganancia basado en el recurso 1

Segunda Iteración

En la segunda iteración fila 7 por utilizar todo S1(los 500 metros de tela de lana ) se
puede producir 167 .67 trajes (celda c7)
Para producir un vestido se necesita como recurso 0.67 de X1(trajes) por lo tanto al dejar
de fabricar 0.67 de trajes se liberaría los siguientes recursos

lana 2
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -76-
algodó
n 1/3

Pero para el vestido se necesita 2 metros de tela de algodón el algodón faltante se


tomara lo que queda en almacén (4/3) celda e8
Celda F7 para producir una unidad de s1 se necesita 1/3 de x1 ( se debe dejar de
producir 1/3 de trajes

Analizando la fila 8 (s2)

Celda c8=233.33 c8 significa la cantidad de algodón que me queda después de producir


167.67 trajes = 233.33 que resulta de 400-500*1/3 donde 1/3 factor de conversión de
recurso 1(lana en traje ) osea una unidad de recurso 1(lana) alcanzaría para un tercio de
traje .como se va fabricar 500 metros de lana alcanzarían para 167.67 trajes

En la celda E8=1.33 = 4/3 significa que para obtener una unidad de X2(vestidos) necesito
4/3 de s2( algodón sobrante) obteniendo el resto (1/3) de lo que libera el traje

En la celda F8 para obtener una unidad de S1(lana) se requieren -1/3 de S2(algodón)

La única manera de obtener tela de lana es sacrificando trajes para obtener una unidad
de S1(lana) se requiere un tercio de traje pero así se libera también un tercio de metros
de algodón que pasarían a sumar al algodón que ya existe en el almacén
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -77-

Fila 9 ZJ
Celda C9. La ganancia por producir 166.67 productos x1(trajes) es 33 333.33
Celda D9 la ganancia por producir una unidad de x1 es 200

Celda E9=133.33 se obtiene al dejar de producir 0.67 trajes


Celda F9=66.67 = 200/3

Fila 10 (Cj-Zj)
Celda d10 =0 no se puede aumentar productos x1( trajes) falta lana
Celda E10 ganancia adicional por producir 1 unidad de X2 es 16.67

Caso 1 ( producción de solamente trajes x1)

Producto Traje Vestido


Cantidad a producir 166.666667 0 ganancia
Margen de
200 150 33333.333
Contribución
Restricciones Total LI Disp Holgura
Lana 3 2 500 <= 500 0
Algodón 1 2 166.66667 <= 400 233.33

Caso 2 Ganancia con producción de unidad adicional de x2 (vestidos) a costa de los trajes

Producto Traje Vestido


Cantidad a producir 166 1 ganancia
Margen de
200 150 33350
Contribución
Restricciones Total LI Disp Holgura
Lana 3 2 500 <= 500 0
Algodón 1 2 168 <= 400 232

Ganancia adicional =33350- 33333.33 =16.67 ( por cada vestido adicional)


Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -78-

r ucio

Celda f10 se intentara obtener una unidad adicional de s1(lana) perdería 66.67 soles

Solución de la segunda iteración


X1=166.67(fabricar 166.67 trajes)
X2=0
S1=0
S2= 233.33 ( quedan 233.33 de algodón)

Como todavía hay valores positivos no es solución óptima


En la primera de decisión se decide fabricar productos x2(vestidos) a costa de los trajes
por cada vestido adiciona produce una ganancia adicional de 66.67
Dejo de ganar 133.33 por dejar de producir 0.67 de trajes (200*0.67) pero en el vestido
gano 150 quedando una ganancia neta de 16.67

En la segunda decisión se decide fabricar vestidos dejando de hacer los trajes y usando
el material sobrante de algodón
Si dejamos de producir trajes con el recurso liberado lana podríamos producir hasta 250
vestidos pero faltaría algodón ya que implica que 2/3 de metro proporciona el traje y 4/3
debe tomarse del algodón sobrante ( para 250 vestidos se necesita 500 metros de tela de
algodón lo cual no es factible

1 250
0.666 166.666
traje 67 67
algod 1.333 333.333
ón 33 33
2 500

Usando el algodón sobrante se podría confeccionar 175 vestidos

1 175
0.666 116.666
traje 67 67
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -79-
algod 1.333 233.333
ón 33 33
2 350
Se dejaría de fabricar 116.67 trajes osea si tendría que fabricar siempre 166.67-
116.66667 = 50 trajes

