Investigación Operativa I PDF

UNIVERSIDAD PRIVADA TELESUP
Prefacio:
L
a Asignatura de Investigacin de Operaciones es de naturaleza
practico terico, introduce en el anlisis y planteamiento de los
problemas complejos de ingeniera donde la optimizacin es un
factor fundamental. Se formulan modelos matemticos y se brindan las
principales tcnicas de caracterizacin y resolucin de estos modelos.
Se aprender a interpretar los resultados obtenidos con criterios
econmicos, a travs del uso del anlisis de sensibilidad, como paso
previo a la aplicacin real de la toma decisiones en las organizaciones.
Se complementar con el uso de software especializado para la
solucin de los modelos matemticos.
Considerando el manejo holstico de la investigacin de
operaciones junto con las dems asignaturas de este
ciclo, entonces se buscara generar sinergia para
dar solucin al problema segn nuestra realidad
social.
Comprende cuatro unidades de aprendizaje:
UNIDAD I: La Investigacin de Operaciones y la Programacin

Lineal.
UNIDAD II: Anlisis de Sensibilidad de los modelos de
Programacin Lineal.
UNIDAD III: Modelos de transporte, Asignacin y Redes.
UNIDAD IV: Programacin de Proyectos y Programacin no

lineal.
2
Estructura de los Contenidos
MODELOS DE PROGRAMACIN
LA INVESTIGACION ANLISIS DE
SENSIBILIDAD DE TRANSPORTE, DE PROYECTOS Y
DE OPERACIONES Y
LOS MODELOS DE ASIGNACIN Y PROGRAMACIN
LA PROGRAMACION
PROGRAMACIN REDES LINEAL
LINEAL
LINEAL
Anlisis de Sensibilidad Programacin de

Investigacin de de los trminos Modelos de Proyecto con tiempos
operaciones Independientes en transporte de actividad
situacin de conocidos
maximizacin
Modelos de Mtodos de solucin Programacin de

Programacin Lineal de Modelos de Proyectos con
Anlisis de la Transporte tiempos inciertos de
solucin por la actividades
computadora
Consideracin de los
Mtodo Simplex Programacin Lineal Modelos de intercambios de
Entera Asignacin tiempo y costo
Programacin no
Uso del Software El Primal - Dual Modelos de Redes lineal
La competencia que el estudiante debe lograr al final de la asignatura es:
Analiza la realidad, capta y describe un problema,

representndolo en un modelo matemtico como de
redes, de transporte, de asignacin de recursos, para
realizar predicciones, demostrando coherencia y actitud crtica
en sus planteamientos, valorando la importancia de las
herramientas de optimizacin matemtica y de la
investigacin de operaciones
3
ndice del Contenido
I. PREFACIO 02
II. DESARROLLO DE LOS CONTENIDOS 05-154
UNIDAD DE APRENDIZAJE 1:La Investigacin de Operaciones y la Programacin Lineal 05- 42
1. Introduccin 06
a. Presentacin y contextualizacin 06
b. Competencia (logro) 06
c. Capacidades 06
d. Actitudes 06
e. Ideas bsicas y contenido 06
2. Desarrollo de los temas 07-38
a. Tema 01:Investigacin de Operaciones 07
b. Tema 02:Modelos de Programacin Lineal 15
c. Tema 03:Mtodo Simplex 22
d. Tema 04:Uso del Software 29
3. Lecturas recomendadas 39
4. Actividades y ejercicios 39
5. Ejercicios de autoevaluacin 40
6. Resumen 42
UNIDAD DE APRENDIZAJE 2:Anlisis de Sensibilidad de los modelos de Programacin Lineal 43-71
1. Introduccin 44
c. Capacidades 44
d. Actitudes 44
a. Tema 01: Anlisis de sensibilidad de los trminos independientes en situacin de 45
maximizacin
b. Tema 02: Anlisis de la solucin por la computadora 51
c. Tema 03: Programacin Lineal Entera 58
d. Tema 04: El Primal Dual 63
6. Resumen 73
UNIDAD DE APRENDIZAJE 3:Modelos de Transporte, Asignacin y Redes 74-114
1. Introduccin 75
c. Capacidades 75
d. Actitudes 75
a. Tema 01 Modelos de Transporte 76
b. Tema 02: Mtodo de solucin de modelos de transportes 85
c. Tema 03: Modelos de Asignacin 95
d. Tema 04: Modelos de Redes 103
6. Resumen 114
UNIDAD DE APRENDIZAJE 4:Programacin de Proyectos y Programacin no lineal 115-147
1. Introduccin 116
c. Capacidades 116
d. Actitudes 116
a. Tema 01: Programacin de Proyecto con tiempos de actividad conocidos 117
b. Tema 02: Programacin de Proyectos con tiempos inciertos de actividades 130
c. Tema 03: Consideracin de los intercambios de tiempo y costo 137
d. Tema 04: Programacin no lineal 143
3. Lecturas Recomendadas 148
6. Resumen 151
III. GLOSARIO 152
IV. FUENTES DE INFORMACIN 153
V. SOLUCIONARIO 154
4
5
Introduccin
a) Presentacin y contextualizacin
Los temas que se tratan en la presente Unidad, tienen por finalidad que el
estudiante desarrolle y ejecute la optimizacin de los modelos matemticos a
travs del mtodo grafico. Mtodo simples y el uso de los software adecuados de
solucin durante su proceso de formacin profesional y contribuyan en el logro de
su perfil profesional.
b) Competencia
Define, planifica y genera la optimizacin de los modelos matemticos
usando los diferentes mtodos de solucin.
c) Capacidades
1. Planifica sus metas de aprendizaje y analiza los diferentes mtodos de
solucin de optimizacin de los modelos matemticos.
2. Aplica y genera el ptimo del modelo matemtico y utiliza el mtodo grfico.
3. Aplica y genera el ptimo del modelo matemtico y el mtodo simplex.
4. Aplica y genera la optimizacin del modelo matemtico y utiliza el software
Lingo, Tora, Glp.
d) Actitudes
Disposicin emprendedora.
Respeto a las normas de convivencia.
Sentido de Organizacin.
Perseverancia en las tareas.
e) Presentacin de ideas bsicas y contenido esenciales de la Unidad.

La Unidad de Aprendizaje 1: La Investigacin de Operaciones y la
Programacin Lineal; comprende los siguientes temas:
TEMA 01: Investigacin de Operaciones.

TEMA 02: Modelos de Programacin Lineal.
TEMA 03: El Mtodo Simplex.
TEMA 04: Uso del Software.
6
Investigacin TEMA 1
de
Operaciones
Competencia:
Planificar sus metas de aprendizaje y analiza
los diferentes mtodos de solucin de
optimizacin de los modelos matemticos.
7
Desarrollo de los Temas
Tema 01: Investigacin de Operaciones
a) INVESTIGACIN DE OPERACIONES
Algunas Definiciones
La investigacin de operaciones puede definirse como

un conjunto de mtodos y tcnicas cientficas que,
aplicados a problemas relacionados con la operacin de
sistemas, trataran de dar soluciones ptimas.
En la actualidad, la Investigacin Operativa se estudia como una ciencia de alta

gerencia, ya que es una de las ms tiles herramientas con las que cuenta un
ejecutivo para buscar mejores soluciones a problemas que afectan a la
organizacin como un todo.
La Investigacin Operativa, es caracterizada por el uso de los modelos

matemticos para proveer una gua a los gerentes para tomar decisiones
efectivas dentro del estado actual de la informacin o en buscar informacin
adicional si el conocimiento actual es insuficiente para alcanzar una decisin
adecuada. (Bradley)
Departamento de Produccin
Su principal objetivo es lograr una mayor

produccin al menor costo posible, por eso
desea poder hacer largas corridas de
produccin a fin de disminuir el costo
asociado con el ajuste y adaptacin del
equipo a un nuevo producto.
8
Departamento de Ventas
Su principal objetivo es aumentar las ventas, luego

desea tener un inventario bastante
variado para poder cubrir en forma
inmediata cualquier pedido, hasta de
productos de demanda muy eventual.
Departamento de Administracin
El Departamento de Administracin desea reducir el inventario a un mnimo

indispensable, lo cual choca con los deseos del Dpto. de produccin y el Dpto. de
ventas.
Departamento de Personal
Su principal objetivo es de mantener en alto la moral del

personal, lo cual influye directamente en la productividad, y
mantener un alto grado de entrenamiento.
b) EL ANALISTA DE OPERACIONES
Investigar los parmetros a emplear en el modelo existente para

determinar su validez.
Imaginacin, para buscar soluciones lgicas a los mltiples problemas
tanto como tcnicos como administrativos.
Habilidad para descubrir las condiciones importantes del problema.
Conocimiento tcnico en todas las etapas de la investigacin para aplicar
el modelo adecuado.
Laboriosidad y sentido de responsabilidad.
Facilidad de expresin oral y escrita.
Habilidad para trabajar en equipos.
9
c) FASES DE ESTUDIO DE INVESTIGACIN OPERATIVA
Construccin del modelo matemtico
Es una representacin de algn ente (tal como Objeto,

evento, proceso, sistema, imagen, etc.) que es empleado
principalmente con propsito de prediccin y
control.
Mediante la construccin del modelo se
pretende hacer posible, o facilitar, la
determinacin de cmo cambios en uno o ms
de los aspectos, variables o propiedades del
ente modelado, afectan los otros aspectos o al
ente en su totalidad.
Obtencin de la solucin
La seleccin del procedimiento por emplear para

obtener del modelo una solucin al problema depender de
las caractersticas del modelo. Los procedimientos de
solucin pueden ser clasificados en Analticos y
Numricos, muchas veces ninguno de los dos
podr aplicarse sin la ayuda de las tcnicas de
Montecarlo o Simulacin en la evaluacin de
algunos trminos de la ecuacin.
d) MODELOS MATEMTICO
La esencia de la Investigacin Operativa es el enfoque de la construccin de

modelos, el que es un intento para capturar los rasgos ms significativos de la
decisin que est bajo consideracin por medio de la abstraccin.
Lo modelos que usa la Investigacin Operativa, son matemticos.
Los modelos son representaciones simplificadas del mundo real.
10
A fin de que los modelos sean tiles para asistir en las decisiones gerenciales,
ellos deben de ser simples para entenderlos y fcil de usarlos. Al mismo tiempo,
ellos tienen que proporcionar una representacin completa y realista del ambiente
de decisin.
e) GUA PARA LOS GERENTES
A travs del esfuerzo del diseo del modelo, la

Investigacin Operativa, trata de proveer una
gua a los gerentes, o en otras palabras trata de
incrementar la comprensin de los
administradores de las consecuencias de sus
acciones. Esto nunca es un intento para
reemplazar o substituir a los gerentes, sino mas
bien el propsito es soportar las acciones
gerenciales. Es importante entonces reconocer
la fuerte interaccin requerido entre gerentes y
modelos.
Los modelos pueden oportunamente y efectivamente explicar las muchas

relaciones mutuas que pueden estar presentes dentro de las alternativas que
estn siendo consideradas y que pueden explcitamente evaluar las
consecuencias econmicas de las acciones restricciones impuestas por los
recursos existentes y las demandas impuestas al uso de esos recursos.
Los gerentes de otro lado, podrn formular las preguntas bsicas a ser
contestadas por el modelo y luego interpretar los resultados del modelo en base a
su propia experiencia e intuicin, reconociendo las limitaciones del modelo.
La complementacin entre las habilidades computacionales superiores
proporcionadas por el modelo y las capacidades de discernimiento del gerente (el
que toma las decisiones) es la clave para un enfoque exitoso de la Investigacin
de Operaciones.
11
f) CLASIFICACIN DE LOS MODELOS
Ejercicio Operacional
Si deseamos efectuar un ejercicio operacional que soporta esta decisin,

ensayaramos diferentes combinaciones de tipos de petrleo, directamente en el
proceso de la refinera y observar las utilidades y costos resultantes asociados
con cada alternativa de la mezcla.
Ventajas:
Alto grado de realismo.
Desventajas:
Costos altos de implementacin.
En muchos casos imposible de analizar.
12
Juego (Gaming)
El proceso de la refinera podra ser representado por un

modelo matemtico o computacional, que podra
asumir cualquier tipo de estructura.
El modelo debe de reflejar con un grado

aceptable de exactitud las relaciones entre las
entradas y las salidas del proceso de la refinera.
Posteriormente todo el personal que participa en estructurar el
proceso de decisin en la gerencia de la refinera deber interactuar con el
modelo. El gerente de Produccin establecer planes de produccin, el
Gerente de Compras identificara precios y fuentes de crudos de petrleo y
desarrollar programas de adquisicin y as sucesivamente.
Ventajas:
Se ha retenido algunas de las interacciones humanas del proceso real.
El costo de procesar cada alternativa ha sido reducido.
La velocidad de medicin de la performance de cada alternativa ha sido
aumentada.
Desventajas:
Se pierde algn grado de realismo con respecto al ejercicio operacional,
debido a que operamos en un mundo abstracto.
Simulacin
Son similares a los modelos de juego, excepto que

todas las personas que toman decisiones han sido
sacadas del proceso de modelaje.
Al igual que el ejercicio operacional y juego, los
modelos de simulacin no generan alternativas ni
producen una respuesta ptima a la decisin bajo estudio.
13
En el ejemplo: Programaramos por adelantado un gran nmero de

combinaciones de cantidades y tipos de petrleo crudo a ser usados y
obtendramos las utilidades asociadas a cada tipo de alternativa sin ninguna
entrada externa de los tomadores de decisiones. Una vez que los resultados del
modelo han sido producidos, nuevas corridas podran ser llevadas a cabo, hasta
que percibamos que hemos alcanzado un entendimiento adecuado de problema.
Modelo Matemtico
En este de modelo, el problema es representado totalmente en trminos

matemticos, normalmente por medio de un criterio u objetivo que buscaremos
maximizar o minimizar, sujeto a un grupo de restricciones que representan las
condiciones bajo las cuales tienen que ser efectuadas.
El modelo computa una solucin ptima, que es, una que satisface todas las
restricciones y nos da el mejor valor posible de la funcin objetivo.
En nuestro ejemplo: el uso de un modelo analtico implica determinar como
objetivo la maximizacin de utilidades netas obtenidas de la operacin de la
refinera como una funcin de los tipos y cantidades de los petrleos crudos
usados. Adems la tecnologa del proceso de la refinera, los requerimientos del
producto final y las disponibilidades de crudo de petrleo deben ser representados
en trminos matemticos para definir las restricciones de nuestro problema.
La solucin del modelo ser la cantidad exacta de

cada tipo de petrleo crudo disponible a ser
procesado que maximizar las utilidades netas
dentro del grupo de restricciones propuestas.
Los modelos analticos, son normalmente los
modelos menos costosos y ms fciles de desarrollar.
Sin embargo ellos introducen el ms alto grado de
simplificacin en la representacin del modelo.
Mucho del trabajo llevado a cabo por los cientficos de
investigacin de Operaciones, ha sido orientado en el
desarrollo de implementacin de modelos analticos.
14
Modelos
TEMA 2
de
Programacin
Lineal
Competencia:
Aplicar y generar el ptimo del modelo
matemtico y utilizar el mtodo grfico.
15
Tema 02: Modelos de Programacin Lineal
a) Soluciones Geomtricas
Usualmente las grficas no son el mejor mtodo para resolver problemas de

programacin lineal del mundo real, ya que no podemos dibujar en ms de 3
dimensiones. No obstante una solucin grfica para un problema de 3 menos
dimensiones es efectiva.
Este mtodo consiste en delinear sobre el primer
cuadrante (debido a las condiciones de no
negatividad), la regin de soluciones factibles; y
luego graficando sobre ellas la funcin objetivo, se
ubica el programa programas ptimos.
b) Mtodo Grafico
Maximizacin
Una Compaa manufacturera textil fabrica los productos 1,2; y es

suficientemente afortunada como para vender todo lo que puede
producir actualmente.
Cada producto requiere un tiempo de manufacturacin en los
3 Dptos.; y la disponibilidad de una cantidad fija de horas-
hombre por semana en cada Dpto.; tal como se muestra en el
cuadro siguiente:
Tiempo de Manufacturacin
PRODUCTO
DPTO A DPTO B DPTO C
1 2 1 4
2 2 2 2
H H disp/sem 160 120 280
16
El problema consiste en decidir qu cantidad de cada producto debe

manufacturarse con el objeto de hacer el mejor empleo de los medios limitados
de produccin, sabiendo que la ganancia por cada unidad del producto 1 es $
1.00 y del producto 2 es $ 1.50.
Sean X1 = nmero de unidades del producto 1

X2 = nmero de unidades del producto 2
Por lo tanto la programacin lineal es:
Max Z = x1 + 1.5x2
Sujeto a: 2x1 + 2x2 <= 160 - - - - - - ( 1 )

x1 + 2x2 <= 120 - - - - - - ( 2 )
4x1 + 2x2 <= 280 - - - - - - ( 3 )
x1, x2 >= 0 ------(4)
Si la restriccin (1) fuese la ecuacin:

2x1 + 2x2 = 160,
Se representara una recta en el plano cartesiano; pero como el signo es una
desigualdad esto representa uno de los semiplanos en que queda dividido el
plano cartesiano.
Luego cuando se grfica se tiene:
Grfica de inecuaciones
X2
X2 X1
80 0 80
2x1 + 2x2 =
70 80 0
160
60
50
40 Regin 2x1 + 2x2 < 160
30
20
10
10 20 30 40 50 60 70 80 X1
17
Cabe recalcar que las

restricciones de no
negatividad hacen que de
toda la zona rayada slo
nos interesa la que est en
el primer cuadrante esto es
debido a que
y , luego
se tendr:
Aplicando los mismos

conceptos a la 2da y
3era. Restriccin y
superponiendo las 3
grficos, tenemos
que la zona en la
cual se cumplen
simultneamente las
3 restricciones es la
regin sombreada
que se indica en la
fig.
Analicemos la regin sombreada, cualquier punto dentro de ella cumple

simultneamente con las 3 restricciones y con la no-negatividad.
Ahora el problema consiste en maximizar la

funcin:
Z = x1 + 1.5x2
18
Sobre la regin sombreada de la fig. Anterior que representa a las restricciones

del problema en estudio.
Si hacemos x1 = x , x2 = y
Z = x + 1.5y
ec.recta y = mx + b
Procedamos a graficar esta funcin.

