Académique Documents
Professionnel Documents
Culture Documents
Definición
Investigación de Operaciones, es el trabajo desarrollado por especialistas en la
solución de problemas, con el fin de que produzcan soluciones que mejor sirvan a
los objetivos de toda organización.
Organización
Una organización se puede interpretar como un sistema, todo sistema tiene
componentes e interacciones entre los mismos.
1
Sistema
Todo sistema es una estructura que funciona. La forma es el elemento que
convierte a la estructura en un sistema. Se puede concluir que todo sistema es un
sistema de información.
Investigación de operaciones
Las investigaciones es la aplicación de la metodología científica a través de los
modelos, primero para representar al problema real que se quiere resolver en un
sistema y segundo resolverlo (objetivo).
Formulación de modelos
Es el proceso de tomar un problema del mundo real y describirlo en términos
matemáticos.
Filosofía
Es una panorámica de las relaciones entre el mundo real, los modelos, los
administradores y las soluciones.
a) Los problemas determinísticos son aquellos en los que cada alternativa del
problema, tiene una y sólo una solución.
b) Los problemas con riesgos son aquellos en los que cada alternativa del
problema, tiene varias soluciones.
2
Construcción de modelos
En la investigación de operaciones existen tres clases de modelos: Icónicos,
Analógicos y simbólicos:
a) Los modelos icónicos son imágenes a escala del sistema cuyo problema se
requiere resolver. Por ejemplo, las fotografías, las maquetas, dibujos y
modelos a escala de barcos, automóviles, aviones, canales, etc.
Conceptos Básicos
El problema general de la programación lineal está representado por una serie de
ecuaciones e inecuaciones lineales formadas por un número finito de variables.
Función objetivo
Es la función lineal que indica la finalidad que se persigue en el problema, en el
caso de la economía, maximizar ganancias o minimizar costos, es de la forma
siguiente: Y= a + bX.
3
Costos
Se refiere a los coeficientes de las variables de la función objetivo (en el cuadro
simplex los representamos con Ci), implica el total de recursos monetarios
utilizados en la producción de un producto determinado.
Actividad
Es un método específico que conduce a la realización de un fin determinado. Por
ejemplo, cultivar ajonjolí, maíz, frijol, etc., en una granja, de tal forma que se
obtenga la producción deseada.
Alternativas
Implica las diferentes formas de combinación que se pueden hacer para lograr un
objetivo. Por ejemplo, las formas de cultivo que se deben combinar los tres
productos anteriores, de tal manera que se obtenga una utilidad óptima.
Restricciones
Es la condición en que normalmente se presentan los recursos escasos con que se
cuentan para producir. Si no hay restricciones prácticamente no hay problema(Se
pueden aparecer como ecuaciones o bien como inecuaciones).
Variable de holgura
Es la cantidad de recursos no utilizado en el programa, cuya función principal
desde un punto de vista matemático es la de romper la inecuación o desigualdad
llamada restricción, que se presenta en todo el problema de programación lineal.
El coeficiente, o sea el costo de esta variable, será siempre cero.
Variable artificial
Es un artificio para poder trabajar con el cuadro simplex pero no interviene en la
solución del problema; esta variable artificial cuando se trate de un problema de
minimización, su valor será +M, en donde M es un valor tan grande como se desee.
Programa optimo
Es la solución básica factible que nos conduce a obtener una utilidad o beneficio
mayores, esto es, a maximizar las ganancias o minimizar los costos de un
programa.
Variable entrante
4
Es la variable o actividad que entra o se incorpora la solución del problema, ella
incrementa la función en cierta cantidad.
Variable saliente
Es la actividad que deja de intervenir en la producción por resultar in-eficiente
en relación con otras actividades.
Minimizar
Es la reducción de los costos en la generación de un producto en su optima
expresión.
Maximizar
Es elevar lo más posible las utilidades en la solución de un problema de
programación lineal.
INTERSECCIÓN DE RECTAS
Dos rectas no paralelas en el plano deben cortarse y las coordenadas del punto de
intersección satisfacen ambas ecuaciones puesto que el punto está en las dos
rectas; sí, por ejemplo, las ecuaciones de las rectas son
2X - Y - 7 = 0 y 4X + 3Y - 9 = 0
6X - 3Y - 21 = 0
4X + 3Y - 9 = 0
10X - 30 = 0 : X = 3
5
Y
3-
2-
1-
X
-1 0 1 2 3 4
-2-
-3-
Dos rectas que se cortan dividen el plano en cuatro regiones. La siguiente figura
muestra como las rectas:
2x – y = 4 y 3x + y = 11
2x - y - 4 = 0 y 3x + y - 11 = 0
6
Considerando el siguiente par de rectas conteste las siguientes preguntas:
a) ¿Cuál es la intersección?
b) Indique las regiones del dominio de valores.
