INVESTIGACION OPERATIVA I Lorgio Trinidad Rivera Lima - PertLeinese Unidad FUNDAMENTOS DE INVESTIGACION DE OPERACIONES 4.1. Introduccion ala Investigacisn de Operaciones 4.2. Metodoiogia de Investigacién de Operaciones 1.3. Beneficios de la Investigacién de Operaciones 4.4 Modelos de Investigacion de Operaciones 4.8. Prueba de Evaluacién. OBJETIVOS ~ 1 3. ‘Se expone los concepios de ia investigacién de operaciones, de- sarrollo, evaluacién de investigacion de operaciones. Metodologia para tomar decisiones con respecto a un problema planteado. Elparticipante, terminada Ia unidad estara en condiciones de se- guir ala siguiente unidad.Lecci6n 1.1 INTRODUCCION ALA INVESTIGACION DE OPERACIONES 4 Conceptos de Investigacién de Operaciones. Es un conjunto de procedimientos, técnicas y cientificas en la aplicacion a problemas relacionados con el control de las organizacio- nes o sistemas (hombre-maquina) a fin de que se produzcan solucio- nes que mejor sian a los objetivos de toda la organizacién. Por lo tanto la Investigacion Operativa basicamente tiene 3 caracteristicas: lenfoque de sistema, el uso dé equipo interdisciplinari y la adaptacion del método cientific. 2. Historia de la Investigacién de Operaciones La revolucisn industrial significd primorciaimente un cambio en las estructuras delas organizaciones, ya que a raiz de esto presenta- ron un notable crecimiento en cuanto @ la magnitud y complejidad de sus relaciones. Un factor relevante de este gran cambio fue el adveni- miento de la especializacibn del trabajo y la segmentacion Ge las res- pansabilidades en la toma de decisiones administrativas de dichas organizaciones, ‘Aunque esta especializacién dejé resultados positivos, ta dio origen a diversos problemas. Uno de los principales consistio en que muchos componenites de la organizacion tendian a crecer en for- ‘ma auténoma con objetivos y metas propias. Esto hizo perder a vision sistematica de Ja organizacién, lo cual, a su vez, originé contlictos de interés entre dichos componentes y, en consectencia, se afecto ef objetivo final de la organizacién. nAnte este crecimiento se hizo més dificil la asignacién de recur- Sos entre los diferentes componentes, de tal forma que fuese efectivo ara la organizacion, vista como un todo. Estos problemas y la urgen- te necesidad de resoiverios dieron lugar al medio necesario para e! surgimiento de la investigacién de operaciones. A mediados de 1914 durante la Primera Guerra Mundial, se Je encomends a Thomas ANva Edison la tarea de averiguar las maniobras de los barcos mercantes que fueran mas eficaces para disminuir las érdidas de embarques causadas por los submarinos enemigos. ‘Mas 0 menos en la misma-época (fines de Ta década de 1910) A.K. Eriang, Ingeniero Danés, levo a cabo experimentos relacionados Con las fluctuaciones de la demanda de instalaciones telefonicas en relacién con el equipo automatico, sus trabajos constituyen la base de nuestros. modelos matematicos que se usan aclualmente en la teoria de linea de espera. Desde principios de 1937 se les pidié a los cientificos ingleses, cada vez con mas frecuencia, que ayudaran alos militares a descubrie ‘a mejor manera de ulizar e! radar para localizar aviones enemigos, poco después de la formacién de ese grupo se reuni el grupo de mando de investigacién contra aviones para estudiar los problemas de Punterla contra aviones (septiembre 1940). Encabezaba el grupo el distinguido fisico inglés PM.S- Blackett Ese grupo de 11 hombres de ciencia crecid y se dividié en dos grupos del ejercito y de la marina, lo que dio por resultado que las tres fuerzas militares inglesas tuvieran un grupo de investigacién de opera- Ciones que llevé a cabo investigaciones militares desde el principio de la Guerra (1941). Ese tipo de actividades cientificas se conocié en Inglaterra como Investigacion Operacional, porque los primeros estu- dios se dedicaron a la utiizacién del radar en fas operaciones y los efeciuaron hombres de ciencias famosos en las investigaciones de radar, . En abril de 1942, ya se habia tomado y puesto en practice ts decisién de introducir las investigaciones de operaciones a nivel supe- rior. Los problemas iniciales incluian el radar y la creacién de convoyes de la marina mercante, destinados a aminorar las perdidas causadas por los submarinos enemigos. En la fuera Aérea de los Estados Unidos se le dio Analisis de COparaciones y en la Marina y Ejercito de este mismo pais se les llamo Investigacion de Operaciones y Evaluacion de Operaciones respectiva- mente, Este tipo de actividades, también se ha desarroliado, en Cana- day Francia durante la Segunda Guerra Mundial Después de la Guerra los integrantes de estos grupos cientificos fueron elementos importantes en la reconstruccisn de fabricas e indus- \vias y administrativos; otros continuaron colaborando en los aspectos res, En Gran Bretafa, los trabajadores de investigacion de operacio- nes fueron absorbidos por las industrias fabriles inglesas, por las re- cién nacionalizadas fabricas que necesitaban un grupo humano de investigacién de operaciones para solucionar sus probiemas. Se de- sarrollé as! le investigacin de operaciones industrial. Por parte de los Estados Unidos, aumentaron su presupuesto e interes por la investiga- cién de defensa, de forma que la investigacién operativa increment, En 1945, el economista G.J. Stigler plantea un problema con to- das las caracteristicas de ta programacion lineal, En 1947, George 8. Danisig a quien se le considera el creador de la programacién lineal, junto con Marshall Wood, John Morton y Murray Geisler plantearon lo que es la base del método simplex, para resolver los problemas de ecuaciones lineales. Desde 1947 los principales aportes fueron hechos por'Von Neuman, creador unto con Trucker, de la teoria de juegos.De esta manera, la investigacién de operaciones empezé a filtrar- Lecclon 2 se en la industria, en los.negocios y en el gobierno civil. En 1951 ya habia dominado la Gran Brétafia y estaba en proceso de hacerio en los Estados Unidos. Desde entonces este campo se ha desarrollado con ‘mucha rapidez, 3. Metodologia de Investigacion de Operaciones Se analizara un proceso de aplicacién de modelos cualitatives para tener éxito en la solucién de problemas reales. Este proceso se organiza en un marco de ocho pasos para la toma de decisiones incorpora metodologia cientifica. Cabe sefialar, que este esquemano debe considerarse como un conjunto rigido de pasos que se inician en tun punto y se siguen secuencialmente uno a un hasta su extrema En todo tipo de problemas; ni se debe observar el total de los pasos para algunos problemas. 