Sea Z = 0, entonces la pendiente de la funcin es:
Por lo tanto, la funcin

objetivo, Z representa
una familia de rectas
paralelas con
pendiente
m = - 1/1.5
= - 2/3, tal como se

muestra
19
La recta x1 + 1.5x2 = 100 representa el mximo valor de la funcin Z; sujeta

a las restricciones del programa lineal propuesto.
Cualquier valor de Z > 100, no tendr ningn punto comn con la regin
sombreada.
La recta Z = 100 y la regin sombreada tienen en este caso un pto. Comn
cuyas coordenadas son
x1 = 40 y x2 = 40
Soluciones factibles
C1: (0,60) C3: (70,0) C5: (40,40)
C2: (0, 0 ) C4: (60,20)
Regin Factible: El conjunto de valores para las variables de decisin en un

programa lineal que satisface todas las restricciones.
Solucin Factible: Una solucin en la que las variables de decisin son factibles
(Cualquier punto, dentro de la regin factible).
Solucin Optima: El punto en la regin factible que tiene el mejor valor de la

funcin objetivo (mx.). Y en caso de minimizacin el menor valor de la funcin
objetivo.
20
Propiedad
La utilidad mxima ocurre en un vrtice del conjunto de soluciones factibles.

Probar todos los vrtices para ver cual aporta la mayor ganancia.
Vrtices Z = x1 + 1.5x2
C1: (0,60) 0 + 1.5 x 60 = 90

C2: (0, 0) 0 + 1.5 x 0 = 0
C3: (70,0) 70 + 1.5 x 0 = 70
C4: (60,20) 40 + 1.5 x 20 = 90
C5: (40,40) 40 + 1.5 x 40 = 100 Respuesta
21
Mtodo TEMA 3
Simplex
Competencia:
Aplicar y generar el ptimo del modelo
matemtico y el mtodo simplex.
22
Tema 03: Mtodo Simplex
a) PROCEDIMIENTO
Se procede a efectuar el balanceo de las reglas restricciones, para lo cual se

recurre a las variables de exceso, holgura y artificial segn se al el caso.
Se construye el primer tablero del mtodo simplex y en ella se registra:

En la primera columna Xk las variables bsicas segn corresponde.
En la columna Cj, se registra la contribucin unitaria de cada variable bsica
anteriormente registrada.
En la columna b, se registra el valor de los trminos independientes (estos
debern ser positivos).
En el tablero principal se registran los coeficientes de las variables de las
restricciones balanceadas.
En la cabecera de dicho tablero se registran las contribuciones de todas las
variables.
En el primer tablero, se calcula los valores del vector fila de contribuciones

(Zj), el cual se obtiene de la suma de los productos parciales que
corresponden por fila.
Se deduce el vector de sensibilidad, el mismo que se obtiene de restar los

valores Cj Zj, lo cual indicara si se trata o no del tablero optimo.
Si se tratase de un caso de maximizacin, no deber existir valores positivos;

de los contrario elegimos el mayor de los valores positivos, el cual identificara
al vector que ingresa o vector ingresante. En caso de minimizacin de
hallarse valores negativos, se selecciona al mayor de todos ellos, quien
identifica al vector ingresante.
23
Luego se calcula el vector que sale o vector saliente para lo cual se divide los
valores del vector columna b entre los valores del vector ingresante y se
selecciona como vector saliente a aquel que corresponda el menor valor
positivo.
Se construye el siguiente tablero y se determina los valores del vector antiguo

(que corresponde a dicha posicin), entre el pvot (el pvot es el valor que se
halla en la interseccin entre el vector que ingresa y el vector que sale, en el
tablero anterior).
Para calcular los valores de las dems filas del segundo tablero se aplica la
siguiente forma:
Elemento del vector antiguo (semipivot * elemento del vector ingresante)
El semipivot es aquel elemento que se halla en la interseccin de la fila anterior

y el vector ingresante.
Luego se calcula para el segundo tablero el valor de la fila de contribuciones
(Zj) y el vector de la fila de sensibilidad (Cj + Zj).
Se contina este proceso hasta que:
No se tenga ningn valor positivo si se trata de maximizacin.
No se tenga ningn valor negativo si se trata de minimizacin.
Del tablero ptimo se extrae el valor ptimo (bien

sea un Zmax Zmin) y la contribucin de las
variables reales de la solucin.
24
b) Mtodo Simplex: Caso de Minimizacin
Min Z : 4X1 + 2X2 - 3X3
s.a.
4X1 - 2X2 - 3X3<= 5
X1 + X3 = 12
-2X1 + X2 - X3>= 6
Balanceando
Minx Z : 4X1 + 2X2 - 3X3+ 0X4 + 0X5 + Mq1 + Mq2
s.a.
4X1 - 2X2 - 3X3+ X4 = 3
X1 + X3 + q1 = 7
-2X1 + X2 - X3- X5 + q2 = 6
25
4 2 3 0 0 M M
Ci Xk b X1X2 X3 X5 X4 q1 q2
0 X4 5 4 -2-3 0 1 0 0
M q1 12 1 0 1 0 0 1 0
M q2 1 -2 1 -1 -1 0 0 1
Zj = 13M -M M 0 -M 0 M M
Cj Zj 4+M 2-M -3 M 0 0 0
0 X4 7 0 0 -5 -2 1 0 0
M q1 12 1 0 1 0 0 1 0
2 X2 1 -2 1 -1 -1 0 0 1
Zj = 12M+2 M-4 2 M-2 -2 0 M 2
Cj Zj -M+8 0 -M-1 2 0 0 -2+M
0 X4 67 5 0 0 -2 1 5 2
-3 X3 12 1 0 1 0 0 1 0
2 X2 13 -1 1 0 -1 0 1 1
Zj = -10 -5 2 -3 -2 0 -1 2
Cj Zj 9 0 0 2 0 M+1 M-2
Zopt = -10
X1 = 0
X2 = 13
X3 = 12
26
c) Mtodo Simplex: Caso de Maximizacin
Max Z : 2X1 + 3X2 - 2X3
s.a.
3X1 + 2X2 - X3<= 15
X1 + 4X2 + 3X3<= 12
-2X1 + X2 - 3X3<= 7
Balanceando
Max Z : 2X1 + 3X2 - 2X3+ 0X4 + 0X5 + 0X6
s.a.
3X1 + 2X2 - X3+ X4 = 15

X1 + 4X2 + 3X3 + X5 = 12
-2X1 + X2 - 3X3+ X6 = 7
27
2 3 2 0 0 0
Ci Xk b X1 X2 X3 X5 X4 X6
0 X4 15 3 2 -1 1 0 0
0 X5 12 1 4 3 0 1 0
0 X6 7 -2 1 -3 0 0 0
Zj = 0 0 0 0 0 0 0
Cj Zj 2 3 -2 0 0 0
0 X4 9 10/4 0 -10/4 1 -2/4 0
3 X2 3 1/4 1 3/4 0 1/4 0
0 X6 4 -9/4 0 -15/4 0 -1/4 1
Zj = 9 3/4 3 9/4 0 3/4 0
Cj Zj 5/4 0 -17/4 0 -3/4 0
2 X1 36/10 1 0 -1 4/10 -2/10 0
3 X2 84/40 0 1 4/4 -1/10 3/10 0
0 X6 484/40 0 0 -6/4 9/10 -7/10 1
Zj = 135/10 2 3 1 5/10 5/10 0
Cj Zj 0 0 -3 -5/10 -5/10 0
Zopt = 135/10 = 13.5

X1 = 3.6
X2 = 2.1
X3 = 0
28
Uso
TEMA 4
del
Software
Competencia:
Aplicar y generar la optimizacin del
modelo matemtico y utiliza el software
Lingo, Tora, Glp.
29
Tema 04: Uso del Software
a) Uso del LINGO
LINGO es una herramienta simple que permite utilizar el poder

de la optimizacin lineal y no lineal para formular grandes
problemas concisamente, resolverlos, y analizar la solucin.
La optimizacin ayuda a encontrar la respuesta que
satisface el mejor resultado. Frecuentemente, estos
problemas involucraban el uso ms eficiente de los
recursos (dinero, tiempo, maquinaria, personal, etc.).
Los problemas de optimizacin se pueden clasificar en
lineales o no lineales, dependiendo de cmo las
relaciones entre las variables.
La ventana inicial de LINGO.
30
Desarrollo de un modelo en LINGO.
Supongamos que CompuQuick Corp. Produce 2 modelos de computadoras:

Standard y Turbo. CompuQuick puede vender cada unidad Standard que produce
a un precio de $100, y cada unidad Turbo por $150. La fbrica puede producir a lo
sumo 100 computadoras Standard por da y 120 computadoras Turbo.
CompuQuick tiene una capacidad de trabajo de 160 horas por da. Las
computadoras Standard requieren 1 hora de labor, mientras que las Turbo
requieren 2 horas. El problema de CompuQuick es determinar la mezcla de
computadoras Standard y Turbo a producir cada da para maximizar el total de las
ventas sin exceder el lmite de produccin y de trabajo.
En general un modelo de optimizacin consiste en los siguientes 3 tems:
1. Funcin objetivo
2. Variables
3. Restricciones
La sintaxis para escribir la funcin objetivo en LINGO es:

MAX = 100 * STANDARD + 150 * TURBO;
Nota: Cada lnea en LINGO finaliza con un punto y coma. El punto y la coma son
requeridos. El modelo no se resolver si falta algn punto y coma.
Las restricciones se introducen de la siguiente manera:
STANDARD <= 100;

TURBO <=120;
STANDARD + 2 * TURBO <= 160;
Nota: Dado que la mayor parte de las computadoras no tienen una tecla de menor
o igual, LINGO ha adoptado como convencin utilizar el smbolo <= para
representar. Como alternativa, se puede usar el smbolo < para expresar menor o
igual. Lo mismo se usa >= > para expresar mayor o igual.
31
Una expresin puede abarcar ms de una lnea, por ejemplo:

MAX = 100 * STANDARD + 150 * TURBO;
Se pueden introducir comentarios, que sern ignorados por LINGO, comenzando

con un signo de exclamacin (! y terminando con un punto y coma. Los
comentarios tambin pueden ocupar varias lneas. Por ejemplo:
X= 1.5 * Y + Z / 2 * Y; ! Esto es
Un comentario;
X= 1.5 * ! Esto es un comentario en el medio de una restriccin; Y + Z / 2 * Y;
LINGO no distingue entre maysculas y minsculas, por lo que es lo mismo

STANDARD que standard y que StAnDaRd.
Los nombres de las variables deben comenzar con un

carcter alfabtico (A-Z), los siguientes caracteres pueden
ser alfabticos, numricos o subrayado (_). Los nombres
pueden ser de hasta 32 caracteres de longitud.
32
Resolucin del modelo.
Para ordenar a LINGO a que resuelva el problema, se debe seleccionar el

comando Solve del men LINGO, o presionar el botn Solve de la barra de
herramientas.
Si no hay errores en la formulacin del problema durante la etapa de compilacin,
LINGO invocar al mdulo de resolucin adecuado para buscar la solucin
ptima.
Ventana de estado.
En esta ventana se puede monitorear el proceso de resolucin y las dimensiones

del modelo.
El recuadro "Variables" muestra el nmero total de variables del modelo, las
variables que son no lineales y las enteras. Una variable es considerada no lineal
si es parte de una restriccin no lineal en el modelo. Mientras ms variables no
lineales y enteras contenga el modelo, ms difcil ser resolverlo de forma ptima
en un tiempo razonable. Los modelos lineales puros sin variables enteras tienden
a resolverse ms rpidamente.
33
La cuenta de variables no incluye las que LINGO determina como de

valor fijo, por ejemplo: dadas las restricciones
X = 1;
X + Y = 3;
LINGO determina por la primera restriccin que X est fija en 1,
y, usando esta informacin, deduce que Y est fija en 2. X e Y
sern entonces excluidas del modelo.
En el recuadro "Constraints" se muestra la cantidad total de restricciones y el

nmero de stos que son no lineales. Una restriccin es considerada no lineal si
una o ms variables aparecen de forma no lineal en la restriccin.
El recuadro "Nonzeros" muestra el total de coeficientes distintos de cero que
aparecen en el modelo y el nmero de estos que aparecen en variables no
lineales.
El recuadro "Memory Used" muestra la cantidad de memoria que est utilizando
LINGO para resolver el modelo.
El recuadro "Elapsed Runtime" muestra el tiempo total utilizado para generar y
resolver el modelo.
El recuadro "Optinizer Status" muestra el estado actual del optimizador:
Campo Descripcin
State Estado de la solucin actual, puede ser
"Global optimum", "Local optimum",
"Feesible", "Unbounded", "Interrupted",
"Undetermined"
Iterations Nmero de iteraciones
Infeasibility Cantidad de veces que es violada una
restriccin
Objetive Valor actual de la funcin objetivo
Best IP Valor de la funcin objetivo de la mejor
solucin entera encontrada (solo en
modelos de programacin entera)
IP Bound Lmite terico de la funcin objetivo
para modelos de programacin entera.
34
Cuando LINGO termine de resolver el modelo, crear una nueva ventana con el ttulo
Solution Report, conteniendo los detalles de la solucin:
Informe de la solucin.
Para qu utilizar un lenguaje de modelacin?
Una de las caractersticas ms potentes de LINGO,

es el lenguaje de modelacin matemtica. Este
lenguaje permite expresar el problema de una
manera natural, similar a la notacin
matemtica standard. Adems de poder
ingresar cada trmino de cada restriccin
explcitamente, LINGO permite expresar una serie
de restricciones similares en una sola sentencia
compacta.
35
Otra caracterstica conveniente del lenguaje de modelacin de LINGO, es la

seccin de datos. La seccin de datos permite aislar los datos de la formulacin
del modelo. De hecho, LINGO puede incluso, leer los datos de una planilla de
clculo, de una base de datos o un archivo de texto. Con los datos
independientes del modelo, es mucho ms fcil hacer cambios, y hay menos
oportunidad de cometer errores.
El modelo de CompuQuick del ejemplo anterior, usa variables escalares, cada
variable est explcitamente listada por nombre (STANDARD y TURBO) y cada
restriccin aparece explcitamente. En la mayor parte de los grandes modelos,
ser necesario trabajar con un grupo de varias restricciones y variables muy
similares. Para esto, LINGO tiene la habilidad de manejar conjuntos de objetos,
que permiten efectuar estas operaciones ms eficientemente.
b) Uso del GLP
Es una herramienta informtica que permite graficar modelos

matemticos de P.L. de 2 variables, grafica la solucin ptima.
Es desarrollado bajo la supervisin del Profesor Jeffrey Moore,
PhD de la Escuela de Negocios de la Universidad de Stanford.
Usando GLP Escuela de Negocios de Stanford

Graphic LP Optimizer (GLP) para
graficar modelos de PL.
Etiquetas de
tipo de
variables para
X, Y, ingreso
para 6
restricciones y
la funcin Area de graficacin
objetivo.
(PAYOFF)
36
Primero, obtenga un grfico

del grupo de restricciones,
Ingreso de
asignando los ejes.
restricciones y
el lmite de las
disponibilidad
de recursos
usando +/-
Esta rea representa

la regin factible.
Note que puede desplazar la lnea de estricciones (drag) y

observar que pasa con la reginfactible.
Solo el lado derecho de

la restriccin (RHS) es
variable.
37
c) Uso del TORA
Max Z = x1 + 1.5x2
Sujeto a: 2x1 + 2x2 <= 160 - - - - - - ( 1 )
x1 + 2x2 <= 120 - - - - - - ( 2 )
4x1 + 2x2 <= 280 - - - - - - ( 3 )
x1, x2 >= 0 ------(4)
38
Lecturas Recomendadas
EL LIBRO:
http://site.ebrary.com/lib/biblioucvsp
PROGRAMACIN LINEAL
http://www.programacionlineal.net/
Actividades y Ejercicios
1. Ingresa al link Mtodo Simplex lee atentamente las

indicaciones, desarrllalo y envalo por el mismo medio.
Dado el siguiente modelo matemtico, resolver por el mtodo
simplex:
Max Z = x1 + 1.5x2
Sujeto a: 2x1 + 2x2 <= 160 - - - - - - ( 1 )
x1 + 2x2 <= 120 - - - - - - ( 2 )
4x1 + 2x2 <= 280 - - - - - - ( 3 )
x1, x2 >= 0 ------(4)
Dado el modelo matemtico del ejercicio 1, resolverlo usando

el software LINGO. Recuerde que el software LINFO lo puede
descargar e instalar gratuitamente de internet.
39
Autoevaluacin
1) Una solucin en la que las variables de decisin son factibles (Cualquier
punto, dentro de la regin.
a. Solucin Factible
b. Regin Factible
c. Solucin ptima
d. Solucin Extrema
e. Solucin Parcial
2) El punto en la regin factible que tiene el mejor valor de la funcin objetivo.

a. Solucin factible
b. Regin Factible
c. Solucin ptima
d. Solucin extrema
e. Solucin parcial
3) Nos permite graficar modelos matemticos de P.L. de dos variables.

