UNIVERSIDAD NACIONAL AGRARIA DE LA SELVA

FACULTAD DE INGENIERÍA EN INDUSTRIAS ALIMENTARIAS

DEPARTAMENTO ACADÉMICO DE CIENCIA, TECNOLOGÍA E INGENIERÍA DE
ALIMENTOS

CURSO : INVESTIGACION DE OPERACIONES

DOCENTE : ROBERTO DAVILA TRUJILLO

ALUMNO : JAVIER ZUÑIGA, Gabriela

CICLO : 2019– I
 1. INVESTIGACION DE OPERACIONES
La investigación de operaciones es el ataque de la ciencia moderna a los
complejos problemas que surgen en la dirección y en la administración de
grandes sistemas de hombres, máquinas, materiales y dinero, en la industria, en
los negocios, en el gobierno y en la defensa. Su actitud diferencial consiste en
desarrollar un modelo científico del sistema tal, que incorpore valoraciones de
factores como el azar y el riesgo y mediante el cual se predigan y comparen los
resultados de decisiones, estrategias o controles alternativos. Su propósito es el
de ayudar a la gerencia a determinar científicamente sus políticas y acciones.

La Investigación de Operaciones aspira a determinar el mejor curso de acción, o

curso óptimo, de un problema de decisión con la restricción de recursos
limitados. Como técnica para la resolución de problemas, investigación de
operaciones debe visualizarse como una ciencia y como un arte. Como Ciencia
radica en ofrecer técnicas y algoritmos matemáticos para resolver problemas de
decisión adecuada. Como Arte debido al éxito que se alcanza en todas las fases
anteriores y posteriores a la solución de un modelo matemático, depende de la
forma apreciable de la creatividad y la habilidad personal de los analistas
encargados de tomar las decisiones. En un equipo de Investigación de
Operaciones es importante la habilidad adecuada en los aspectos científicos y
artísticos de Investigación de Operaciones. Si se destaca un aspecto y no el otro
probablemente se impedirá la utilización efectiva de la Investigación de
Operaciones en la práctica. La Investigación de Operaciones en la Ingeniería de
Sistemas se emplea principalmente en los aspectos de coordinación de
operaciones y actividades de la organización o sistema que se analice, mediante
el empleo de modelos que describan las interacciones entre los componentes
del sistema y de éste con este con su medio ambiente. En la Investigación de
Operaciones la parte de "Investigación" se refiere a que aquí se usa un enfoque
similar a la manera en la que se lleva a cabo la investigación en los campos
científicos establecidos. La parte de "Operaciones" es porque en ella se
resuelven problemas que se refieren a la conducción de operaciones dentro de
una organización.
Actualmente la administración está funcionando en un ambiente de negocios que
está sometido a muchos más cambios, los ciclos de vida de los productos se
hacen más cortos, además de la nueva tecnología y la internacionalización
creciente.

Las raíces de la investigación de operaciones se remontan a cuando se hicieron

los primeros intentos para emplear el método científico en la administración de
una empresa. Sin embargo, el inicio de esta disciplina se atribuye a los servicios
militares prestados a principios de la segunda guerra mundial.

La investigación de operaciones se aplica a problemas que se refieren a la

conducción y coordinación de operaciones (o actividades) dentro de una
organización.

La investigación de operaciones intenta encontrar una mejor solución, (llamada

solución óptima) para el problema bajo consideración.

Una de las principales razones de la existencia de grupos de investigación de

operaciones es que la mayor parte de los problemas de negocios tienen múltiples
aspectos es perfectamente razonable que las fases individuales de un problema
se comprendan y analicen mejor por los que tienen el adiestramiento necesario
en los campos apropiados.

La investigación de operaciones es la aplicación, por grupos interdisciplinarios,

del método científico a problemas relacionados con el control de las
organizaciones o sistemas, a fin de que se produzcan soluciones que mejor
sirvan a los objetivos de la organización.