4. Primer Paso: Reconocer la necesidad implica la aceptacién de parte de las personas responsables de Jas decisiones de que se deben tomar algunas medidas para cam- biar o mejorar alguna situacién determinada. Implicitos en la aceptacion, estan los objetivos y criterios cuyo alcance evalvara ia persona que analice la apropiada reiacion entre el sujeto que decidira y ls expertos en la materia, Comienza por cualquier parte del problema percibide por el usua- Tio, pero crea un ambiente ae construcci6n del modelo que sea compatible con los fines de mejoramiento de la organizacién. 2. Segundo Paso: Formular el problema Es el proceso de expresar explicitamente y sin ambigdedades las caracteristicas esenciales del problema, Variables y parametros pertinentes, resticciones, criterios subyacentes 0 funciones objetivo. Esto sera como un plano arquitectonico que nos guiard para buscar la solucién, sin el cual seria dificil lograr congruencia entre la solucién al problema y os criterias basicos. 15 “416 Tercer Paso: Constiuir el Modelo Una vez lograda la formulacién del problema. Hay que construir una replica 0 representacién del problema, 6sea un modelo ma- tematico que estipule explicitamente Ia estructura matematica ‘que relaciona los datos de entrada (variables controlables y no controlables, restricciones y parametros), con los datos de salida (valores del criterio segiin se haya expresado ena funcién objeti- vo). Los modelos se utiizan en lugar del sistema real por raz0- nes de economia y posibilidades de la experimentacién, los bue- nos modelos capturan la esencia de la realidad y tienen la posibi- idad de permanecer adecuados conforme evoluciona la delinea- cién del problema. Guarto Paso: Recolectar Datos Después de tener el modelo hay que recoger datos para proce- satlos en él. El papel del sistema de criterios es muy importante; Jos datos deberan estar orientados a la decision que se vaye @ tomar, aun cuando canceptualmente sea correcto pensar que los, criterios dictan la formulaci6n del problema, La que asu vez dicta la seleccién del modelo, y esta a su vez la recoleccién de datos. El flujo puede invertirse, pues la existencia de datos puede ayu- dar a escoger el modelo. Quinto Paso: Resolver el Modelo La solucién det modelo es un aspecto importante de operacio- res; es el aspecto primordial del proceso para tomar decisiones. En.un sentido general, ia solucién de un modelo consiste en en- contrar aquellos valores para las variables controlables que den resultados éptimos, juzgados en términos de los criterios. Debi- do a que hay gran variedad de procedimientos de solucién para los modelos en investigacién de operaciones, que ha adoptado e! concepto de estructura taxonémica de as ciencias biolégicas en un intento de categorizar las técnicas cuantitatives y proporcio- nar un "mapa" para los materiales que se estucian. 6 Sexto Paso: Validar el Modelo y Hacer Anal lidad. Una vez que se ha generado el modelo se requiere el analisis posterior 2 la soluci6n, el cual se debe enfocar a ta validez del modelo y la validez de la solucién misma, La Validacion del modelo estudia si e! modelo representa satis factoriamente el ambite del problema. La validacién es un procedimiento continuo que comienza en la fase de construccién dei modelo y termina slo cuando las condi- clones en las que se haya identificado al problema original ya no existen, Elproblema de determinarsilas variables y os modelos son ono signifcativos, se puede resolver utlizando herramientas estadis- ticas tales como el andlisis de regresién y correlacion y el anali- sis de varianza y covarianza Una vez que haya encontrado la solucion, las personas que va- yan a decidir, deberan prestar atencion ao siguiente: 1. Analizar sila solucién seleccionada es mejor que otras alter- nativas. 2, Observarel grado de estabilidad en los resultados. ‘Séptimo Paso: Interpretar los resultados y las implicaciones. [Se trata de un examen critico de los objetivos o crtterios del Usuario y la evaluacién de esos criterios a la uz de los resultados del modelo. La palabra “optima” tiene un significado especial en la ciencia de la administracin. Una solucién se lama optima, cuando es la mejor de acuerdo a pruebas matematicas. Sin embargo, la solu- clon optima es siempre relativa a un conjunto de criterios cuida- dosamente establecidos y los criterios casi siempre seran subrogados. v18 Suboptimizacién, se refiere al costo que-se page por el mal dise- fio de sistemas-globales o por la toma de decisiones no adecua- das. Siempre ocurre debido a incongruencia de los criterios, se- leccion pobre de eriterios subyacentes, criterios que'se omitan y transaccién pobre entre los criterios por parte det responsable. Octavo Paso: tomar la Decisién, ponerla en pra trolar Después de determinar la validez de una solucién y verificar su consistencia con el crterio global, se podria pensar que la deci- sion es automatice. Esto es verdad en un sentido, pero no en otros. ay con El proceso de hacer y manejar modelos en investigacién de ope- raciones puede verse como proporcionando una informacién de entrada al sujeto responsable de decidir, pero este recibe otras informaciones que pueden ser igualmente importantes incluyen- 0 las puramente cualitativas 0 de naturaleza subjetiva. De hecho muchos resultados de la investigacién de operaciones se tratan ‘como planes iniciales que pueden modificar por consideraciones intangibles. Laformulacién de la regla de de eso de construir la respuesta de decisién programada. La for- mulacién de reglas de decisién esta en el modelo del proceso de direccién; implica el analisis de las situaciones problematicas y el desarrollo poiiticas y procedimientos para cubrir tales proble- mas. Elresponsable de la decisién, no sélo tiene que idenlificar bue- nas alternativas de decision, sino también escoger las que sean factibles de ponerse en practica. Esto implica una preparacién del clima organizacional para el cambio y las habllidades de! ad- ministrador para mover a las organizaciones. El Control o monitoreo del sistema que se debe seguir a la im- plantacién o puesta en practica de la solucion, son necesarios Xcesos de control para asegurar que la solucién de como \do los cambios predichos