Que utilizaría los 150 metros de lana y 50 metros de algodón que sobran

Tercera iteración

En la tercera iteración se muestra la solución final


Se debe producir 50 trajes y 175 vestidos con una ganancia de 36250
No se puede incrementar nada fabricando trajes y vestidos adicionales
En la columna F14 se muestra que si intentamos obtener un metro adicional de lana
perderíamos una utilidad de 62.50
Celda F11. Para producir una unidad de s1(lana) necesito dejar de producir ½ x1 (traje)
que libera 1.5 metros de tela de lana el ½ restante pasa a formar del vestido por eso se
suma(-0.25)
Celda G12 para obtener una unidad de S2(algodón) se requiere 0.75 de x2
Un 0.75 x2 (vestido) libera 1.5 metros de tela de algodón, el algodón restante se sumaría
al traje

F14 y g14 son los precios sombra de s1(lana) y s2.algodon al obtener una unidad
adicional de s1(lana) se obtendría una pérdida de 62.50

Producto Traje Vestido


Cantidad a producir 49.5 175.25 ganancia
Margen de
200 150 36187.5
Contribución
Restricciones Total LI Disp Holgura
Lana 3 2 499 <= 499 1
Algodón 1 2 400 <= 400 0

Sacrifico medio traje pero aumento ¼ de vestido y obtengo 1 metro de tela de lana
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -80-

Ejercicio Calcule la solución del siguiente problema


Una compañía manufacturera fabrica 2 productos 1 y 2 y es lo suficientemente
afortunada como para vender todo lo que se puede producir actualmente se tiene como
dato el siguiente
Requerimientos de tiempo de manufacturación para producir una unidad de producto por
departamento
Producto tiempo de manufactura horas
Depto A Depto B Depto C Utilidad
1 2 1 4 10
2 2 2 2 15
Horas Disponibles 160 120 280

Sea x1 la cantidad a producir del producto 1


Sea x2 la cantidad a producir del producto 2
El Modelo es
Max(z) = 10x1+ 15x2
Sujeto a:
2x1+ 2x2 <=160 ( Depto A)
X1+2x2 <=120 ( depto B)
4x1+ 2x2 <=280
X1, x2 > =0
Representación en forma estándar
Max( z) = 10x1 +15x2 +0u1+0u2+0u3
s.a
2x1+2x2 +u1 ≤ 160
X1+ 2x2 + u2 ≤ 120
4x1+2x2 + u3 ≤ 280
X1,x2,u1,u2,u3 ≥ 0
Solución
CJ 10 15 0 0 0
CK XK B X1 X2 u1 u2 u3 Θ
0 u1 160 2 2 1 0 0 80
0 u2 120 1 2 0 1 0 60
0 u3 280 4 2 0 0 1 140
ZJ 0 0 0 0 0 0 el menor (+)
Zj-Cj -10 -15 0 0 0 El menor
0 u1 40 1 0 1 -1 0 40
15 x2 60 1/2 1 0 1/2 0 120
0 u3 160 3 0 0 -1 1 53 1/3
ZJ 900 7 1/2 15 0 7 1/2 0 el menor (+)
Zj-Cj -2 1/2 0 0 7 1/2 0 El menor
10 x1 40 1 0 1 -1 0
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -81-

15 x2 40 0 1 - 1/2 1 0
0 u3 40 0 0 -3 2 1
ZJ 1000 10 15 2 1/2 5 0 el menor (+)
Zj-Cj 0 0 2 1/2 5 0 El menor
Resultados x1= 40 ,x2 = 40 U1=,U2= 0 ,U3=40
Resolviendo con Solver de Excel

Análisis de sensibilidad

Nota si solo habría 240 unidades del c la solución seria igual

Solución en WInQSB
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -82-

METODO SIMPLEX PARA MINIMIZACION


Caso problema de la dieta
Variable x1 x2
Productos Pan queso
Cantidad 1 1 Costo
Costo 4 12 16
Restricciones Usado Requerido ld Exceso
Calorías 2500 5000 7500 7000 >= -500
Proteínas 50 200 250 250 >= 0

Forma original
Min (z) = 4x1+12x2
s.a 2500x1+5000x2 >=7000 ( calorias)
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -83-
50x1+200x2≥ 250 (proteinas)
X1,X2 ≥0
Forma estándar ( o aumentada con variables artificiales)
Min (z) = 4x1+12x2-0u1-0u2+Mq1+Mq2
s.a 2500x1+5000x2 –u1+Mq1 =7000 ( calorias)
50x1+200x2 –u2+Mq2= 250 (proteinas)
X1,X2 ≥0