1.1. TIPOS DE MODELOS DE INVESTIGACIÓN DE OPERACIONES

Un modelo es una representación ideal de un sistema y la forma en que este

opera. El objetivo es analizar el comportamiento del sistema o bien predecir su
comportamiento futuro. Obviamente los modelos no son tan complejos como el
sistema mismo, de tal manera que se hacen las suposiciones y restricciones
necesarias para representar las porciones más relevantes del mismo.
Claramente no habría ventaja alguna de utilizar modelos si estos no simplificaran
la situación real. En muchos casos podemos utilizar modelos matemáticos que,
mediante letras, números y operaciones, representan variables, magnitudes y
sus relaciones.

a) Modelo Matemático: Se emplea cuando la función objetivo y las restricciones

del modelo se pueden expresar en forma cuantitativa o matemática como
funciones de las variables de decisión.

Un modelo matemático consta al menos de tres conjuntos básicos de elementos:

1. Variables de decisión y parámetros.- Las variables de decisión son

incógnitas que deben ser determinadas a partir de la solución del modelo.
Los parámetros representan los valores conocidos del sistema o bien que
se pueden controlar.
2. Restricciones.- Las restricciones son relaciones entre las variables de
decisión y magnitudes que dan sentido a la solución del problema y las
acotan a valores factibles. Por ejemplo si una de las variables de decisión
representa el número de empleados de un taller, es evidente que el valor
de esa variable no puede ser negativa.
3. Función Objetivo.- La función objetivo es una relación matemática entre
las variables de decisión, parámetros y una magnitud que representa el
objetivo o producto del sistema. Por ejemplo si el objetivo del sistema es
minimizar los costos de operación, la función objetivo debe expresar la
relación entre el costo y las variables de decisión. La solución ÓPTIMA se
obtiene cuando el valor del costo sea mínimo para un conjunto de valores
factibles de las variables. Es decir hay que determinar las variables x 1,
x2,..., xn que optimicen el valor de Z = f(x1, x2,..., xn) sujeto a restricciones
de la forma g(x1, x2,..., xn) b. Donde x1, x2,..., xn son las variables de
decisión Z es la función objetivo, f es una función matemática.
b) Modelo de Simulación: Los modelos de simulación difieren de los
matemáticos en que la relación entre la entrada y la salida no se indican en forma
explícita. En cambio, un modelo de simulación divide el sistema representado en
módulos básicos o elementales que después se enlazan entre si vía relaciones
lógicas bien definidas. Por lo tanto, las operaciones de cálculos pasaran de un
módulo a otro hasta que se obtenga un resultado de salida.

Los modelos de simulación cuando se comparan con modelos matemáticos;

ofrecen mayor flexibilidad al representar sistemas complejos, pero esta
flexibilidad no está libre de inconvenientes. La elaboración de este modelo suele
ser costoso en tiempo y recursos. Por otra parte, los modelos matemáticos
óptimos suelen poder manejarse en términos de cálculos.

c) Modelos de Investigación de Operaciones de la ciencia de la

administración: Los científicos de la administración trabajan con modelos
cuantitativos de decisiones.

d) Modelos Formales: Se usan para resolver problemas cuantitativos de

decisión en el mundo real. Algunos modelos en la ciencia de la administración
son llamados modelos determinísticos. Esto significa que todos los datos
relevantes (es decir, los datos que los modelos utilizarán o evaluarán) se dan por
conocidos. En los modelos probabilísticos (o estocásticos), alguno de los datos
importantes se consideran inciertos, aunque debe especificarse la probabilidad
de tales datos.

EJERCISIO 1
Una empresa tiene la exclusiva para la distribución de un producto en 4
poblaciones. En un estudio de mercado se ha determinado la demanda
potencial, según se muestra en la siguiente tabla:
 Población 1 Población 2 Población 3 Población 4
3000 Unidades 2000 unidades 2500 unidades 2700 unidades

Se sabe que los costes de transporte son de 0.02€ por Km y unidad

transportada. La distancia en Km existente entre los pueblos es la que figura en
la tabla siguiente:
Población 1 Población 2 Población 3 Población 4
Población 1 - 25 35 40
Población 2 25 - 20 40

