Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Investigacion de Operaciones
Investigacion de Operaciones
Volumen I
Segunda Edicin
Introduccin
Formulacin
Mtodo Grfico
Mtodo Algebraico
Mtodo Simplex
Mtodo de las dos fases
El problema Dual y el Mtodo Dual Simplex
Anlisis Post-ptimo y Sensibilidad
Transporte y Transbordo
Asignaciones
Programacin Lineal Entera y Binaria
Administracin de proyectos PERT, CPM
Ingeniero Industrial
ISBN: 958-8028-21-3
Impreso por:
Len Grficas
Calle 14 No. 6-25 Ibagu - Colombia
Tel. (8) 2625018 Fax (8)2616202
Corporacin Universitaria de Ibagu - Coruniversitaria
Apartado 487 Conmutador (8) 2750011 Fax: 2750148
Barrio Ambal, Ibagu, Colombia.
Esta publicacin no se puede reproducir,
en un sistema computarizado ni transmitirse
en cualquier forma o por cualquier medio,
ya sea electrnico, fotocopiado mecnico,
grabacin o cualquier otro, sin la
autorizacin expresa del autor.
Impreso en Colombia
Printed in the Colombia
Esta obra se termin de imprimir el 15 de Enero de 2004
Dedicatoria
Prlogo
Consciente de la importancia asumida en los tiempos modernos de los
Mtodos Cuantitativos como la ciencia del arte de la toma de decisiones, el presente libro est escrito bajo la ptica de hacer fcil el aprendizaje y la aplicacin en pregrado de los temas asignados a la ctedra
de Investigacin de Operaciones I y Mtodos Cuantitativos en los Programas de Ingeniera Industrial, Ingeniera de Sistemas, Administracin Financiera y Negocios Internacionales de la Corporacin Universitaria de Ibagu.
Durante el desarrollo de los temas que lo ameritan, se ilustrar el uso
del software WinQsb, INVOP y la herramienta Solver de Excel; Programas especializados en la investigacin de operaciones. Es de vital
importancia el aprendizaje, manejo e interpretacin de la informacin
suministrada por el software, en atencin al impulso que la invencin
del computador, trajo al desarrollo de la Investigacin de Operaciones.
Se recomienda al lector enfatizar su atencin a la formulacin de
modelos, labor sta primordial para la aplicacin en la prctica de los
mtodos de solucin, que sin una perfecta modelacin acarrea un estruendoso fracaso y prdida de recursos. Juicioso es tener como meta,
estudiar todos los modelos posibles en los diferentes textos, revistas
y trabajos de grado en donde se formulen problemas de investigacin
de operaciones, la experiencia har fluir la inventiva que enfrentar
el reto de formular el nuevo problema de optimizacin que en el desarrollo de nuestra profesin, con certeza nos brindar la oportunidad
de resolverlo y tomar la mejor decisin posible.
El primer captulo trata de manera introductoria los temas de: La toma
de decisiones, La Investigacin de Operaciones, La Ingeniera Industrial y la Investigacin de Operaciones, y una breve resea histrica
de la Investigacin de Operaciones, recomendando al lector efectuar
la lectura del apndice 1 que recopila lecturas de diferentes autores
que tratan los siguientes temas: Historia de la investigacin de Operaciones, Definicin de la Investigacin de Operaciones, Resea del
5
Ingeniero Industrial
Contenido
Pgina
CAPTULO 1: Introduccin
La toma de decisiones
La Investigacin de Operaciones
La Ingeniera Industrial y la Investigacin de Operaciones
Resea histrica de la Investigacin de Operaciones
15
16
16
17
CAPTULO 2: Formulacin
Objetivo
Programacin Lineal Problema General
Caractersticas de la Programacin Lineal
Pautas y comentarios para la formulacin de modelos
Aprendiendo a formular modelos
Problema de produccin
. El problema de las joyas
. El problema de las bodegas
Optimizacin del corte de madera
Corridas de produccin
El problema de los paquetes de tuercas
Problema clsico de transporte
El problema del transbordo
El problema de localizacin de planta
El problema de asignaciones
Problema de la mezcla
El problema del financiero
El problema de distribucin de buses
Problema de inventarios
21
21
22
23
24
24
27
29
31
33
34
35
37
39
41
43
45
47
49
9
50
51
53
59
60
64
65
66
66
68
71
73
76
77
81
82
82
89
94
95
97
101
102
105
106
108
110
111
113
113
114
115
121
121
122
123
125
126
127
128
130
135
137
138
139
141
141
142
144
145
146
147
148
150
152
155
163
164
165
166
11
167
168
170
171
173
174
175
180
183
185
188
190
192
199
200
201
201
204
205
207
208
12
215
216
219
220
221
223
226
227
231
232
234
239
243
245
249
Apndice 1
253
Historia de la Investigacin de Operaciones, Algunas definiciones de Investigacin de Operaciones, George Dantzing: Fundador de la Programacin Lineal, The College Mathematical
Journal: Entrevista a George Bernard Dantzing, Analista de
Investigacin de Operaciones: Naturaleza del trabajo, condiciones de trabajo, empleo y perspectivas futuras de trabajo.
La Investigacin de Operaciones en la prctica, Mtodos que
se usan con mayor frecuencia, Implicaciones para el uso de la
ciencia de la administracin, Modelos de Investigacin de Operaciones.
Apndice 2
275
13
14
Captulo 1
Introduccin
La Toma de Decisiones
La Investigacin de Operaciones
La Ingeniera Industrial y la Investigacin de
Operaciones
Resea histrica de la Investigacin de Operaciones
La toma de decisiones
La toma de decisiones estratgicas para la vida de una empresa, es la
principal responsabilidad indelegable de un gerente. El inicio de la toma
de una decisin, generalmente empieza cuando se detecta un problema. Conocido el problema, el gerente debe proceder a definirlo de
manera clara y formular el objetivo, seguidamente identifica las restricciones, evala las alternativas y seguramente el mejor curso de
accin que lo llevar al la solucin ptima. Este proceso lo realiza de
manera cualitativa o cuantitativa. Si lo hace bajo el enfoque cualitativo, el gerente est confiando en su juicio personal o en su experiencia
pasada en situaciones similares. Si lo hace bajo el enfoque cuantitativo, no necesariamente debe tener experiencia en casos similares, pero
si debe hacer un anlisis exhaustivo, especialmente si la decisin
involucra una gran cantidad de dinero, un conjunto de variables muy
grande se trata de un problema altamente repetitivo, en cuyo caso,
el desarrollo de un procedimiento cuantitativo ahorrar tiempo valioso al gerente.
La habilidad para resolver problemas mediante el anlisis cuantitativo, es propio de cada gerente, pero puede adquirirse aumentarse con
la experiencia; Esta habilidad puede adquirirse mediante el estudio de
las herramientas matemticas que ofrece la investigacin de operaciones, ellas le permitirn maximizar la efectividad en la toma de deci15
Introduccin
Introduccin
ferentes tipos de materiales. Otro hombre importante en los principios de la administracin cientfica fu Henry L. Gantt quien trabaj
en resolver el problema de la planeacin de la produccin. Mientras
que Taylor se enfocaba en resolver un problema nico, Gantt adopt
un punto de vista ms amplio al observar los diferentes pasos en una
operacin completa. ste cambio de inters alejndose de lo particular de la administracin hacia aspectos ms amplios fu en realidad
una transferencia de nfasis de la Ingeniera Industrial a la Investigacin de Operaciones con un enfoque multidisciplinario a problemas
complejos, reconocindose la necesidad de tener especialistas, reunidos para trabajar en equipos de investigacin con sistemas completos
en vez de partes del sistema.
Resea histrica de la Investigacin de Operaciones
Arqumedes en el ao 212 antes de Jesucristo, cuando tena 75 aos,
fu contratado por la ciudad de Siracusa para idear un mtodo de
romper el sitio naval a la ciudad, que estaba bajo el ataque de los romanos.
El concepto de Investigacin de Operaciones naci durante la primera
guerra mundial en Inglaterra entre los aos 1914 1915, cuando F. W.
Lanchester intent tratar cuantitativamente las operaciones militares, obteniendo ecuaciones que relacionaban el resultado de una batalla en funcin de la fuerza numrica relativa de los combatientes y
de su capacidad relativa de fuego. Lanchester model una situacin
que involucraba opciones estratgicas, y despus prob ese modelo
contra la situacin real. ste procedimiento es el que los Investigadores de Operaciones han venido practicando desde entonces.
Toms Alva Edison en los Estados Unidos de Amrica, estudi el proceso de la guerra antisubmarina. Efectu un anlisis estadstico para
desarrollar maniobras mediante las cuales los barcos pudieran evadir
y destruir a los submarinos.
En 1917, el matemtico Dans A. K. Erlang, que trabajaba en la compaa telefnica de Copenhage, public el trabajo Soluciones a algunos
problemas en la teora de probabilidades importantes en las centrales telefnicas automticas , contena frmulas de tiempo de espera que ms tardes fueron empleadas por la Oficina Postal Britnica
para calcular el nmero de circuitos necesarios.
17
Introduccin
Introduccin
19
20
Captulo 2
Formulacin
Max Min Z = C X
C.S.R.
AX<B
XJ > 0 ;
j = 1, 2, ..., n
Objetivo
El presente captulo es una recopilacin de problemas representativos
de programacin lineal, en donde se muestra al lector la solucin a
diferentes modelos, buscando desarrollar la capacidad inventiva para
formular problemas de optimizacin de recursos.
Programacin Lineal - Problema General
La Programacin Lineal resuelve un tipo muy especial de problema, uno
en el cual todas las relaciones entre las variables son lineales, tanto en
las restricciones como en la Funcin Objetivo.
Definicin: Dado un conjunto de m desigualdades lineales ecuaciones
lineales, con n variables, se requiere hallar valores no negativos de stas variables que satisfagan las restricciones y maximicen minimicen
alguna funcin lineal de las variables llamada Funcin Objetivo.
Matemticamente:
Hallar XJ , J = 1, 2, . . . . . n
Maximizar Minimizar
Para:
Z = C1X1 + C2X2 +
......
+ CnXn
Formulacin
a11X1 + . . . . . + a1jXj + . . . . .
+ a1nXn
<>
b1
ai1X1 + . . . . . + aijXj + . . . . .
+ ainXn
<>
bi
am1X1 + . . . . . + amjXj+ . . . . .
bm
Xj > 0 ;
j = 1, 2, . . . . . . n
a 14 X 3 2
Log X4
Usualmente hay un nmero infinito de soluciones factibles al problema, de todas estas, tiene que hallarse una ptima
22
Formulacin
Formulacin
neal no pueden tener una desigualdad estricta, con los signos < >
. La razn de esto es de naturaleza matemtica para que asegure
que un problema bien formulado tenga solucin ya que cualquier
situacin del mundo real que uno pueda imaginar y que implique desigualdades de restriccin es casi seguro que la representacin con
los signos < o > captar por completo el significado del mundo real.
Aprendiendo a Formular Modelos
Este capitulo contiene ejemplos de formulacin que le servirn para
cimentar su habilidad al traducir problemas del mundo real a modelos
matemticos. Esta transicin, o modo en que se ha de elaborar el modelo, la forma en que se definir las variables y se formularn las restricciones y la funcin objetivo es de primordial importancia.
Intente resolver los siguientes problemas por si mismo. Formlelos con
la rapidez que le sea posible y no lea en un problema ms de lo que
se le da. Por ejemplo, no introduzca restricciones adicionales o matices lgicos o datos imaginarios que en su opinin podran hacer ms
realista el modelo. Por ejemplo, no se preocupe por lo que ocurra la
semana siguiente si el problema nunca se refiere a la semana siguiente. Los problemas que se muestran han sido escogidos para facilitarle
el desarrollo del aprendizaje de la formulacin. Para lograr esto y que
pueda comprobar su trabajo y calibrar su progreso dentro del contexto descrito, la formulacin correcta, debe carecer por completo
de ambigedad. En otras palabras, que haya una respuesta correcta.
Ms tarde, cuando tenga experiencia, la amplitud de las dudas en la
interpretacin y las sutilezas del mundo real sern mayores. Debido a
que el tema de la formulacin es tan importante y como la prctica es
el nico camino para dominarlo, se recomienda hacer un nmero de
problemas grande. Como ltimo consejo: No lea simplemente el problema y despus vaya de inmediato a la solucin. Esa sera la mejor forma
de engaarse a si mismo sobre lo que ha comprendido. No lea la solucin hasta que est seguro de haber solucionado en forma correcta el
problema por si mismo o est totalmente convencido que se encuentra
en un callejn sin salida.
1. Problema de produccin
Un taller tiene tres (3) tipos de mquinas A, B y C; puede fabricar dos
(2) productos 1 y 2, todos los productos tienen que ir a cada mquina
y cada uno va en el mismo orden: Primero a la mquina A, luego a la B y
24
Formulacin
Producto 1
Producto 2
A
B
C
2
1
4
1
2
2
2
1,50
Horas disponibles
por semana
16
12
28
3. Restricciones:
2X1 + 2X2 < 16 Restriccin debida a las horas disponibles por semana de la MQ A
X1 + 2X2 < 12 Restriccin debida a las horas disponibles por semana de la MQ B
4X1 + 2X2 < 28 Restriccin debida a las horas disponibles por semana de la MQ C
4. Condicin de no negatividad:
Xj > 0 ; j = 1 y 2
5. Solucin Mediante el mtodo grfico:
Preparamos analticamente las restricciones para graficarlas
25
Formulacin
X1 + 2X2 < 12
X1 + 2X2 = 12
X1 = 0 X2 = 0
X2 = 6 X1 = 12
P(0,0) => 0 < 12
Verdad
Z = X1 + 3/2 X2
Z = X1 + 3/2 X2= 3
X1 = 0 X2 = 0
X2 = 2 X 1 = 3
X1 + 3/2 X2 = 3
X1 = 0 X2 = 0
X2 = 2 X1 = 3
X1 + 3/2 X2 = 9
X1 = 0 X2 = 0
X2 = 6 X1 = 9
Observando la grfica se deduce que conviene tomar la funcin objetivo que ms se encuentre desplazada a la derecha, pero que toque el rea de soluciones factibles.
26
Formulacin
Mquina B
X1*+2X2* < 12
(4) +2(4) < 12
12 < 12
Se usan todas las horas
semanales disponibles.
Mquina C
4X1*+2X2* < 28
4(4) +2(4) < 28
24 < 28
A la Mquina C le sobran
4 horas Semanales.
Formulacin
4X1 + X2 < 40
X2 > 10
2X1 + X2 = 30
4X1 + X2 = 40
X2 = 10
X1= 0 X2= 0
X1= 0 X2= 0
P(0,0)=>0>10
X2=30 X1=15
X2=40 X1=10
Falso
P(0,0)=>0<30
P(0,0)=>0<40
Verdad
Verdad
2X1 + X2 = 30
4X1 + X2 = 40
X2= 0
X2=50
X1=20
Formulacin
X2* > 10
20 > 10
30 < 30
40 < 40
No sobran rubies
No sobran diamantes
Se producen 10
joyas tipo 2 de ms.
Popa
Centro
X 1A
X 2A
X3A
X 1B
X 2B
X 3B
4.000 Tn.
X 1C
X 2C
X 3C
2.000 Tn.
1.500 Tn.
300.000 pies3
3.000 Tn.
2.000 Tn.
100.000 pies3
$6/Tn.
6.000 Tn.
60 pies /Ton.
3
$8/Tn.
50 pies /Ton.
3
$5/Tn.
25 pies /Ton.
3
135.000 pies3
Formulacin
La anterior restriccin, con base en que dos cosas iguales a una tercera son iguales entre s, se remplaza con las siguientes dos igualdades,
debidamente simplificadas.
Restriccines debidas a la poltica de seguridad, de cargar el
3X1A + 3X1B + 3X1C - 2X3A - 2X3B - 2X3C = 0 mismo porcentaje de toneladas
en cada bodega.
Xij > 0 ; i = 1,2,3 ; j = A,B,C
3X1A + 3X1B + 3X1C - 4X2A - 4X2B - 4X2C = 0
X3A= 0 Ton.
X2B= 0 Ton.
X2C= 0 Ton.
Z* = $46.285,71
30
Formulacin
300 cms.
119 cms.
90 cms.
cms.
119
cms.
62
cms.
90
cms.
90
cms.
30
(175 x 2) / 3 =
varillas
Desperdicio: 117 x 30 + 90 = 3.600 cms.
31
Formulacin
Formulacin
Xj = Nmero de varillas a cortar de la forma j-sima (j = 1, 2 y 3)
Formas posibles de cortar la varilla
Forma
1
cms
119
XJ > 0
Variable
cms
62
X1
cms
119
cms
90
cms
90
cms
1
cms
90
cms
90
cms
90
cms
30
cms
119
2X1 + X2
= 350
2X2 + 3X3 = 350
; J = 1, 2 y 3 Enteros
X2
X3
Minimizar el desperdicio
Restricciones debidas a la necesidad
De Boceles de cada tamao
Restriccin de no negatividad
Materia prima
292
263
29
9,93 %
Desperdicio (cms.)
14.450
5.750
8.700
60,20 %
Formulacin
5. Corridas de produccin
Una empresa produce un artculo cuya unidad est compuesta por 4
unidades de componente A y 3 unidades de componente B que se producen por corrida de produccin a partir de las materias primas 1 y 2
y en tres diferentes departamentos. La produccin por corrida de produccin se muestra en la siguiente tabla:
Elabore un plan de produccin para maximizar la cantidad de artculo
a producir.
Materia Prima Materia Prima
1
2
Componente
A
Componente
B
Departamento 1
Departamento 2
Departamento 3
100
200
Disponibilidad
Formulacin:
XJ = Nmero de corridas de produccin en el departamento j-simo (j = 1,2 y 3)
Nmero de componentes A: 7X1 + 6X2 + 8X3
Nmero de componentes B: 5X1 + 9X2 + 4X3
Nmero de artculos completos con los componentes A:
(7X1 + 6X2 + 8X3) / 4
Nmero de artculos completos con los componentes B:
(5X1 + 9X2 + 4X3) / 3
Unidad completa
del Producto
Maximizar {Mnimo entero entre{ (7X1 + 6X2 + 8X3) / 4 , (5X1 + 9X2 + 4X3) / 3 }}
C.S.R.
XJ > 0
J = 1, 2 y 3 Enteros
Restriccin de no negatividad
33
Formulacin
8X1* + 5X2* + 3X3* < 100 ; 8(1) + 5(7) + 3(16) < 100 ; 91 < 100 Sobran 9
unidades de materia prima 1
6X1* + 9X2* + 8X3* < 200 ; 6(1) + 9(7) + 8(16) < 200 ; 197 < 200 Sobran
3 unidades de materia prima 2
6. El problema de los paquetes de tuercas
Un distribuidor de ferretera planea vender paquetes de tuercas y
tornillos mezclados. Cada paquete pesa por lo menos 2 libras. Tres tamaos de tuercas y tornillos componen el paquete y se compran en
lotes de 200 libras. Los tamaos 1, 2 y 3 cuestan respectivamente $20,
$8 y $12, adems:
a) El peso combinado de los tamaos 1 y 3 debe ser al menos la mitad
del peso total del paquete.
b) El peso de los tamaos 1 y 2 no debe ser mayor que 1,6 libras
c) Cualquier tamao de tornillo debe ser al menos el 10% del paquete
total
Cul ser la composicin del paquete que ocasionar un costo mnimo?
Vende bolsas de al
menos 2 Libras cada una
34
Formulacin
Solucin:
Minimizar Z = 0,1X1 + 0,04X2 + 0,06X3
C.S.R.
XJ > 0
X1 - X2
X1 + X2
0,9X1 -0,1X2
-0,1X1 +0,9X2
-0,1X1 -0,1X2
X1 + X2
J = 1, 2 y 3
X3
- 0,1X3
- 0,1X3
+ 0,9X3
+
X3
> 0
< 1,6
> 0
> 0
> 0
> 2
Formulacin
Pereira 25, Tula 10, Anserma 20, Ibagu 30 y Armenia 15. El costo de
transporte por unidad en pesos entre cada centro de distribucin y
las localidades de los detallistas se dan en la siguiente tabla:
D
Centros de
distribucin
Pereira
Tula
55
35
40
30
30
60
Bogot
Medelln
Cali
Anserma Ibagu
40
100
95
50
45
35
s
Armenia
40
60
30
Cuanto unidades debe mandar el fabricante desde cada centro de distribucin a cada detallista, de manera que los costos totales de transporte sean mnimos?
= Cantidad de unidades a enviar desde el centro de distribucin isimo (i = 1 = Bogot, i = 2 = Medelln, i = 3 = Cali), al detallista j-simo
(j = 1 = Pereira, j = 2 = Tula, j = 3 = Anserma, j = 4 = Ibagu, j = 5 =
Armenia)
Minimizar Z = 55X11 + 30X12 + 40X13 + 50X14 + 40X15 + 35X21 + 30X22 +
100X23 + 45X24 + 60X25 + 40X31 + 60X32 + 95X33 + 35X34 + 30X35
C.S.R.
X11 + X12 + X13 + X14 + X15 < 20 Restricciones debidas a la disX21 +X22 + X23 + X24 + X25 < 40 ponibilidad de unidades en los
X31 +X32 + X33 + X34 + X35 < 40 respectivos centros de distribucin 1, 2 y 3
X11 +
X12 +
X13 +
X14 +
X15 +
X21 + X31
X22 + X32
X23 + X33
X24 + X34
X25 + X35
>
>
>
>
>
25
10
20
30
15
Xij > 0 ; i = 1, 2 y 3 ; j = 1, 2, 3, 4 y 5
Empleando el WinQSB el INVOP obtenemos la siguiente solucin factible ptima:
X*11
X*12
X*13
X*14
X*15
36
=
=
=
=
=
0
0
20
0
0
X*21
X*22
X*23
X*24
X*25
= 25
= 10
= 0
= 5
= 0
X*31
X*32
X*33
X*34
X*35
=
=
=
=
=
0
0
0
25
15
Z* = $ 3.525
Formulacin
Centros de
control de calidad
Plantas de
produccin
C e n t r o s d e v e n t a
P1
P2
V1
V2
V3
V4
C1
12
10
22
20
24
C2
11
20
19
23
La empresa desea distribuir toda la produccin para la semana entrante, sin mostrar preferencia por la utilizacin de un determinado
centro de control o punto de venta, pues su inters reside en minimizar el costo global de transporte. Cual debe ser la distribucin de las
plantas a los puntos de venta?