a. Lingo
b. Glp
c. Tora
d. Lindo
e. Win QSB
4) Es el modelo ms realista:
a. Ejercicio Operacional
b. Simulacin
c. Matemtico
d. Gaming
e. Juego
5) Es el modelo ms abstracto
a. Gaming
b. Matemtico
c. Ejercicio Operacional
d. Simulacin
e. Juego
40
6) Es una herramienta simple que permite utilizar el poder de la optimizacin

lineal y no lineal:
a. Lingo
b. Glp
c. Tora
d. Lindo
e. Win QSB
7) El conjunto de valores para las variables de decisin en un programa lineal

que satisface todas las restricciones.
a. Solucin Factible
b. Solucin Optima:
c. Regin Factible
d. Propiedad
e. Maximizacin
8) Su principal objetivo es de mantener en alto la moral del personal, lo cual

influye directamente en la productividad, y mantener un alto grado de
entrenamiento.
a. Departamento de Administracin
b. Departamento del Personal
c. Departamento de Produccin
d. Departamento de Ventas
e. Departamento de Recursos Humanos
9) No es parte de la funcin del Analista de Operaciones:

a. Laboriosidad y sentido de responsabilidad.
b. Facilidad de expresin oral y escrita.
c. Habilidad para trabajar en equipos
d. Habilidad para descubrir las condiciones importantes del problema.
e. Facilidad de trabajar individualmente y sin equipo.
10) El desea reducir el inventario a un mnimo indispensable, lo

cual choca con los deseos del Dpto. de produccin y el Dpto. de ventas
a. Departamento de Administracin
b. Departamento de Marketing
c. Departamento de personal
d. Departamento de Ventas
e. Departamento de Produccin
41
Resumen
UNIDAD DE APRENDIZAJE I:
Como su nombre lo dice, la investigacin de operaciones significa hacer investigacin

sobre las operaciones. Esto dice algo tanto del enfoque como del rea de aplicacin.
Entonces, la investigacin de operaciones se aplica a problemas que se refiere a la
conduccin y coordinacin de operaciones o actividades dentro de una organizacin.
Hasta hace poco las decisiones siempre se tomaban basadas en la intuicin. Sin embargo
este proceso empez a perder confiabilidad, por lo cual comenzaron a utilizarse en el siglo
pasado modelos de programacin matemtica y se disearon tcnicas similares como
ayuda a la decisin gerencial.
La revolucin cientfica en las tcnicas administrativas de principios de este siglo, iniciadas

por Frederick Taylor, en la que sent la base para la actualidad ciencia administrativa /
investigacin de operaciones. Con posterioridad a la guerra y ante el xito aparente de los
militares atrajo la atencin de la industria que buscaba soluciones a problemas creados por
la complejidad y especializacin de las operaciones, herramientas formales para el
desarrollo rpido de las empresas y empezaron a formar grupos de trabajo. Dos procesos,
que ocurrieron en el periodo posterior a la segunda guerra mundial, condujeron a la
investigacin de operaciones como un par importante en el proceso de la toma de
decisiones:
En primer lugar el descubrimiento de George Dantzig en 1947 del mtodo simple, para
resolver problemas de programacin lineal., y en 1957 Churman, Ackffy Arnoff
publicaron el primer libro de investigacin de operaciones. Con el advenimiento de las
computadoras digitales se expandieron los campos de accin de los mtodos
cuantitativos y se crearon nuevos modelos. Dada la facilidad de obtencin de
resultados en crear y desarrollarse. Hoy en da los mtodos cuantitativos son utilizados
en el sector pblico y privado como elementos esenciales en el proceso de la toma de
decisiones generales. Programacin lineal, tcnica matemtica y de investigacin de
operaciones que se utiliza en la planificacin administrativa y econmica para
maximizar las funciones lineales de un gran nmero de variables sujetas a
determinadas restricciones (vase lgebra; Funcin; Matemtica). El desarrollo de
computadoras electrnicas de procesamiento de alta velocidad ha aportado
recientemente muchos avances a la programacin lineal, de forma que ahora esta
tcnica se utiliza extensamente en operaciones industriales y militares.
La programacin lineal se utiliza bsicamente para hallar un conjunto de valores,

elegidos a partir de un conjunto de nmeros dado, que maximizaran una forma poli
nmica dada. La programacin lineal utiliza un modelo matemtico para descubrir el
problema. El adjetivo lineal significa que todas las funciones matemticas del modelo
deben ser funciones lineales. En este caso, la palabra programacin no se refiere a
programacin en computadoras; en esencia es un sinnimo de planeacin. As, la
programacin lineal trata de planeacin de las actividades para obtener un resultado
optimo, esto es, el resultado que mejor alcance la meta especificada (segn el modelo
matemtico) entre todas alternativas de solucin.
42
43
Introduccin
estudiante desarrolle y ejecute el anlisis post-optimo de los modelos
matemticos de programacin lineal, durante su proceso de formacin profesional
y contribuyan en el logro de su perfil profesional.
b) Competencia
Desarrolla y aplica el anlisis de sensibilidad de los modelos matemticos
de programacin lineal.
c) Capacidades
1. Planifica y aplica el anlisis de sensibilidad de los modelos matemticos.
2. Planifica y utiliza el anlisis de sensibilidad por computadora.
3. Planifica y aplica la solucin de modelos de programacin entera.
4. Aplica y reconoce los modelos Primal - Dual.
d) Actitudes

La Unidad de Aprendizaje 2: Anlisis de Sensibilidad de los modelos de
Programacin Lineal, comprende el desarrollo de los siguientes temas:
TEMA 01: Anlisis de Sensibilidad de los Trminos Independientes en

Situacin de Maximizacin.
TEMA 02: Anlisis de la Solucin por la Computadora.
TEMA 03: Programacin Lineal Entera.
TEMA 04: El Primal - Dual.
44
Anlisis de
Sensibilidad TEMA 1
de los Trminos
Independientes
en Situacin de
Maximizacin
Competencia:
Planificar y aplicar el anlisis de
sensibilidad de los modelos matemticos.
45
Tema 01: Anlisis de Sensibilidad de los Trminos

Independientes en Situacin de Maximizacin
El anlisis Post-optimo es tambin denominado Anlisis de Sensibilidad, estudia

las variaciones que se presentan en una solucin optima en lo referente a los
Trminos Independientes, la Funcin Objetivo y la matriz Principal (esta ltima
tambin denominada Matriz Tecnolgica), tanto para los casos de maximizacin
como los de Minimizacin
a) Anlisis de sensibilidad de los trminos independientes en

situacin de maximizacin
Procedimiento
Paso 1. Se calcula la solucin ptima del modelo originalmente

dado.
Paso 2.
Se calcula el valor del trmino independiente modificado,
mediante:
bi +/ - b = b
Donde:
b i = Es el trmino independiente original de una
determinada restriccin del modelo matemtico.
b = Es la cantidad en que se incrementa o disminuye el
trmino independiente.
b = Es el trmino independiente modificado
46
Paso 3. Se multiplica la matriz:
B-1 con el vector modificado del trmino independiente:
B-1 b >= [ ] entonces Es Factible
De lo contrario se dice que no existe factibilidad.
Paso 4. En el supuesto caso de que no exista factibilidad, se identifica a aquel

elemento de la matriz B-1 que lo est ocasionando ( la matriz B-1 es aquella que
corresponde en el tablero optimo a la posicin que ocupaba la matriz unitaria en el
tablero N 01 del Mtodo Simples), a dicho elemento identificado, se convierte en
el Pvot y partir de esto, se efecta la inversin de matrices para la matriz B-1; y
continuamos con el proceso del Paso 4 las veces que sean necesarios, hasta
obtener una solucin factible, mediante la frmula dada en el Paso 3.
Paso 5. Una vez que se obtiene la factibilidad a partir del Paso 3 o Paso 4 segn
el caso, se procede a calcular la solucin optima del modelo dado con la variacin
propuesta del trmino independiente, mediante la frmula:
Zmax = Ci ( B-1 b )
Y la participacin de las variables, reales en

dicho modelo modificado se obtiene de:
B-1 b
EJEMPLO
Max Z : 5X1 + 6X2

s.a.
2X1 + 3X2<= 30
3X1 + 2X2 <= 30
47
Para cuando:
a) Considerar que b1 , pasa a ser 24

b) Considerar que b , pasa a ser b1=36 y b2=18
Balanceando
Max Z : 5X1 + 6X2+ 0X3 + 0X4

s.a.
2X1 + 3X2+ X3= 30
3X1 + 2X2 + X4= 30
5 6 0 0
Ci Xk b X1 X2X3 X4
0 X3 30 2 3 1 0
0 X4 30 3 2 0 1
Zj = 0 0 0 0 0
Cj Zj 6 6 0 0
6 X2 10 2/3 1 3/3 0
0 X4 10 5/3 0 -2/3 1
Zj = 60 4 6 2 0
Cj Zj 1 0 -2 0
6 X2 6 0 1 3/5 -2/5
5 X1 6 1 0 -2/5 3/5
Zj = 66 5 6 8/5 3/5
Cj Zj 0 0 -8/5 -3/5
Zopt = 66
X1 = 6
X2 = 6
48
a) B-1 b >= [ ] entonces Es Factible
3/5 -2/5 24 12/5 6

= >= Solucin factible
-2/5 3/5 30 42/5 0
Se pasa al Paso 5
Zmax = Ci (B-1 b )
Zmax = (C2 , C1 ) 12/5
42/5
Zmax = (6,5) 12/5 = 56.4
42/5
x1= 42/5 = 8.4 x2 = 12/5 = 2.4
b) B-1 b >= [ ] entonces Es Factible
3/5 -2/5 36 72/5 0

= not >= No factible
-2/5 3/5 18 -18/5 0
Entra
X3 X4 X3 X4
X2 3/5 -2/5 X2 0 1/2
Sale X1 -2/5 3/5 X3 1 -3/2
X2 0 1/2 36 9 0
= >= Solucin factible
X3 1 -3/2 18 9 0
49
Se pasa al Paso 5
Zmax = Ci (B-1 b )
Zmax = (C2 , C3 ) 9
Zmax = (6,0) 9 = 54
x1= 0 x2 = 9
50
Anlisis de la TEMA 2
Solucin por la
Computadora
Competencia:
Planificar y utilizar el anlisis de
sensibilidad por computadora.
51
Tema 02: Anlisis de la Solucin por la

Computadora
a) Planeacin de la produccin
Usando el software Lindo tenemos:
52
53
b) Anlisis
1. Plan ptimo de produccin

Q1 = 1300 unidades
Q2 = 0
Q3 = 100 unidades
Q4 = 800 unidades
Q5 = 200 unidades
2. Cuanto es la utilidad mxima

$ 54,400
3. Costos reducidos.
Solo se le interpreta cuando son diferentes de cero.
Costo reducido de Q2 = 11
Tiene dos significados:
Primera interpretacin: Se puede notar que el producto Q2 no conviene
fabricar, para que sea conveniente su produccin, su utilidad debe aumentar
por lo menos 11 $/unidad.
Segunda Interpretacin: Se sabe que el producto Q2 no debemos fabricar, si
forzamos la produccin de este producto, la utilidad total se reducir en forma
proporcional a 11, por cada unidad fabricada.
NOTA
Siempre que hay un cero en el lado izquierdo o
derecho, si no hay cero, el problema no tiene
solucin. Pero cuando hay varios ceros, significa
que hay varias soluciones ptimas.
54
4. Slack or Surplus (variables de holgura y exceso).
Variable de Holguras y Variables de exceso
a) Holgura 0 de la fila 2: Toda la materia prima ha sido utilizada, sobrando cero

libras.
b) Holgura 300 de la fila 3: Significa que hay 300 pies cbicos no utilizables del
almacn. Solo se est utilizando 3700 pies cbicos.
c) Variable de exceso 1900 en la fila 4: Se estn entregando 1900 unidades
adicionales a las empresas industriales, lo mnimo que pedan era 200
unidades y estamos entregando 2100 unidades (exceso de 1900 unidades).
d) Variables de exceso 0 de la fila 5: Se estn entregando exactamente lo mnimo
pedido (300 unidades) a las empresas comerciales, no entregamos ninguna
unidad adicional.
e) En la fila 6 y fila 7 por ser restriccin de igualdad.
5. Dual Price (Precios Duales).

Se obtiene como sigue:
Unidad de la funcin del Primal

Yi = --------------------------------------------------------------------
Unidad del trmino derecho de la i_esima restriccin del Primal
$ de utilidad
Y1 = 3 ----------------------------
Libras de materia prima
$ de utilidad
Y2 = 0 ----------------------------
Pie cbico de espacio
$ de utilidad
Y3 = 0 ----------------------------
Producto comprado por empresas industriales
55
$ de utilidad
Y4 = -14 ----------------------------
Por producto comprado por las empresas comerciales
$ de utilidad
Y5 = 14 ----------------------------
Hora Planta 1
$ de utilidad
Y4 = 21 ----------------------------
Hora Planta 2
6. Unidades de las variables duales.

Sea:
bi = termino derecho de la i_esima restriccin del primal
Yi = Variable dual asociada a la i_esima restriccin del Primal.
M = Valor optimo de la funcin objetivo del primal.
Si variamos el trmino derecho (bi) de la i_esima restriccin del primal, en un

cantidad di, entonces:
Si di es positivo significa que estamos incrementando.

Si di es negativo significa que estamos disminuyendo.
El nuevo valor ptimo es

M - di * Yi
i) Si aumentamos 50 libra de materia prima. Cul es la nueva utilidad?
M + di * Yi
M = 5400
di = 50
Yi = 3
Entonces 5400 + 50(3) = $ 54,550
56
ii) Si se deterioran 80 libras de materia prima, como afecta esto a la utilidad.
54400 + di * Yi = 54400 + (-80) (3) = $ 54160
En conclusin:
Por cada libra adicional de materia prima, la utilidad aumenta en 3 $, y por cada
libra que se disminuye la materia prima, la utilidad baja 3 $.
7. Rangos de sensibilidad.
i) Rango de sensibilidad para el coeficiente de Q1 en la Funcin Objetivo

Mientras la utilidad unitaria del producto 1 sea menor o igual que 26, el Plan
de Produccin optimo no cambia.
ii) Rango de sensibilidad para la materia prima (Fila2)

Mientras la cantidad disponibles de materia prima este entre 5800 y 6400
libras, los precios duales no cambian. Van ha seguir siendo 3.
Podemos comprar hasta 400 libras de materia prima o vender hasta 200
libras, sin alterar su precio dual.
57
Programacin TEMA 3
Lineal
Entera
Competencia:
Planificar y aplicar la solucin de modelos
de programacin entera.
58
Tema 03: Programacin Lineal Entera
La programacin entera tiene que ver con la solucin de

problemas de programacin matemtica, en las cuales algunas o
todas las variables, solo pueden tomar valores enteros no
negativos.
a) Tipos de Modelos de Programacin Lineal Entera
Programa enteros puros

Un modelo entero puro (PLE) es un problema en el que se exige que todas las
variables de decisin tengan valores enteros.
Ejemplo:
MIN 6X1 + 5X2 + 4X1
S.A.
108X1 + 92X2 + 58X3 >= 576
7X1 + 18X2 + 22X3 >= 83
X1, X2, X3 >= 0 y Enteros
Programas Enteros Mixtos

Se llama programacin lineal entero mixto (PLEM), cuando un problema solo
requiere que algunos variables tengan valores enteros, mientras que las otras
pueden asumir cualquier numero no negativo (es decir, cualquier valor continuo).
Por ejemplo:
MIN 6X1 + 5X2 + 4X3
S.A.
108X1 + 92X2 + 58X3 >= 576
7X1 - 18X2 + 22X3 >= 83
X1, X2, X3 >= 0 ; X1 y X3 Enteros
59
Programacin Enteros 0 y 1
En algunos problemas, se restringe el valor de las variables a 0 y 1. Dichos
problemas se llaman Binarios o Programas Lineales Enteros 0-1. Son de particular
inters, debido a que se pueden usar las variables 0-1 para representar
decisiones dicotmicas (si o no). Diversos problemas de asignacin, ubicacin de
plantas, planes de produccin y elaboracin de cartera, son de programacin
lineal entera 0-1. Por ejemplo:
MIN 5X1 - 7X2 + 10X3 - 3X4 + X5

