Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Programacin Lineal
1
1.1 Introduccin a la Programacin Lineal
Qu es un problema?
Soluciones:
Absolucin
Resolucin
Solucin
Disolucin
3
Aplicacin de las tcnicas de la administracin a problemas (sistemas):
Determinsticos
Estocsticos
4
Mtodo Cientfico para resolver problemas complejos
5
Qu se hace en la realidad?
Estar bien informado
Conocer todas las alternativas
Ser objetivo (ser optimizador econmico)
Muchas Aumentar los
soluciones criterios
Establecer
Definir el Buscar las Solucin
los criterios
problema soluciones Satisfactoria
de solucin
Pocas Disminuir
soluciones criterios 6
Qu hace un Director de Empresa para escoger la accin ms
efectiva para alcanzar las metas de la Organizacin?
7
Aportes: Tcnicas de Programacin Lineal
8
CONSTRUCCIN DE MODELOS CUANTITATIVOS
9
Caractersticas de los Sistemas Administrativos
Def: Sistema....
Tipos de sistemas: Cerrados, abiertos
Modelos:
Normativos, descriptivos
Concretos, Abstractos (verbales o simblicos)
Aplicacin (Inventarios)
Tcnica (Programacin Lineal)
Comparacin de Modelos (validez, confialbilidad
y la simplicidad)
10
Dimensionalidad de los modelos (unidades)
Toma de decisiones
Categora Consecuencia
Certidumbre Deterministas
Riesgo Probabilsticas
Incertidumbre Desconocidas
Conflicto Influidas por un oponente
11
Uso de Datos para la Toma de Decisiones
12
Qu son los datos?
Son hechos o conceptos conocidos o supuestos y
generalmente se expresan en nmeros
Tipos de datos
Internos y externos
Objetivos y subjetivos
Requerimientos de datos en diferentes niveles de
la Organizacin
Control operativo
Control Administrativo
Planeacin estratgica
13
Situacin: Inversin
Considere el problema enfrentado por Mark, graduado de la maestra de
administracin de empresas, quin recientemente obtuvo un puesto como
analista financiero en una compaa de Wall Street. Uno de los beneficios
adicionales es un plan de retiro en el que el empleado pone 5% de su
ingreso mensual. La compaa iguala esta cantidad. El dinero de este plan
es entonces invertido en dos fondos: un fondo de acciones y un fondo de
bonos. El Departamento de Beneficios le ha pedido a Mark que especifique
la fraccin de este dinero que habra que invertir en cada fondo. Mark ha
analizado el rendimiento anterior de estos fondos y se ha enterado de que
el fondo de acciones ha crecido a una tasa anual promedio de 10%,
mientras que el fondo de bonos, ha promediado una retribucin anual de
6%. Para diversificar su cartera y para controlar el riesgo, no desea poner
todos los huevos en una sola canasta, ha identificado dos pautas:
1. Ninguno de los fondos debe tener ms del 75% de la inversin total.
2.La cantidad invertida en el fondo de acciones no debe exceder del doble
invertido en el fondo de bonos.
14
1 Definicin del problema
15
Variables de decisin:
16
- Funcin Objetivo
- Restricciones (limitaciones)
Es un lmite sobre los valores de las variables en un
modelo matemtico tpicamente impuestos por
condiciones externas.
17
- Ningn fondo tenga ms del 75% de lo invertido
S 0,75 (lmite superior en el fondo de acciones)
B 0,75 (lmite superior en el fondo de bonos)
S, B 0
18
Finalmente el modelo resultante es:
Sujeto a:
S 0,75
B 0,75
S - 2B 0
S, B 0
19
3 Resolucin del modelo matemtico
Solver 1 20
4 Validacin y Control de la Solucin
S + B=1
21
5 Modificacin del Modelo
Sujeto a:
S 0,75
B 0,75
S - 2B 0
S + B =1
S, B 0
22
Resolviendo nuevamente se tiene que:
S = 0,6667 y
B = 0,3333
Finalmente la retribucin es
24
FORMALIZACIN DEL MODELO DE PL
x1
x
Vector de variables o 2
niveles de actividad .
xn
Vector de costos o
factor de ponderacin c1 c2 ... cn
26
a11 a12 .. a1n
a a22 .. a2 n
Vector de variables o 21
niveles de actividad A .. .. .. ..
am1 am 2 .. amn
b1
b
Vector de variables o 2
niveles de actividad
B
bn
27
Entonces
x1
x n
2
Optimizar Z = C X = [c1 c2 c3]
T
= c x j j
j 1
xn
sujeto a
AX B
y X0
28
Ejemplo 1:
Una mueblera produce dos tipos de productos, sillas y
mesas. Supngase que el beneficio marginal por cada
silla es de $8 y por cada mesa es de $10. Para la
produccin se dispone de 20 horas hombre (hh) y de 10
unidades de madera (um). Para la construccin de una
silla se requieren 8 hh y 2 um, y para la construccin de
una mesa se requieren 6 hh y 4 um. Cuntas sillas y
mesas se deben construir para obtener el mayor
beneficio?.
29
Disponibilidad de
Recursos Sillas Mesas recursos
R1: horas hombre 8 6 20
R2: unidades de 2 4 10
madera
Beneficios $8 $10
30
Formulacin del PL
Sea
X1 : N de sillas
X2 : N de mesas
Funcin Objetivo:
Sujeto a:
8X1 + 6X2 20 // hh
2X1 + 4X2 10 // um
X1 0 y X2 (no negatividad)
31
Ejemplo 2:
Dos productos se elaboran al pasar en forma sucesiva por tres
mquinas.
El tiempo por mquina asignado a los dos productos est limitado
a 10 horas por da
El tiempo de produccin y la ganancia por unidad de cada
producto son:
Minutos por unidad
Producto Mquina 1 Mquina 2 Mquina 3 Ganancia $
1 10 6 8 2
2 5 20 15 3
32
Solucin:
1. Variables de decisin
X1 : Cantidad del producto 1
X2 : Cantidad del producto 2
2. Funcin Objetivo: Maximizar ganancia
MAX Z = 2 X1 + 3 X2
3. Restricciones
10 X1 + 5 X2 600
24 X1 + 40 X2 1800
6 X1 + 20 X2 600
X1 , X2 0
8 X1 + 15 X2 600
X1 , X2 0
33
Ejemplo 3:
RMC posee una pequea fbrica de pinturas para interiores y exteriores de
casa para su distribucin al mayoreo. Se utilizan dos materiales bsicos, A y
B. La disponibilidad mxima de A es de 6 toneladas diarias, la de B es de 8
toneladas por da. La necesidad diaria de materia prima por tonelada de
pintura para interiores y exteriores se resumen en la siguiente tabla:
Tonelada de materia prima
por tonelada de pintura Disponibilidad
Exterior Interior mxima (Toneladas)
Materai prima A 1 2 6
Materia prima B 2 1 8
36
1.3 Solucin de Problemas PL
37
1.3.1 Mtodo Grfico
38
Los pasos a seguir son:
1. Construir el modelo
2. Graficar cada una de las restricciones en el sistema
formado por las variables de decisin.
3. Identificar la regin (zona) factible
4. Determinar el valor objetivo (VO) a partir de la funcin
objetivo en cada uno de los vrtices de la zona factible.
Si es minimizar, considerar el menor o el mayor en caso
de maximizar.
39
Ejemplo
PROTRAC produce dos lneas de equipo pesado. Una de estas
lneas de productos (llamada equipo para remocin de escombros)
se destina esencialmente a aplicaciones de construccin. La otra
lnea (llamada equipos forestales est destinada a la industria
maderera. El miembro ms grande de la lnea de equipos para
remover escombro (el E-9) y el miembro mayor de la lnea de
equipos forestales (el F-9) se producen en el mismo departamento y
con el mismo equipo. Haciendo uso de las predicciones econmicas
para el prximo mes, el gerente de mercadotecnia de PROTAC
juzga que durante ese periodo ser posible vender los E-9 y los F-9
que la empresa pueda producir. La administracin debe ahora
recomendar una meta de produccin para el prximo mes. Es decir,
cuntos E-9 y F-9 deben producirse?. En la toma de decisin, los
principales factores a considerar son los siguientes:
40
1. PROTRAC tendr una utilidad de $5.000 por cada E-9 que se
venda y $4.000 por cada F-9.
41
4. Con objeto de cumplir un compromiso con el sindicato, el total
de horas de trabajo que se dedicarn a la verificacin de los
productos terminados del prximo mes no puede ser menor en
10% a una meta establecida de 150 horas. Esta actividad se
realiza en un tercer departamento que no tiene relacin con los
departamentos A y B. Cada E-9 requiere de 30 horas de
comprobacin y cada F-9, 10 horas.
a) Variables de decisin:
b) Maximizar Z:
c) Sujeto a:
43
Grfica de PROTRAC
Zona factible
44
Grfica de PROTRAC y funcin Utilidad
F
17
16
15
14
13
12
11
10
8 D
7 C
6
4 (E-3F)
3
2
FO A B
1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 E
(10E+15F)
(20E+10F)
(30E+10F) (E+F) 45
Grfica de PROTRAC y funcin Utilidad
17
16
15
14 Solucin
13
ptima
12
11
10
8 D
7 C
6
4 (E-3F)
3
2
FO A B
1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 E
(10E+15F)
(20E+10F)
(30E+10F) (E+F)
46
Clculo de E y F
(Vrtice C: Resolver el sistema)
10E + 15F = 150
20E + 10F = 160
E = 4,5
F=7
y VO = 5.000(4,5) + 4.000(7)
22.500 + 28.000
VO = 50.500
47
Consumo: (horas)
48
1.3.2 Mtodo Simplex
1. Forma estndar del Modelo de PL
2. Soluciones Bsicas
3. Mtodo Simplex Primal: Algoritmo
49
A. Forma estndar del Modelo de PL
Todas las restricciones son ecuaciones (con
segundos miembros no negativos
Todas las variables son no negativas
La funcin Objetivo puede ser maximizacin
o minimizacin
A.1 Restricciones
Una restriccin del tipo () puede convertirse en
ecuacin mediante la suma de una variable de
holgura (restando una variable de exceso) al primer
miembro de la restriccin.
