Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Modulo - INVESTIGACIÓN DE OPERACIONES PDF
Modulo - INVESTIGACIÓN DE OPERACIONES PDF
INDICE
Diseo Curricular 3
Cap. 1: Introduccin 6
1.1 Investigacin de Operaciones 6
1.2 Modelo de Decisin Simple 6
1.3 Modelos de la Investigacin de Operaciones 9
1.4 Clculos en Investigacin de Operaciones 12
1.5 Fases de un Estudio de Investigacin de Operaciones 14
1. INTRODUCCIN
Ejemplo:
Costo
Semiautomtica Automtica
Costo fijo inicial por lote 20.00 50.00
Costo variable unitario 0.60 0.40
Para formalizar el criterio del costo, sea x la que represente el nmero de unidades que
se producirn en un lote. Por lo tanto, la funcin de costo se convierte en:
Costo de produccin por lote = costo fijo inicial + (costo unitario variable) x
Sea x el eje que representa el tamao del lote y se define el eje y para que represente
el costo de produccin. Las funciones de costo asociadas se trazan despus como
lneas rectas, como se ilustra en la figura 1-1. Las dos alternativas cuestan exactamen-
te la misma cantidad en x = 150 unidades. Para tamaos de lote menores que 150 uni-
Observemos el efecto de la restriccin del turno nico de 8 horas. Si el tamao del lote
no excede 120 unidades, el problema de decisin tiene dos alternativas, de las cuales
la mquina semiautomtica es la mejor eleccin. Por otra parte, para tamaos de lote
entre 120 y 200 unidades, la mquina semiautomtica es una alternativa infactible, lo
que deja a la mquina automtica como la nica opcin factible. Por ltimo, para tama-
os de lote de ms de 200 unidades, ambas alternativas son infactibles.
Podemos apreciar que las restricciones en un problema de decisin, actan para limitar
las opciones mediante la eliminacin de las alternativas infactibles o no factibles.
Este sencillo ejemplo sirve para presentar todos los elementos bsicos de cualquier
modelo de decisin. En esencia, el modelo de decisin debe contener tres elementos:
Ejemplo 1.1
Farmers Coop tiene dos almacenes o bodegas centrales que abastecen de semillas de
maz a tres tiendas regionales para ser distribuidas a agricultores. El suministro men-
sual disponible en las dos bodegas se estima de 1000 y 2000 sacos de semilla de
maz. La demanda en las tres tiendas regionales se estima en 1500, 750 y 750 sacos,
respectivamente. El costo por saco para transportar la semilla de las bodegas a las
tiendas se muestra a continuacin:
Tiendas
1 2 3
1 50 100 60
Almacn
2 30 20 35
La meta de Coop consiste en satisfacer la demanda mensual en las tres tiendas regio-
nales al menor costo de transportacin posible.
Solucin:
Sujeto a:
Ejemplo 1.2
Por otra parte, los clculos en los modelos matemticos de la investigacin de opera-
ciones son comnmente iterativos en naturaleza. Con esto nos referimos a que la so-
lucin ptima de un modelo matemtico no suele estar disponible en forma cerrada. En
cambio, se llega a la respuesta final en pasos o iteraciones, donde cada nueva itera-
cin acerca la solucin al nivel ptimo. A este respecto, decimos que la solucin con-
verge en forma iterativa al nivel ptimo. Como ejemplo, refirindonos al modelo de
transporte del ejemplo 1.1, comenzamos con un programa de transporte que es factible
(satisface las condiciones de oferta y demanda). Despus, al probar la solucin resul-
tante, podemos decidir si la solucin es ptima o no. Si no lo es, hallamos una mejor
solucin. Lgicamente, si toda nueva iteracin debe mejorar (o reducir) el costo de
transporte, eventualmente se llegar a una iteracin terminal o final donde ya no se
puedan reducir los costos. Este es el nivel ptimo.
Las dificultades evidentes en los clculos de los modelos matemticos han obligado a
los analistas a buscar otros mtodos de clculo. Estos mtodos tambin son de natura-
leza iterativa, pero no garantizan la optimizad de la solucin final. En cambio, simple-
mente buscan una buena solucin al problema. Tales mtodos suelen denominarse
heursticos porque su lgica est basada en reglas o mtodos prcticos que conllevan
a la obtencin de una buena solucin. La ventaja de los mtodos heursticos es que
normalmente implican un menor nmero de clculos cuando se comparan con algorit-
mos exactos.
Como ejemplo de stos casos tomaremos el modelo de transporte del ejemplo 1.1.
Pese a que el modelo e transporte posee un algoritmo exacto eficiente, podemos em-
plear un mtodo heurstico para hacerlo an ms eficiente. Esto se logra a travs de la
seleccin inteligente del programa de transporte inicial. La idea del mtodo heurstico
es la de asignar la tarea, hasta donde sea posible, a la ruta ms econmica de la tabla
sin violar las restricciones de oferta y demanda. El proceso de seleccin de la siguiente
ruta ms econmica se repite entonces hasta que se satisfacen todas las demandas.
Tiendas
1 2 3
50 100 60
1
Almacn
30 20 35
2
Resumiendo:
2 3
5 3
6
1 7 8 6
3 2
4
5 4
1
Figura 1.5 Problema del viajero
Las principales fases a travs de las cuales pasara el equipo a fin de efectuar un estu-
dio de Investigacin de Operaciones son:
La primera fase del estudio requiere una definicin del problema. Desde el punto de
vista de investigacin de operaciones esto indica tres aspectos principales:
Adems de la solucin del modelo se debe tambin asegurar, siempre que sea posible,
informacin adicional sobre el comportamiento de la solucin debida a cambios en los
parmetros del sistema. Usualmente esto se conoce como anlisis de sensibilidad.
Este anlisis es especialmente necesario cuando los parmetros del sistema no pue-
den estimarse con exactitud. En este caso es importante estudiar el comportamiento de
la solucin ptima en los entornos de estas estimaciones.
La cuarta fase busca la validacin del modelo. Un modelo es vlido si, independien-
temente de sus inexactitudes al representar el sistema, puede dar una prediccin con-
fiable del funcionamiento del sistema. Un mtodo comn para probar la validez de un
modelo es comparar su funcionamiento con algunos datos pasados disponibles del
sistema actual. El modelo ser vlido si bajo condiciones similares de entradas puede
reproducir el funcionamiento pasado del sistema. Este mtodo de validacin no es
apropiado para sistemas que no existen, ya que no habr datos disponibles para com-
paracin.
La fase final del estudio trata sobre la implantacin de los resultados probados del
modelo. La tarea de aplicar estos resultados recae principalmente en los investigadores
de operaciones. Esto bsicamente implicara la traduccin de estos resultados en ins-
trucciones de operacin detallada, emitidas en una forma comprensible a los individuos
que administrarn y operarn el sistema despus.
2. PROGRAMACIN LINEAL
2.1. INTRODUCCIN
1. Hay que expresar un objetivo bien definido, que pueda servir para maximizar la
produccin, o minimizar los costos. El objetivo debe estar bien definido en forma
matemtica.
2. Debe haber una solucin que satisfaga la funcin objetivo.
3. Las ecuaciones y desigualdades deben describir el problema en forma lineal.
4. Las variables de decisin debe interrelacionarse
5. Los recursos son limitados.
Reddy Mikks Company posee una pequea fbrica de pinturas que produce colorantes
para interiores y exteriores de casa para su distribucin al mayoreo. Se utilizan dos
materiales bsicos, A y B, para producir las pinturas. La disponibilidad mxima de A es
de 6 toneladas diarias; la de B es de 8 toneladas por da. Los requisitos diarios de ma-
terias primas por tonelada de pintura para interiores y exteriores se resumen en la tabla
siguiente:
Materia prima B 2 1 8
El precio al por mayor por tonelada es de $ 3000 para la pintura de exteriores y $ 2000
para la pintura de interiores.
Cunta pintura para exteriores e interiores debe producir la compaa todos los das
para maximizar el ingreso bruto?
El punto principal del modelo matemtico consiste en identificar en primer trmino las
variables y despus expresar el objetivo y las restricciones como funciones matemti-
cas de las variables.
2.2.1.1. Variables
Como se desea determinar las cantidades de pintura para exteriores e interiores que se
producirn, las variables del modelo se pueden definir como:
Como cada tonelada de pintura para exteriores se vende en $ 3000, el ingreso bruto
obtenido de la venta de xE toneladas es 3xE miles de unidades monetarias. En forma
anloga, el ingreso bruto que se obtiene de vender xI toneladas de pintura para interio-
res es 2xI miles de unidades monetarias. Bajo la suposicin de que las ventas de pintu-
ra para exteriores e interiores son independientes, el ingreso bruto total se convierte en
la suma de los dos ingresos.
Sea z el ingreso bruto total (en miles de unidades monetarias), la funcin objetivo se
puede escribir matemticamente como z = 3xE + 2xI. La meta consiste en determinar
los valores (factibles) de xE y xI que maximizarn este criterio.
2.2.1.3. Restricciones
(cantidad en exceso de pinturas para interiores sobre exteriores) (1 tonelada por da)
Los valores de las variables xI y xE se dice constituyen una solucin factible si satisfa-
cen todas las restricciones del modelo.
sujeto a
xE + 2xI 6
2xE + xI 8
xI - xE 1
xI 2
xI 0 ; xE 0
El modelo de Reddy Mikks se puede resolver de forma grfica porque slo tiene 2 va-
riables. Para modelos con 3 o ms variables, el mtodo grfico es impracticable o im-
posible. No obstante, se puede deducir conclusiones generales del mtodo grfico que
servirn como la base para el desarrollo del mtodo de solucin general algebraico.
El primer paso del mtodo grfico consiste en graficar las soluciones factibles, o el es-
pacio de soluciones, que satisfaga todas las restricciones en forma simultnea. La
figura 2.1 representa el espacio de soluciones que se requiere. Las restricciones de no
negatividad xI 0 y xE 0 confinan todos los valores factibles al primer cuadrante.
El segundo paso consiste en encontrar los valores correspondientes a los vrtices del
rea de solucin (A, B, C, D, E, F). Esto se lo realiza resolviendo el sistema de ecua-
ciones formado por las rectas que se cruzan en cada uno de los puntos.
CASOS DE ESTUDIO
Se supone que los pagos que no se cubren son irrecuperables y, por lo tanto, no pro-
ducen ingreso por concepto de intereses.
La competencia con otras instituciones financieras del rea requiere que el banco asig-
ne cuando menos el 40% de los fondos totales a prstamos agrcolas y comerciales.
Para dar asistencia a la industria de la construccin en la regin, los prstamos para
vivienda deben ser iguales cuando menos al 50% de los prstamos personales, para
automvil y para vivienda. El banco tiene adems una poltica establecida que especifi-
ca que la relacin global de pagos irrecuperables no puede ser superior a 0.04.
Invasores Corp. posee 800 acres de tierra de primera clase, pero no urbanizada, en un
lago en la parte central de Imbabura. En el pasado, se aplicaba poca o ninguna regula-
cin a nuevas urbanizaciones en torno al lago. Las orillas del lago ahora estn alinea-
das con residencias vacacionales agrupadas. Debido a la falta de servicio de drenaje, o
desage por alcantarillado, se utilizan muchos tanques spticos, la mayora instalados
en forma inadecuada. Con el paso de los aos, la infiltracin de los tanques spticos ha
provocado un severo problema de contaminacin del agua.
Para controlar la degradacin ms profunda en la calidad del agua, los funcionarios del
municipio presentaron y aprobaron algunos reglamentos estrictos aplicables a todas las
urbanizaciones a futuro:
1. Slo se pueden construir casas para una, dos y tres familias, donde las unifami-
liares constituyen cuando menos el 50% del total.
2. Para limitar el nmero de tanques spticos, se requieren tamaos de lote mni-
mos de 2, 3 y 4 acres para casas de una, dos y tres familias.