S.A.
-X1 - 3X2 + 5X3 - X4 - 4X5 >= 0
2X1 + 6X2 - 3X3 + 2X4 + 2X5 >= 4
-X2 + 2X3 + X4 - X5 >= 2
XJ = 0 1 donde (0: se rechaza, 1: se acepta)
b) Mtodos de Programacin Lineal Entera
Mtodo de Bsqueda
Se inician partir de la idea directa de enumerar todos los puntos enteros factibles,
El mtodo de bsqueda ms sobresaliente es la TCNICA DE RAMIFICAR Y
ACOTAR, Comienza a partir del optimo continuo, pero parte sistemticamente el
espacio de soluciones en subproblemas, suprimiendo partes que no contengan
puntos enteros factibles.
Ejemplo:
MAX X1 + 5X2
S.A.
11X1 + 6X2 <= 66
5X1 + 50X2 <= 225
X1, X2 >= 0 y Enteros
Resolver el problema, por el mtodo grfico o mtodo simplex
60
61
Ramificar y Acotar
VO de P1 <= 3.75 + 5(4.123) = 24.375 = U = MCSA Mxima Cuota Superior Actual
VO de P1 <= 3 + 5(4) = 24 = F = MCIA Mnima Cuota Inferior Actual
62
El
TEMA 4
Primal
Dual
Competencia:
Aplicar y reconocer los modelos Primal
Dual.
63
Tema 04: El Primal - Dual
El mtodo PRIMAL- DUAL constituye una

tcnica de solucin complementaria en la
Programacin Lineal, generalmente su
aplicacin se da en la Teora de
Estrategia Teora de Juegos, en la cual
se busca optimizar entre 2 o ms
estrategas y determinar la probabilidad
de xito de cada caso, as como el valor
de la informacin o el juego segn se trate
a) Primal - Dual
Dado un conjunto cualquiera de datos para un modelo de PL (Primal), podemos

usar los mismos datos para formar un modelo de PL diferente (Dual).
Para examinar la teora de Dualidad en una forma satisfactoria, tenemos que
desechar la restriccin de que las variables de un modelo de PL sean no
negativas.
Ejemplo (Modelo Primal)
Max 3X1 + 4X2 - 2X3 Var. Duales
S.A.
4X1 - 12X2 + 3X3 <= 12 Y1
-2X1 + 3X2 + X3 <= 6 Y2
-5X1 + X2 - 6X3 >= -40 Y3
3X1 + 4X2 -2X3 = 10 Y4
X1>=0 , X2<=0 , X3 NRS
64
b) Regla
El Nm. de variables del Dual es igual al nmero de restricciones del Primal. El

nmero de restricciones del Dual es igual al nmero de variables del Primal.
Los coeficientes de la Funcin Objetivo en el Dual ser el vector de recursos del
Primal.
Si el primal es un modelo de maximizacin, el Dual ser de Minimizacin. Si el
Primal es un modelo de Minimizacin el Dual ser de Maximizacin.
Los Coeficientes de la 1ra funcin de restriccin del Dual, son los Coeficientes de
la 1ro variable en las restricciones de Primal, y en forma anloga para las otras
restricciones.
Los recursos de las restricciones duales son los Coeficientes de la funcin objetivo
del Primal.
El sentido de la i-sima restriccin Dual es = si y solo si la i-sima variable del
Primal no tiene restriccin de signo (NRS).
Si el Primal es un modelo de Max (Min), entonces, despus de aplicar la regla
anterior, se asigna a las restantes restricciones Duales el mismo (opuesto) sentido
a la variable correspondiente del Primal.
La i-sima variable del problema DUAL no tendr restriccin
de signo(NRS) si y solo si la i-sima restriccin del PRIMAL
es una igualdad.
Si el PRIMAL es un modelo de mx. (Min), entonces

despus de aplicar la regla anterior, asignar a las
dems variables DUALES el signo contrario
(el mismo signo) que la restriccin
correspondiente al PRIMAL.
65
Modelo Dual
Nm. Variables Dual =4 (Y1, Y2, Y3 y Y4)

Nm. Restricciones Dual = 3
Min 12Y1 + 6Y2 - 40Y3 + 10Y4
S.A.
4Y1 - 2Y2 - 5Y3 + 3Y4 >= 3
-12Y1 + 3Y2 + Y3 + 4Y4 <= 4
3Y1 + Y2 - 6Y3 - 2Y4 = -2
Y1>= 0 , Y2>= 0 , Y3 <= 0 , Y4 NRS
d) Ejercicios
1) Hallar el Dual del siguiente Primal
Max 3X1 + 4X2

S.A.
-2X1 + 3X2 <= 6
5X1 - X2 <= 40
X1 + X2 <= 7
X1>= 0 , X2>= 0
Dual
Nm. Variables (D) = Num. Restricciones (P) = 3
Nm. Restricciones (D) = Nm. Variables (P) = 2
Min 6Y1 + 40Y2 + 7Y3

S.A.
-2Y1 + 5Y2 + Y3 >= 3
3Y1 - Y2 + Y3 >= 4
Y1>= 0 , Y2>= 0 , Y3 >= 0
66
Min X1 + 12X2 - 2X3
S.A.
4X1 + 2X2 + 12X3 <= 10
2X1 - X2 + 11X3 >= -2
X1<= 0 , X2 NRS , X3>= 0
Dual
Num. Variables (D) = Num. Restricciones (P) = 2

Num. Restricciones (D) = Num. Variables (P) = 3
Max 10Y1 - 2Y2
S.A.
4Y1 + 2Y2 >= 1
2Y1 - Y2 = 12
12Y1 + 11Y2 <= -2
Y1<= 0, Y2>= 0
67
Max 4X1 + 7X2 + 8X3
S.A.
4X1 + 2X2 + X3 <= 100
X1 + 3X2 + 7X3 <= 80
2X1 + 6X2 + 3X3 <= 50
X1 NRS, X2 NRS, X3NRS
Dual
Nm. Variables (D) = Nm. Restricciones (P) = 3

Min 100Y1 + 80Y2 + 50Y3
S.A.
4Y1 + Y2 + 2Y3 = 4
2Y1 + 3Y2 + 6Y3 = 7
Y1 + 7Y2 + 3Y3 = 8
Y1>= 0, Y2>= 0, Y3>= 0
68
INVESTIGACIN DE OPERACIONES
http://es.wikipedia.org/wiki/Investigaci%C3%B3n_de_operaciones
DIALNET
http://dialnet.unirioja.es
Ingresa al link Dual de Primal lee atentamente

las indicaciones, desarrllalo y envalo por el mismo
medio.
a) Hallar el Dual del Siguiente Primal

Max 3X1 + 4X2
2X1 + 3X2 <= 6
5X1 - X2 <= 40
X1 + X2 <= 7
X1>= 0, X2>= 0
Dual

Min 6Y1 + 40Y2 + 7Y3
S.A.
-2Y1 + 5Y2 + Y3 >= 3

3Y1 - Y2 + Y3 >= 4
Y1>= 0 , Y2>= 0 , Y3 >= 0
69
b) Hallar el Dual del Siguiente Primal
Min X1 + 12X2 - 2X3
S.A.
4X1 + 2X2 + 12X3 <= 10
2X1 - X2 + 11X3 >= -2
X1<= 0, X2 NRS, X3>= 0
Dual
Max 10Y1 - 2Y2

S.A.
4Y1 + 2Y2 >= 1
2Y1 - Y2 = 12
12Y1 + 11Y2 <= -2
a) Y1<= 0 , Y2>= 0
70
Autoevaluacin
1) No es un tipo de programacin lineal entera.
a. Entera Pura
b. Entera Mixta
c. Binaria
d. Enteros 0 y 1
e. Entero real
2) No me permite realizar anlisis de sensibilidad de modelos de programacin

lineal.
a. Lindo
b. Lingo
c. Win QSB
d. Tora
e. Excel
3) Es una tcnica que me permite resolver los modelos de programacin lineal

entera.
a. Ramificar y acotar
b. Solver
c. Maximizar
d. Minimizar
e. Optimizar
4) Constituye una tcnica de solucin complementaria en la Programacin

Lineal, generalmente su aplicacin se da en la Teora de Estrategia Teora
de Juegos, en la cual se busca optimizar entre 2 ms estrategias y
determinar la probabilidad de xito de cada caso, as como el valor de la
informacin o el juego segn se trate.
a. Dual
b. Primal
c. Primal-Dual
d. Modelar
e. Optimizar
5) No es un componente de los modelos matemticos.

a. Funcin objetivo
b. Restricciones
c. Limitaciones
d. Recursos
e. Deseos
71
6) Se inician a partir de la idea directa de enumerar todos los puntos enteros

factibles.
a. Mtodo de Bsqueda
b. Ramificar y Acotar
c. Mtodo simplex
d. Dual
e. Primal
7) El mtodo de bsqueda ms sobresaliente es:

a. Tcnica de Ramificar y Acotar
b. La tcnica del mtodo simplex
c. TECNICA de programas lineales
d. Tcnica de los binarios
e. Tcnica con variables
8) Se llama programacin lineal entero mixto..

a. PEM
b. PLEM
c. PLM
d. MEPL
e. PLEN
9) El anlisis Post-optimo es tambin denominado Anlisis de .

a. Sensibilidad
b. Independizacin
c. Limitacin
d. Matriz tecnolgica
e. Maximizacin
10) La programacin entera tiene que ver con la solucin de problemas de :

a. Desarrollo de matrices
b. Programacin matemtica
c. Desarrollo de ecuaciones lineales
d. Variables
e. Enteros puros
72
Resumen
UNIDAD DE APRENDIZAJE II:
Toda solucin a un problema de toma de decisiones se basa en determinados

parmetros que se presumen como fijos. El anlisis de sensibilidad es un conjunto de
actividades posteriores a la solucin que sirven para estudiar y determinar qu tan
sensible es la solucin a los cambios en las hiptesis.
Estas actividades tambin se denominan anlisis de estabilidad, anlisis what-if o de

hiptesis, modelacin de escenarios, anlisis de especificidad, anlisis de
incertidumbre, anlisis de inestabilidad numrica, inestabilidad funcional y tolerancia,
anlisis de post optimalidad, aumentos y disminuciones admisibles y muchos otros
trminos similares que reflejan la importancia de esta etapa del proceso de
modelacin. Por ejemplo, anlisis de sensibilidad no es el trmino tpico empleado en
la econometra para referirse al mtodo de investigacin de la respuesta de una
solucin frente a perturbaciones en los parmetros.
En econometra, esto se denomina esttica comparativa o dinmica comparativa,

segn el tipo de modelo en cuestin. Se puede hacer frente a las incertidumbres de
una manera ms "determinista". Este abordaje tiene distintos nombres tales como
"modelacin de escenarios", "modelacin determinista", "anlisis de sensibilidad" y
"anlisis de estabilidad".
La idea es generar, de manera subjetiva, una lista ordenada de incertidumbres

importantes que supuestamente podran tener un mayor impacto sobre el resultado
final. Esto se lleva acabo antes de focalizarse en los detalles de cualquier "escenario"
o modelo
73
74
Introduccin
estudiante desarrolle y ejecute los modelos de Transporte, Asignacin y Redes,
durante su proceso de formacin profesional y contribuyan en el logro de su perfil
profesional.
b) Competencia
Aplica modelos de transporte, asignacin, redes y comprende su
importancia en la investigacin de operaciones.
c) Capacidades
1. Planifica y reconoce la estructura de un modelo de transporte.
2. Disea y aplica modelos de transporte.
3. Disea y aplica modelos de asignacin.
4. Aplica y reconoce los modelos de redes.
d) Actitudes

La Unidad de Aprendizaje 3: Modelos de Transporte Asignacin y Redes,
comprende el desarrollo de los siguientes temas:
TEMA 01: Modelos de Transporte

TEMA 02: Mtodos de solucin de Modelos de Transporte
TEMA 03: Modelos de Asignacin
TEMA 04: Modelos de Redes
75
Modelos TEMA 1
de
Transporte
Competencia:
Planificar y reconocer la estructura de un
modelo de transporte.
76
Tema 01: Modelos de Transporte
Definicin y Aplicacin del Modelos de Transporte
El modelo de transporte busca determinar un plan de transporte de

una mercanca de varias fuentes a varios destinos. Los datos del
modelo son:
1. Nivel de oferta en cada fuente y la cantidad de demanda en cada destino.

2. El costo de transporte unitario de la mercanca a cada destino.
Como solo hay una mercanca un destino puede recibir su demanda de una o ms
fuentes. El objetivo del modelo es el de determinar la cantidad que se enviar de
cada fuente a cada destino, tal que se minimice el costo del transporte total.
La suposicin bsica del modelo es que el costo del transporte en una ruta es
directamente proporcional al nmero de unidades transportadas. La definicin de
unidad de transporte variar dependiendo de la mercanca que se transporte.
La suposicin bsica del modelo es que el costo del transporte en una ruta es
directamente proporcional al nmero de unidades transportadas. La definicin de
unidad de transporte variar dependiendo de la mercanca que se transporte.
Fuentes Destinos
C11 : x11
a1 1 1 b1
Unidades a2 Unidades
2 2 b2 de demanda
de oferta
am bn
m n
Cmn : xmn
77
El esquema siguiente representa el modelo de transporte como una red con m

fuentes y n destinos. Una fuente o un destino est representado por un nodo, el
arco que une fuente y un destino representa la ruta por la cual se transporta la
mercanca. La cantidad de la oferta en la fuente i es ai, y la demanda en el destino
j es bj. El costo de transporte unitario entre la fuente i y el destino j es Cij.
Si Xi j representa la cantidad transportada desde la fuente i al destino j, entonces,

el modelo general de PL que representa el modelo de transporte es:
Minimiza Z= i=1 m j=1n C i j X i j
Sujeta a:
j=1n X i j<= ai , i=1,2,, m

i=1m X I j>= bj , j=1,2,, n
X i j >=0 para todas las i y j
El primer conjunto de restricciones estipula que la suma de los envos desde una
fuente no puede ser mayor que su oferta; en forma anloga, el segundo conjunto
requiere que la suma de los envos a un destino que satisfaga su demanda.
El modelo que se acaba de escribir implica que la oferta total i=1m ai debe ser
cuando menos igual a la demanda total j=1n bj. Cuando la oferta total es igual a la
demanda total, la formulacin resultante recibe el nombre de modelo de transporte
equilibrado. Este difiere del modelo solo en el hecho de que todas las
restricciones son ecuaciones, es decir:
X i j = ai, i=1,2,..., m
X i j = bj, j=1,2,..., n
78
En el mundo real, no necesariamente la oferta debe ser igual a la demanda o

mayor que ella. Sin embargo, un modelo de transporte siempre puede
equilibrarse. El equilibrio, adems de su utilidad en la representacin a travs de
modelos de ciertas situaciones prcticas, es importante para el desarrollo del
mtodo de solucin que explote completamente la estructura especial del modelo
de transporte.
b) Ejemplos
Ejemplo 1 (Modelo de transporte estndar)
MG Auto Company tiene plantas en Los ngeles, Detroit y Nueva Orlens. Sus
centros de distribucin principales son Denver y Miami. Las capacidades de las
plantas durante el trimestre prximo son 1 000, 1 500, y 1 200 automviles. Las
demandas trimestrales en los dos centros de distribucin son de 2 300 y 1 400
vehculos. El costo del transporte de un automvil por tren es de 8 centavos por
milla. El diagrama de las distancias recorridas entre las plantas y los centros de
distribucin son:
Denver Miami
1 000 1 690
Los ngeles
Detroit 1 250 1 350
1 275 850
Nueva Orleans
Esto produce en costo por automvil a razn de 8 centavos por milla recorrida.
Produce los costos siguientes (redondeados a enteros), que representan a C ij del
modelo original:
Denver Miami
80 215
Los ngeles
Detroit 100 108
102 68
Nueva Orleans
79
Mediante el uso de cdigos numricos que representan las plantas y centros de

distribucin, hacemos que X ij represente el nmero de automviles transportados
de la fuente i al destino j. Como la oferta total (= 1 000 + 1 500 + 1 200 = 3 700)
es igual a la demanda (= 2 300 + 1 400 = 3 700), el modelo de transporte
resultante est equilibrado. Por lo tanto, el siguiente modelo de PL que representa
el problema tiene todas las restricciones de igualdad.
Minimizar Z = 80X 11 + 215X 12 + 100X 21 + 108X 22 + 102X 31 + 68X 32
Sujeto a:
X 11 X 12 = 1 000
X 21 X 22 = 1 500
X 31 X 32 = 1 200
X 11 X 21 X 31 = 2 300
X 12 X 22 X 32 = 1 400
X ij para todas las i y j
Un mtodo ms resumido para representar el modelo de transporte consiste en

utilizar lo que se llama tabla de transporte. Esta es una forma de matriz donde
sus renglones representan las fuentes y sus columnas los destinos. Los
elementos de costo C i j se resumen en la esquina noroeste de la celda de la
matriz (i, j). Por lo tanto, el modelo de MG se puede resumir en la tabla siguiente:
80
Ejemplo 2 (Modelo de transporte con equilibrio)
En el ejemplo anterior suponga que la capacidad de la planta de Detroit es de 1

300 automviles (en vez de 1 500). Se dice que la situacin esta desequilibrada
debido a que la oferta total (=3 500) no es igual a la demanda total (=3
700).Nuestro objetivo consiste en volver a formular el modelo de transporte de
manera que distribuya la cantidad faltante (=3 700 3 500 = 200) en forma optima
entre los centros de distribucin.
Como la demanda es mayor que la oferta se puede agregar una planta ficticia
con una capacidad de 200. Se permite que dicha planta, en condiciones normales,
enve su produccin a todos los centros de distribucin. Fsicamente, la cantidad
de unidades enviadas a un destino desde una planta ficticia representar la
cantidad faltante en ese destino.
La nica informacin que falta para completar el modelo son los costos de
transporte unitarios de la planta ficticia a los destinos. Como la planta no existe,
no habr ningn envo fsico y el costo de transporte unitario es cero. Sin
embargo, podemos enfocar la situacin desde otro ngulo diciendo que se incurre
en un costo de penalizacin por cada unidad de demanda insatisfecha en los
centros de distribucin. En este caso los costos de transporte unitarios sern
iguales a los costos de penalizacin unitarios en los diversos destinos.
Denver Miami
Los ngeles 80 215 1 000
Detroit 100 108 1 300
Nueva Orlens 102 68 1 200
Planta ficticia 0 0 200
81
De manera anloga, si la oferta en mayor que la demanda podemos aadir un

destino ficticio que absolver la diferencia. Por ejemplo, suponga que la
demanda en Denver disminuye a 1 900 cualquier automvil enviado de una planta
a un centro de distribucin ficticio representa un excedente en la planta.
Destino
Denver Miami
Ficticio
Los ngeles 80 215 0 1 000
Detroit 100 108 0 1 500
Nueva Orleans 102 68 0 1 200
La aplicacin del modelo de transporte no se limita al problema de transporte.