Población 3 35 20 - 30
Población 4 40 40 30 -

Para abaratar los costes de transporte se decide instalar un almacén con

capacidad para 6000 unidades en dos de estas cuatro poblaciones. Determinar
en qué poblaciones se deben instalar los almacenes.
Solución
Se determinan las variables de decisión, en este caso:
 Xij: cantidad enviada del almacén i a la población j
 Yi: almacén situado en la población i (0 indica que no hay ningún
almacén y 1 que sí lo hay)
Se determina la función objetivo:
 Minimizar Z = 0.5·X12 + 0.7·X13 + 0.8·X14 + 0.5·X21 + 0.4·X23 +
0.8·X24 + 0.7·X31 + 0.4·X32 + 0.6·X34 + 0.8·X41 + 0.8·X42 + 0.6·X43
Se determinan las restricciones y se expresan como ecuaciones o
inecuaciones de las variables de decisión. Dichas restricciones se deducen de
la siguiente manera:
 Las unidades que se envían a cada población desde los almacenes
deben cumplir con la demanda de dicha población:
 X11 + X21 + X31 + X41 ≥ 3000
 X12 + X22 + X32 + X42 ≥ 2000
 X13 + X23 + X33 + X43 ≥ 2500
 X14 + X24 + X34 + X44 ≥ 2700
 Solo se crearán dos almacenes:
<!--[if !supportLists]-->o <!--[endif]-->Y1 + Y2 + Y3 + Y4 = 2
 La cantidad de unidades que puede enviar cada almacén debe ser
menor o igual que la capacidad de éste:
  X11 + X12 + X13 + X14 ≤ 6000·Y1
 X21 + X22 + X23 + X24 ≤ 6000·Y2
 X31 + X32 + X33 + X34 ≤ 6000·Y3
 X41 + X42 + X43 + X44 ≤ 6000·Y4
Se expresan todas las condiciones implícitamente establecidas por la
naturaleza de las variables: que no puedan ser negativas, que sean enteras,
que solo puedan tomar determinados valores, ... En este caso las restricciones
son que las unidades enviadas desde cada almacén no pueden ser negativas y
además la variable que determina si se creará o no un almacén debe ser
booleana (0 no se crea, 1 se crea):
 Xij ≥ 0
 Yi es booleano

EJERCISIO 2
Una empresa de alimentación produce zumos de pera, naranja, limón, tomate,
manzana, además de otros dos tipos denominados H y G que son combinados
de alguno de los anteriores. La disponibilidad de fruta para el periodo próximo,
así como los costes de producción y los precios de venta para los zumos,
vienen dados en la tabla:
FRUTA DISPONIBILIDAD COSTE PRECIO
MÁXIMA (KG) (PTAS/KG) VENTA
(PTAS/L)
NARANJA (N) 32000 94 129

PERA ( P) 25000 87 125

LIMÓN (L) 21000 73 110
TOMATE (T) 18000 47 88
MANZANA (M) 27000 68 97

Las especificaciones y precios de venta de los combinados vienen dados en la

tabla:
COMBINADO ESPECIFICACIÓN PRECIO
VENTA
(PTAS/L)
H No más del 50 % de M 1OO
 No más del 20 % de P

No menos del 10 % de L
G 40 % de N 120
35 % de L
25 % de P

La demanda de los distintos zumos es grande, por lo que se espera vender

toda la producción. Por cada kg de fruta, se produce un litro del
correspondiente zumo. Determinar los niveles de producción de los siete
zumos, de manera que se tengan beneficio máximo en el periodo entrante.
SOLUCION:
· VARIABLES
Xij donde X: cantidad de litros
I: (H=1, G=2)
J: (naranja= 1, pera= 2, limón=3, tomate=4, manzana = 5)
· FUNCION OBJETIVO
Z(max)= 100X1 + 120X2 + 129(X11+X21) + 125(X12+X22) + 110(X13+X23) +
88(X14+X24) + 97(X15+X25) – 94(X11+X21) – 87(X12+X22) – 73(X13+X23) –
47(X14+X24) – 68(X15+X25)
Z(max)= 100X1 + 120X2 + 35(X11+X21) + 38(X12+X22) + 37(X13+X23) +
41(X14+X24) + 29(X15+X25)
· RESTRICCIONES
Concentración
X15 ≤ 0,50 X1
X12 ≤ 0,20 X1
X13 ≥ 0,10 X1
X12 + X13 + X15 + X11 + X14 = X1
X21 = 0,40 X2
X23 = 0,35 X2
X22 =0,25 X2
X21 + X23 + X22 + X24 + X25 = X2
Disponibilidad
X11 + X21 ≤ 32000
X12 + X22 ≤ 25000
X13 + X23 ≤ 21000
X14 + X24 ≤ 18000
X15 + X25 ≤ 27000
Positividad
Xij ≥ 0 para todo i= 1,2 y j= 1,2,3,4,5