3. Se deben establecer reas de recreo de 1 acre cada una a razn de un rea
por cada 200 familias.
4. Para preservar la ecologa del lago, no se puede extraer agua del subsuelo para
uso en la casa o el jardn.
EJERCICIOS RESUELTOS
Solucin:
Variables
z = 150x + 300y
Restricciones
2. Una compaa tiene dos minas: la mina A produce diariamente 1 tonelada de car-
bn de antracita de alta calidad, 2 toneladas de carbn de calidad media y 4 tone-
ladas de carbn de baja calidad; la mina B produce 2 toneladas de cada una de las
tres clases. La compaa necesita 70 toneladas de carbn de alta calidad, 130 de
calidad media y 150 de baja calidad. Los gastos diarios de la mina A ascienden a
150 dlares y los de la mina B a 200 dlares. Cuntos das debern trabajar en
cada mina para que la funcin de costo sea mnima?
Solucin:
Variables
z = 150x + 200y
Como la funcin objetivo es z = 150x + 200y el valor del programa lineal (gasto)
es z = 15060 + 2005 = 10.000 $ diarios.
Solucin:
A B Necesidades
Protenas 2 1 8
Hidratos 6 1 12
Grasas 1 3 9
Costo 600 400
Variables
z = 600x + 400y
Restricciones
Todos los puntos que forman la regin F son soluciones factibles, vemos que
R(3,2) es el punto mnimo. Por tanto, deben comprarse 3 Kg. de A y 2 Kg. de B
para que el gasto sea mnimo.
Cuando la funcin objetivo es z = 600x + 400y el valor del programa lineal (gas-
to) es 2.600 Pts.
Solucin:
Variables
z = 5x + 4y
Restricciones
EJERCICIOS PROPUESTOS
x+3y x0
8x+y y0
yx3
5. Una persona tiene 500.000 pesetas para invertir en dos tipos de acciones A y B. El
tipo A tiene bastante riesgo con un inters anual del 10% y el tipo B es bastante
seguro con un inters anual del 7%. Decide invertir como mximo 300.000 pesetas
en A y como mnimo 100.000 pesetas en B, e invertir en A por lo menos tanto co-
mo en B. Cmo deber invertir sus 500.000 pesetas para maximizar sus intereses
anuales?
7. Un pastelero tiene 150 Kg. de harina, 22 Kg. de azcar y 27.5 Kg. de mantequilla
para hacer dos tipos de pasteles P y Q. Para hacer una docena de pasteles de tipo
P necesita 3 Kg. de harina, 1 Kg. de azcar y 1 de mantequilla y para hacer una
docena de tipo Q necesita 6 Kg. de harina, 0.5 Kg. de azcar y 1 Kg. de mantequi-
lla. El beneficio que obtiene por una docena de tipo P es 20 y por una docena de
tipo Q es 30. Halla, utilizando las tcnicas de programacin lineal, el nmero de
docenas que tiene que hacer de cada clase para que el beneficio sea mximo.
8. En una fbrica de bombillas se producen dos tipos de ellas, las de tipo normal va-
len 450 pesetas y las halgenas 600 pesetas. La produccin est limitada por el
hecho de que no pueden fabricarse al da ms de 400 normales y 300 halgenas
ni ms de 500 en total. Si se vende en toda la produccin, cuntas de cada clase
convendr producir para obtener la mxima facturacin?
10. Se va a organizar una planta de un taller de automviles donde van a trabajar elec-
tricistas y mecnicos; por necesidades de mercado, es necesario que haya mayor
o igual nmero de mecnicos que de electricistas y que el nmero de mecnicos
no supere al doble que el de electricistas. En total hay disponibles 20 electricistas y
30 mecnicos. El beneficio de la empresa por jornada es 25.000 ptas. por electri-
cista y 20.000 por mecnico. Cuntos trabajadores de cada clase deben elegirse
para obtener el mximo beneficio?
11. Imaginemos que las necesidades semanales mnimas de una persona en prote-
nas, hidratos de carbono y grasas son 8, 12, 9 unidades respectivamente. Supon-
gamos que debemos obtener un preparado con esa composicin mnima mezclan-
do los productos A y B cuyos contenidos por kilogramo son los que se indican en la
siguiente tabla:
12. Se considera la regin del primer cuadrante determinada por las inecuaciones:
x+y 8 x+y 4 x + 2y 6
x+y10 0x3 0 y 2
14. Un carpintero tiene que construir mesas rectangulares cuyas dimensiones no so-
brepasen 2 metros y tales que la suma de su dimensin mayor y el doble de la
menor no sobrepase 4 metros. Cul es el mximo valor del permetro de dichas
mesas?
15. Una empresa fabrica dos tipos de colonia: A y B. La primera contiene un 15% de
extracto de jazmn, un 20% de alcohol y el resto es agua y la segunda lleva un
30% de extracto de jazmn, un 15% de alcohol y el resto es agua. Diariamente se
dispone de 60 litros de extracto de jazmn y de 50 litros de alcohol. Cada da se
pueden producir como mximo 150 litros de la colonia B. El precio de venta por li-
tro de la colonia A es de 500 pesetas y el de la colonia B es 2.000 pesetas. Hallar
los litros de cada tipo que deben producirse diariamente para que el beneficio sea
mximo.
16. Cada mes una empresa puede gastar. Como mximo, 1.000.000 ptas. en salarios
y 1.800.000 ptas. en energa (electricidad y gasoil). La empresa slo elabora dos
tipos de productos A y B. Por cada unidad de A que elabora gana 80 ptas. y 50
ptas. por cada unidad de B. El coste salarial y energtico que acarrea la elabora-
cin de una unidad del producto A y una del B aparece en la siguiente tabla:
A B
Coste salarial 200 100
Coste energtico 100 300
17. Los precios de venta de dos productos A y B estn en la misma relacin que 7 y 6.
La produccin de estos est definida por las siguientes condiciones:
19. Una fbrica textil elabora prendas de punto de calidades A y B. Las de calidad A se
fabrican con 1 unidad de lana y 2 unidades de fibra sinttica y las de calidad B con
dos unidades de lana y 1 de fibra sinttica. Los beneficios obtenidos en la venta de
las prendas son de 1.500 ptas. para las de calidad A y 1.000 ptas. para las de cali-
dad B. Sabiendo que slo se dispone de 180 unidades de lana y 240 de fibra sint-
tica, se pide:
20. Una compaa fabrica dos modelos de sombrero: Bae y Viz. La fabricacin de los
sombreros se realiza en las secciones de moldeado, pintura y montaje. La fabrica-
cin de cada modelo Bae requiere 2 horas de moldeado, 3 de pintura y una de
montaje. La fabricacin del modelo Viz requiere tres horas de moldeado, 2 de pin-
tura y una de montaje. Las secciones de moldeado y pintura disponen, cada una,
de un mximo de 1.500 horas cada mes, y la de montaje de 600. Si el modelo Bae
se vende a 10.000 pesetas y el modelo Viz a 12.000 pesetas, qu cantidad de
sombreros de cada tipo ha de fabricar para maximizar el beneficio mensual?
6x + 2y 12 y0
2x + 2y 8 x7
4x + 12y 24 y7
x0
y -x + 4 yx+2
y -x + 2 y x-2
23. Una empresa fabrica dos tipos de rotuladores, de la clase A a 200 ptas. la unidad y
de la clase B a 150 ptas. En la produccin diaria se sabe que el nmero de rotula-
dores de la clase B no supera en 1000 unidades a los de la A; adems, entre las
dos clases no superan las 3000 unidades y la de la clase B no bajan de 1000 uni-
dades por da. Hallar el costo mximo y mnimo de la produccin diaria.
24. En un taller de motos estiman que, por trmino medio, la revisin normal de una
moto nueva supone 0.5 h en la seccin de mecnica, y 1 h. en la seccin de elec-
tricidad, mientras que la revisin de una moto usada supone 3h de mecnica y 1h
de electricidad. Por la revisin de una moto nueva cobran 2500 ptas. y por la revi-
sin de una moto usada cobran 4500 ptas. Si la seccin mecnica puede trabajar
durante 9 h al da como mximo, y la de electricidad durante 8h al da, calcular
cmo deben seleccionar el trabajo para obtener los mximos ingresos.
25. Podemos comprar paquetes de abono A o B. Cada paquete contiene las unidades
de potasio (K), fsforo (P) y nitrgeno (N) indicadas en la tabla.
Marca K P N Precio
A 4 6 1 15
B 1 10 6 24
En qu proporcin hay que mezclar ambos tipos de abono para obtener al mni-
mo precio un abono que contenga 4 unidades de K, 23 de P y 6 de N?
26. Para fabricar los artculos A y B se dispone de 600 Kg. de acero. Para producir un
artculo A se consumen 4 Kg. de acero y, para obtener uno de B, 8 kg. Calcular
cuntos artculos de cada tipo se deben fabricar para obtener el mximo beneficio,
sabiendo que el precio de venta de cada artculo de tipo A es de 1200 ptas. y cada
uno del tipo B es de 2000 ptas. y que, por falta de otros materiales, no se pueden
fabricar ms de 120 unidades del tipo A ni ms de 70 unidades del tipo B.
27. En una granja se preparan dos clases de piensos, P y Q, mezclando dos productos
A y B. Un saco de P contiene 8 Kg. de A y 2 de B, y un saco de Q contiene 10 Kg.
de A y 5 de B. Cada saco de P se vende a 300 ptas. y cada saco de Q a 800 ptas.
Si en la granja hay almacenados 80 Kg. de A y 25 de B, cuntos sacos de cada
tipo de pienso deben preparar para obtener los mximos ingresos?
28. A una persona que quiere adelgazar se le ofrecen dos productos A y B para que
tome una mezcla de ambos con las siguientes recomendaciones:
R S T
P 1 3 1
Q 2 1 1
x1 3y 24 2x
y2 y + 2x 12
x+y20 y1
xy+20 y3
x3
x + y 100 x0
x 3y y0
33. Un fabricante produce sillas y mesas. Tiene la produccin montada en dos seccio-
nes, la de montaje y la de pintura. Fabricar una mesa requiere 3 horas de montaje
y 1 hora de pintura, una silla requiere 1 hora de montaje y 2 horas de pintura. La
seccin de montaje slo puede funcionar 9 horas al da como mximo, mientras
que la de pintura puede funcionar 8 horas a lo sumo. El beneficio que se obtiene
en cada mesa es de 500 ptas. y en cada silla de 250 ptas. Cul sera la produc-
cin de sillas y mesas que permitira maximizar el beneficio?
34. Un camin puede transportar como mximo 9 Tm por viaje. En cierto viaje desea
transportar al menos 4 Tm de la mercanca A, y un peso de la mercanca B que no
sea inferior a la mitad del peso que transporta de A. Sabiendo que se cobran 3
ptas. por Kg. de A y 2 ptas. por Kg. de B cmo se debe cargar el camin para ob-
tener la ganancia mxima?
Maximizar z= 0.75x + y
Sujeto a:
x + 3y 15 x0
5x + y 20 y0
3x + 4y 24
Es nica la solucin?
37. En una granja de pollos se da una dieta para engordar con una composicin m-
nima de 15 unidades de una sustancia A y otras 15 de una sustancia B. En el mer-
cado slo se encuentran dos clases de compuestos: el tipo X con una composicin
de una unidad de A y cinco de B, y el tipo Y, con una composicin de cinco unida-
des de A y una de B. El precio del tipo X es de 1000 pesetas y el del tipo Y es de
3000 pesetas. Qu cantidades se han de comprar de cada tipo para cubrir las
necesidades con un coste mnimo?