Solución

CJ 4 12 0 0 M M
C X
K K B X1 X2 u1 u2 Q1 Q2 Θ
Q
M 1 7000 2500 5000 -1 0 1 0 1.4
Q
M 2 250 50 200 0 -1 0 1 1.25
ZJ 7250M 2550M 5200M -M -M M M el menor (+)
12-
CJ-ZJ 4-2550M 5200M M M 0 0 el menor
Q
M 1 750 1250 0 -1 25 1 -25 0.6
12 X2 1.25 0.25 1 0 -0.005 0 0.005 5
-
1250M 25M+0.0
ZJ 750M+15 +3 12 -M 25M-0.06 M 6 el menor (+)
4-
1250M+ -25M- 24M+0.0
CJ-ZJ 3 0 M 0.06 0 6 el menor
4 X1 0.6 1 0 -8E-04 0.02 0.0008 -0.02 -750
12 X2 1.1 0 1 0.0002 -0.01 -0.0002 0.01 5500
ZJ 15.6 4 12 -8E-04 -0.04 0.0008 0.04 el menor (+)
M-
CJ-ZJ 0 0 0.0008 0.04 0.008 M-0.04 AO

Reemplazando el valor de M con un valor numerico


M 100
CJ 4 12 0 0 100 100
CK XK B X1 X2 u1 u2 Q1 Q2 Θ
100 Q1 7000 2500 5000 -1 0 1 0 1.4
100 Q2 250 50 200 0 -1 0 1 1.25
el menor
ZJ 725000 255000 520000 -100 -100 100 100 (+)
CJ-ZJ -254996 -519988 100 100 0 0 el menor
100 Q1 750 1250 0 -1 25 1 -25 0.6
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -84-

12 X2 1.25 0.25 1 0 -0.005 0 5 0.005


el menor
ZJ 75015 125003 12 -100 2499.94 100 -2499.9 (+)
CJ-ZJ -124999 0 100 -2499.9 0 2599.94 el menor
4 X1 0.6 1 0 -8E-04 0.02 0.0008 -0.02 -750
12 X2 1.1 0 1 0.0002 -0.01 -2E-04 0.01 5500
el menor
ZJ 15.6 4 12 -8E-04 -0.04 0.0008 0.04 (+)
CJ-ZJ 0 0 0.0008 0.04 99.999 99.96 El menor

MINIMIZACION CON VARIABLES ARTIFICIALES


Min z= 2x1+3x2
s.a 1x1 +x2 >=6
x1+x2 >=4
CJ 2 3 0 0 M M
C
K XK B X1 X2 u1 u2 Q1 Q2 Θ
M Q1 6 3 1 -1 0 1 0 2
M Q2 4 1 1 0 -1 0 1 4
ZJ 10M 4M 2M -M -M M M el menor (+)
CJ-ZJ 2-4M 3-2M M M 0 0 el menor
2 X1 2.00 1 1/3 - 1/3 0 1/3 0 6.00
M Q2 2 0 2/3 1/3 -1 - 1/3 1 3.00
ZJ 4+2M 2 1/3+2/3M -2/3+M/3 -M 2/3-M/3 M el menor (+)
CJ-ZJ 0 8/3-2/3M 2/3-M/3 M 4/3M+2/3 0 el menor
2 X1 1 1 0 -0.5 0.5 0.5 -0.5 -2
3 X2 3 0 1 1/2 -1 1/2 - 1/2 1 1/2 6
ZJ 11 2 3 0.5 -3.5 -0.5 3.5 el menor (+)
CJ-ZJ 0 0 - 1/2 3 1/2 M-1/2 M-3/2 El menor
2 X1 4 1 1 0 -1 0 1
0 u1 6 0 2 1 -3 -1 3
ZJ 8 2 2 0 -2 0 2 el menor (+)
CJ-ZJ 0 1 0 2 M M-2 El menor
RESOLVIENDO CON WINQSB

ITERACIONES
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -85-

Iteraciones con tora

Resolviendo con TORA


Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -86-

Resolver por el método de dos fases

Minimizar z =4x1+x2
sujeta a
3x1 + x2 = 3
4x1 + 3x2>= 6
X1 + 2x2 <=4
X1,x2 >=0

Si se usan u1 como excedente en la segunda restricción y u2 como una holgura en la


tercera restricción, la forma del problema en ecuación es
La primera y segunda ecuaciones no tienen variables que puedan desempeñar el papel de
holguras, pero la tercera sí, porque tiene la holgura u2. Así, se agregan las variables
artificiales R1 y R2 en las dos primeras ecuaciones y se penalizan en la función objetivo
con MR1 + MR2. La programación lineal que resulta es
Minimizar z = 4x1 + x2 + Mq1+Mq2
sujeta a
3X1+X2 +q1 =3
4X1, + 3x2 –u1 +q2 =6
X1 + 2x2 + U2 = 4
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -87-
X1,X2,U1,U2 >= 0