Recta 1: 2X - Y = 4 Recta 2: 3X + Y = 11
Solución:
7
a) 5X = 15 X = 3 Y = 2 (3,2)
(1) 2X – 3Y + 5 = 0 (2) X – 6Y + 7 = 0
8
Max. Zx = U1X1 + U2X2 + U3X3 + .......... + UnXn
Max. Zx = UX
s.a. Ax < Bx
X > 0
PROBLEMA 1
Una ama de casa interesada por satisfacer las necesidades alimenticias de su
esposo, empleando para ello el menor gasto posible.
Decide comprar solamente leche, carne y huevos. Al llegar al mercado se
encuentra con los siguientes costos: un litro de leche cuesta $4.00, un Kg de
carne $40.00 y una docena de huevos $4.00
9
Consultando su guía de dietas aprende que el contenido de vitaminas B en las
anteriores cantidades de alimento es igual a 20 mgs.; 10 mgs. Y 10 mgs,
respectivamente.
El contenido de vitamina C es en forma análoga: 10 mgs., 20 mgs, y 10 mgs.
¿Qué cantidades de cada uno de los alimentos debe comprar el ama de casa si los
requerimientos mínimos diarios para un adulto son de : 60 mgs. de vitamina B y 50
mgs. de vitamina C?
B 20 10 10
60
C 10 20 10
50
PRECIOS $4.00 $40.00 $4.00
Se conoce que el ama de casa quiere cumplir la dieta alimenticia, al mínimo costo
posible, es decir, que los $4.00 que le cuesta el litro de leche (4X1), más los
$40.00 que vale el kilogramo de carne (40X2), más los $4.00 que le cuesta la
docena de huevos (4X3),
Signifiquen para ella un gasto mínimo y al mismo tiempo cumpla con la dieta
alimenticia. Entonces la función objetivo expresada matemáticamente será:
10
Esta función objetivo, estará sujeta a ciertas restricciones que corresponden a
los requerimientos mínimos de vitaminas que deben tener cada uno de los
alimentos comprados.
La primera restricción indica que el contenido de vitamina B, de los tres
productos no deberá ser menor de 60 mgs., o sea que el contenido de vitamina B
del litro de leche (20X1) más el contenido de vitamina B del kg. de carne (10X2),
más el contenido de vitamina B de una docena de huevo (10X 3) que se compren sea
mayor o igual a 60 mgs. que es el requerimiento mínimo de vitamina B, para
cumplir la dieta. De esta manera nuestra primera restricción será:
En forma análoga lo que se compre de leche, carne y huevo no deberá ser menor
que 50 mgs. de vitamina C, que se requieren en la dieta como mínimo. Entonces la
segunda restricción será:
PROBLEMA 2
En una región agrícola un modesto agricultor desea conocer que cantidad de cada
producto le conviene cultivar para obtener una utilidad máxima bajo el siguiente
programa. Los recursos con que cuenta son: 12 hectáreas de tierra, 48 horas de
mano de obra y $360 de capital.
Sus actividades reales, o sea lo que puede cultivar dada la naturaleza del suelo
son: maíz, sorgo y avena.
Los correspondientes coeficientes técnicos para el cultivo de maíz son: 1
hectárea de tierra, 6 horas hombre y $36 de capital, con lo que espera obtener
una utilidad de $40. Los coeficientes para el sorgo de manera similar son: 1
hectárea de tierra, 6 horas hombre y $24 de capital, esperando obtener $30 por
11
la venta del producto. Por ultimo los coeficientes técnicos para el cultivo de
avena son: 1 hectárea de tierra, 2 horas hombre y $18 de capital, con lo que
espera obtener un ingreso de $20 al vender el producto.
Formulación del modelo:
Debido a que lo que se desea, es conocer el número de has. que se deben sembrar
de cada cultivo, las variables de decisión son:
s.a. X1 + X2 + X3 < 12
PROBLEMA 3
12
Proyecto para el control de avenidas de un río.
El gobierno de un país desea construir un sistema de presas para el control de
avenidas de un extenso río de cuencas.