en el sistema, Se requieren los les para mantener la solucién dentro del curso previsto,, 0Leccién 1.3 4 Beneficio de la Investigacién de Operaciones Enla practica la instrumentacién de un proyecto de investigacion de operaciones en la solucién de un problema real en una organize cién, Tiene los siguientes beneticios a) Incrementar la posibilidad de tomar mejores decisiones en las organizaciones; con el uso de Ia investigacién de operaciones y la tecnologia sofisticada (computadoras) se tiene en cuenta en el sistema miles de componentes y cientos o miles de interrelaciones, Sin este ayuda las decisiones que se tomaban eran de cardcter intensivo. b) Mejor la coordinacién entre los multiples componentes de la or- ganizacién. En otras palabras, la investigacion de operaciones genera un mayor nivel de ordenacion ©) Mejora et contro! de! sistema alinstitur procedimientos sistems- ticos que supervisan por un lado tas operaciones que se llevan a cabo en la organizacién y por otro lado, evita ef regreso a un sistema peor. 9) Logra un mejor sistema al hacer que éste opere con costos mas bbajos, con interacciones mas fluidas, eliminando cuellos de bote- y logrando una mejor coordinacién entre los elementos mas portantes de todo el sistema 6 Mod os de Investigacién de Operaci nes westigacion de Operaciones se usa tres tipos de proble- isticos, con riesgo, bajo incertidumbre. oblemas Deterministicos on aquellos en los que cada altemativa del problema (hay mas lene una y solo una solucién, Como hay varias alternativas, ian varias soluciones, cada una con una diferente eficiencia idad asociada a los objetives del sistema, Porto tanto exis- | problema de decision, Problemas con Riesgo Son aquellos en los que cada altemativa de! problema (hay mas |. tienen varias soluciones, cada solucion puede ccurrir con una cierta probabilidad, la distribucion de estas probabilidades se conoce 0 lede estimar. Problemas Bajo Incertidumbre ‘Son aquellos en los que cada alternativa del problema (hay mas de dos) tiene varias soluciones. Sin embargo, se ignora con que pro- babilidad o distribucién probabilistica ocurriran estas soluciones, Definicion del Modelo Es la representacion idealizada de una realidad, en funcién delas rogantes planteadas, una realidad puede tener diversos modelos. El modelo es la representacion de un sistema de acuerdo a los objetives del estudio del sistema. Es decir, para cierto objetivo del sistema, ciertas partes del sistema son relevantes, y si cambia el objetivo 2de estudio, las partes relevantes del sistema probablemente seran /0 del estudio, un sistema pue- de estar representado por diferentes modelos. Clasificacién de los Modelos seguin forma de su presentacién: 1. Modelos Descriptivos Son aquellos que estan expresos en lenguaje convencional (es- Paitol, ingles o cualquier otro idioma). Usando este tipo de mode- los la selecci6n de alternativas se hace sobre la base de la intul- cién y el sentido comtin, 2. Modelos Icénicos 0 Fisicos Son aquellos que lucen como el sistema fisico correspondiente Ejm, Globo terrestre. 3. Modelos Simbéticos Son aquellos que estén expresados en una forma concisa a ta- ves de simbolos matematicos. Los modelos simbélicos pueden ser representados en forma analitica 0 en forma grafica via un Conjunto de funciones en la forma de ecuaciones e inecuaciones, 4, Modelos tipo procedimiento Son aquellos cuya expresién basica no esta formada por relacio- nes funcionales explicitas, sino por un conjunte de pasos que indican el procedimiento a seguir en la solucién de un problema La seleccién de alternativas en este tipo de modelos se hace a través de simulacion, En esencia un modelo tipo procedimiento es un modelo de simulacién, Clasificacién de ios Modelos segiin su estructura: 1. Modelos Deterministicos Son aquelios que no ineluyen propiedades relacionadas con fen6- ‘menos aleatorios. 22 jos Estocasticos ellos que incluyen variables o relaciones funcionales que deen de fendmenos aleatorios. los Lineales aquellos que incluyen solamente funciones lineales: Ejm. Y= 1%, %) Modelos no tineales ‘Son aquellos que incluyen funciones no lineales. Por ejemplo: un modelo que contiene expresiones de la forma: 2,290% 4) =F HK? Modelo Estatico Es aquel que representa a un sistema de manera que les varia~ bles y las reacciones funcionales no sufren alteraciones debido a cambio en el tiempo, Modelo Dinamico Es aquel que representa a un sistema de manera que el juega un rol importante, bles y fant ; |i, Modelo Continuo en magritud: es aquel que tiene variables y funciones continuas en magnitud. Modelo Discreto: i. Modelo Discreto en ef Tiempo: es aquel que incluye solo va- riables y funciones discretos en el tiempo. ji. Modelo Discreto en magnitud: es aquel que tiene sélo varia- bles cuyo rango de magnitud varia en forma discreta. 23Leccién-1.5 10, 11. 12, 18. 24 PRUEBAS DE AUTOEVALUACION Responda con verdadero (V) 0 Falso (F) lo siguiente: VF Lalnvestigacion Operativa'es una ciencia, VE La nvestigacién Operativa es administrative VE Lainvestigacién Operativa es una técnica VF La lnvestigacion Operativa se caracteriza por la adopcién de! método Cientffco, VF Formular elproblema es el tercer paso dela metedologia dela Investigacién de Operaciones VF Validacién del modelo estudia si el modelo representa satisfactoriamente et mbito del problema VF Suboptimizacion, se refiere al costo que se paga por 6! mal disefio de sistemas globales o por la toma de deci- siones no adecuadas. VF Incrementar la posibiidad de tomar mejores decisiones enlas organizaciones es la metodologia de Investigacion de Operaciones VF Mejora ia coordinacién entre los miliples componentes dela organizacion. Es el beneficio de ia Investigacion de Operaciones. VE Modelo significa pianteamiento del problema, VF Lucen como el sistema fisico, comesponde a modelos icdnicos. VF Los modelos simbélicos pueden ser representados en forma analitica 0 en forma grafica, WF Son aquellos que estén expresos en lenguaje convencio- nal; pertenece a modelos descriptivos caracteriza por tener variables y funciones continuas, modelo continuo, Modelo discreto en magnitud, cuyo rango de magnitud en forma directa. re en un circulo la respuesta correcta jos de 1914 durante la primera Guerra Mundial se ie \66 Ia tarea de averiguar las maniobras de fos bateos inles que fueron eficaces para disminuir fas ve ; ques causadas porles submarines enemigos. Fue: ng, b) Blackett —_¢) Stigler ) fi les pidi6’a los cientificos cada vez principios de 1937 se les pi eins coda Wer izar aviones enemigos: jor manera de ullizar el radar para lo ) Americanos b)Espafioles c)Japoneses _d) Rusos .cucir la Investigacion de operaciones a nivel Lade superior fue en abril de: a) 1945 b) 1931 ) 1950 0) 1948 1994 : tuoronhechos por: 1947 fos principales apts age b) Neuman, c) Marshall d) Murray } Blackett ymente y sin ambiguedades las roceso de expresar expl ; caratersteas esencales del problema, pertenece 2 so ) Recolectar datos b) Reconocer la necesida a ) forrnular el problema ¢) Construir modelo e) Validar e! modelo8. Estudia si el modelo representa satisfactoriomente el ambito del problema es: a) Resolver el modelo ») Interpretar los resultados ©) Tomar la decision 6) Validar el modelo e) Construir el modelo. 