Académique Documents
Professionnel Documents
Culture Documents
Cortadores [personas/lote] 4 2 1
Empacadores [personas/lote] 1 1 1
Iteration 3
300 X3 16 4 2 1 1 0 0
0 slack 2 9 -7 -2 0 -2 1 0
0 slack 3 4 -3 -1 0 -1 0 1
zj 4,800 1200 600 300 300 0 0
cj-zj -800 -400 0 -300 0 0
Responda las siguientes preguntas:
a) ¿Es necesario que la variable X1 ingrese a la base?. Explique. ¿Por qué debe salir la variable de menor
(bj/aij)? ¿Qué representa?. Cuál es la nueva solución?.
b) ¿Es posible despedir cortadores o empacadores manteniendo el nivel de producción? ¿Cuántos?
c) La utilidad por lote de jeans puede ser aumentada a US$500 o en US$850, ¿Cuál debe ser la actitud de la
empresa? ¿Cómo cambia la solución Óptima?
d) La empresa puede contratar cortadores adicionales a un precio de US$280 cada uno. ¿Cuánta mano de
obra a este precio estaría dispuesto a contratar la empresa? ¿Cómo cambia la solución óptima?
e) Suponga que un cambio en la tecnología de fabricación requiere agregar un proceso de lavado. Los
requerimientos de lavado para producir lotes de 100 unidades de cada tipo de traje y la disponibilidad
máxima de lavado se detallan a continuación. A partir del programa óptimo obtenido, ¿cuál es la nueva
solución óptima?
De acuerdo a los intervalos de factibilidad se podrían despedir, pero no se podría mantener el nivel de producción.
• La
c) utilidad por lote de jeans puede ser aumentada a US$500 o en US$850, ¿cuál debe ser la actitud de la empresa?
¿Cómo cambia la solución óptima?
La empresa debe considerar el incremento a la utilidad de los Jeans en US$850 porque el intervalo de costos para este
producto es el siguiente:
d) La empresa puede contratar cortadores adicionales a un precio de US$280 cada uno. ¿Cuánta mano de obra a
este precio estaría dispuesto a contratar la empresa? ¿Cómo cambia la solución óptima?
Los cortadores adicionales son el recurso #1 y el intervalo de factibilidad de este recurso es el siguiente:
Esto nos indica que podemos contratar 4 cortadores adicional a un costo adicional hasta de US$300.
La solución cambia a :
• La solución cambia a :
e) Suponga que un cambio en la tecnología de fabricación requiere agregar un proceso de lavado. Los
requerimientos de lavado para producir lotes de 100 unidades de cada tipo de traje y la
disponibilidad máxima de lavado se detallan a continuación.
Requerimientos de
Jeans Franelas Amasados Disp. máxima
lavado
Lavadores 3 3 2 40 personas
[personas/lote]
• A partir del programa óptimo obtenido, ¿cuál es la nueva solución óptima?
Para esto se introduce una restricción y para esto se hace lo siguiente:
a. Comprobar si la solución óptima del problema original la verifica, en este caso la solución también será
óptima para el problema modificado. Para esto se estandariza la restricción y se despeja para la variable
que fue añadida y si la variable de holgura es :
• La actual solución la verifica y por lo tanto continúa siendo óptima y solo se necesita agregar al tablero
de la solución óptima.
• la solución es óptima pero degenerada pues variable es nula. Y esto significa que el modelo tiene al
menos una restricción redundante o sobrante; es decir no forman parte de la solución factible en el
caso del método gráfico y en el simplex nos hace hacer varias iteraciones con el mismo resultado. Es
decir, múltiples soluciones óptimas
• la solución actual no verifica la nueva restricción, y por tanto, es infactible para el nuevo problema, lo
cual se puede resolver restituyendo la factibilidad por la vía del dual.
En este caso lo que se hace es verificar la nueva restricción; para verificar la nueva restricción lo que
se hace es que se estandariza agregando una variable de holgura:
Como 0 Decimos que la ecuación se verifica y los datos solo son agregados al tablero de la solución
óptima. Lo datos agregados quedan de la siguiente forma:
Cj Basic Quantity 400 200 300 0 0 0 0
Variables X1 X2 X3 slack 1 slack 2 slack 3 slack 4
Iteration 3
300 X3 16 4 2 1 1 0 0 0
0 slack 2 9 -7 -2 0 -2 1 0 0
0 slack 3 4 -3 -1 0 -1 0 1 0
0 slack 4 40 3 3 2 0 0 0 1
zj 4,800 1200 600 300 300 0 0 0
cj-zj -800 -400 0 -300 0 0 0
Como se observar en la columna sombreada en verde, la variable básica X3 no tiene la forma de
matriz identidad , por lo que en este caso en la fila de la nueva restricción se elimina el coeficiente
2 ya que afecta a la variable básica X3, ya que esta variable básica debe continuar en forma de
matriz identidad. Para lo cual aplicamos el método simplex a la fila X3.