Por razones topográficas, los técnicos estiman que deben construirse 4 presas a
lo largo del río en diferentes lugares; además para el sistema de avenidas y que
sea efectivo se estima que las capacidades mínimas de las presas deben ser:
5000, 10000, 12000 y 7000 has./m3 para las presas P1, P2, P3, P4.
El costo sobre ha. de riego es de $200 y por ha. de energía eléctrica es de $500.
Se desea conocer qué cantidad de has. debe destinar para riego y que cantidad
para energía eléctrica.
13
0.5X1 + 0.1X2 > 7000
X1, X2 > 0
X2 (miles)
70
60
PLANO DE SOLUCIONES
50
FACTIBLE
40
30
20 1
10
X1 (miles)
10 20 30 40 50 60 70 80 90 100
4 3 2
14
Ec. 1 y 2 Ec. 1 y 3 Ec. 2 y 3
X2 = 12500 X2 = 12500 (2X1 + 3X2 = 100000)(3)
2X1 + 3X2 = 100000 3X1 + 2X2 = 120000 (3X1 + 2X2 = 120000)(2)
X1 = 31250 X1 = 31666.66 X1 = 32000
X2 = 12500 X2 = 12500 X2 = 12000
Z = 12500000 Z = 12583332 Z = 12400000
MÉTODO SIMPLEX
CONCEPTOS BÁSICOS
Variables de Holgura
El método simplex requiere que las restricciones sean ecuaciones en vez de
inecuaciones. Cualquier inecuación puede ser convertida en una ecuación
agregando una cantidad no negativa en el lado de menor valor de la inecuación.
Considere la siguiente restricción, agregando una variable no negativa, llamada
variable de holgura.
Es importante observar que las variables de holgura nunca pueden ser negativas.
15
VARIABLE BÁSICAS Y SOLUCIONES BÁSICAS FACTIBLES
1. El método simplex encuentra una solución óptima (o una solución básica óptima
factible).
2. El método simplex es un método de cambio de bases. Una variable entra a la
base, la variable básica entrante, y una variable sale de la base, la variable
básica saliente.
3. El método de cambio implica el reemplazo de un sistema de restricciones –
inecuaciones por un sistema equivalente de restricciones – ecuaciones.
4. En un sistema de restricciones – ecuaciones, una ecuación puede ser
remplazada por una ecuación equivalente aplicando las operaciones siguientes:
a) Remplazar una ecuación por sí misma, tantas veces una constante
diferente de cero.
b) Remplazar una ecuación por sí misma, sumada a tantas veces una
constante diferente de cero otra ecuación restricción.
16
5. El método simplex requiere que la función objetivo sea expresada de tal forma
que cada variable básica, tenga coeficiente 0.
6. El método simplex requiere que cada variable básica aparezca en una y
solamente una ecuación-restricción.
Fila pivote. Es la fila de coeficientes que contiene la variable básica actual y que
contiene coeficiente + 1, es la que se ha escogido como la variable básica saliente.
Solución:
17
ble Ecuaci Z X1 X2 X3 X derech
básica ón 4 o
Z 0 1 -80 0 20 0 2400
X2 1 0 ½ 1 1/1 0 10
2
X4 2 0 6 0 - 1 24
1/3
Z = 2720
X1 = 4
X2 = 8
COMPROBACIÓN GRÁFICA
18
16
Solución: 14
12 2
X1 = 4
X2 = 8 10
18
8
Z = $2720 Plano
6 de
Soluciones 1
X1
6 8 10 12 14 16 18 20
X1 = 600
X2 = 0
Z = 7200
Comprobación:
19
0 12 0 800 7200
1 -1 0 600 = 200
0 1 0 2000 600
0 -2 1 800
X1 + X2 + X3 + X4 = 6 (1)
20
X4 1 0 0 ½ ¾ 1 0 -1/4 7/2
X5 2 0 0 2 ½ 0 1 -1/2 4
X1 3 0 1 1/ 1/ 0 0 1/4 5/2
2 4
Z = 50/3
X1 = 4/3
X2 = 0
X3 = 14/3
De la Inecuación (1)
(2X1 – 5X2 > 8) (-1)
-2X1 + 5X2 < -8