Ejemplo:
1) desigualdad: 3x1 + 12x2 20
52
A.3 Variables irrestrictas
xi x x
'
i
''
i x ,x 0
'
i
''
i
53
Forma Estndar
Ejemplo:
Escriba el siguiente modelo de PL en la forma estndar:
MAX z = 2x1 + 3x2
sujeto a
x1 + x2 = 10
-2x1 + 3x2 -5
7x1 - 4x2 6
x1 irrestricta y
x2 0
54
Solucin
55
A.4 Funcin Objetivo
El modelo estndar de programacin lineal puede ser
utilizado para resolver problemas del tipo de maximizacin o
de minimizacin, algunas veces sirve para convertir una forma
a la otra.
La maximizacin de una funcin equivale a la
minimizacin del negativo de la misma funcin y viceversa.
es matemticamente equivalente a
MIN (-z) = -5x1 - 3x2 - 5x3
56
B. Soluciones Bsicas
En un PL con m ecuaciones y n incgnitas
Una solucin bsica asociada se determina haciendo n-m
variables iguales a cero y luego, resolviendo las m
ecuaciones con las restantes m incgnitas, siempre que la
solucin exista y sea nica
En la PL nos referimos a las n-m variables que se hacen
cero como variables no bsicas (externas), y a las m
variables restantes como variables bsicas (siempre que
exista una solucin nica).
Se dice que una solucin bsica es factible si todos los
valores de su solucin son no negativos
57
Algoritmo del mtodo Simplex
INICIO
Obtener Forma Estndar (forma aumentada)
Construir tabla inicial
Mientras NO SEA ptimo
{
Identificacin variables de entrada/Salida
Desarrollo de la tabla revisada
}
FIN
58
C. Mtodo Simplex Primal
Construccin de la tabla inicial
Tabla Simplex General
Cj C1 C2 .. Cn 0 0 .. 0
Variables Valores de
Bsicas Solucin X1 X2 .. Xn Xn+1 Xn+2 .. Xn+m
0 Xn+1 b1 a11 a12 .. a1n 1 0 .. 0
0 Xn+2 b2 a21 a22 .. a2n 0 1 .. 0
. .. .. .. .. .. .. .. .. .. ..
. .. .. .. .. .. .. .. .. .. ..
0 Xn+m bm am1 am2 .. amn 0 0 .. 1
Zj
Cj - Zj XXX
59
Ejemplo:
Dado el siguiente PL encontrar su solucin
aplicando el mtodo Simplex
MAX Z = 3 X1 + 2 X2
sa
1) X1 + 2 X2 <= 6
2) 2 X1 + X2 <= 8
3) - X1 + X2 <= 1
4) X2 <= 2
X1, X2 >= 0
60
Forma Estndar (aumentada)
MAX Z = 3 X1 + 2 X2 + 0X3 + 0 X4 + 0 X5 + 0 X6
sa
1) X1 + 2 X2 + X3 + 0 X4 + 0 X5 + 0 X6 = 6
2) 2 X1 + X2 + 0 X3 + X4 + 0 X5 + 0 X6 = 8
3) - X1 + X2 + 0 X3 + 0 X4 + X5 + 0 X6 = 1
4) 0 X1 + X2 + 0 X3 + 0 X4 + 0 X5 + X6 = 2
61
Tabla Inicial
Cj 3 2 0 0 0 0
Bsica Solucin X1 X2 X3 X4 X5 X6
0 X3 6 1 2 1 0 0 0
0 X4 8 2 1 0 1 0 0
0 X5 1 -1 1 0 0 1 0
0 X6 2 0 1 0 0 0 1
Zj
Cj - Zj XXX
62
Solucin Inicial:Variable Entrante y Saliente
Cj 3 2 0 0 0 0
Bsica Solucin X1 X2 X3 X4 X5 X6
b) (menor
0 X3 6 1 2 1 0 0 0 6
positivo
0 X4 8 2 1 0 1 0 0 4 determina
0 X5 1 -1 1 0 0 1 0 -1 la variable
0 X6 2 0 1 0 0 0 1 que sale
Zj 0 0 0 0 0 0 0
Cj - Zj XXX 3 2 0 0 0 0
a)
Mayor contribucin
63
Instrucciones
a) Cj- Zj El mayor para variable entrante
b) Se divide la columna solucin por los coeficientes de la columna
de la variable que entra y se elige el menor de los positivos
c) Como la variable que entra es solucin entonces la columna debe ser de ceros y un 1
64
Nueva Tabla
Cj 3 2 0 0 0 0
Bs ica XX X1 X2 X3 X4 X5 X6
0 X3 2 0 1 1/2 1 - 1/2 0 0
3 X1 4 1 1/2 0 1/2 0 0
0 X5 5 0 1 1/2 0 1/2 1 0
0 X6 2 0 1 0 0 0 1
Z 12 3 1 1/2 0 1 1/2 0 0
Cj-Zj XX 0 1/2 0 -1 1/2 0 0
65
Segunda Iteracin
La nueva tabla es:
Cj 3 2 0 0 0 0
Base XX X1 X2 X3 X4 X5 X6
0 X3 2 0 1,5 1 -0,5 0 0
3 X1 4 1 0,5 0 0,5 0 0
0 X5 5 0 1,5 0 0,5 1 0
0 X6 2 0 1,0 0 0,0 0 1
Z 12 3 1,5 0 1,5 0 0
Cj-Zj XX 0 0,5 0 -1,5 0 0
a)
Se hace la prueba de optimalidad
66
Tabla resultante
Cj 3 2 0 0 0 0
Base XX X1 X2 X3 X4 X5 X6
2 X2 1 1/3 0 1 2/3 - 1/3 0 0
3 X1 3 1/3 1 0 - 1/3 2/3 0 0
0 X5 3 0 0 -1 1 1 0
0 X6 2/3 0 0 - 2/3 1/3 0 1
Z 12 2/3 3 2 1/3 1 1/3 0 0
Cj-Zj XX 0 0 - 1/3 -1 1/3 0 0
MIN Z = 2 X1 + 8 X2
sa
1) 5 X1 + 10 X2 = 150
2) X1 20
3) X2 14
X1 0
68
Forma estndar:
Restricciones:
1) Ya es una igualdad: 5 x1 + 10x2 = 150
2) Tiene variable de holgura: x1 + x4 = 20
3) Tiene una variable de exceso: x2 - x6 = 14
Resumen:
5 x1 + 10x2 = 150
x1 + x4 = 20
x2 - x6 = 14
No es posible determinar un grupo de variables bsicas !!
69
Forma estndar:
70
Modelo Estndar(Aumentado)
MIN Z = 2 X1 + 8 X2 + M X3 + 0 X4 + M X5 + 0 X6
1) 5 X1 + 10 X2 + X3 + 0 X4 + 0 X5 + 0 X6 = 150
2) X1 + 0 X2 + 0 X3 + X4 + 0 X5 + 0 X6 = 20
3) 0 X1 + X2 + 0 X3 + 0 X4 + X5 + - X6 = 14
X1, X2, X3, X4, X5, X6 >= 0
71
Tabla Inicial
Las variables bsicas son: X3, X4 y X5
Cj 2 8 M 0 M 0
Base Solucin X1 X2 X3 X4 X5 X6
M X3 150 5 10 1 0 0 0
0 X4 20 1 0 0 1 0 0
M X5 14 0 1 0 0 1 -1
Zj
Cj - Zj XXX
72
Iteracin 1
Entra X2 y sale X5
Cj 2 8 M 0 M 0
Base Solucin X1 X2 X3 X4 X5 X6
M X3 150 5 10 1 0 0 0
0 X4 20 1 0 0 1 0 0
M X5 14 0 1 0 0 1 -1
Zj 164M 5M 11M M 0 M -M
Cj - Zj XXX 2-5M 8-11M 0 0 0 M
73
Iteracin 2
Entra X6 y sale X3
Cj 2 8 M 0 M 0
Base Solucin X1 X2 X3 X4 X5 X6
M X3 10 5 0 1 0 -10 10
0 X4 20 1 0 0 1 0 0
8 X2 14 0 1 0 0 1 -1
Zj 112+10M 5M 8 M 0 -10M+8 10M-8
Cj - Zj XXX 2-5M 0 0 0 11M-8 -10M+8
74
Iteracin 3
Entra X1 y sale X6
Cj 2 8 M 0 M 0
Base Solucin X1 X2 X3 X4 X5 X6
0 X6 1 0,5 0 0,1 0 -1 1
0 X4 20 1 0 0 1 0 0
8 X2 15 0,5 1 0,1 0 0 0
Zj 120 4 8 0,8 0 0 0
Cj - Zj XXX -2 0 M-0,8 0 M 0
75
Situacin Final
Base Solucin X1 X2 X3 X4 X5 X6
2 X1 2 1 0 0,2 0 -2 2
0 X4 18 0 0 -0,2 1 2 -2
8 X2 14 0 1 0 0 1 -1
Zj 116 2 8 0,4 0 4 -4
Cj - Zj XXX 0 0 M-0,4 0 M-4 4
76
1. 4 Anlisis de sensibilidad
77
1. 4.1 Interpretacin Grfica
78
Ejemplo:
Caso a)
82
C
83
Trazado de la grfica
Caso b )
84
C
85
Trazado de la grfica
F
17
16
15
14
13
12
11
10
8 D C'
7 C
6 C''
5
4 (E-3F)
3
2
FO A B
1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 E
(10E+15F)
(20E+10F)
(30E+10F) (E+F)
86
La solucin ahora es:
87
Diferencia de Z:
88
Definicin:
89
B) Cambios unitarios en los coeficientes de la
funcin objetivo
90
1. 4. 2 Interpretacin de la Tabla Simplex:
Cj 3 2 0 0 0 0
Base XX X1 X2 X3 X4 X5 X6
2 X2 1 1/3 0 1 2/3 - 1/3 0 0
3 X1 3 1/3 1 0 - 1/3 2/3 0 0
0 X5 3 0 0 -1 1 1 0
0 X6 2/3 0 0 - 2/3 1/3 0 1
Z 12 2/3 3 2 1/3 1 1/3 0 0
Cj-Zj XX 0 0 - 1/3 -1 1/3 0 0
92
Solucin ptima (para el problema de
maximizacin)
Variable de Valor
decisin ptimo Decisin
Base Solucin X1 X2 X3 X4 X5 X6
Z 12 2/3 3 2 1/3 1 1/3 0 0
95
El mismo resultado se puede obtener de la ecuacin de Z
ptimo:
96
1. Cambio mximo en la disponibilidad de Recursos
97
Cmo hacerlo?