Formulacin:
37
Formulacin
X35 + X45
X36
X37 + X47
X48
>
>
>
>
Xij > 0 ;
30
20
140
40
Enteros
Restriccin de no negatividad
V2
V3
V4
P1
37 (C2)*
36 (C1)
36 (C2)
40 (C2)
P2
35 (C2)
34 (C1)
34 (C2)
38 (C2)
Formulacin
X21
X22
X23
X24
>
>
>
>
< 80
< 60
30
20
140
40
Xij > 0 ; i = 1 y 2 ; j = 1, 2 , 3
y 4 Enteros
Solucin: Empleando cualquiera de las dos formulaciones, se obtiene mediante el WinQsb o el INVOP la siguiente solucin:
De la planta de produccin P1 enviar 20 monitores al centro de control de calidad C1
De la planta de produccin P1 enviar 60 monitores al centro de control de calidad C2
De la planta de produccin P2 enviar 60 monitores al centro de
control de calidad C2
Del centro de control de calidad C1 enviar 20 monitores al centro
de ventas V2
Del centro de control de calidad C2 enviar 120 monitores al centro
de ventas V3
Costo total Mnimo del trasporte y revisin de calidad $4.920
9. Problema de localizacin de planta
Una empresa del sector textil, que opera en todo el pas, dispone de la
siguiente configuracin: Dos plantas de fabricacin en Pereira e
Ibagu, con capacidades de 900 y 1.500 unidades respectivamente.
Cuatro almacenes regionales de distribucin que sirven a los clientes
de sus respectivas zonas en: Neiva, Medelln, Cali y Bogot, con demandas de: 700, 800, 500 y 400 unidades respectivamente.
39
Formulacin
Bogot
Pereira
Ibagu
Pasto
Villavicencio
Neiva
Medelln
Formulacin:
(a) Considerando establecer la nueva planta en Pasto
Xij = Unidades a enviar desde la planta i-sima (i = 1 = Pereira, i = 2 =
Ibagu, i = 3 Pasto) al almacn j-simo (j = 1 = Neiva, j = 2 = Medelln,
j = 3 = Cali, j = 4 = Bogot)
Min Z = 6X11 + 4X12 + 2X13 + 6X14 + 2X21 + 3X22 + 7X23 + 5X24 + 6X31 +
4X32 + 4X33 + 8X34
C.S.R.
Restricciones debidas a la dispoX11 + X12 + X13 + X14 =
900
nibilidad de unidades en las planX21 + X22 + X23 + X24 = 1.500
tas 1, 2 y 3 respectivamente
X31 + X32 + X33 + X34 = 600
X11 + X21 + X31 = 700 + 175 =
875 Restricciones debidas a los requeX12 + X22 + X32 = 800 + 200 = 1.000 rimientos de unidades de los alX13 + X23 + X33 = 500 + 125 =
625 macenes regionales de distribuX14 + X24 + X34 = 400 + 100 =
500 cin 1, 2, 3 y 4
Xij > 0 ; i = 1,2 y 3 ; j = 1,2,3 y 4
Empleando el WinQsb o el INVOP, se obtiene la siguiente solucin ptima:
40
Formulacin
X*13 = 625
X*14 = 275
X*21 = 875
X*22 = 400
X*24 = 225
X*32 = 600
Z* = $9.375
C.S.R.
900 Restricciones debidas a la disponibiX11 + X12 + X13 + X14 =
X21 + X22 + X23 + X24 = 1.500 lidad de unidades en las plantas 1, 2 y
X31 + X32 + X33 + X34 = 600 3 respectivamente
X11 + X21 + X31
X12 + X22 + X32
X13 + X23 + X33
X14 + X24 + X34
=
875
= 1.000
=
625
=
500
X*21 = 875
X*22 = 625
X*32 = 100
X*34 = 500
Z*
= $7.275
Formulacin
P
1
Barco
1
2
5
6
4
6
6
7
7
5
3
4
7
5
5
4
7
6
6
6
=
=
=
=
1
1
1
1
X11 +
X12 +
X13 +
X14 +
=
=
=
=
1
1
1
1
42
X*11 = 1
X*21 = 0
X*31 = 0
X*41 = 0
X*12 = 0
X*22 = 0
X*32 = 1
X*42 = 0
X*13 = 0
X*23 = 0
X*33 = 0
X*43 = 1
X*14 = 0
X*24 = 1
X*34 = 0
X*44 = 0
Z* = 21
Formulacin
Barco
Barco
Barco
Barco
1
2
3
4
al
al
al
al
Puerto
Puerto
Puerto
Puerto
1
4
2
3
:
:
:
:
Costo
Costo
Costo
Costo
$
$
$
$
5
5
5
6
COMPONENTES (%)
2
3
80
10
45
30
20
30
40
25
SUPER
GASOLINA NORMAL
EURO
C O M P O N E N T E S
1
2
> 60
< 25
> 50
< 40
< 30
> 35
>
(%)
3
10
< 15
> 20
Los costos por barril de crudo A, B y C son: $650, $500 y $450, respectivamente.
El presupuesto diario de compra es de $50 Millones.
La disponibilidad diaria de crudos B y C se limita, respectivamente, a
3.000 y 7.000 barriles.
Ciertos acuerdos obligan a comprar al menos 2.500 barriles de A.
Las demandas de gasolina Super y Normal son de 2.000 y 2.500 barriles diarios, que deben satisfacerse. La compaa desea maximizar la
produccin de gasolina Euro.
Formule un modelo de programacin lineal que de respuesta al problema planteado por la compaa.
Formulacin:
43
Formulacin
Restricciones debidas al
porcentaje de cada componente en la gasolina
Super
Normal
Xij > 0 ; i = A, B, C ; j = S, N, E
44
Restricciones debidas al
porcentaje de cada componente en la gasolina
Euro
Formulacin
45
Formulacin
Maximizar Z = 100.000 + 0,15 (XA1 + XA2 + XA3 +XA4 + XA5) + 0,25XB3 + 0,4XC2
Xij > 0 ; i = A, B y C ; j = 1, 2, 3, 4 y 5
46
Formulacin
X*A5 = $179.500,6
X*B3 = $ 40.000
X*C2 = $0
Z* = $206.425,7
13. Problema de distribucin de buses
Transporte y Trnsito del Tolima estudia la factibilidad de introducir
un sistema de autobuses de transporte masivo que aliviar el problema
del smog al reducir el trnsito en la ciudad. El estudio inicial busca
determinar el mnimo nmero de autobuses que pueden suplir las necesidades de transporte en la ciudad. El estudio inicial busca determinar
el nmero mnimo de autobuses que pueden suplir las necesidades de
transporte. Despus de recolectar la informacin necesaria, el ingeniero de la entidad advierte que el nmero mnimo de autobuses que se
necesitan para cubrir la demanda flucta segn la hora del da. Estudiando los datos ms a fondo descubri que el nmero requerido de
autobuses se puede suponer constante en intervalos sucesivos de 4
horas cada uno. En la figura se resumen los hallazgos del ingeniero. Se
decidi que para hacer el mantenimiento diario requerido, cada autobs podra operar solo 8 horas sucesivas al da.
47
Formulacin
De 12 a.m. a 8 a.m.
De 4 a.m. a 12 meridiano
De 8 a.m. a 4 p.m.
De 12 Meridiano a 8 p.m.
De 4 p.m. a 12 p.m.
De 8 p.m. a 4 a.m.
12 - 4
a
a
4-8
8 - 12
12 - 4
X2
4 - 12
a
a
4-8
X3
8-4
X4
12 - 8
X5
4 - 12
X6
8-4
a
a
a
8 - 12
Nmero
de buses
necesarios
4
8
10
a
a
a
a
12
Minimizar Z = X1 + X2 + X3 + X4 + X5 + X6
C.S.R.
X1 + X6
X1 + X2
X2 + X3
X3 + X4
X4 + X5
X5 + X6
>
>
>
>
>
>
4
8
10
7
12
4
Restricciones debidas a la
demanda de buses cada
cuatro horas
Xj > 0 ; j = 1, 2, 3, 4, 5 y 6 ; y enteros
Empleando la programacin lineal entera y el software WinQsb, se
encuentra la solucin ptima factible siguiente:
X*1 =
X*2 =
X*3 =
X*4 =
4
10
0
8
X*4 = 4
X*6 = 0
Z* = 26 buses
Interpretacin
X*1 =
X*2 =
X*3 =
X*4 =
48
4
10
0
8
Formulacin
X*4 = 4
X*6 = 0
Formulacin
X*4 = 2.500
Y*1 = 100
Y*2 = 0
Y*3 = 0
Y*4 = 0
I*1 = 0
I*2 = 500
I*3 = 0
Z* = 2.000
1
80
2
60
3
100
4
130
5
200
Formulacin
X1 = 80 + I1
I1 +X2 = 60 + I2
Y1 + I2 + X3 = 100 + I3
Y2 + I3 + X4 = 130 + I4
Y3 + I4 + X5 = 200
Y1 < 80
Y2 < 60
Y3 < 100
Xi > 0 ; i = 1, 2, 3, 4 y 5
Ii > 0 ; i = 1, 2, 3 y 4
Yi > 0 ; i = 1, 2 y 3
X*3 = 20
X*4 = 70
X*5 = 100
Y*1 = 80
Y*2 = 60
Y*3 = 100
I*i = 0 ; i = 1, 2, 3 Y 4
Z* = $15.600
(Unidades)
Pronstico de ventas
50.000
150.000
200.000
52.000
Formulacin
C.S.R.
X1 + H1 + M1
I1 + X2 + H2 + M2
I2 + X3 + H3 + M3
I3 + X4 + H4 + M4
XJ < 50.000
HJ < 50.000
MJ < 40.000
XJ > 0
HJ > 0
MJ > 0
IJ > 0
=
=
=
=
;
;
;
;
;
;
;
50.000 + I1
150.000 + I2
200.000 + I3
52.000
J=1,2,3,4
J=1,2,3,4
J=1,2,3,4
J=1,2,3,4
J=1,2,3,4
J=1,2,3,4
J=1,2,3,4
H1* = 50.000
H2* = 50.000
H3* = 50.000
H4* = 2.000
M1* = 20.000
M2* = 40.000
M3* = 40.000
M4* = 0
I1* = 70.000
I2* = 60.000
I3* = 0
Z* = 30290.000
Interpretacin:
Con la fuerza de trabajo regular, debemos producir 50.000, 50.000,
52
Formulacin
50.000(50)+50.000(75)+20.000(85)
7950.000
Trimestre 2
70.000(3)+50.000(50)+50.000(75)+40.000(85)
9860.000
Trimestre 3
60.000(3)+50.000(50)+50.000(75)+40.000(85)
9830.000
Trimestre 4
50.000(50) + 2.000(75)
2650.000
Total
30290.000
Formulacin
1. Un frutero necesita al menos 16 cajas de naranja, como mnimo 5
cajas de pltano y al menos 20 cajas de manzanas. Dos mayorista
(A y B) le pueden suministrar sus necesidades, pero solo venden la
fruta en contenedores completos. El mayorista A enva en cada
contenedor 8 cajas de naranja, una de pltano y 2 de manzana El
mayorista B enva en cada contenedor 2 cajas de naranja, una de
pltano y 7 de manzanas. Sabiendo que el mayorista A se encuentra a 150 Km. de distancia y el mayorista B a 300 Km., Calcular
cuntos contenedores habr de comprar a cada mayorista, con el
objetivo de ahorrar tiempo y dinero, reduciendo al mnimo la distancia recorrida. Sol.: X1*=3, X2*=2, Z*=1.050
2. Una compaa tiene dos mina: La mina A produce diariamente una
tonelada de carbn de antracita de alta calidad, dos toneladas de
carbn de calidad media y cuatro toneladas de carbn de baja
calidad; la mina B produce dos toneladas de cada una de las tres
clases. La compaa necesita al menos 70 toneladas de carbn de
alta calidad, 130 toneladas de carbn de calidad media y 150 toneladas de carbn de baja calidad. Los gastos diarios son de 150 y
200 dlares respectivamente. Cuntos das debern trabajar en
cada mina para que los costos sean mnimos?. Sol.: X1*=60, X2*=5,
Z*=$10.000.
3. Supongamos que las necesidades mnimas semanales de una persona en protenas, hidratos= de carbono y grasas son, respectivamente: 8, 12 y 9 unidades. Supongamos que debemos obtener un
preparado con esa composicin mnima, mezclando dos productos
A y B, cuyos contenidos por Kg. son los que se indican en la siguiente tabla:
Productos Protenas
Hidratos
Grasas
Costo/Kg.
600
400
a) Cuntos kilogramos de cada producto debern comprarse semanalmente para que el costo de preparar la dieta sea mnimo?.
Sol.: X1*=3, X2*=2, Z*=$2.600
b) Cuntos kilogramos de cada producto debern comprarse semanalmente si el precio de A subiera a $1.000/kilogramo?. Sol.:
X1*=1, X2*=6, Z*=$3.400
4. En una encuesta realizada por la televisin local, se ha detectado
que un programa con 20 minutos de variedades y un minito de publicidad capta 30.000 espectadores, mientras que otro programa
54
Formulacin
con 10 minutos de variedades y un minuto de publicidad capta
20.000 espectadores. Para un determinado periodo, la direccin
de la red decide dedicar como mximo 80 minutos de variedades y
6 minutos de publicidad. Cuntas veces deber aparecer cada programa con el objeto de captar el mximo nmero de espectadores?. Sol: X1*=2, X2*=4, Z*=140.000
5. Una empresa tiene dos fbricas A y B. En ellas fabrica un mismo
producto, a razn de 500 y 400 unidades por da respectivamente.
El producto ha de ser distribuido posteriormente a tres centros
de distribucin (1, 2, 3), que requieren, respectivamente, 200, 300
y 400 unidades. Los costos de transportar cada unidad del producto desde cada fbrica a cada distribuidor son los indicados en
la siguiente tabla:
Distribuidores
Disponibilidad
1
2
3
A
60 10
50
500
B
40 20
25
400
Demanda 200 300 400
Fbricas
Formulacin
8. Una asociacin agrcola tiene dos fincas: La finca 1 tiene 400 Ha.
de tierra utilizable para la siembra y dispone de 500 m3 de agua,
mientras que la finca 2 tiene 900 Ha. de tierra utilizable para la
siembra y dispone de 1.200 m3 de agua. Los cultivos aconsejados
son: Caf y pltano. El caf consume 3 m3 de agua por Ha. y tiene
un beneficio por Ha. de $700 y el pltano consume 2 m3 de agua
por Ha. y tiene un beneficio por Ha. de $500. Se ha establecido
una cuota mxima por cada cultivo: 800 Ha. para el caf y 600 Ha.
para el pltano, siendo el porcentaje de terreno cultivado el mismo en cada finca.Cuntas hectreas hay que sembrar en cada finca de cada tipo de cosecha para que el beneficio sea mximo? Sol.:
X 11*=28,2051, X 12 *=207,6923, X 21 *=138,4615, X 22 *=392,3077,
Z*=$416.666,7
9. Una empresa constructora dispone de dos tipos de camiones C1 y
C2 y quiere transportar 100 T. de arena a una obra. sabiendo que
dispone de 6 camiones tipo C1 con capacidad para 15 T. y con un
costo de $4.000 por viaje y de 10 camiones tipo C2 con una capacidad de 5 T. y con un costo de $3.000 por viaje. Cul es el nmero
de camiones de cada tipo que debe usar para minimizar los costos
de transporte?.Sol.: X1*=6, X2*=2, Z*=$30.000,00
10. Un puesto de prensa vende bolgrafos a $20 y cuadernos a $30.
Llevamos $240 y pretendemos comprar los mismos cuadernos que
bolgrafos por lo menos. Cul ser el nmero mximo de piezas (bolgrafos mas cuadernos) que podemos comprar?. Sol.: X1*=3 bolgrafos, X2*=6 cuadernos, Z*= 9 piezas (Solucin entera).
11. Una compaa area dispone de dos tipos de aviones A1 y A2 para
cubrir un determinado trayecto. El avin A1 debe hacer ms veces
el trayecto que el avin A2 pero no puede sobrepasar de 120 viajes. Entre los dos aviones deben hacer ms de 60 vuelos, pero menos de 200. En cada vuelo, A1 consume 900 litros de combustible y
A2 700 litros. En cada viaje del avin A1 la empresa gana $30.000
y $20.000 por cada viaje del avion A2.
a) Cuntos viajes debe hacer cada avin para obtener la mxima
ganancia?. Sol.: X1*=120 vuelos, X2*=80 vuelos, Z*=$5200.000
b) Cuntos vuelos debe hacer cada avin para que el consumo de
combustible sea mnimo?. Sol.: X 1*=30 vuelos, X 2*=30 vuelos,
Z*=48.000 litros.
56
Formulacin
12. Un joyero fabrica dos tipos de anillos: El anillo A1 precisa 1 gr. de
oro y 5 gr. de plata, vendiendo la unidad a $40. Para el anillo tipo
A2 emplea 1,5 gr. de oro y 1 gr. de plata y los vende a $50 la unidad.
El joyero dispone en su taller de 750 gr. de cada metal. Cuntos
anillos debe fabricar de cada clase para obtener la mximo
venta?.Sol.: X1*=57, X2*=462, Z*=$25.380 (Solucin entera).
Ganancia estimada
Capital requerido
Proyectos
1
2
1
1,8
6
12
de desarrollo
3
4
5
1,6 0,8 1,4
10
4
8
57
58
Captulo 3
Mtodo Grfico
Introduccin
En el presente captulo se muestra la solucin a varios tipos de problemas de programacin lineal que solamente tienen en su formulacin
dos variables, empleando el mtodo grfico.
Conjunto convexo
Un conjunto C es un conjunto convexo si el segmento rectilneo que
une cualquier par de puntos de C se encuentra completamente en C.
Conjunto convexo
Conjunto no convexo
59
Mtodo Grfico
2X1
X1
X1
X1
- X2
- X2
+ 2X2
+ 4X2
< 8
< 3
< 14
< 24
Xj > 0 ; j = 1, 2
Clculos analticos para graficar el sistema de inecuaciones lineales,
incluyendo la condicin de no negatividad (Xj > 0 ; j = 1, 2), que nos
indica que solamente trabajaremos en el primer cuadrante del plano
cartesiano, cuadrante en donde X1 y X2 son positivas.
1 Restriccin
2X1 - X2 < 8
2X1 - X2 = 8
X1 = 0 X2 = 0
X2 = -8 X1 = 4
P(0,0) => 0 < 8
Verdad
2 Restriccin
X1 - X2 < 3
X1 - X2 = 3
X1 = 0 X2 = 0
X2 = -3 X1 = 3
P(0,0) => 0 < 3
Verdad
3 Restriccin
X1 + 2X2 < 14
X1 + 2X2 = 14
X1 = 0 X2 = 0
X2 = 7 X1 = 14
P(0,0) => 0 < 14
Verdad
4 Restriccin
X1 + 4X2 < 24
X1 + 4X2 = 24
X1 = 0 X2 = 0
X2 = 6 X1 = 24
P(0,0) => 0 < 24
Verdad
Funcin Objetivo
Z = 2X1 + X2
2X1 + X2 = 2
X1 = 0
X2 = 2
X2 = 0
X1 = 1
Restricciones
Fjese que para cada inecuacin, primero suponemos que es una igualdad y luego tabulamos dos puntos fciles de calcular, como lo son las
intersecciones de la recta con los ejes cartesianos abcisa y ordenada,
esto siempre que el trmino independiente (Lado derecho de la
inecuacin) sea diferente de cero, es decir siempre y cuando la recta
no pase por el origen de coordenadas P(0,0).
A continuacin con un punto de prueba cualquiera P(X1 , X2), (Asegrese que se encuentre al lado derecho izquierdo de la recta, NO
sobre ella, es decir, el punto de prueba NO puede pertenecer a la recta), Aqu, como ya sabemos que la recta no pasa por el origen de coordenadas (Trmino independiente diferente de cero), usamos como
punto de prueba P(0,0), es decir X1 = 0, X2 = 0 que nos facilita los
clculos cuando lo remplacemos en la inecuacin y observamos si la
hace una verdad una falsedad; Averiguar esto nos permite conocer
si el rea solucin de la inecuacin est al lado derecho izquierdo
(Por supuesto, incluyendo los puntos sobre la recta, ya que todas las
inecuaciones son menor igual ( < )); Si el punto de prueba hace verdad
la inecuacin lineal, entonces, todos los puntos que se encuentran al
60
Mtodo Grfico
2X1 + X2 = 2
2X1 + X2 = 4
X1 = 0 X2 = 0 X1 = 0 X2 = 0
X2 = 2 X1 = 1 X2 = 4 X1 = 2
2X1 + X2 = 6
X1 = 0 X2 = 0
X2 = 6 X1 = 3
Mtodo Grfico
(Observe que puede dar el valor adecuado a Z), esto har que la grfica quede convenientemente presentada para el anlisis.
Existen dos procedimientos para encontrar la solucin factible ptima:
1. Evaluar la funcin objetivo Z en cada una de las esquinas del rea
de soluciones factibles. La debilidad de este procedimiento se presenta cuando se tienen muchas restricciones que por supuesto generan un rea con muchas esquinas, volvindose dispendiosa la consecucin de sus coordenadas, que implica la solucin de muchos
sistemas de ecuaciones lineales.
2. Usando la funcin objetivo para determinar la esquina del rea de
soluciones factible que la optimiza. La debilidad de ste procedimiento se presenta cuando la funcin objetiva es aproximadamente paralela a uno de los lados del rea de soluciones factible, originando la duda visual sobre la grfica, de cual de los dos extremos
(esquinas) es el que hace que la funcin objetivo se optimice.
Se recomienda usar el segundo procedimiento y en caso de dudas visuales sobre la grfica, recurrir al primer procedimiento para dirimir
la duda respecto al par de esquinas.
Primer procedimiento: Evaluar la funcin objetivo Z en cada una de
las esquinas del rea de soluciones factibles.