EJERCISIO 3
La compañía comercializadora de bebidas energéticas "CILANTRO SALVAJE"
se encuentra promocionando dos nuevas bebidas, la tipo A y la tipo B, dado que
se encuentran en promoción se puede asegurar el cubrimiento de cualquier
cantidad de demanda, sin embargo existen 2 políticas que la empresa debe tener
en cuenta. Una de ellas es que la cantidad de bebidas tipo A que se vendan no
puede ser menor que las de tipo B, y la segunda es que se deben de vender por
lo menos 1500 bebidas de cualquier tipo.

Dado que se encuentran en promoción el precio de venta de ambas bebidas

equivale a $1800 pesos. Determine la cantidad de unidades que deben
venderse.

Variables

X = Cantidad de bebidas tipo “A” a vender

Y = Cantidad de bebidas tipo “B” a vender

Restricciones

X => Y

X + Y => 1500

Función Objetivo
Zmax = 1800X + 1800Y

La gráfica resultante sería:

Es claro que en este ejercicio las variables pueden aumentar mejorando

indefinidamente la función objetivo, en estos casos se dice que la solución óptima
no es acotada, por lo cual las posibles soluciones son infinitas.

SOLUCIÓN INFACTIBLE

El caso de la solución in-factible es más típico de lo pensado, y corresponde a

los casos en los cuales no existen soluciones que cumplen con todas las
restricciones. Es muy común ver este fenómeno producto de inviables
proporciones de oferta y demanda.

EJERCISIO 4

La compañía de galletas "CAROLA" desea planificar la producción de galletas

que tendrá que entregar a su cliente en dos semanas, el contrato indica que la
compañía "CAROLA" se compromete a entregar por lo menos 300 cajas de
galletas cualquiera sea su tipo (presentación D, presentación N o una
combinación de ambas presentaciones), cada caja de galletas presentación D
tiene un tiempo de elaboración de 2 horas, y un tiempo de horneado de 3 horas,
mientras cada caja de presentación N tiene un tiempo de elaboración de 3 horas
y un tiempo de horneado de 1 hora. La compañía cuenta estas dos semanas con
550 horas para elaboración y con 480 horas de horneado.
Teniendo en cuenta que el margen de utilidad de cada caja de galletas
presentación D y N es de $8500 y $8100 respectivamente, determine mediante
un modelo de programación lineal el plan de producción que maximice las
utilidades.

Variables

X = Cantidad de cajas de galletas presentación D a producir en 2 semanas

Y = Cantidad de cajas de galletas presentación N a producir en 2 semanas

Restricciones

2X + 3Y <= 550

3X + Y <= 480

X + Y => 300

Función Objetivo

Zmax = 8500X + 8100Y

La gráfica resultante es la siguiente:

Evidentemente no existe forma alguna de satisfacer todas las restricciones, por

ende se concluye que no existe solución factible.
EJERCISIO 5
Un nutricionista asesora a un individuo que sufre una deficiencia de hierro y
vitamina B, y le indica que debe ingerir al menos 2400 mg de vitamina B-1
(tiamina) y 1500 mg de vitamina B-2 (riboflavina) durante cierto período de
tiempo. Existen dos píldoras de vitaminas disponibles, la marca A y la marca B.
Cada píldora de la marca A contiene 40 mg de hierro, 10 mg de vitamina B-1, 5
mg de vitamina B-2 y cuesta 6 centavos. Cada píldora de la marca B contiene 10
mg de hierro, 15 mg de vitamina B-1 y de vitamina B-2, y cuesta 8 centavos (tabla
2).
¿Cuáles combinaciones de píldoras debe comprar el paciente para cubrir sus
requerimientos de hierro y vitamina al menor costo?