98
Iteraciones sucesivas conducen a:
Iteracin
Ecuacin 0 1 2 (ptima)
z 0 12 12 2/3 + 1/3 D1
1 6 + D1 2+ D1 4/3 + 2/3 D1
2 8 4 10/3-1/3 D1
3 1 5 3 - 1 D1
4 2 2 2/3 - 2/3 D1
99
Tabla: Solucin ptima
Cj 3 2 0 0 0 0
Base Solucin X1 X2 X3 X4 X5 X6
2 X2 1 1/3 0 1 2/3 - 1/3 0 0
3 X1 3 1/3 1 0 - 1/3 2/3 0 0
0 X5 3 0 0 -1 1 1 0
0 X6 2/3 0 0 - 2/3 1/3 0 1
Z 12 2/3 3 2 1/3 1 1/3 0 0
Cj-Zj XX 0 0 - 1/3 -1 1/3 0 0
100
Qu hacer con toda esta informacin?
101
Se consideran dos casos:
Caso 1: D1 >0
en este caso D1 -2
Resumen: -2 D1 1
6 - 2 Materia prima A 6+1
4 Materia prima A 7
103
Haciendo el mismo anlisis para la
materia prima B se tiene:
-2 D2 4
104
2. Cambio mximo en la relacin
Utilidad/Costo marginal
105
Caso 1: Variables bsicas
La FO tendr la forma
Z = (3+D1)X1 + 2X2
107
Estos cambios pueden determinarse de la tabla original,
multiplicando los coeficientes no bsicos y el segundo miembro
de la fila de X1 por D1, y luego sumandolo a la fila Z ptimo.
Cj 3 2 0 0 0 0
Base Solucin X1 X2 X3 X4 X5 X6
2 X2 1 1/3 0 1 2/3 - 1/3 0 0
3 X1 3 1/3 1 0 - 1/3 2/3 0 0
0 X5 3 0 0 -1 1 1 0
0 X6 2/3 0 0 - 2/3 1/3 0 1
Z 12 2/3 0 0 1/3 1 1/3 0 0
Cj-Zj XX 3 2 - 1/3 -1 1/3 0 0
108
Para el caso de maximizacin:
1/3 - 1/3 D1 0 y de la primera D1 1
y de la segunda D1 -2
4/3 + 2/3 D1 0
-2 D1 1
Finalmente:
3-2 C1 3 + 1
1 C1 4
110
Ejemplo:
Sea Z = 5X1 + 2X2
para las mismas restricciones del ejemplo en estudio.
La tabla resultante es:
Cj 3 2 0 0 0 0
Base Solucin X1 X2 X3 X4 X5 X6
2 X3 2 0 1 1/2 1 - 1/2 0 0
3 X1 4 1 1/2 0 1/2 0 0
0 X5 5 0 1 1/2 0 1/2 1 0
0 X6 2 0 1 0 0 0 1
Z 20 0 1/2 0 2 1/2 0 0
Cj-Zj XX 3 1 1/2 0 -2 1/2 0 0
111
X2 es ahora no bsica
-infinito D2 0,5 +2
-infinito D2 2,5
113
Ejemplo:
X1 ,X2 , X3 0
114
1.5 Mtodo Simplex Dual
Cuando los problemas de PL no tienen una solucin factible
bsica inicial con slo holguras, se pueden resolver sin
utilizar variables artificiales, entregando la misma
informacin.
n
maximizar o minimizar z cjxj
j 1
n
sujeto a a
j 1
ij xj i = 1, 2, ....., m
j = 1, 2, ..., n
xj 0
Notar que las n variables xj, incluyen los excesos y las holguras.
El esquema se muestra en el siguiente diagrama:
117
Variables primales
X1 X2 .. Xj .. Xn
Segundo
miembro de
restricciones
C1 C2 .. Cj .. Cn
duales
a11 a12 .. a1j .. a1n b1 y1
Coeficientes a21 a22 .. a2j .. a2n b2 y2
del primer Variable
miembro de las .. .. .. .. .. .. .. dual
restricciones
duales .. .. .. .. .. .. ..
am1 am2 .. amj .. amn bm ym
j-sima Funccin
restriccin objetivo del
dual dual
118
El diagrama muestra que el dual se obtiene simtricamente del
primal de acuerdo con las siguientes reglas:
Estas reglas indican que el problema dual tendr m variables (y1, y2,
..., ym) y n restricciones, (correspondientes a x1, x2 ,...., xn).
119
En la tabla siguiente se muestra como determinar los elementos
restantes del problema dual: sentido de la optimizacin, tipo de
restricciones y el signo de las variables duales.
120
Ejemplo 1:
Primal Maximizar Z = 5 X1 + 12 X2 + 4 X3
sujeto a X1 + 2 X2 + X3 10
2 X1 - X2 + 3 X3 = 8
X1, X2, X3 0
sujeto a X1 + 2 X2 + X3 + X4 = 10
2 X1 - X2 + 3 X3 +0 X4 = 8
X1, X2, X3 0
121
Dual Minimizar w = 10 y1 + 8 y2
sujeto a X1: y1 + 2 y2 5
X2: 2 y1 - y2 12
X3: y 1 + 3 y2 4
X4: y1 + 0 y2 0
y1, y2 irrestricta
y1 es irrestricta, pero adems est dominada por y1 0, la restriccin
dual asociada con X4, entonces al eliminar la redundancia el modelo es:
Dual Minimizar w = 10 y1 + 8 y2
Final
sujeto a: y1 + 2 y2 5
2 y1 - y2 12
y1 + 3 y2 4
y1 0, y2 irrestricta 122
Unidad 2
Programacin Lineal
Aplicaciones
123
2.1 Modelo de Transporte
125
2.1 Modelo de Transporte
Grficamente: Para m fuentes y n destinos
Unidades de demanda
s2 2 2 d2
. .
. .
sm m dn
Cmn, Xmn n
m n
minimizar Z cij xij
i 1 j 1
n
sa x
j 1
ij si i=1,2,...,m
m
x
i 1
ij dj j=1,2,...,n
xij o para toda i y j
127
2.1 Modelo de Transporte
x
j 1
ij Si i=1, 2, 3,....,m
x
i 1
ij Dj j=1, 2, 3,....,n
129
2.1 Modelo de Transporte
Ejemplo:
Al destino
Desde el
origen
1 2 3 4
1 12 13 4 6
2 6 4 10 11
3 10 9 12 4
132
Construccin del modelo de PL 2.1 Modelo de Transporte
1. Variables de decisin
2. Funcin Objetivo
133
3. Restricciones: 2.1 Modelo de Transporte
134
2.1 Modelo de Transporte
Algoritmos Especficos
2.1.1 Regla de la esquina noroeste (MEN)
2.1.2 Mtodo por aproximacin de Vogel (MAV)
2.1.3 Mtodo del costo mnimo (MCM)
2.1.4 Mtodo del paso secuencial y
2.1.5 DIMO (mtodo de distribucin modificada)
136
2.1 Modelo de Transporte
137
2.1 Modelo de Transporte
138
2.1 Modelo de Transporte
Tabla Inicial
Destinos
Origen 1 2 3 4 n Ofertas
1 C11 C12 C13 C14 .... C1n
Demanda
139
2.1 Modelo de Transporte
140
2.1 Modelo de Transporte
141
2.1 Modelo de Transporte
Primera asignacin
Plantas
Puertos 1 2 3 4 Oferta
1 12 13 4 6
400 100 500
2 6 4 10 11
700
3 10 9 12 4
800
Demanda 0 400 900 200 500 2000
142
2.1 Modelo de Transporte
Plantas
Puertos 1 2 3 4 Oferta
1 12 13 4 6
400 100 100 500
2 6 4 10 11
700 0 700
3 10 9 12 4
100 700 800
Demanda 0 400 0 900 200 500 2000
143
2.1 Modelo de Transporte
Plantas
Puertos 1 2 3 4 Oferta
1 12 13 4 6
400 100 100 500
2 6 4 10 11
700 0 700
3 10 9 12 4
100 200 500 0 800
Demanda 0 400 0 900 200 500 2000
144
2.1 Modelo de Transporte
147
2.1 Modelo de Transporte
2.1.2 Mtodo de aproximacin de Vogel
Paso 0: Clculo de penalidades
Plantas
Puertos 1 2 3 4 Oferta Penalidades
1 12 13 4 6 2
500
2 6 4 10 11 2
700
3 10 9 12 4 5
800
Demanda 400 900 200 500 2000
Penalidades 4 5 6 2
Paso 1: Identificar mxima penalidad (fila o columna)
Plantas
Puertos 1 2 3 4 Oferta
1 12 13 4 6
200 300 500
2 6 4 10 11
700
3 10 9 12 4
800
Demanda 400 900 0 200 500 2000
149
2.1 Modelo de Transporte
2.1.2 Mtodo de aproximacin de Vogel
Paso 4: Eliminar columna (fila) con demanda (oferta) 0
Plantas
Puertos 1 2 3 4 Oferta
1 12 13 4 6
200 300 500
2 6 4 10 11
700
3 10 9 12 4
800
Demanda 400 900 0 200 500 2000
150
2.1 Modelo de Transporte
2.1.2 Mtodo de aproximacin de
Vogel
Paso 5: Calcular los nuevos costos de penalidad
Plantas
Puertos 1 2 3 4 Oferta Penalidades
1 12 13 4 6 6
200 300 500
2 6 4 10 11 2
700
3 10 9 12 4 5
800
Demanda 400 900 0 200 500 2000
Penalidades 4 5 2
151
2.1 Modelo de Transporte
2.1.2 Mtodo de aproximacin de Vogel
Repitiendo los pasos anteriores, finalmente se llega a la siguiente
solucin
Plantas
Puertos 1 2 3 4 Oferta
1 12 13 4 6
200 300 300 500
2 6 4 10 11
700 0 700
3 10 9 12 4
400 200 200 600 800
Demanda 400 900 0 200 200 500 2000
Es solucin factible? m + n - 1 = 6? SI
152
2.1 Modelo de Transporte
2.1.3. Mtodo del Costo Mnimo
Fundamento
Asignar la mayor cantidad de unidades a una ruta
disponible de costo mnimo
Algoritmo
Plantas
Puertos 1 2 3 4 Oferta
1 12 13 4 6
500
2 6 4 10 11
700
3 10 9 12 4
800
Demanda 400 900 200 500 2000
Plantas
Puertos 1 2 3 4 Oferta
1 12 13 4 6
200 300 500
2 6 4 10 11
700
3 10 9 12 4
800
Demanda 400 900 0 200 500 2000
Conclusin
Los tres mtodos entregan soluciones bsicas factibles,
pero ninguno asegura que la solucin sea ptima.