Resolviendo fase 1
CJ 4 1 0 0 M M Θ
C X
K K b X1 X2 u1 u2 q1 Q2
Q
M 1 3 3.00 1.00 0.00 0.00 1 0 1
Q
M 2 6 4.00 3.00 -1.00 0.00 0 1 1.5
0 u2 4 1.00 2.00 0.00 1.00 0 0 4
el menor
ZJ 9M 7M 4M -M 0 M M (+)
Cj-Zj 4-7M 1-4M M 0.00 0.00 0.00 el menor
1.0
4 x1 0 1.00 0.33 0.00 0.00 0.33 0.00 3
2.0
M q2 0 0.00 1.67 -1.00 0.00 -1.33 1.00 1.2
3.0
0 u2 0 0.00 1.67 0.00 1.00 -0.33 0.00 1.8
el menor
ZJ 2 4 4/3+5/3M -M 0 -M/3 M (+)
Cj-ZJ 0 -1/3-5/3M M 0 2/3M 0 el menor
0.6
4 x1 0 1.00 0.00 0.20 0.00 0.60 -0.20 3
1.2
1 x2 0 0.00 1.00 -0.60 0.00 -0.80 0.60 -2
1.0
0 u2 0 0.00 0.00 1.00 1.00 1.00 -1.00 1
el menor
ZJ 3.6 4 1 0.2 0 1.6 -0.2 (+)
Cj-ZJ 0 0 - 1/5 0 M-1.6 M+0.2 el menor

Fase 2 despareciendo las variable artificiales se continua con la solución con la fase 2

PROBLEMA DUAL Y ANALISIS DE SENSIBILIDAD

Hallar la solución del dual con la solución del primal y luego realizar análisis de
sensibilidad de en los siguientes problemas compruebe con winqsb y Solver y interprete
los resultados
En el problema de confecciones
En el problema de productos
En el problema de toyko
En el problema de Reddy Mikks

Practicas del jueves 24 de mayo del 2012


Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -88-

PRIMERA PRACTICA CALIFICADA DE INVESTIGACION DE OPERACIONES


Martes 15 de mayo del 2012 de 9 a 10.40
Profesor Msc. Ing. Ismael Véliz Vilca

Ejemplo 4.3-2 TOYCO arma tres juguetes: trenes, camiones y coches, con tres
operaciones. Los límites diarios de tiempo disponible para las tres operaciones son
430,460 y 420 minutos, respectivamente, y las utilidades por tren, camión y coche de
juguete son $3, $2 y $5, respectivamente. Los tiempos de armado por tren, en las tres
operaciones son 1, 3 y 1 minutos, respectivamente. Los tiempos respectivos por camión y
por coche son (2, 0, 4) y (1, 2, 0) minutos (un tiempo de cero indica que no se usa la
operación).
1. Plantee el problema y formule el modelo matemático del primal (2)
2. Se puede resolver por el métodos grafico si o no por que (1)
3. Resuelva el problema por el método simplex (3)
4. Formule el problema dual (1)
5. Resuelva el problema dual a partir de la solución del primal (compruebe resolviendo
el problema dual) (4)
6. Realice el análisis de sensibilidad del primal y del dual (4)
7. Compruebe con los resultados obtenidos con winqsb y solver y vea las
semejanzas y diferencias que se da en el siguiente cuadro y interprete cada
variable que significa y como se ha obtenido cada resultado y compares con sus
respuestas de la pregunta 6 (4 puntos)

Primal de TOYCO
Maximizar z=3x1+2x2+5x3
s.a : x1+2x2+x3 ≤ 430(Operación 1)
3x1+ 2x3 ≤ 460( Operación 2)
X1+4x2 ≤ 420 (operación 3)
X1,x2,x3≥ 0
Solución óptima x1=0,x2=100,x3=230z= 1350

DUAL de TOYKO
Minimizar z = 430 y1+ 460 y2 +420 y3
Sujeto a: 1 +3y2 +y3 ≥ 3
2y1 +4y3 ≥2
Y1+2y2 ≥5
Y1,y2,y3 ≥=0
Solución óptima: Y1=1,y2=2,y3=0, w= $1350