7. Palabra “éptimo" tiene un significado especial ena ncia de le: alingenieria_b) Economia ¢) Psicologia) Exectitud e) Administracion 8. Implica la aceptacion de parte de fas personas responsables de 'ss decisiones de que se deben tomar medidas para cambiar 0 ‘mejorar alguna situacion determinada, a) Recolectar datos b) Reconocer ia necesidad ©) Construir el modelo 4) Validar el modelo ) Interpretar los resultados, 8. Mejora el contrat de! sistema al institu procedimientos sistem: 'icos que supervisan por un lado las operaciones que se llevan a cabo en la organizacion y por otro lado, evita et regreso a un sistema pero, es: 2)Metodologia. b) Benefcio ) Modelo ©)Evolucién —d) Aplicacion 10. Son aquellos en los que cada alteratva de problema tiene varias Soluciones, sin embargo se ignora con que probabilidad o dist bucién probabilistica ocurriran estas soluciones. Es con: Riesgo ) Deter ©) Incertidumbre 4) Des €) Simbético 11. Es larepresentacién ideaizada de une realidad en funcion deles interrogantes planteadas. Pertenece: 2) Modelo b) Metodologia 4) Incertidumbre 6 que estén expresos en Lenguaje conyencional, Es ©)Fisico —_¢) Estatico ) Simbético 1 representados en forma analitica 0 en forma gratfica nto de funciones en la forma de ecuaciones e 5 un modelo: b) Estatico c)Dinamico —_¢) Descriptivo 0 los que no incluyen variables o relacioneé funcionales yenden de fendmengs aleatorios, es un modelo al b) Estocdstico c) continuo —_) discreto u b}Continud —_¢) Discreto —_d) Estatico NISPUESTAS A LA AUTOEVALUACION 2F, 3V, 4V, SF. GV, TV, BF, SV, 10F, 11, 12V, 13V, 14V, 15V. D, 2E, 3A, 4B, 5C, 6D, TE, 8B, 9B, 10C, 114, 12, 134, 148, uA, 2Segunda Unidad MDELO GENERAL DE LA PROGRAMACION LINEAL Dinioon Caracteristicas de programacién tineat Form on 0 planteamiento de modelos de programacién lineal Formas de presentacién det modelo de programacién lineal. ‘Aplicacion de programacién lineal, Meobiiemas propuestos de programaci isn lineal y et auto evalua eTVOS: Dar a conocer el planteamiento de los programas lineales, me- dianie modelos matematices y estadisticos. ‘ormular modelos de programacign lineal en primal maximizando ldentificar el primal de maximizacion y minimizacion Plantear ciertos criterios relacionados con la existencia-de dife- rentes altemativas para la toma de decisiones, 29Leccién 2.1 }, caracteristicas de programacién lineal. de Programacién Lineal programacién se refiere al proceso de la determinacion particular o plan de accién. fad implica exactamente jue expresa, que los proble~ justarse @ modelos lineales, es decir, que son or relaciones de primer graido (La linealidad derecha la, de productos variables, potencias de ellas o funciones de ‘icas de Programaci6n Lineal jones parciales de una de las variables de decisién, x1, x2,....xn. Es decir, la n objetivo es una combinacién lineal delas variables de decision, j= corto, precio, ulidad del esimo producto 2c E ES cjxj x)= producto proceso, servicio del j-esimo ist a32 Esto quiere decir, que el producto, proceso o servicio es igual 0 mayor que cero. Proporcionalidad le flujo de los distintos articulos que entran y salen de la actividad son siempre proporcionales a nivel de esta, Sise desea duplicar dicho nivel, simplemente se duplican todas ‘os flujos correspondientes, Aditividad Es especiticar que el sistema de actividades sea completo en el sentido de que puede hacerse una contabilidad completa de cada articulo por actividad. Para precisar, que cada articulo se requie- re que la cantidad total especiticada por el sistema como un todo Sea igual a la suma de las cantidades que entran a las distintas actividades menos la suma de las cantidades que salen, Ejemplo 1: Sea un programa lineal DmaK= EG ceecesssesese Funcién Objetiva jst SbIVI" I,m. Restricciones an Condiciones.de no negatividad Funcién objetiva Restricciones aijxj 2 bi xj 2 OVjEL, Condicién de no negatividad32 Las restricciones de las variables deben ser de tipo lineal: bivi= aij = Coeficiente técnico del recurso i del j-ésimo producto bis disponibilidad, recurso del i-ési idad del problema Esto quiere decir, que el producto, proceso o servicio es igual o mayor que cero, Proporcionalidad Las cantidades de flujo de los distintos articulos que entran y salen de la actividad son siempre proporcionales a nivel de esta. Si se desea duplicar dicho nivel, simplemente se duplican todos fos flujos correspondientes. Aditividad Es especificar que el sistema de actividades sea completo en el sentido de que puede hacerse una contabilidad completa de cada articule por actividad, Para precisar, que cade artlculo se requie- re que la cantidad total especificada pore! sistema como un todo ‘sea igual a la suma de las cantidades que entran a las distintas actividades menos la suma de las cantidades que salen, Ejemplo 1: Sea un programa lineal Zmax=E" jx) jel Funcién Objetiva Sujeto 2: aijxj SbiVi=1,....m.— Restricciones il xjz0 Vj=1, Condiciones.de no negatividad Ejemplo 2 sea Zmin= dg Funcién objetiva jal Sujeto a: x° aljxj 2biVi=1...m. Restricciones at ; aj 8 OV} Boom Condicion de no negatividad34 Leccién 2.2 Fomalcién y Planteamiento de modelos de programacion ineal. Para la formulacién de problemas de on i rogramacién lineal cede de la siguiente manera: ws ' 1. Comprensién del problema: Consiste en leer detenidamente e! problema en cuestién e identi- ficar claramente su obje “Le Pare Tesolver se recomienda confeccionar una matriz de informa- ion: Producto | A] 6 Disponibliidad Recuree Uiided Precio Costo Definicién de las variables de decision Consiste en representar simbélicamente todos los pardmetros ue entran en fa conformacién del modelo de programacién lineal, x xm .clon de fa funcién objetivo en defini el objetivo o meta que se desea alcanzar. Esta Wwestra la relacion existente entre la produccién total yla vaxima a alcanzar, 0 el minimo costo para lievar a cabo produccién cualquier otro objetivo perseguido, es, jo a que existen recursos limitados entre actividades com- es necesario formular resticciones que permiten ver cla- inte las condiciones con que se debe contar para resolver e! ma. Formutacién de las condiciones de no negatividad en restringirtodas las variables Xja que sean mayores.o iguaies a cero. Elemplo_1.