161
2.1 Modelo de Transporte
2.1.4. Mtodo de Pasos Secuenciales
Fundamento
Este mtodo comienza con una solucin inicial factible.
En cada paso se intenta enviar artculos por una ruta que
no se haya usado en la solucin factible actual, en tanto
se elimina una ruta usada actualmente.
En cada cambio de ruta debe cumplirse que:
1. La solucin siga siendo factible y
2. Que mejore el valor de la funcin objetivo
162
2.1 Modelo de Transporte
2.1.4. Mtodo de pasos secuenciales (cont..)
Algoritmo
Usar la solucin actual (MEN, MAV o MCM) para crear una
1 trayectoria nica del paso secuencial. Usar estas trayectorias
para calcular el costo marginal de introducir a la solucin
cada ruta no usada.
2 Si todos los costos marginales son iguales o mayores que
cero, terminar; se tendr la solucin ptima. Si no, elegir la
celda que tenga el costo marginal ms negativo (empates se
resuelven arbitrariamente)
Plantas
Puertos 1 2 3 4 Oferta
1 12 13 4 6
400 100 100 500
2 6 4 10 11
700 0 700
3 10 9 12 4
100 200 500 0 800
Demanda 0 400 0 900 200 500 2000
165
2.1 Modelo de Transporte
2.1.4. Mtodo de pasos secuenciales (cont..)
Algoritmo Paso 1
Plantas
Puertos 1 2 3 4 Oferta
1 12 13 4 6
400 100 - + 100 500
2 6 4 10 11
700 0 700
3 10 9
12 4
100 + 200 - 500 0 800
Demanda 0 400 0 900 0 200 0 500 2000
Trayectoria 1: +C13-C12+C32-C33
166
2.1 Modelo de Transporte
2.1.4. Mtodo de pasos secuenciales (cont..)
Algoritmo Paso 1
Plantas
Puertos 1 2 3 4 Oferta
1 12 13 4 6
400 100 - + 100 500
2 6 4 10 11
700 0 700
3 10 9
12 4
100 + 200 - 500 0 800
Demanda 0 400 0 900 0 200 0 500 2000
168
2.1 Modelo de Transporte
2.1.4. Mtodo de pasos secuenciales (cont..)
169
2.1 Modelo de Transporte
2.1.4. Mtodo de pasos secuenciales (cont..)
Algoritmo Paso 3 (Generacin de la nueva tabla)
Plantas
Puertos 1 2 3 4 Oferta
1 12 13 4 6
400 - 100 + 100 500
2 6 4 10 11
700 0 700
3 10 129 4
200 + 100 - 500 0 800
Demanda 0 400 0 900 0 200 0 500 2000
Costo: $13.000
170
2.1 Modelo de Transporte
2.1.4. Mtodo de pasos secuenciales (cont..)
Algoritmo Paso 4
Volver al Paso 1:
171
2.1 Modelo de Transporte
2.1.4. Mtodo de pasos secuenciales (cont..)
Algoritmo Paso 2: Eleccin de CMg menor
Plantas
Puertos 1 2 3 4 Oferta
1 12 13 4
6
400 +12 100 +10 100 500
2 6 4 10 11
-9 700 +3 +12 0 700
3 10 9 12 4
-10 200 100 500 0 800
Demanda 0 400 0 900 0 200 0 500 2000
172
2.1 Modelo de Transporte
2.1.4. Mtodo de pasos secuenciales (cont..)
Algoritmo Paso 3 (Generacin de la nueva tabla)
173
2.1 Modelo de Transporte
2.1.4. Mtodo de pasos secuenciales (cont..)
Algoritmo Paso 3 (Generacin de la nueva tabla)
Plantas
Puertos 1 2 3 4 Oferta
1 12 13 4 6
300 200 100 500
2 6 4 10 11
700 0 700
3 10 9 12 4
100 200 500 0 800
Demanda 0 400 0 900 0 200 0 500 2000
Costo: $12.000
174
2.1 Modelo de Transporte
2.1.4. Mtodo de pasos secuenciales (cont..)
Algoritmo Paso 4
Volver al Paso 1:
175
2.1 Modelo de Transporte
2.1.4. Mtodo de pasos secuenciales (cont..)
Algoritmo Paso 2: Determinar costos marginales
Plantas
Puertos 1 2 3 4 Oferta
1 12 13 4 6
300 +2 200 0 100 500
2 6 4 10 11
+1 700 +13 +12 0 700
3 10 9 12 4
100 200 +10 500 0 800
Demanda 0 400 0 900 0 200 0 500 2000
Comentar resultados
178
2.1 Modelo de Transporte
2.1.5. Mtodo de Distribucin Modificada
(DIMO)
Aplicacin vj
Plantas
Puertos 1 2 3 4 Oferta
1 12 13 4 6
400 100 100 500
2 6 4 10 11
700 0 700
ui 3 10 9 12 4
100 200 500 700 800
Demanda 0 400 0 900 200 500 2000
Costo por
Ruta en uso motor ($) Ecuacin
Paso 0: Asociar ndices 11 12 u1 + v1 = 12
12 13 u1 + v2 = 13
22 4 u2 + v2 = 4
32 9 u3 + v2 = 9
33 12 u3 + v3 = 12
34 4 u3 + v4 = 4 179
2.1 Modelo de Transporte
2.1.5. Mtodo de Distribucin Modificada (DIMO)
v1 = 12 v2 = 13 u2 = - 9 u3 = -4 v3 = 16 v4 = 8
Paso 1.b) Calcular los costos marginales para cada celda no usada.
eij = cij - (ui + vj)
180
2.1 Modelo de Transporte
2.1.5. Mtodo de Distribucin Modificada (DIMO)
Costos marginales para las celdas no usadas.
eij = cij - (ui + vj)
181
2.1 Modelo de Transporte
2.1.5. Mtodo de Distribucin Modificada (DIMO)
Plantas
Puertos 1 2 3 4 Oferta
1 12 13 4 6
400 100 -12 -2 100 500
2 6 4 10 11
2 700 3 12 0 700
3 10 9 12 4
2 100 200 500 700 800
Demanda 0 400 0 900 200 500 2000
185
2.1 Modelo de Transporte
2.1.5. Mtodo de Distribucin Modificada (DIMO)
Plantas
Puertos 1 2 3 4 Oferta
1 - 12 13 + 4 6
400 19 100 1 100 500
2 6 4 10 11
0 700 3 12 0 700
3 + 10 9 - 12 4
-1 200 100 500 700 800
Demanda 0 400 0 900 200 500 2000
187
2.1 Modelo de Transporte
2.1.5. Mtodo de Distribucin Modificada
(DIMO)
Vuelta al Paso 1:
Costo por
Ruta en uso motor ($) Ecuacin
11 12 u1 + v1 = 12
13 4 u1 + v3 = 4
22 4 u2 + v2 = 4
31 10 u3 + v1 = 10
32 9 u3 + v2 = 9
34 4 u3 + v4 = 4
189
2.1 Modelo de Transporte
2.1.5. Mtodo de Distribucin Modificada (DIMO)
Plantas
Puertos 1 2 3 4 Oferta
1 12 13 4 6
300 0 200 0 100 500
2 6 4 10 11
1 700 13 12 0 700
3 10 9 12 4
100 200 10 500 700 800
Demanda 0 400 0 900 200 500 2000
191
2.1 Modelo de Transporte
2
17 19 15
3
16 20 11
Tabla de costo 1
Destinos
2 3
1
6 1 8
Fuentes
2
3 1 5
3
4 0 9
193
2.1 Modelo de Transporte
196
2.1 Modelo de Transporte
Ejercicios
197
2.1 Modelo de Transporte
2 Planificacin de la produccin:
Periodo Capacidad de Produccin Demanda a Costo de Costo de
Mxima (unidades) satisfacer Produccin ($) Almacenaje ($)
1 1200 900 15 1.2
2 800 800 18 1.4
3 1100 1000 17 1.1
4 900 700 20 1.5
201
Expresin matemtica del modelo
Mquina
1 2 .. n
1 C11 C12 .. C1n 1
2 C21 C22 .. C2n 1
Trabajo .. .. .. .. .. ..
n Cn1 Cn2 .. Cnn 1
1 1 .. 1
202
Por lo tanto el modelo est dado por:
n n
minimizar z = c
i 1 j 1
x
ij ij
sujeto a x
j 1
ij 1 i=1,2, ...,n
n
x
i 1
ij 1 j=1,2,..n
xij = 0 bien 1
203
Ejemplo:
PLANTA
Leipzig (1) Nancy(2) Lieja (3) Tilburgo(4)
Finanzas (F) (1) 24 10 21 11
Mercadotecnia(M) (2) 14 22 10 15
Operaciones (O) (3) 15 17 20 19
Personal(P) (4) 11 19 14 13
Plantear el modelo de PL
205
Ejemplo: Modelo de PL
MIN Z = 24 X11 + 10 X12 + ... + 14 X43 + 13 X44
sujeto a:
a) Oferta X11 + X12 + X13 + X14 = 1
X21 + X22 + X23 + X24 = 1
X31 + X32 + X33 + X34 = 1
X41 + X42 + X43 + X44 = 1
b) Demanda X11 + X21 + X31 + X41 = 1
X12 + X22 + X32 + X42 = 1
X13 + X23 + X33 + X43 = 1
X14 + X24 + X34 + X44 = 1
c) No negatividad Xij >= 0 i=1,...,4, j=1,....,4
206
Mtodos de Solucin
Existen varias formas de obtener la solucin:
a) Listar todas las alternativas posibles con sus costos y seleccionar
la de menor costo (algoritmo exhaustivo)
b) Mtodo Hngaro: mtodo iterativo
209
Mtodo Hngaro:
Paso 3: Movimiento
De todas las celdas no cruzadas identifique una con el menor
valor y haga lo siguiente:
a) Restar el valor a cada celda no cruzada
b) Sumar el valor a cada celda de interseccin de rectas
Volver al paso 2
210
Mtodo Hngaro:
211
Ejemplo: Aplique el mtodo Hngaro al ejemplo
1 2 3 4 pi
F 24 10 21 11
M 14 22 10 15
O 15 17 20 19
P 11 19 14 13
qj
212
Paso 1: Reduccin de filas y columnas
1 2 3 4 pi
F 14 0 11 1 10
M 4 12 0 5 10
Filas
O 0 2 5 4 15
P 0 8 3 2 11
qj 1
1 2 3 4 pi
F 14 0 11 0 10
M 4 12 0 4 10
O 0 2 5 3 15
P 0 8 3 1 11
qj 1
Columnas
213
Paso 2: Determinar si la matriz es reducida
1 2 3 4 pi
F 14 0 11 0 10
M 4 12 0 4 10
O 0 2 5 3 15
P 0 8 3 1 11
qj 1
Ir al paso 3
214
Paso 3: Movimiento (Seleccionar el menor: restar a las
no tachadas, sumar a las intersecciones)
1 2 3 4 pi
F 14 0 11 0 10
M 4 12 0 4 10
O 0 2 5 3 15
P 0 8 3 1 11
qj 1
1 2 3 4 pi
F 15 0 12 0 10
M 4 11 0 3 10
O 0 1 5 2 15
P 0 7 3 0 11
qj 1+1
Volver al paso 2 !!