Requerimientos
Marca A Marca B
mínimos
Hierro 40 mg 10 mg 2400 mg
Vitamina B-1 10 mg 15 mg 2100 mg
Vitamina B-2 5 mg 15 mg 1500 mg
Costo por píldora
0,06 0,08
(US$)

de la marca B por comprar. El costo C, medido en centavos, está dado por

C = 6x+ 8y
que representa la función objetivo por minimizar.
La cantidad de hierro contenida en
x píldoras de la marca A e y el número de píldoras de la marca B está dada
por 40x+10y mg, y esto debe ser mayor o igual a 2400 mg. Esto se traduce en
la desigualdad.
40x+10y>2400
Consideraciones similares con los requisitos mínimos de vitaminas B-1 y B-2
conducen a las desigualdades:
10x+15y>2100
5x+15y>1500
respectivamente. Así el problema en este caso consiste en minimizar C=6x+8y
sujeta a
40x+10y>2400
10x+15y>2100
5x+15y>1500
x>0, y>0
El conjunto factible S definido por el sistema de restricciones aparece en la
figura. Los vértices del conjunto factible S son A(0,240); B(30,120); C(120; 60)
y D(300,0).

Los valores de la función objetivo C en estos vértices en la tabla que sigue

Vertice C=6x + 8y

A (0,240) 1920

B(30,120) 1140

C(120,60) 1200

D(300,0) 1800

La tabla muestra que el mínimo de la función objetivo C=6x+8y ocurre en el

vértice B(30,120) y tiene un valor de 1140. Así el paciente debe adquirir 30
píldoras de la marca A y 120 de la marca B, con un costo mínimo de $11,40.

EJERCISIO 6
En una granja de pollos se da una dieta "para engordar" con una composición
mínima de 15 unidades de una sustancia A y otras 15 de una sustancia B. En
el mercado solo se encuentran dos clases de compuestos: el tipo I con una
composición de una unidad de A y cinco de B, y el tipo II con una composición
de cinco unidades de A y una de B. El precio del tipo I es de 10 dólares y el del
tipo II es de 30 dólares. Se pregunta:
¿Qué cantidades se han de comprar de cada tipo para cubrir las necesidades
con un coste mínimo?
Sustancia A Sustancia B Precio $
Tipo I (x) 1 5 10
Tipo II (y) 5 1 30
 15 15

Variables de decisión:

Tipo I  x
Tipo II  y

Función Objetivo:

Min z=10x +30y

Restricciones:

sa: 𝑥 + 5𝑦 ≥ 15
5𝑥 + 𝑦 ≥ 15
𝑥, 𝑦 ≥ 0

1. Convertir a igualdad las restricciones:

𝑥 + 5𝑦 − 𝑒1 − 0𝑒2 = 15
5𝑥 + 𝑦 − 0𝑒1 − 𝑒2 = 15

2. Igualar la función objetivo a 0

10𝑥 + 30𝑦 − 𝑧 = 0
3. Escribir la tabla inicial simplex

Iteración 1
Base x y e1 e2 Vs
e1 1 5 -1 0 15
e2 5 1 0 -1 15
-z 10 30 0 0 0

Vfe2: 5 1 0 -1 15 Vf-z: 10 30 0 0 0
- - - - - - - - - -
1 1 1 1 1 30 30 30 30 30
* * * * * * * * * *
1/5 1 -1/5 0 3 1/5 1 -1/5 0 3
= = = = = = = = = =
 Nfe2: 24/5 0 1/5 -1 12 Nf- 4 0 6 0 -90
z:

Iteración 2
Base x y e1 e2 Vs
y 1/5 1 -1/5 0 3
e2 24/5 0 1/5 -1 12
-z 4 0 6 0 -90

Vfy: 1/5 1 -1/5 0 3 Vf-z: 4 0 6 0 -90

- - - - - - - - - -
1/5 1/5 1/5 1/5 1/5 4 4 4 4 4
* * * * * * * * * *
1 0 1/24 - 5/2 1 0 1/24 -5/24 5/2
5/24
= = = = = = = = = =
Nfy: 0 1 - 1/24 5/2 Nf-z: 0 0 35/6 5/6 -100
5/24

Iteración 3
Base x y e1 e2 Vs
y 0 1 - 1/24 5/2
5/24
x 1 0 1/24 - 5/2
5/24
z 0 0 - -5/6 +100
35/6

Respuestas:
x= 5/2 3
y=5/2 3
z=100
EJERCISIO 7
Una fábrica produce neveras utilitarias y de lujo. La fábrica está dividida en dos
secciones: montaje y acabado. Los requerimientos de trabajo vienen dados por
la siguiente tabla:
Montaje Acabado
Utilitaria 3 horas 3 horas
Lujo 3 horas 6 horas