12x + 5y 120 x0
6x + 8y 180 y0
5x + 10y 100
-7x + 5y 10 x0
-7x + 3y -15 y0
2x 3y -10
x2 x -2 y1
y + 2x =1 2y 1 + x x
42. Un orfebre fabrica dos tipos de joyas. Las del tipo A precisan 1g de oro y 1,5g de
plata, vendindolas a 4000 ptas. cada una. Para la fabricacin de las del tipo B
emplea 1,5g de oro y 1g de plata, y las vende a 5000 ptas. El orfebre tiene slo en
el taller 750g de cada uno de los metales. Calcular cuntas joyas ha de fabricar de
cada clase para obtener un beneficio mximo.
43. Los 400 alumnos de un colegio van a ir de excursin. Para ello se contrata el viaje
a una empresa que dispone de 8 autobuses con 40 plazas y 10 con 50 plazas, pe-
ro slo de 9 conductores para ese da. Dada la diferente capacidad y calidad, el al-
quiler de cada autobs de los grandes cuesta 8000 ptas. y el de cada uno de los
pequeos, 6000 ptas. Cuntos autobuses de cada clase convendr alquilar para
que el viaje resulte lo ms econmico posible?
45. Cierto fabricante produce dos artculos A y B, para los que requiere la utilizacin de
dos secciones de produccin: seccin de montaje y seccin de pintura. La fabrica-
cin del artculo A requiere una hora de trabajo en la seccin de montaje y dos ho-
ras en la de pintura, y la del artculo B tres horas en la seccin de montaje y una
hora en la de pintura. La seccin de montaje slo puede estar en funcionamiento
nueve horas diarias, mientras que la de pintura slo ocho horas cada da. El bene-
ficio que se obtiene produciendo el artculo B es doble que produciendo el artculo
A. Calcular la produccin diaria de los artculos A y B que maximiza los beneficios.
46. Se desea obtener tres elementos qumicos a partir de las sustancias A y B. Un kilo
de A contiene 8 gramos del primer elemento, 1 gramo del segundo y 2 del tercero;
x0 3x + 2y- 2 0
y0 3x + 4y 12 0
x + 3y 26 x0
4x + 3y 44 y0
2x + 3y 28
50. La casa X fabrica helados A y B, hasta un mximo diario de 1000 kg. La fabrica-
cin de un Kg. de A cuesta 180 ptas. , y uno de B, 150. Calcule cuntos Kg. de A y
B deben fabricarse, sabiendo que la casa dispone de 270000 Ptas./da y que un
Kg. de A deja un margen igual al 90% del que deja uno de B.
x + 2y 3 x -1
xy1 y -1
52. Una compaa area tiene dos aviones A y B para cubrir un determinado trayecto.
El avin A debe hacer ms veces el trayecto que el avin B pero no puede sobre-
pasar 120 viajes. Entre los dos aviones deben hacer ms de 60 vuelos pero no
menos de 200. En cada vuelo A consume 900 litros de combustible y B 700 litros.
En cada viaje del avin A la empresa gana 300000 ptas. y 200000 por cada viaje
del B. Cuntos viajes debe hacer cada avin para obtener el mximo de ganan-
cias? Cuntos vuelos debe hacer cada avin para que el consumo de combusti-
ble sea mnimo?
53. Pablo dispone de 12000 ptas. para gastar en libros y discos. A la tienda donde
acude, el precio de los libros es de 400 Ptas. y el de discos es de 1200 ptas. Su-
poniendo que desea comprar como mucho doble nmero de libros que de discos,
se pide:
x0 18 y 0
y0 x + y 13
10- x 0 (10-x) + (18-y) 15
Se pide:
55. En una pequea empresa se fabrican diariamente slo dos tipos de aparatos, A y
B. Como mximo pueden fabricarse 3 aparatos de cada tipo y, obligatoriamente, al
menos 1 artculo del tipo B. Indicar todas las posibilidades de fabricacin si se
quieren obtener unas ventas superiores a 6000 ptas., teniendo en cuenta que los
precios de los artculos A y B son de 3000 y 1000 ptas., respectivamente.
x + 2y 6 x0
3x + 2y 12 y0
2x y -3 y + 3x 3 y3
59. Se considera la funcin z = 12x + 8y. Determinar el punto donde la funcin toma su
valor mnimo con las siguientes restricciones:
60. En unos grandes almacenes necesitan entre 6 y 15 vigilantes cuando estn abier-
tos al pblico y entre 4 y 7 vigilantes nocturnos. Por razones de seguridad, debe
haber ms vigilantes cuando estn abiertos. Si el salario nocturno es un 60% ms
61. La Compaa Hierros del Norte debe decidir cuntas toneladas de acero puro X y
cuntas de chatarra Y se deben utilizar en la preparacin de una aleacin para un
cliente. El costo por tonelada de acero puro es de 3 y el de chatarra 6 (por las im-
purezas); la demanda del cliente es de por lo menos 5, y l aceptara ms si as se
requiere. La disponibilidad de X es 4 toneladas y 7 la de Y. La relacin entre chata-
rra y acero puro no puede exceder 7/8. La fbrica tiene 18 horas disponibles para
derretir y fundir; una tonelada de acero puro requiere 3 horas mientras que la de
chatarra slo 2 horas.
62. Desde dos almacenes A y B, se tiene que distribuir fruta a tres mercados de la ciu-
dad. El almacn A dispone de 10 toneladas de fruta diarias y el B de 15 toneladas,
que se reparten en su totalidad. Los dos primeros mercados necesitan, diariamen-
te, 8 toneladas de fruta, mientras que el tercero necesita 9 toneladas diarias. El
coste del transporte desde cada almacn a cada mercado viene dado por el si-
guiente cuadro:
63. Para el tratamiento de cierta enfermedad, hay que administrar tres vitaminas: X,Y,
Z. Cada semana es preciso consumir, al menos, 437 mg de la vitamina X, 270 mg
de la Y y 199 mg de la Z. Estas vitaminas se presentan en dos preparados: el A,
con comprimidos de 80 mg que cuestan 25 ptas. y cuya composicin es de un 20%
de X, 40% de Y y 40% de Z; y el preparado B, cuyos comprimidos pesan 90mg,
cuestan 30 pesetas y tienen una composicin de 30% de X, 60% de Y y 10% de Z.
Qu nmero de comprimidos de cada preparado harn ms econmico el trata-
miento? Se puede prescindir de alguna restriccin en este problema? Por qu?
64. Dibujar el polgono de vrtices (10,0), (11,0) y (6,6), y averiguar en qu punto (x, y)
de la regin limitada por ese polgono, alcanza el mximo la funcin z = 7x + 4y.
65. Unos grandes almacenes desean liquidar 200 camisas y 100 pantalones de la
temporada anterior. Para ello, lanzan dos ofertas, A y B: La oferta A consiste en un
lote de una camisa y un pantaln, que se vende a 3000 ptas.; la oferta B consiste
en un lote de tres camisas y un pantaln, que se vende a 5000 ptas. No se desea
ofrecer menos de 20 lotes de la oferta A ni menos de 10 de B. Cuntos lotes ha
de vender de cada tipo para maximizar la ganancia?
66. Un veterinario ha recomendado que durante un mes, un animal enfermo tome dia-
riamente para su recuperacin, al menos, 4 unidades de hidratos de carbono, 23
de protenas y 6 de grasa. En el mercado se encuentran dos marcas de pienso A y
B con la siguiente composicin:
Cmo deben combinarse ambas marcas para obtener la dieta deseada al mnimo
precio?
x1 3y 24 2x
y2 y+2x 12
y0 y+x5
3y 2x 5 3y + x 2
69. Con el comienzo del curso se van a lanzar unas ofertas de material escolar. Unos
almacenes quieren ofrecer 600 cuadernos, 500 carpetas y 400 bolgrafos para la
oferta, empaquetndolo de dos formas distintas; en el primer bloque, pondrn 2
cuadernos, 1 carpeta y 2 bolgrafos; en el segundo, pondrn 3 cuadernos, 1 carpe-
ta y 1 bolgrafo. Los precios de cada paquete sern 650 y 700 ptas., respectiva-
mente. Cuntos paquetes les conviene poner de cada tipo para obtener los m-
ximos beneficios?
70. Mara distribuye su tiempo de ocio entre discoteca y cine. Cada vez que va a la
discoteca gasta por trmino medio 600 ptas., mientras que si va al cine su gasto es
de 400 ptas. En cierto mes su presupuesto para ocio asciende a 12000 ptas. y
desea ir a la discoteca al menos tantas veces como al cine.
X Y Z
A 1 3 1
B 2 1 1
72. Una empresa elabora dos productos, cada uno de ellos en una cantidad que es
mltiplo de 1000. Conoce que la demanda, de ambos productos conjuntamente es
mayor que 3000 unidades y menor que 6000 unidades. Asimismo, sabe que la
73. En un almacn hay 100 cajas de tipo A y 100 cajas de tipo B. La siguiente tabla
nos informa del peso, del volumen y del valor de cada una:
Una camioneta puede cargar 10000 Kg. y un volumen mximo de 2400 dm3. Ave-
riguar cmo han de cargarla para que el valor de las cajas que lleve sea lo ms al-
to posible.
A B
F 2 6
G 4 3
El kilo de pienso F vale 40 ptas. y el de G, 60 ptas. Cmo debe mezclar los pien-
sos para suministrar la vitaminas requeridas a un coste mnimo?
x 4y -4 x0
x + 2y 4 0 y0
Se pide:
x + 4y 16 x0
x + 2y 10 y0
2x + y 14
a) Representarlo grficamente.
b) Maximizar z = 3x + 5y sujeta a las restricciones anteriores.
c) Discutir razonadamente si el resultado obtenido en el apartado b) seguira
siendo el mismo al aadir la condicin x 5.
Una solucin grfica de los modelos de programacin lineal (PL) con ms de dos va-
riables es complicada en el mejor de los casos. Por lo tanto, es evidente la necesidad
de contar con un mtodo de solucin algebraico. En este captulo se presenta el mto-
do general conocido como algoritmo simplex, que est diseado para resolver cual-
quier programa lineal.
La informacin que se puede obtener a travs del mtodo simplex va ms all de de-
terminar los valores ptimos de las variables. En realidad, permite hacer interpretacio-
nes rpidas e importantes del problema y muestra la forma en que los anlisis de sen-
sibilidad pueden efectuarse en forma algebraica.
Restricciones
1. Una restriccin del tipo o puede convertirse en una ecuacin mediante la suma
de una variable de holgura a (o restando una variable de exceso de) el primer
miembro de la restriccin.
Por ejemplo, 2x1 + 3x2 - 7x3 = -5 es matemticamente equivalente a -2x1 - 3x2 + 7x3
= + 5.
Por ejemplo, dado que 2 < 4, -2 > -4; luego entonces la desigualdad 2x1 - x2 -5 se
puede reemplazar por -2x1 + x2 5
Funcin objetivo
Aunque el modelo estndar de programacin lineal puede ser del tipo de maximizacin
o de minimizacin, algunas veces sirve para convertir una forma a la otra.
es matemticamente equivalente a
Equivalencia significa que para el mismo conjunto de restricciones los valores ptimos
de x1, x2 y x3 son los mismos en ambos casos. La nica diferencia es que los valores
de las funciones objetivo, pese a ser numricamente iguales, figurarn con signos
opuestos.
En la solucin grfica observamos que la solucin ptima est asociada siempre con
un punto extremo del espacio de soluciones. El mtodo simplex est basado funda-
mentalmente en este concepto.
Existen dos reglas que rigen la seleccin del siguiente punto extremo del mtodo
simplex:
1. El siguiente punto extremo debe ser adyacente al actual. Por ejemplo, en la figura
2.2 la solucin no se puede desplazar de A a C en forma directa. En cambio, debe
seguir los flancos (bordes) del espacio de soluciones: A B y despus B C.