(-2X1 + 5X2 + X3 = -8) (-1)
2X1 –5X2 – X3 + X*4 = 8 (1)
De la inecuación (2)
X1 + X2 < 5
X1 + X2 + X5 = 5 (2)
21
De la inecuación (3)
X1 – 3X2 = 7
X1 – 3X2 + X*6 = 7 (3)
De la inecuación (0)
Min Z = 3X1 + 5X2
(Min Z = 3X1 + 5X2) (-1)
Max -Z = -3X1 - 5X2 + 0X3 + 0X5 – MX*4 – MX*6
Max -Z + 3X1 + 5X2 + MX*4 + MX*6 = 0
Max -Z + 3X1 + 5X2 + MX*4 + MX*6 = 0
(2X1 – 5X2 – X3 + X*4 = 8) (-M)
22
De la inecuación (1)
3X1 + X2 + X3 = 27 (1)
De la inecuación (2)
5X1 + 5X2 + X*4 = 60 (2)
De la inecuación (3)
6X1 + 4X2 – X5 + X*6 = 60 (3)
(Min Z = 4X1 + 5X2) (-1)
Max -Z = - 4X1 – 5X2 – MX*4 – MX*6
23
X*4 2 0 0 10/3 0 -5/3 1 0 15
X*6 3 0 0 2 -1 -2 0 1 6
X2 3 0 0 1 -1/2 -1 0 1/2 3
X5 2 0 0 0 1 1 3/5 -1 3
X2 3 0 0 1 0 - 3/10 0 9/2
1/2
X1 =
15/2
X2 =
9/2 Min. Z = 32X1 + 8X2
Z = s.a. X1 > 200
5.25 2X1 + X2 > 300
X1, X2 > 0
De la inecuación (1):
X1 – X3 + X*4 = 200 (1)
24
De la inecuación (2):
2X1 + X2 – X5 + X*6 = 300 (2)
25
X5 1 0 0 -1 -2 1 2 -1 100
X1 2 0 1 0 -1 0 1 0 200
Comprobación:
X1 = 200
X2 = 0
Z = 6400
DUALIDAD
Dado un conjunto cualquiera de datos para un modelo de programación lineal,
podemos usar los mismos datos para formar un modelo de programación lineal
diferente. El problema resultante se llamará Dual del origen. El Dual tiene
importancia teórica, económica y computacional que vamos a analizar. Primero,
vamos a ver como se forma exactamente el problema dual.
Reglas de transformación.
Problema (E1)
26
requerido que la variable X2 sea no positiva y X3 carece de restricción de signo.
(Es decir, el valor óptimo de X3 podrá ser positivo, negativo o cero). El dual de
este problema (El) se formula aplicando las siguientes reglas.
REGLA 5.- Los lados derechos de las restricciones duales son los coeficientes de
la función objetivo del problema original.
Función de restricción LD
4Y1 – 2Y2 – 5Y3 + 3Y4 3
-12Y1 + 3Y2 + Y3 + 4Y4 4
27
3Y1 + Y2 – 6Y3 – 2Y4 -2
REGLA 8.- La i-ésima variable del problema dual no tendrá restricción del signo
si y solo si la i-ésima restricción del problema original es una igualdad.
Y1 ≥ 0 Y2 ≥ 0 Y3 ≤ 0 Y4 no restringida en signo
Ejemplos:
PRIMAL:
Min –2X1 – X2 – 4X3 – 5X4
s.a. X1 + 3X2 + 2X3 + 5X4 ≤ 20
2X1 + 16X2 + X3 + X4 ≥ 4
3X1 – X2 – 5X3 + 10X4 ≤ -10
X1, X2, X3, X4 ≥ 0
DUAL:
Max 20y1 + 4y2 – 10y3
s.a y1 + 2y2 + 3y3 ≤ -2
28
3y1 + 16y2 – y3 ≤ -1
2y1 + y2 – 5y3 ≤ -4
5y1 + y2 + 10y3 ≤ -5
y1 ≤ 0, y2 ≥ 0, y3 ≤ 0
PRIMAL:
Min. Z = X1 + 12X2 – 2X3
s.a 4X1 + 2X2 + 12X2 ≤ 10
2X1 – X2 + 11X3 ≥ -2
X1 ≤ 0, X2 no restringida en signo, X3 ≥ 0
DUAL:
Max Z = 10Y1 – 2Y2
s.a. 4Y1 + 2Y2 ≥ 1
2Y1 – Y2 = 12
12Y1 + 11Y2 ≤ -2
Y1 ≤ 0, Y2 ≥ 0
Supóngase que una firma posee dos fábricas en dos diferentes distritos
mercantiles. Por simplicidad, supóngase que cada fábrica usa las mismas tres
materias primas, escasas. La fábrica 1 elabora dos productos, tales como
segadoras de pasto y esparcidoras, en las cantidades X1 y X2. La fábrica 2
elabora tres diferentes productos, perillas para puertas, manijas para
refrigerador y cencerros para el ganado, en las cantidades Z1, Z2, y Z3, y la
fábrica 2 usa precisamente las mismas materias primas que la fábrica 1. Los
datos de la fábrica 1 se dan en la figura siguiente.