El siguiente ejemplo ilustra el uso del modelo del transporte en otros campos.
Ejemplo 3 (Modelo de inventario de produccin)
Una compaa construye una planta maestra para la produccin de un artculo en

un periodo de cuatro meses. Las demandas en los cuatro meses son: 100, 200,
180 y 300 unidades. Una demanda para el mes en curso puede satisfacerse a
travs de:
1. Produccin excesiva en un mes anterior almacenada para su consumo

posterior.
2. Produccin en el mes actual.
3. Produccin excesiva en un mes posterior para cubrir pedidos de meses
anteriores.
82
El costo de produccin variable por unidad en un mes cualquiera es de $4.00 una

unidad producida para consumo posterior incurrir en un costo de
almacenamiento razn de $0.50 por unidad por mes. Por otra parte, los artculos
ordenados en meses anteriores incurren en un costo de penalizacin de $2.00 por
unidad por mes. La capacidad de produccin para elaborar el producto vara cada
mes. Los clculos de los cuatro meses siguientes son 50, 180, 280 y 270
unidades, respectivamente.
El objetivo es el de formular el plan de inventario de produccin a costo mnimo.

Este problema se puede formular como un modelo de transporte. La
equivalencia entre los elementos de los sistemas de produccin y transporte se
establece de la manera siguiente:
Sistema de Produccin
Sistema de Transporte
1. Fuente i 1. Periodo de produccin i
2. Destino j 2. Periodo de demanda j
3. Oferta en la fuente i 3. Capacidad de produccin del
periodo i
4. Demanda en el destino j 4. Demanda del periodo j
5. Costo de transporte de la fuente i al 5. Costo de producto e inventario del
destino j periodo i al j
83
En tabla de abajo se presenta un resumen del problema como un modelo de

transporte:
Periodo
1 2 3 4 Capacidad
Demanda 1 4 4.5 5 5.5 50
2 6 4 4.5 5 180
3 8 6 4 4.5 280
4 10 8 6 4 270
Demanda: 100 200 180 300
El costo de transporte unitario del periodo i al j es:
Costo de produccin en i, i=j
Cij = Costo de produccin en i / costo de almacenamiento en i a j i<j
Costo de produccin en i / costo de penalizacin en i a j i>j
La definicin de C i j indica que la produccin en el periodo i para el mismo periodo (i

= j) slo iguala el costo unitario de produccin. Si el periodo i se produce para periodos
futuros j (i < j), se incurre en un costo de almacenamiento adicional. De la misma
manera, la produccin en i para cubrir j pedidos hechos con anterioridad (i > j) incurre
en un costo de penalizacin adicional.
84
Mtodos de
TEMA 2
Solucin de
Modelos de
Transporte
Competencia:
Disear y aplicar Modelos de Transporte.
85
Tema 02: Mtodos de Solucin de Modelos

de Transporte
a) Mtodo Noeoeste
P Q R S
A 5 3 5 2 20
B 3 2 3 5 30
C 3 4 1 2 40
20 20 30 20 90
Determinar mediante el mtodo Noroeste el costo mnimo y la asignacin ptima.
I P Q R S Oferta
A 20 - - - 20 , 0
B - 20 10 - 30 , 10 , 0
C - - 20 20 40 , 20 , 0
Dm 20 20 30 20
0 0 20 0
0
C = 20(5) + 20(2) + 10(3) + 20(1) + 20(2) + 20(2) = $230
86
Verificar Optimicidad
5 - - 2 u1 u1 + v1 = 5 u1 = 1 , v1 = 4
- 2 3 - u2 u2 + v2 = 2 u2 = 3 , v2 = -1
- - 1 2 u3 u2 + v3 = 3 u3 = 1 , v3 = 0
v1 v2 v3 v4 u3 + v3 = 1 v4 = 1
u3 + v4 = 2
Degenerativo u1 + v4 = 2
5 0 1 2 u1 = 1
CI = 7 2 3 4 u2 = 3
5 0 1 2 u3 = 1
v1 v2 v3 v4
4 -1 0 1
CI - CD = MD
5 0 1 2 5 3 5 2 0 -3 -4 0
7 2 3 4 - 3 2 3 5 = 4 0 0 -1
5 0 1 2 3 4 1 2 2 -4 0 0
No ptimo
Mtodo Auxiliar de la Casillas
I P Q R S II P Q R S
A 20- 10+ A 10 - - 10
B 20 10- B 10 20 - -
C 20+ 20- C - - 30 10
= 10
C = 10(5) + 10(3) + 20(2) + 30(1) + 10(2) + 10(2) = $210
87
5 - - 2 u1 u1 + v1 = 5 u1 = 1 , v1 = 4
3 2 - - u2 u1 + v4 = 2 u2 = -1 , v2 = 3
- - 1 2 u3 u2 + v1 = 3 u3 = 1 , v3 = 0
v1 v2 v3 v4 u2 + v2 = 2 v4 = 1
u3 + v3 = 1
u3 + v4 = 2
5 4 1 2 u1 = 1
CI = 3 2 -1 0 u2 = -1
5 4 1 2 u3 = 1
v1 v2 v3 v4
2 1 0 1
CI - CD = MD
5 4 1 2 5 3 5 2 0 1 -4 0
3 2 -1 0 - 3 2 3 5 = 0 0 -4 -5
5 4 1 2 3 4 1 2 2 0 0 0
No ptimo
II P Q R S III P Q R S
A 10- 10+A - - - 20
B 10 20 B 10 20 - -
C 30 10- C 10 - 30 -
= 10
C = 10(3) + 10(3) + 20(2) + 30(1) + 20(2) = $170
88
- - - 2 u1 u1 + v4 = 2 u1 = 1 , v1 = 2
3 2 - - u2 u2 + v1 = 3 u2 = 1 , v2 = 1
3 - 1 2 u3 u2 + v2 = 2 u3 = 1 , v3 = 0
v1 v2 v3 v4 u3 + v1 = 3 v4 = 1
u3 + v3 = 1
Degenerativou3 + v4 = 2
3 2 1 2 u1 = 1
CI = 3 2 1 2 u2 = 1
3 2 1 2 u3 = 1
v1 v2 v3 v4
2 1 0 1
CI - CD = MD
3 2 1 2 5 3 5 2 -2 -1 -4 0
3 2 1 2 - 3 2 3 5 = 0 0 -2 -3
3 2 1 2 3 4 1 2 0 -2 0 0
ptimo
Asignacin Cmin = $170

De A a S = 20 u.
De B a P = 10 u.
De B a Q = 20 u.
De C a P = 10 u.
De C a R = 30 u.
90 u
89
b) Mnima Matriz
P Q R S
A 5 3 5 2 20
B 3 2 3 5 30
C 3 4 1 2 40
20 20 30 20 90
Determinar mediante el mtodo de la Mnima Matriz el costo mnimo y la

asignacin ptima.
I P Q R S Oferta
A - 10 - 10 20 , 10 , 0
B 20 10 - - 30 , 20 , 0
C - - 30 10 40 , 10 , 0
Dm 20 20 30 20
0 10 0 10
0 0
C = 20(3) + 10(3) + 10(2) + 30(1) + 10(2) + 10(2) = $180
90
- 3 - 2 u1 u1 + v2 = 3 u1 = 1 , v1 = 3
3 2 - - u2 u1 + v4 = 2 u2 = 0 , v2 = 2
- - 1 2 u3 u2 + v1 = 3 u3 = 1 , v3 = 0
v1 v2 v3 v4 u2 + v2 = 2 v4 = 1
u3 + v3 = 1
u3 + v4 = 2
4 3 1 2 u1 = 1
CI = 3 2 0 1 u2 = 0
4 3 1 2 u3 = 1
v1 v2 v3 v4
3 2 0 1
CI - CD = MD
4 3 1 2 5 3 5 2 -1 0 -4 0
3 2 0 1 - 3 2 3 5 = 0 0 -3 -4
4 3 1 2 3 4 1 2 2 -1 0 0
No ptimo
I P Q R S II P Q R S
A 10- 10- A - - - 20
B 20- 10- B 10 20 - -
C 30 10- C 10 - 30 -
= 10
C = 10(3) + 10(3) + 20(2) + 30(1) + 20(2) = $170
91
- - - 2 u1 u1 + v4 = 2 u1 = 1 , v1 = 2
3 2 - - u2 u2 + v1 = 3 u2 = 1 , v2 = 1
3 - 1 2 u3 u2 + v2 = 2 u3 = 1 , v3 = 0
v1 v2 v3 v4 u3 + v1 = 3 v4 = 1
u3 + v3 = 1
3 2 1 2 u1 = 1
CI = 3 2 1 2 u2 = 1
3 2 1 2 u3 = 1
v1 v2 v3 v4
2 1 0 1
CI - CD = MD
3 2 1 2 5 3 5 2 -2 -1 -4 0
3 2 1 2 - 3 2 3 5 = 0 0 -2 -3
3 2 1 2 3 4 1 2 0 -2 0 0
Optimo
Asignacin Cmin = $170

De A a S = 20 u.
De B a P = 10 u.
De B a Q = 20 u.
De C a P = 10 u.
De C a R = 30 u.
90 u
92
c) Mtodo de Vogel
P Q R S
A 5 3 5 2 20
B 3 2 3 5 30
C 3 4 1 2 40
20 20 30 20 90
Determinar mediante el mtodo de Vogel el costo mnimo y la asignacin ptima.
P Q R S Oferta
A - - - 20 20 , 0 1 1 -
B 10 20 - - 30 , 10 , 0 1 1 1
C 10 - 30 - 40 , 10 , 0 1 1 1
Dm 20 20 30 20
10 0 0 0
0
0 1 2 0
0 1 - 0
0 2 - -
C = 20(2) + 10(3) + 20(2) + 10(3) + 30(1) = $170
93
- - - 2 u1 u1 +v1 = 2 u1 = 1 , v4 = 1
3 2 - - u2 u2 + v1 = 3 u2= 1 , v3 = 0
3 - 1 2 u3 u2 + v2 = 2 u3 = 1 , v2 = 1
v1 v2 v3 v4 u3 + v1 = 3 v1 = 2
u3 + v3 = 1
3 2 1 2 u1 = 1
CI = 3 2 1 2 u2 = 1
3 2 1 2 u3 = 1
v1 v2 v3 v4
2 1 0 1
CI - CD = MD
3 2 1 2 5 3 5 2 -2 -1 -4 0
3 2 1 2 - 3 2 3 5 = 0 0 -2 -3
3 2 1 2 3 4 1 2 0 -2 0 0
Optimo
Cmin = $170
Asignacin
De A a S = 20 u.
De B a P = 10 u.
De B a Q = 20 u.
De C a P = 10 u.
De C a R = 30 u.
90 u
94
Modelos TEMA 3
de
Asignacin
Competencia:
Disear y aplicar Modelos de Asignacin.
95
Tema 03: Modelos de Asignacin
a) Problemas de Asignacin (Mtodo Hngaro)
Un problema de asignacin es un problema de transporte balanceado, en el cual

todas las ofertas y todas las demandas son iguales a uno. Se puede resolver
eficientemente un problema de asignacin m x m mediante el mtodo Hngaro:
Paso 1.- Empiece por encontrar el elemento ms pequeo en cada rengln de la

matriz de costos. Construya una nueva matriz, al restar de cada costo, el costo
mnimo de su rengln. Encuentre, para esta nueva matriz el costo mnimo en cada
columna. Construya una nueva matriz (la matriz de costos reducidos) al restar de
cada costo el costo mnimo de su columna.
Paso 2.- Dibuje el mnimo nmero de lneas (horizontales o
verticales) que se necesitan para cubrir todos los ceros en la
matriz de costos reducidos. Si se requieren m lneas para
cubrir todos los ceros, siga con el paso 3.
Paso 3.- Encuentre el menor elemento no cero (llame su
valor k en la matriz de costos reducidos, que no est
cubiertos por las lneas dibujadas en el paso 2. Ahora
reste k de cada elemento no cubierto de la matriz de
costos reducidos y sume k a cada elemento de la
matriz de costos reducidos cubierto por dos
lneas. Regrese al paso 2.
Un problema de asignacin es un problema de transporte balanceado en el que

todas las ofertas y demandas son iguales a 1; as se caracteriza por el
conocimiento del costo de asignacin de cada punto de oferta a cada punto de
demanda. La matriz de costos del problema de asignacin se llama: matriz de
costos.
Como todas las ofertas y demandas para el problema de asignacin son nmeros
enteros, todas las variables en la solucin ptima deben ser valores enteros.
96
b) Ejemplos de problemas de asignacin
1. Una empresa ha contratado a 4 individuos para 4 trabajos, los 4 individuos y

4 trabajos pueden mostrarse en una tabla que indique las clasificaciones
obtenidas, analizando al individuo para cada trabajo. Los renglones se
refieren a los hombres, mientras que las columnas se refieren a los trabajos;
el problema consiste en maximizar las calificaciones para asignar los 4
trabajos.
Se supone que las calificaciones de un individuo son directamente
proporcionales a la ganancia que obtendra la compaa si ese individuo se
encargara del trabajo.
2. Otro problema que utiliza la misma estructura

del modelo de transporte, es la asignacin
de camiones para reducir al mnimo los
costos de un problema de asignacin.
3. Una empresa cubre el territorio nacional

con dos camiones especialmente
equipados para funcionar en condiciones
climatolgicas especficas. La empresa
ha dividido en cinco regiones geogrficas.
Se compra el camin A y se modifica para
que funcione eficientemente en las regiones
uno y dos, y para que funcione bastante bien en las
regiones tres y cuatro. El mismo camin no funciona bien en la regin cinco.
Los gastos de gasolina, mantenimiento y otros costos directos de operacin,
seran mnimos en las regiones uno y dos, promedio en las regiones tres y
cuatro, y altos en la regin cinco. Se tiene esa misma informacin con
respecto a los dems camiones de la compaa, o sea, los tipos B, C y D.
97
c) Mtodo Hngaro (Situacin Balanceada)
PARTE I: CUANDO EXISTE RELACION BIUNVOCA
PASO 1: OBTENCIN DE CEROS
A la matriz de costos, se procede a simplificarlo, para lo cual, seleccionamos

para cada columna el menor valor de cada uno de ellos, para luego restrselo
de la columna respectiva, esto permite obtener al menos un cero para cada
columna.
Luego para cada fila se obtiene el menor valor, el cual se
resta a cada fila respectiva, de esta manera se obtiene al
menos un cero en cada fila.
PASO 2: RELACIN BIUNVOCA
Al tablero de costos simplificados que se hereda del paso 1 se procede a

seleccionar a aquella fila que tenga la menor cantidad de ceros; en el caso de
empates se selecciona a aquella fila a lo cual le corresponde el menor
subndice.
Luego a la fila seleccionada se le marca mediante un check y se ingresa a ella
buscando a aquella casilla que tenga el valor cero, ubicada esta procedemos a
encuadrar o encasillar dicho cero y a partir de dicho cero encuadrado no
imaginamos una cruz y aquellos ceros que estn comprendidos en la cruz
imaginaria procedemos a tarjarlo mediante un aspa.
Continuamos el proceso mencionado hasta cubrir todas las filas del tablero
dado.
98
EJEMPLO
Determinar el Costo mnimo y la asignacin ptima de:
99
PARTE II: CUANDO NO EXISTE RELACIN BIUNVOCA
PASO 3:
Se marca aquellas filas que no tengan ceros encuadrados, luego ingresamos por
cada de dichas filas, buscando ceros tarjados y luego de ser ubicados estos, se
procede a marcar la o las columnas que le corresponda.
A partir de las columnas marcadas se reingresa al tablero buscando ceros
encuadrados y luego de identificar a estos se marca las filas que les corresponde.
A partir de cada fila marcada se trata de reingresar nuevamente al tablero
repitiendo el procedimiento sealado en los prrafos anteriores hasta que se
pierdan los ramales bien sea a nivel de columna o de fila.
PASO 4:
Se procede a rayar aquellas filas que no estn marcadas y aquellas columnas que
si estn marcadas.
Luego se busca el menor valor de aquellas casillas que tengan doble rayado
(vertical y horizontal), este menor valor seleccionado se resta a aquellas casillas
que no estn rayadas, pero se le suma a aquellas que tienen doble rayado (se
entiende que aquellas casillas que tienen un solo rayado permanecen igual).
NOTA: Luego de concluir el PASO 4 se aplica nuevamente la

PARTE I del Mtodo Hngaro, en la que se
refiere al SEGUNDO PASO (se obvia el
PRIMER PASO) y se debe continuar con el
procedimiento indicado, cuantas veces sea
necesario para alcanzar la Relacin Biunvoca y
obtener el Costo Optimo de Asignacin.
100
Ejemplo
Determinar el Costo mnimo y la asignacin ptima de:
101
102
Modelo TEMA 4
de
Redes
Competencia:
Aplicar y reconocer los Modelos de Redes.
103
Tema 04: Modelo de Redes
a) Teora de Redes
Es una tcnica que permite resolver problemas que se pueden plantear

mediante una red.
Muchos problemas de programacin Lineal se pueden formular mediante una
red:
Transporte, asignacin, inventario, produccin y distribucin, procesos de
produccin, etc.
Existen en Teora de Redes, algoritmos mucho ms efectivos que el mtodo
simplex.
Existen softwares para resolver problemas de redes como: Optired, Tora,
Invop, Win QSB, etc.
b) Caractersticas de una Red
Una red est formada por arcos y nodos, los arcos pueden ser direccionados
o direccionados
NODOS: Representan entidades.