Para resumir las ideas del mtodo simplex, notamos que el mtodo principia siempre
en un punto extremo factible y se desplaza siempre a un punto extremo factible adya-
cente, verificando la optimidad de cada punto antes de pasar a uno nuevo. En el mo-
delo de Reddy Mikks donde el mtodo empieza en A, pasa por B y ubica el ptimo en
C, decimos que se requirieron tres iteraciones (A, B y C) para llegar al ptimo.
sujeto a
Para determinar los puntos extremos directamente a partir de la forma estndar, ob-
servamos que un punto extremo se identifica nicamente en forma geomtrica como
una interseccin de los planos frontera del espacio de soluciones. Como la forma es-
tndar tiene ms incgnitas (= n) que ecuaciones (= m), los puntos extremos se identi-
fican haciendo (n - m) variables igual a cero y despus resolviendo para determinar las
m incgnitas restantes. Un requisito obligatorio para la seleccin de (n - m) variables
que se harn igual a cero es que las m variables restantes tengan una solucin no
negativa nica (de lo contrario, no representaran un punto extremo).
Para ilustrar esta idea, en la figura 2.2 que representa el espacio de soluciones de
Reddy Mikks, el punto extremo A tiene xE = xI = 0, que produce s1 = 6, s2= 8, s3= 1 y
s4= 2 como el punto deseado. En forma anloga, en el punto extremo B, s2 = 0 y xI = 0,
lo que produce xE = 4, s1 = 2, s3 = 5 y s4 = 2.
Los mtodos simplex slo tienen que ver con soluciones bsicas (factibles) en el sen-
tido de que pasan de una solucin bsica a otra exactamente como se muestra en la
figura 2.2. Cada solucin bsica est asociada con una iteracin. Como resultado, el
nmero mximo de iteraciones del mtodo simplex no puede ser mayor que el nmero
de soluciones bsicas de la forma estndar.
Antes de presentar los detalles del algoritmo simplex, necesitamos demostrar cmo
podemos pasar de una solucin bsica a otra (es decir, de un punto extremo a otro).
Utilizamos el ejemplo de Reddy Mikks para explicarlo. En la figura 2.2 apreciamos que
los puntos extremos A y B son adyacentes. La tabla que sigue muestra una lista de las
variables no bsicas y bsicas asociadas con los dos puntos.
La tabla muestra que el punto B (adyacente) puede generarse a partir del punto A in-
tercambiando exactamente dos variables. En forma especfica, xE no bsica toma el
lugar de s2 bsica en A, con lo cual se produce el punto B adyacente en el cual xE es
bsica y s2 es no bsica.
Paso 1: seleccinese una variable que entra de entre las variables no bsicas
actuales (cero) que, cuando se incrementan arriba de cero, pueden me-
jorar el valor de la funcin objetivo. Si no existe ninguna, detngase; la
solucin bsica corriente es ptima. En caso contrario, dirjase al paso
2.
Paso 2: seleccinese una variable que sale de entre las variables bsicas ac-
tuales que deben hacerse igual a cero (volverse no bsicas) cuando la
variable que entra se vuelva bsica.
Paso 3: determnese la nueva solucin bsica haciendo que la variable que en-
tra sea bsica y que la variable que sale sea no bsica. Dirjase al paso
1.
Los detalles del algoritmo simplex se explicarn mediante el uso del ejemplo de Reddy
Mikks. Esto requerir que la funcin objetivo y todas las restricciones se expresen en
la forma estndar como
Las razones (intersecciones) que acabamos de definir y la variable que sale se pueden
determinar directamente a partir de la tabla simplex. Primero, identifquese la columna
debajo de la variable que entra xE y atravisense todos sus elementos negativos y
cero en las restricciones. Despus excluyendo la funcin objetivo, determnense las
razones de los elementos del segundo miembro de las ecuaciones a los elementos no
atravesados situados debajo de la variable que entra. La variable que sale es la varia-
ble bsica actual asociada con la razn mnima.
Figura 2.3 Espacio de soluciones del modelo de Reddy Mikks con restricciones
La tabla inicial del modelo de Reddy Mikks se repite despus de aplicar la condicin de
factibilidad (es decir, calcular las razones e identificar la variable que sale). Para los
fines de la determinacin de la siguiente iteracin, identificamos la columna situada
debajo de la variable que entra como la columna de entrada. El rengln asociado con
la variable que sale se denominar la ecuacin pivote y el elemento en la intersec-
cin de la columna de entrada y la ecuacin pivote se denominar elemento pivote.
Los clculos de tipo 1 hacen el elemento pivote igual a 1 en la nueva ecuacin pivote,
en tanto que los clculos del tipo 2 crean coeficientes cero en cualquier otra parte de la
columna de entrada. Esto equivale esencialmente a resolver, para obtener la nueva
solucin bsica, mediante la sustitucin de la variable que entra en todas menos la
ecuacin pivote.
Ntese que la columna "solucin" da el nuevo valor de xE (= 4), que es igual a la razn
mnima de la condicin de factibilidad.
a) Ecuacin z:
ecuacin z anterior: ( 1 -3 -2 0 0 0 0 0)
-(-3) * nueva ecuacin pivote: ( 0 3 3/2 0 3/2 0 0 12)
= nueva ecuacin z: ( 1 0 -1/2 0 3/2 0 0 12)
b) Ecuacin sI:
ecuacin sI anterior:( 0 1 2 1 0 0 0 6)
-(1) * nueva ecuacin pivote: ( 0 -1 -1/2 0 -1/2 0 0 -4)
= nueva ecuacin sI: ( 0 0 3/2 1 -1/2 0 0 2)
c) Ecuacin s3:
ecuacin s3 anterior:( 0 -1 1 0 0 1 0 1)
-(-1) * nueva ecuacin pivote:( 0 1 1/2 0 1/2 0 0 4)
= nueva ecuacin s3:( 0 0 3/2 0 1/2 1 0 5)
Ntese que la nueva tabla tiene las mismas propiedades que la anterior; es decir,
cuando se igualan a cero las variables no bsicas xI y s2 los valores de las variables
bsicas se dan de inmediato en la columna de soluciones. Esto es precisamente lo
que hace el mtodo Gauss-Jordan.
La ltima tabla es ptima porque ninguna de las variables no bsicas tiene un coefi-
ciente negativo en la funcin z. Esto completa los clculos del mtodo simplex.
En nuestra presentacin del mtodo simplex hemos utilizado las variables de holgura
como la solucin bsica inicial. Sin embargo, si la restriccin original es una ecuacin
o es del tipo (), ya no tenemos una solucin factible bsica inicial preparada.
minimizar z = 4x1 + x2
3x1 + x2 = 3
4x1 + 3x2 6
x1 + 2x2 4
x1, x2 0
minimizar z = 4x1 + x2
sujeto a
Tenemos tres ecuaciones y cuatro incgnitas, lo que significa que una variable debe
ser no bsica en cero en cualquier solucin bsica. A diferencia del caso donde tene-
mos variables de holgura en todas y cada una de las ecuaciones, no podemos estar
seguros de que al hacer una variable igual a cero, las variables bsicas resultantes
sern no negativas. Desde luego, podemos valernos del ensayo y error haciendo una
variable igual a cero a la vez. Adems de consumir mucho tiempo, el ensayo y error no
es adecuado para realizar clculos por computadora. Por lo tanto, debemos recurrir a
un mtodo ms directo para obtener una solucin factible bsica inicial.
La idea de utilizar variables artificiales es muy simple. Esta solicita que se sume una
variable no negativa al primer miembro de cada ecuacin que no tenga variables bsi-
cas iniciales evidentes. La variable agregada desempear la misma funcin que una
variable de holgura, al proporcionar una variable bsica inicial. Sin embargo, como
estas variables artificiales no tienen significado fsico desde el punto de vista del pro-
blema original (de aqu el nombre "artificial"), el procedimiento ser vlido slo si ha-
cemos que estas variables sean cero cuando se llegue al ptimo. En otras palabras,
las utilizamos slo para iniciar la solucin y despus debemos hacer que sean cero en
la solucin final; de lo contrario, la solucin resultante ser no factible.
minimizar z = 4x1 + x2
sujeto a
Obsrvese la razn del uso de las variables artificiales. Tenemos tres ecuaciones y
seis incgnitas. Por lo tanto, la solucin bsica inicial debe incluir 6 - 3 = 3 variables
con valor cero. Si colocamos x1, x2 y x3 en el nivel cero, inmediatamente obtenemos la
solucin R1 = 3, R2 = 6 y x4 = 4, que es la solucin factible inicial que se requiere.
Ahora, obsrvese la forma en que el "nuevo" modelo hace que R1 y R2 sean cero. Co-
mo realizamos un proceso de minimizacin, asignando M a R1 y R2 en la funcin obje-
tivo, el proceso de optimizacin que busca el valor mnimo de z asignar por ltimo
valores de cero a R1 y R2 en la solucin ptima. Ntese que las iteraciones inmediatas
anteriores a la iteracin ptima no son de importancia para nosotros. En consecuencia,
resulta inmaterial si incluyen o no variables artificiales en el nivel positivo.
El mtodo de dos fases est diseado para remediar esta dificultad. Aunque las varia-
bles artificiales se suman en la misma forma que se emplea en la tcnica M, se elimina
el uso de la constante M mediante la solucin del problema en dos fases (de aqu el
nombre de mtodo "de dos fases"). Estas dos fases se describen en la forma siguien-
te:
Fase l. Aumntense las variables artificiales segn se necesite para asegurar una so-
lucin inicial. Frmese una nueva funcin objetivo que busque la minimizacin de la
suma de las variables artificiales sujeta a las restricciones del problema original modifi-
cado por las variables artificiales. Si el valor mnimo de la nueva funcin objetivo es
cero (lo que quiere decir que todas las artificiales son cero), el problema tiene un es-
pacio de soluciones factible. Dirjase a la fase II. De lo contrario, si el mnimo es positi-
vo, el problema no tiene solucin factible. Detngase.
Fase II. Utilcese la solucin bsica ptima de la fase 1 como solucin inicial para el
problema original.
minimizar r = R1 + R2
sujeto a
Estas ecuaciones son exactamente equivalentes a las de la forma estndar del pro-
blema original (antes de que se sumen las variables artificiales). Por lo tanto, el pro-
blema original se puede escribir como
Minimizar z = 4x1 + X2
sujeto a
1. Degeneracin.
2. Alternativas ptimas.
3. Soluciones no acotadas.
4. Soluciones inexistentes (o infactibles).
El inters al estudiar estos casos especiales tiene dos sentidos: (1) presentar una ex-
plicacin terica de la razn por la que se presentan estas situaciones y (2) ofrecer
una interpretacin prctica del significado que pudieran tener estos resultados espe-
ciales en un problema verdadero.
2.3.3.1. Degeneracin
En este caso, decimos que la nueva solucin es degenerada. (En todos los ejemplos
de programacin lineal que hemos resuelto hasta ahora, las variables bsicas tomaron
siempre valores estrictamente positivos.)
No hay nada alarmante con respecto al manejo de la solucin degenerada, con la ex-
cepcin de una ligera desventaja terica, que analizaremos brevemente. Desde el
punto de vista prctico, la condicin revela que el modelo tiene cuando menos una
restriccin redundante. Para poder dar mayor penetracin en los impactos prcticos y
tericos de la degeneracin, consideramos dos ejemplos numricos. Los ejemplos
ilustrativos prcticos deben aclarar mejor las ideas subyacentes a estas situaciones
especiales
Mediante el uso de x3 y x4 como variables de holgura, hacemos una lista de las itera-
ciones simplex para el ejemplo de la tabla siguiente. En la iteracin inicial, existe una
Cuando la funcin objetivo es paralela a una restriccin de enlace (o sea, una restric-
cin que se satisface en el sentido de la igualdad a travs de la solucin ptima), la
funcin objetivo tomar el mismo valor ptimo en ms de un punto de solucin. Por
esta razn reciben el nombre de alternativas ptimas. El ejemplo que sigue muestra
que normalmente existe un nmero infinito de estas soluciones. El ejemplo demuestra
asimismo el significado prctico de encontrar alternativas ptimas.
