Académique Documents
Professionnel Documents
Culture Documents
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
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
=INDICE(semana,2) = martes
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
Filas 4
COLUMN
AS 3
INDICE(3,
2) 60
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -5-
EJERCICIOS
1. Encontrar los tres primeros elementos de una lista cuales son y que lugar ocupan en
la lista
Entonces
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-
Correlación
Covarianza
Estadística descriptiva
Suavización exponencial
Prueba t para varianzas de dos muestras
Análisis de Fourier
Histograma
Media móvil
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)
Histograma
Frecuencia
Frecuencia
% acumulado
Clase
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-
2. Modifique el grafico
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -23-
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)
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.
La solucion es
GRAFICAR EL MODELO
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -33-
Presione enter
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -39-
Usando iteraciones
Problema de minimizacion
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -45-
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
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
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-
End Sub
1. La solución es
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
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 c2
Pendiente de la función objetivo = 200x1+c2x2=0
Si x1=0 x2=0
Si x1=1x2= -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=200/0.5c2(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=1x2= (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
PREGUNTAS
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
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=0x2=7000/5000=1.4 punto(0,1.4)
Si x2=0x1= 7000/2500=2.8 punto (2.8,0)
Solución grafica
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
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;
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-
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
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)
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-
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
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
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
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
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 2 Ganancia con producción de unidad adicional de x2 (vestidos) a costa de los trajes
r ucio
Celda f10 se intentara obtener una unidad adicional de s1(lana) perdería 66.67 soles
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
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
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
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-
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
Solución en WInQSB
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -82-
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
ITERACIONES
Guía de prácticas de Investigación de operaciones 1 2013 \Ismael Véliz Vilca -85-
Minimizar z =4x1+x2
sujeta a
3x1 + x2 = 3
4x1 + 3x2>= 6
X1 + 2x2 <=4
X1,x2 >=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
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
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
Demuestre con cálculos como se ha obtenido los valores del siguiente cuadro
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
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
Análisis de u2(c4)
rango superior c4 <=1/3 rango inferior -∞
-∞ <=c4<=0.33
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
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
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
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
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
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
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
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-