29
Datos de la fábrica 1
Insumo por Insumo por Disponibilidad
Materia prima segadora de pasto aspersora total
1 6 4 38
2 1 3 34
3 10 7 44
Redituabilidad 4 3
por unidad
Datos de la fábrica 2
Materia prima Insumo por Insumo por manija Insumo por Disponibilidad
perilla de refrigerador cencero total
30
1 4 2 7 54
2 3 9 8 126
3 6 5 2 33
Redituabilidad
por unidad 6 2 1
Toda la contabilidad para productos individuales se formula sobre una base por
artículo. La firma debe encontrar precios “justos” por unidad que puedan aceptar
el escrutinio de una revisión cuidadosa. Para obtener precios “justos” por unidad
haremos las siguientes observaciones. Si la fábrica 2 paga por unidad precios de
Y1, Y2, y Y3 por las materias primas, puesto que la fábrica 1 posee 38, 34 y 44
unidades, respectivamente, de cada materia prima.
31
Cantidad que paga la fábrica 2 = 38y1 + 34Y2 + 44Y3
Sin embargo, la fábrica 1 quiere asegurarse de que obtendría tanta utilidad como
si permaneciese en el negocio por si misma. En los datos que muestra la tabla de
datos de la fábrica 1, vemos que si la fábrica 1 tuviese 6 unidades de la materia
prima1, 1 unidad de ka materia prima 2 y 10 unidades de ka materia prima 3,
podría producir una segadora de pasto para obtener una utilidad de $4. Recuerde
que Y1 es el precio de venta de la materia i . Así, la fábrica 1 insistirá en que
De otro modo, resulta más provechosos fabricar aspersoras que vender las
materias primas a la fábrica 2. En síntesis, entonces, el problema de determinar
precios justos consiste en
Y este problema es el dual de (F1). Con esto hemos demostrado que el dual del
problema de producción tiene la siguiente interpretación.
32
INTERPRETACIÓN COMPUTACIONAL DEL PROBLEMA DUAL
Para ilustrar esta cuestión, debe tomarse nota del hecho empírico de que el
tiempo requerido para resolver un programa lineal depende críticamente más del
número de restricciones que el número de variables. Si el problema original tiene
m restricciones y n variables, el problema dual tendrá n restricciones y m
variables. Es entonces evidente que, siendo igual todo lo demás, se debe escoger
resolver el problema que tenga menos restricciones.
33
La elección entre resolver el problema original o su dual no tiene demasiada
importancia para el cómputo cuando se trata de problemas pequeños, digamos
cuando ambos modelos tienen unos cuántos cientos de restricciones, ya que
dichos problemas pueden ser manejados a gran velocidad por los equipos de
computación modernos. Cuando los problemas se complican, en el rango de varios
miles de restricciones, la elección entre el problema original y su dual llega a ser
muy importante. En estos casos, la consulta técnica con un profesional de la
programación lineal bien puede ser valiosa.
SENSIBILIDAD
El análisis de sensibilidad constituye una parte muy esencial en casi todos los
estudios de programación lineal. Dado que algunos o todos los valores de los
parámetros que se emplean en el modelo original son sólo estimaciones de las
condiciones futuras, es necesario investigar el efecto que se tendría sobre la
solución óptima en caso de que prevalecieran otras condiciones. Aún más, ciertos
valores de estos parámetros (como la cantidad de recursos) pueden representar
decisiones de la gerencia, en cuyo caso de su elección debe ser el punto más
importante de la investigación y, por supuesto, se puede estudiar a través del
análisis de sensibilidad.
PROBLEMA
PROTRAC, Inc, produce dos líneas de equipo pesado. Una de estas líneas de
productos (llamada equipo para remoción de escombros) se destina esencialmente
34
a aplicaciones de construcción. La otra línea (llamada equipos forestales) está
destinada a ala industria maderera. El miembro más grande de la línea de equipos
para remover escombro (el E-9) y el miembro mayor de la línea de equipos
forestales (el F-9) se producen en el mismo departamento y con el mismo equipo.