La falta de explicacin en un modelo puede sealar slo una cosa: el modelo est mal
construido. Evidentemente resulta irracional hacer que un modelo produzca una ga-
nancia "infinita". Las irregularidades ms probables en estos modelos son (1) no se
Los ejemplos que siguen muestran cmo se puede reconocer la falta de acotacin en
la tabla simplex, tanto en el espacio de soluciones como en el valor de la funcin obje-
tivo.
En las secciones anteriores se presentaron los detalles del mtodo simplex. El estu-
diante probablemente necesitar realizar los clculos simplex a mano cuando menos
una vez. Hecho esto, puede esperar que la computadora lo releve de la pesada tarea
de tener que resolver un programa lineal a travs de clculos realizados a mano. La
comodidad de tener acceso a una amplia variedad de cdigos de PL que permiten
utilizar el procesamiento por lote o interactuar con la computadora a travs de termina-
les, hace innecesario resolver un programa lineal a travs de clculos realizados a
mano. En realidad, a medida que el estudiante se involucre en la solucin de modelos
de programacin lineales reales, descubrir que la mayor parte de su tiempo se desti-
na a la formulacin del modelo, recoleccin de los datos y preparacin de la informa-
cin de entrada que se ajuste al cdigo de PL. Una vez que el estudiante haya hecho
esto, la computadora se har cargo y le ofrecer al usuario la solucin ptima al pro-
blema.
1. La solucin ptima.
2. El estado de los recursos.
3. El valor unitario de cada recurso.
4. La sensibilidad de la solucin ptima a cambios en la disponibilidad de recursos,
coeficientes de la funcin objetivo y uso de los recursos por parte de actividades.
Para mostrar estos elementos, utilizamos el modelo de Reddy Mikks, que repetimos
aqu.
En el modelo de Reddy Mikks tenemos cuatro restricciones del tipo . Las dos prime-
ras (que representan el uso de materias primas) son restricciones de recursos "autn-
ticas". La tercera y cuarta restricciones tienen que ver con limitaciones de demanda
impuestas por las condiciones del mercado. Podemos considerar estas restricciones
como "recursos" limitados, ya que aumentar los lmites de la demanda equivale a am-
pliar la participacin de la compaa en el mercado. En trminos monetarios, esto tiene
el mismo efecto que incrementar la disponibilidad de recursos fsicos (como materias
primas) a travs de la asignacin de fondos adicionales.
Una holgura positiva significa que el recurso no se utiliza en su totalidad, o sea que es
abundante; en tanto que una holgura cero indica que las actividades del modelo con-
sumen toda la cantidad del recurso. En el resumen vemos que las limitaciones de la
demanda (recursos 3 y 4) son "abundantes"; por lo tanto, cualquier incremento en su
lmite mximo simplemente los har "ms" abundantes sin afectar la solucin ptima.
La teora de la programacin lineal nos dice que siempre es posible asegurar el valor
unitario de un recurso a partir de coeficientes de las variables bsicas iniciales de la
funcin z ptima. No debe haber confusin en cuanto a qu coeficiente se aplica a que
recurso, ya que si est asociada exclusivamente con el recurso i.
Caso 2: 1 < 0. Las relaciones (2), (3) y (4) se satisfacen siempre para 1 < 0, en tanto
que la relacin (1) produce el lmite 1 2.
-2 1 1
producir siempre una solucin factible. Cualquier cambio que se haga fuera de este
intervalo (es decir, disminuir la materia A en ms de 2 toneladas o incrementarla en
ms de una tonelada) nos conducir a una condicin de infactibilidad y a un nuevo
conjunto de variables bsicas
EJERCICIOS PROPUESTOS
1. La Toms River Chemical Corporation debe producir 1000 libras de una mezcla
especial para un cliente compuesta de los ingredientes A, B y C. El ingrediente A
cuesta $ 5 la libra, el B cuesta $ 6 y el C cuesta $ 7. No pueden usarse ms de 300
libras de A y debe usarse por lo menos 150 libras de B. Adems se requieren por
lo menos 200 libras de C. Como la empresa desea minimizar los costos, el proble-
ma consiste en encontrar qu cantidad de cada ingrediente debe usar la empresa.
2. La Revco Corporation tiene una pequea fbrica situada en los alrededores de una
gran ciudad. Su produccin se limita a dos productos industriales, Alfa y beta. El
departamento de contabilidad de la empresa ha calculado las contribuciones de
cada producto en $ 10 para el producto Alfa y $ 12 para el Beta. Cada producto
pasa por tres departamentos de la fbrica. Los requerimientos de tiempo para cada
producto y el total del tiempo disponible en cada departamento son los siguientes:
REQUERIMIENTOS HORAS
UNITARIOS DE TIEM- DISPONIBLES EN EL
PO (HORAS) PRESENTE MES
MODELO MODELO
S-1000 S-2000
Dpto. de estructura principal 4.0 2.0 1600
Dpto. de alambrado elctrico 2.5 1.0 1200
Dpto. de ensamblaje 4.5 1.5 1600
5. De los muchos productos que fabrica la Arco Manufacturing Company, solo los
productos C, D, E y F pasan por los siguientes departamentos: cepillado (peque-
o); fresado (vertical); taladrado (pequeo), y ensamble (piezas pequeas). Los
requerimientos por unidad de producto en horas y contribucin son los siguientes:
DEPARTAMENTO
CEPILLADO FRESADO TALADRADO ENSAMBLE CONTR. /
UNIDAD
6. La Cincinnati Chemical Company debe producir 10.000 libras de una mezcla espe-
cial para un cliente. La mezcla se compone de los ingredientes x1, x2 y x3. x1 cuesta
8 dlares la libra, x2 10 dlares la libra, y x3 11 dlares la libra. No pueden usarse
ms de 3000 libras de x1 y por lo menos debern usarse 1500 libras de x2. Ade-
ms, se requieren por lo menos 2000 libras de x3.
a) Calclese el nmero de libras de cada ingrediente que habr que emplear, a fin
de reducir al mnimo el costo total de las 10.000 libras.
b) Calclese el costo total ms bajo posible.
c) Hay libras sobrantes en el problema?
Producto K 25 unidades
Producto L 30 unidades
Producto M 30 unidades
Producto N 25 unidades
Producto K 1533
Producto L 30
Producto M 30
Producto N 25
PRODUCTO
1 2 3 4
Precio de venta al mayoreo
(40% de descuento)
$ 100 $ 150 $ 125 $ 140
Costos variables mtodo A 80 135 120 135
Costos variables mtodo B 110 150 100 110
Cantidad que puede venderse 1000 3000 4000 6000
PRODUCTO
1 2 3 4
Mtodo A
Dpto. 20 3.0 3.6 2.0 3.5
Dpto. 21 9.0 10.0 8.0 9.0
Dpto. 22 1.0 1.0 0.5 0.5
Mtodo B
Dpto. 31 4.0 4.0 2.0 4.0
Dpto. 32 5.0 8.0 4.0 3.0
Departamento 20 15000
Departamento 21 50000
Departamento 22 8000
Departamento 31 10000
Resuelva el problema a travs del mtodo simplex suponiendo que la funcin obje-
tivo est dada de la manera siguiente:
sujeto a
11. Resuelva el problema siguiente mediante el uso de x4, x5 y x6 para la solucin bsi-
ca (factible) inicial:
sujeto a
Suponiendo que x1, x2 0, determine la funcin objetivo inicial en cada uno de los
casos que siguen despus de que se sustituyan las variables artificiales en la tc-
nica M.
sujeto a
El modelo de transporte se puede extender para cubrir varias de las aplicaciones im-
portantes, entre ellas el modelo de asignacin y el modelo de transbordo. Pese a ello,
el problema de transporte y sus extensiones son asimismo casos especiales de mode-
los de redes.
Como slo 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 de transporte total.
La suposicin bsica del modelo es que el costo de transporte en una ruta es directa-
mente proporcional al nmero de unidades transportadas. La definicin de "unidad de
transporte" variar dependiendo de la "mercanca" que se transporte. Por ejemplo,
podemos hablar de una unidad de transporte como cada una de las vigas de acero
que se necesitan para construir un puente. O bien podemos utilizar el equivalente a la
carga de un camin de la mercanca como unidad de transporte. En cualquier caso,
las unidades de oferta y demanda deben ser consistentes con nuestra definicin de
"unidad de transporte".
sujeto a
El primer conjunto de restricciones estipula que la suma de los envos desde una fuen-
te no puede ser mayor que su oferta; en forma anloga, el segundo conjunto requiere
que la suma de los envos a un destino satisfaga su demanda.
El modelo que acabamos de describir implica que la oferta total debe ser
cuando menos igual a la demanda total. Cuando la oferta total es igual a la
demanda total , la formulacin resultante recibe el nombre de mode-
lo de transporte balanceado. Este difiere del modelo slo en el hecho de que todas
las restricciones son ecuaciones, es decir
Mediante el uso de cdigos numricos para representar las plantas y centros de distri-
bucin, hacemos que xij represente el nmero de automviles transportados de la
fuente i al destino j. Como la oferta total (= 1000 + 1500 + 1200 = 3700) es igual a la
demanda total (= 2300 + 1400 = 3700), el modelo de transporte resultante est balan-
ceado. Por lo tanto, el siguiente modelo de PL que representa el problema tiene todas
las restricciones de igualdad:
Sucede que el modelo de MG tuvo la misma oferta y demanda. Tambin tiene que ver
con una sola mercanca (modelo de un solo automvil), que es una restriccin aparen-
te del modelo de transporte estndar. El ejemplo 3.2 demuestra cmo se puede balan-
cear siempre un modelo de transporte y el ejemplo 3.3 ilustra cmo se pueden mane-
jar mltiples artculos. Tngase en mente que la razn principal para desear balancear
el problema de transporte (es decir, convertir todas las restricciones a ecuaciones) es
que permita el desarrollo de un procedimiento de clculo eficiente basado en la repre-
sentacin que se ilustra en la tabla 3.1.
Dicho de otra manera, esta situacin desbalanceada significa que no ser posible cu-
brir toda la demanda en los centros de distribucin. El objetivo consiste en volver a
formular el modelo de transporte de manera que distribuya la cantidad faltante (= 3700
- 3500 = 200 vehculos) en forma ptima entre los centros de distribucin.
Como la demanda es mayor que la oferta, se puede agregar una fuente (planta) ficticia
con una capacidad de 200 automviles. Se permite que la planta ficticia, en condicio-
nes 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 correspondiente 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 distribu-
cin. En este caso los costos de transporte unitarios sern iguales a los costos de pe-
nalizacin unitarios en los diversos destinos.
cij =
Paso 2: determnese la variable que entra, que se elige entre las variables no bsicas.
Si todas estas variables satisfacen la condicin de optimidad (del mtodo simplex),
detngase; de lo contrario, dirjase al paso 3.
Las soluciones iniciales de las tablas anteriores incluyen el nmero adecuado de va-
riables bsicas, o sea, m + n - 1 = 6. La regla de la esquina noroeste produce siempre
el nmero adecuado de variables bsicas.
(Estos valores sern los mismos sin importar la eleccin arbitraria del valor de u1).
Despus se selecciona la variable que entra como la variable no bsica con la variable
ms positiva (comprese con la condicin de optimidad de minimizacin del m-
todo simplex).
Como x31 tiene la variable ms positiva, sta se selecciona como la variable que
entra.
Este paso es equivalente a aplicar la condicin de factibilidad del mtodo simplex. Sin
embargo, como todos los coeficientes de restricciones del modelo de transporte origi-
nal son cero o uno, las razones de la condicin de factibilidad tendrn siempre su de-
nominador igual a uno. Por lo tanto, los valores de las variables bsicas producirn
directamente las razones asociadas.