62
Mtodo Grfico
=
=
=
=
2(0) + 0 =
2(0) + 6 =
2(4) + 5 =
2(6) + 4 =
0
6
13
16
Z(3,0) = 2(3) + 0 = 6
Fjese que al desplazar la funcin objetivo Z hacia la derecha, el ltimo punto a la derecha del rea de soluciones factible que toca es: X1
= 6 , X2 = 4. Para encontrar las coordenadas debemos interceptar las
ecuaciones de las restricciones X1 + 2X2 = 14 con 2X1 - X2 = 8 Una
manera de hacer esto es empleando el mtodo de los determinantes,
que para un sistema de dos ecuaciones y dos variables es:
63
Mtodo Grfico
3X1 + 5X2
5X1 + 2X2
<
<
15
10
Xj > 0 ; j = 1, 2
1 Restriccin
2 Restriccin
Funcin Objetivo
Z = 5/2X1 + X2
5/2X1 + X2 = 5/2
X2 = 0
X1 = 0
X2 = 5/2 X1 = 1
Observe que la solucin ptima recae sobre un lado del rea de soluciones factible, o sea que todos los puntos que pertenecen a la recta
5X1 +2X2=10 entre los puntos (2,0) y (20/19, 45/19), maximizan la
funcin objetivo, esto es, existen mltiples soluciones, dos de ellas
son: X1*=2, X2*=0, Z*=5 X1*=20/19, X2*=45/19, y por supuesto Z*=5
Una forma ms tcnica de expresar la solucin es: La solucin son todas las parejas de puntos que pertenecen a la recta 5X1+2X2=10, en el
intervalo 20/19 < X1 < 2 en el intervalo 0 < X2 < 45/19 ; Cualquiera de
estos dos puntos hace que Z valga 5
Z*20/19,45/19 = 5/2X1* + X2* = 5/2(20/19) + (45/19) = 5
Z*2,0 = 5/2X1* + X2* = 5/2(2) + (0) = 5
64
Mtodo Grfico
X1 >
- 0,5X1 + X2
X2
< 1
Xj > 0 ; j = 1, 2
2 Restriccin
1 Restriccin
Funcin Objetivo
X1 - X2 > 0 -1/2X1 + X2 < 1
Z = - X1 + X2
X1 - X2 = 0
-1/2X1 + X2 = 1 - X1 + X2 = 3
X1 = 0 X2 = 5 X1 = 0 X2 = 0 X1 = 0 X2 = 0
X2 = 0 X1 = 5 X2 = 1 X1 = -2 X2 = 3 X1 = -3
P(3,0) => 3 > 0 P(0,0) => 0 < 1
Verdad
Verdad
X2 = 0
X1 = - 3
- X1 + X2 = 5
X1 = 0 X1 = 0
X2 = 5 X2 = -5
Fjese que al desplazar la funcin objetivo hacia la derecha, siempre encontrar un punto ms a la derecha
del rea de soluciones factible que la
minimice. Entre ms a la derecha se
encuentre un punto (X1 , X2) que pertenezca al rea de soluciones factibles, ms pequeo ser el valor de la
funcin objetivo, pero siempre habr
una alternativa de encontrar un punto (X1 , X2) ms a la derecha, por ser
una rea abierta. Se dice entonces
que el problema tiene solucin indeterminada.
65
Mtodo Grfico
66
Mtodo Grfico
1 Restriccin
5X1 4X2 > -20
5X1 4X2 = -20
X1 = 0
X2 = 0
X2 = 5
X1 = -4
P(0,0) => 0 > -20
Verdad
2 Restriccin
X1 < 8
X1 = 8
P(0,0) => 0 < 8
Verdad
Perpendicular
al eje X1
3 Restriccin
X2 < 10
X2 = 10
P(0,0) => 0 < 10
Verdad
Perpendicular
al eje X2
4 Restriccin
X2 > 3
X2 = 3
P(0,0) => 0 > 3
Falso
Perpendicular
al eje X2
5 Restriccin
5X1 + 4X2 > 20
5X1 + 4X2 = 20
X1 = 0 X2 = 0
X2 = 5 X1 = 4
P(0,0) => 0 > 20
Falso
Funcin Objetivo
Z = 3X1 5X2
3X1 5X2 = 15
X1 = 0
X2 = 0
X2 = -3
X1 = 5
Para encontrar las coordenadas de algunas esquinas del rea de soluciones factibles, que no se observan a simple vista en la grfica, se
hace necesario resolver los siguientes sistemas de ecuaciones:
5X1 + 4X2 = 20
X2 = 3
5X1 + 4(3) = 20
X1 = 8/5
P(8/5,3)
P(4,10)
Mtodo Grfico
X2* = 10
X1* = 8
5X1* 4X2* > -20
5(8)-4(3) > -20
40 12 > -20
28 > -20
Verdad
Inactiva
De no estricto
cumplimiento
X2* = 3
X2* > 3
10 > 3
Verdad
Activa
De estricto
cumplimiento
Verdad
Inactiva
De no estricto
cumplimiento
X1* < 8
8<8
X2* < 10
3 < 10
X2* > 3
3 >3
Verdad
Activa
De estricto
cumplimiento
Verdad
Inactiva
De no estricto
cumplimiento
Verdad
Activa
De estricto
cumplimiento
6. Un caso de produccin
La corporacin XYZ fabrica dos modelos de producto Z-1.200 y Z1.500 Los requerimientos de produccin y las disponibilidades estn
mostradas a continuacin.
68
Mtodo Grfico
Requisitos de mano de obra
Modelo Z-1.200
Modelo Z-1.500
Capacidad
Horas / da
20
2.300
30
1.540
25
23
2.440
11
11
1.300
Departamento
1
40X2
< 2.300
< 1.540
< 2.440
< 1.300
1 Restriccin 2 Restriccin
20X1 < 2.300
30X2 < 1.540
20X1 = 2.300
30X2 = 1.540
X1 = 115
X2 = 51,3
P(0,0)=>0 < 2.300 P(0,0)=>0 < 1.540
Verdad
Verdad
3 Restriccin
25X1+23X2 < 2.440
25X1+23X2 = 2.440
X2 = 0
X1 = 0
X2 = 106,08 X1 = 97,6
P(0,0) => 0 < 2.440
Verdad
4 Restriccin
11X1 + 11X2 < 1.300
11X1 + 11X2 = 1.300
X2 = 0
X1 = 0
X2 = 118,18 X1 = 118,18
P(0,0) => 0 < 1.300
Verdad
Funcin Objetivo
Z = 50X1 + 40X2
50X1+40X2=4.000
X1 = 0
X2 = 0
X2 = 100
X1 = 80
69
Mtodo Grfico
70
Mtodo Grfico
7. Un caso de produccin
Una compaa automotriz produce automviles y camiones. Cada vehculo tiene que pasar por un taller de pintura y por un taller de montaje
de la carrocera. Si el taller de pintura pintara solamente camiones, se
podran pintar 40 camiones al da, y si pintara solamente automviles,
se podran pintar 60 automviles. Si el taller de carroceras ensamblara solamente camiones, podra ensamblar 50 camiones al da y si ensamblara solamente automviles, podra ensamblar 50 automviles al
da. Cada camin aporta $300 a la utilidad y cada automvil, $200
Solucin
Fjese que aqu nos han dado las coordenadas por donde cada restriccin corta los ejes cartesianos abcisa y ordenada, por lo tanto debemos conseguir las ecuaciones de cada restriccin, conociendo dos puntos que pertenecen a la recta.
Xj = Unidades a producir del j-simo tipo de vehculo (j = 1 = Automviles, j = 2 = Camiones)
Taller de Pintura
Si X1 = 0 => X2 = 40
Si X2 = 0 => X1 = 60
m = Y2 Y1 / X2 X1
m = -40 / 60 = -2/3
Y = mX + b = -2/3X + 40
3Y=-2X+120 =>2X+3Y=120
2X1+3X2 = 120 =>
2X1+3X2 < 120
Taller de ensamble de la carrocera
Si X1 = 0 => X2 = 50
Si X2 = 0 => X1 = 50
m = Y2 Y1 / X2 X1
m = -50 / 50 = - 1
Y = mX + b = - X + 50
X + Y = 50 =>
X1 + X2 < 50
71
Mtodo Grfico
2X1 + 3 X2
<
X1 +
<
50
X2
Xj > 0 ; j = 1, 2
1 Restriccin
2X1 + 3X2 < 120
2X1 + 3X2 = 120
X2 = 5
X1 = 0
X2 = 40
X1 = 60
P(0,0) => 0 < 120
Verdad
2 Restriccin
X1 + X2 < 50
X1 + X2 = 50
X2 = 0
X1 = 0
X2 = 50
X1 = 50
P(0,0) => 0 < 50
Verdad
Funcin Objetivo
Z = 200X1 + 300X2
200X1 + 300X2 = 6000
X2 = 0
X1 = 0
X2 = 20
X1 = 30
Mtodo Grfico
X1 + X2 < 50
30 + 20 < 50
50 < 50
1
2
Radios HiFi-1
6
5
4
5
Cada estacin de trabajo tiene una disponibilidad mxima de 480 minutos por da. Sin embargo, las estaciones de trabajo requieren mantenimiento diario, que constituye el 10%, 14% y 12% de los 480 minutos totales de que se dispone diariamente para las estaciones 1, 2 y 3
respectivamente. La compaa desea determinar las unidades diarias
que se ensamblarn de HiFi-1 y HiFi-2 a fin de minimizar la suma de
tiempos inactivos en las tres estaciones.
Solucin
Xj=Cantidad de radios a producir del modelo j-simo (j=1=HiFi-1 ; j=2=HiFi-2)
Estacin
de trabajo
Disponibilidad
Mxima en minutos
Tiempo inactivo de
Cada estacin de
trabajo en minutos
(1-0,10)480=432,0
(1-0,14)480=412,8
6X1 + 4X2
(1-0,12)480=422,4
4X1 + 6X2
5X1 + 5X2
Mtodo Grfico
Z = -15X1 15X2
Z = 15X1 + 15X2
C.S.R.
6X1 + 4X2
5X1 + 5X2
4X1 + 6X2
< 432,0
< 412,8
< 422,4
Xj > 0 ; j = 1, 2
1 Restriccin
2 Restriccin
3 Restriccin
Funcin Objetivo
Mtodo Grfico
Estacin de trabajo 2
5X1* + 5X2* < 412,8
5(50,88) + 5(31,68)
< 412,8
412,8 < 412,8
No estar inactiva
Estacin de trabajo 2
5X1* + 5X2* < 412,8
5(36,48) + 5(46,08)
< 412,8
412,8 < 412,8
No estar inactiva
X2* = 31,68
Estacin de trabajo 3
4X1* + 6X2* < 422,4
4(50,88) + 6(31,68)
< 422,4
393,6 < 422,4
Tiempo inactiva: 28,8
minutos
X2* = 46,08
Estacin de trabajo 3
4X1* + 6X2* < 422,4
4(36,48) + 6(46,08) < 422,4
422,4 < 422,4
No estar inactiva
La estacin de trabajo 2, nunca tendr tiempo inactivo, siempre estar trabajando todo su tiempo disponible, 412,8 minutos.
75
Mtodo Grfico
X1
X2
X1 + X2
3X1 + 2X2
<
<
>
=
3
3
4
12
Xj > 0 ; j = 1, 2
Solucin:
1 Restriccin
X1 < 3
X1 = 3
P(0,0) => 0 < 3
Verdad
2 Restriccin
X2 < 3
X2 = 3
3 Restriccin 4 Restriccin
Funcin
X1 + X2 > 4 3X1 + 2X2 = 12
Objetivo
X1 + X2 = 4
Z = 3X1 + X2
X1 = 0
X2 = 0
3X1 + X2 = 3
X1 = 4 X1 = 0
X2 = 0 X1 = 0
X2 = 0
P(0,0) => 0 < 3 X2 = 4
Verdad
P(0,0) => 0 > 4 X2 = 6
X1 = 4 X2 = 3
X1 = 1
Falso
Mnimo
X2* = 3
3X1 + 2X2 = 12
3X1 + 2(3) = 12
X1* = 2
*
Z 2,3 = 3X1*+X2*=3(2)+3=9
76
Z*
3,3/2
Mximo
X1* = 3
3X1 + 2X2 = 12
3(3) + 2X2 = 12
X2* = 3/2
*
= 3X1 +X2*=3(3)+3/2=21/2=10,5
Mtodo Grfico
b) X1 2X2 > 5
e) X1 + X2 > 0
b) Minimizar Z = -3X1 + X2
d) Maximizar Z = 5X1 - 6X2
77
Mtodo Grfico
X1 X2 < 1
3X1 - X2 < 6
Xj > 0 ; j = 1, 2
X1 2X2 > 2
-2X1 + 3X2 > 2
X1 , X2 irrestrictas en signo
7. Considere el siguiente problema:
Maximizar Z = 3X1 + 2X2
C.S.R.
2X1 + X2 < 2
3X1 + 4X2 > 12
Xj > 0 ; j = 1, 2
8. Resolver grficamente:
Maximizar Z = 5X1 + 2X2
C.S.R.
X1 + X2 < 10
X1
= 5
Xj > 0 ; j = 1, 2
9. Considere el espacio de soluciones del punto 4; Determine la solucin ptima, suponiendo que la funcin objetivo es la siguiente:
a) Min Z = 2X1 + 6X2
b)
d) Min Z = X1 2X2
e) Min Z = X1
78
Mtodo Grfico
-2X1 + 4X2
2X1 + 4X2
-6X1 - 3X2
< 16
< 24
> -48
Xj > 0 ; j = 1, 2
a) Use el mtodo grfico para encontrar la solucin ptima (X1 , X2) y el valor de la funcin objetivo Z*
b) Encuentre los valores de holgura o
excedente de cada restriccin.
3X1
5X1
8X1
7X1
+
+
+
+
6X2
4X2
2X2
6X2
Xj > 0 ; j = 1, 2
> 18
> 20
> 16
< 42
79
80
Captulo 4
Mtodo Algebraico
Introduccin
En la necesidad de desarrollar un mtodo para resolver problemas de
programacin lineal de ms de dos variables, los matemticos
implementaron el mtodo algebraico, el que ms tarde se convertira
en el tan afamado mtodo simplex.
Como su nombre lo indica, el mtodo usa como su principal herramienta, el lgebra, que ligada a un proceso de lgica matemtica dio como
resultado el mtodo algebraico.
Con el siguiente ejemplo se ilustra el algoritmo del mtodo algebraico;
El ejercicio que se usa para ello es de dos variables X1 , X2 , con el
propsito de observar lo que el mtodo realiza sobre la grfica en el
plano cartesiano, ofrecindonos sta metodologa la ventaja de comparar paso a paso el mtodo grfico con el mtodo algebraico.
81
Mtodo Algebraico
Ejemplo 1
Maximizar Z = X1 + X2
C.S.R.
5X1 + 3X2 < 15
3X1 + 5X2 < 15
Xj > 0 ; j = 1, 2
Mtodo Algebraico
Aqu X3 y X4 son las variables de holgura o relleno, que al adicionarlas al lado izquierdo, establecen la igualdad con el lado
derecho de la inecuacin lineal.
La variables X1 y X2 se denominan variables de decisin o variables reales, las variables de relleno o holgura, se usan para convertir una inecuacin en una ecuacin, esto es, igualar el lado
izquierdo al lado derecho. Las variables de holgura o de relleno,
se suman o restan al lado izquierdo de la inecuacin, segn convenga para establecer la igualdad.
b) Escoger en cada ecuacin una variable que sirva como solucin
inicial al problema y que tome un valor positivo ( > 0), NO son
elegibles las variables de decisin o variables reales. Entonces,
las variables de holgura o relleno (si las hay), son las primeras
opcionadas a ser escogidas como variables bsicas y factibles,
lo que significa que deben tomar un valor mayor o igual a cero (
> 0), dicho de otra forma, las variable bsicas factibles, deben
cumplir con la condicin de no negatividad. De no conseguirse
una variable de holgura que sea factible, se utiliza el recurso de
las variables de sper-avit o artificiales, pero de ste caso nos
ocuparemos en el segundo ejemplo, para el que usaremos el denominado mtodo de la gran M.
Aqu tanto X3 como X4 , variables de holgura, son escogidas como
variables bsicas factibles, ya que ambas asumen valores positivos al ser X1 y X2 variables no bsicas e iguales a cero (0), esto
es:
5X1 + 3X2 + X3 = 15
X1 = X2 = 0 , entonces
X3 = 15 , valor > 0
3X1 + 5X2 + X4 = 15
X1 = X2 = 0 , entonces
X4 = 15 , valor > 0
83
Mtodo Algebraico
Mtodo Algebraico
(1) X3 = 15 5X1
(2) X4 = 15 3X1
Fjese que para todos los casos, siempre quedarn despejadas las variables
bsicas en funcin de la variable escogida para entrar.
(2) 15 3X1 = X4
(2) 15 3X1 = 0
X1 = 5
Resumiendo:
La variable bsica que debe salir es aquella que restringa ms el crecimiento de la variable que entra, en caso de empate, se dirime arbitrariamente. Aqu se est cuidando la factibilidad de las variables, esto
es, que todas sean positivas ( > 0 ) . En el caso de ser un problema de
minimizacin, la presente regla de seleccin es la misma.
85
Mtodo Algebraico
Para nuestro problema, la variable que sale es X3 ya que como mximo dejar crecer a X1 hasta 3, mientras que X4 la deja crecer como
mximo hasta 5.
4)
86
(0) Z X1 X2
=0
(1)
X1 + 3/5X2 + 1/5X3 = 3
(0) Z
- 2/5X2 + 1/5X3 = 3
Mtodo Algebraico
(2)
16/5X2 - 3/5X3 + X4 = 6
Variable
Variable
Variable
Variable
Variable
de
de
de
de
de
Variable
Variable
Variable
Variable
Variable
bsica
no bsica
no bsica
bsica
bsica
Fjese en las siguientes caractersticas que siempre debe tener el sistema de ecuaciones
En cada fila hay una y solo una variable bsica con coeficiente
uno (1)
En la funcin objetivo, ecuacin cero (0), la variable bsica siempre es Z y estar acompaada por las variables no bsicas.
Los trminos independientes, siempre sern los valores de las variables bsicas para cada ecuacin.
Observe en la grfica, que lo que ha hecho el mtodo algebraico es
saltar de una esquina del rea de soluciones factible a otra esquina
contigua y ha empezado por la peor solucin bsica factible posible.
87
Mtodo Algebraico
X1
+
+
2/5X 2 +
3/5X 2 +
16/5X 2 -
1/5X 3
1/5X 3
3/5X 3 +
X4
=
=
=
3
3
6
(5/16)
Mtodo Algebraico
X1
X2
(2/5) (-3/
5)
III Iteracin
Variable que entra
(0) Z +1/8X3 + 1/8X4 = 15/4
Z = 15/4 1/8X3 1/8X4
Ninguna variable al crecer hace que Z crezca, luego estamos en la
solucin ptima.
Solucin ptima
Variables de decisin reales
X1* = 15/8 = 1,875
X2* = 15/8 = 1,875
Z* = 15/4 = 3,75
Ejemplo 2
Minimizar Z = 6X1 + 4X2 + 2X3
C.S.R.
6X1 + 2X2 + 6X3 > 6
6X1 + 4X2
= 12
2X1 - 2X2
< 2
Xj > 0 ; j = 1, 2, 3
89
Mtodo Algebraico
I Iteracin
El objetivo de la primera iteracin es conseguir la solucin bsica factible y lograr el primer sistema de ecuaciones, para esto conseguiremos en cada una de las restricciones una variable bsica factible, as:
Primera restriccin: 6X1 + 2X2 + 6X3 > 6
Aqu para establecer la igualdad, se hace necesario restar una variable al lado izquierdo en atencin a que es mayor igual al lado derecho, para ello empleamos la variable X4 , resultando la siguiente igualdad: 6X1 + 2X2 + 6X3 X4 = 6 . Ahora escogemos una variable en sta
ecuacin para ser variable bsica factible, la candidata es X4 , pero
ella toma el valor de X4 = -6 (recuerde que X1 = X2 = X3 son Variables
de decisin reales, no bsicas e iguales a cero (0)), en atencin a que
X4 asume un valor no factible (negativo, no cumple con la condicin de
no negatividad), se hace necesario emplear una nueva variable, que
adicionada convenientemente asuma un valor factible y nos sirva como
variable bsica, sta variable la llamamos X5 y se denomina variable de
Super-avit variable artificial, quedando la ecuacin de la siguiente
manera: 6X1 + 2X2 + 6X3 X4 + X5 = 6 ; Aqu escogemos como variable
bsica a X5 quien asume el valor de X5 = 6, las dems variables son no
bsicas iguales a cero (0). Lo nico malo es que al adicionar X5 al lado
izquierdo de la ecuacin, la hemos desbalanceado, a no ser que nos
aseguremos que X5 al final valga cero (0), esto se logra, castigando
adicionando a X5 en la funcin objetivo con un coeficiente muy grande
en comparacin con el resto de coeficientes de las dems variables,
de tal forma que nunca sea escogida para entrar a la base y termine
siendo variable no bsica igual a cero (0), este artificio matemtico es
conocido como mtodo de la gran M. Aqu como nuestra funcin objetivo tiene como criterio de optimizacin minimizar, la variable que entra ser aquella que tenga el coeficiente ms negativo, por ello debemos adicionar a X5 como +MX5 , de sta manera jams ser escogida
para entrar a la base. La funcin objetivo queda de la siguiente manera: Minimizar Z = 6X1 + 4X2 + 2X3 + MX5
Segunda restriccin: 6X1 + 4X2 = 12
Aqu la igualdad ya est hecha, luego no se necesita variable de holgura relleno, pero al escoger variable tenemos el inconveniente de no
encontrar ninguna variable como candidata ya que inicialmente X1 =
X2 = X3 son Variables de decisin reales, no bsicas e iguales a cero
(0). Debemos entonces hacer uso de la variable artificial Super-avit
90
Mtodo Algebraico
=
=
=
=
0
6 (M)
12 (M)
2
91
Mtodo Algebraico
(0) Z (1)
(2)
6X1 6MX1 +
6MX1 +
(0) Z +
4X2 2MX2 +
4MX2
2X3
6MX3 - MX4 +
MX5 - MX6 = 0
MX5
= 6M
+ MX6 = 12M
= 18M
- + X5
- + X6
- + X7
=
=
=
=
18 M
6
12
2
X5 = VB = 6
Solucin:
X6 = VB = 12
X7 = VB = 2
Z = VB = 18M
Z
X1 = 0
X2 = 0
X3 = 0
= 18M
II iteracin
Variable que entra: Z = 18M(12M6)X1(6M-4)X2(6M-2)X3 + MX4
Variable que entra: X1
Variable que sale:
X5 = 6 6X1 X1 < 1
X6 = 12 6X1 X1 < 2
X7 = 2 2X1 X1 < 1
(1)
(2)
2X1 -
(3)
(0) Z
(1)
+(2M-2)X2
X1 +
(2)
(3)
92
2 X2 +
4X2
6X3 -
X4 + X5
2 X2
-(6M-4)X3
+(M-1)X4 -(2M-1)X5
1/3X2
X3 -
1/6X4 +
2X 2
6X3 +
X4 -
8/3X2 -
2X3 +
1/3X4 -
1/6X5
X5 +X
6
1/3X5
=
X6
X7
18 M
= 6 (1/6)
=
12
=
2
= 6M+6
=
+X7 =
Mtodo Algebraico
VB = 1
NB = 0
NB = 0
NB = 0
X5 = NB = 0
X6 = VB = 6
X7 = VB = 0
Z = VB = 6M + 6
Solucin:
X2 = 0
X3 = 0
Z = 6M + 6
X1 = 1
III iteracin
Variable que entra: Z=(6M+6)-(2M-2)X2+(6M-4)X3(M1)X4+(2M-1)X5
X1 +
1/3 X2 +
8/3 X2 -
(3)
(0) Z
(1)
(2)
(3)
X1
2X2 -
- 2X3
1/6X4 +
1/6X5
6 (1/2)
2X3 +
1/3X4 -
1/3X5
+ X7 =
6X3 +
MX5 -
= 6M+6
X3 -
X5 = NB = 0
X6 = NB = 0
X7 = VB = 8
Z = VB = 12
X4 -
X5 + X6
(M= 12
= 0
1)X 6
[-(2M-2)] (-1/3) (8/3)
1/6X 6
= 3
1/2X 6 + X7 = 8
4/3X 6
de las variables es:
Solucin:X1 = 0
X2 = 3
X3 = 0
Z = 12
Mtodo Algebraico
No hay variable que al crecer haga que Z disminuya (Minimizar), entonces estamos en la solucin ptima.