El máximo número de horas de trabajo disponibles diariamente es de 120 en

montaje y 180 en acabado, debido a las limitaciones de operarios.
Si el beneficio es de 300 euros por cada nevera utilitaria y de 400 euros por cada
nevera de lujo, ¿cuántas deben fabricarse diariamente de cada una para obtener
el máximo beneficio?
Montaje Acabado Precio $
Utilitarias 3 3 300
(x)
Lujo (y) 3 6 400
120 180

Variables de decisión:

Utilitarias  x
Lujo  y

Función Objetivo:

Max z=300x +400y

Restricciones:

sa: 3𝑥 + 3𝑦 ≤ 120
3𝑥 + 6𝑦 ≤ 180
𝑥, 𝑦 ≥ 0

1. Convertir a igualdad las restricciones:

3𝑥 + 3𝑦 + ℎ1 + 0ℎ2 = 120
3𝑥 + 6𝑦 + 0ℎ1 + ℎ2 = 180

2. Igualar la función objetivo a 0

 𝑧 − 300𝑥 − 400𝑦 = 0

3. Escribir la tabla inicial simplex

Iteración 1
Base x y h1 h2 Vs
h1 3 3 1 0 120
h2 3 6 0 1 180
z -300 -400 0 0 0

Vfh1: 3 3 1 0 120 Vfz: -300 -400 0 0 0

- - - - - - - - - -
3 3 3 3 3 -400 -400 -400 -400 -400
* * * * * * * * * *
1/2 1 0 1/6 30 1/2 1 0 1/6 30
= = = = = = = = = =
Nfh1: 3/2 0 1 -1/2 30 Nfz: -100 0 0 200/3 12000

Iteración 2
Base x y h1 h2 Vs
h1 3/2 0 1 -1/2 30
y 1/2 1 0 1/6 30
z -100 0 0 200/3 12000

Vfy: 1/2 1 0 1/6 30 Vfz: - 0 0 200/3 12000

100
- - - - - - - - - -
1/2 1/2 1/2 1/2 1/2 - - -100 -100 -100
100 100
* * * * * * * * * *
1 0 2/3 -1/3 20 1 0 2/3 -1/3 20
= = = = = = = = = =
Nfy: 0 1 -1/3 1/3 20 Nfz: 0 0 200/3 100/3 14000

Iteración 3
Base x y h1 h2 Vs
x 1 0 2/3 -1/3 20
y 0 1 -1/3 1/3 20
z 0 0 200/3 100/3 14000

Respuestas:
x= 20
y=20
z=14000
EJERCISIO 8

Una pequeña compañía fábrica tres componentes electrónicos de

computadoras. Componente A requiere 2 horas de fabricación, 1 hora de
ensamblaje y 1 hora de finalización; Componente B requiere 3 horas de
fabricación, 1 hora de ensamblaje y 1 hora de finalización; y el Componente C
requiere 2 horas de fabricación, 2 horas de ensamblaje y 1 hora de
finalización. La compañía tiene a lo sumo 1.000 horas de labor en la fabricación,
800 horas de labor en el ensamblaje y 100 horas de finalización disponibles cada
semana. Las ganancias de cada componente A, B y C, son $7, $8 y $10,
respectivamente.

Cuántos componentes de cada tipo debe la compañía fabricar cada semana

de manera que pueda maximizar sus ganancias? ¿Cuál es la ganancia
máxima?. Resuelva el problema de Programación Lineal utilizando el
Método Simplex.
Sea la cantidad de unidades a producir semanalmente del Componente
A, B y C, respectivamente, un modelo de Programación Lineal que permite
abordar el problema anterior es:

De modo de resolver el modelo a través del Método Simplex llevamos el mismo

al formato estándar, agregando como variables de holgura de las
restricciones 1, 2 y 3, respectivamente (fabricación, ensamblaje y finalización).

Lo que da origen a la siguiente tabla inicial del método:

Por el criterio del costo reducido más negativo ingresa a la base la variable .
Luego calculamos el mínimo cuociente en dicha columna
obteniendo: , el pivote está en la fila 3 y en
consecuencia deja la base. Se realiza entonces una iteración:

Notar que luego de una iteración las variables no básicas tienen costos
reducidos mayores a cero, además las variables básicas cumplen con las
condiciones de no negatividad, a saber , lo que
corresponde a una solución básica factible óptima. En consecuencia se
propone producir exclusivamente 100 unidades del Componente C lo que reporta
un valor óptimo (ganancia máxima) de $1.000.