Haciendo uso de las predicciones económicas para el próximo mes, el gerente de
mercadotecnia de PROTRAC juzga que durante ese periodo será posible vender
todos los E-9 y F-9 que la empresa pueda producir. La administración debe ahora
recomendar una meta de producción para el próximo mes. Es decir, ¿cuántos E-9s
y F-9s deben producirse?
Para la producción del próximo mes, estos dos departamentos tienen disponibles
150 y 160 horas, respectivamente. Cada E-9 consume 10 horas de operación
mecánica en el departamento A y 20 horas en el departamento B, mientras que
cada F-9 consume 15 horas en el departamento A y 10 horas en el departamento
B. Estos datos se resumen en la figura siguiente.
Horas
Departament E-9 F-9 Total disponible
o
A 10 15 150
B 20 10 160
35
horas de trabajo destinadas a la verificación no puede ser menos de 135. estos
datos se concentran en la figura .
Requerimientos en
1 E-9 1 F-9 total de horas
Horas
para verificación 30 10 135
36
SENSIBILIDAD DE COEFICIENTES DE LA FUNCIÓN OBJETIVO
37
tanto que el incremento de F sea < 3500. Esto es lo que se llama aumento
permisible del coeficiente de F. Es el valor que se muestra en la figura 5.6 bajo
el rubro “ALLOWABLE INCREASE” para F. Esta combinación de álgebra y
geometría explica tanto el significado como el valor de este dato en el resultado
computacional. Mas aún, mediante la observación de cómo afecta el cambio de los
coeficientes a la pendiente de la función objetivo, podemos hacer las siguientes
generalizaciones importantes.
38
EFECTOS SOBRE LA ACTIVIDAD EN UN MODELO DE MINIMIZACIÓN
Tabla final
Z 0 1 0 0 0 10 10 0 1600
X3 1 0 0 0 1 -2 1 0 10
X2 2 0 0 1 0 1 -1 0 20
X1 3 0 1 0 0 0 1 0 70
X6 4 0 0 0 0 -1 1 1 30
39
Comprobación:
0 10 10 0 120 1600
1 -2 1 0 90 10
0 1 -1 0 70 = 20
0 0 1 0 50 70
0 -1 1 1 30
0 10 10 0 100 1400
1 -2 1 0 70 30
0 1 -1 0 70 = 0
0 0 1 0 40 70
0 -1 1 1 40
Z 0 1 5 0 0 10 10 0 1400
X3 1 0 0 0 1 -2 1 0 30
X2 2 0 0 1 0 1 -1 0 0
X1 3 0 1 0 0 0 1 0 70
X6 4 0 0 0 0 -1 1 1 40
0 10 10 0 1 20 20 – 15 = 5
1 -2 1 0 1 0
0 1 -1 0 1 = 0
0 0 1 0 0 1
0 -1 1 1 0
40
Variable No. de Lado
básica ecuación Z X1 X2 X3 X4 X5 X6 derecho
Z 0 1 0 0 0 10 5 0 1050
X3 1 0 0 0 1 -2 1 0 30
X2 2 0 0 1 0 1 -1 0 0
X1 3 0 1 0 0 0 1 0 70
X6 4 0 0 0 0 -1 1 1 40
0 10 10 0 2 10 10 – 20 = -10
1 -2 1 0 1 0
0 1 -1 0 0 = 1
0 0 1 0 1 0
0 -1 1 1 0
Z 0 1 0 -10 0 10 5 0 1050
X3 1 0 0 0 1 -2 1 0 30
X2 2 0 0 1 0 1 -1 0 0
X1 3 0 1 0 0 0 1 0 70
X6 4 0 0 0 0 -1 1 1 40
Z 0 1 0 0 0 20 -5 0 1050
X3 1 0 0 0 1 -2 1 0 30
X2 2 0 0 1 0 1 -1 0 0
X1 3 0 1 0 0 0 1 0 70
X6 4 0 0 0 0 -1 1 1 40
41
Variable No. de Lado
básica ecuación Z X1 X2 X3 X4 X5 X6 derecho
Z 0 1 0 0 5 10 0 0 1200
X5 1 0 0 0 1 -2 1 0 30
X2 2 0 0 1 1 -1 0 0 30
X1 3 0 1 0 -1 2 0 0 40
X6 4 0 0 0 -1 1 0 1 10
PROBLEMAS DE TRANSPORTE
EJEMPLO 1
La PROTRAC tiene cuatro plantas ensambladoras en Europa. Están ubicadas en:
(1) Leipzig Alemania Oriental
(2) Nancy Francia
(3) Lieja Bélgica
(4) Tilburgo Holanda
42
Las máquinas ensambladoras usadas en esas plantas se producen en E.U. y se
embarcan a Europa, llegan a los puertos de Amsterdam (A), Amberes (B), El
Havre (C).