215
Iteracin paso 2:
1 2 3 4 pi
F 15 0 12 0 10
M 4 11 0 3 10
O 0 1 5 2 15
P 0 7 3 0 11
qj 1+1
Se tachan todos los ceros con cuatro rectas, por tanto es ptima
Ir al paso 4 !!
216
Paso 4: Asignacin
1 2 3 4 pi
F 15 0 12 0 10
M 4 11 0 3 10
O 0 1 5 2 15
P 0 7 3 0 11
qj 1+1
=10 + 10 + 15 + 11 + 1 + 1 = 48
217
Ver Asignacin RPG
Modelo de Asignacin: Otras consideraciones
El modelo de asignacin de RPG es un modelo de minimizacin
en el cual el nmero de vicepresidentes es igual al nmero de
plantas, y todas las asignaciones posibles son aceptables.
218
Modelo de Asignacin: Otras consideraciones
1. Ofertas y demandas desiguales
219
Modelo de Asignacin: Otras consideraciones
1. Ofertas y demandas desiguales
220
Modelo de Asignacin: Otras consideraciones
2. Hay un modelo de maximizacin
221
Modelo de Asignacin: Otras consideraciones
2. Hay un modelo de maximizacin
224
Modelo de Transbordo: Algoritmo
225
Consideraciones:
Los pasos del algoritmo son anlogos a los del algoritmo de
pasos sucesivos (escaln).
Tanto los nodos origen como los destinos pueden ser a su vez
nodos de transbordo.
Al igual que el modelo de transporte, puede haber desequilibrio,
en ese caso se agregan fuentes o destinos ficticios con costo cero.
El numero total del sistema est dado por el total de la oferta o de
la demanda.
A cada nodo de transbordo se asigna un suministro (demanda)
igual a su suministro (demanda) original (cero, si no coincide
originalmente con un destino) ms el total de unidades del
sistema. Esto permite que todas las unidades puedan pasar por un
empalme dado. 226
Ejemplo 1:
Determnese un programa de embarque que cubra todas las
demandas a un costo mnimo total para los datos
correspondientes al siguiente grafo (costo en $).
8
+15
3 4
1 3 5
+95 4 -30
2 3
7 2
2 4 6
227
Solucin
Los sitios 1 y 2 son orgenes
Los sitios 5 y 6 son destinos
El sitio 3 es origen y empalme
El sitio 4 es destino y empalme
La oferta es mayor que la demanda por tanto se requiere un
destino ficticio que demande 75 unidades
Agregar 180 unidades a cada empalme (oferta y demanda)
El costo de las unidades que van de un empalme (como origen)
a l mismo (como destino) y de cualquier origen al sitio ficticio
es cero.
A las rutas no permitidas se les asocia un valor relativamente
alto (por 1.000)
228
La tabla inicial es:
Destinos
3 4 5 6 F Oferta
1 95
3 1000 8 1000 0
2 70
Orgenes
2 7 1000 1000 0
3 195
0 3 4 4 0
4 180
1000 0 1000 2 0
Demanda 180 210 30 45 75
229
La tabla final es:
Destinos
3 4 5 6 F Oferta
1 20 75 95
3 1000 8 1000 0
2 70 70
Orgenes
2 7 1000 1000 0
3 90 30 30 45 195
0 3 4 4 0
4 180 180
1000 0 1000 2 0
Demanda 180 210 30 45 75
Costo = 20*3+75*0+70*2+90*0+30*3+30*4+45*4+180*0=$590
230
Ejemplo 2:
Una corporacin necesita transportar 70 unidades de un producto, del sitio 1 a
los sitios 2 y 3 en cantidades de 45 y 25 unidades, respectivamente. Las tarifas
cij (en miles de pesos por unidad) de carga area entre los sitios comunicados
por carguero se dan en la tabla, en la cual las lneas punteadas indica que no hay
servicio disponible. Determnese un programa de embarque que asigne el
nmero requerido de artculos a cada destino, a un costo mnimo de transporte.
Ningn embarque requiere de vuelo directo, se permiten los envos empleando
puntos intermedios.
1 2 3 4
1 .... 38 56 34
2 38 ... 27 ...
3 56 27 ... 19
4 34 ... 19 ...
231
Ejemplo 3:
Nodos de transbordo 8 120
7
100 1 2
4 8 6 9 80
4 6
6 8
200 2 3 7
7
4 5 7 10 70
4 5
150 3 6
5
11 110
232
Planteamiento del modelo PL :
233
2.4. Modelos de Redes
234
2.4.1 Introduccin a la Teora de Grafos
Grafo no dirigido:
Un grafo no dirigido G consiste en un conjunto V de vrtices
(o nodos) y un conjunto E de lados (ramas o enlaces) tales que
cada lado e E est asociado a un par no ordenado de vrtices
v y w. Si un lado e est asociado a un nico par de vrtices v y
w, entonces e= (v,w) o e=(w,v).
Grafo dirigido:
Un grafo dirigido (o digrafo) G consiste en un conjunto V de
vrtices (o nodos) y un conjunto E de lados (o ramas) tales que
cada lado e E est asociado a un par ordenado de vrtices. Si
un lado e est asociado a un par ordenado nico de vrtices v y
w, se escribe e = (v,w).
235
2.4.1 Introduccin a la Teora de Grafos
Se dice que un lado e = (v,w) de un grafo (dirigido o no dirigido) es
incidente en v y w. Se dice que los vrtices v y w son incidentes
en e y tambin son vrtices adyacentes.
Nodo (Vrtice):
Un crculo de una red utilizada para representar una planta,
almacn o tienda.
Nodo de Suministro:
Nodo desde le cual los productos se van a enviar.
236
2.4.1 Introduccin a la Teora de Grafos
Nodo de demanda:
Nodo que va a recibir los productos para cumplir con una
demanda conocida.
Nodo de transbordo:
Nodo que recibe productos desde otros nodos para su
distribucin.
Arco (enlace):
Lnea de una red que conecta un par de nodos. Se le utiliza para
representar una ruta vlida desde el nodo origen al nodo de
distribucin.
237
2.4.1 Introduccin a la Teora de Grafos
Arco dirigido:
Indica el sentido de movimiento de los productos.
Camino:
Una secuencia de nodos en una red unidos por arcos (dirigidos o
no dirigidos)
Trayectoria (lazo):
Es un camino cerrado (ciclo) donde el primer nodo es a su vez el
ltimo.
238
2.4.1 Introduccin a la Teora de Grafos
Representacin de un grafo:
a) Una matriz
b) Una lista enlazada
c) rbol
Representacin Matricial
i) Matriz de Adyacencia
ii) Matriz de costo (beneficio)
239
2.4.1 Introduccin a la Teora de Grafos (cont.)
Matriz de Adyacencia:
240
2.4.1 Introduccin a la Teora de Grafos (cont.)
1 2
3 4
1 2 3 4
1 1 1
2 1
3 1
4 1
241
2.4.1 Introduccin a la Teora de Grafos (cont.)
Matriz de Costo:
242
2.4.1 Introduccin a la Teora de Grafos (cont.)
10 2
1
15 20 12
3 5
4
1 2 3 4
1 10 15
2 12
3 20
4 5
243
2.4.1 Introduccin a la Teora de Grafos (cont.)
A[i,j] = A[j,i]
C[i,j] = C[j,i]
244
Ejemplo Introductorio
Seymour Miles es el gerente de distribucin de Zigwell. Zigwell
distribuye sus motores oruga en cinco estados del medio oeste. Por lo
regular, Seymour Miles tiene 10 aparatos E-9 in situ en lo que
designaremos como local 1. Estos tractores deben ser enviados a los
dos locales de construccin ms importantes designados como 3 y 4.
Se necesitan tres E-9 en el local 3 y siete en el local 4. Debido a
itinerarios arreglados con anterioridad, relativos a la disponibilidad
de conductores, los tractores solo pueden ser distribuidos de acuerdo
con las rutas alternativas que se muestran en el grafo de la figura.
248
b) Funcin Objetivo
MIN Z =C12X12+C23X23+C24X24+C25X25+C34X34+C43X43+C53X53+C54X54
c) Restricciones
sa
+ X12 = 10
Balance
- X12+X23+X24+X25 = 0
de
-X23 -X43 -X53 +X34 = -3
-X24 +X43 -X34 -X54 = -7 flujo
a r c o
1 +1 0 0 0 0 0 0 0 10
2 -1 +1 +1 +1 0 0 0 0 0
3 0 -1 0 0 -1 -1 +1 0 -3
4 0 0 -1 0 +1 0 -1 -1 -7
5 0 0 0 -1 0 +1 0 +1 0
250
Formulacin General del Modelo de Transbordo con Capacidades
Xij denotan el flujo del nodo i al nodo j a lo largo del arco que
conecta esos nodos.