SOLUCION DEL PRIMAL


C’K= ck++ [ (zj-Cj)/aij)]min
COEFECIENTE RANGO VARIACION FUNCION OBJETIVO
VARIABLE
BASICA (CK) CK MAXIMIZAR MINIMIZAR
CK POSITIVO SUPERIOR CK+∆CK Aij <0 Aij >0
INFERIOR CK-∆CK aij>0 aij<0
CK NEGATIVO SUPERIOR CK+∆CK aij>0 aij<0
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -89-
INFERIOR CK-∆CK Aij <0 Aij >0

Demuestre con cálculos como se ha obtenido los valores del siguiente cuadro

11 El Problema del Carpintero

Un carpintero vende todas las mesas y las sillas que fabrica en un mercado. Sin embargo,
no tiene un ingreso estable y desea optimizar esta situación. Los ingresos netos por mesa
y silla son 5 y 3 respectivamente
Se miden los tiempos de producción requeridos para una mesa y una silla en distintos
momentos del día y se calculan en 2 horas y 1 hora, respectivamente. Las horas laborales
totales por semana son sólo 40. La materia prima requerida para una mesa y una silla es
de 1 y 2 unidades, respectivamente. El abastecimiento total de materia prima es de 50
unidades por semana.
 Formular el modelo matemático de programación lineal para ello
 Definir las variables de decisión
 Identificar los datos del problema
 Identificar la función objetivo
 Identificar las restricciones
 Resolver por el método grafico
 Resolver método simplex mostrando todas las iteraciones
 En la tabla simplex explicar que significa cualquier Cij
 Formular el modelo dual y resolverlo

 resolver el problema dual y realizar el análisis de sensibilidad


Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -90-
Supóngase que el carpintero pudiera contratar a un ayudante a un costo de US$2 por hora
(adicionales $2) ¿Le conviene al carpintero contratar a un ayudante? En caso afirmativo,
¿por cuántas horas?
Solución
Sea x1 : la cantidad de mesas a fabricar por el carpintero
X2: la cantidad de sillas a fabricar por el carpintero

Identificación de datos del problema


Variable x1 x2
Mesa Silla
Productos s s
Cantidad 10 20 Ganancia
Untilidad 5 3 110
Restriccion Disponibl Holgur
es Usado e ld a
Mano de <
Obra 2 1 40 40 = 0
Materia <
Prima 1 2 50 50 = 0
Modelo matemático
Max (z) = 5x1+3x2
s.a 2x1+ x2 ≤ 40
x1+2x2 ≤50
x1,x2 ≥ 0

Solución grafica y solución final con Tora del problema PRIMAL


Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -91-

TABLA SIMPLEX DEL PRIMAL

CJ 5 3 0 0

CK XK B X1 X2 u1 u2 Θ
0 u1 40 2 1 1 0 20
0 u2 50 1 2 0 1 50
el menor
ZJ 0 0 0 0 0 (+)
Zj-Cj -5 -3 0 0 El menor
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -92-

5 x1 20 1 1/2 1/2 0 40
0 u2 30 0 1 1/2 - 1/2 1 20
el menor
ZJ 100 5 2 1/2 2 1/2 0 (+)
Zj-Cj 0 - 1/2 2 1/2 0 El menor
5 x1 10 1 0 2/3 - 1/3
3 x2 20 0 1 - 1/3 2/3
el menor
ZJ 110 5 3 2 1/3 1/3 (+)
Zj-Cj 0 0 2 1/3 1/3 so

PLANTEAMIENTO DEL PROBLEMA DUAL


Primal
Max (z) = 5x1+3x2
s.a 2x1+ x2 ≤ 40
x1+2x2 ≤50
x1,x2 ≥ 0
Dual min(z) = 40y1+50y2
s.a 2 y1 +y2 ≥5
y1+2y2 ≥ 3
y1,y2 ≥0

Solución grafica y solución final con Tora del problema PRIMAL


Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -93-

TABLA SIMPLEX DEL DUAL


CJ 40 50 0 0 100 100
CK XK B y1 y2 u1 u2 R1 R2 Θ
100 R1 5 2 1 -1 0 1 0 2 1/2
100 R2 3 1 2 0 -1 0 1 3
el menor
ZJ 800 300 300 -100 -100 100 100 (+)
Zj-Cj 260 250 -100 -100 0 0 el mayor
40 y1 2 1/2 1 1/2 - 1/2 0 1/2 0 5
100 R2 1/2 0 1 1/2 1/2 -1 - 1/2 1 1/3
el menor
ZJ 150 40 170 30 -100 -30 100 (+)
Zj-Cj 0 120 30 -100 -130 0 el mayor
40 y1 2 1/3 1 0 - 2/3 1/3 2/3 - 1/3
50 y2 1/3 0 1 1/3 - 2/3 - 1/3 2/3
el menor
ZJ 110 40 50 -10 -20 10 20 (+)
Zj-Cj 0 0 -10 -20 -90 -80 So