El mtodo algebraico da una seal de que el problema tiene mltiples
soluciones, cuando el coeficiente en la funcin objetivo (Ecuacin (0))
de una variable no bsica es cero (0). Aqu el coeficiente de la variable
no bsica X4 en la funcin objetivo es cero (0).
Solucin: El problema tiene mltiples soluciones, una de ellas es:
Variables de decisin
X 1* = 0
X2* = 3
X3* = 0
Z* = 12
Variables de holgura
Variables artificiales
X4* = 0
X7* = 8
X5* = 0
X6* = 0
94
Mtodo Algebraico
Maximizar
Minimizar
Gran M
-M
+M
La ms positiva (+)
La ms negativa (-)
La menos (+)
La menos (+)
ptimo
Ejemplo 3
La empresa Laminas S.A. produce lminas de 180 x 30 cm. ; ha recibido
los siguientes tres (3) pedidos: 5.000 lminas de 60 x 30 cm. ; 15.000
lminas de 70 x 30 cm. Y 5.000 lminas de 50 x 30 cm. La empresa
desea cumplir exactamente con los pedidos, no quiere tener existencias en inventario y desea saber cul debe ser su programacin de
corte, de tal manera que minimice el desperdicio.
Xj = Nmero de lminas a cortar de la forma j-sima
(j=1,2,3,4,5,6,7)
Minimizar Z = 10X2+30X3+40X4+10X5+20X7
C.S.R. = Con las siguientes restricciones:
3X1 + 2X2 + X6 + X7
= 5.000
2X4 + X5 + X6
= 15.000
X2 + 3X3 + 2X5 + X6 + 2X7 = 5.000
Xj > 0 ; j = 1,2,3,4,5,6,7
Min
Z=10X2+30X3+40X4+10X5+20X7+MX8+MX9+MX10
C.S.R.
3X1 + 2X2 + X6 + X7 + X8
= 5.000
2X4 + X5 + X6 + X9
= 15.000
X2 + 3X3 + 2X5 + X6 + 2X7 + X10 = 5.000
Xj > 0 ; j = 1,2,3,4,5,6,7,8,9,10
Variables bsicas X8 , X9 y X10
95
Mtodo Algebraico
I Iteracin
II Iteracin
Variable que entra: X1
Variable que sale : X8
III Iteracin
Variable que entra: X5
Variable que sale : X10
X1 = 5.000/3
No restringe
X9 = 15.000 X5 X5 < 15.000
X10 = 5.000 2X5 X5 < 2.500
IV Iteracin
Variable que entra: X4
Variable que sale : X9
96
X1 = 5.000/3
No restringe
X9 = 12.500 2X5 X4 < 6.250
No restringe
X5 = 2.500
Mtodo Algebraico
V Iteracin
Variable que entra:
X6
Variable que sale : X1
Variables artificiales
o
Variables de Super avit
Respuesta:
X1* = 0
X2* = 9
Z* = 45
Respuesta:
X1* = 2
X2* = 6
Z* = 36
97
Mtodo Algebraico
3) Minimizar Z = 4X1 + X2
C.S.R.
3X1 + X2 = 3
4X1 + 3X2 > 6
X1 + 2X2 < 4
Xj > 0 ; j = 1, 2
Respuesta:
X1* = 2/5 = 0,4
X2* = 9/5 = 1,8
Z* = 17/5 = 3,4
4) Minimizar Z = X1 +
2X 2
C.S.R.
3X1 + X2 > 3
4X1 + 3X2 > 6
X1 + X2 < 3
Xj > 0 ; j = 1, 2
Respuesta:
X1* = 3/2 = 1,5
X2* = 0
Z* = 3/2 = 1,5
5) Maximizar Z = X1 + X2
C.S.R.
X1 + 2X2 < 6
2X1 + X2 > 9
Xj > 0 ; j = 1, 2
Respuesta:
X1* = 6
X2* = 0
Z* = 6
6) Maximizar Z = 2X1 +
3X 2
C.S.R.
X1 + 3X2 < 6
3X1 + 2X2 < 6
Xj > 0 ; j = 1, 2
Respuesta:
X1* = 0,8571
X2* = 1,7143
Z* = 6,8571
Respuesta:
X1* = 0
X2* = 3
X3* = 0
Z* = 12
Respuesta:
X1* = 1
X2* = 0
X3* = 7
X4* = 0
Z* = 18
98
Mtodo Algebraico
Respuesta:
X1* = 23/3 = 7,6
5
X2* =
X3* =
0
Z* = 85/3 = 28,3
Respuesta:
X1* = 5/2 = 2,5
X2* = 3/2 = 1,5
Z* = 12
Respuesta:
X1* = 0
X2* = 2
X3* = 0
X4* = 0
Z* = -18
Respuesta:
X1* = 1/2 = 0,5
X2* = 0
X3* = 1/2 = 0,5
X4* = 0
Z* = 4
Respuesta:
X1* = 4
X2* = 13
X3* = 11
Z* = 16
Respuesta:
X1* = 0
X2* = 2
X3* = 0
X4* = 0
Z* = 4
Soluciones mltiples
99
100
Captulo 5
Mtodo Simplex
Introduccin
El mtodo algebraico es muy dispendioso, en razn a que trabaja con
todos los datos de las ecuaciones, para mejorar ste aspecto se cre
el mtodo simplex cuya gran virtud es su sencillez, mtodo muy prctico, ya que solo trabaja con los coeficientes de la funcin objetivo y
de las restricciones. Ilustraremos su funcionamiento mediante un ejemplo, pero previamente mostraremos las reglas de decisin para determinar la variable que entra, la que sale, la gran M, y cmo determinar
que estamos en el ptimo; Todas stas reglas de decisin fueron deducidas del mtodo algebraico, solamente que aqu se han acomodado
para ser usadas en el tipo de tablero simplex que se usar.
Criterio de decisin
Gran M en la funcin
objetivo
Maximizar
- MXj
Minimizar
+MXj
La ms negativa de los
Zj - Cj
La ms positiva de los
Zj - Cj
Solucin ptima
101
Mtodo Simplex
Aqu, al igual que en el mtodo algebraico, debemos conseguir una solucin bsica factible, empleando las variables de holgura y/o artificiales, quedando el sistema de ecuaciones as:
Maximizar Z = X1 + X2
C.S.R.
5X1 + 3X2 + X3
= 15
3X1 + 5X2
+ X4 = 15
Xj > 0 ; j = 1,2,3,4
102
Mtodo Simplex
103
Mtodo Simplex
Cj
-->
-->
_
V.B. b
0 X3 15
0 X4 15
Zj - Cj 0
1
X1
5
3
-1
1
X2
3
5
-1
0
X3
1
0
0
0 b/a
X4 a > 0
0 15/5=3 (1/5)
1 15/3=5
0
Recuerde que la columna de b/a se calcula, siempre y cuando el denominador sea a > 0 ; de lo contrario la variable bsica respectiva no
restringe el valor de la variable escogida para entrar, los valores de a,
estn en el respectivo vector apuntador de la variable j-sima escogida para entrar, en sta iteracin son 5 y 3 y el calculo respectivo 15/
5 = 3 y 15/3 = 5; Lo que significa que la variable bsica X3 restringe el
crecimiento de la variable que entra X1 hasta 3 (no la deja tomar valores superiores a 3) y la variable bsica X4 restringe el crecimiento de
la variable que entra X1 hasta 5 (no la deja tomar valores superiores a
5). Por supuesto la variable bsica que restringe ms el crecimiento de
la variable que entra X1 es X3 por lo tanto es la variable bsica escogida para salir.
La fila de la variable bsica escogida para salir se divide por el elemento que se encuentra en la interseccin de dicha fila con la columna de
la variable que entra, la fila resultante es la fila pivote y se coloca en
un nuevo tablero, desde el que se suman mltiplos de la fila pivote a las
dems filas del tablero anterior de tal forma que se eliminen de cada
una de ellas la variable escogida para entrar, en nuestro caso X1 , este
procedimiento se denomina, hacer un uno (1) en la interseccin y el
resto de la columna ceros (0), por lo tanto en dicha columna aparecer
un vector unitario, el procedimiento se repite en cada iteracin, hasta
que todos los Zj Cj sean mayores iguales a cero en el caso de
maximizar menores iguales a cero en el caso de minimizar.
A continuacin se muestran todas las iteraciones y en cada fila los
valores por los cuales fueron multiplicadas para ser sumadas a otras
filas, ello se expresa como sumar mltiplos de una fila a otra.
Fjese que se suman mltiplos de las restricciones a la funcin objetivo para eliminar las variables bsicas de ella.
104
Mtodo Simplex
Solucin ptima:
X1* = 15/8
X2* = 15/8
Z * = 15/4
Conclusiones:
Ejemplo 2: La gran M
Minimizar Z = 6X1 + 4X2 +
2X 3
C.S.R.
6X1 + 2X2 + 6X3 > 6
6X1 + 4X2
= 12
2X1 - 2X2
< 2
Xj > 0 ; j = 1, 2, 3
Minimizar Z = 6X1 + 4X2 + 2X3 + MX5 + M6
C.S.R.
6X1 + 2X2 + 6X3 X4 + X5
= 6
6X1 + 4X2
+ X6
= 12
2X1 - 2X2
+ X7 = 2
Xj > 0 ; j = 1, 2, 3, 4, 5, 6, 7
(1/6)
105
Mtodo Simplex
(-6) (-2)
(1/2)
106
Mtodo Simplex
3X1 + 2X2
X2 + 3X3
+ X6 + X7 + X8
= 5.000
2X4 + X5 + X6
+ X9
= 15.000
+ 2X5 + X6 + 2X7
+ X10 = 5.000
Xj > 0 ; j = 1,2,3,4,5,6,7,8,9,10
Variables bsicas X8 , X9 y X10
-->
(1/3)
-->
(1/2)
-->
(1/2)
-->
(3)
107
Mtodo Simplex
Solucin:
Variables de Decisin: X1* = X2* = X3* = X5* = X7* = 0 ; X4* = X6* = 5.000
Z* = 200.000
Aqu X3 tiene libertad en el signo, esto es, puede tomar valores positivos negativos. Hacemos X3 = K W , en donde K y W
son positivas, K > 0 y W > 0
Fjese que si K > W => X3 ser positiva, si K = W => X3 ser igual a cero
(0) y si K < W => X3 ser negativa.
Lo que hemos conseguido es convertir un problema que es irrestricto
en su variable X3 en uno que es restringido en todas sus variables, el
problema queda as:
Maximizar Z = 4X1 + 5X2 + 2K 2W X4
C.S.R.
X1 + X2 + 2K 2W X4 > 1
2X1 + 2X2 - 3K + 3W + X4 < 3
X1 + 4X2 + 3K 3W + 2X4 < 5
Xj > 0 ; j = 1, 2, 4 ; K > 0 ; W > 0
108
Mtodo Simplex
(1/2)
(-7/2) (-5/2)
(-1/7)
(2) (-5)
(7/18)
109
Mtodo Simplex
(3)
(-2/7) (3/
7)
(2/3)
(-1/2) (7/6)
(3) (7/2)
X1* = 8/3
X2* = 0
X3* = K* - W* = 7/9 0 = 7/9
X4* = 0
Z * = 110/9 = 12,22
Variables de
holgura
Variables
artificiales
X5* = 29/9
X7* = 0
X8* = 0
X6* = 0
Mtodo Simplex
Min Z = 3X1 - 9X2 - 5X3 4X4
C.S.R.
X1 + 4X2 + 5X3 + 8X4 < 8
X1 + 2X2 + 6X3 + 4X4 < 4
Xj > 0 ; j = 1, 2, 3, 4
(1/4)
Solucin:
X1* = 0
X2* = 2
X3* = 0
Z * = -18
X5* = 0
X6* = 0
X4* = 0
Mtodo Simplex
(1)
(-1)(-1/10)(9/10)
(-1/10)(-1)
(5)
(1)(-1)
(4/5)(-2)
(1/10)
(5)(-2)(4)
(4)(3)
112
Mtodo Simplex
Variables de decisin
X1* = 1/5
X2* = 1
X3* = 4/5 = 0,8
Z * = 27/250 = 0,108
Variables de
holgura
X4*
X5*
X6*
X7*
X8*
X9*
=
=
=
=
=
=
0
2/5 = 0,4
0
4/5 = 0,8
3/5 = 0,6
0
Variables
artificiales
X10* = 0
Conclusin
El mtodo simplex es ms prctico que el mtodo algebraico, pero para
problemas de un mediano nmero de variables y restricciones, fcilmente se vuelve dispendioso por el nmero de iteraciones y demorado
para obtener la solucin ptima, es aqu donde el uso del computador
se hace indispensable y til en trminos de eficiencia, para ello existe
el software adecuado, los ms conocidos son:
Winqsb de Yih-Long Chang, distribuido por John Wiley & Sons. Inc
N.Y.
Solver de Frontline Systems Inc. , que viene integrado con el Excel
de Microsoft.
Lindo de Lindo Systems Inc. Que viene integrado con Visicalc.
El AD, Ayuda a la decisin de la Universidad Cienfuegos de Cuba.
Anlisis de aceptacin.
Planeacin agregada.
Anlisis de decisin.
Programacin dinmica.
Localizacin y distribucin.
Series de tiempo.
Mtodo Simplex
7) Programacin meta.
8) Sistemas y teora de
inventarios.
9) Programacin del trabajo.
10)Programacin lineal y entera.
16)Programacin cuadrtica.
17)Grficas de control de calidad.
18)Anlisis de colas.
19) Sistemas de simulacin de colas.
Fjese que hay que darle un nombre al problema, los datos de entrada
se pueden almacenar en un archivo que tendr el nombre del problema,
esto es til cuando el problema es grande.
El resto de la ventana se explica por si sola, debido a la claridad de las
preguntas. Fjese en la variedad en el tipo de variables.
A continuacin se muestra un ejemplo de cmo se introducen los datos
de un pequeo problema.
114
Mtodo Simplex
El precio sombra es lo que se incrementa la funcin objetivo por unidad adicional de recurso, aqu si el recurso de la restriccin uno, que
es 180 unidades, se incrementara a 181 unidades, la funcin objetivo
crece en 16 unidades monetarias.
Problemas propuestos
1. Suponga que una persona acaba de heredar $6.000 y desea invertirlos. Al or sta noticia, dos amigos distintos le ofrecen la oportunidad de participar como socio en dos negocios, cada negocio
planteado por cada amigo. En ambos casos, la inversin significa
dedicar un poco de tiempo el siguiente verano, al igual que invertir
115
Mtodo Simplex
116
Mtodo Simplex
Mxima ganancia
Z* = $2.904,762
Mtodo Simplex
Mtodo Simplex
119
Mtodo Simplex
Solucin:
De producto 1 debe producir 10 unidades y de producto 4, 20 unidades; de los productos 2 y 3 no debe producir.
Por cada m2 adicional de bodega el beneficio aumenta en $680
Por cada trabajador adicional el beneficio aumenta en $1.600
120
Captulo 6
Mtodo de las dos fases
121
Ejemplo
Min Z = 4X1 + X2
C.S.R.
3X1 + X2 = 3
4X1 + 3X2 > 6
X1 + 2X2 < 4
XJ > 0 ; J = 1,2
Fase I
Min Z = X3 + X5
C.S.R.
3X1 + X2 + X3
=3
4X1 + 3X2
X4 + X5
=6
X1 + 2X2
+ X6 = 4
XJ > 0 ; J = 1,2,3,4,5,6
(1/3)
(-4)(-1)
(3/5)
(-1/3)(-5/3)
Min Z = 4X1 + X2
C.S.R.
X1 + 1/5X4
= 3/5
X2 3/5X4
= 6/5
+ X4 +X6 = 1
XJ > 0 ; J = 1,2,4,6
(1)
(3/5)
(-1/5)(3/5)
Solucin
X1* = 2/5
X2* = 9/5
Z * = 17/5
X4* = 1
X6* = 0
X3* = X5* = 0
124
Captulo 7
El problema Dual y
el Mtodo Dual Simplex
Introduccin
En el desarrollo de la programacin Lineal, se descubri la existencia
de un problema que se encuentra estrechamente relacionado con un
problema de Programacin Lineal dado: Dicho problema se denomin
PROBLEMA DUAL. Cada problema dado (Problema principal, Problema primo, Problema primero), de programacin lineal, se encuentra en
dualidad con otro problema que tiene las siguientes muy interesantes
caractersticas:
1. En problemas de un gran nmero de restricciones, resolver el problema dual en la computadora es ms eficiente que resolver el problema principal.
2. En algunas ocasiones resulta ms sencilla la resolucin del problema dual que la del problema principal, en trminos de menor nmero de iteraciones.
3. Los valores ptimos de las variables del dual, proporcionan una interpretacin econmica del problema principal, interesante.
4. Algunas veces se puede evitar el uso de las variables artificiales
(Super-Avit), mediante la aplicacin del mtodo de solucin denominado Dual Simplex, sobre el problema dual.
5. Facilita el estudio del impacto sobre la optimalidad por cambios en
el problema original.
125
El presente captulo tiene como objetivo principal, formular el problema dual y mostrar el mtodo de solucin para el problema dual, denominado Mtodo Dual-Simplex, para problemas de maximizacin, ya que,
por medio de la regla de equivalencia (Min(z) = Max(-z))Toda formulacin de un problema de programacin lineal se puede expresar de la
forma estndar: Maximice (z), con todas las restricciones <
Si tenemos un problema de programacin lineal as:
Problema Dual
Problema Principal
En donde
Problema Principal
Problema Dual
X1 + 2X2 < 7
Xj > 0 ; j = 1,2
Problema Dual
Min Z = 7Y1 + 15Y2
C.S.R.
Y1 + 3Y2 > 4
Yj > 0 ; j = 1,2
Problema Dual
Min ZY = 4Y1 + 6Y2 + 5Y3 - Y4
c.s.r.
+ Y3
> 3
Y1
Y2 + Y3 - Y4 > -2
YJ > 0 ; J = 1, 2, 3, 4
Xj > 0 ; J = 1, 2
El problema principal tiene cuatro (4) restricciones, entonces el dual
tendr cuatro (4) variables. Cada uno de los recursos del problema
principal estar representado por una variable en el problema dual.
Entre el problema principal y el problema dual existen las siguientes
relaciones:
1. El dual del dual, tiene como resultado el problema principal.
2. Una restriccin que es una igualdad en el problema principal, genera una variable en el dual sin restriccin en el signo
3. Una variable del problema principal, sin restriccin en el signo, genera una restriccin de igualdad en el problema dual.
4. El nmero de restricciones del problema principal es igual al nmero de variables en el problema dual.
5. El nmero de variables del problema principal es igual al nmero de
restricciones en el problema dual.
EL MTODO DUAL SIMPLEX
Una vez formulado el problema dual, debemos encontrar su solucin,
el mtodo a emplear ser el denominado Mtodo Dual-Simplex el cul
empieza con una solucin ptima o mejor que ptima (Zj Cj > 0 ; j ),
pero no factible (Algunos bi son < 0), y se mueve hacia el ptimo mediante iteraciones que mejoran su factibilidad conservando su
optimalidad. Fjese que es lo contrario al mtodo Simplex, en donde se
empieza mediante una solucin factible pero no ptima y mediante
iteraciones se mejora la optimalidad, conservando la factibilidad. Esto
se ilustra mediante la siguiente grfica:
127
Mtodo Simplex
Solucin Factible
Pero NO ptima
Solucin Optima
y Factible
Mtodo Simplex
Mejora la Optimalidad
Conservando la Factibilidad
Mejora la Factibilidad
Conservando la Optimalidad
Problema Dual
Min Z(y) = 4Y1 + 6Y2 + 18Y3
c.s.r.
Y1
+ 3Y3 > 3
Y2 + 2Y3 > 5
YJ > 0 ; J = 1,2,3
Problema Dual
Problema Principal
X1 = 0
X2 = 0
X3 = 4
X4 = 6
X5 = 18
ZX = 0
Y1 = 0
Y2 = 0
Y3 = 0
Y4 = -3
Y5 = -5
ZY = 0
X1 = 0
X2 = 6
X3 = 4
X4 = 0
X5 = 6
ZX = 30
Y1 = 0
Y2 = 5
Y3 = 0
Y4 = - 3
Y5 = 0
ZY = 30
Y1 = 0
Y2 = 3
Y3 = 1
Y4 = 0
Y5 = 0
ZY = 36
X1 = 2
X2 = 6
X3 = 2
X4 = 0
X5 = 0
ZX = 36
Y1 = 0
Y2 = 0
Y3 = 0
Y4 = -3
Y5 = -5
ZY = 0
X1 = 0
X2 = 0
X3 = 4
X4 = 6
X5 = 18
ZX = 0
Y1 = 0
Y2 = 5
Y3 = 0
Y4 = - 3
Y5 = 0
ZY = 30
X1 = 0
X2 = 6
X3 = 4
X4 = 0
X5 = 6
ZX = 30
Y1 = 0
Y2 = 3
Y3 = 1
Y4 = 0
Y5 = 0
ZY = 36
X1 = 2
X2 = 6
X3 = 2
X4 = 0
X5 = 0
ZX = 36
129
Observe que en el Dual Simplex se hizo uso de la regla de equivalencia, multiplicando la funcin objetiva por (-1), y al final, nuevamente
se multiplic el valor de Z por (-1).
En cada iteracin del Mtodo Simplex se muestra que:
1. Los Zj Cj de las variables de holgura X3,X4,X5 (Z3-C3 , Z4-C4 , Z5C5) son los valores de las variables reales del Dual (Y1,Y2,Y3)
2. Los Zj Cj de las variables reales X1,X2 (Z1-C1 , Z2-C2) son los valores de las variables de holgura del Dual (Y4,Y5)
En cada iteracin del Mtodo Dual Simplex se muestra que:
1. Los Zj Cj de las variables de holgura Y4,Y5 (Z4-C4 , Z5-C5) son los
valores de las variables reales del problema principal (X1,X2)
2. Los Zj Cj de las variables reales Y1,Y2 ,Y3 (Z1-C1 , Z2-C2 , Z3-C3)
son los valores de las variables de holgura del problema principal
(X 3,X 4,X 5)
En el siguiente captulo, denominado ANLISIS POST-PTIMO Y
SENSIBILIDAD, el Mtodo Dual Simplex es herramienta fundamental
para lograr la informacin necesaria que permita hacer el anlisis posterior, despus de haber encontrado la solucin ptima.