- Una empresa con sede en Lima fabrica diversos modelos de radio transistores, todas ios tomponentes de estos radios se tabrican en Lima, excepto los transistores que son im- portados de Inglaterra. La empresa sabe que debido a una huel- ‘ga portuaria (Inglaterra) no se recibiran envios de transistores hasta por lomenos, un mes después de a fecha planeada. Se tiene en existencia 1000 transistores del tipo Ts y 1200 del tipo Ta, cada modelo de radio R-A requiere una transistor T1 y 4 transistores T2. Los modelos R-B requieren 2 transistores de Ti yuno de T2, Sabiendo que los beneficios 0 utlidades unitarias de cada radio son $50 y $30 délares para R-Ay R-B respectivamente, hallese la cantidad de unidades a fabricar de cada modelo para que las 3536 lades totales sean maximas, Formule el programa de pro- gramacién lineal, Solucién Pasos para la formulacién Tomando en cuenta los pasos: matriz de informacién, Productos | R-A | RB [Dieponibilidad| Transistores Transistor tipo Tt 1 2 1000, Transistor tipo T2 4 1 1200 Beneicios Unitsrios | 50 | 30 Definicion de las variables dé decisién x1= Numero de unidades de radios Tipo A a fabricar limero de unidades de radios Tipo B a fabricar Formulacién de funcién objetivo Zimax= 50x1 + 30x2 Planteamiento de las restricciones: x1 + 2x2 $1000 4x. + x2 $1200 Formulacién de las condiciones de no negatividad. x 2 Ox 20 Ejemplo 2: Supéngase que el alimento A y B son los dos tipos. bajo consideracién, £1 alimento A cuesta 12 centavos / onza y ! alimento B 8 centavos J onza. Se quiere total de los alimentos al mismo tiempo que satisfacen las tres restricciones vitaminicas, Se desean por lo menos 30 unidades {de vitamina P, 50 unidades de la vitamina W y 60 unidades de la vitaminaQ. Cada onza del alimento A proporciona 2 unidades de la vitamina P, 4 unidades de la vitamina W y 7 unidades de vitami- na Q. El alimento B proporciona 3 unidades de P, 3 unidades de Wy 6.unidades de Q por onza respectivamente. ¢Cuantas on- zas de cada alimento deben comprar? Formule el programa de programacion lineal ‘Solucién Pasos para la formulacién o planteamient® Matriz de informacion Alimento | A | 8 Vitaminas P 2 3 w + [3 a z 6 Coste wzflis Definicién de variables x1= Total de onzas que se compra de! x2 Total de onzas que se compran del alimento B Formulacién de funcién objetiva Zmin= 2x1 + 8x2 Planteamiento de las restricciones 2x14 3x2 2 30 4xi+3x2 2 50 Txi+6x2 > 60 Formulacién de la condicién de no negatividad xiz 0, 22 0 7‘lemplo.3:Lecherle Modema tiene una capacidad de recepcién Nos de eche diarios. La administracion exige que al menos 30,000 ltrs sean embotellados diariamente y el resto Sea empleado para producir leche especial o mantequila contribucién de cada tro de leche ala ut ° se le dé, es fa siguiente: embotellada $1 $160 la unidad de mantequilia, ry eeuibe de fabsicacién de mantecuita puede manejarhasta 6000 Hovalatios de leche, el equipo de envase puede manjar hasta 40,000 litros diarios y fa | i 40 y la leche especial hasta 20,000 litros por Solucin Pasos para el planteamiento del problema, 1. Matriz de informacién Capacidad rere news can sf La | soot arene ‘ * Capacidad fabricacion 7 eu ‘ 400s poorer Capacidad de equipo = ie em 38 x= cantidad de leche corriente que se embotellara diariamente x2= cantidad de leche que se destinard diariamente a la produc ibn de leche especial. x3 cantidad de leche que se destinara diariamente a la produc- i6n de mantequilla Formulacién de funcién objetiva Zmax= 10x: + 150 x2 + 1603 Planteamiento de las restricciones m+ 2+ x9 $50,000 x 230,000 ” $6,000 x 40,000 x3 20.000 Formulacién de (a condicién de no negatividad m2 0, 22 0 we 0 Ejemplo 4.- Una compatiia tiene tres tipos de maquinas procesadoras, cada una de diferente velocidad y exactitud. La tipo 1 puede procesar 20 piezas/hora con una precisién e! ipo 2, 15 piezas/hora, con una precision de 95%; y el tipo 3, 10 piezasthora con una precision de 100%. El funciona- rmiento del tipo 7 cuesta S!. 2/hora, la de tipo 2 Si. 1.75ihora y la del tipo 3 S/. 1.5 Inora cada dia (Bhoras) deben procesarse porlo menos 3500 piezas y hay disponibles 6 maquinas tipo 1, 10 ma- ‘quinas de tipo 2 y 20 maquinas de tipo 3. Cada errorle cuesta $1 ala compafia. .Cuéntas maquinas de cada tipo deben utiizarse para minimizar ef costo? Formule el planteariento del problema enPL. Solucién 39Caleulos Necesarios L M, Gostos por hora a partic del funcionamiento de cada méquina, incluyendo costos por errores tipo 1= Si. 2 + 20 (0.01) (S/. 4 Maquina tipo 2= S/. 1.75 + 18 (0.05) (S). 2.50 ‘Maquina tipo 3= SI. 1.50 + 40 (0) (S/.1) = S). 1.50 Cantidad de piezas buenas que produce cada maquina por hora, ‘Maquina tipo 1: 20 (0.99= = 19.8 piezas buenasmora Maquina tipo 2: 15 (0.95) = 14.25 piezas buenas/hore ‘Maquina tipo 3: 10(1) = 16 piezas buenas/hora Total de piezas buenas que deben producirse por hora 3800 piezashhora= 437.5 piezas / hora Shoras/dia Pasos a seguir para el planteamiento: 1. Matriz de informacion: Procesar | tipo | Thpoz | Two3 | oispontnaea Msquinas Nimero de maquinas tipo 1 1 a Nomero de maquinas tipo 2 1 10 Némero de maquinas tipo 3 7 20 Nimerominimo de piezesmors | ia. | tas | 10 #75 Cost 220 | 250 | 450 2. Definicién de variables: 24 Cantidad de maquinas de tipo 1 que deben utiizarse para mi- izar el costo 40 “a Cantidad de maquinas de tipo'2 que deben ullizarse para mi- nimizar el costo, wwinas de tipo 3 que deben utlizarse para mi- incién objetiva © 2,50 x2 + 1.50 x3 de las restricciones <8 <10 ea $20 2oer103 2 — 437.5 on de la condicion de no negatividad 20, 320 aLeccién 2.3 GF ae + a t aINA ” S bE Formas de presentacién de modelos programacién lineal Unmodelo de programacién lineal puedle ser expresado de dife- ‘entes maneras, segin fa forma de la funcign objetiva y de las restric. ciones. oma + amax2 +... amaxn bm M122, cteecceseeenkn 2 ‘Algunas formas del modelo strgen casi en forma natural debido a ‘as caracteristicas particulares del alestudiar las ganancias en un sistem: Gus le funcién objetivo tenga que ser maximizada sujelo a un conjunto. de restricciones estructurales de la forma ala ion de recursos. En algunos sist Cluir restricciones estructurales del tipo * que’. nplo 2: Sea el siguiente programa lineal Zax = 2x1 + 5x2 + x3 2x1 + 3x2+335 18 KL + 4x2+ 23 $20 Sx + x2 + 499 $40 m2 02 Ona 0 Ciertas formas de presentacion han recibido nombres especiti- Cos, como se vera a continuacién, le forma estandarizada si el objetivo es maximizar una fun- ' sujeto a restricciones estructurales de la form: Gjempio 1: Sea el siguiente programa lineal Ejemplo 1. Sea el siguiente programa lineal 2max= ce x1 + e2¥2+ enn 2IMAK = CHK ODD oe cccccseee tC 43 23. Sujeto a: aud tarxet * ainxa=bt + aMnxa = bm 0 amit + amax2 + x Xa, Xn Ejemplo 2: El siquiente es unt, en forma estandarizada 2max = 7x11 + 9x2 +3 Sujeto a: Sxr4x2+6x3 = 100 4 +8 = 60 4x4 20+ = 40 Xt, x2, 33 2 0 Forma mixta de un programa lineal Esta forma mixta, cuando la funcion objetivo es la maximizacion ola mi ‘ructurales de la forma ‘menor o ig las variables de decisidn solo admit Ejemplo 1: El siguiente es un PL. en forma mixta: Zmaxs 4x1 + 7x2 Oxi + x2 10 xi 20x22 200 va x220 ‘jercicios de apiicacion 1 Zmax= 4x1 + 5x24 8x9 S.A, xr 2x2 + 3x3 5 15 2x1 x2 + 4x3 $20 xi + 4x2 + 8x3 5 30 m2 0x2 O02 2 Zmax= 5x1 + 8x2 + x9 S.A, xitetoo=8 2x1 + 4x2 439 = 10 m2 0x2 O22 3. Zmak= 4x1 + 310+ 5G SA 4x14 20 + x3 2 20 Dea + Sea + dxa < 18 m2 0222002 0 Canénica Estandarizacion MixtaLeccién 2.4 Aplicacién de la programacién jineal 128 siguientes son algunas de las aplicaciones de a programa: Cién lineal en fa forma de decisiones: + Problemas de transporte | _Problemas de asignacion de distibucién de personal maquinas + Problemas de formulacién de dietas + Problemas de evaluacién de cotizaciones + Problemas de Andlisis de actividades * Problemas de mezclas éptimas *Problemas de praduccién + Problemas de proveedores + Problemas del agente vigjero + Problemas dei control de inventario + Problemas de horarios + Problemas de presupuesio * Problemas de planeacién. + Otros Las éreas en las que se desarrollan estas aplicaciones: “Agricultura: para encontrar fa éptima distribucién de recurses con el fin de maximizar utilidades, “Industria Quimica. Contre! de inventarios, horarios, transporte, mezclas éptimas. * Gobierno: Adjudicacién de contratos, | Aerolineas Comerciales: pars la programacién de vuelos, {_IRcustia de hierro y del earbono: planeacion de la produccién, * Comunicaciones: disefio éptimo de redes, Industria de Papel: problemas de transporte y corte éptimo de dicios, papel para minimizar desper ; Industria del petréleo: para obtener mezclas éptimas, problemas del transporte y planeacién de la produccién Ferrocarriles: programacién de itinerario. Analisis econémico: para analisis de Inversiones y portafolios, Hoteles y hospitales: problemas de dietas y asignaciones a48 Lencién 2.5 Problemas presupuestos de programacién lineal 1 Supongase que una compania que da servicios de limpieza pre- para sus propias soluciones mezclando dos ingredientes. Hace esto para obtener una solucién que tiene lo que considera una ‘combinacién apropiada de fosfatos y cloruro. Un ingrediente tie- we “a ‘a festaes ¥ 2% de cloruro y cuesta 25 centavos / onza. ingrediente ti 9 lobo ngrecentefene 7% de fosfato y 1% de cloruroy cuesta La compania necesita que fa mezcla final tenga no mas del 6% de fosfato y 1% de cioruro. Se quiere minimizar el costo total Determine el planteamiento del problema. Un expendio de cames de una ciudad acostumbra preparar la ‘came para albondigén con una combinacién de came molida de Cerdo. La came de res contiene 80% de came y 20% de grasa, y le Cuesta a la tienda $60 centavos por libra; la came de cerdo Contiene 68% de came y 32% de grasa y cuesta $60 centavos por libra, LQué cantidad de cada tipo de came debe emplear la tienda en cada libra de albondigén, sise desea minimizar el costo y mante- ner el contenido de grasa no mayor de 25%?. Determine el plan- teamiento del problema, Un fabricante de muebles tiene 6 unidades de madera y 28 horas. isponibles, durante las cuales fabricaré biombos decorativos, Con anterioridad, se han vendido bien dos modelos, de manera que se itaré a producir estos dos. Estima que el modelo | requiere 2 .des de madera y 7 horas del tiempo disponible; mientras modelo i requiere 1 unidad de madera y 8 horas. Los ios de los modelos son $120 y $80, respectivamente.¢ Cuan- jombos de cada modelo debe fabricar si desea maximizar su .s0 en la venta? Determine el planteamiento del problema. ‘a compafia elabora dos tipos de sombreros, Cada sombrero requiere dos veces mas tiempo de mano de obra {0 del segundo tipo. Si todos los sombreros son i las ventas diarias yimero y Segundo tipo a 150 y 200 unidades. Supéngase la ganancia que obtiene por producto 2s $8 por el tipo 1 y $5 por eltipo2, Determine el nimero de sombreros de cada tipo que ‘deben elaborarse para maximizar la ganancia, Una compafiia elabora productos Ay8. Elvolumen de venta det producto A es cuando menos el 60% de las ventas totales de los, dos productos. Ambos productos ima, cuya disper productos A y B utiizan esta materia prima a los indices o tasas de? librasiunidad y 4 libras/unidad respectivamente. El precio de venta de los dos productos es de $20 y $40 por unidad, Dete nat la asignacién optima de la materia prima alos dos productos. Determine el planteamiento del problema. Una compantia manufactura 4 modelos de escritorios. Cada uno es construide primero en. de carpinteria y luego enviadoal taller de acabados, donde se pinta, encera y pule. El ntimero de horas- hombre sequeridos en cada taller, carpinteria 4 de tipo 1, 9 de tipo 2, 7 de tipo 3 y 10 de tipo 4 y en acabados: 1 de tipo 1, 1 de tipo 2, 3 de tipo 3 y 40 de tipo 4. Debido a limitaciones de capacidad de pianta no puede tenerse mas de 6000 horas - hombre en el taller de carpinteria y 4000 horas - hombre en el acabado en los proximos 6 meses. 4950 ‘2s ullidades en a venta de cada articulo es S). 