Lj representa la oferta en el nodo j
minimice ij
cij xij
s.a.
k
x jk k xkj L j , j 1,2,...., n
251
Resolver para las siguientes capacidades y costos
Capacidad
de\ a Sitio 1 Sitio 2 Sitio 3 Sitio 4 Sitio 5
Sitio 1 10
Sitio 2 4 3 3
Sitio 3 2
Sitio 4 4
Sitio 5 3 5
Costo Unitario
de\ a Sitio 1 Sitio 2 Sitio 3 Sitio 4 Sitio 5
Sitio 1 $100
Sitio 2 $45 $50 $20
Sitio 3 $60
Sitio 4 $85
Sitio 5 $10 $55
252
Ver transbordo con capacidades
2.4.2 Modelo de la Ruta ms corta
Situaciones:
253
2.4.2 Modelo de la Ruta ms corta
254
2.4.2 Modelo de la Ruta ms corta (GND)
Algoritmo:
256
2.4.2 Modelo de la Ruta ms corta (GND)
Ejemplo: Para el siguiente grafo encontrar la distancia ms corta
desde el nodo H al resto de los nodos.
7 1
8
2
3 6
H 7
4
1 3
4 1 3 3
1
5
1
2 2
6
257
2.4.2 Modelo de la Ruta ms corta (GND)
Solucin:
(8,H) (9,7)
7 1
8
2
3 6
H 7 (9,4)
4
(5,1) 1 3
(6,3) 3
4 1 3
1
5
1
2 2
(4,H) 6 (8,2)
(6,3)
1:Ver ejemplo 1 Ruta mas corta 2: Hacer problema 19 gua 2 (Ejemplo 2 Ruta mas corta 258
Para su prctica y ejercitacin neuronal
10 5
7 8
2
A B
1 F
10
3
1 D 7
4 4 G
C
3
259
2.4.2 Modelo de la Ruta ms corta (GD)
b) Algoritmo de Dijkstra
260
2.4.2 Modelo de la Ruta ms corta (GD) Algoritmo de Dijkstra
INICIO
0) V = {1, 2, 3, 4, ..., n}
1) S = {1} // nodo 1 se supone que es el origen
2) Para i=2 Hasta n Hacer
3) Di = C1i
4) Para i=1 Hasta n-1 Hacer
5) Elegir un vrtice w en V-S tal que Dw sea un mnimo
6) agregar w a S
7) Para cada vrtice v en V-S Hacer
SI ((Dw+Cwv)<Dv)
//Pv = w
Dv = Dw+Cwv
8) //Dv=mnimo(Dv,Dw+Cwv)
FIN
261
2.4.2 Modelo de la Ruta ms corta (GD) Algoritmo de Dijkstra
Ejemplo: Aplicar el algoritmo al siguiente grafo dirigido
1 100
10
5
30
2
60
10
50
3 4
20
262
2.4.2 Modelo de la Ruta ms corta (GD) Algoritmo de Dijkstra
Inicial
0) V = {1, 2, 3, 4, 5}
1) S = {1}
2)
3) D2 = 10, D3 = inf, D4=30, D5 = 100
Iteracin S w D2 D3 D4 D5
Inicial {1} -- 10 inf 30 100
4) Iterar 4 veces
5) Seleccionar nodo con distancia ms corta de V-S,
En el ejemplo es el nodo 2
263
2.4.2 Modelo de la Ruta ms corta (GD) Algoritmo de Dijkstra
6) Agregar el nodo 2 a S : S = {1,2}
7) Iterar |V-S|, (V-S = {3,4,5})
D3=mnimo(D3,D2+C23) =mnimo(inf,10+50) = 60
D4=mnimo(D4,D2+C24) =mnimo(30,10+inf) = 30
Iteracin S w D2 D3 D4 D5
Inicial {1} -- 10 inf 30 100
1 {1,2} 2 10 60 30 100
264
2.4.2 Modelo de la Ruta ms corta (GD) Algoritmo de Dijkstra
2a Iteracin
V-S = {3,4,5}
5) w=4
6) S = {1,2,4}
7) Iterar |V-S| V-S = {3,5}
D3=mnimo(D3,D4+C43) =mnimo(60,30+20) = 50
D5=mnimo(D5,D4+C45) =mnimo(100,30+60) = 90
Iteracin S w D2 D3 D4 D5
Inicial {1} -- 10 inf 30 100
1 {1,2} 2 10 60 30 100
2 {1,2,4} 4 10 50 30 90
265
2.4.2 Modelo de la Ruta ms corta (GD) Algoritmo de Dijkstra
3a Iteracin
V-S = {3,5}
5) w=3
6) S = {1,2,4,3}
7) Iterar |V-S| (V-S = {5})
D5=mnimo(D5,D3+C35) =mnimo(90,50+10) = 60
Iteracin S w D2 D3 D4 D5
Inicial {1} -- 10 inf 30 100
1 {1,2} 2 10 60 30 100
2 {1,2,4} 4 10 50 30 90
3 {1,2,4,3} 3 10 50 30 60
266
2.4.2 Modelo de la Ruta ms corta (GD) Algoritmo de Dijkstra
4a Iteracin
V-S = {5}
5) w=5
6) S = {1,2,4,3,5}
7) Iterar |V-S| (V-S = {})
Tabla Final
Iteracin S w D2 D3 D4 D5
Inicial {1} -- 10 inf 30 100
1 {1,2} 2 10 60 30 100
2 {1,2,4} 4 10 50 30 90
3 {1,2,4,3} 3 10 50 30 60
4 {1,2,4,3,5} 5 10 50 30 60
267
Cul es el camino?
268
Cul es el camino?
269
Problema de los caminos ms cortos entre
todos los pares de nodos
Para visualizar el problema se emplea un grafo dirigido G =
(V,A) en el que cada arco v w tiene un costo no negativo
Cv,w. El problema consiste en encontrar el camino de longitud
ms corta (menor costo) entre v y w para cada par ordenado de
vrtices (v,w).
Algoritmo de Floyd
kAij = min
k-1
A kj
A
-1
ik
k
i j
k-1 Aij
272
Problema de los caminos ms cortos entre todos los pares de nodos
0) INICIO
1) Desde i = 1 Hasta N
2) Desde j = 1 Hasta N
3) Aij Cij
4) Desde i = 1 Has ta N
5) Aii = 0
6) Desde k = 1 Hasta N
7) Desde i = 1 Hasta N
8) Desde j = 1 Hasta N
9) SI (Aik + Akj < Aij)
10) Aij = Aik + Akj
11) FIN 273
Problema de los caminos ms cortos entre todos los pares de nodos
274
Problema de los caminos ms cortos entre todos los pares de nodos
2
1 2
2 3
3
276
Problema de los caminos ms cortos entre todos los pares de nodos
Solucin:
Tabla Inicial
Nodos 1 2 3
1 0 8 5
2 3 0 inf
3 inf 2 0
0Aij
277
Problema de los caminos ms cortos entre todos los pares de nodos
Solucin:
Nodos 1 2 3
1 0 8 5
2 3 0 8
3 inf 2 0
Aij
1
278
Problema de los caminos ms cortos entre todos los pares de nodos
Solucin:
Nodos 1 2 3
1 0 8 5
2 3 0 8
3 5 2 0
Aij
2
279
Problema de los caminos ms cortos entre todos los pares de nodos
Solucin:
Nodos 1 2 3
1 0 7 5
2 3 0 8
3 5 2 0
3Aij
280
2.4.3 Modelo de rbol extensin mnima
281
Algoritmo para el problema del rbol de expansin mnima.
Mtodo Grfico
282
Ejemplo: Encontrar el AEM para el siguiente grafo
7 1
8
2
3 6
H 7
4
1 3
4 1 3 3
1
5
1
2 2
6
283
Solucin :
7 1
2 6
H
4
1
4 1 3
1
5
1
2 2
284
Algoritmo tabular
Paso Accin
0 Se construye la tabla de costos de enlaces
1 Se comienza arbitrariamente con cualquier nodo. Se designa a
este nodo como conectado y se pone una marca al lado de la
fila correspondiente al nodo. Se tacha el ndice de la columna
que corresponde a l.
2 Considerando todas las filas marcadas, buscar el mnimo en las
columnas cuyo ndice an no haya sido tachado encerrndolo
en un crculo. Designndose de esta manera el nuevo nodo
conectado. Se tacha el ndice de la columna y pone una marca
en la fila correspondiente a este nodo. Se repite este paso hasta
que todos los nodos estn conectados.
3 Los nodos encerrados en crculo identifican el rbol.
285
Aplicacin Algoritmo tabular
Tabla inicial
Nodo H 1 2 3 4 5 6 7
H 4 7 8
1 4 6 1
2 6 1 2
3 1 1 1
4 7 1 3 3 2
5 2 3 3
6 3 3 1
7 8 2 1
286
Aplicacin Algoritmo tabular
Inicio: Nodo H
Nodo H 1 2 3 4 5 6 7
a) * H 4 7 8
b) * 1 4 6 1
2 6 1 2
3 1 1 1
4 7 1 3 3 2
5 2 3 3
6 3 3 1
7 8 2 1
287
Aplicacin Algoritmo tabular
Nodo 1
Nodo H 1 2 3 4 5 6 7
a) * H 4 7 8
b) * 1 4 6 1
2 6 1 2
c) * 3 1 1 1
4 7 1 3 3 2
5 2 3 3
6 3 3 1
7 8 2 1
288
Aplicacin Algoritmo tabular
Tabla final
Nodo H 1 2 3 4 5 6 7
a) * H 4 7 8
b) * 1 4 6 1
* 2 6 1 2
c)
* 3 1 1 1
* 4 7 1 3 3 2
* 5 2 3 3
* 6 3 3 1
* 7 8 2 1
289
Arbol de expansin mnima :
7 1
2 6
H
4
1
4 1 3
1
5
1
2 2
290
2.4.4 Problema del Flujo Mximo
291
Descripcin Para cada nodo interno debe cumplirse que:
flujo que sale del nodo = flujo que entra al nodo
293
Algoritmo Antes de hacer la presentacin formal del
algoritmo, revisemos el siguiente ejemplo.
6
2 4
6
4
2
1 6
1
3
6 2
5
3 4
294
Algoritmo Grafo inicial: Inicializacin delos flujos en cada nodo
0
6 4
0 2 6
2
0 0 0
4
1 6
0
3 1
6 0 2
0 3 5
4 0
Consideremos un camino desde el nodo 1 al nodo 6
Ejemplo: 1-2-5-6
295
Se dice que la cantidad de flujo a lo largo de dicho
recorrido es factible si:
296
Ejemplo: Considerar el arco 1-2
4 0
1 2
3 1
1 2
(1 )
297
Algoritmo
Inicial Inicializar cada nodo del grafo con capacidades uij en
la direccin del flujo y cero en la direccin opuesta.