ARCOS: Representan conexiones entre las entidades
NOTA: Por un tipo de red solo puede circular un nico tipo

de tem (unidad de flujo)
104
c) Casos de redes
d) Tipos de Problemas de Redes
105
e) rbol de Extensin Mnima
Para una red con n nodos, un ARBOL DE ESTENSION es un grupo de (n-1)

arcos que conectan todos los nodos de la red y que no contiene circuitos
cerrados.
Problema
Calcular el rbol de extensin mnimo
Problema
106
d) Problema de Ruta ms Corta
El problema de la ruta ms corta se refiere

a una red, en la que cada arco (i,j) tiene
asociado un numero Ci,j que se interpreta como
la distancia (o el costo, o el tiempo) que hay
entre los nodos i y j. Una ruta o camino entre
dos nodos es cualquier secuencia de arcos que
los conecte. El objetivo consiste en encontrar las rutas ms cortas (econmicas
rpidas) entre un nodo especfico y todos los dems nodos de la red.
Algoritmo de Etiquetado
PASO1.
Considrense todos los nodos que estn directamente conectados con el origen
(es decir, mediante un solo arco). El componente de distancia de la etiqueta que
se pone a cada nodo de estos es la distancia desde el origen. El componente
predecesor es el origen. Estas etiquetas sern temporales.
PASO 2.
De entre todos los nodos con etiqueta temporal, se escoge uno cuyo componente
de distancia sea mnimo y se seala para ser etiquetado como permanente. Todos
los empates en cualquier punto del algoritmo se rompen arbitrariamente. Tan
pronto como todos los nodos han sido etiquetados en forma permanente se va al
paso 4.
107
PASO 3.
Todo nodo que no tenga actualmente etiqueta permanente estar o bien sin
etiqueta o con una temporal. Sea l el ultimo nodo etiquetado permanentemente,
Considrese todas las etiquetas de los vecinos de l (es decir, directamente
conectados a l mediante un solo arco). Para cada uno de esos nodos calculase la
suma de su distancia a l ms la componente de distancia de la etiqueta de l. Si el
nodo en cuestin ya tiene etiqueta no est etiquetado, asegurase una etiqueta
temporal que conste de esta distancia y de l como predecesor. Si el nodo en
cuestin ya tiene etiqueta temporal, cambiase solo si la distancia recin calculada
es menor que la componente de distancia de la etiqueta actual. En este caso, la
etiqueta contendr esta distancia y a l como predecesor. Regrese al paso 2.
PASO 4.
Las etiquetas permanentes indican la distancia ms corta desde el origen a cada
nodo de la red. Tambin indican el nodo predecesor en la ruta ms corta hacia
cada nodo.
Para encontrar el camino ms corto de un nodo dado comincese en l y
retroceda al nodo predecesor. Continu este recorrido de retroceso hasta llegar al
origen. La secuencia de nodos obtenidos forma la ruta ms corta entre el origen y
el nodo en cuestin.
Ejemplo
Encontrar el conjunto de rutas ptimas, desde el origen H hasta los dems nodos
busca minimizar la utilidad de los costos, asegurndose de que cualquier reparto
futuro a las siete localidades diferentes, se haga a travs de la ruta ms corta.
108
INVESTIGACIN DE OPERACIONES
http://www.investigaciondeoperaciones.net/
INTRODUCCIN A LA INVESTIGACIN DE OPERACIONES

http://books.google.com.pe/books?id=H0Zz-
1He8vYC&pg=PA274&lpg=PA274&dq=introducci%C3%B3n+a+la+investigaci%C3%B3
n+de+operaciones&source=bl&ots=FkSZupSCLt&sig=f1niRPunHJ3_Lk7umnflxcIT2u
M&hl=es&ei=vV3GTqDTLaXb0QGJweU1&sa=X&oi=book_result&ct=result&resnum=1
&sqi=2&ved=0CCoQ6AEwAA#v=onepage&q=introducci%C3%B3n%20a%20la%20inve
stigaci%C3%B3n%20de%20operaciones&f=false
MTODOS CUANTITATIVOS PARA LOS NEGOCIOS

http://www.unsa.edu.ar/mcneco/archivos/08_Teoria_Lineas_Espera.pdf
1. Ingresa al enlace Extensin y Asignacin lee atentamente las indicaciones,

desarrllalo y envalo por el mismo medio.
109
Determinar el costo mnimo y la asignacin optima, mediante el

mtodo Noroeste.
P Q R S
A 5 3 5 2 20
B 3 2 3 5 30
C 3 4 1 2 40
i. 20 20 30 20 90

mtodo de Mnima Matriz.
P Q R S
A 5 3 5 2 20
B 3 2 3 5 30
C 3 4 1 2 40
ii. 20 20 30 20 90
110

mtodo de Vogel.
P Q R S
A 5 3 5 2 20
B 3 2 3 5 30
C 3 4 1 2 40
iii. 20 20 30 20 90
111
Autoevaluacin
1) Mtodo Hngaro es un problema de:
a. Transporte
b. Colas
c. rbol de extensin
d. Asignacin
e. Ruta corta
2) Es un mtodo para resolver los modelos de transporte.

a. Vogel
b. Mnima matriz
c. Noroeste
d. Vogel y noroeste
e. Simplex
3) No es un tipo de problema de redes.

a. rbol de extensin
b. Problema de transporte
c. Ruta ms corta
d. Problema de asignacin
e. Problemas de colas
4) Para una red con n nodos, es un grupo de (n-1) arcos que conectan todos
los nodos de la red y que no contiene circuitos cerrados
a. Transporte
b. Asignacin
c. Flujo
d. rbol de extensin
e. Colas
5) Cul es el mtodo ms eficiente, para resolver un problema de transporte?

a. Hngaro
b. Noroeste
c. Mnima columna
d. Vogel
e. Balanceo
112
6) A que se refiere : Problema de Ruta ms Corta

a. Existe dificultades en el programa ejecutado.
b. Se refiere a una red
c. Se refiere a los nodos conectados
d. Cuando est relacionado a un rbol de extensin
e. Conexin de nodos en red
7) Una red est formada por:

a. Arcos
b. Nodos
c. tem
d. Arcos y nodos
e. rbol de extensin
8) Qu busca el Modelos de Transporte?

a. Determinar un plan de transporte de una mercanca de varias fuentes a
varios destinos.
b. Determinar un plan de transporte de una mercanca de dos fuentes a varios
destinos.
c. Determinar un plan de transporte de una mercanca de varias fuentes a
varios destinos.
d. Determinar unos planes de transporte de varias mercancas de varias
fuentes a varios destinos.
e. Determinar dos planes de transporte de una mercanca de varias fuentes a
varios destinos.
9) En los Modelos de Transporte cuntos datos de modelos se presentan:

a. Solamente un dato.
b. Varios datos
c. Dos datos
d. Ningn dato
e. Cuatro datos
.
10) La matriz de costos del problema de asignacin se llama:
a. Matriz de costos.
b. Matriz de ingresos
c. Matriz de presupuestos
d. Matriz de costos reducidos
e. Matriz de ingresos reducidos
113
Resumen
UNIDAD DE APRENDIZAJE III:
El modelo de transporte busca determinar un plan de transporte de una mercanca de

varias fuentes a varios destinos. Los datos del modelo son:
1. Nivel de oferta en cada fuente y la cantidad de demanda en cada destino.
2. El costo de transporte unitario de la mercanca a cada destino.
Como solo hay una mercanca un destino puede recibir su demanda de una o ms
fuentes. El objetivo del modelo es el de determinar la cantidad que se enviar de cada
fuente a cada destino, tal que se minimice el costo del transporte total
Se han presentado varios mtodos para obtener una solucin al problema de

transporte, asignacin y redes. Una consideracin muy importante que hay que tener
en cuenta con cualquier mtodo que se utilice, es que el problema de transporte y
asignacin no siempre puede aislarse y resolverse dentro de sus propios lmites.
El transporte, la asignacin, redes es tan slo una parte de todo el sistema de

distribucin de una compaa. Es muy difcil resolver el mejor programa de transporte
y asignacin en trminos de servicio y bajo costo. Esa rea de la empresa requiere de
una constante atencin para incorporar los cambios que constituyan y una difcil tarea
para cualquier grupo de investigaciones de negocios.
La Teora de Redes es una tcnica que permite resolver problemas que se pueden
plantear mediante una red. Muchos problemas de programacin Lineal se pueden
formular mediante una red: Transporte, asignacin, inventario, produccin y
distribucin, procesos de produccin, etc.
Existen en Teora de Redes, algoritmos mucho ms efectivos que el mtodo simplex.
Existen software para resolver problemas de redes como: Opti
red, Tora, Invop, Win QSB, etc.
114
115
Introduccin
estudiante desarrolle y ejecute la Programacin PERT-CPM Y La programacin
no Lineal durante su proceso de formacin profesional contribuyendo a elevar su
perfil.
b) Competencia
Analiza y describe la Programacin de Proyectos usando la tcnica del
PERT-CPM.
c) Capacidades
1. Conoce y Utiliza la teora de la Programacin del Tiempo.
2. Analiza y describe la Programacin del Costo
3. Analiza y describe la sensibilidad de un Proyector.
4. Construye e interpreta mediante los modelos de programacin no lineal.
d) Actitudes
Aporta ideas en la solucin de los problemas de programacin del tiempo.
Valora las etapas de la metodologa de la tcnica PERT-CPM.
Se interesa por las diferentes modelos de programacin de proyectos.
Muestra responsabilidad y tica en la solucin de las tareas.

La Unidad de Aprendizaje 4: Programacin de Proyectos y Programacin No
Lineal, comprende el desarrollo de los siguientes temas:
TEMA 01: Programacin de Proyecto con tiempos de actividad conocidos.

TEMA 02: Programacin de Proyectos con tiempos inciertos de actividades.
TEMA 03: Consideracin de los intercambios de tiempo y costo.
TEMA 04: Programacin no lineal.
116
Programacin
de Proyecto TEMA 1
con tiempos
de actividad
conocidos
Competencia:
Conocer y utilizar la teora de la
Programacin del Tiempo.
117
Tema 01: Programacin de Proyecto con

Tiempos de Actividad Conocidos
a) Antecedentes
Dos son los orgenes del mtodo del camino crtico: el mtodo PERT (Program
Evaluation and Review Technique) desarrollo por la Armada de los Estados
Unidos de Amrica, en 1957, para controlar los tiempos de ejecucin de las
diversas actividades integrantes de los proyectos espaciales, por la necesidad de
terminar cada una de ellas dentro de los intervalos de tiempo disponibles. Fue
utilizado originalmente por el control de tiempos del proyecto Polaris y
actualmente se utiliza en todo el programa espacial.
El mtodo CPM (Crtical Path Method), el segundo origen del mtodo actual, fue
desarrollado tambin en 1957 en los Estados Unidos de Amrica, por un centro
de investigacin de operaciones para la firma Dupont y Remington Rand,
buscando el control y la optimizacin de los costos de operacin mediante la
planeacin adecuada de las actividades componentes del proyecto.
Ambos mtodos aportaron los elementos administrativos necesarios para formar

el mtodo del camino crtico actual, utilizando el control de los tiempos de
ejecucin y los costos de operacin, para buscar que el proyecto total sea
ejecutado en el menor tiempo y al menor costo posible.
b) Definicin
El mtodo del camino crtico es un proceso

administrativo de planeacin, programacin,
ejecucin y control de todas y cada una de las
actividades componentes de un proyecto que debe
desarrollarse dentro de un tiempo crtico y al costo
ptimo.
118
Usos
El campo de accin de este mtodo es muy amplio, dada su

gran flexibilidad y adaptabilidad a cualquier proyecto grande o
pequeo. Para obtener los mejores resultados debe aplicarse a
los proyectos que posean las siguientes caractersticas:
1. Que el proyecto sea nico, no repetitivo, en algunas partes o en su totalidad.

2. Que se deba ejecutar todo el proyecto o parte de l, en un tiempo mnimo, sin
variaciones, es decir, en tiempo crtico.
3. Que se desee el costo de operacin ms bajo posible dentro de un tiempo
disponible.
Dentro del mbito aplicacin, el mtodo se ha estado usando para la planeacin y

control de diversas actividades, tales como construccin de presas, apertura de
caminos, pavimentacin, construccin de casas y edificios, reparacin de barcos,
investigacin de mercados, movimientos de colonizacin, estudios econmicos
regionales, auditoras, planeacin de carreras universitarias, distribucin de
tiempos de salas de operaciones, ampliaciones de fbrica, planeacin de
itinerarios para cobranzas, planes de venta, censos de poblacin, etc., etc.
c) Diferencias entre PERT y CPM
Como se indic antes, la principal diferencia entre PERT y

CPM es la manera en que se realizan los estimados de
tiempo. E1 PERT supone que el tiempo para
realizar cada una de las actividades es una
variable aleatoria descrita por una distribucin
de probabilidad. E1 CPM por otra parte, infiere
que los tiempos de las actividades se conocen en forma determinanticas y se
pueden variar cambiando el nivel de recursos utilizados.
119
La distribucin de tiempo que supone el PERT para una actividad es una

distribucin beta. La distribucin para cualquier actividad se define por tres
estimados:
1. El estimado de tiempo ms probable, m;

2. El estimado de tiempo ms optimista, a; y
3. El estimado de tiempo ms pesimista, b.
La forma de la distribucin se muestra en la siguiente Figura. E1 tiempo ms

probable es el tiempo requerido para completar la actividad bajo condiciones
normales. Los tiempos optimistas y pesimistas proporcionan una medida de la
incertidumbre inherente en la actividad, incluyendo desperfectos en el equipo,
disponibilidad de mano de obra, retardo en los materiales y otros factores.
Con la distribucin definida, la media (esperada) y la desviacin estndar,

respectivamente, del tiempo de la actividad para la actividad Z puede calcularse
por medio de las frmulas de aproximacin.
a 4m b
Te Z
6
ba
Z
6
120
El tiempo esperado de finalizacin de un proyecto es la suma de todos los

tiempos esperados de las actividades sobre la ruta crtica. De modo similar,
suponiendo que las distribuciones de los tiempos de las actividades son inde-
pendientes (realsticamente, una suposicin fuertemente cuestionable), la
varianza del proyecto es la suma de las varianzas de las actividades en la ruta
crtica. Estas propiedades se demostrarn posteriormente.
En CPM solamente se requiere un estimado de tiempo. Todos los clculos se
hacen con la suposicin de que los tiempos de actividad se conocen. A medida
que el proyecto avanza, estos estimados se utilizan para controlar y monitorear el
progreso. Si ocurre algn retardo en el proyecto, se hacen esfuerzos por lograr
que el proyecto quede de nuevo en programa cambiando la asignacin de
recursos.
Metodologa.
El Mtodo del Camino Crtico consta de dos ciclos:
1. Planeacin y Programacin.
1.1.- Definicin del proyecto

1.2.- Lista de Actividades
1.3.- Matriz de Secuencias
1.4.- Matriz de Tiempos
1.5.- Red de Actividades
1.6.- Costos y pendientes
1.7.- Compresin de la red
1.8.- Limitaciones de tiempo, de
recursos y econmicos
1.9.- Matriz de elasticidad
1.10.- Probabilidad de retraso
121
2. Ejecucin y Control.
2.1.- Aprobacin del proyecto

2.2.- Ordenes de trabajo
2.3.- Grficas de control
2.4.- Reportes y anlisis de los avances
Definicin del Proyecto
En toda actividad a realizar se requieren conocimientos precisos y claros de lo

que se va a ejecutar, de su finalidad, viabilidad, elementos disponibles, capacidad
financiera, etc. Esta etapa aunque esencial para la ejecucin del proyecto no
forma parte del mtodo. Es una etapa previa que se debe desarrollar
separadamente y para la cual tambin puede utilizarse el Mtodo del Camino
Critico. Es una investigacin de objetivos, mtodos y elementos viables y
disponibles.
Lista de Actividades
Es la relacin de actividades fsicas o mentales que forman procesos

interrelacionados en un proyecto total. En general esta informacin es obtenida de
las personas que intervendrn en la ejecucin del proyecto, de acuerdo con la
asignacin de responsabilidades y nombramientos realizados en la Definicin del
Proyecto.
Las actividades pueden ser fsicas o mentales, como construcciones, tramites,
estudios, inspecciones, dibujos, etc. En trminos generales, se considera
Actividad a la serie de operaciones realizadas por una persona o grupo de
personas en forma continua, sin interrupciones, con tiempos determinables de
iniciacin y terminacin. Esta lista de actividades sirve de base a las personas
responsables de cada proceso para que elaboren sus presupuestos de ejecucin.
122
Ejemplo:
a. Jefes de mantenimiento y produccin.