12 de tipo 1, S/ ;20de tipo, Si. 18 de tipo 3 y SI. 40 de tipo 4. Suponiendo gue {a5 materias primas y materiales estan disponibles en cantile. des adecuadas y que toda las unidades producidas pueden ven. erse; a compatia quiere determinar la mezcia Optima. Determi, ne el planteamiento del problema, Se trata de un avién que transporta dos productos A y 8 cobran- fo $20 y $10 délares por cada unidad respectivamente, La unt. ad A pesa 1 kg. Con un volumen de 3.dm. Cubicos y una super- Fele de apoyo de 4 dm. Cuacrado. La unidad de B pesa kg. con unvolumen de 1 dm. Cabico y una superficie de apayo de ? dm, Guadrados. Las limitaciones de peso, volumen y superficie del avin para esa carga son; 350 kg.; 950 dm cdbicos y $50 decime- tros euadrados. Encontrar la composicién de la carga que maximice el transporte a cobrar. Determine el planteamiento del problema, Lina empresa tiene 4'000,000 delares para gastar enla compra ce nuevos camiones y se le presenta a siguiente opcign en tres ‘ipos distintos de vehiculos abe se ofrecen en el mercado Nehiculo A, puede transportar 5 toneladas por viaje a 70 km. por hora y cuesta $80,000 détares, El vehiculo B, que puede trans. porter 10 toneladas por vigje @ 60 km. porhora y cuesta 130,000 colares. ElvehieuloC, puede transportar 9 toneladas por viaje a 50 km. por hora y cuesta $150,000 délares, Elvehiculo A require un hombre por turno yen tres tumps puede promediar 18 horas por dla; los vehiculos B y C requieren dos hombres por tumo, El vehiculoB puede ser operado por 18 hores Pordia en tres turnos yel vehfculo C puede ser operado 21 horas Por dia en tres turnos. 8 comperfia dispone de 150 conductores. Las disponibidades de mantenimiento limita el nimero total de vehiculos a 30, De- el nimero de camiones que se aconsejan comprar, si el bjetivo de la empresa es hacer maxima su capacidad en tonela- jas -kikimetros por dla. Determine el planteamiento del proble- ma. ‘Superintendente de construcciones y campos de la Ui a de Lima, esta planeando poner fetlizantes al pasto en elarea de patios ala entrada de la primavera, El pasto necesita nitrogen fosforo y potasio al menos en las cantidades dadas en la E Estén disponibles tres clases de fertlizantes comerciales, ents fig, Se da el andlisis y fos precios de elas. La companiia uote comprar todo el fertlizante que quiera de cada precio y mezclar- los antes de aplcar al pasto. Formule un modelo de programa- ign lineal para determinar cuanto de cada fertlizante debe com- prar para satisfacer los requerimientos a un costo minimo. Peso Contenido enLibras Mineral Ferttizante | Nirégeno | Fésforo [Potasio| USS Nitrégens v 2 10 3 | 1 Féstoro 7 1 10 5 wo | 8 Potasio 5 1 5 10 s fa 10. Identifique las variables de decision y formule el modelo como un programa lineal para la minimizacion de castos. Una corporacin ha decisido elaborar dos nuevos productos. Tres plantas filiales tienen ahora un exceso en su capacidad de pro- duccién. Los costos de manufactura por unidad de cada produc- toy en cada planta se encuentran en el siguierite cuadro. Las predicciones de ventas indican que se pueden vender 100 Lnidades del producto * y 150 del producto, porlo que se debe-~ rn producir diariamente estas cantidades, sin importar la com- 5182 binacién de productos (con la exce; -pcién de que la plant Puede fabricar el producto 2). : mee La corporacién desea determinar cuanto de cada producto debe fabricarse én cada planta para minimizar el costo total de manu factura, Determine el planteamiento del problema, Producto Planta 1 2 1 26 2 28 33 3 2 Ed 10. 11 12 1 PRUEBAS DE AUTOEVALUACION sponda con verdadero (V) 0 Falso (F) Io siguiente: VF Elprograma tineal es un método cientifico, VF Eitermino programacién es un pian de accion VF Lalinealidad implica que los problemas se ajustan a los modelos matematicos. VF La funcidn objetiva, es el producto de las variables de decisién. VF Las restricciones de las variables son de tipo lineal, VF Lacondicién de no negatividad es igual a cero. VF Laformulacién de problemas de programacién lineal sélo define funcién objetiva, VF Lasvariables de decision representa simbélicamente to- dos los parametros. VE Enla formulacién de problemas de PLL. s6lo cabe dos pasos VF Unmodelo de programacisn jineal puede ser expresado de diferentes maneras. VF Programacién lineal s6lo se aplica en los problemas de transporte, VF -Programacién lineal expresa, lainealidad de los modelos ‘matematicos. Encierre en un circulo la respuesta correcta: Lafuncion objetiva es: 2) Combinacién lineal de las variables de decisién, b) Combinacién lineal de los costos de decision ¢) Combinacién lineal de las restricciones de decisién 4) Combinacin lineal de las condiciones de decisién e) Combinacién lineal de Ia linealidad de decisién.54 Las restricciones de las variables son de tipo: a) curvilinea ») lineal ©) coeficiente 0) variable ©) constante Una de las caracteristicas de programacion lineal es: a) tineal ») producto de variables ©) interdependencia en las variables @ ayb na La combinacion de la variable de decision es: a) restricciones : ») programacién ©) coeficiente 4) funcién objetiva ©) restricciones Lacomprensién del problema consiste en: 2) determinarta funcién objetiva b) haliarlas restricciones ¢) cuantificar el costo @) determinar e identificar el objetivo e) fies el problema e identficar clarament® su ob- Definir el objetivo o meta que desea alcanzar es: ) programacién : ) funcién objetiva ©) restricciones 9) nonegatividad ®) ayb 40. xn de todas las variables a que sean mayores 0 igua- 0 es: peion objetiva tante indicion de no negatividad yay ema modelo de programacién lineal puede ser expresados en for- a) algebraica d) canénica e) tinea! Sera de forma <-, si el objetivo es. . una fu to restricciones estructurales dea forma “igual que” exclusivamente y las variables de decision sélo valores no negativos. 2) lineal -rmaximizar - queda b) lineal - maximizar - admiten ©) candnica - maximizar - admiten d) mixta - maximizar - admiten ¢) estandarizada - maximizar - admiten (Cuando fa funcién objetiva es... ola lineal sujeto @ restricciones estructurales de la las Variables = mayor 0 igual ¢) maximizacion a la minimizacién - menor o igual dayb ana 55Control de inventarios, horarios, transporte, mezclas dptimas, es la aplicacion en el area de: ) comunicaciones 9) industria de hierro ) industria de papel - La optima distribucién de recursos con elfin de maximizar utiida- des, es la ap| 9) industria quimica e) industria de pape! Las cantidades de flujos de los distintos articulos que entran y Salen de la actividad son siempre proporcionales a nivel de esta, Pertenece a: 2) linealidad ») aditivided ©) proporcionalidad 9) flexibilidad ena |. Especificar que el sistema de actividades sea completo en el sentido de que puede hacerse una contabilidad completa de cada articulo por actividad. No pertenece a: ©) linealidad 0) ayb aye precio -utlidad - utlidad - beneficio proceso - servicio 10 - proceso - utlidad imiento para el planteamiento del problema de progra- eee vomacion ~definicion de variables ~| formulacién de Hl [uneion objetiva - planteamiento de restricciones y formulacion tividad. etn my iad. 4) Matriz de informacion - funcidn objetiva - det. De variables - cond. Deno negatividad - calidad. ena ST1. 