Los planes de producción del tercer trimestre (julio-septiembre) ya han sido
formulados. Los requerimientos (La demanda en destinos) de motores diesel E-4
son las siguientes:
2000
2000
PROTRAC debe decidir cuántas máquinas enviará de cada puerto a cada planta.
Las máquinas se envían a través de los transportes comunes y se paga un cargo
por máquina. Los costos pertinentes se muestran enseguida.
43
DESDE ÉL AL DESTINO
ORIGEN 1 2 3 4
A 12 13 4 6
B 6 4 10 11
C 10 9 12 4
. Leipzig (1)
Amberes (B) .
. Lieja (3)
.
El Havre (C)
. Nancy (2)
44
1.- El número de artículos embarcados desde un puerto no puede exceder el
número disponible. Por ejemplo,
MIN 12XA1 + 13XA2 + 4XA3 + 6XA4 + 6XB1 + 4XB2 + 10XB3 + 11XB4 + 10XC1 +
9XC2 + 12XC3 + 4XC4
45
SOLUCIÓN DEL PROBLEMA DE TRANSPORTE
ORIGE 1 1 2 3 4 OFERTA
12 13 4 6
A
400 100 500 100
0
6 4 10 11
B
700 700 0
10 9 12 4
800 700
46
Función objetivo Z = 12XA1 + 13XA2 + 4XB2 + 9XC2 + 12XC3 + 4XC4
Z = 12(400) + 13(100) + 4(700) + 9(100) + 12(200) + 4(500)
Z = 14200.00
1. Para cada renglón con una oferta disponible y cada columna con una
demanda insatisfecha, calcule un costo de penalidad restando el dato
menor del que le sigue en valor.
2. Identifique el renglón o columna que tengan el mayor costo de penalidad.
(Los empates se resuelven arbitrariamente).
3. Asigne la máxima cantidad posible a la ruta disponible que tenga el costo
más bajo en el renglón o columna elegido en el paso 2.
4. Reduzca la oferta y la demanda adecuados en la cantidad asignada en el
paso tres.
5. Descarte cualquier renglones con oferta disponible cero y columnas con
demanda insatisfecha cero, para consideraciones posteriores.
6. Regrese al paso uno.
12 13 4 6 500 2
A
6 4 10 11 700 2
B
10 9 12 4 800 5
C
Penalidades 4 5 6 2
de columna
Penalidad máxima Calculado como 6-4
47
Origen 1 2 3 4 0ferta
12 13 4 6
A 200 300 500 300
0
6 4 10 11
B 700 700
0
10 9 12 4
C 800 600
400 200 200 0
48
C2 200 9 1800
C4 200 4 800
PROBLEMA 1
Una compañía construye una planta maestra para la producción de un articulo en
un periodo de cuatro meses. Las demandas en los cuatro meses son 100, 200, 180
y 300 unidades respectivamente. El costo de producción variable por unidad en un
mes cualquiera es de cuatro pesos. Una unidad producida para consumo posterior
incurrirá en un costo de almacenamiento a razón de 50 centavos por unidad por
mes. Por otra parte, los artículos ordenados en meses anteriores incurren en un
costo de penalización de 2 pesos por unidad y por mes.
La capacidad de producción para elaborar el producto varia cada mes. Los cálculos
de los cuatro meses siguientes son 50, 180, 280 y 270 unidades respectivamente.
El objetivo es el de formular el plan de inventario de producción al costo mínimo.
Destinos
Origen 1 2 3 4 Capacidad
1 4 4.5 5 5.5 50
2 6 4 4.5 5 180
3 8 6 4 4.5 280
4 10 8 6 4 270
Demanda 100 200 180 300
6 4 4.5 5 .5
180 130
B 50 130 0
8 6 4 4.5 .5 .5 .5
280 210
C 70 180 30 30 0
2 10 .5 8 .5 6 .5 4 .5 .5 .5 .5 .5
2 2 .5 .5 270
D 2 ,5 270.5 0
2 2 .5 2 2 2 2
49
2
Demanda 100 50 200 70 2
180 .5
300
0 0 0 0
Costo total según el método por aproximación de Vogel.