Para el fin de determinar la razn mnima, construimos un ciclo cerrado para la varia-
ble actual que entra (x31 en la iteracin actual). El ciclo empieza y termina en la varia-
ble no bsica designada. Este consta de los segmentos sucesivos horizontales y verti-
cales (conectados) cuyos puntos extremos deben ser variables bsicas, salvo para los
puntos extremos que estn asociados con la variable que entra. Esto significa que
todo elemento de esquina del ciclo debe ser una celda que contenga una variable b-
sica. La tabla siguiente ilustra un ciclo para la variable que entra x31 dada en la solu-
cin bsica de la tabla actual. Este ciclo se puede definir en trminos de las variables
bsicas como x31 x11 x12 x22 x24 x34 x31. Es irrelevante si el ciclo es en
el sentido de las manecillas del reloj o en sentido contrario. Obsrvese que para una
solucin bsica dada slo se puede construir un ciclo nico para cada variable no b-
sica.
Podemos apreciar en la tabla anterior que si x31 (la variable que entra) se incrementa
en una unidad, entonces para mantener la factibilidad de la solucin, las variables b-
sicas de esquina del ciclo x31 deben ajustarse como sigue. Disminyase x11 en una
unidad, incremntese x12 en una unidad, disminyase x22 en una unidad, incremntese
x24 en una unidad y por ltimo disminyase x34 en una unidad. Este proceso se resume
a travs de los signos de ms y de menos de las esquinas adecuadas de la
tabla anterior. El cambio mantendr satisfechas las restricciones de oferta y demanda.
La variable que sale se selecciona de entre las variables de esquina del ciclo que dis-
minuirn cuando la variable que entra x31 aumente arriba del nivel cero. Estas situa-
ciones se indican en la tabla anterior a travs de las variables contenidas en el cuadro
etiquetado con los signos menos . De la tabla anterior, x11, x22 y x34 son las varia-
La solucin bsica de la tabla anterior es degenerada, ya que las variables bsicas x11
y x22 son cero. Sin embargo, la degeneracin no requiere precauciones especiales y
las variables bsicas cero se consideran como cualquier otra variable bsica positiva.
La tabla anterior muestra la variable que entra y la que sale como x14 y x24 respectiva-
mente. Al efectuar este cambio en la tabla anterior, obtenemos la nueva solucin de la
tabla siguiente.
La solucin ptima se resume como sigue. Envense cinco unidades de (la fuente) 1 a
(el destino) 2 a 5 x 0 = $0, 10 unidades de 1 a 4 a 10 x 11 = $110, 10 unidades de 2 a
2 a 10 x 7 = $70, 15 unidades de 2 a 3 a 15 x 9 = $135 y 5 unidades de 3 a 1 a 5 x 0 =
$0. El costo de transporte total del programa es $315.
La formulacin de este problema puede considerarse como un caso especial del mo-
delo de transporte. Aqu los trabajos representan "fuentes" y las mquinas representan
"destinos". La oferta disponible en cada fuente es 1; es decir, ai = 1 para toda i. De
manera anloga, la demanda requerida en cada destino es 1; esto es, bj = 1 para toda
j. El costo de "transportar" (asignar) el trabajo i a la mquina j es cij. Si un trabajo no
puede asignarse a cierta mquina, el elemento cij correspondiente se toma igual a M,
que es un costo muy elevado. La tabla siguiente presenta una representacin general
del modelo de asignacin.
sujeto a
Como el problema de asignacin puede considerarse como un caso especial del pro-
brema de transporte, las variantes que pueden surgir en el problema de asignacin
son similares a las que se presentan para el problema de transporte. En particular, se
puede manejar lo siguiente:
Al igual que result cierto para el problema de transporte, la oferta disponible en cada
origen es limitada, y se conoce la demanda en cada destino. El objetivo del problema
de transbordo es determinar cuntas unidades se deben enviar sobre cada arco de la
red, de manera que se satisfagan las demandas de todos los destinos con el mnimo
costo de transporte posible.
Al igual que con los problemas de transporte y asignacin, es fcil plantear un modelo
de programacin lineal para el problema de transbordo, partiendo de la representacin
de red. De nueva cuenta, se requiere una restriccin para cada nodo y una variable
para cada arco. Se utilizan xij para representar el nmero de unidades que se envan
del nodo i al nodo j. Por ejemplo, x13 denota el nmero de unidades que se envan de
la planta de Denver al almacn de la ciudad de Kansas, x14 denota el nmero de uni-
dades que se envan de la planta de Denver al almacn de Louisville, y as sucesiva-
mente. Como la oferta o abasto en la planta de Denver es 600 unidades, la cantidad
que se enva desde la planta de Denver debe ser menor que o igual a 600. En trmi-
nos matemticos, esta restriccin de oferta se escribe
se obtiene
Colocar todas las variables en el lado izquierdo de la expresin permite escribir la res-
triccin correspondiente al nodo 3 de la siguiente manera:
Segn lo acostumbrado, la funcin objetivo refleja el costo total de los envos en las 12
rutas. Combinando la funcin objetivo con las restricciones se llega al modelo de pro-
gramacin lineal de doce variables y ocho restricciones para el problema de transbor-
do de la Ryan Electronics
Para los nodos de origen, se necesita que la suma de los embarques de salida, menos
los embarques que llegan, sea menor que o igual a la oferta en el origen. Para los no-
dos de destino, la suma de los envos que llegan menos la suma de los envos que
salen debe ser igual a la demanda. Para los nodos de transbordo, se requiere que la
suma de los envos que salen sea igual a la suma de los envos que entran, al igual
que antes.
EJERCICIOS PROPUESTOS
R S T
P 1 3 1
Q 2 1 1
2. Desde dos almacenes A y B, se tiene que distribuir fruta a tres mercados de la ciu-
dad. El almacn A dispone de 10 toneladas de fruta diarias y el B de 15 toneladas,
que se reparten en su totalidad. Los dos primeros mercados necesitan, diariamen-
te, 8 toneladas de fruta, mientras que el tercero necesita 9 toneladas diarias. El
coste del transporte desde cada almacn a cada mercado viene dado por el si-
guiente cuadro:
Informacin de Costos:
4. Una compaa tiene tres fbricas (A, B y C) para ensamblar computadoras, y dis-
pone de tres tiendas habilitadas para la venta (D, E y F). Las cantidades produci-
das por A, B y C son 1.000, 5.000 y 4.000 unidades por da respectivamente. La
mxima cantidad que puede vender el almacn D es 3000 unidades/da, E es
6000 unidades/da y F es 7000 unidades/da. Los costos de transporte de cada
fbrica a cada almacn estn dados en la siguiente tabla:
Demanda
Suministro
D E F
A 1 4 2
B 3 1 2
C 4 5 2
Obtener una solucin bsica factible por el mtodo de la esquina del noroeste.
Resolver por el mtodo de los multiplicadores.
5. Tres centrales de distribucin tienen que dar electricidad a tres ciudades. La tabla
de costos de transporte de electricidad es la siguiente:
CIUDAD SUMINISTRO
CENTRAL A B C (MKwh)
I 8 6 10 35
II 9 12 13 50
III 14 9 16 40
DEMANDA (MKwh) 45 20 30
6. Hay que distribuir el agua de tres pozos entre tres ciudades. La tabla de costos de
distribucin es la siguiente:
CIUDADES OFERTA
POZO A B C (Mlts/dia)
I 7 8 10 40
II 5 12 4 30
III 9 7 8 45
DEMANDA Mlts/dia) 55 40 60
Plantear el problema del transporte dado por dicha tabla. est equilibrado?
Como puede equilibrarlo? Determine la distribucin del Agua para cada una de
las ciudades.
7. Una Empresa dispone de 3 plantas (Pli) para hacer 3 tipos de productos (Pri). Los
costos y tiempos de produccin aparecen en la tabla. Si se necesitan 100 unida-
des de cada producto y hay disponibles 40 horas de trabajo, formular un modelo
de transporte para minimizar costos y resolverlo.
Planta
Mina Oferta
1 2 3 4
1 2 3 4 5 14
2 5 4 3 1 15
3 1 3 3 2 17
Demanda 6 11 17 12
10. Un fabricante tiene tres plantas P1, P2, P3 y cinco bodegas B1,..., B5, el problema
es establecer la planta Pi que debe producir el suministro para cada bodega. La
capacidad de las plantas es limitada. En la tabla aparecen la capacidad de produc-
cin de las plantas y los requerimientos de ventas de las bodegas en miles de ca-
jas:
El costo de despacho de 1000 cajas desde cada planta a cada bodega aparece en
la siguiente tabla:
Almacenes Cantidad
Plantas
1 2 3 4 disponible
1 19 30 50 10 7
2 70 30 40 60 9
3 40 6 10 20 18
Cantidad
5 8 7 14
requerida
Servicio de
Ambulancia Capacidad Demanda
Urgencia
1 3 1 4
2 7 2 3
3 5 3 4
4 4
SU 1 SU 2 SU 3 SU 4
Ambulancia 1 2 2 2 1
Ambulancia 2 10 8 5 4
Ambulancia 3 7 6 6 8
13. Una cadena de restaurantes de servicio rpido desea construir cuatro tiendas. An-
teriormente, la compaa ha empleado 6 diferentes compaas y, estando satisfe-
cha con todas ellas, las ha invitado a concursar para cada trabajo. Las ofertas fina-
les en miles de dlares son las que se muestran.
Constructora
Tienda
1 2 3 4 5 6
1 85.3 88 87.5 82.4 89.1 86.1
2 78.9 77.4 77.4 76.5 79.3 78.3
3 82 81.3 82.4 80.6 83.5 81.7
4 84.3 84.6 86.2 83.3 84.4 85.5
Ya que la cadena desea tener listos los nuevos establecimientos tan pronto como
sea posible otorgar cuando ms un trabajo a cada compaa constructora, Qu
14. El seleccionador del equipo de natacin de Argentina debe decidir los nadadores
que participarn en la prueba de relevos de 200 m. Como muchos de los mejores
nadadores son rpidos en ms de un estilo, le resulta difcil decidir quin nadar
cada estilo. Los tiempos de los cinco mejores nadadores en cada uno de los estilos
son:
Se muestran en la red las ofertas, las demandas y los costos de transporte por
unidad. Resolver el problema lineal para determinar la solucin ptima
Fbricas Requerimientos
Bodegas
A B C de bodega
1 5 4 8 400
2 8 7 4 400
3 6 7 6 500
4 6 6 6 400
5 3 5 4 800
Capacidad
800 600 1000
de fbrica
18. Una empresa produce equipos musicales para automviles en cuatro pases (Bu-
rundi, Kenia, Ruanda y Uganda) que posteriormente enva a tres fbricas de auto-
mviles situadas en Valladolid, Hamburgo y Miln. Hasta ahora la produccin total
no ha sido capaz de satisfacer la demanda total, por lo que la empresa ha decidido
construir una nueva planta, ya sea en Tanzania o en Zimbabwe. Las demandas,
capacidades de produccin y los costos unitarios de transporte son:
19. Se fabrica un producto en tres plantas y se enva a tres almacenes. Los costos de
transporte por unidad se muestran en la tabla.