Ejercicios propuestos
1. Una fbrica hace tres productos: Mesas, sillas y libreros, que se
procesan a travz de los departamentos de ensamble, acabados y
empaque. El departamento de ensamble tiene 60 horas disponibles;
El departamento de acabados puede manejar hasta 40 horas de
trabajo y el departamento de empaque hasta 80 horas. La fabricacin de una mesa requiere 3 horas de ensamble, 2 horas en el departamento de acabados y 1 hora en el departamento de empaque.
La fabricacin de una silla requiere 4 horas en el departamento de
ensamble, 1 hora en el departamento de acabados y 3 horas en el
departamento de empaque. La fabricacin de un librero requiere 2
horas en cada uno de los tres departamentos. Si la utilidad es de
$2 por mesa producida y vendida, $4 por silla producida y vendida
y $3 por librero producido y vendido, cul es la mejor combinacin
posible de mesas, sillas y libreros a producir y vender para obtener
la mxima utilidad?
130
Tomando en cuenta el costo por hora de mano de obra para produccin en tiempo normal o tiempo extra y el costo de almacenar una hora
de produccin por longitudes variables de tiempo, los contadores de
costos de la compaa llegaron a la cifra de costos aplicables siguientes:
131
Formule el problema como uno de programacin lineal y resuelvalo empleando el mtodo simplex. Lea la solucin al problema dual en el tablero ptimo del simplex.
Sugerencia: Defina la variable como la cantidad de unidades de producto a producir en el trimestre i-simo en el tipo de tiempo j-simo
para ser vendida en el el trimestre k-simo.
Solucin: Costo Mnimo: $1.185
3. En una compaa que fabrica hilos se tiene el problema tpico llamado balance del telar, que se origina en dos operaciones primarias:
El cardado, que es el proceso que hace que las fibras de algodn
queden arregladas en la misma direccin y el hilado que convierte
una grea suelta de algodn en un hilo fuerte al jalar y doblar
simultaneamente en un huso. Cuando la fbrica produce hilos gruesos el proceso de cardado no puede dar abasto a la hilatura, cada
huso produce tantas yardas de hilo por hora que la operacin de
cardado simplemente se atrasa, debido a la limitacin de produccin de la seccin de cardado. De forma contraria, cuando la fbrica produce hilos finos, la cantidad de hilo producida por hora
por huso es tan pequea, que la operacin de cardado puede abastecer suficiente algodn para hilar en slo dos horas al da y como
consecuencia las mquinas se paran una buena parte del da. La
situacin desde el punto de vista de los trabajadores, produce horarios irregulares de trabajo y desde el punto de vista de la gerencia la incapacidad de determinar que clase de hilos producir para
maximizar la contribucin a la utilidad. La fbrica produce y vende
seis tipos de hilo, de diferente grosor (Llamado nmeros); Cada
uno de stos hilos tiene su propia contribucin a las utilidades y se
produce una cantidad diferente de hilo por hora por huso.
132
Para resolver el problema se reuni la siguiente informacin. La capacidad mxima de la seccin de cardado en libras de algodn por
hora, las libras por hora que los seis diferentes nmeros de hilo de
algodn produciran en un huso, La contribucin ganada por cada
uno de los seis nmeros de hilos y el nmero de husos que la compaa tiene en operacin en sus mquinas de hilado.
133
134
Captulo 8
Anlisis Post-ptimo y Sensibilidad
Cambio
Cambio
Cambio
Cambio
Cambio
Adicin
Adicin
en
en
en
en
en
de
de
Introduccin
En todo modelo cuantitativo los distinto coeficientes pueden estar
sujetos a cambios, fluctuaciones o errores. Por ello, su conocimiento
no siempre es preciso y pueden cambiar en muchas ocasiones. Un uso
tpico es el caso en el que hemos obtenido la solucin ptima y deseamos encontrar la nueva solucin ptima cuando hayan cambiado, por
ejemplo, las disponibilidades de los recursos (bi), los precios costos
unitarios por unidad (Cj), cambio en los coeficientes tecnolgicos (ai,j),
incorporacin de una nueva variable (Nuevo producto Xj) y adicin de
una nueva restriccin. Necesario para el tomador de decisiones conocer en que rango se puede mover los distintos coeficientes mencionados, mantenindose la presente solucin ptima; ello le da una ventaja
competitiva frente a otro tomador de decisiones, de incalculable valor en dependencia con la situacin problema particular.
En ste captulo se consideran siete (7) posibles cambios en las condiciones iniciales del problema original, uno a la vez, con su respectivo
anlisis de sensibilidad, presentando los argumentos para cada caso y
una metodologa prctica y rpida en su aplicacin; para ello se usa el
siguiente ejemplo, al que inicialmente encontramos la solucin ptima
mediante el mtodo simplex, colocando al frente de cada tablero su
respectivo sistema de ecuaciones del mtodo algebraico.
135
Problema Principal
XJ > 0 ; J = 1,2
XJ > 0 ; J = 1,2,3,4
= 0
(0) ZX 3X1 5X2
(1)
X1
+ X3
= 4
+ X4 = 18
(2)
3X1 + 2X2
X1 = 0
X2 = 0
X3 = 4
X4 = 18
ZX = 0
+ 5/2X4 = 45
(0) ZX + 9/2X1
(1)
X1
+ X3
= 4
(2)
3/2X1 + X2
+ 1/2X4 = 9
X1 = 0
X2 = 9
X3 = 4
X4 = 0
ZX = 45
X4* = 0
ZX* = 45
Problema Dual
Y1* = 0
Y2* = 5/2
Y3* = 9/2
Y4* = 0
ZY* = 45
Sobre la presente solucin ptima, consideraremos los siguientes cambios, uno a la vez para cada caso, con su respectivo anlisis de sensibilidad y metodologa abreviada.
1.
2.
3.
4.
136
Cambio
Cambio
Cambio
Cambio
en
en
en
en
X2 = 9
X3 = 4
X4 = 0
ZX = 45
Y2* = 5/2
Y3* = 3/2 Lo nico que cambi
Y4* = 0
ZY* = 45
Anlisis de sensibilidad
Ahora la pregunta es: Entre que valores puede variar C1 , de tal forma
que el tablero simplex ptimo actual se mantenga ptimo y factible ?
Para contestar sta pregunta, basta con plantear la ecuacin que
recalcula el valor de (Z1 C1) , colocando en el tablero ptimo como
valor para C1, un valor cualquiera que cumpla con la condicin de que su
Z1 C1 debe ser > 0 para mantener la respuesta actual ptima y factible
(5)(3/2) + (0)(1) C1 > 0
Entonces C1 < 15/2
para mantener la solucin actual
ptima y factible; el valor de C1
debe estarcomprendido entre el
rango:
- < C1 < 15/2
138
139
(0) ZX 3/2X1
(1)
X1
+ X3
(2)
3/2X1 + X2
+ 5/2X4 = 45
= 4
+ 1/2X4 = 9
+ 1/2X4 = 9
= 4
+ 1/2X4 = 9
Multiplicando la ecuacin
(2) por (- 4) y sumndole la
ecuacin (0), eliminamos a
X2 de la funcin objetivo,
quedando el sistema as:
Observe que el coeficiente
de X1 es negativo, lo que indica que la solucin no es
ptima y que hay que iterar
empleando el mtodo
simplex.
(-3/2)
Y1* = 3/2
Y2* = 1/2
Y3* = 0
Y4* = 0
ZY* = 15
3/2
0
0
1/2
; Los valores del tablero simplex para la siguiente iteracin son los
mismos que se hallaron anteriormente.
Anlisis de sensibilidad
Ahora la pregunta es: Entre que valores puede cambiar C2 , de tal forma que se mantenga la solucin actual ptima y factible.
Para contestar sta pregunta, basta con plantear las ecuacin que
recalcula el valor de (Zj Cj) de cada una de las variables no bsicas,
colocando en el tablero ptimo como valor para C2, un valor cualquiera
que cumpla con la condicin de que su Zj Cj debe ser > 0 para mantener la respuesta actual ptima y factible.
(3/2) C2 + (0)(1) 3 > 0 para Z1 C1
C2 > 2
(1/2) C2 + (0)(0) 0 > 0 para Z4 C4
C2 > 0
Para mantener la solucin actual ptima; el valor de C2 debe estar comprendido dentro del rango: 2 < C2 < + ; Esto se puede apreciar
grficamente as:
3.CAMBIO EN bi
El anlisis de ste caso nos revelar el significado de las variables del
dual, dando origen a dos conceptos de interpretacin econmica denominados el precio sombra y el costo reducido. En las aplicaciones
prcticas, es muy aplicado, ya que se trata de cambios efectuados
sobre la disponibilidad de los recursos.
Un cambio en un bi afecta los valores de las variables bsicas en la
solucin ptima, haciendo que sta siga factible o no, por ello se dice
que afecta la factibilidad del problema.
Si al efectuar el cambio, al menos un bi se hace < 0; Entonces se hace
necesario aplicar el mtodo dual simplex.
141
X4* = 0
ZX* = 35
Y1* = 0
Y2* = 5/2
Y3* = 9/2
Y4* = 0
ZY* = 35
4 + 1 (b1- 4) >
0
b1 > 0
Cambio en b2 de 18 a 19
(0) 45 + 5/2 (19-18) = 45 + 5/2 (1) = 95/2
(1) 4 + 0 (19-18) = 4 + 0 (1) = 4
(2) 9 + 1/2 ( 19-18) = 9 + 1/2 (1) = 19/2
Lo anterior significa que las variables reales del dual (Y1* , Y2*) son el
incremento de Z* por unidad de recurso aumentado, siempre y cuando
ste aumento de los recursos se mantenga dentro del rango de sensi143
bilidad (0 < b1 < ) y (0 < b2 < ). Por ello, el valor de las variables reales
del dual es llamado el precio sombra.
De manera similar, las variables de holgura del dual (Y3* , Y4*) indican
lo que Z* disminuye por cada unidad que se decida hacer crecer a una
variable NO bsica, esto se llama el costo reducido.
4.CAMBIO EN aij CUANDO Xj* ES NO-BSICA
Aqu se efecta el cambio sobre el coeficiente tecnolgico de las
variables, para muchos problemas ste coeficiente tecnolgico ai,j es
el valor inverso de la productividad, concepto ste de vital importancia para el tomador de decisiones.
Productividad
P=Q/t
Coeficiente tecnolgico
ai,j = t / Q
Q = Unidades
t = Tiempo
144
El coeficiente de X4 indica
el nmero de veces que ocurre el cambio en cada fila,
siendo el cambio (1 3)
Solucin:
X1* = 4
X2* = 7
X3* = 0
X4* = 0
ZX* = 47
Y1* = 1/2
Y2* = 5/2
Y3* = 0
Y4* = 0
ZY* = 47
Anlisis de sensibilidad
Entre que valores puede cambia a21 (Coeficiente tecnolgico) , de tal
forma que se mantenga la solucin actual ptima.
Para contestar sta pregunta, basta con replantear la ecuacin que
recalcula el valor de (Z1 C1 ), remplazando el nuevo a2,1 , por un valor
cualquiera que cumpla con la condicin de que el nuevo valor de (Z1 C1
) sea > 0 , que mantenga la respuesta actual ptima.
9/2 + 5/2 ( a2,1 3 ) > 0 ; Despejando a2,1 se encuentra que a2,1 > 6/
5 ; Luego el rango de sensibilidad para a2,1 es: 6/5 < a2,1 <
145
+ 5/2X4 = 45
(0) ZX + 9/2X1
(1)
X1
+ X3
= 4
(2)
3/2X1 + X2
+ 1/2X4 = 9
El coeficiente de X4 indica
el nmero de veces que ocurre el cambio en cada fila,
siendo el cambio (4 2)
+ 5/2X4 = 45
(0) ZX + 9/2X1 + [0 + 5/2 (4 2)] X2
(1)
X1 + [0 + 0 (4 2)] X2 + X3
= 4
(2)
3/2X1 + [1 + 1/2 (4 2)] X2
+ 1/2X4 = 9
146
+ X3
+ 5/2X4 = 45
= 4
+ 1/2X4 = 9
+ X3
+ 5/2X4 = 45
= 4
+ 1/4X4 = 9/2
+ X3
+ 5/4X4 = 45/2
= 4
+ 1/4X4 = 9/2
(-5)
Optimalidad
Factibilidad
Solucin:
X1* = 0
X2* = 9/2
X3* = 4
X4* = 0
ZX* = 45/2
Y1* = 0
Y2* = 5/4
Y3* = 3/4
Y4* = 0
ZY* = 45/2
Anlisis de sensibilidad
Entre que valores puede cambia a22 (Coeficiente tecnolgico) , de tal
forma que se mantenga la solucin actual ptima y factible.
Para ste caso el anlisis es ms complejo ya que ocurren cambios tanto en los (Zj-Cj), como en los bi poniendo en peligro tanto la optimalidad
como la factibilidad de la solucin. Como en todos los casos anteriores, se reconstruyen las ecuaciones que dan origen a los cambios tanto
de los (Zj-Cj ), como de los bi
Anlisis de sensibilidad, cuidando la optimalidad, ( Zj-Cj ) > 0 para las
variables No Bsicas.
para (Z1 C1)
147
(3) X2
< 6
(3) X2 + X5 = 6 ; X5 nueva variable de holgura y variable bsica de sta
ecuacin, luego debemos eliminar a X2 porque tambin es variable bsica en la solucin ptima actual; Recordemos que en cada ecuacin
solo debe aparecer una variable bsica, con coeficiente (1), para lograrlo, tratamos la ecuacin (3) con la (2), eliminando X2 y obteniendo
la nueva ecuacin (3), as:
(2) 3/2 X1 + X2
(3)
- X2
(3) 3/2 X1
(3) - 3/2 X1
+ 1/2 X4
= 9
- X5 = -6
(0) Z + 9/2 X1
+ 5/2 X4
= 45
(1)
X1
+ X3
= 4
(2)
3/2 X1 + X2
+ 1/2 X4
= 9
(3) - 3/2 X1
- 1/2 X4 + X5 = -3
En donde X5 = -3 ; valor no factible. Introducimos los datos al tablero
simplex y aplicamos el mtodo dual simplex para eliminar la
infactibilidad generada por la adicin de la nueva restriccin.
Mtodo Dual - Simplex
(- 2/3 )
149
Nueva solucin:
X1* = 2
X2* = 6
X3* = 2
X4* = 0
X5* = 0
ZX* = 36
Y1* = 0
Y2* = 1
Y3* = 3
Y4* = 0
Y5* = 0
ZY* = 36
150
(0) Zx + 9/2 X1
+ 5/2 X4 + [ -7 + (0)(1) + (5/2)(2) ] X5
(1)
X1
+ X3
+[
( 1)(1) + ( 0 )(2) ] X5
+ 1/2 X4 + [
(0)(1 ) + (1/2)(2) ] X5
(2)
3/2 X1 + X2
= 45
= 4
= 9
Fjese en el orden
Nueva solucin:
X1* = 0
X2* = 5
X3* = 0
X4* = 0
X5* = 4
ZX* = 53
Y1* = 2
Y2* = 5/2
Y3* = 13/2
Y4* = 0
Y5* = 0
ZY* = 53
151
Fjese que el problema debe tener un nombre, el cual ser usado en los
informes escritos y de pantalla.
El nmero de restricciones no incluye las restricciones de NONEGATIVIDAD.
El software le ofrece cuatro (4) tipo de variables: Continua positiva,
Entera positiva, Binaria (0,1) e irrestricta (Que puede tomar cualquier
valor).
Se recomienda el formato de matriz de hoja de clculo por ser la
ms didctica.
152
Con doble clic del ratn se puede cambiar el sentido de la desigualdad convertirla en igualdad, y el tipo de variable. Tambin se puede
restringir el valor de cada variable, cambiando su valor mnimos y
mximo.
Para solucionar el problema se da clic sobre el icono que aparece en la
parte superior y que se seala en la grfica siguiente:
En la siguiente ventana se nos ofrece la solucin ptima y algunos datos del anlisis de sensibilidad, cuyo significado, entramos a explicar.
Para efectos de una interpretacin que guarde mayor relacin con la
realidad, supondremos que las variables X1 y X2 representan las cantidades a producir de los artculos 1 y 2. Las restricciones representan
la cantidad de recursos disponibles del tipo A y B y la funcin objetiva
son las utilidades logradas.
En el encabezado de sta ventana se muestra la hora y la fecha en que
la que se logr la presente solucin.
153
154
En la parte inferior de la lnea roja, se encuentra la informacin referente a cada una de las restricciones y su interpretacin es la siguiente:
La fila 1 corresponde a la restriccin 1, referente a la disponibilidad
del recurso A , para el que se muestra el valor del lado izquierdo, evaluado con la solucin optima y que indica que del recurso A no se utilizar ninguna unidad, de las 4 disponibles, por ello la holgura excedente de dicho recurso es de 4 unidades. El precio sombra nos indica
que si se dispone de una unidad adicional del recurso A, ello ocasionar un incremento en la utilidad de $0 ;Siempre y cuando el valor del
recurso se encuentre entre los lmites de sensibilidad 0 < b1 < ; que
son los valores que hacen que la solucin actual permanezca factible.
La fila 2 corresponde a la restriccin 2, referente a la disponibilidad
del recurso B , para el que se muestra el valor del lado izquierdo, evaluado con la solucin optima y que indica que del recurso B se utilizan
18 unidades, de las 18 disponibles, por ello la holgura excedente de
dicho recurso es de 0 unidades. El precio sombra nos indica que si se
dispone de una unidad adicional del recurso B, ello ocasionar un incremento en la utilidad de $2,50 siempre y cuando el valor del recurso
se encuentre entre los lmites de sensibilidad 0 < b2 < ; que son los
valores que hacen que la solucin actual permanezca factible.
Ejercicios propuestos
1. Considere el siguiente problema de programacin lineal
Maximice Z = - X1 + 3X2 2X3
C.S.R.
3X1 X2 + 2X3 < 7 Recurso A
< 12 Recurso B
-2X1 + 4X2
-4X1 + 3X2 + 8X3 < 10 Recurso C
Xj > 0 ; j = 1,2,3
a) Cul es la solucin ptima ? ZX* , X1*, X2*, X3*, X4*, X5* ^ X6*
en donde X4, X5*^ X6 son variables de holgura de las restricciones correspondientes a los recursos A,B,C respectivamente.
b) Formule el Dual.
c) Cul es la solucin ptima del dual.
d)
Si consideramos que Z es ganancia en pesos. Cul seria la contribucin a la ganancia si hubiese una unidad ms de recurso A ?, lo
155
Es la antigua solucin
con X7 = 0 an ptima?
Si no, encuentre el nuevo ptimo.
2. Se ha concedido licencia a una nueva empresa de turismo, para realizar vuelos entre Bogot y las Islas de San Andrs y Providencia e
Interinsulares (Vuelos entre las islas del archipilago). para ello,
debe comprar turborreactores con los que cubrir los vuelos entre
Bogot y las Islas, as como Aviones de Hlice y/o helicpteros con
los que servir los vuelos interinsulares. El presupuesto de compra
es de $2.800000.000. Las caractersticas de los aparatos que puede comprar la empresa de turismo son:
156
158
a. Comente sobre el valor adicional para la compaa al aadir capacidad adicional en cada uno de los tres departamentos.
b. Determine el rango sobre el cual los precios marginales para las
variables de holgura sern vlidos.
c. Determine el rango sobre el cual los coeficientes de X2 y X3 pueden variar sin afectar la solucin ptima.
d. Cul tendra que ser la contribucin por unidad de X1 para que
est en la solucin ptima?
e. Cules son las implicaciones de mercado de las respuestas que
encontr en la parte c) y d) anteriores?
10. Del problema principal sabemos que una unidad del producto 1 con160
con las
X1 + 3X2
+ X4 < 4 Departamento 1
2X1 + X2
< 3 Departamento 2
X2 + 4X3 + X4 < 3 Departamento 3
Xj > 0 ; j = 1,2,3 y 4
a) Comente sobre el valor que tiene para esta compaa el aadir capacidad adicional en cada uno de estos tres departamentos.
b) Determine el rango sobre el cual cada uno de los precios marginales para las variables de holgura sern vlidos.
c) Determine el rango sobre el cual cada uno de los coeficientes de
X1, X2 y X3 puede variar sin afectar la solucin ptima.
d) Cul tendra que ser la contribucin de X4 para que estuviera en
la solucin ptima?
e) Cules son las implicaciones de mercado de las respuestas que encontr para las partes c) y d) anteriores?
161
Anlisis Post-ptimo
Post-ptimo yy Sensibilidad
Sensibilidad
Anlisis
12. Considere el siguiente problema de programacin lineal:
2X 1 - X 2 <
b1 Recurso A
- X2 <
b2 Recurso B
X1
Xj > 0 ; j = 1,2
Sean X3 y X4 las variables de holgura para las restricciones respectivas. Cuando C1 = 3, C2 = -2 y b1 = 30 y b2 = 10, el mtodo simplex
llev a la siguiente tabla final.
Cj
V.B.
-2
X2
3
X1
ZJ - CJ
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
162
b
10
20
3
X1
0
1
-2
X2
1
0
0
X3
1
1
0
X4
-2
-1
40
Captulo 9
Transporte y Transbordo
Introduccin
En ste captulo estudiaremos un modelo particular de problema de
programacin lineal, uno en el cual su resolucin a travs del mtodo
simplex es dispendioso, pero que debido a sus caractersticas especiales ha permitido desarrollar un mtodo ms prctico de solucin.
El modelo de transporte se define como una tcnica que determina un
programa de transporte de productos o mercancas desde unas fuentes hasta los diferentes destinos al menor costo posible.
Tambin estudiaremos el problema del transbordo en el que entre fuentes y destinos, existen estaciones intermedias. Por ltimo estudiaremos el software WinQsb y el Invop.
163
Transporte y Transbordo
Xij= Unidades a enviar desde la fuente i-sima (i=1,...,m) al destino jsimo (j=1,...,n).
Ci,j= Costo de enviar una unidad desde la fuente i-sima (i=1,...,m) al
destino j-simo (j=1,...,n)
ai = Disponibilidad (oferta) en unidades, de la fuente i-sima (i=1,...,m)
bj = Requerimiento (demanda) en unidades, del destino j-simo (j=1,...,n)
Lo disponible = Lo requerido
Oferta = Demanda
Mercado Perfecto
Matemticamente:
Minimizar Z = C1,1X1,1 +...+ C1,jX1,j +...+ C1,nX1,n +...+ Ci,1Xi,1 +...+ Ci,jXi,j +...+
Ci,nXi,n +...+ Cm,1Xm,1 +...+ Cm,jXm,j +...+ Cm,nXm,n
164
Transporte y Transbordo
C.S.R.
b1
:
bj
:
bn
Xij > 0
A A
Observacin:
Disponibilidad = Requerimiento
Oferta = Demanda
Mercado Perfecto
Metodologa General
Modelo
Imperfecto
Generalmente es
lo que ocurre en
la vida real.
Modelo
Perfecto
Igualamos la
oferta a la demanda, mediante fuentes o
destinos de holgura
Mtodo de
Solucin
- Hallar una solucin bsica y
factible.