Cantidad de Costo
Ruta Unidades por unidad Costo ($)
A1 50 4 200
B1 50 6 300
B2 130 4 520
C2 70 6 420
C3 180 4 720
C4 30 4.5 135
D4 270 4 1080
Costo total $3,375
Algunas de las preguntas que se contestarán con estos métodos son las
siguientes:
50
2. ¿Cuál es la variabilidad probable de ese dato?
3. ¿Cuáles son las fechas programadas del principio y terminación de cada
actividad especifica?
4. ¿Cuáles actividades son críticas en el sentido de que deban terminar con
exactitud como fueron programadas para llegar a la meta de la terminación
del proyecto total?
5. ¿Cuánto se pueden demorar las actividades no criticas, antes de provocar
un retraso en la fecha de conclusión del proyecto total?
6. ¿Cómo puedo concentrar en forma efectiva los recursos y actividades, con
el objeto de acelerar la terminación del proyecto?
7. ¿Qué controles se deben ejercer en el flujo de recursos financieros para
las diversas actividades durante el proyecto, para poder apegarse al
proyecto total?
PERT
Fue desarrollado, a fines de la década de 1950 por la Navy Special Proyects
Office. En colaboración con la empresa de consultoría administrativa de Booz,
Allen y Hamilton. La técnica recibió una considerable publicidad, favorable para
su uso, en el programa de ingeniería y desarrollo del misil Polaris, un complicado
proyecto que tenía 250 contratistas primarios y 9000 sub. contratistas. Desde
esa fecha, ha sido ampliamente recibido en otras ramas del gobierno y de la
industria y se ha aplicado en proyectos tan diferentes como la construcción de
fábricas, edificios y carreteras, investigación administrativa, desarrollo de
productos, instalación de nuevos sistemas de computadoras, etc.
CPM
Fue desarrollado en 1957, por J.E. Kelly, de Remingtón Rand, y M.R. Walker, de
Dupont. Se diferencia del PERT en principio por los detalles de como se manejan
51
el tiempo y el costo. En realidad, las diferencias entre PERT y CPM en la
instrumentación efectiva se han ido borrando en cuanto las empresas han
integrado las mejores características de ambos sistemas en sus esfuerzos
propios por manejas con eficacia sus proyectos.
Evento. Es el punto de partida de una actividad y sucede solo cuando todas las
actividades que le preceden han llegado a su término.
Actividad virtual. Es una actividad que dura un tiempo igual a cero. Como cada
actividad debe estar precedida por un evento y debe concluir con otro evento, a
veces es necesario usar una actividad virtual para satisfacer la regla anterior.
Esta actividad se indica mediante una flecha punteada.
Tiempos libre u holgura. Es el tiempo que existe entre el final de una actividad y
el principio de la siguiente.
52
Ruta Critica. Es la secuencia de actividades y de eventos en donde el tiempo
libre es mínimo. La duración de la ruta critica es el tiempo mínimo requerido para
terminar el proyecto.
T ie m p o m a s p ro x im o p T ai e r ma pe om mp e a z s a pr r o x im o p a ra t e rm
A c t iv id a d
A 1 B C F G 2D H
I
N u m e ro e n H t e o r l og u ra D u ra c io n t o ta l d e la s a c t iv id
T ie m p o m a s re m o t o p a ra t e rm in a r
T ie m p o m a s re m o t o p a ra e m p e z a r
EJERCICIO 1
53
O Selección de pistas musicales N 14
P Instalación del sistema de sonido O 1
Q Ensayo final E,F.P 1
R Grupo de coro Q,I,K 1
S Programa final M,R 1
94 59 108 60
N 14 O 1
P
45 94 49 59 108
49 60 109
45
109
49 0
49 7 108 1 0 109 60
B 0 0 E
Q 109 1
38 108
0
35 38 3 108 108 1 0
108 109 109
35 70
14 3 8
24 35 7 38 109
110
O 0 21 A D 39 108 F
I 110 54 R
21 70
0
0 21 21 38 38 1 108 109 54
110 56 110 110
21 38 94 54 40
110
9 1
14 0 0 7 0 56 1 56
8
35 109
C 35 3 14 52 G 108 1 53 H 70
0
35 35 59 70 52 108 56
53 109
7
1 39 J 109 1 40
K 110
70 39 109 70 40
110
45
54
L 104 7 52 M 111 0
52 S 111 1
45 104 52 111 111 111
59 59 0
BIBLIOGRAFÍA
2. INVESTIGACION DE OPERACIONES.
Hamdy A. Taha
Alfa Omega
4. INVESTIGACIÓN DE OPERACIONES
Moskowitz y Wright
Prentice-hall
55
56