EJERCISIO 9
Una campaña para promocionar una marca de productos lácteos se basa en el
reparto gratuito de yogures con sabor a limón o a fresa. Se decide repartir al
menos 30.000 yogures. Cada yogurt de limón necesita para su elaboración 0,5
gr. de un producto de fermentación y cada yogurt de fresa necesita 0,2 gr. de
ese mismo producto. Se dispone de 9 kgs. de ese producto para fermentación.
El coste de producción de un yogurt de fresa es el doble que el de un yogurt de
limón. ¿Cuántos yogures de cada tipo se deben producir para que el costo de la
campaña sea mínimo?

Solución:

Promoción Producto Costo de Producción

(Unidades) Fermentación (gr.) Unidades monetarias /
unidad
 Yogurt de
1 0.5 1
Limón (X1)
Yogurt de
1 0.2 2
Fresa (X2)
Demanda o
30000 9000
disponibilidad

Luego del Modelo de Programación Lineal será

Minimizar Z = X1 + 2X2
Sujeto a:
X1 + X2  30000 (Unidades Yogurt)
0.5X1 + 0.2X2  9000 (Productos de fermentación)
X1 , X2  0

Modelo de Minimización: considerando el modelo del problema 2

Minimizar Z = X1 + 2X2
Sujeto a:
X1 + X2 30000 (Unidades Yogurt)
0.5X1 + 0.2X2  9000 (Productos de fermentación)
X1 , X2  0
Realizando las operaciones algebraicas para obtener los valores de X1 y X2 en
cada una de las restricciones:
En la restricción 1 (C1):
Si X1 = 0,entonces, X2 =30000 Luego P1(X1,X2) = P1(0,30000) y Z1=
1(0)+2(30000)=60000
Si X2 = 0,entonces, X1 =30000 Luego P2(X1,X2) = P2(30000,0) y Z2=
1(30000)+2(0)=30000
P1 si forma parte de la solución.
En la restricción 2 (C2):
Si X1 = 0 ,entonces, X2 =45000 Luego P3(X1,X2) = P3(0,45000) y
Z3=1(0)+2(45000) = 90000
Si X2 = 0 ,entonces, X1 =18000 Luego P4(X1,X2) = P4(18000,0) y Z4 =
1(18000)+2(0) = 18000
P3 si forma parte de la solución.
Calculando el punto (R) donde se interceptan las dos restricciones:
Resolviendo simultáneamente las dos ecuaciones.
X1 + X2 = 30000
-X1 - 0.4X2 = -18000
0.6X2 = 12000
X2 = 20000
Luego: X1 = 10000
PR(X1,X2) = PR(10000,20000)
Entonces: ZR = 1(10000) + 2(20000)
ZR = 50000
Por lo tanto la solución optima esta en el punto R (Por ser un problema de
minimización)
Aquí la Z se vuelve el mínimo posible.
X1 = 10000
X2 = 20000
ZR = 50000
Se tiene la siguiente grafica:
Interpretación administrativa:

A fin de minimizar los costos de producción en la fabricación de yogurt con sabor

a limón o fresa que se pretende promocionar en la campaña se recomienda
producir 10000 y 20000 unidades de yogures de limón y fresa respectivamente
obteniendo un costo mínimo total de 50000 unidades monetarias bajo las
condiciones mínimas de demanda en la promoción y los insumos de productos
de fermentación disponibles.

EJERCISIO 10

En un almacén se guarda aceite de girasol y de oliva. Para atender a los clientes

se han de tener almacenados un mínimo de 20 bidones de aceite de girasol y 40
de aceite de oliva y, además, el número de bidones de aceite de oliva no debe
ser inferior a la mitad del número de bidones de aceite de girasol. La capacidad
total del almacén es de 150 bidones. Sabiendo que el gasto de almacenaje es el
mismo para los dos tipos de aceite (1 unidad monetaria) . ¿Cuántos bidones de
cada tipo habrá que almacenar para que el gasto sea máximo?

Obs: Puede parecer algo absurdo maximizar los gastos , pero se ha

enunciado de esta forma para que el ejemplo sea lo más completo posible

Paso 1º: Leer detenidamente el enunciado: determinar el objetivo, definir las

variables y escribir la función objetivo.