- Hallar la solucin ptima
Solucin
Interpretacin
Interpretar la
solucin terica v.s. la realidad.
165
Transporte y Transbordo
Metodologa de solucin
Solucin Bsica Factible
Mtodos
Esquina Noroeste
Costo Mnimo
Vogel
Optimizacin
Solucin ptima
Interpretacin
Mtodos
Algebraico
Heurstico
Modi
Ejemplo
Tres (3) fbricas envan su producto a cinco (5) distribuidores. Las
disponibilidades, los requerimientos y costos unitarios de transporte,
se dan en la siguiente tabla.
ai
Fbricas
40
1
60
2
70
3
170
50
4
220
166
Distribuidores
1
2
3
4
5
bj
30
40
50
40
60
220
Transporte y Transbordo
Formulacin
Xij = Unidades a enviar desde la fbrica i-sima (i=1,2,3,4) al distribuidor j-simo
(j=1,2,3,4,5)
Minimizar Z = 20X11 + 19X12 + 14X13 + 21X14 + 16X15 + 15X21 + 20X22 +
13X23 + 19X24 + 16X25 + 18X31 + 15X32 + 18X33 + 20X34 +
MX 35
>> Valor muy grande en comparacin con los dems Cij
Nota: A X35 se le castiga con un coeficiente muy grande Gran M ya
que Z nunca se minimizar mientras X35 > 0 ; Luego X35 terminar siendo variable NO-Bsica, igual a cero (0) para que Z se
minimice.
Con Las siguientes restricciones:
X11 + X12 + X13 + X14
X21 + X22 + X23 + X24
X31 + X32 + X33 + X34
X41 + X42 + X43 + X44
+
+
+
+
X15 = 40
X25 = 60
X35 = 70
X45 = 50
=
=
=
=
=
30
40
50
40
60
+ X41
+ X42
+ X43
+ X44
+ X45
167
Transporte y Transbordo
168
Transporte y Transbordo
169
Transporte y Transbordo
Fjese que el menor costo de toda la tabla es cero (0), pero hay 5
celdas con costo cero (0), Escogemos al azar la fila 4, columna 1 y
asignamos lo mximo posible entre 50 y 40 o sea 30, rellenamos la columna 1 con ceros (0) ya que qued satisfecha y actualizamos la oferta de 50 a 20 (50 30 = 20).
Ahora escogemos el menor costo en la tabla que queda, volvindose a
presentar un mltiple empate, el cual dirimimos escogiendo la casilla
170
Transporte y Transbordo
Transporte y Transbordo
6. Repita los pasos del 2 al 5, sin tener en cuenta la(s) fila(s) y/o
columna(s) satisfechas, hasta que todas las casillas queden asignadas.
Nota: Recuerde que no debe satisfacer filas y columnas al mismo tiempo; caso en que la disponibilidad sea igual al requerimiento; en tal caso
use el
(epsilon).
172
Transporte y Transbordo
Mtodo algebraico
El sistema de ecuaciones iniciales es:
(0) Z-20X11-19X12-14X13-21X14-16X15-15X21-20X22-13X23-19X24-16X25-18X31-15X32-18X33-20X34-MX35 = 0
(1)
(2)
(3)
(4)
X11 +
X21 +
X31 +
X41 +
(5)
(6)
(7)
(8)
(9)
X11 +
X12 +
X13 +
X14 +
X15 +
X12
X22
X32
X42
=
=
=
=
=
30
40
50
40
60
(15)
(10)
(13)
(16)
(16)
Fjese que en la ecuacin (0) aparece Z (Variable bsica) acompaada de todas las variables bsicas
escogidas inicialmente.
Como en la ecuacin (0) la variable
bsica debe ser Z, debemos sumar
mltiplos de las restricciones a la
funcin objetivo, de tal forma que
se eliminen las variables bsicas
X 1 5 , X 2 1 , X 2 3 , X 25 , X 32 , X 33 , X 44 , X 4 5 .
Una forma de lograr esto, es multiplicar cada restriccin por las constantes que aparecen entre parntesis, frente a cada restriccin.
173
Transporte y Transbordo
Z-20X11-19X12-14X13-21X14-16X15-15X21-20X22-13X23-19X24-16X25- 18X31-15X32-18X33-20X34-
X13- 5X14
-10X22
- 3X24
+ 2X31
5X35-16X41-16X42-16X43-16X44-16X45 = 360-800
16X35+15X41+10X42+13X43+16X44+16X45 = 450+400+650+640+960
+ X34-(M-21)X35-
Transporte y Transbordo
Conclusin: Mediante ste mtodo podemos analizar todos los efectos, de considerar enviar una unidad desde las fbricas a los distribuidores, en las casillas de las variables no-bsicas (Xij = 0) , para
observar si existen variables no-bsicas que al entrar a la base, hagan
que Z disminuya; Por supuesto, los resultados coincidirn con los coeficientes de la funcin objetiva lograda mediante el mtodo algebraico.
Conclusin: El presente mtodo es muy dispendioso, aunque un poco
menos que el mtodo algebraico; Si se efecta en su totalidad, el resultado es:
Aqu, al igual que en el mtodo algebraico la
variable a escoger para entrar a la base es:
X31 ya que por cada unidad que crezca, hace
que Z disminuya 2 unidades monetarias.
Ahora se describe un mtodo ms prctico para encontrar ste ltimo
tablero en donde podemos escoger la variable que entra de forma rpida. Primero se muestra la deduccin matemtica del mtodo y despus su aplicacin prctica. El procedimiento recibe el nombre del
Mtodo Modificado de distribucin (Modi), ya que lleva a escoger la
variable que entra, la variable que sale y la nueva solucin mejorada en
donde Z disminuye su valor.
Mtodo Modificado de distribucin (Modi)
Variable que entra
El problema original es:
175
Transporte y Transbordo
Transporte y Transbordo
Z = 2.650
Solucin bsica factible no degenerada lograda mediante el
mtodo de vogel, con m+n-1=8
variables bsicas.
u1 = C15 v5 = 16 - 16 = 0
u3 = C33 v3 = 18 -13 = 5
u5 = C45 v5 = 0 16 = -16
V2 = C32 u3 = 15 - 5 = 10
V5 = C45 u5 = 0 (-16) = 16
C31 u3 v1 = 18 5 15 = -2
C34 u3 v4 = 20 5 16 = -1
C35 u3 v5 = M 5 16 = M-21
C14 u1 v4 = 21 0 16 = 5
C22 u2 v2 = 20 0 10 = 10
C24 u2 v4 = 19 0 16 = 3
C41 u4 v1 = 0 (-16) 15 = 1
C42 u4 v2 = 0 (-16) 10 = 6
C43 u4 v3 = 0 (-16) 13 = 3
Transporte y Transbordo
Fjese que en sta ltima tabla, estn todos los coeficientes de las
variables no bsicas en la funcin objetiva, despus de haber sumado
mltiplos de las restricciones a la funcin objetivo para eliminar las
variables bsicas. La nueva funcin objetivo es:
Z=5X11+9X12+X13+5X14+10X22+3X24-2X31-X34+(M-21)X35+X41+6X42+ 3X43+2.650
La variable que al crecer hace que Z disminuya ms es X31 , luego escogemos sta variable para entrar a la base.
Observe que en la tabla de costos para las variables no bsicas se
encuentran los valores en que aumenta disminuye Z por cada unidad
de crecimiento de las variables no bsicas.
Identificada la variable para entrar (X31), debemos determinar la variable para salir, que debe ser aquella que primero se vuelva cero (0) a
medida que la variable que entra crezca. para ello, construimos un circuito cerrado de (+) y (-), empezando, sumando en la casilla de la variable que entra X31. Observe que el circuito de (+) y (-) tiene como
objetivo preservar la suma de las filas y de las columnas, esto es, seguir satisfaciendo la oferta y la demanda, conservando la factibilidad
del problema.
Z=2.650 ; Variable que entra X31. Fjese que a medida que X31 crece, X21
y X33 decrecen en la misma cantidad.
Aqu X21 y X33 llegan a cero al mismo
tiempo. Escogemos arbitrariamente
a X33 como variable que sale y a X21
al restarle 30 quedar con un valor
de 0
Z=(40)(16)+(0)(15)+(50)(13)+(10)(16)+
(30)(18)+(40)(15)+(40)(0)+(10)(0)
= 2.590
. Fjese que m+n-1=8
. X21 es variable bsica = 0
. La oferta es igual a la demanda.
. Z disminuye en 60 unidades; 2(30)=60
2.650 60 = 2.590
178
Transporte y Transbordo
La pregunta aqu es: sta es la solucin ptima?, la respuesta la conoceremos cuando calculemos la nueva tabla de costos para las variables
no bsicas.
X21* = = 0
X23* = 50
X25* = 10
X31* = 30
X32* = 40
X54* = 40
X55* = 10
Z* = 0(16)+0(15)+50(13)
+10(16)+30(18)+40(15)+
40(0) +10(0) = 2.590
Interpretacin de la solucin
La forma ptima de hacer los envos desde las fbricas (1,2,3) a los
distribuidores (1,2,3,4,5) para que los costos totales del transporte
sean mnimos es:
Desde la fbrica 1 al distribuidor 5 enviar 40 unidades, a un costo de:
$ 640
Desde la fbrica 2 al distribuidor 3 enviar 50 unidades, a un costo de:
$ 650
Desde la fbrica 2 al distribuidor 5 enviar 100 unidades, a un costo
de: $ 160
Desde la fbrica 3 al distribuidor 1 enviar 30 unidades, a un costo de:
$ 540
Desde la fbrica 3 al distribuidor 2 enviar 40 unidades, a un costo de:
$ 600
179
Transporte y Transbordo
Los costos del transporte, en $/Unidad, entre las diversas combinaciones de fbricas y almacenes son:
180
Transporte y Transbordo
<
<
<
<
> 180
> 280
> 150
> 200
ai
F1
F2
F3
F4
140
260
360
220
980
Distribuidores
A1
A2
A3
A4
A5
bj
180
280
150
200
810
170
980
181
Transporte y Transbordo
X11
X21
X31
X41
+
+
+
+
X15 =
X25 =
X35 =
X45 =
140
260
360
220
X11 +
X12 +
X13 +
X14 +
X15 +
X21 + X31 +
X22 + X32 +
X23 + X33 +
X24 + X34 +
X25 + X35 +
X41
X42
X43
X44
X45
=
=
=
=
=
90
100
102
90
102
2
2
182
96
98
102
100
98 102 -2
2
2
2
2
6
4
2
ui
-4
-2
0
2
X14* =
X22* =
X23* =
X31* =
X32* =
X34* =
X43* =
X45* =
140
160
100
180
120
60
50
170
La fbrica 4 se quedar
con 170 unidades en su
bodega, ya que el destinatario 5 es artificial.
Transporte y Transbordo
Nmero de variables
Bsicas:
m+n-1 = 3+4-1 = 6
183
Transporte y Transbordo
20
30
36
0
0
1
1
0
0
Z = 4.920
60
60
20 40
36
34
0
0
4
0
0
Solucin ptima:
36
34
0
X12* =
X13* =
X23* =
X31* =
X33* =
X34* =
20
60
60
30
20
40
Z* = $4.920
De acuerdo a la matriz de costos y al grfico presentado en el problema 6 del captulo de formulacin, las unidades debern ser despachadas as:
Desde la planta de produccin P1 , enviar 20 monitores de alta resolucin al centro de ventas V2 , a travs del centro de control de calidad
C1.
Desde la planta de produccin P1, enviar 60 unidades al centro de ventas V3, a travs del centro de control de calidad C2..
Desde la planta de produccin P2, enviar 60 unidades al centro de ventas V3, a travs del centro de control de calidad C2 .
Grficamente:
184
Transporte y Transbordo
Costos Totales:
185
Transporte y Transbordo
186
Transporte y Transbordo
187
Transporte y Transbordo
Transporte y Transbordo
Fjese que ste mdulo tambin resuelve otros modelos de redes, que
se especifican en la parte izquierda de la ventana.
Los datos se pueden ingresar de dos formas: En una matriz tablero
de doble entrada (recomendado) de forma grfica.
A continuacin se ilustra el ingreso de datos en la tabla de doble entrada
Transporte y Transbordo
El WinQsb le ofrecer entonces una ventana con la respuesta ptima del problema, indicando cuntas unidades
enviar desde cada una de las ciudades de origen a cada
una de las ciudades de destino, con su costo por envo y el
costo total de la operacin.
Si se usa ste icono, el WinQsb nos ilustrar mediante una
red la respectiva respuesta ptima al problema.
Transporte y Transbordo
porte, Distancias en redes (Ruta ms corta, rbol de mnimo recorrido, Agente viajero), Flujo de redes.
El invop est en Espaol y su metodologa dirigido a la enseanza, ofreciendo al usuario tanto la parte terica de fundamento matemtico
como la parte prctica de solucin de problemas con sus respectivos
ejemplos.
El Invop presenta una ventana principal, en la que hace una breve, pero
til resea de sus aplicaciones, de ellas seleccionamos la de transporte, como se muestra en la figura siguiente:
Transporte y Transbordo
Transporte y Transbordo
del pas, requieren cierta mercanca para cada uno de sus almacenes. Las Empresas abastecedoras han informado que disponen de la
mercanca solicitada, pero en tres (3) diferentes fbricas. La escasez del producto hace que la cadena de almacenes deba transportar
la mercanca. En base a los costos del transporte por unidad, a los
requerimientos de los almacenes y a la disponibilidad de las fbricas, que se muestra en el siguiente cuadro; Formule el problema de
programacin lineal que minimice los costos totales del transporte y
resulvalo.
Solucin:
X11= 1.000 ; X22= 700
193
Transporte y Transbordo
194
Transporte y Transbordo
8. Una compaa tiene 4 almace-
195
Transporte y Transbordo
Se requiere:
196
Transporte y Transbordo
a) Formular el problema.
b) Use el mtodo de vogel para obtener una solucin inicial.
c) Obtenga la solucin ptima.
Solucin: X11=150 ; X13=250 ; X22=200 ; X31=50 ; X32=100 ; Z*=$34250.000
Costo de
Produccin
por Unidad
Capacidad de
Produccin
Mensual
A
B
C
17
20
24
800
600
700
Tabla de
costos por
u n i d a d
transportada.
Transporte y Transbordo
Captulo 10
Asignaciones
Introduccin
El problema de asignaciones es un caso especial del problema del transporte, uno en el cual, todas las variables son de carcter binario (0,1)
y a cada fuente se le debe asignar uno y solo un destino, y a cada
destino una y solo una fuente. Al final del captulo, se ilustra el uso del
software WinQsb e Invop para resolver ste tipo de modelo.
Caractersticas del modelo
Xij = 0 = No asigne la fuente i-sima al destino j-simo
Xij = 1 = Si asigne la fuente i-sima al destino j-simo
199
Asignaciones
ai = 1 , para todo i
bj = 1 , para todo j
El presente modelo de asignacin, se puede resolver mediante el mtodo simplex, pero al resultar dispendiosa su solucin, los Hngaros desarrollaron un mtodo ms efectivo y prctico, el cual se ilustra a continuacin.
Para iniciar la aplicacin del algoritmo, se debe igualar el nmero de
fuentes al nmero de destinos, con fuentes destinos ficticios, si ello
es necesario.
Algoritmo para Minimizar
1. Construya una tabla de costos en la que el nmero de filas sea igual
al nmero de columnas y en cada casilla figure el costo de asignar
cada fuente (Filas) a cada destino (Columnas).
2. Reste el valor del elemento mnimo (Costo Mnimo) de cada fila a
cada elemento de la fila. Con la tabla resultante, haga lo mismo
pero para cada columna.
200
Asignaciones
Asignaciones
X = La mquina B no cabe
en el sitio 2
Solucin
13
10
12
11
15
13
20
10
3
2
M-13 0
M-13 0
2
0
Como m n (m = 3 y n = 4), adicionamos una mquina ficticia (Fila 4, Variables de holgura), que tienen
coeficiente cero (0) en la funcin objetiva. Para
evitar que la mquina B sea asignada al sitio 2, castigamos en la funcin objetiva con un costo muy alto
(M) a la variable X22, variable artificial.
El menor elemento de cada fila ha sido restado de
todos los elementos de cada fila, en la fila 1 el menor costo es 10, luego los nuevos elementos de la
fila 1 son: 13 10 = 3 ; 10 10 = 0 ; 12 10 = 2 ; 11 10
= 1 ; Al menos en cada fila debe quedar un cero (0),
el del elemento ms pequeo.
Teniendo como referencia la tabla anterior, el menor elemento de cada columna ha sido restado de
todos los elementos de cada columna. Como en cada
columna hay un cero, la tabla queda igual a la anterior.
202
Asignaciones
Fjese que en el ltimo tablero, todos los ceros han quedado, reservados tachados, no se hizo necesario recorrer las columnas.
Aqu existe una asignacin completa, en atencin a que a cada mquina
le a sido asignado un sitio y a cada sitio le hemos asignado una mquina,
los sitios reservados los sealizamos con ceros encerrados en un cuadro.
Solucin ptima
La mquina A es asignada al sitio 2, con un costo de manejo de materiales de $10
La mquina B es asignada al sitio 3, con un costo de manejo de materiales de $13
La mquina C es asignada al sitio 1, con un costo de manejo de materiales de $ 5
La mquina D es asignada al sitio 4, con un costo de manejo de materiales de $ 0
La ltima asignacin corresponde a la mquina de holgura D, colocada
para hacer igual el nmero de mquinas al nmero de sitios; lo anterior
significa que el sitio 4 quedar vaco.
El costo ptimo de manejo de materiales es de $28; que se logra asignando las mquinas a los sitios sealados.
Otra manera de calcular el costo mnimo consiste en sumar las cantidades que han sido restadas en cada fila y columna, esto es: 10 (el
menos de la fila 1)+13 (el menor de la fila 2)+5 (el menor de la fila 3)=
$28
203
Asignaciones
Ejemplo 2
El jefe de un departamento, tiene 5 obreros y 5 trabajos para hacer,
los obreros difieren en su eficiencia y los trabajos difieren en su dificultad intrnseca. El estimado de los tiempos que cada hombre tomar
para hacer cada trabajo, est dado en la siguiente tabla.
Cmo debern asignarse los trabajos, uno a cada obrero, para minimizar el total de horas hombre?
Cada trabajo debe ser ejecutado
por uno y solo un obrero y a cada
obrero solo le debe ser asignado
uno y solo un trabajo.
Solucin
Aqu, el nmero de fuentes es igual al nmero de destinos (El nmero
de filas es igual al nmero de columnas) dicho de otra forma, el nmero de trabajos es igual al nmero de obreros, luego no se hace necesario ninguna variable de holgura.
Restar el elemento ms pequeo de cada fila a todos los elementos de cada fila.
204
Asignaciones
Solucin
Al trabajo A, le asignamos el trabajador 1, quien emplear 11 horas.
Al trabajo B, le asignamos el trabajador 4, quien emplear 6 horas.
Al trabajo C, le asignamos el trabajador 5, quien emplear 16 horas.
Al trabajo D, le asignamos el trabajador 3, quien emplear 17 horas
Al trabajo E, le asignamos el trabajador 2, quien emplear 10 horas.
El tiempo total para ejecutar los 5 trabajos es de 60 horas. Si suma
todos los elementos restados durante el proceso, tmbien encontrar
el valor mnimo: (8+6+12+17+10)+(1+4)+2 = 60
Para ilustrar el uso del software WinQsb e Invop, usaremos los datos
numricos del ejemplo 2.
Software WinQsb
El problema de asignaciones en el WinQsb, forma parte del mdulo de
redes y el ingreso de datos se efecta mediante la siguiente ventana:
205
Asignaciones
Los datos requeridos son los mismos que para el problema del transporte.
Los datos se pueden ingresar de dos formas: En una matriz tablero
de doble entrada de forma grfica.
A continuacin se ilustra el ingreso de datos en la matriz tabla de
doble entrada. Fjese que la siguiente tabla en comparacin con la ofrecida en el problema del transporte, carece de disponibilidades y requerimientos.
Para solucionar el problema, se da clic sobre el icono que aparece en la parte superior, hacia el centro de la ventana; entonces el WinQsb le ofrecer una ventana con la respuesta
ptima del problema, mostrando en ella , que trabajador se
debe asignar a cada uno de los cinco trabajos, las horas que emplear
cada trabajador y el tiempo total de realizacin de todos los trabajos.
206
Asignaciones
Software INVOP
En la ventana principal del INVOP, escogemos la opcin de asignaciones, y el programa nos ofrece una ventana en la que en la parte inferior izquierda se selecciona el criterio de optimizacin, en la parte
superior derecha introducimos los datos, teniendo la opcin de cambiar los rtulos de las filas y las columnas. A continuacin damos clic
sobre el icono que
Representa una calculadora y en la misma ventana, en la parte inferior
derecha el programa nos ofrece la solucin ptima.
207
Asignaciones
Se recomienda leer todo el tutorial de ste programa, en ella se ofrecen ejemplos prcticos y todo el respaldo matemtico del algoritmo
del problema.
Problemas propuestos
1. El gerente de una empresa, tiene 4 trabajadores y 4 trabajos para
ejecutar, por su experiencia y el nivel de dificultad de cada uno de
los trabajos, los tiempos de ejecucin de cada trabajador, se muestran en la siguiente tabla.
El gerente desea que cada trabajo sea ejecutado por un solo trabajador y a cada trabajador, solo se le asigne un trabajo.
Que trabajador se debe asignar a cada trabajo, de tal manera que la duracin total de
todos ellos sea la mnima?
Solucin: X11=X23=X32=X44=1 ; Z=41
208
Asignaciones
Z*=126,2 Segundos
El entrenador quiere determinar como asignar los cuatro nadadores a los cuatro tipos de nado, para minimizar la suma de los mejores tiempos correspondientes.
4. Un corredor de bienes races, planea la venta de 5 lotes de terreno
y ha recibido ofertas individuales de cuatro clientes. Debido a la
cantidad de capital que se requiere, stas ofertas se han hecho en
el entendimiento de que ninguno de los cuatro clientes comprar
ms de un lote. Las ofertas se muestran en la siguiente tabla:
El corredor de bienes races
quiere maximizar su ingreso total a partir de esas
ofertas. Resuelva ste problema mediante el mtodo
Hngaro.
Solucin: X13=X25=X32=X41=1 ; Z* = $54
209
Asignaciones
6.
Una compaa de contadores, tiene tres nuevos clientes. Se asignarn a los tres clientes, tres jefes de proyecto. Con base en los
distintos antecedentes y experiencia de los citados, las diversas
asignaciones entre jefes de proyecto y clientes, vara en funcin
de los tiempos esperados de terminacin. Se muestra a continuacin las posibles asignaciones y los tiempos esperados de terminacin.
Resuelva el problema y
determine que jefe de
proyecto se le asigna
a cada cliente.