Almacenes
Plantas Oferta
Boston Atlanta Houston
Detroit 5 2 3 100
Saint Louis 8 4 3 300
Denver 9 7 5 300
Demanda 300 200 200
20. Pueden usarse tres clasificaciones de trabajadores (w1, w2, w3), en tres trabajos
distintos (j1, j2, j3) de acuerdo con un convenio con el sindicato. Cada trabajador
tiene un costo diferente para cada trabajo, y que aparece en la tabla siguiente:
Trabajador Trabajadores
Trabajos
w1 w2 w3 requeridos
j1 4 3.60 3.75 5
j2 4.40 3.50 4 20
j3 4.60 4.40 4.60 10
Trabajadores
10 15 10 35
disponibles
21. La Nielsen Printing Company tiene seis pedidos de folletos de publicidad de una
sola pgina. Las cantidades son las siguientes: 28000, 15000, 15000, 20000,
38000 y 44000. Las tres prensas disponibles pueden producir 50000, 70000 y
60000 hojas diarias, respectivamente. Los costos variables por millar para producir
los pedidos en las tres prensas son los siguientes:
La figura siguiente (a) muestra un ejemplo de una representacin tpica de una activi-
dad (i, j) con su evento de inicio i y su evento de terminacin j. La figura siguiente (b)
muestra otro ejemplo donde las actividades (1, 3) y (2, 3) deben terminarse antes que
pueda comenzar la actividad (3, 4). La direccin de avance de cada actividad se espe-
cifica asignando un nmero ms pequeo al evento inicial comparado con el nmero
de su evento terminal. Este procedimiento es especialmente conveniente para clculos
automticos.
Regla 1. Cada actividad est representada por una y slo una flecha en la red. Ningu-
na actividad puede representarse dos veces en la red. Esto es distinto del caso donde
una actividad se descompone en segmentos. En este caso cada segmento puede es-
tar representado por una flecha separada. Por ejemplo, al tender una tubera, este
trabajo puede hacerse en secciones y no como un solo trabajo.
Las actividades ficticias son tambin tiles al establecer relaciones lgicas en el dia-
grama de flechas, las cuales de otra manera, no pueden representarse correctamente.
Suponga que en cierto proyecto los trabajos A y B deben preceder a C. Por otra parte,
el trabajo E est precedido por el trabajo B solamente. La figura siguiente (a) muestra
la forma incorrecta, ya que aunque la relacin de A, B y E es correcta, el diagrama
implica que E debe estar precedida tanto por A como B. La representacin correcta
usando D ficticia se muestra en la figura siguiente (b). Ya que D no consume tiempo (o
recursos) las relaciones de precedencia indicadas estn satisfechas.
Esta regla se explica por s misma. Realmente permite verificar (y volver a verificar) las
relaciones de precedencia cuando se avanza en el desarrollo de la red.
Una ruta crtica define una cadena de actividades crticas, las cuales conectan los
eventos inicial y final del diagrama de flechas. En otras palabras, la ruta crtica identifi-
ca todas las actividades crticas del proyecto. El mtodo para determinar tal ruta se
ilustrar con un ejemplo numrico.
Ejemplo 4.2
Sea TIPi el tiempo de inicio ms prximo de todas las actividades que se originan
en el evento i. Por consiguiente, TIPi representa el tiempo de ocurrencia ms prximo
del evento i. Si i = 0 es el evento de "inicio", entonces convencionalmente, para los
clculos de ruta crtica, TIP0 = 0. Sea Dij la duracin de la actividad (i, j). Los clculos
hacia adelante, por consiguiente, se obtienen de la frmula
TIPj = mxi {TIPi + Dij}, para todas las actividades (i, j) definidas
donde TIP0 = 0. Por consiguiente, a fin de calcular TIPj para el evento j, deben calcu-
larse primero los eventos de comienzo de todas las actividades (i, j) que entran y los
TIPj.
Los clculos hacia adelante aplicados a la figura anterior proporcionan TIP0 = 0 como
se muestra en el cuadrado sobre el evento 0. Ya que existe solamente una actividad
que entra (0, 1) al evento 1 con D01 = 2,
El procedimiento contina de la misma manera hasta que TIPj se calcula para toda j.
Por consiguiente
TTTi = minj {TTTj - Dij} para todas las actividades (i, j) definidas
TTT6 =TIP6 = 19
Las actividades de ruta crtica pueden ahora identificarse usando los resultados de los
clculos hacia adelante y hacia atrs. Una actividad (i, j) est en la ruta crtica si satis-
face las tres condiciones siguientes:
Estas condiciones realmente indican que no existe tiempo de holgura entre el inicio
ms prximo (terminacin) y el inicio ms tardo (terminacin) de la actividad. Por con-
siguiente, esta actividad debe ser crtica. En el diagrama de flechas estas actividades
estn caracterizadas por los nmeros en el cuadrado y el tringulo siendo los mismos
en cada uno de los eventos terminales y de comienzo y que la diferencia entre los n-
meros en el cuadrado (o tringulo) en el evento terminal y el nmero en el cuadrado (o
tringulo) en el evento inicial es igual a la duracin de la actividad.
Las actividades (0, 2), (2, 3), (3, 4), (4, 5) y (5, 6) definen la ruta crtica en la figura an-
terior. Este es realmente el tiempo ms corto posible para terminar el proyecto. Note
que las actividades (2, 4), (3, 5), (3, 6) y (4, 6) satisfacen las condiciones (1) y (2) para
actividades crticas pero no la condicin (3). Por lo tanto, stas no son crticas. Obser-
ve tambin que la ruta crtica debe formar una cadena de actividades conectadas, la
cual abarca la red desde el "inicio" hasta la "terminacin".
Siguiendo la determinacin de la ruta crtica, deben calcularse las holguras de las acti-
vidades no crticas. Naturalmente, una actividad crtica debe tener una holgura cero.
De hecho, esta es la principal razn para que sea crtica.
Existen dos tipos importantes de holguras: holgura total HT y holgura libre (HL). La
holgura total HTij para la actividad (i, j) es la diferencia entre el mximo tiempo disponi-
ble para realizar la actividad (= TTTj - TIPi) y su duracin (= Dij); esto es,
La holgura libre se define suponiendo que todas las actividades comienzan tan pronto
como sea posible. En este caso, HLij para la actividad (i, j) es el exceso de tiempo dis-
ponible (= TIPj - TIP) sobre su duracin (= Dij); esto es,
Los clculos de ruta crtica junto con las holguras para las actividades no crticas pue-
den resumirse en la forma conveniente mostrada en la tabla siguiente. Las columnas
(1), (2), (3) y (6) se obtienen de los clculos de la red en el ejemplo 4.2. La informacin
restante puede determinarse de las frmulas anteriores.
La tabla anterior da un resumen tpico de los clculos de ruta crtica. Incluye toda la
informacin necesaria para construir el diagrama de tiempos. La holgura libre debe ser
cero cuando la holgura total es cero. La inversa no es cierta, sin embargo, en el senti-
do de que una actividad no crtica puede tener una holgura libre cero. Por ejemplo, en
la tabla anterior, la actividad crtica (0, 1) tiene una holgura libre cero.
Como los datos del mundo de los negocios reflejan bsicamente una de las tres cur-
vas de la figura anterior, los diseadores de PERT tuvieron que encontrar un tipo es-
pecial de distribucin que satisfaciera la mayor parte de las circunstancias de tiempo
ms corto (optimistas), ms largo (pesimistas), y ms probable que se use. Es eviden-
te que el tiempo ms probable (m), debe tener una mayor ponderacin que el ms
optimista (a) y el ms pesimista (b). Ciertamente hay ms probabilidad de que un pro-
grama se complete ms cerca del tiempo ms probable que de los otros dos tiempos
extremos. La frmula desarrollada para el tiempo esperado de una actividad (te) es
Cuando se usa esa frmula para obtener una curva normal en forma de campana, el
valor calculado de te, representa el valor intermedio de la curva en forma de campana,
que es lo que queremos para ese tipo de curva.
En esencia, tener la holgura libre menor que la holgura total nos da una advertencia de
que la programacin de la actividad no deber terminarse sin antes verificar su efecto
en los tiempos de inicio de las actividades inmediatamente sucesivas. Esta valiosa
informacin slo puede asegurarse a travs del uso de clculos de ruta crtica.
Ejemplo 4.4.- En el ejemplo 4.3, supngase que se especifican los siguientes requisi-
tos de trabajadores para las diferentes actividades. Se requiere elaborar un programa
de tiempo que nivelar los requisitos de trabajadores mientras dure el proyecto. Nte-
se que las actividades (0, 1) y (1, 3) no requieren labor manual (o mano de obra), lo
que se indica asignando un nmero cero de hombres a cada actividad. Como resulta-
do, la programacin de (0, 1) y (1,3) puede hacerse en forma independiente del proce-
dimiento de nivelacin de recursos.
La figura siguiente (a) muestra las necesidades de personal sobre el tiempo si las acti-
vidades no crticas se programan tan pronto como sea posible, mientras que la figura
siguiente (b) muestra los requerimientos si estas actividades se programan tan tarde
como sea posible. La lnea punteada seala las necesidades para las actividades crti-
cas que deben satisfacerse si el proyecto debe terminarse a tiempo. [Ntese que las
actividades (0, 1) y (1, 3) no requieren recursos.]
EJERCICIOS PROPUESTOS
5. La tabla siguiente proporciona los datos para construir una nueva casa. Construya
el modelo de red asociado y realice los clculos de ruta crtica.
9. Determine las rutas crticas para los proyectos (a) y (b), de la figura siguiente.
11. En el problema 9 calcule las holguras libre y total y resuma los clculos de ruta
crtica usando el formato en la tabla dada en clase.
13. En el problema 9 utilice los resultados en el problema 11, construya los diagramas
de tiempo correspondientes suponiendo que no hay lmite sobre los recursos.
18. En el problema 9 suponga que las estimaciones (a, b, m) estn dadas como se
muestra en las siguientes tablas. Calcule la ruta crtica.
5. MODELOS DE INVENTARIOS
Un problema de inventario existe cuando es necesario guardar bienes fsicos o mer-
cancas con el propsito de satisfacer la demanda sobre un horizonte de tiempo espe-
cificado (finito o infinito). Casi cada empresa debe almacenar bienes para asegurar un
trabajo uniforme y eficiente en sus operaciones. Las decisiones considerando cundo
hacer pedidos y en qu cantidad son tpicas de cada problema de inventario. La de-
manda requerida puede satisfacerse almacenando una vez segn todo el horizonte de
tiempo o almacenando separadamente cada unidad de tiempo durante el horizonte.
Los dos casos que pueden considerarse son sobrealmacenamiento (con respecto a
una unidad de tiempo) o subalmacenamiento (con respecto al horizonte completo).
En la mayora de las situaciones del mundo real, el manejo de inventarios suele impli-
car un nmero apreciable de artculos o productos que varan en precio desde los rela-
tivamente econmicos hasta los posiblemente muy costosos. Como el inventario re-
presenta en realidad capital ocioso (o inactivo), es natural que se ejerza el control de
inventario en artculos que sean los responsables del incremento en el costo del capi-
tal. Por lo tanto, los artculos rutinarios, como los tornillos y tuercas, contribuyen en
forma poco significativa al costo del capital cuando se comparan con artculos que
contienen partes de repuesto costosas.
El anlisis ABC suele ser el primer paso que se debe aplicar en una situacin de con-
trol de inventarios. Cuando se identifican los artculos importantes del inventario, se
pueden utilizar modelos de los tipos que se presentarn en las secciones posteriores
para decidir cul es la forma ideal de controlar los inventarios.
La cantidad del pedido y el punto para un nuevo pedido suelen determinarse normal-
mente minimizando el costo de inventario total que se puede expresar como una fun-
cin de estas dos variables. Podemos resumir el costo total de un modelo de inventa-
rios general como funcin de sus componentes principales en la forma siguiente:
Es raro que una demanda esttica determinista ocurriera en el mundo real. Por lo tan-
to, consideramos esta situacin como un caso de simplificacin. Por ejemplo, aunque
la demanda de artculos de almacn, como el pan, puede variar de un da a otro, las
variaciones pueden ser mnimas e insignificantes con el resultado de que una suposi-
cin de demanda esttica quiz no est muy distante de la realidad.