38 RESPUESTA A LOS PROBLEMAS PROPUESTOS Solucién de planteamiento del problema: Matriz de informacién Ingredientes| Disponibtes Comb, Foote Clore z Proporcionalaea 1 Pesto Teal a Definicién de variabies: 2X1 onzas de ingredientes uno por onza de solucién 22 onzas de ingredientes dos por onza de solucién Planteamiento de f.0. Zmin= 26x1 + 20x2 Planteamiento de restricciones Sx + 72 <6 2a $1.5 xt =4 Formulacién de condicién de no negatividad m2 0x2 20 amiento del problema macion Came Res| Carne Cerdo] Requerimiento| ee 20% 32% 25% 1 1 1 0.80 080 e variables: “a ode libras de came molida de res empleados en cac ttondigon ras de carne molida de cerdoempleadas en a de albondigén. x1 0.32x2 $0.25 meet cién de condicién de no negatividad 220 Solucion del planteamiento del problema Matriz de Informacién come Maura 214 é od wpe io 5960 Namero de unidades a producir de biombos de modelo | x2= nimero de unidades a producir de biombos de model Formulacién de f. 0. Zmax = 120x2 + 8x2 Planteamiento de las restricciones ate <6 7x1 + 8x2 < 28 * Formulacién de no negatividad a2 0.0220 4. Solucion de plantearniento del problema *— Matriz de Informacién Sembreros | Tipo 1] npo2 Reauerimlentoz Producciin 2 TT Went tet 1 150 Ventas tipo 2 7 oso Udo tls Lo Definicién de variables x1 nimero de sombreros a ser producidos del tipo 1 x2 = nlimero de sombreros a ser producidos del tipo 2 Formulacién de f.o. Zmax= 8x1 + 5 x2 nteamiento de restricciones ex $500 $150 x2 $250 jmulacién de cond. No negatividad 2 0x22 0 {ucion del Planteamiento del problema riz de Informacion Productos | A 8 | dispontbitidaa| jrimiento : 2 4 100 Roras (fatera Pama [Venta de A A er 0% [witdod 20 40 sfinicién de variables 1 = volumen de venta de producto A *=volumen de venta de producto 8 Y pormulacién de f. 0. pgnax = 20%3 + 40%2 ylanteamiento de restricciones ’ + 4x2 s 100 x > 0,60 = 0.40 xs - 0.60 x2 2 0 prmulacién de cond. No negatividad ye 0x20 ceCa 2 Solucion de! Pianteamiento del problema Matriz de informacion Yiot] Tipo 2] Tipes | Tisos | oieponibilaaa Carpinteria re [Acabades Sf [sa 000 ies eee Defi X:* Cantidad de manufactura del escritorio de modelo tipo 1 2 = cantidad de manufactura del eseritorio de modelo tipo 2 sem canted de manufactura del escrtorio de modelo tino 3 X= cantidad de manufactura d lel escritorio de modelo tipo 4 Formul: mn de f.o. Zmax= 120+ 200 + 1819 + 40K Planteamiento de restricciones 4x1 + Sx + 740 + 10% < 6000 MitK+30+40K 54000 Formulacién de cond. No negatividad M2 O02 Ox 204 24 Solucién del planteamiento del problema Prodveto] a | 8 | bupounmana [Compose Pesos. tka [tea | 30m. [Mote cma | Sams | ama | 950 amo [Superticie am2 tdm2 | 2dm2 Be0dm> lore usta | $30 | sig SF icién de variables mero de unidades transportadas del producto A mero de unidades transportadas del producto 8 Formulacion de f.0. Zmax = 20x + 102 Planteamiento de restricciones Ix #12. 350 xt + 1x2. 950 tax + 2x2 $ 850 Formutacién de cond. de no negatividad m120,%2 20 Solucion del Planteamiento del Problema Matriz de Informacion Veriewios [A 5 E__[Bispantbaidad] Gantago0d0 | 130000 | #0000 | 4000000 Conductores | __ 3 3 é $0 Martoninionto | 1 t fi 30 Capacidad 300 | Yo800 Definicién de Variables x4 = nlimero de camiones a comprar de tipo A x2= niimero de camiones a comprar de tipo B x3= nimero de camiones a comprar de tipo C Formulacién de f.0. ‘Zmax= 6300x1 + 108002 + 11340x3 864 Planteamiento de restricciones 80000x: + 130000x2 + 180000x3 < 4000000 St + 62 + Bg = 450 M+ 2 + 3g <30 Formulacién de cond. de no negatividad X12 02 20.0270 8. Solucién del pianteamiento del problema * Matriz de Informacién 1 [© T dispontinsoa wo] 5 10 5 | 10 7 wo] el? Definicién de variables Xi = cantidad de fertiizante 1 X2= cantidad de fertiizante I) Xa cantidad de fertiizante ill Formulacién de fo, 2min = 10x1 + 8x2 + 7x3 Planteamiento de restricciones 251+ 10x2 + 5x3 10 10x1* 5x24 10x32 7 Skit 10x24 5x9 > 5 Formulacién de cond, de i i. de no negatividad X12 0x22 Ox3°20 ° salucin del planteamiento del problema Matriz de Informacién (combinacién de manufactura) ws} 1 | 2 | fReqve Proaucles + TTT 4 To - Tt 150 x11 = Unidades del producto 1 producidas en la planta 1 xi2= Unidades del producto 1 producidas en la planta 2 x13 = Unidades del producto 1 producidas en la planta 3 x22 = Unidades del producto 2 producidas en la planta 2 x23 = Unidades del producto 2 producidas en la planta 3 > Producto Podemos diferir= Xij—+ Planta; ahora asignamos el costo de acuerdo al cuadro del problema y ten- dremos Formulacién de la funcién objetiva min = 26 xii + 28 x12 + 24 x13 +33 x22 + 28 x59 Planteamiento de restricciones xittxiz+x13 2 100 xm+xaa 2 150 Formulacién de cond. No negatividad x20, x20, x3 20, 20, a?RESPUESTAS DE AUTOEVALUACION | IF, 2V, 3.4F, SV, 6F, 7, SF, t0y, 11F, 12v 1A, 28, 3C, 4D, SE, 68, 7¢, iseaet 80, 9E, 104, 118, 128, 13¢, 146, 6 Cerceta Unidad METODOS DE SOLUCION DE LOS PROBLEMAS DE PROGRAMACION LINEAL, 3.1. Método grafico - solucién de maximizacién y minimizacion 32 Método de algoritmo de simplex - solucién de maximizacion y minimizacion 33. Algoritmo de simplex - primal ¢ dual de maximizacion y rminimizacion 3.4 Analisis de sensibiidad 3.5. Problemas de aplicacion y auto evaluacién OBJETIVOS: 4. Se expone la solucién del problema de programacién graficamen- te, para la mejor compransi6n, 2, Enlasolucién de problemas de programacién se uilizara el algo- ritmo de simplex, para resolver primal y dual con restricciones, 3. Hacer conocer el planteamiento de la técnica de optimizacion para maximizacién 0 minimizacién de los problemas econémi- cos, administrativos y de servicios en funciones lineales. 4. Terminada esta unidad esta en condiciones de analizar el res ode un primal con respecto al dual ya sea maximizando o mizando una funcién econémica lineal,