Cj Basic Quantity 400 200 300 0 0 0 0
Variables X1 X2 X3 slack 1 slack 2 slack 3 slack 4
Iteration 3
300 X3 16 4 2 1 1 0 0 0
0 slack 2 9 -7 -2 0 -2 1 0 0
0 slack 3 4 -3 -1 0 -1 0 1 0
0 slack 4 8 -5 -1 0 -2 0 0 1
zj 4,800 1200 600 300 300 0 0 0
cj-zj -800 -400 0 -300 0 0 0
(-2)X3 16 4 2 1 1 0 0 0
= -32 -8 -4 -2 -2 0 0 0
+S4 40 3 3 2 0 0 0 1
Nueva S4 8 -5 -1 0 -2 0 0 1
• Si la disponibilidad pasara de 40 a 20 la solución actual no verifica la nueva restricción.
En caso de que los datos de la tabla óptima no verifiquen la nueva restricción se sigue lo siguiente:
Cj Basic Quantity 400 200 300 0 0 0 0
Variables X1 X2 X3 slack 1 slack 2 slack 3 slack 4
Iteration 3
300 X3 16 4 2 1 1 0 0 0
0 slack 2 9 -7 -2 0 -2 1 0 0
0 slack 3 4 -3 -1 0 -1 0 1 0
0 slack 4 20 3 3 2 0 0 0 1
zj 4,800 1200 600 300 300 0 0 0
cj-zj -800 -400 0 -300 0 0 0
En este caso en la fila de la nueva restricción se elimina el coeficiente 2 ya que afecta a la variable básica X3,
ya que esta variable básica debe continuar en forma de matriz identidad. Para lo cual aplicamos el método
simplex a la fila X3.
Cj Basic Quantity 400 200 300 0 0 0 0
Variables X1 X2 X3 slack 1 slack 2 slack 3 slack 4
Iteration 3
300 X3 16 4 2 1 1 0 0 0
0 slack 2 9 -7 -2 0 -2 1 0 0
0 slack 3 4 -3 -1 0 -1 0 1 0
0 slack 4 20 3 3 2 0 0 0 1
zj 4,800 1200 600 300 300 0 0 0
cj-zj -800 -400 0 -300 0 0 0
(-2)X3 16 4 2 1 1 0 0 0
= -32 -8 -4 -2 -2 0 0 0
+S4 20 3 3 2 0 0 0 1
Nueva S4 -12 -5 -1 0 -2 0 0 1
Como al estar la tabla óptima en forma matricial observamos que S4 = -12, decimos que la solución es
infactible y para hacerlo factible se procede a aplicar el método simplex dual
Ahora se procede a hacer uno el elemento pivote operacional, y cero los demás coeficientes de la columna
pivote.
(-1/2)S4 -12 -5 -1 0 -2 0 0 1
S1 6 5/2 1/2 0 1 0 0 -1/2
Cj Basic Quantity 400 200 300 0 0 0 0
Variables X1 X2 X3 slack 1 slack 2 slack 3 slack 4
Iteration 3
300 X3 10 3/2 3/2 1 0 0 0 1/2
0 slack 2 21 -2 -1 0 0 1 0 -1
0 slack 3 4 -3 -1 0 -1 0 1 0
0 slack 1 6 5/2 1/2 0 1 0 0 -1/2
zj 4,800 1200 600 300 300 0 0 0
cj-zj -800 -400 0 -300 0 0 0
Iteration 3
300 X3 16 4 2 1 1 0 0
0 slack 2 9 -7 -2 0 -2 1 0
0 slack 3 4 -3 -1 0 -1 0 1
zj 4,800 1200 600 300 300 0 0
cj-zj -800 -400 0 -300 0 0
•
VB X1 X2 X3 X4 S1 S2 S3 Solución
Z -800 -400 0 10 -300 0 0 -4800
X3 4 2 1 2 1 0 0 16
S2 -7 -2 0 -2 -2 1 0 9
S3 -3 -1 0 -1 -1 0 1 4
VB X1 X2 X3 X4 S1 S2 S3 Solución
Z -820 -410 -5 0 -305 0 0 -4880
X4 2 1 1/2 1 1/2 0 0 8
S2 -3 0 1 0 -1 1 0 25
S3 -1 0 1/2 0 -1/2 0 1 12