1. Elaboracin del proyecto parcial de ampliacin.
2. Clculo del costo y preparacin de presupuestos.
3. Aprobacin del proyecto.
4. Desempaque de las mquinas nuevas.
5. Colocacin de las mquinas viejas y nuevas.
6. Instalacin de las mquinas.
7. Pruebas generales.
8. Arranque general.
9. Revisin y limpieza de mquinas viejas.
10. Pintura de mquinas viejas.
11. Pintura y limpieza del edificio.
b. Ingeniero electricista.
1. Elaboracin del proyecto elctrico.
2. Clculo de los costos y presupuestos.
4. Instalacin de un transformador nuevo.
5. Instalacin de nuevo alumbrado.
6. Instalacin de interruptores y arrancadores.
c. Ingeniero contratista.
1. Elaboracin del proyecto de obra muerta.
2. Clculo de los costos y presupuestos.
4. Cimentacin de las mquinas.
5. Pisos nuevos.
6. Colocacin de ventanas nuevas.
Esta es una lista de los responsables en un proyecto de ampliacin de una

fbrica.
123
Matriz de Secuencias
Existen dos procedimientos para conocer la secuencia de las
actividades:
a. Por antecedentes
b. Por secuencias.
Por antecedentes, se les preguntar a los responsables de los procesos cuales

actividades deben quedar terminadas para ejecutar cada una de las que aparecen
en la lista. Debe tenerse especial cuidado que todas y cada una de las actividades
tenga por lo menos una antecedente excepto en el caso de ser actividades
inciales, en cuyo caso su antecedente ser cero (0).
En el segundo procedimiento se preguntara a los responsables de la ejecucin,

cuales actividades deben hacerse al terminar cada una de las que aparecen en la
lista. Para este efecto debemos presentar la matriz de secuencias iniciando con la
actividad cero(0) que servira para indicar solamente el punto de partida de las
dems. La informacin debe tomarse una por una de las actividades listadas, sin
pasar por alto ninguna de ellas.
En la columna de "anotaciones" el programador hara todas las indicaciones que le

ayuden a aclarar situaciones de secuencias y presentacin de la red. Estas
anotaciones se hacen a discrecin, ya que esta matriz es solamente un papel de
trabajo.
124
Si se hace una matriz de antecedentes es necesario hacer despus una matriz de

secuencias, pues es sta ltima la que se utiliza para dibujar la red. Esta matriz no
es definitiva, porque generalmente se hacen ajustes posteriores en relacin con la
existencia y disponibilidades de materiales, mano de obra y otras limitaciones de
ejecucin.
Matriz de Secuencias
Matriz de Tiempos
En el estudio de tiempos se requieren tres cantidades estimadas por los

responsables de los procesos: El tiempo medio (M), el tiempo ptimo (o) y el
tiempo psimo (p).
125
El tiempo medio (M) es el tiempo normal que se necesita para la ejecucin de las
actividades, basado en la experiencia personal del informador. El tiempo ptimo
(o) es el que representa el tiempo mnimo posible sin importar el costo o cuanta
de elementos materiales y humanos que se requieran; es simplemente la
posibilidad fsica de realizar la actividad en el menor tiempo. El tiempo psimo (p)
es un tiempo excepcionalmente grande que pudiera presentarse ocasionalmente
como consecuencia de accidentes, falta de suministros, retardos involuntarios,
causas no previstas, etc. Debe contarse slo el tiempo en que se ponga remedio
al problema presentado y no debe contar el tiempo ocioso.
Se puede medir el tiempo en minutos, horas, das, semanas, meses y aos, con la
condicin de que se tenga la misma medida para todo el proyecto. Los tiempos
anteriores servirn para promediarlos mediante la frmula PERT obteniendo un
tiempo resultante llamado estndar (t) que recibe la influencia del ptimo y del
psimo a la vez.
o 4M p
t
6
Esto es, tiempo estndar igual al tiempo

ptimo, ms cuatro veces el tiempo medio,
ms el tiempo psimo, y esta suma dividida
entre seis(6). Esta frmula est calculada para
darle al tiempo medio una proporcin mayor que
los tiempos optimo y psimo que influyen. Esta
proporcin es de cuatro(4) a seis(6).
126
Matriz de Tiempos
127
Tanto la matriz de secuencias como la matriz de tiempos se reunen en una sola

llamada matriz de informacin, que sirve para construir la red medida.
Matriz de informacin
Red de Actividades
Se llama red a la representacin grfica de las actividades que muestran sus

eventos, secuencias, interrelaciones y el camino critico. No solamente se llama
camino crtico al mtodo sino tambin a la serie de actividades contadas desde la
iniciacin del proyecto hasta su terminacin, que no tienen flexibilidad en su
tiempo de ejecucin, por lo que cualquier retraso que sufriera alguna de las
actividades de la serie provocara un retraso en todo el proyecto.
Desde otro punto de vista, camino crtico es la serie de actividades que indica la
duracin total del proyecto. Cada una de las actividades se representa por una
flecha que empieza en un evento y termina en otro.
128
Se llama evento al momento de iniciacin o terminacin de una actividad. Se

determina en un tiempo variable entre el ms temprano y el ms tardo posible, de
iniciacin o de terminacin.
Costos y Pendientes
En este paso se solicitaran los costos de cada actividad realizada en tiempo

estndar y en tiempo ptimo. Ambos costos deben ser proporcionados por las
personas responsables de la ejecucin, en concordancia con los presupuestos ya
suministrados por ellos. Dichos costos se deben anotar en la matriz de
informacin.
En el cuadro anterior vemos los presupuestos con el costo normal para las
actividades realizadas en tiempo estndar y el costo lmite para las actividades
ejecutadas a tiempo optimo.
Los totales de la columna de costo normal nos indican los costos directos del
proyecto ejecutado en tiempos estndares, sin embargo los totales de costo lmite
no nos indican un costo real, ya que no ser necesario que todas las actividades
sean realizadas en tiempo ptimo, sino solo algunas de ellas.
129
Programacin
de Proyectos TEMA 2
con Tiempos
Inciertos de
Actividades
Competencia:
Analizar y describir la Programacin del
Costo.
130
Tema 02: Programacin de Proyectos con

Tiempos Inciertos de Actividades
a) Limitaciones de Tiempo
Se debe determinar el tiempo normal de ejecucin de la red y si no puede

realizarse en el intervalo disponible, se deber comprimir la red al tiempo
necesario, calculando el costo incrementado.
El tiempo ptimo de ejecucin indicara si puede hacerse o no el proyecto dentro
del plazo sealado.
b) Limitaciones de Recurso
Es posible en cualquier proyecto se suscite el caso de tener recursos humanos o

materiales limitados, por lo que dos actividades deben realizarse durante el mismo
lapso con personal diferente o maquinaria diferente, no se pueda ejecutar y de
esta manera no habra ms que esperar que se termine una actividad para
empezar la siguiente.
c) Limitaciones econmicas
Se determinara el costo ptimo para conocer si se puede hacer el proyecto con

los recursos econmicos disponibles. Si hay la posibilidad de realizarlo, se
buscara el tiempo total ms favorable para las necesidades y objetivos del
proyecto; en caso contrario pues simplemente el proyecto deber esperar hasta
tener los recursos econmicos mnimos para poder realizarlo.
131
Matriz de Elasticidad
Para poder tomar decisiones efectivas y rpidas durante la ejecucin del proyecto
es necesario tener a la mano los datos de las probabilidades de retraso o adelanto
de trabajo de cada una de las actividades, o sea la elasticidad de las mismas.
Examinemos primero el procedimiento para calcular las holguras que nos
proporciona la posibilidad de retrasar una actividad sin consecuencias para otros
trabajos.
Se llama holgura a la libertad que tiene una actividad para alargar su tiempo de
ejecucin sin perjudicar otras actividades o el proyecto total. Se distinguen tres
clases de holguras:
a) Holgura total; no afecta la terminacin del proyecto;

b) Holgura libre; no modifica la terminacin del proceso; y
c) Holgura independiente; no afecta la terminacin de actividades anteriores ni la
iniciacin de actividades posteriores.
La holgura total es de importancia para el director del proyecto, quien tiene la

responsabilidad de terminarlo a tiempo; la holgura libre le interesa al jefe de
ejecucin de un proceso con motivo de su responsabilidad sobre el mismo; y la
holgura independiente es una informacin que le es de utilidad a la persona que
coordinar los trabajos del proyecto.
Para calcular las holguras se procede a medir la red aprobada en el sentido de
avance, como primera lectura y despus en sentido contrario como ltima lectura.
La primera lectura se indicar en cada evento dentro de un crculo y la ltima
lectura se indicar tambin en cada evento dentro de un cuadrado. Se comienza
con el tiempo cero que se indica sobre el evento inicial y se va agregando la
duracin estndar de cada actividad, acumulndose en cada evento.
132
Cuando dos o ms actividades convergen en un evento se tomar la duracin

mayor para hacer la indicacin del evento. Por ejemplo, en las actividades 4 y 2
con duracin de dos y seis das respectivamente, se anotar la duracin mayor de
seis, que sumada al tiempo cuatro anterior dar un tiempo de diez en el evento
referido. Ntese estas mismas indicaciones en los eventos que se encuentran en
los das 15, 19 y 21.
Cuando se tiene una liga que indica terminacin de proceso, se correr hacia el
evento inicial la misma cantidad acumulada en el evento final. Cuando la liga no
indica terminacin de proceso, sino nicamente continuidad entre dos procesos,
las cantidades acumuladas no deben modificarse aunque la liga tenga fechas
diferentes de iniciacin y terminacin.
Luego se inicia la ltima lectura en el evento final, anotndose la misma cantidad

de 21 dentro de un cuadrado; despus se va restando la duracin de cada
actividad e indicando la diferencia en el evento siguiente.
Cuando dos o ms actividades convergen en un evento, debe anotarse en este la

lectura menor de ellas. En los eventos iniciales de las ligas de fin de proceso debe
aparecer la misma cantidad anotada en el evento final, pero en las ligas de
continuidad se pondr la cantidad menor de las actividades que convergen.
Pi Ui Pj Uj
a
En la figura se puede apreciar que en cada actividad de la red se

encuentran cuatro lecturas; la primera y la ltima del evento i y la
primera y la ultima del evento j. Donde:
Pi Significa lo ms temprano en que puede iniciarse la
actividad.
Ui Significa lo ms tarde en que puede iniciarse.
Pj Significa lo ms temprano en que puede terminarse.
Uj Significa lo ms tarde en que puede terminarse.
133
La diferencia entre la fecha ms temprana de iniciacin y ms tarda de

terminacin produce el intervalo de tiempo disponible de mayor duracin y est en
funcin del conteo del proyecto.
Uj Pi = Intervalo del Proyecto

Al restar la duracin t de este intervalo produce la holgura total:
HT = Uj Pi - T
La diferencia entre la fecha ms temprana de iniciacin y la ms temprana de
terminacin indica el intervalo disponible en funcin del proceso,
Pj Pi = Intervalo del Proceso

Y al restar la duracin t de este intervalo queda la holgura libre:
HL = Pj Pi t
La diferencia entre la fecha ms tarda de iniciacin y la ms temprana de
terminacin indica el intervalo de tiempo ms reducido posible y esta en funcin
de las actividades anteriores y posteriores,
Pj Ui = Intervalo de Actividad
Y al restar el tiempo t de este intervalo se obtiene la holgura independiente:
HI = Pj Ui - t
134
Las lecturas de los eventos y los resultados de la aplicacin de las frmulas de las
holguras se pasan a la matriz de informacin.
En la columna 6 se cambi el tiempo estndar t por el tiempo e de ejecucin

programado. El porcentaje de expansin (columna 15) se calcula dividiendo el
nmero de das de holgura total entre el tiempo estndar de cada actividad.
HT
%( E )
t
La clase de actividad (columna 16) se grada tomando el porcentaje anterior de

menor a mayor, siendo las de porcentaje cero de clase crtica las que requieren la
mayor atencin y control.
Los das que pueden comprimirse las actividades (columna 19) se obtienen
restando el tiempo ptimo del tiempo estndar. El porcentaje de compresin
(columna 20) es igual a los das comprimidos divididos entre el tiempo estndar
de cada actividad.
t o
%(C )
t
La desviacin estndar (columna 21) que representa la probabilidad de retraso o

adelanto en promedio, es igual al tiempo psimo menos el tiempo ptimo dividido
entre 6.
po

6
Por definicin representa el 68% de seguridad. Si se desea una seguridad mayor

en el resultado, de 95% se tomar el equivalente a dos desviaciones estndar y si
se desea una seguridad del 99% en el tiempo de duracin de la actividad se
tomarn tres desviaciones estndar.
De esta manera, podemos observar que la actividad 5 tiene un tiempo estndar

de seis das y una desviacin estndar de un da. Esto significa que se podr
ejecutar entre cinco y siete das con el 68% de seguridad; entre cuatro y ocho das
con el 95% de seguridad; y entre tres y nueve das con el 99% de seguridad.
135
Mientras mayor sea el intervalo que se mencione para la ejecucin, mayor ser la
seguridad de acertar.
La desviacin estndar del proyecto es igual a la suma de las desviaciones

estndar del camino crtico:
(Pr y ) (CC )
Esta desviacin ser la probabilidad de retraso de todo el proyecto. Por supuesto

es la misma probabilidad de adelanto del mismo.
Si existen varios caminos crticos dentro del proyecto se tomar la desviacin
mayor de ellos como desviacin estndar del proyecto.
En el caso anterior el camino crtico est dado por:
Esto significa que el proyecto se va a ejecutar entre 21 y 24 das.
21 4.17 25.17 25
136
Consideracin
TEMA 3
de los
Intercambios
de Tiempo y Costo
Competencia:
Analizar y describir la sensibilidad de un
Proyecto.
137
Tema 03: Consideracin de los Intercambios

de Tiempo y Costo.
a) Ejecucin y control de los Procesos
En virtud de que cada uno de los procesos componentes del proyecto es

conducido por distintas personas que tienen la responsabilidad de iniciar y
terminar sus actividades a tiempo, es necesario que tengan su grfica de control
en donde puedan observar tanto el avance de su proceso como su rendimiento.
Se puede agregar en la parte superior un esquema de las secuencias de las
actividades mostrando en dnde se encuentran las holguras totales, para que el
responsable del proceso tenga una idea precisa de sus disponibilidades de
tiempo.
Necesitamos tambin un cuadro de avance del proceso con los siguientes datos y
se llena de la siguiente manera:
A. Con la informacin original del supervisor:
1. Anotar el da de la informacin
2. Indicar el nmero de la actividad informada
3. Expresar, en tanto por uno, el avance de la misma.
B. A continuacin se procesan los datos anteriores en las columnas siguientes:
1. Tomar el porcentaje de la columna 9 del cuadro de avance del proyecto y

anotarlo en esta columna.
2. Hacer la conversin con el factor (fa) calculado previamente.
3. Anotar el total acumulado de las actividades terminadas.
4. Suma de las columnas 5 y 6 que representan respectivamente el avance
de la actividad en operacin y el total acumulado de actividades terminadas
en el proceso. Esta columna indica, por tanto, el total de avance en el
proceso en el da de la informacin.
138
5. Calcular el avance diario programado, dividiendo la unidad entre el nmero

total de das de duracin de las actividades componentes del proceso y
acumular dicho resultado.
6. Dividir el avance logrado entre el avance programado para medir el
rendimiento del proceso. Columna 7 entre columna 8.
Veamos, en el ejemplo base, cmo se realizan las actividades del proceso A.
Proceso A
Este proceso constar de cinco actividades que duran 15 das. Si recordamos que
1.00
el valor de la unidad de avance del proyecto (D-a) es igual a = 0.01515,
66
entonces este proceso representa el 15 x 0.01515 = 0.2272 (22.72%) de avance
en el proyecto. Como esta cantidad 0.2272 representa el 100% de avance del
proceso, entonces el factor de conversin del porcentaje de avance del proyecto a
proceso (fa) ser:
0.2272: 1.00 : : n : fa
1.00
fa = n = 4.39 n.
0.2272
De esta manera, el porcentaje que aparece en la columna 9 del cuadro de avance

del proyecto y transferido a la columna 4 del cuadro de avance del proceso, puede
convertirse, con este factor, en el avance logrado en la actividad en funcin de
este proceso.
Este proceso A consta de cinco actividades con una duracin de 15 das. Su
unidad de avance programada ser, por tanto, a
1.00
D-a = = 0.0667
15
Como slo se trabaja una unidad de avance por da, este ser el avance
acumulado diariamente que se programe en la columna 8 del cuadro de avance
del proceso.
139
Proceso B
Este proceso consta de cinco actividades de duracin total de 17 das, por lo que
su contribucin al avance del proyecto es de 17 x 0.01515 = 0.2576.
El factor de conversin (fa) del porcentaje de avance del proyecto al porcentaje de
avance del proceso es:
1.00
Fa = = 3.88
0.2576
La unidad de avance diario de este proceso ser:

1.00
D-a = = 0.05882,
17
Qu acumulado servir para hacer las anotaciones de la columna 8 del cuadro de

avance del proceso.
Proceso C
El proceso C, se compone de seis actividades con una duracin total de 17 das y,
por tanto, el factor de conversin (fa) y el factor de avance diario (D-a)
programado son los mismos que los del proceso B anterior.
1.00
Fa = = 3.88
0.2576
1.00
D-a = = 0.05882,
17
La cuenta del avance programado se interrumpi al da 6 con 0.3533 hasta el da
11, en que contina con la actividad 5.
Proceso D
Este proceso D, con las actividades 9, 10 y 11 tiene, igual que los dos procesos
anteriores, una duracin de 17 das, por lo que los factores de conversin y de
avance son los mismos.
1.00
Fa = = 3.88
0.2576
1.00
D-a = = 0.05882,
17
140
El cuadro de avance del proceso aparece en la tabla del cuadro de avance del
proceso D.
b) Procedimiento de evaluacin
Cuando las actividades se adelantan en su ejecucin a las fechas programadas,

generalmente no modifican sus costos directos y en cambio s disminuyen los
costos indirectos. En trminos generales podemos decir que benefician los
resultados de los presupuestos al terminar las actividades antes de la fecha
programada. Tambin es sencilla la decisin para adelantar la actividad siguiente
a aquella terminada con anticipacin y slo debe investigarse la posibilidad de
hacerlo en cuanto a tener en ese momento los recursos humanos y materiales
que se requieren.
Tratndose de retardos, la evaluacin y la decisin no son tan sencillas porque,

por regla general, se modifican los costos, se trastornan las secuencias y se
pierde la disponibilidad del tiempo, por lo que hay necesidad de tener un
procedimiento de evaluacin que permita determinar todas las consecuencias de
un retraso en una actividad del proyecto.
Los retrasos deben ser absorbidos por las holguras y en el caso de que no existan
stas, aquellos deben neutralizarse por medio de compresiones en las
actividades.
c) Absorcin por holgura
Multiplicar el tiempo programado de ejecucin e por el

tanto por uno de la cantidad de trabajo que falte
por realizar. El resultado es el tiempo que se
requiere para terminar normalmente con la
actividad. Al tiempo anterior se le resta el
tiempo disponible y la diferencia representa el
retraso, el cual debe ser absorbido por la
holgura total. Si no es posible esto, debe
procederse como sigue.
141
d) Absorcin por compresin
Se multiplica el tiempo ptimo o por lo tanto por uno del volumen del trabajo
pendiente de ejecutar. El producto representa el tiempo que se requiere para
terminar la actividad en condiciones ptimas es decir, con la mxima aceleracin.
Si este tiempo es menor que el tiempo disponible, significa que no se retrasar el
proyecto, pero si es mayor, la diferencia ser la cantidad de tiempo que retrasar
el proyecto, excepto que se pueda comprimir una actividad posterior a la actividad
retrasada dentro del proceso.
142
Programacin TEMA 4
no
lineal
Competencia:
Construye e interpreta mediante los
modelos de programacin no lineal.
143
Tema 04: Programacin no lineal
Una suposicin importante de programacin lineal es que todas sus funciones