ANALISIS DE SENSIBILIDAD DEL PROBLEMA DEL CARPINTERO

PROBLEMA PRIMAL DEL CARPINTERO

Variables no básicas U1 = horas disponibles U2 = materiales


Análisis de u1 ( c3) rango superior <= 7/3 rango inferior -∞
-∞ <=c3<=7/3 -∞ <=c3<=2.3333
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -94-

Análisis de u2(c4)
rango superior c4 <=1/3 rango inferior -∞
-∞ <=c4<=0.33

Variables básicas X1: mesas X2 :sillas


C’k= ck+∆cK = ck + [ (zj-Cj)/aij)]min

COEFECIENTE RANGO VARIACION FUNCION OBJETIVO


VARIABLE BASICA (CK) CK MAXIMIZAR MINIMIZAR
CK POSITIVO SUPERIOR CK+∆CK Aij <0 Aij >0
INFERIOR CK-∆CK aij>0 aij<0
CK NEGATIVO SUPERIOR CK+∆CK aij>0 aij<0
INFERIOR CK-∆CK Aij <0 Aij >0

CJ 5 3 0 0

CK XK B X1 X2 u1 u2 Θ
0 u1 40 2 1 1 0 20
0 u2 50 1 2 0 1 50
el menor
ZJ 0 0 0 0 0 (+)
Zj-Cj -5 -3 0 0 El menor
5 x1 20 1 1/2 1/2 0 40
0 u2 30 0 1 1/2 - 1/2 1 20
el menor
ZJ 100 5 2 1/2 2 1/2 0 (+)
Zj-Cj 0 - 1/2 2 1/2 0 El menor
5 x1 10 1 0 2/3 - 1/3
3 x2 20 0 1 - 1/3 2/3
el menor
ZJ 110 5 3 2 1/3 1/3 (+)
Zj-Cj 0 0 2 1/3 1/3 so

ANALISIS DE SENSIBILIDAD DE VARIABLES BASICAS x1,x2, u1,u2


Análisis de x1(c1)
Rango superior c’k = ck +∆Ck =5 + (0.33/[-0.33])  c’k =5+1=6
Rango inferior c’k = ck -∆Ck =5 - ( 2.333/0.67)  c’k =5-3.49 =1.51
1.5<= c1 <= 6
Análisis de x2(c2)
Rango superior c’k = ck +∆Ck =3 + (2.33/[-0.33])  c’k =3+7=10
Rango inferior c’k = ck -∆Ck =3 - ( 0.33/0.67)  c’k =3-0.5 =2.5
2.5<= c1 <= 10

ANALISIS DE SENSIBILIDAD DEL PROBLEMA DUAL


Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -95-
Variables no básicas
U1 = recurso que entra en mesas
U2 = recurso que entra en sillas

Análisis de u1 ( b3) rango inferior -10  rango inferior ∞  -10 <=b3<=∞


Análisis de u2(b4) rango inferior c4 <=1/3 ; rango superior ∞  0.33 <=b4<=∞
Variables básicas Y1: horas hombre X2 :materia prima
C’k= ck+∆cK = ck + [ (zj-Cj)/aij)]mIn

CJ 40 50 0 0 100 100
CK XK B y1 y2 u1 u2 R1 R2 Θ
100 R1 5 2 1 -1 0 1 0 2 1/2
100 R2 3 1 2 0 -1 0 1 3
el menor
ZJ 800 300 300 -100 -100 100 100 (+)
Zj-Cj 260 250 -100 -100 0 0 el mayor
40 y1 2 1/2 1 1/2 - 1/2 0 1/2 0 5
100 R2 1/2 0 1 1/2 1/2 -1 - 1/2 1 1/3
el menor
ZJ 150 40 170 30 -100 -30 100 (+)
Zj-Cj 0 120 30 -100 -130 0 el mayor
40 y1 2 1/3 1 0 - 2/3 1/3 2/3 - 1/3
50 y2 1/3 0 1 1/3 - 2/3 - 1/3 2/3
el menor
ZJ 110 40 50 -10 -20 10 20 (+)
Zj-Cj 0 0 -10 -20 -90 -80 So

ANALISIS DE SENSIBILIDAD DE VARIABLES BASICAS y1,y2

Análisis de y1(b1)
Rango superior c’k = ck +∆Ck =40 + (20/[0.33])  c’k =40+60=100
Rango inferior c’k = ck -∆Ck =40 - ( 10/-0.67)  c’k =40-15 =25
25<= b1 <=100

Análisis de y2 (b2)
Rango superior c’k = ck +∆Ck =50 + (10/[0.33])  c’k =50+30=80
Rango Inferior inferior c’k = ck -∆Ck =50 - ( 20/-0.67)  c’k =50-30 =20
20<= b2 <= 80
Preguntas

1. Supóngase que el carpintero pudiera contratar a un ayudante a un costo de US$2 por


hora (adicionales $2) ¿Le conviene al carpintero contratar a un ayudante? En caso
afirmativo, ¿por cuántas horas?