El objetivo es: halla cuántos bidones de cada tipo hay que almacenar para
maximizar los gastos

Suponemos que tal objetivo se consigue almacenado x bidones de aceite de

girasol e y de aceite de oliva

Cómo cada bidón de aceite de girasol cuesta almacenarlo 1 unidad monetaria y

lo mismo para uno de aceite, los gastos serán x + y

Luego, la función objetivo es:

Maximizar la función Z = f(x,y) = x + y

Paso 2º: Reordenar los datos del problema y a partir de las cantidades decididas,
x e y, escribir el sistema de inecuaciones que determinan las restricciones.

 Un mínimo de 20 bidones de aceite de girasol: x 20

 Un mínimo de 40 bidones de aceite de oliva: y 40
 El número de bidones de aceite de oliva no debe ser inferior a la mitad del
número de bidones de aceite de girasol: y x/2
 La capacidad total del almacén es de 150 bidones: x + y 150

Además, los números de bidones deben ser cantidades positivas: x 0;y 0

Obs.: Como veremos en ejemplos posteriores en algunas ocasiones puede
interesar utilizar una tabla para recopilar toda la información y hacer los
dos primeros apartados

Paso 3º: Expresar el problema en la forma estándar.

Siguiendo con el ejemplo, sería:
Maximizar: Z = f(x,y) = x + y

sujeto a: x+y 150

y x/2

x 20 ; y 40

Aquí termina el planteamiento del problema. Para su resolución hay que

continuar con :
Paso 4º: Representar gráficamente las restricciones
y marcar claramente la región factible.
Para las restricciones anteriores debemos
representar las rectas: x + y = 150 , y = x/2 , x = 20 e
y = 40, obteniéndose la región factible que en la figura
se encuentra coloreada.

Paso 5º: Hallar las coordenadas de los vértices del

polígono obtenido.
Resolviendo los sistemas : { x = 20, y = 40 } , { y = x/2 , y = 40 } , { y = x/2 , x + y
= 150} , { x + y = 150, x = 20}; se obtienen los vértices: A(20,40) , B(80,40) ,
C(100, 50) , D(20,130)

Paso 6º: Sustituir las coordenadas de esos puntos en la función objetivo y hallar
el valor máximo o mínimo.
Sustituyendo en f(x,y) = x + y, se tiene:
f(20,40) = 60 , f(80,40) = 120 , f(100, 50) = 150 , f(20,130) = 150
Como el valor máximo se obtiene en los puntos C y D, puede optarse por
cualquiera de los dos, o por cualquier punto perteneciente al segmento que los
une. Así, por ejemplo, se obtendría el mismo gasto con 40 bidones de aceite
girasol y 110 bidones de aceite de oliva; o 90 y 60 respectivamente.
Paso 7º: También es conveniente representar las rectas de nivel para comprobar
que la solución gráfica coincide con la encontrada. Esta conveniencia se
convierte en necesidad cunado la región factible es no acotada.
En nuestro caso, puede comprobarse que las rectas de nivel tienen la misma
pendiente que la recta límite de la restricción x + y 150 ; por tanto, hay múltiples
soluciones.
Paso 8º: Por último, como en la resolución de todo problema es necesario criticar
la solución: cerciorarse de que la solución hallada es lógica y correcta.
En este ejemplo, no todos los puntos del segmento CD son soluciones válidas,
ya que no podemos admitir valores de x e y no enteros , como ocurriría en el
punto (90.5,59.5) .
Obs.: Si un problema en la forma estándar no indica que se debe realizar
por el método analítico o gráfico , seguiremos para su resolución los pasos
del 4º al 8º
 2. REVISION BIBLIOGRAFICA

GEO. (4 de Febrero de 2015). Gestión de Operaciones. Obtenido de

Programación Lineal:
https://www.gestiondeoperaciones.net/programacion_lineal/problema-de-
produccion-y-ensamblaje-resuelto-con-el-metodo-simplex/
R.D, K. (2007). INVESTIGACIÓN DE OPERACIONES I. VICTORIA.
SANTA. (2011). INVESTIGACION DE OPERACIONES . Mexico.
WINER. (2010). INVESTIGACION DE OPERACIONES. LIMA.