Solucin:
X12=X21=X33=1 ; Z* = 64
210
Asignaciones
8. Cuatro personas acaban de terminar el curso de ventas de la compaa y se les va a asignar a cuatro distritos diferentes. Basndose en su experiencia, actuacin en el curso, conocimiento del proyecto y los clientes potenciales, la administracin a hecho estimaciones del xito esperado de cada uno en cada distrito. Las estimaciones en la escala de 1 (Bajo) al 10 (Alto), son:
Solucin:
X13=X24=X32=X41=1
Z* = 35
X 11 =X 24 =X 33 =X 42 =1
Z* = 68
Asignaciones
212
Asignaciones
213
214
Captulo 11
Programacin Lineal Entera y Binaria
Introduccin
Muchos de los problemas de la vida real exigen soluciones con nmeros
entero, por lo tanto las variables de dicho problema deben ser definidas como variables enteras. Los mtodos de solucin que contemplaremos en ste capitulo son: Mtodo grfico, Mtodo de los planos cortantes de Gomory, Mtodo de Bifurcacin y Acotacin (Branch And
Bound), el Mtodo de Egon Balas en donde las variables son de carcter binario (0,1). Por ltimo se ilustra el uso del software WinQsb para
atender ste tipo de problema.
Mtodo Grfico
Es idntico al mtodo grfico de programacin lineal continua, solo
que aqu, se seleccionan solo las soluciones enteras dentro del rea de
soluciones factibles.
215
Ejemplo
no entera, que tenga la mayor parte fraccional (Quebrar empates arbitrariamente) y resolver el nuevo problema mediante el mtodo dual simplex.
Nueva restriccin a partir de la restriccin actual que tenga la variable cuyo valor en su parte fraccional sea mayor.
a) Escriba cada constante como la suma de: Un nmero entero de cualquier signo y una fraccin no negativa, menor que uno (1).
b) Cambiar la ecuacin trasladando los coeficientes enteros al lado
derecho.
Ejemplo
Max:
C.S.R.
Xj > 0
Z = X1 + 5X2
X1 + 10X2 < 20
X1
< 2
y enteros para toda j
Max:
C.S.R.
Xj > 0
Z = X1 + 5X2
X1 + 10X2 + X3
= 20
X1
+ X4 = 2
y enteros para toda j
217
Simplificando
Entero
1/9X3 + 8/9X5 > 8/9 -1/9X3 8/9X5 < -8/9 -1/9X3 8/9X5 + X6 = -8/9
X1*
X2*
X3*
X4*
X5*
X6*
Zx*
=
=
=
=
=
=
=
0
2
0
2
1
0
10
Y1*
Y2*
Y3*
Y4*
Y5*
Y6*
ZY*
=
=
=
=
=
=
=
3/8
0
0
5/8
0
0
10
INICIO
X1 = 3,25
X2 = 1,25
Z = 18,75
X2 < 1
Max: Z = 5X1 + 2X2
C.S.R. 2X1 + 2X2 < 9
3X1 + X2 < 11
X2 < 1
XJ>0 ; j=1,2 y enteros
X1 = 3,33
X2 = 1,00
Z = 18,67
X1 < 3
X1 = 3
X2 = 1
Z = 17
No hay
Solucin
Factible
La solucin con
valores redondeados
no garantiza el ptimo
X2 > 2
El Mayor Z
X1 > 4
X1 = 2,50
X2 = 2,00
Z = 16,50
220
Ejemplo: Si X1 = 1 y X2 = X3 = X4 = X5 = 0
Remplazando en la restriccin uno (1), establecemos que: -3 < 0 , luego
aqu la infactibilidad es cero (0), ya que la solucin evaluada, satisface la restriccin, convirtindola en una afirmacin verdadera.
Remplazando en la restriccin dos (2), establecemos que: 3 < 0 , luego
aqu la infactibilidad es tres (3), ya que la solucin evaluada, no satisface la restriccin, convirtindola en una afirmacin falsa. El que tan
lejos est de ser una verdad, es lo que llamamos infactibilidad.
En total, la solucin evaluada tiene una infactibilidad de 0 + 3 = 3
Si en sta primera iteracin, encontramos una solucin cuya
infactibilidad sea cero (0), hemos encontrado la solucin factible y
ptima. Si encontramos que varias soluciones tienen la infactibilidad
igual a cero (0), remplazamos todas stas soluciones en la funcin objetivo y la solucin ptima ser aquella que haga que Z sea mnima.
Si no hay ninguna solucin con su infactibilidad igual a cero (0), Escogemos la solucin que menor infactibilidad tenga y de ella la variable
que est valiendo uno (1). Remplazamos en las restricciones dicha variable y sobre dichas restricciones iniciamos la segunda iteracin. ste
procedimiento se repite hasta encontrar la solucin ptima factible.
222
Primera Iteracin
-6X1 3X2 + 2X3 4X4 X5 + 3 < 0
-4X1 5X2 4X3 3X4 + 3X5 + 7 < 0
X1 = X2 = X3 = X4 = X5 = 0
3<0
7 < 0 Infactibilidad = 10
X1 = 1 ; X3 = X4 = X5 = 0
-6 < 0
-2 < 0 Infactibilidad = 0 ;
X 1 = 1 ; X2 = X3 = X 4 = X5 = 0
-3 < 0
3 < 0 Infactibilidad = 3
X3 = 1 ; X1 = X4 = X5 = 0
2<0
-2 < 0 Infactibilidad = 2
X 2 = 1 ; X1 = X3 = X 4 = X5 = 0
0<0
2 < 0 Infactibilidad = 2 ; La menor
X4 = 1 ; X1 = X3 = X5 = 0
-4 < 0
-1 < 0 Infactibilidad = 0
X 3 = 1 ; X1 = X2 = X 4 = X5 = 0
5<0
3 < 0 Infactibilidad = 8
X5 = 1 ; X1 = X3 = X4 = 0
-1 < 0
5 < 0 Infactibilidad = 5
X 4 = 1 ; X1 = X2 = X 3 = X5 = 0
-1 < 0
4 < 0 Infactibilidad = 4
X 5 = 1 ; X1 = X2 = X 3 = X4 = 0
2 <0
10 < 0 Infactibilidad = 12
Z=15
Z=12
Ejemplo 2
Una empresa de bienes raices, analiza 5 proyectos de desarrollo posibles. La siguiente tabla muestra las ganancias estimadas a largo plazo
(valor presente neto), que generara cada proyecto y la inversin requerida para emprenderlo, en millones de dlares.
223
Ganancia estimada
Capital requerido
Proyectos
1
2
1
1,8
6
12
de desarrollo
3
4
5
1,6 0,8 1,4
10
4
8
Regla de equivalencia
Max Z = Min (-Z)
224
X1 = 1 , X2 = X3 = X4 = X5 = 0
14 < 0 ; I = 14
X2 = 1 , X1 = X3 = X4 = X5 = 0
2 Iteracin
Con X2 = 1 ; la restriccin se
simplifica a:
-6X1 - 10X3 - 4X4 - 8X5 + 8 < 0
X1 = 1 , X3 = X4 = X5 = 0
2<0 ; I=2
X3 = 1 , X1 = X4 = X5 = 0
X3 = 1 , X1 = X2 = X4 = X5 = 0
-2 < 0 ; I = 0
10 < 0 ; I = 10
X4 = 1 , X1 = X2 = X3 = X5 = 0
X4 = 1 , X1 = X3 = X5 = 0
16 < 0 ; I = 16
X5 = 1 , X1 = X2 = X3 = X4 = 0
12 < 0 ; I = 12
4<0 ; I=4
X5 = 1 , X1 = X3 = X4 = 0
0<0 ; I=0
Lo mejor es: X2 = 1
Luego:
X1* = 1
X2* = 0
X3* = 1
X4* = 1
X5* = 0
225
Software WinQsb
El software WinQsb en su mdulo de programacin lineal y entera,
presenta en su ventana inicial las opciones respectivas, incluyendo la
de programacin lineal binaria, de la siguiente manera:
En sta ventana se selecciona una de las opciones encerradas en
la elipse de color rojo.
El resto de las ventanas se tramita de igual
manera que para un
problema de programacin lineal continua.
En la siguiente ventana, el WinQsb permite
establecer el tipo de
variable de manera individual; de ah que podemos tener un problema de programacin lineal
con variables mezcladas, como se muestra en el siguiente ejemplo.
Dando doble clic sobre la casilla de tipo de variable, se ofrece consecutivamente las variables tipo continua, entera, binaria e irrestricta,
ste ltimo tipo de variable es la que no tiene restriccin en el signo y
puede tomar valores tanto negativos como positivos. Tambin podemos fijar lmites para los valores de las variables, siendo un problema
de programacin lineal restringido, en el ejemplo se exige que X1 puede tomar valores enteros entre 3 y 50.
La solucin se muestra en ventanas idnticas a las ya explicadas en
programacin lineal continua y se ofrece el mismo tipo de informacin.
Una conclusin relevante es la utilidad del computador y del software
226
Z = 5/2X1 + X2
3X1 + 5X2 < 15
5X1 + 2X2 < 10
y enteros
j
c) Max :
C.S.R.
Xj > 0
b) Max :
C.S.R.
Xj > 0
a) Max : Z = X1 + 5X2
C.S.R. X1 + 10X2 < 20
< 2
X1
Xj > 0 j = 1, 2 y enteros
Z = 3X1 + X2
X1 + 2X2 < 8
3X1 4X2 < 12
y enteros
j
Solucin:
a) X1* = 0 ; X2* = 2 ; Z* = 10
b) X1* = 5 ; X2* = 1 ; Z* = 16
c) X1* = 2 ; X2* = 0 ; Z* = 5
2. Resolver manualmente empleando el mtodo de los planos cortantes de Gomory y mediante el software WinQsb los siguientes ejercicios de programacin lineal entera.
a) Max : Z = 3X1 + X2
C.S.R.
X1 + 2X2 < 8
3X1 4X2 < 12
Xj > 0 j y enteros
Solucin:
X1*=5 ; X2*=1 ; Z*= 16
b) Max :
C.S.R.
Solucin:
X1*=3 ; X2*=1 ; Z*= 17
Xj > 0
Z = 5X1 + 2X2
2X1 + 2X2 + X3
=9
3X1 + X2
+ X4 = 11
y
enteros
j
c) Max :
C.S.R.
A
Xj > 0
Z = 5X1 + 2X2
2X1 + 2X2 + X3
=9
3X1 + X2
+ X4 = 11
y X1 , X3 enteros
Solucin:
X1*=3 ; X2*=3/2
X3*=0 ; X4*=1/2
Z*= 18
227
3. Resolver manualmente empleando el mtodo de Bifurcacin y Acotacin (Branch And Bound) y mediante el software WinQsb los siguientes ejercicios de programacin lineal entera.
a) Max : Z = 5X1 + 2X2
C.S.R. 2X1 + 2X2 < 9
3X1 + X2 < 11
Xj > 0 ;
y X2 entero
Xj > 0
Solucin:
X1* = 3,3 ; X2* = 1 ; X3* = 0,3
X4* = X5* = 0 ; Z* = 18,67
Solucin:
X1* = 9 ; X2* = 14 ; Z*= 1.240
y enteros
Solucin:
X2* = X3* = 1
X1* = X4* = X5* = 0
Z* = 17
Solucin:
X1* = X2* = 1
X3* = X4* = X5* = 0
Z* = 5
3X5
< 4
< 8
> 3
assambler, cobol y apl. La compaa tiene un programador que realiza sta labor y existen cinco trabajos de programacin que deben terminarse lo ms pronto posible. La utilidad de cada tarea se
muestra en la siguiente tabla.
229
230
Captulo 12
Administracin de proyectos
Gantt - PERT - CPM
E 6
5 11
5 11
0
A 5
0
5
0
5
0
B 1
0
1
2
3
2
C 2
1
3
3
5
2
F 3
11 14
11 14
0
D 4
5
9
7 11
2
Introduccin
En ste captulo se muestran las herramientas bsicas para la administracin de proyectos, tales como el diagrama Gantt, el PERT
determinstico, el PERT probabilstico y el mtodo CPM.
En la historia de la humanidad, el hombre se ha enfrentado al reto de
elaborar proyectos cada vez ms grandes y complejos, de tal forma
que surge la necesidad de coordinar numerosas actividades en toda la
organizacin. Entre 1958 y 1959 se desarrolla en Estados Unidos, el
proyecto de construccin del cohete polaris, durante el cul se empiezan a aplicar las novedosas tcnicas de control de proyectos PERT y
CPM.
Algunas de las aplicaciones ms frecuentes de stas tcnicas son: Proyectos de construccin, programacin de computadoras, programacin y propuestas de licitaciones, la planeacin de mantenimiento y la
instalacin de sistemas de computadoras.
231
233
Duracin en semanas
1 2 3 4 5 6 7 8 9 10 11 12 13 14
Observaciones
Aqu, sobre el diagrama Gantt se han colocado, las barras en la primera fila de cada actividad, teniendo en cuenta las precedencias e iniciando cada actividad, lo ms pronto posible. El resultado final indica
que el proyecto se puede realizar en un tiempo mnimo de 14 semanas.
Ahora colocamos el segundo juego de barras, sobre la segunda fila de
cada actividad, teniendo en cuenta las precedencias e iniciando cada
actividad lo ms tarde posible, sin perjudicar la duracin mnima total
del proyecto de 14 semanas.
Actividades
A
B
C
D
E
F
Duracin en semanas
1 2 3 4 5 6 7 8 9 10 11 12 13 14
Observaciones
Actividad Crtica
Holgura de 2 semanas
Holgura de 2 semanas
Holgura de 2 semanas
Actividad Crtica
Actividad Crtica
Actividad
Duracin en semanas
1 2 3 4 5 6 7 8 9 10 11 12 13 14
Observaciones
Holgura de 2 semanas
7-5=2 11-9=2
235
Duracin de la actividad
T. de inicio ms temprano
Tiempo de inicio ms tarde
T. de finalizacin ms temprano
Tiempo de finalizacin ms tarde
Holgura
E 6
5 11
5 11
0
A 5
0 5
0 5
0
B 1
0 1
2 3
2
C 2
1 3
3 5
2
D 4
5 9
7 11
2
F 3
11 14
11 14
0
Observaciones:
1. No espere lograr en el primer intento una red perfecta, lo normal es
hacer varios intentos, dibujando solamente los nodos , el nombre de
la actividad que representa y las flechas ramales (sin colocar los
tiempos), cuando logre una red que cumpla con las precedencias y
que su presentacin sea lo ms clara y sencilla, evitando en lo posible los cruces de nodos, y de preferencia en orden lgico de izquierda a derecha de arriba hacia bajo; solamente entonces dibuje la
red sobre la que va a colocar los tiempos.
2. Fjese que pueden existir varios nodos origen varios nodos finales
3. Al menos debe tener un nodo origen y un nodo destino con holgura
cero.
4. La unin de los nodos que tengan holgura cero, conforman una cadena que se denomina LA RUTA CRTICA. En una red pueden haber
236
Al mayor tiempo de
terminacin ms temprano de las actividades precedentes
Tiempo de terminacin
ms tarde
Duracin de
la actividad
238
PERT PROBABILSTICO
Aqu el tiempo de duracin de cada actividad es una variable aleatoria,
la cual sigue una distribucin de probabilidad. En la mayora de la literatura sobre el tema, se usa la distribucin de probabilidad beta
unimodal, llamada tambin, distribucin de probabilidad de tres tiempos estimados, cuyos parmetros son:
a = Tiempo optimista, si tido va bien, bajo condiciones ideales
m = Tiempo ms probable, si todo marcha dentro de lo normal
b = Tiempo pesimista, si todo va mal, bajo condiciones psimas
El tiempo esperado y la varianza de la
distribucin de probabilidad beta
unimodal son:
Ejemplo
Como administrador de un proyecto, se enfrenta a la red de actividades que se muestra en la figura y a los estimados de tiempo optimista,
ms probable y pesimsta de las actividades.
a) Represente el proyecto mediante una red ACTIVIDAD - NODO
b) Calcule el tiempo esperado y la varianza de cada actividad, suponiendo una distribucin beta unimodal de probabilidad.
c) Calcule el tiempo de inicio esperado ms temprano, el tiempo de
inicio esperado ms tarde, el tiempo de finalizacin esperado ms
239
B
1
3
D
Actividad Ficticia
E
4
Actividades
A
B
C
D
E
F
G
H
I
Tiempo optimista
ai (Semanas)
1
1
4
1
7
4
4
7
1
Tiempo ms probable
mi (Semanas)
3
3
5
4
8
6
5
9
3
Tiempo pesimista
bi (Semanas)
5
5
6
7
9
8
6
11
5
Solucin
Para representar el proyecto como una red ACTIVIDAD - NODO,
observamos en la red ACTIVIDAD - FLECHA que suministra el enunciado del problema, cules son las precedencias de cada actividad,
con sta informacin reescribimos la tabla de datos y efectuamos los
clculos del tiempo esperado y la varianza para cada actividad.
240
A
B
C
D
E
F
G
H
I
Actividades
Predecesoras
Ninguna
A
B
B
A
D,E
C,F
E
G,H
ai
bi
mi
1
1
4
1
7
4
4
7
1
5
5
6
7
9
8
6
11
5
3
3
5
4
8
6
5
9
3
(1+5+4(3))/6=3
((5-1)/6)2=4/9
(1+5+4(3))/6=3
((5-1)/6)2=4/9
(4+6+4(5))/6=5
((6-4)/6) 2=1/9
(1+7+4(4))/6=4
((7-1)/6)2=1
(7+9+4(8))/6=8
((9-7)/6) 2=1/9
(4+8+4(6))/6=6
((8-4)/6) 2=4/9
(4+6+4(5))/6=5
((6-4)/6) 2=1/9
(7+11+4(9))/6=9
((11-7)/6) 2=4/9
(1+5+4(3))/6=3
((5-1)/6)2=4/9
Ahora podemos representar el proyecto sobre una red ACTIVIDAD NODO y tabajando con el tiempo esperado, efectuar los clculos necesarios para hallar los tiempos solicitados.
Tiempo esperado (te)
B 3
3 6
4 7
1
A 3
0 3
0 3
0
C 5
6 11
12 17
6
G 5
17 22
17 22
0
D 4
6 10
7 11
1
F 6
11 17
11 17
0
E 8
3 11
3 11
0
H 9
11 20
13 22
2
I 3
22 25
22 25
0
e) Estandarizamos usando la frmula de la distribucin normal de probabilidad, que escrita en trminos propios del PERT probabilstico
se expresa as:
Z=
Para Tp=25
Para Tp=23
Z = (27-25)/
Z = (25-25)/
Z = (23-25)/
Z = 1,60
Z=0
Z = -1,60
Tp = 1,28
+ 25
Tp = 26,596 Semanas
Mtodo de la ruta crtica, CPM
Caractersticas
1. Supone que los tiempos de las actividades son determinsticos, es
decir se pueden predecir de manera confiable, sin incertidumbre
significativa.
2. En lugar de dar una importancia primordial al tiempo, el CPM asigna
la misma importancia al tiempo y al costo.
Comportamiento de los costos directos
En la grfica siguiente se ilustra el comportamiento de los costos directos de un proyecto, en la cual se deduce la frmula de la pendiente
que nos indica lo que se incrementa el costo directo total por unidad
de tiempo reducido en el proyecto.
CC = Costo directo a duracin mnima crtica
Cn = Costo directo a duracin normal
Dc = Duracin mnima crtica de la actividad
Dn = Duracin normal de la actividad
Costos
directos
Cc
Cc - Cn
Cn
Dn -Dc
Dc
Dn
Duracin
243
Cc
Cc - Cn
Cn
Dc -Dn
Dn
Dc
Duracin
Lo anterior a nivel infinitesimal, ahora, si sumamos punto a punto obtenemos la grfica de los costos totales que se ilustra a continuacion.
Costos
Costos Totales
Costo
Total
Mnimo
Costos Indirectos
Costos Directos
Duracin a Costo
Total Mnimo
Duracin
Procedimiento
1. Se calcula la RUTA CRTICA y se colocan los costos directos a duracin normal asociados a ella.
2. Considerar la reduccin en la duracin del proyecto.
a) La atencin se debe centrar sobre las actividades de la RUTA
CRTICA a fin de lograr una reduccin en la duracin al mnimo
costo posible.
b) Se debe comprimir tanto como sea posible la actividad crtica
que tenga la pendiente tiempo - costo ms pequea. Se recomienda hacer sta operacin por unidad de tiempo ya que durante la
reduccin, la ruta crtica puede variar.
c) El nuevo programa debe considerarse ahora para reduccin, seleccionando la actividad crtica con la mnima pendiente.
244
Actividada
Mnimo
Normal
precedente Duracin Costo Duracin Costo
Ninguna
8
100
6
200
Ninguna
4
150
2
350
A
2
50
1
90
A
10
100
5
400
B
5
100
1
200
C,E
3
80
1
100
Pendiente
(200 - 100)/( 8 - 6) = 50
(350 - 150)/( 4 - 2) = 100
( 90 - 50)/( 2 - 1) = 40
(400 - 100)/(10 - 5) = 60
(200 - 100)/( 5 - 1) = 25
(100 - 80)/( 3 - 1) = 10
245
D 10
8 18
8 18
0
A8
0 8
0 8
0
C 2
8 10
13 15
5
B 4
0 4
6 10
6
E 5
4
9
10 15
6
F 3
10 13
15 18
5
Duracin: 17 Semanas
Costos directos: 580+50= $630
Ruta crtica: A-D
Actividad a Disminuir en 1 semana: A, con
la menor pendiente de $50/Semana
D 10
7 17
7 17
0
A7
0 7
0 7
0
C 2
7
9
12 14
5
B 4
0 4
5 9
5
E 5
4
9
9 14
5
F 3
9 12
14 17
5
C 2
6
8
11 13
5
B 4
0 4
4 8
4
E 5
4
9
8 13
4
246
Duracin: 16 Semanas
Costos directos: 630+50= $680
Ruta crtica: A-D
Actividad a Disminuir en 1 semana: D, con
pendiente de $60/Semana
D 10
6 16
6 16
0
A 6
0 6
0 6
0
F 3
9 12
13 16
4
D 9
6 15
6 15
0
A 6
0 6
0 6
0
C 2
6
8
10 12
4
B 4
0 4
3 7
3
E 5
4
9
7 12
3
F 3
9 12
12 15
3
D8
6 14
6 14
0
A 6
0 6
0 6
0
C 2
6
8
9 11
3
B 4
0 4
2 6
2
E 5
4
9
6 11
2
F 3
9 12
11 14
2
D7
6 13
6 13
0
A 6
0 6
0 6
0
C 2
6 8
8 10
2
B 4
0 4
1 5
1
E 5
4
9
5 10
1
F 3
9 12
10 13
1
Duracin: 14 Semanas
Costos directos: 740+60= $800
Ruta crtica: A-D
Actividad a Disminuir en 1 semana: D, con
pendiente de $60/Semana
Duracin: 13 Semanas
Costos directos: 800+60= $860
Ruta crtica: A-D
Actividad a Disminuir en 1 semana: D, con
pendiente de $60/Semana
247
D6
6 12
6 12
0
A 6
0 6
0 6
0
C 2
6 8
7 9
1
Fjese que existen dos rutas crticas independientes (sin actividades en comn para
ambas rutas). Si disminuimos en 1 semana
B 4
E 5
la actividad D la ruta crtica B-E-F subsis4 9
0 4
tir y en la siguiente grfica tendremos que
4 9
0 4
disminuir en 1 semana la actividad F, de
0
0
menor pendiente ($10/semana), en dicha
ruta, todo ello para lograr disminuir el proyecto de 12 a 11 semanas. Para ste
caso podemos hacer la disminucin simultaneamente sobre las actividades D y F,
como se muestra a continuacin.