Como el precio sombra del recurso (mano de obra h-h) es 2.33 (valor de y1) si conviene
contratar al ayudante por que la utilidad se incrementaría 0.33 por cada hora contratada
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -96-
hasta 100 horas como ya se tiene 40 se podría contratar 60 horas ( digamos 2 ayudantes
a 30 horas cada uno)
La utilidad subiría a 60*0.33=20 osea 110 a 130

Comprobando

UTLIDAD sube a 250 -120(pago del ayudante) = 250-120= 130

2. Interpretacion de las iteraciones


Iteracion 0

Variable x1 x2
Mesa Silla
Productos s s
Cantidad 0 0 Ganancia
Untilidad 5 3 0
Restriccion Disponibl Holgur
es Usado e ld a variable
Mano de <
Obra 2 1 0 40 = 40 u1
Materia <
Prima 1 2 0 50 = 50 u2

Se tiene u1=40 y u2 =50 utilidad cero


En la columna Zj.Cj -5 nos indica que por cada mesa que dejamos de fabricar perdimos
-5 ( o ganariamos 5 si fabricamos 1 ) por eso decidimos fabricar mesas (x1) por que se
gana mas

una vez decidido que se fabricara mesas analisamos los recursos.

Recurso 1. Mano de obra = 40 /2= 20


Recurso 2. Materia prima= 50/ 1=50 ( no se puede fabricar 50 mesas) por que faltaria
mano de obra por lo que se elije 20 mesas ( el menor positivo)

Variable x1 x2
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -97-
Mesa Silla
Productos s s
Gananci
Cantidad 20 0 a
Untilidad 5 3 100
Restriccion Disponibl Holgur variabl
es Usado e ld a e
Mano de
Obra 2 1 40 40 <= 0 u1
Materia
Prima 1 2 20 50 <= 30 u2

Iteración 1
Se tiene x1=20 y u2 =30 utilidad 100 ( venta de 20 mesas)

En la columna Zj.Cj -0.55 nos indica que por cada silla que dejamos de fabricar
perdimos -0.5 ( o ganariamos 0.5 si fabricamos 1 ) pero para eso se debe dejar de
fabricar ½ mesa ( probando si fabricamos 2 sillas mas nuestra utilidad se incrementaria
en 101 soles por lo tanto fabricamos sillas con el materia prima que no queda y dejamos
de fabricar algunas mesas para obtener mano de obra).

Variable x1 x2
Mesa Silla
Productos s s
Gananci
Cantidad 19 2 a
Untilidad 5 3 101
Restriccione Disponibl Holgur variabl
s Usado e ld a e
Mano de
Obra 2 1 40 40 <= 0 u1
Materia
Prima 1 2 23 50 <= 27 u2

Iteración 2

Se tiene x1=10 y u2 =20 utilidad 110 ( venta de 10, mesas y 20 sillas)


En la columna Zj.Cj no hay ningun valor negativo por la tanto es la solucion optima
En la fila Zj x1=0, x2=0, u1=2.333 u2=0.33 por cada hora adicional de mano de obra se
ganaria 2.33 y por cada unidad adicional de material prima se gana 0.33
Por ejmplo si aumentamos horas hombre a 43 se ganaria 2.333*3=7 =110+7=117

Variable x1 x2
Mesa
Productos s Sillas
Gananci
Cantidad 12 19 a
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -98-

Untilidad 5 3 117
Restriccion Disponibl Holgur variabl
es Usado e ld a e
Mano de
Obra 2 1 43 43 <= 0 u1
Mater Prima 1 2 50 50 <= 0 u2

Si aumentamos simultaneamente los recursos hasta los limites permitidos

Rango superior
precio
Recurso sombra cant aumento a Z
H.h 2.33333 60 139.9998
MP 0.3333 30 9.999
149.9988