2. Reabasto del almacn. Aunque un sistema de inventarios puede operar con demo-
ras en las entregas, el abastecimiento real del almacn puede ser instantneo o
uniforme. El instantneo ocurre cuando el almacn compra de fuentes externas. El
uniforme puede ocurrir cuando el producto se fabrica localmente dentro de la orga-
nizacin. En general, un sistema puede operar con demora positiva en la entrega y
tambin con reaprovisionamiento uniforme de almacn.
Es muy difcil desarrollar un modelo general de inventarios que tome en cuenta todas
las variaciones en los sistemas reales. De hecho, aun si puede ser formulado un mo-
Se describen cinco modelos en esta seccin. La mayora de estos modelos tratan con
un inventario de un solo artculo. nicamente se trata el efecto en la solucin de incluir
varios artculos competitivos. Las principales diferencias entre estos modelos son si la
demanda es esttica o dinmica. El tipo de funcin de costo es tambin importante
para formular y resolver los modelos.
La figura siguiente ilustra la variacin del nivel de inventario. Se supone que la deman-
da ocurre con la tasa (por unidad de tiempo). El nivel ms alto del inventario ocurre
cuando se entrega la cantidad ordenada y. (La demora en la entrega se supone una
constante conocida.) El nivel de inventario alcanza el nivel cero y/ unidades de tiem-
po despus que se recibe la cantidad pedida y.
Sea K el costo fijo originado cada vez que se coloca un pedido y suponga que el costo
de mantener una unidad en inventario (por unidad de tiempo) es h. Por lo tanto, el cos-
to total por unidad de tiempo TCU (del ingls, total cost por unit time) como funcin de
y puede expresarse como
La poltica ptima del modelo requiere ordenar y* unidades cada t0* = y* / unidades
de tiempo. El costo ptimo TCU(y*) se obtiene por substitucin directa como
Ejemplo 5.1.- La demanda diaria para una mercanca es aproximadamente 100 uni-
dades. Cada vez que se coloca un pedido se origina un costo fijo de $100. El costo
diario de mantener el inventario por unidad es de $0.02. Si el tiempo de demora es de
12 das, determine el tamao econmico de lote y el punto de reordenacin.
Por lo tanto, la longitud del ciclo ptima asociada est dada como
Ejercicio 5.1.- Para el ejemplo 5.1, determine el punto de nuevo pedido en cada uno
de los casos siguientes.
Las funciones de costo TCU1 y TCU2 de la figura anterior revelan que la determinacin
de la cantidad ptima y* del pedido depende de dnde se ubique q, el punto de reduc-
cin en el precio, con respecto a las zonas I, II y III que se indican en la figura. Estas
zonas estn definidas determinando q1 (> ym) a partir de
Puesto que q > ym, es necesario verificar si q est en la zona II o III. El valor de q1 se
calcula de
o bien,
La substitucin proporciona
o bien,
Esto da q1 = 26.18 o bien, q1 = 3.82. Por definicin, q. se selecciona como el valor ma-
yor. Ya que ym < q < q1, q est en la zona II. Se deduce que y* = q = 15 unidades. El
costo total asociado por tiempo unitario se determina como
Ejercicio 5.2.- En el ejemplo 5.2, determine y* y el costo total por ciclo en cada uno de
los casos siguientes.
a. q = 30.
b. q = 5.
Suponga que cada artculo se repone instantneamente y que no hay descuentos por
cantidad. Suponga adems que no se permite ninguna escasez. Sean i, Ki, y hi res-
pectivamente, la tasa de demanda por unidad de tiempo, el costo fijo y el costo de
sujeto a
Si la restriccin no se satisface por los valores de yi* debe ser activa. En este caso
deben encontrarse los valores ptimos nuevos de yi que satisfagan la restriccin de
almacenamiento en el sentido de igualdad. Esto se logra formulando primero la funcin
de Lagrange como
Los valores ptimos de yi y pueden encontrarse igualando a cero las primeras deri-
vadas parciales respectivas. Esto da
De la primera ecuacin,
El valor * puede encontrarse por ensayo y error sistemticos. Ya que por definicin
< 0 en el caso anterior de minimizacin, entonces ensayando los valores negativos
sucesivos de , el valor de * deber resultar en valores simultneos de y* que satis-
fagan la restriccin dada en el sentido de igualdad. Por consiguiente, la determinacin
de * automticamente proporciona y*.
Ejemplo 5.3.- Considere el problema de inventario con tres artculos (n = 3). Los pa-
rmetros del problema se muestran en la tabla siguiente.
Suponga que el rea de almacenamiento total disponible est dada por A = 25 pies2.
Dada la frmula
Ejercicio 5.3.- Considere el ejemplo 5.3. Mediante el uso de la segunda tabla, obtenga
el intervalo o rango de en el cual se ubica * suponiendo que el rea A est dada
como sigue.
a. A = 45 pies2.
b. A = 30 pies2.
c. A = 20 pies2.
En este modelo se supone que la demanda, aunque conocida con certeza, puede va-
riar de un periodo al siguiente. Tambin el nivel de inventario se revisa peridicamente
en lugar de continuamente. No obstante que puede permitirse la demora en la entrega
(expresada como un nmero fijo de periodos) el modelo supone que el almacn se
reabastece instantneamente al inicio del periodo. Finalmente, no se permite ninguna
escasez.
Sea
Puesto que no existe escasez permitida, el objetivo es determinar los valores ptimos
de zi que minimizan la suma de los costos fijos, de compra y de mantenimiento para
todos los N periodos. El costo de mantener el inventario se supone proporcional a
Usando la ecuacin recursiva hacia atrs, se pueden definir los estados del sistema en
la etapa i como la cantidad de inventario que entra xi. Sea f(xi) el costo de inventario
mnimo para los periodos i, i + 1,..., y N. La ecuacin recursiva completa est dada por
Sea fi (xi + 1) el costo del inventario mnimo para los periodos 1, 2, ... , e i dado xi + 1, la
cantidad de inventario al final del periodo i. La ecuacin recursiva completa entonces
est dada como
Este modelo supone costo fijo cero en cada periodo. En general, la escasez se permi-
te, excepto que toda la demanda que queda pendiente de un periodo a los siguientes
debe satisfacerse en el N-simo periodo. Esta situacin puede representarse como un
modelo de transporte. En particular, notando las caractersticas especiales del modelo
para el caso donde no se permite escasez, el problema puede resolverse en una for-
ma fcil sin tener que aplicar el procedimiento iterativo de la tcnica de transporte
Observe que c, el costo de produccin por unidad durante el tiempo normal, es menor
que di, el costo de produccin por unidad durante el tiempo extra. Esto se muestra
grficamente en la figura siguiente (a). La situacin puede generalizarse al caso en
que existen k niveles de produccin tales que los costos de produccin por unidad
aumentan con el nivel de produccin. Un ejemplo tpico se muestra en la figura si-
guiente (b). En tales condiciones, la funcin de costo de produccin se dice que tiene
costos marginales crecientes. Matemticamente, se dice que la funcin es convexa.
Esta seccin presenta modelos de inventarios diferentes (de un solo artculo) en los
cuales la demanda es probabilstica. El primer desarrollo extiende el modelo de revi-
sin continua determinista incluyendo directamente la demanda probabilstica en la
formulacin. Las formulaciones restantes se clasifican como modelos de un solo pe-
riodo y de periodos mltiples. En los modelos de periodos mltiples la distribucin de
la demanda es estacionaria o no estacionaria. La mayora de los modelos de periodos
mltiples con demanda estacionaria pueden extenderse fcilmente al caso no estacio-
nario; pero los clculos relacionados, especialmente en el caso no estacionario, son
casi prohibitivos. Sin embargo, si se supone demanda estacionaria y horizonte infinito,
usualmente pueden obtenerse soluciones de forma cerrada para los modelos.
Un ciclo se define como el periodo entre dos llegadas sucesivas de pedidos. Las hip-
tesis del modelo son:
EJERCICIOS PROPUESTOS
1. Una empresa industrial produce 1000 unidades al mes de un cierto artculo, P1.
Cada unidad de producto terminado lleva incorporados 1.5kgs. de una determi-
nada materia prima, MP. El coste de adquisicin, ca, de MP es de 11 $/kg., pe-
ro el proveedor hace un descuento de 3 $/kg. cuando el lote de pedido es ma-
yor o igual que 50000 kilogramos. Se sabe, adems, que el coste unitario diario
de posesin, cp, supone un 1% del de adquisicin y que el coste de emisin de
un pedido, ce, es de 10000 $. Sabiendo que la empresa emplea un modelo de
cantidad fija de pedido, que el perodo de gestin es un mes y que se suponen
condiciones de certeza, se desea conocer el lote econmico, que minimiza los
costes mensuales de gestin de inventarios, y el valor de stos.
5. Suponga que ELECTROAUTO, que tiene una demanda anual de 12.000 gene-
radores por ao, con un costo de almacenamiento de 0,50 dlares la unidad
ao y costo de preparacin de un pedido por 25 dlares cada pedido, ha deci-
dido operar con una poltica de inventarios de pedidos pendientes por surtir,
10. Suponga que usted esta revisando la decisin del tamao del lote asociado con
una operacin de produccin de 8000 unidades por ao, con una demanda del
producto de 2000 unidades por ao, el costo de efectuar un pedido es de 300
dlares por pedido y el costo de almacenamiento es de 1.60 dlares la unidad
por ao. Considere adems que la practica actual incluye corridas de produc-
cin de 500 unidades cada tres meses recomendara usted cambiar el tama-
o del lote de produccin actual? porqu si y porqu no? Cunto se podr
ahorrar al convertir la produccin a su recomendacin del tamao del lote de
produccin?
11. PUBLICACIONES C.A. produce libros para el mercado infantil cuya demanda
anual constante se estima en 7.200 ejemplares. El costo de cada libro infantil
es de 14,50 dlares. El costo de posesin se basa en una tasa anual del 18% y
los costos de puesta en marcha de la produccin es de 150 dlares por cada
puesta en marcha de la produccin. La imprenta tiene una capacidad de pro-
duccin de 25.000 libros infantiles por ao, con una operacin de 250 das al
ao y plazo de entrega de una corrida de produccin de de 15 das. Utilizando
el modelo de tamao de lote de produccin determine lo siguiente:
13. Una empresa distribuidora de rollos de cables quiere adoptar una poltica de in-
ventarios que le permita minimizar el costo total esperado. La poltica a utilizar
ser la de comprar lotes de artculos utilizando una frecuencia entera ptima.
La demanda de rollos prevista para el perodo se calcula que ser de 400 uni-
dades. Un proveedor ofrece un modelo de ese rollo a un precio unitario de $ 12
cuando la cantidad a comprar sea menor a 19 unidades, $ 10 cuando compre
entre 20 y 79 unidades y $ 9.50 cuando compre mas de 79 unidades. El costo
administrativo por realizar cada compra se calcula en $ 15. Para averiguar el
costo de almacenaje se determino que tener un rollo almacenado en el deposi-
to cuesta un 55% de su precio unitario, este porcentaje incluye seguros, custo-
dia, valor de recuperacin (valor de desecho del producto para la empresa,
como por ejemplo una venta con descuento) y la tasa de descuento (el costo
por tener invertido dinero en artculos almacenados y no por ejemplo en un pla-
zo fijo). Determinar el lote ptimo de compra
16. Un proveedor les ofrece un producto a descuento, si la demanda anual del pro-
ducto es de 500 unidades, el costo de preparar un pedido es de 40 dlares y la
tasa anual por posesin del inventario es del 20%, basado en la tabla de des-
cuento anexa, que cantidad recomendara usted pedir?
Clase de Descuento Tamao del pedido Descuento (%) Costo Unitario (US$)
A 0 - 99 0 10,00
B 100 ms 3 9.70
6. ANEXOS