1 Encontrar cualquier camino de la fuente a destino que
tenga capacidad de flujo positiva, si no los hay, se
habr encontrado la solucin ptima.
2 Sea cmin la capacidad mnima de flujo entre los arcos
seleccionados en el paso 1, se aumenta el flujo
existente a travs de la red al enviar un flujo adicional
cmin para todos los arcos del camino.
3 Para todos los arcos del camino, disminyanse las
capacidades en la direccin del flujo y aumntese las
capacidades en la direccin opuesta en cmin. Volver al
paso 1
298
Aplicar el algoritmo al grafo del ejemplo:
Paso Inicial
0
6 4
0 2 6
2
0 0 0
4
1 6
0
3 1
6 0 2
0 3 5
4 0
299
Iteracin 1: Elegir arbitrariamente el camino 1-3-5-6
0
6 4
0 2 6
2
0 0 0
4 2
2 6
1
0
3 1
6 0 2
4 2
0 3 5 0
2 4 0
2 2
300
Iteracin 2: Elegir arbitrariamente el camino 1-2-4-6
2 4
4 6 0 2
0 2 4 6
2 4
0 6
6 0 0 0
4 2
2 6
1
0
3 1
6 0 2
4 2
0 3 5 0
2 4 0
2 2
301
Iteracin 3: Elegir arbitrariamente el camino 1-3-2-4-6
6
0 4 0
2
4 6 0 2
0 2 4 6 6 8
8 2 4
0 6
6 4 2 0 0 0
2
2 6
1
0
1 3 1
6 0 2
4 2
2 0 3 5 0
42 4 0
2 2
302
Clculo de la cantidad de flujo en cada arco
Inicial 3 4 0 5
3
Final 2 2 5
6
2 4
6
4
8 8
1 6
2
4 2
5
3 2
304
Unidad 3
Administracin de Proyectos
PERT y CPM
305
3 Administracin de Proyectos (PERT y CPM)
Todo proyecto debe ser comprobado y controlado, dado que ste
tiene involucrado numerosas tareas interrelacionadas.
A travs de algunas tcnicas se puede responder a preguntas como:
307
3.1 Desarrollo de la Red de Proyectos
308
Traslado de las oficinas de una ciudad a otra
Prdecesoras
Actividad Descripcin Tiempo Recursos
inmediatas
A Elegir local de oficinas -
B Crear el plan financiero y de -
Determinar requerimientos
C B
de personal
D Diseo de local A, C
E Construir el interior D
F Elegir personal a mudar C
Contratar nuevos
G F
empleados
Mudar registros, personal
H F
clave, etc.
Hacer arreglos finacieros de
I B
la organizacin
J Entrenar personal nuevo H, E, G
309
Construccin del diagrama de Red:
2
A
1 4
B C
3
4
C
311
Volviendo al ejemplo: Agregando el resto de las actividades a la red
finalmente se tiene
D 5
2
E
H
A
7
F 6 J
4
1 G 8
C
B
I
3
312
Siguiendo con el ejemplo: G y H tienen como predecesora inmediata
F, adems ambas son predecesoras de J, agregar actividad ficticia.
D 5
2
E
A
H
7
F 6 J
4 Fic
1 G 8 9
C
B
I
3
Red Final
313
Se requiere de las estimaciones de tiempo de cada actividad (supuestos)
Ruta Crtica: Dar cumplimiento al plazo lmite
Prdecesoras
Actividad Descripcin Tiempo Recursos
inmediatas
A Elegir local de oficinas - 3
Crear el plan financiero y de
B - 5
organizacin
Determinar requerimientos
C B 3
de personal
D Diseo de local A, C 4
E Construir el interior D 8
F Elegir personal a mudar C 2
Contratar nuevos
G F 4
empleados
Mudar registros, personal
H F 2
clave, etc.
Hacer arreglos finacieros de
I B 5
la organizacin
J Entrenar personal nuevo H, E, G 3
314
Retomando el ejemplo: Agregando los tiempos a las actividades
D (4) 5
2
E (8)
(3)
A
H (2) 7
F (2) 6 J (3)
4 G (4) Fic
1 8 9
(3)
C
B
(5) I (5)
3
315
Clculo de la ruta crtica: Tiempo de trmino del proyecto
Definiciones
316
Reglas a cumplir: Dado que en el proyecto existen tareas
predecesoras es necesario conocer cuando
termina una y cuando empieza la otra:
Regla
1. Para calcular el TI de una tarea se debe conocer los TT de cada
tarea predecesora inmediata
2. El TI ms inmediato de una tarea de la que se conocen los
tiempos de trmino ms breves de todas sus tareas
predecesoras inmediatas es el mximo de todos esos tiempos
de trmino ms breves.
3. Tiempo de trmino ms breve = (tiempo de inicio ms
inmediato) + (tiempo de tarea(t))
317
Pasos para determinar los TI y TT ms inmediatos:
Paso
0 Identificar el nodo de inicio de la red del proyecto
Calcule y escriba en cada arco saliente
a) TI ms cercano, esto es, 0
b) El TT ms breve de acuerdo a la regla 3
TT ms breve = (TI ms inmediato) + (t)
=0+t
1 Seleccionar cualquier nodo donde todos los arcos
entrantes han sido etiquetados con sus TI y TT
318
Pasos para determinar los TI y TT ms inmediatos:
Paso
2 Para el nodo seleccionado en el paso 1 calcule y registre
en cada arco saliente
319
Clculo de TI y TT:
D[8,12]
5
2
E[
12
,2
0]
3]
H[10,12]
0,
7 J[20
A[
,23]
F[8,10] 6
4 G[10 Fic
1 ,14] 9
8
C[5,8]
B[
0,
5]
[5 , 10]
I
3
320
Identificacin de las tareas crticas:
322
Identificacin de las tareas crticas:
Pasos para calcular los ltimos tiempos de inicio y trmino
0 Identificar el final del proyecto. Calcular y escribir en cada arco
entrante:
a) ltimo tiempo de trmino del proyecto
b) ltimo tiempo de inicio (Regla 6): UTI=UTT-t
1 Seleccione un nodo, cuyos arcos salientes hayan sido etiquetados
todos con sus UTI y UTT
Actividad I UTT = 23
UTI = 23-5 = 18
Actividad H UTT = 20
UTI = 20-2 = 18
Actividad ficticia UTT = 20
UTI = 20-0 = 20
324
Identificacin de las tareas crticas:
Clculo de UTT y UTI para cada actividad . Finalmente se tiene
D[8,12]
5
2
E[
[8,12] [1
12
2 ,2
,2
0 ]
0]
3]
H[10,12]
0,
7 J[20
A[
8]
,23]
F[8,10]
]
6 G [18,20
[ 5,
[10,1 [20
] Fic ,2 3]
1 4 [14,16 [1 6 , 4]
9
2 0] 8
B[
C[5,8]
[5,8]
0,
[0
]
5]
, 10
,5
I[5
]
]
23
[ 18 ,
3
325
Identificacin de las tareas crticas:
Holgura: Es la cantidad de tiempo que puede demorar una
actividad sin afectar la fecha de trmino del proyecto.
El valor de la holgura para cada actividad est dada por:
holgura = TI - UTI = TT - UTT
Ejemplo:
Actividad C: TI = 5, UTI = 5, TT = 8, UTT = 8
Holgura = 5 - 5 = 8 - 8 = 0
Actividad I: TI = 5, UTI = 18, TT = 10, UTT = 23
La actividad C tiene holgura 0, por tanto no puede
retrasarse, en cambio la actividad I tiene 13 semanas de
holgura que permite retrasar su inicio.
326
Identificacin de las tareas crticas:
Resumen de los tiempos de las actividades del proyecto:
327
Identificacin de las tareas crticas:
Actividad crtica es aquella que tiene holgura cero
En nuestro ejemplo:
Actividades crticas: B, C, D, E y J
Ruta crtica: Nodos 1-3-2-5-7-9
Actividades B-C-D-E-J
328
Formas de Reducir la duracin del proyecto:
1. Anlisis Estratgico
2. Enfoque Tctico
El analista presupone que el diagrama en curso es adecuado y
trabaja para reducir el tiempo de ciertas actividades de la ruta
crtica asignando mayores recursos. Por ejemplo tiempo, aumento
de mano de obra, etc.
329
Formas de Reducir la duracin del proyecto:
330
Formas de Reducir la duracin del proyecto:
Alternativa de solucin
Realizados algunos estudios los responsables de la mudanza, se
dan cuenta que la actividad J (entrenamiento de los nuevos
empleados) debe realizarse en el nuevo edificio (despus de
completar la actividad E) y despus de que el personal clave y
de registros se haya mudado (al completar la actividad H).
Estos requerimientos se podran cambiar:
Realizar J independientemente de H
El entrenamiento realizarlo en otras dependencias a un costo
reducido y que estn listos para cuando se termine la
construccin. Esto requiere agregar otra actividad: Garantizar
recursos de entrenamiento, actividad K
331
Formas de Reducir la duracin del proyecto:
332
Diagrama de red para el proyecto redefinido
D (4) 5
2 E (8)
H(2)
A(3) 6
F (2) G(4)
K(3) J (3) 9
4 7
1
8 Fic
C (3)
B
(5) I (5)
3
333
Actualizacin de los tiempos para el proyecto redefinido
335
PERT: Variabilidad en los tiempos de Actividades
336
PERT: Variabilidad en los tiempos de Actividades
337
PERT: Variabilidad en los tiempos de Actividades
Distribucin beta
4 7 8 16
a m b
Estimacin de la desviacin ba
estndar del tiempo de la actividad 6
338
PERT: Variabilidad en los tiempos de Actividades
Estimacin de tiempo
340
PERT: Variabilidad en los tiempos de Actividades
Probabilidad de concluir el proyecto a tiempo
El anlisis procede de la siguiente forma:
1. Sea T el tiempo total que durarn las actividades de la ruta
crtica.
2. Encuntrese la probabilidad de que el valor de T resulte menor
o igual que cualquier valor especfico de inters. Para el
ejemplo en estudio buscaramos T 22 semanas.
Una buena aproximacin de esta probabilidad se encuentra
aceptando dos supuestos:
a) Los tiempos de actividad son variables aleatorias
independientes.
b) La variable T tiene una distribucin aproximadamente normal.