Prueba
Variable x1 x2
Mesa
Productos s Sillas
Gananci
Cantidad 40 20 a
Untilidad 5 3 260
Restriccion Disponibl Holgur variabl
es Usado e ld a e
Mano de
Obra 2 1 100 100 <= 0 u1
Materia
Prima 1 2 80 80 <= 0 u2
260-110 = 150 ( aumena en 150
Rango inferior

precio
Recurso sombra cant aumento a Z
H.h 2.33333 15 34.99995
MP 0.3333 30 9.999
44.99895
Bajariamos el ingreso en 45 soles

Prueba
Variable x1 x2
Mesa
Productos s Sillas
Gananci
Cantidad 10 5 a
Untilidad 5 3 65
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -99-
Restriccion Disponibl Holgur variabl
es Usado e ld a e
Mano de
Obra 2 1 25 25 <= 0 u1
Materia
Prima 1 2 20 20 <= 0 u2

Seguir haciendo análisis de este tipo para otros parámetros como por ejemplo variación
de los coeficientes de la función objetivo

12 Problema de la Dieta
Supongamos que se cuenta con dos alimentos pan y queso , cada uno de ellos contiene
calorías y proteínas en diversas proporciones , Un kilogramo de pan contiene 2000
calorías y 50 gramos de proteínas, y un kilogramo de queso contiene 4000 calorías y 200
gramos de proteínas supongamos que una dieta norma requiere cuando menos 6000
calorías y 200 gramos de proteínas diariamente

Por tanto si el kilogramo de pan cuesta $6.00 y 21$ el queso ¿ que cantidad de pan y
queso debemos comprar para satisfacer los requisitos de la dieta normal , gastando la
menor cantidad posible de dinero?
 Formular el modelo matemático de programación lineal para ello
 Definir las variables de decisión
 Identificar los datos del problema
 Identificar la función objetivo
 Identificar las restricciones
 Resolver por el método grafico
 Resolver método simplex mostrando todas las iteraciones
 En la tabla simplex explicar que significa cualquier Cij
 Formular el modelo dual y resolverlo
 resolver el problema dual y realizar el análisis de sensibilidad
solución
a)formulación del modelo matemático
sea x1 la cantidad de kg de pan a consumir cada dia
sea x2 la cantidad de Kg de queso a consumir cada dia
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -100-

Iteraciones

CJ 6 21 0 0 1000 1000
CK XK B X1 X2 u1 u2 R1 R2 Θ
100 R
0 1 6000 2000 4000 -1 0 1 0 1.5
100 R
0 2 200 50 200 0 -1 0 1 1
620000 el menor
ZJ 0 2050000 4200000 -1000 -1000 1000 1000 (+)
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -101-
2,049,99 4,199,97 -
Zj-Cj 4 9 1,000 -1,000 0 0 el mayor
100 R
0 1 2000 1000 0 -1 20 1 -20 2
21 X2 1 0.25 1 0 -0 0 0 4
200002 19999 -19999 el menor
ZJ 1 1000005 21 -1000 17/19 1000 17/19 (+)
19999 -20999
Zj-Cj 999999.3 0 -1000 17/19 0 17/19 el mayor
6 y1 2 1 0 -0 1/50 0 - 1/50
21 y2 0.5 0 1 0 -0 -0 0
el menor
ZJ 22.5 6 21 -0 - 1/11 0 1/11 (+)
-
Zj-Cj 0 0 -0 - 1/11 1000 -999 10/11 So

SOLUCION FINAL

PROBLEMA DUAL
MAX (G) =6000y1+200Y2
s.a 2000Y1 +50Y2 ≤ 6
4000Y1 +200Y2 ≤ 21
Y1,Y2 ≥0

Solución final
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -102-

Iteraciones

CJ 6000 200 0 0
CK XK B Y1 Y2 u1 u2 Θ
0.0000 u1 6.0000 2,000.0000 200.0000 1.0000 0.0000 0.0300
0.0000 u2 21.0000 4,000.0000 50.0000 0.0000 1.0000 0.4200
ZJ 0.0000 0.0000 0.0000 0.0000 0.0000 el menor (+)
Zj-Cj -6,000.0000 -200.0000 0.0000 0.0000 El menor
6,000.0000 Y1 0.0030 1.0000 0.1000 0.0005 0.0000
0.0000 u2 9.0000 0.0000 -350.0000 -2.0000 1.0000
ZJ 18.0000 6,000.0000 600.0000 3.0000 0.0000 el menor (+)
Zj-Cj 0.0000 400.0000 3.0000 0.0000 SO

ESTADISTICA DESCRIPTIVA

NUMEROS ALEATORIOS
FORMULA DE UNA URVA
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -103-

Vous aimerez peut-être aussi