(Funcin objetivo y funciones de restriccin) son lineales. Aunque, en esencia,
esta suposicin se cumple para muchos problemas prcticos, es frecuente que no
sea as. De hecho, muchos economistas han encontrado que cierto grado de no
linealidad es la regla, y no la excepcin, en los problemas de planeacin
econmica, por lo cual, muchas veces es necesario manejar problemas de
programacin no lineal.
a) Mtodo de GOMORY
Llamado mtodo de corte, desarrollado por R.E. Gomory. Incluye un algoritmo

fraccional, el cual se aplica al problema entero puro, y el algoritmo mixto, que
est diseado para el problema entero mixto.
La idea del algoritmo de planos de corte, es cambiar el conjunto convexo del
espacio de soluciones de tal manera que los puntos extremos apropiados
lleguen a ser todos enteros.
Ejemplo
Max 55X1 + 55X2 + 60X3

S.A.
(1) 2X1 + 3X3 <= 550
(2) 1.8X2 + 0.2X3 <= 440
(3) 2X1 + 2X2 + 2X3 <= 400
(4) 1.25X1 + 1.25X2 + 1.33X3 <= 360
Xj >=0 y Enteros
144
PASO 1
Se debe convertir las restricciones a expresiones enteras o discretas, antes de

resolverlo por el mtodo simplex.
En nuestro caso tenemos que aplicarlo a las restricciones (2) y (4).
Max 55X1 + 55X2 + 60X3

S.A.
(1) 2X1 + 3X3 <= 550
x10 (2) 18X2 + 2X3 <= 4400
(3) 2X1 + 2X2 + 2X3 <= 400
x100 (4) 125X1 + 125X2 + 133X3 <= 36000
Xj >=0 y Enteros
Aplicamos el mtodo simplex revisado, para hallar el tablero ptimo. Entonces

balanceamos las restricciones
Max 55X1 + 55X2 + 60X3
S.A.
(1) 2X1 + 3X3 + X4<= 550
(2) 18X2 + 0.2X3 + X5<= 4400
(3) 2X1 + 2X2 + 2X3 +X6<= 400
(4) 125X1 + 125X2 + 133X3 +X7<= 36000
Xj >=0 y Enteros
Tablero ptimo
145
PASO 2
Se debe de elaborar el Plano de Corte, para esto se investiga en el tablero Optimo,

cual de la variables reales o bsicas tienen la mayor cantidad fraccionaria (entre
las variables reales); una vez que se le ha identificado se extrae dicho vector fila y
se iguala al valor que figura en la columna b. Hecho esto, a cada uno de los
coeficientes se le resta una cierta cantidad entera y se establece que el signo de
relacin, en nuestro cado debe ser mayor o igual que. Con la cual se obtiene el
Plano de Corte.
Esta nueva restriccin se incluye en el tablero ptimo
146
Sin embargo es necesario identificar a la variable que debe de figurar en nuestro

tablero ptimo modificado que corresponde a la columna Xk; para lo cual se
procede de la siguiente manera:
Se identifica a las variables candidatas, que son aquellas que no figuran en el

Tablero Optimo (en nuestro caso son X1, X4, X6 y X8); luego se procede a excluir
entre las candidatas seleccionadas a aquellas que tengan coeficientes de
participacin negativa en la restriccin que se ha aadido (en nuestro cado
excluimos a las variables X4 y X6). Luego entre las candidatas que queden,
analizamos para el vector de sensibilidad (Cj Zj), cual de ellas afecta menos a la
Funcin Objetivo, es decir identificamos en la fila de Cj Zj cual reduce menos
(en nuestro caso la que rene esta ultima condicin es la variable X1)
Se calcula la solucin ptima
Nota: No interesa que en la solucin optima, figuren

partes fraccionarias, lo que interesa es la solucin
de las variables reales.
147
PROGRAMACIN NO LINEAL
http://www.investigaciondeoperaciones.net/programacion_no_lineal.html
EL MTODO CPM CRTICAL PATH METHOD

http://www.investigaciondeoperaciones.net/cpm.html
1. En un documento en Word realice haga un resumen con

sus propias interpretaciones sobre el tema tratado;
Programacin No Lineal. Envalo a travs de Mi
Resumen.
2. En un documento en Word realice dos ejercicios libres

sobre el tema Consideracin de los intercambios de
tiempo y costo. Envalo a travs de Tiempo y Costo.
148
Autoevaluacin
1) De todas las rutas de red, la ruta crtica
a. Tiene el tiempo esperado mximo

b. Tiene el tiempo esperado mnimo
c. Tiene el tiempo real mximo
d. Tiene el tiempo real
e. Tiempo determinado.
2) El tiempo de inicio ms corto (TIP) para una actividad que abandona el nodo
C (en el mtodo AA)
a. Es el mnimo de los tiempos de terminacin ms prximos para todas las

actividades.
b. Es igual al tiempo de terminacin para la misma actividad.
c. Depende de todas las rutas que van desde el principio.
d. Es el mximo de los tiempos de terminacin ms prximos para todas las
actividades que llegan al nodo C.
e. No depende de ninguna ruta.
3) El tiempo de terminacin ms lejano (TTL) para una actividad que entra al

nodo H (en el Mtodo AA)
a. Iguala al mximo de los tiempos de inicio ms lejanos de todas las

actividades que abandona el nodo h.
b. Depende del tiempo de terminacin ms lejano del proyecto.
c. Es igual al tiempo de inicio ms lejano menos el tiempo de dicha actividad.
d. Depende del tiempo de terminacin ms cercano del proyecto.
e. Es igual al tiempo de dicha actividad.
4) La holgura para la actividad G

a. Es igual al ttl para g til para g
b. Es igual al ttp para g tip para g
c. Es igual al til para g tip para g
d. Es igual al tti para g til para g
e. Es igual al til para g tlp para g
5) La estimacin de los tiempos esperados de actividad en una red PERT

a. Hace uso de dos estimaciones
b. Pone el menor coeficiente de ponderacin en la estimacin de tiempo ms
probable
c. Est motivado por la distribucin.
d. Hace uso de tres estimaciones
e. Pone el menos coeficiente de ponderacin en la estimacin de tiempo ms
probable.
149
6) Qu buscaba El mtodo CPM?

a. El control y la optimizacin de los costos de operacin mediante la
b. El control y el anlisis de los costos de operacin.
c. La optimizacin de los costos de operacin.
d. El control y la optimizacin de los costos de operacin mediante la
e. El control y la optimizacin de los costos de operacin mediante la
distribucin adecuada de los ejercicios componentes del proyecto.
7) De cuntos ciclos consta El Mtodo del Camino Crtico?

a. Un ciclo
b. No tiene ciclos solo etapas
c. Dos ciclos
d. Tres ciclos
e. Cuatro ciclos
8) No modifica la terminacin del proceso:

a. Holgura libre
b. Holgura total
c. Holgura independiente
d. Holgura dependiente
e. Holgura mixta
9) El mtodo de corte fue desarrollado por:

a. R.E. Gomory.
b. Dupont
c. Remington
d. Rand
e. Gommy
10) No interesa que en la solucin ptima, figuren partes fraccionarias, lo que

interesa es la solucin de las..
a. Variables
b. Ecuaciones
c. Variables reales
d. Fracciones homogneas
e. Ecuaciones con radicales
150
Resumen
UNIDAD DE APRENDIZAJE IV:
En proyectos como este tipo, los administradores deben programar y coordinar los
diversos trabajos o actividades de tal manera que el proyecto se concluya a tiempo.
En esta seccin de aprendizaje hemos abordado los detalles de la programacin de
proyectos para un problema que involucra investigacin y desarrollo de nuevos productos.
Dado que muchas de las actividades de este proyecto nunca se han intentado, el
administrador del proyecto desea tomar en consideracin la incertidumbre en los tiempos
de las actividades. Tambin ampliamos nuestro anlisis como agregar recursos a
actividades seleccionadas para reducir el tiempo de terminacin del proyecto.
Los proyectos en gran escala por una sola vez han existido desde tiempos antiguos; este
hecho lo atestigua la construccin de las pirmides de Egipto y los acueductos de Roma.
Pero slo desde hace poco se han analizado por parte de los investigadores operacionales
los problemas gerenciales asociados con dichos proyectos. El problema de la
administracin de proyectos surgi con el proyecto de armamentos del Polaris, empezando
1958. Con tantas componentes y subcomponentes juntos producidos por diversos
fabricantes, se necesitaba una nueva herramienta para programar y controlar el proyecto.
El PERT (evaluacin de programa y tcnica de revisin) fue desarrollado por cientficos de
la oficina Naval de Proyectos Especiales. Booz, Allen y Hamilton y la Divisin de Sistemas
de Armamentos de la Corporacin Lockheed Aircraft. La tcnica demostr tanta utilidad
que ha ganado amplia aceptacin tanto en el gobierno como en el sector privado.
Casi al mismo tiempo, la Compaa DuPont, junto con la Divisin UNIVAC de la Remington
Rand, desarroll el mtodo de la ruta crtica (CPM) para controlar el mantenimiento de
proyectos de plantas qumicas de DuPont. El CPM es idntico al PERT en concepto y
metodologa. La diferencia principal entre ellos es simplemente el mtodo por medio del
cual se realizan estimados de tiempo para las actividades del proyecto. Con CPM, los
tiempos de las actividades son determinanticos. Con PERT, los tiempos de las actividades
son probabilsticas o estocsticos. El PERT/CPM fue diseado para proporcionar diversos
elementos tiles de informacin para los administradores del proyecto. Primero, el
PERT/CPM expone la "ruta crtica" de un proyecto. Estas son las actividades que limitan la
duracin del proyecto. En otras palabras, para lograr que el proyecto se realice pronto, las
actividades de la ruta crtica deben realizarse pronto.
Las actividades que no estn en la ruta crtica tienen una cierta cantidad de holgura; esto
es, pueden empezarse ms tarde, y permitir que el proyecto como un todo se mantenga
en programa. El PERT/CPM identifica estas actividades y la cantidad de tiempo
disponible para retardos. El PERT/CPM tambin considera los recursos necesarios para
completar las actividades. En muchos proyectos, las limitaciones en mano de obra y
equipos hacen que la programacin sea difcil. El PERT/CPM identifica los instantes del
proyecto en que estas restricciones causarn problemas y de acuerdo a la flexibilidad
permitida por los tiempos de holgura de las actividades no crticas, permite que el
gerente manipule ciertas actividades para aliviar estos problemas.
151
Glosario
ACTIVIDADES CRTICAS:
Actividades que aparecen en el camino crtico
CAMINO CRTICO:
Es aquello perteneciente al holismo, una tendencia o corriente que analiza los
eventos desde el punto de vista de las mltiples interacciones que los
caracterizan. El holismo supone que todas las propiedades de un sistema no
pueden ser determinadas o explicadas como la suma de sus componentes. En
otras palabras, el holismo considera que el sistema completo se comporta de un
modo distinto que la suma de sus partes.
Es una herramienta simple que permite utilizar el poder de la optimizacin lineal
y no lineal para formular grandes problemas concisamente, resolverlos, y
analizar la solucin.
HOLSTICO:
La trayectoria ms larga en una red del proyecto.
LINGO: MTODO DEL CAMINO CRTICO (CPM por sus siglas en ingles):
Se conoce como software1 al equipamiento lgico o soporte lgico de un sistema
informtico; comprende el conjunto de los componentes lgicos necesarios que
hacen posible la realizacin de tareas especficas, en contraposicin a los
componentes fsicos, que son llamados hardware.
Secuencia de nodos conectados, que lleva del nodo de inicio hasta el nodo de
terminacin.
TRAYECTORIA:
Un procedimiento de programacin de proyecto basado en redes
152
Fuentes de Informacin
Bibliogrficas:
HILLIER, Frederick & LIEBERMAN, Gerarld J. Introduccin a la Investigacin de
Operaciones. 6 ed. Mxico: McGraw-Hill Interamericana Editores, 1996. 830 p.
ISBN: 9701010221
(DIS/003/H54A)
TAHA, Hamdy A. Investigacin de Operaciones. 6 ed. Mxico: Prentice-Hall
Iberia, S. R. L., 1998. 916 p. ISBN: 9701701666
(DIS/003/T13N)
MATHUR, Kamlesh & SOLOW, D. Investigacin de Operaciones. El Arte de la
Toma de Decisiones. Espaa: Prentice Hall Hispanoamericana, S.A. ISBN:
9688806986
(003/M28/E1)
WINSTON, Wayne L. Investigacin de Operaciones Aplicaciones y Algoritmos.
1 ed. Mxico: Grupo Editorial Iberoamericana, S. A. de C. V. 1417 p. ISBN:
9706250298
(003/W71)
BAZARAA, Mokhtar & JARVIS, Jhon J. Programacin Lineal y Flujo en Redes.
2 ed. Mxico: Limusa, S. A. de C. V. 539 p. ISBN: 9681848675
(519/B28)
EPPEN,G.D, Investigacin de Operaciones en la Ciencia Administrativa, 5 ed.
Mxico: Prentice Hall Hispanoamericana, S.A. ISBN : 970170270
ALVAREZ ALVAREZ, Jorge. Programacin Lineal. Amrica SR Ltda. 210 p.
Electrnicas:
Programacin Lineal
http://es.wikipedia.org/wiki/Programaci%C3%B3n_lineal
http://personal5.iddeo.es/ztt/prob/B1_Prog_Lineal.htm
Problemas de Programacin Lineal

http://www.investigacion-operaciones.com/Solucion_Grafica.htm
Solucin grfica de problemas

http://www.programacionlineal.net/resolucion_grafica.html
153
Solucionario
1. A 1. E
2. C 2. E
3. B 3. A
4. A 4. C
5. B 5. E
6. A 6. A
7. C 7. A
8. B 8. B
9. E 9. A
10. A 10. B
1. D 1. A
2. E 2. D
3. E 3. B
4. D 4. C
5. D 5. D
6. B 6. A
7. D 7. C
8. A 8. A
9. C 9. A
10. A 10. C
154

Investigación Operativa I PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Investigación Operativa I PDF

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD PRIVADA TELESUP

Comprende cuatro unidades de aprendizaje:

UNIDAD I: La Investigacin de Operaciones y la Programacin

UNIDAD III: Modelos de transporte, Asignacin y Redes.

UNIDAD IV: Programacin de Proyectos y Programacin no

Estructura de los Contenidos

Anlisis de Sensibilidad Programacin de

Modelos de Mtodos de solucin Programacin de

La competencia que el estudiante debe lograr al final de la asignatura es:

Analiza la realidad, capta y describe un problema,

e) Presentacin de ideas bsicas y contenido esenciales de la Unidad.

TEMA 01: Investigacin de Operaciones.

Tema 01: Investigacin de Operaciones

La investigacin de operaciones puede definirse como

En la actualidad, la Investigacin Operativa se estudia como una ciencia de alta

La Investigacin Operativa, es caracterizada por el uso de los modelos

Su principal objetivo es lograr una mayor

Su principal objetivo es aumentar las ventas, luego

El Departamento de Administracin desea reducir el inventario a un mnimo

Su principal objetivo es de mantener en alto la moral del

Investigar los parmetros a emplear en el modelo existente para

Habilidad para trabajar en equipos.

c) FASES DE ESTUDIO DE INVESTIGACIN OPERATIVA

Construccin del modelo matemtico

Es una representacin de algn ente (tal como Objeto,

La seleccin del procedimiento por emplear para

La esencia de la Investigacin Operativa es el enfoque de la construccin de

e) GUA PARA LOS GERENTES

A travs del esfuerzo del diseo del modelo, la

Los modelos pueden oportunamente y efectivamente explicar las muchas

f) CLASIFICACIN DE LOS MODELOS

Si deseamos efectuar un ejercicio operacional que soporta esta decisin,

El proceso de la refinera podra ser representado por un

El modelo debe de reflejar con un grado

Son similares a los modelos de juego, excepto que

En el ejemplo: Programaramos por adelantado un gran nmero de

En este de modelo, el problema es representado totalmente en trminos

La solucin del modelo ser la cantidad exacta de

Tema 02: Modelos de Programacin Lineal

Usualmente las grficas no son el mejor mtodo para resolver problemas de

Una Compaa manufacturera textil fabrica los productos 1,2; y es

El problema consiste en decidir qu cantidad de cada producto debe

Sean X1 = nmero de unidades del producto 1

Por lo tanto la programacin lineal es:

Sujeto a: 2x1 + 2x2 <= 160 - - - - - - ( 1 )

Si la restriccin (1) fuese la ecuacin:

Cabe recalcar que las

Aplicando los mismos

Analicemos la regin sombreada, cualquier punto dentro de ella cumple

Ahora el problema consiste en maximizar la

Sobre la regin sombreada de la fig. Anterior que representa a las restricciones

Procedamos a graficar esta funcin.

Por lo tanto, la funcin

= - 2/3, tal como se

La recta x1 + 1.5x2 = 100 representa el mximo valor de la funcin Z; sujeta

Regin Factible: El conjunto de valores para las variables de decisin en un

Solucin Optima: El punto en la regin factible que tiene el mejor valor de la

La utilidad mxima ocurre en un vrtice del conjunto de soluciones factibles.

C1: (0,60) 0 + 1.5 x 60 = 90

Tema 03: Mtodo Simplex

Se procede a efectuar el balanceo de las reglas restricciones, para lo cual se

Se construye el primer tablero del mtodo simplex y en ella se registra:

En el primer tablero, se calcula los valores del vector fila de contribuciones