341
PERT: Variabilidad en los tiempos de Actividades
i : Desviacin estndar
actividad de la ruta crtica
de i-sima
342
Estimacin de terminacin del proyecto
x
Z
343
Clculos caso en estudio
Ruta crtica: B- C- D y E
T = 20 (tiempo esperado, promedio calculado, )
x = 22 (tiempo exigido)
T2 B2 C2 D2 E2
T2 1 0,111 0,444 4
T2 5,555
T 2,357
344
Clculos caso en estudio
22 20
Z
2,357
Z = 0,8485
En la tabla de Z
345
Matriz de Encadenamiento
Una matriz de encadenamiento, es una matriz de NxN (N es la
cantidad de actividades) donde cada celda se marca con una X si
la actividad de la fila requiere que est terminada la actividad de
la columna. Esta matriz ayuda a la construccin de la red CPM
346
3.4 CPM: TRUEQUE ENTRE TIEMPO Y COSTO
CPM considera que el tiempo extra (costo) puede reducir el
tiempo de trmino de una actividad, y en consecuencia reducir el
tiempo total del proyecto
Compra de tiempo:
Esfuerzo normal
Tiempo
347
CPM: Trueque entre el costo y el tiempo
348
CPM: Trueque entre el costo y el tiempo
349
CPM: Trueque entre el costo y el tiempo
350
CPM: Trueque entre el costo y el tiempo
Paso 1: Red del proyecto
Si consideramos la convencin actividad-flecha, el grafo del
proyecto es:
3 5
G(2)
B(2) E(3)
F(2) H(2)
A(4) C(3)
1 2 4 6 7
D(1)
351
CPM: Trueque entre el costo y el tiempo
3 5
G(
0]
(0)
[1
2
,1
)[1
]
0,
4,6
[7
12
6,6
0,
3)
0]
] 0
12
2)[
[7,7
]
E(
,1
]
0
[5,7
]
[7
B(
12 12
]
00
A(4)[0,4] C(3)[4,7] F(2)[7,9] H(2)[9,11]
1 2 4 6 7
[4,7] [8,10] [10,12]
[0,4]
D(1)[4,5]
[11,12]
352
CPM: Trueque entre el costo y el tiempo
353
CPM: Trueque entre el costo y el tiempo
354
CPM: Trueque entre el costo y el tiempo
Reduccin de Actividades ruta crtica
3 5
G(
2
]
2)
1)
4,6
0
3
2)[
E(
0
B(
00
A(4 3) C(3 1) F(2)[7,9] H(2)[9,11]
1 2 4 6 7
D(1)[4,5]
356
CPM: Trueque entre el costo y el tiempo
Costo
Actividad Accin Adicional Normal Total
A (1,2) 1 semana 600 1.400 2.000
B (2,3) 1 semana 500 1.500 2.000
C (2,4) 2 semanas 1000 1.500 2.500
D (2,7) ----- 600 600
E (4,5) 1 semana 700 1.300 2.000
F (4,6) 1 semana 200 300 500
G (5,7) 1 semana 400 800 1.200
H (6,7) ----- 600 600
$ 8.000 $ 11.400
357
CPM: Trueque entre el costo y el tiempo
Grafo final
3 5
G(
(0)
[6
1)
]
,6
]
,7
[6
3,4
[4
[4
]
,7
2)
,4]
0
]
]
1)[
[7,7
]
E(
,6
0
[5,7
[4
B(
77
]
00
A(3)[0,3] C(1)[3,4] F(1)[4,5] H(2)[5,7]
1 2 4 6 7
[3,4] [4,5] [5,7]
[0,3]
D(1)[3,4]
[6,7]
358
CPM: Trueque entre el costo y el tiempo
Red ptima
Qu sucede si un proyecto lleva ms tiempo del especificado?
Conviene hacer ms intensivo el proyecto o pagar la
penalizacin por atraso?
Ejemplo:
Suponga que en el proyecto de la casa hay una penalizacin de
$450 por cada semana de tiempo extra despus de ocho semanas.
Cul es la red ptima?.
Solucin: Reducir la red en una semana cada vez e ir
comparando si los costos por intensificar son menores a los
costos por penalizacin. Se termina cuando los costos de
penalizacin son mayor a los costos de intensificar.
359
CPM: Trueque entre el costo y el tiempo
Red ptima
1. Reducir una semana (de 12 a 11 semanas)
De la red normal analizar ruta crtica
Actividades Incremento de Costo
A 600
C 500
E 700
G 400
Conclusin: Intensificar 1 semana la actividad G
(400<450).
2. Intentar reducir una segunda semana (de 11 a 10)
Todos los costos incrementales de la ruta son mayores a la
penalizacin. Intentar por las vas paralelas.
No hay rutas alternativas cuya reduccin implique un costo
menor al de penalizacin.
360
CPM: Trueque entre el costo y el tiempo
Solucin
Grafo resultante
3 5
G(
1)
3)
E(
2)
B(
A(4) C(3) F(2) H(2)
1 2 4 6 7
D(1)
364
CPM: Trueque entre el costo y el tiempo
Modelo de PL para CPM (Tiempo mnimocosto mnimo)
365
CPM: Trueque entre el costo y el tiempo
Modelo de PL para CPM (Tiempo mnimocosto mnimo)
Restricciones de Lmite
0<=YA<= 1 (lmite de A)
0<=YB<= 1 (lmite de B)
0<=YC<= 2 (lmite de C)
0<=YD<= 0 (lmite de D)
0<=YE<= 1 (lmite de E)
0<=YF<= 1 (lmite de F)
0<=YG<= 1 (lmite de G)
0<=YH<= 1 (lmite de H)
366
CPM: Trueque entre el costo y el tiempo
Modelo de PL para CPM (Tiempo mnimocosto mnimo)
X3 X5
3 5
G(2)
E(3)
B(2) (0) (3-YE) (2-YG)
(2-YB)
X4 X6 X7
X1 X2 F(2) H(2)
A(4) C(3)
1 2 4 6 7
(4-YA) (3-YC) (2-YF) (2-YH)
D(1)
(1-YD)
368
CPM: Trueque entre el costo y el tiempo
Modelo de PL para CPM (Tiempo mnimocosto mnimo)
Nodo 2
Tiempo de inicio de las tareas que salen del nodo 2 tiempo de
terminacin de todas las tareas que entran al nodo 2
Tiempo de inicio de las tareas B, C y D (tiempo de terminacin
de la tarea A + (tiempo acortado de la tarea A)
X2 X1 + (4-YA)
Nodo 3
Tiempo de inicio de las tareas que salen del nodo 3 tiempo de
terminacin de todas las tareas que entran al nodo 3
Tiempo de inicio de la tarea Ficticia (tiempo de terminacin de
la tarea B + (tiempo acortado de la tarea B)
X3 X2 + (2-YB)
369
CPM: Trueque entre el costo y el tiempo
Modelo de PL para CPM (Tiempo mnimocosto mnimo)
Nodo 4
Tiempo de inicio de las tareas que salen del nodo 4 tiempo de
terminacin de todas las tareas que entran al nodo 4.
Hay dos arcos que entran al nodo, las actividades E y F deben
comenzar slo cuando las tareas que entran (C y la ficticia) hayan
terminado. Dando origen as a dos restricciones (una por cada
actividad)
Restriccin de la actividad C
Tiempo de inicio de las tareas E y F tiempo de terminacin de
la tarea C
Tiempo de inicio de las tareas E y F (tiempo de terminacin de
la tarea C + (tiempo acortado de la tarea C)
X4 X2 + (3-Yc) (tarea C)
370
CPM: Trueque entre el costo y el tiempo
Modelo de PL para CPM (Tiempo mnimocosto mnimo)
Nodo 4
Restriccin de la actividad Ficticia
Tiempo de inicio de las tareas E y F tiempo de terminacin de
la tarea figurada
Tiempo de inicio de las tareas E y F (tiempo de terminacin de
la tarea Figurada + (tiempo acortado de la tarea Figurada)
X4 X3 + 0 (tarea Figurada)
Aplicando sistemticamente el procedimiento y se escribe una
restriccin para cada actividad se obtienen las siguientes
restricciones para los nodos 5 al 7
371
CPM: Trueque entre el costo y el tiempo
Modelo de PL para CPM (Tiempo mnimocosto mnimo)
Nodo 5
X5 X4 + (3-YE) (actividad E)
Nodo 6
X6 X4 + (2-YF) (actividad F)
Nodo 7
X7 X5 + (2-YG) (actividad G)
X7 X6 + (2-YH) (actividad H)
372
CPM: Trueque entre el costo y el tiempo
Modelo de PL para CPM (Tiempo mnimocosto mnimo)
MIN Z = 600YA+500YB+500YC+700YE+200YF+400YG+400YH
Sujeto a:
Restricciones de Lmite
0<=YA<= 1 (lmite de A)
0<=YB<= 1 (lmite de B)
0<=YC<= 2 (lmite de C)
0<=YD<= 0 (lmite de D)
0<=YE<= 1 (lmite de E)
0<=YF<= 1 (lmite de F)
0<=YG<= 1 (lmite de G)
0<=YH<= 1 (lmite de H) 373
CPM: Trueque entre el costo y el tiempo
Modelo de PL para CPM (Tiempo mnimocosto mnimo)
X1 = 0
X7 12
X2 X1 + (4-YA) (tarea C)
X3 X2 + (2-YB) (tarea B)
X4 X2 + (3-Yc) (tarea C)
X4 X3 + 0 (tarea Figurada)
X5 X4 + (3-YE) (actividad E)
X6 X4 + (2-YF) (actividad F)
X7 X5 + (2-YG) (actividad G)
X7 X6 + (2-YH) (actividad H)
374
X1, ..., X7 0
Para su entretencin
Ejercicios:
La complejidad de las redes CPM est ms afectada por las interrelaciones que
el nmero de nodos. Por ejemplo, considrese el proyecto siguiente:
Actividad Normal Intensivo Normal Intensivo
A (1,2) 8 7 10.000 12.000
B (1,3) 15 10 12.000 17.000
C (1,4) 12 6 13.000 14.000
D (2,3) 9 9 7.000 7.000
E (2,5) 11 9 2.000 4.000
F (3,6) 9 8 5.000 7.000
G (4,3) 9 7 14.000 16.000
H (4,7) 13 12 8.000 10.000
I (5,6) 7 5 6.000 10.000
J (5,8) 15 11 9.000 10.000
K (6,8) 10 5 3.000 8.000
L (7,6) 4 3 7.000 8.000
M (7,8) 12 9 5.000 6.000