F 3
9 12
9 12
0
D5
6 11
6 11
0
Duracin: 11 Semanas
Costos directos: 920+60+10= $990
Rutas crticas: A-D y B,E,F
Actividad a Disminuir en 1 semana: No hay
A 6
0 6
0 6
0
C 2
6 8
7 9
1
B 4
0 4
0 4
0
E 5
4 9
4 9
0
F 2
9 11
9 11
0
Conclucin
El proyecto como mximo se puede reducir a 11 semanas con un costo
directo total de $990
El mtodo CPM es una negociacin trueque de duracin y costos directos, pero de manera inteligente.
A continuacin presenta un ejemplo an ms completo, en donde se
tienen en cuenta los costos indirectos, los costos directos, los costos
totales del proyecto y adicionalmente se grafican, obteniendo la duracin del proyecto para que los costos totales sean mnimos.
248
5100
Pendiente
300/1 = 300
400/2 = 200
200/1 = 200
No tiene
600/1 = 600
200/2 = 100
600/4 = 150
Construccin de la red
A
B
C
F
E
A 2
0 2
4 6
2
D 1
2 3
6 7
4
B 5
0 5
2 7
2
C 4
0 4
0 4
0
F 6
7 13
7 13
0
Duracin: 13 Semanas
Costos directos: $5.100
Ruta crtica: C-E-F
Actividad de la ruta crtica a Disminuir en
1 semana: F, con la menor pendiente de
$100/Semana.
E 3
4 7
4 7
0
G 8
4 12
5 13
1
A 2
0 2
4 6
2
D 1
2 3
6 7
4
B 5
0 5
2 7
2
C4
0 4
0 4
0
7
7
E 3
4 7
4 7
0
G 8
4 12
4 12
0
250
Duracin: 12 Semanas
Costos directos: 5.100+100=$5.200
Rutas crticas: C-E-F y C-G
Actividad a disminuir en 1 semana: C
F5
12
12
0
Aqu hay dos rutas crticas, fjese que tienen en comn la actividad C cuya pendiente es $200/semana. Si disminuimos la actividad F en 1 semana, por tener la menor
pendiente en su ruta, la ruta crtica C-G
sobrevivir y disminuiremos la actividad G
en 1 semana, por tener la menor pendiente
en su ruta de $150/semana, luego para disminuir la duracin del proyecto de 12 a 11
semanas nos cuesta 100+150= $250. mejor
opcin es disminuir en 1 semana la actividad comn C que causa de inmediato la reduccin de 1 semana en la duracin total
del proyecto y pasar de 12 a 11 semanas
nos costar $200 en vez de $250
A 2
0 2
3 5
3
D 1
2 3
5 6
3
B 5
0 5
1 6
1
C3
0 3
0 3
0
6
6
F5
11
11
0
E 3
3 6
3 6
0
G 8
3 11
3 11
0
A 2
0 2
3 5
3
D 1
2 3
5 6
3
B 5
0 5
1 6
1
C3
0 3
0 3
0
6
6
E 3
3 6
3 6
0
G7
3 10
3 10
0
F4
10
10
0
Duracin: 11 Semanas
Costos directos: 5.200+200=$5.400
Rutas crtica: C-E-F y C-G
Aqu la actividad comn C ha llegado a su
mnima duracin, luego para reducir en 1
semana todo el proyecto debemos considerar las actividades F y G, mnimas y reducibles cada una en su ruta crtica respectiva,
los costos totales se incrementaran en
100+150= $250
Duracin: 10 Semanas
Costos directos: 5.400+100+150= $5.650
Rutas crtica: C-E-F y C-G
Aqu, persisten las dos rutas crticas, en CE-F la nica que se puede reducir es E con
una pendiente de $600/semana y en la ruta
crtica C-G la nica reducible es G, con una
pendiente de $150/semana, luego reducir
el proyecto en 1 semana cuesta 600+150=
$750
251
D 1
2 3
4 5
2
B 5
0 5
0 5
0
C3
0 3
0 3
0
F4
5 9
5 9
0
E 2
3 5
3 5
0
G6
3 9
3 9
0
Duracin: 9 Semanas
Costos directos: 5.650+600+150= $6.400
Rutas crtica: B-F, C-E-F y C-G
Aqu, ya hemos conseguido los costos directos para 9,10,11,12 y 13 semanas.
Tabla resumen
Duracin del proyecto
9
10
11
12
13
Costos indirectos
6.000 6.150 6.200 6.500 7.100
Costos directos
6.400 5.650 5.400 5.200 5.100
Costos Totales
12.400 11.800 11.600 11.700 12.200
En la tabla resumen se observa que el proyecto se debe hacer en 11
semanas para lograr un costo total mnimo de $11.600
Costos
($)
Costos Totales
Costo
Total $11.600
Mnimo
Costos Indirectos
Costos Directos
11
Duracin a Costo
Total Mnimo
252
Duracin
(Semanas)
Apndice 1
Lecturas
Historia de la Investigacin de Operaciones
Definiciones de Investigacin de Operaciones
Biografa de George Bernard Dantzig
El analsta de Investigacin de Operaciones
La Investigacin de Operaciones en la prctica
Modelos de Investigacin de Operaciones
Apndice
Apndice
Apndice
Apendice
Apendice
258
Apendice
Apendice
1.- Transporte.
2.- Almacenamiento, distribucin y manipulacin.
3.- Comunicaciones.
Chiavenato Idalberto, Introduccin a la Teora General de
Administracin, Mc. Graw Hill, 1989
George Dantzig: Fundador de la Programacin Lineal
SIAM News, Noviembre de 1994
A pesar de los grandes adelantos en la optimizacin computacional
ocurridos durante los ltimos 20 aos (por ejemplo, los avances en los
mtodos de punto interior), el mtodo Simplex inventado por George
B. Dantzig en 1947 es an la herramienta principal en casi todas las
aplicaciones de la programacin lineal.
Dantzig es considerado como uno de los tres fundadores de la programacin lineal, compartiendo dicho honor con Von Neumann y
Kantorovich. A travs de su investigacin en teora matemtica, computacin, anlisis econmico y aplicaciones de problemas industriales
ha logrado contribuir ms que cualquier otro investigador al desarrollo de la programacin lineal.
El trabajo de Dantzig ha sido reconocido con numerosos honores, de
entre los cuales sobresalen: La Medalla Nacional de la Ciencia (1975),
el Premio John Von Neumann de la Sociedad Americana de Investigacin de Operaciones y el Instituto de Ciencias Administrativas (1974),
la membresa en la Academia Nacional de Ciencias, la Academia Nacional de Ingeniera y la Academia Americana de Ciencia y Arte.
La programacin lineal y sus derivados (tales como la optimizacin no
lineal con restricciones y la programacin entera) han sido capaces de
pasar la prueba del tiempo sin debilitarse, y en nuestros das afectan
las prcticas econmicas de las organizaciones y sus administraciones. El cientfico computacional Laszolo Lovasz dijo en 1980, Si se
tomaran estadsticas acerca de cul problema matemtico usa la mayora del tiempo computacional en el mundo (sin incluir problemas de
manejo de bases de datos, como la bsqueda y ordenamiento), seguramente la respuesta sera la programacin lineal. En ese mismo ao
Eugene Lawler de Berkeley dijo lo siguiente: La programacin lineal
se usa para asignar recursos, planear la produccin, planear el horario
de trabajadores, planear la cartera de inversin y formular estrategias de mercado (y militares). La versatilidad e impacto econmico de
la programacin lineal en el mundo industrial actual es realmente impresionantes.
En palabras del propio Dantzig: El tremendo poder del mtodo Simplex
260
Apendice
me sorprende constantemente. Citando el simple ejemplo del problema de asignacin (70 personas para 70 tareas) y el enorme poder
computacional que se requerira para analizar todas las permutaciones
y seleccionar la solucin ptima, observ lo siguiente: slo toma un
momento encontrar la solucin ptima usando una computadora personal y un paquete que maneje el mtodo simplex estndar.
Dantzig escribi en 1991: es interesante notar que el problema original que ocasion mi investigacin est todava pendiente, es decir, el
problema de la planeacin dinmica a travs del tiempo, particularmente bajo condiciones de incertidumbre. Si este tipo de problemas
pudieran resolverse satisfactoriamente, se podra contribuir (tras una
buena planeacin) al mejoramiento de este mundo y del ser humano.
La contribucin de Dantzig, segn sus explicaciones, naci de su experiencia en el Pentgono durante la Segunda Guerra Mundial, en donde
se convirti en experto en programacin (mtodos de planeacin hechos con calculadoras). En 1946, como consejero matemtico de la Fuerza Area Norteamericana, tuvo el reto de mecanizar los procesos de
planeacin. En aquellos tiempos de computadoras pre-electrnicas,
mecanizar quera decir usar aparatos analgicos o mquinas de tarjetas perforadas. (Programar era un trmino militar que no se refera
a las instrucciones usadas por la computadora para resolver problemas, sino a los planes o calendarizaciones propuestas para el entrenamiento, logstica, o despliegue de unidades de combate. El nombre de
programacin lineal, que ha confundido a mucha gente, est basado
en la definicin militar de programa).
Los que mandan generalmente mueven las manos y dicen He considerado todas las alternativas. Pero eso es casi siempre basura. Lo ms
probable es que no pudiesen estudiar todas las combinaciones.
George Bernard Dantzig naci el 8 de Noviembre de 1914 en Prtland,
Oregon, USA. Actualmente es profesor emrito en el departamento
de Investigacin de Operaciones de la Universidad de Stanford. Se
recomienda consultar la siguiente direccin en internet
www.stanford.edu/dept/eesor/people/faculty/dantzig/
George B. Dantzig , el creador de la programacin lineal, en una entrevista publicada en The College Mathematical Journal, Marzo de 1986.
Se presenta a continuacin, parte de esta entrevista:
Considere el problema de asignar 70 hombres a 70 empleos. Una actividad consiste en asignar el isimo hombre al j-simo empleo. Las
restricciones son dos: en primer lugar hay 70 hombres, cada uno de los
cuales debe asignarse a un puesto, y en segundo lugar, cada uno de los
261
Apendice
Apendice
Apendice
Apendice
Apendice
teora de juegos.
Los analistas de investigacin de operaciones hacen uso extensivo de
los recursos computacionales en su trabajo. Generalmente son expertos
en el manejo de bases de datos, programacin, y desarrollo de software sofisticado. La mayora de los modelos realizados por los analistas
de investigacin de operaciones son tan complicados que slo una
computadora los puede resolver eficientemente.
Los problemas que manipulan varan segn la industria. Por ejemplo, un
analista para una aerolnea coordinar la calendarizacin de vuelos y
mantenimiento, estimados de nivel de pasajeros, y consumo de combustible para producir un calendario que optimice todos estos factores
y as asegure la seguridad y producir la mayor ganancia posible. Por
otro lado, un analista empleado en un hospital se concentrar en
diferentes problemas, como el control de admisin de pacientes, el
manejo del flujo de pacientes, la asignacin de turnos, monitoreo de
uso de servicios de farmacia y laboratorios, o el pronstico de la
demanda para nuevos servicios del hospital.
El papel del analista de investigacin de operaciones vara de acuerdo
a la estructura y filosofa administrativa de la compaa. Algunas
empresas centralizan la investigacin de operaciones en un
departamento; otras dispersan el personal de investigacin de
operaciones a travs de todas las divisiones. Algunos analistas de
investigacin de operaciones se especializan en un tipo de aplicacin;
otros se generalizan.
El grado de supervisin vara segn la estructura y experiencia de la
organizacin. En algunas empresas los analistas tienen un grado muy
alto de independencia profesional; en otras, los analistas son
supervisados celosamente. Los analistas de investigacin de
operaciones tienen una relacin muy cercana con los administradores
de alto nivel, quienes tienen una gran variedad de requerimientos de
soporte. Los analistas deben adaptar su trabajo para cubrir estas
necesidades.
Sin considerar la estructura de la organizacin o la industria, la
investigacin de operaciones vincula un conjunto similar de
procedimientos. Los administradores comienzan el proceso describiendo
los sntomas del problema al analista. El analista define entonces el
problema, el cual algunas veces es de naturaleza general y otras es
especfico. Por ejemplo, un analista de una manufacturera automotriz
querr determinar el nivel ptimo de inventario de cada uno de los
materiales para un nuevo proceso de produccin o, ms especficamente,
para determinar cunto acero debe ser almacenado.
Despus de que el analista define el problema, aprende todo lo que se
puede acerca de l. Investiga el problema, despus lo divide en pequeos
266
Apendice
Apendice
Apendice
269
Apendice
1.6
12.9
38.7
53.2
59.7
33.9
Apendice
PERT/CPM
Programacin lineal
Teora de las colas
Programacin no lineal
Programacin dinmica
Teora de los juegos
25.8
25.8
40.3
53.2
61.3
69.4
53.2
59.7
50.0
38.7
33.9
27.4
21.0
14.5
9,7
8.1
4.8
3,2
Rango de Conocinmiento
1
2
3
Uso(%)
83,8
80,3
58,1
271
Apndice
Lneas de espera
rboles de decisin
Programacin entera
Anlisis de reposicin
Programacin Dinmica
Procesos de Markov
Programacin no lineal
Programacin de metas
Teora de juegos
4
5
6
7
8
9
10
11
12
54,7
54,7
38,5
38,5
32,5
31,6
30,7
20,5
13,7
Tomado de: Introduccin a los Mtodos Cuantitativos para administracin, por David R. Anderson, Dennis J. Sweeney, Thomas A. Williams.
Grupo Editorial Iberoamericano.
272
Apndice
Determinsticos
Hbridos
Estocsticos
Optimizacin
no lineal
Optimizacin
lineal
Programacin
Dinmica
Programacin
Estocstica
Mtodos
Clsicos
Programacin
Lineal
Inventarios
Lneas de
espera
Mtodos
de bsqueda
Transporte y
Asignacin
Simulacin
Procesos
Estocsticos
Programacin
no Lineal
Programacin
Entera y 0,1
PERT
CPM
Redes
Mtodos
Heursticos
Teora de
decisiones
y juegos
273
274
Estandarizacin
Funcin de densidad
Apendice 2
0
0.00
0.5000
0.5398
0.5793
0.6179
0.6554
0.6915
0.7257
0.7580
0.7881
0.8159
0.8413
0.8643
0.8849
0.9032
0.9192
0.9332
0.9452
0.9554
0.9641
0.9713
0.9772
0.9821
0.9861
0.9893
0.9918
0.9938
0.9953
0.9965
0.9974
0.9981
0.9987
0.9990
0.9993
0.9995
0.9997
0.9998
0.9998
0.9999
0.9999
1.0000
0.01
0.5040
0.5438
0.5832
0.6217
0.6591
0.6950
0.7291
0.7611
0.7910
0.8186
0.8438
0.8665
0.8869
0.9049
0.9207
0.9345
0.9463
0.9564
0.9649
0.9719
0.9778
0.9826
0.9864
0.9896
0.9920
0.9940
0.9955
0.9966
0.9975
0.9982
0.9987
0.9991
0.9993
0.9995
0.9997
0.9998
0.9998
0.9999
0.9999
1.0000
0.02
0.5080
0.5478
0.5871
0.6255
0.6628
0.6985
0.7324
0.7642
0.7939
0.8212
0.8461
0.8686
0.8888
0.9066
0.9222
0.9357
0.9474
0.9573
0.9656
0.9726
0.9783
0.9830
0.9868
0.9898
0.9922
0.9941
0.9956
0.9967
0.9976
0.9982
0.9987
0.9991
0.9994
0.9995
0.9997
0.9998
0.9999
0.9999
0.9999
1.0000
0.03
0.5120
0.5517
0.5910
0.6293
0.6664
0.7019
0.7357
0.7673
0.7967
0.8238
0.8485
0.8708
0.8907
0.9082
0.9236
0.9370
0.9484
0.9582
0.9664
0.9732
0.9788
0.9834
0.9871
0.9901
0.9925
0.9943
0.9957
0.9968
0.9977
0.9983
0.9988
0.9991
0.9994
0.9996
0.9997
0.9998
0.9999
0.9999
0.9999
1.0000
0.04
0.5160
0.5557
0.5948
0.6331
0.6700
0.7054
0.7389
0.7704
0.7995
0.8264
0.8508
0.8729
0.8925
0.9099
0.9251
0.9382
0.9495
0.9591
0.9671
0.9738
0.9793
0.9838
0.9875
0.9904
0.9927
0.9945
0.9959
0.9969
0.9977
0.9984
0.9988
0.9992
0.9994
0.9996
0.9997
0.9998
0.9999
0.9999
0.9999
1.0000
0.05
0.5199
0.5596
0.5987
0.6368
0.6736
0.7088
0.7422
0.7734
0.8023
0.8289
0.8531
0.8749
0.8944
0.9115
0.9265
0.9394
0.9505
0.9599
0.9678
0.9744
0.9798
0.9842
0.9878
0.9906
0.9929
0.9946
0.9960
0.9970
0.9978
0.9984
0.9989
0.9992
0.9994
0.9996
0.9997
0.9998
0.9999
0.9999
0.9999
1.0000
0.06
0.5239
0.5636
0.6026
0.6406
0.6772
0.7123
0.7454
0.7764
0.8051
0.8315
0.8554
0.8770
0.8962
0.9131
0.9279
0.9406
0.9515
0.9608
0.9686
0.9750
0.9803
0.9846
0.9881
0.9909
0.9931
0.9948
0.9961
0.9971
0.9979
0.9985
0.9989
0.9992
0.9994
0.9996
0.9997
0.9998
0.9999
0.9999
0.9999
1.0000
0.07
0.5279
0.5675
0.6064
0.6443
0.6808
0.7157
0.7486
0.7794
0.8078
0.8340
0.8577
0.8790
0.8980
0.9147
0.9292
0.9418
0.9525
0.9616
0.9693
0.9756
0.9808
0.9850
0.9884
0.9911
0.9932
0.9949
0.9962
0.9972
0.9979
0.9985
0.9989
0.9992
0.9995
0.9996
0.9997
0.9998
0.9999
0.9999
0.9999
1.0000
0.08
0.5319
0.5714
0.6103
0.6480
0.6844
0.7190
0.7517
0.7823
0.8106
0.8365
0.8599
0.8810
0.8997
0.9162
0.9306
0.9429
0.9535
0.9625
0.9699
0.9761
0.9812
0.9854
0.9887
0.9913
0.9934
0.9951
0.9963
0.9973
0.9980
0.9986
0.9990
0.9993
0.9995
0.9996
0.9997
0.9998
0.9999
0.9999
0.9999
1.0000
0.09
0.5359
0.5753
0.6141
0.6517
0.6879
0.7224
0.7549
0.7852
0.8133
0.8389
0.8621
0.8830
0.9015
0.9177
0.9319
0.9441
0.9545
0.9633
0.9706
0.9767
0.9817
0.9857
0.9890
0.9916
0.9936
0.9952
0.9964
0.9974
0.9981
0.9986
0.9990
0.9993
0.9995
0.9997
0.9998
0.9998
0.9999
0.9999
0.9999
1.0000
275
276
Bibliografa
BAZARAA, Mokhtar S., JARVIS, John J., SHERALI, Hanif D., Programacin Lineal y flujo de redes. Editorial Limusa S.A. de C.V. Grupo
Noriega Editores, Balderas 95, Mxico D. F. Segunda edicin. 1.998
CHANG, Yih-Long. WinQsb, Soporte para el software. John Wiley &
Sons, Inc. 1.998
EPPEN D. G., GOULD F. J., SCHMIDT C. P. Investigacin de operaciones
en la ciencia administrativa., Editorial Prentice Hall Hispanoamericana
S.A., Mxico. Tercera edicin 1.992
GALLEGHER Charles A., HUNG, J. Watson. Mtodos cuantitativos para
la toma de decisiones en la administracin. Editorial McGraw-Hill
Interamericana, Mxico. Primera edicin 1.982
GONZALEZ ARIZA, Angel Len. Manual prctico de investigacin de
operaciones. Segunda edicin 1.998. Ediciones Uninorte.
HILLIER, Frederick S.; LIEBERMAN, Gerald J. Introduccin a la
investigacin de operaciones. Sptima edicin. Editorial McGraw-Hill
Interamericana, Mxico. 2001
LEVIN, Richard., KIRKPATRICK, Charles A., Enfoques cuantitativos a
la administracin. Compaa editorial continental, S. A. Mxico. Novena reimpresin 1.997
MATHUR, Kamlesh., SOLOW Daniel., Investigacin de Operaciones :
El arte de la toma de decisiones. Editorial Prentice Hall
Hispanoamericana S.A. 1.996
SASIENI, Maurice., YASPAN, Arthur., FRIEDMAN, Lawrence.
Investigacin de Operaciones, Mtodos y problemas. Editorial Limusa,
Mxico, 1.978
277
278
Software
A continuacin damos una lista de programas informticos con la
direccin Web, en las que el lector podr obtener informacin reciente
y detallada del software, incluyendo en muchos casos una versin de
evaluacin.
ARSHAM, Hossein Dr. www.brave.as/arsham
AIMMS, Paragon Decisin Technology, Haarlem, Holanda, http://
www.paragon.nl
BOGAZII UNIVERSITY ISTANBUL-TURKEY, Departamento de
sistemas., http://mis.boun.edu.tr/erdem/winqsb.html
CORPORACIN UNIVERSITARIA DE IBAGU, Programa de
Ingeniera Industrial., www.cui.edu.co/industrial/io.htm
CPLEX for AMPL, MINOS for AMPL, Compass Modeling Solutions, Reno,
Nevada, http://www.modeling.com
FORT MP, Numerical Algorithms Group., http://www.nag.com
GAMS, Gams Development Corporation, Washington, http://
www.gams.com
INVESTIGACIN OPERATIVA., http://members.tripod.com/
~operativa
LINDO, LINGO, WHATS BEST, Lindo Systems, Chicago, http://
www.lindo.com
LP/MIPSolvers, PREMIUM SOLVER for EXCEL, frontline Systems,
http://www.frontsys.com
LPS-867, Applied Automated Engineering Corporation, Pennington, N.
J., http://www.aae.com
279
280