Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Investigación de Operaciones Pag 62 Del PDF
Investigación de Operaciones Pag 62 Del PDF
INDICE
Pgina
Introduccin 2
Justificacin 7
Bibliografa. 220
Introduccin
Con este libro de guas prcticas para la asignatura de Investigacin de
operaciones, pretendemos que los estudiantes que cursan las asignaturas de
Investigacin operativa I y II cuenten con material metodolgica y didicamente
elaborado para que pueda realizar sus prcticas sin la asistencia del profesor.
La mayora de las prcticas estn orientadas para que los estudiantes las
puedan realizar con el apoyo del computador. Si bien es cierto hay varios
software que pueden usarse, recomendamos que las prcticas las haga con
WinQSB, por contener todos los mdulos que son abordados en este texto y
contamos con un manual del Software para apoyo del estudiante.
Este libro de guas prcticas est orientado para que sea desarrollado en dos
semestres, las primeras 8 prcticas para el I semestre y las restantes en el
segundo semestre. Cada gua prctica no necesariamente se debe de
desarrollar en un perodo de laboratorio (2 horas), algunas pueden durar ms
de acuerdo a las orientaciones del profesor de la asignatura, algunas prcticas
el alumno las resolver en forma independiente, en su casa o donde l estime
conveniente. No obstante independiente de la forma y donde el alumno
resuelva cada gua, el profesor debe garantizar que se haga un anlisis
colectivo sobre la misma, esta parte es esencial para el dominio de los temas
tratados.
Justificacin
La investigacin de operaciones es una de las asignaturas que generan mayor
expectativa en los estudiantes y profesionales que las cursan. Por cuanto son
de suma importancia para la toma de decisiones.
Este documento de carcter prctico tiene como propsito abordar los mtodos
de solucin de los diferentes modelos matemticos que se formulan en la
investigacin de operaciones, tanto desde el punto de vista analtico, grfico
como auxiliarnos de las herramientas computacionales sobre todo aquellos
cuyo nivel de complejidad de clculo lo requieren y centrar el esfuerzo en el
anlisis de sensibilidad de los posibles escenarios que se pudiesen presentar y
que son incertidumbre que en el mundo de la gestin a diario tenemos que
enfrentar.
CONJUNTO A CONJUNTO B
CONJUNTO C CONJUNTO D.
Conjunto que contiene cualquier segmento que une dos puntos del conjunto.
y
x
Julio Rito Vargas Avils/UNI Pgina 5
|
Guas Prcticas de Investigacin de Operaciones
Obsrvese que para cualquier par de puntos x, y que estn dentro del conjunto A, el
segmento que une dichos puntos siempre queda dentro del conjunto, en consecuencia
A es un conjunto convexo.
Consideremos el conjunto B:
x y
Obsrvese que para cualquier par de puntos x,y que estn dentro del conjunto B, el
segmento que une dichos puntos no queda dentro del conjunto, en consecuencia B no
es un conjunto convexo.
Consideremos el conjunto C:
C
x
En este caso para cualquier par de puntos x,y de la recta C, el segmento que los une
queda dentro del conjunto, en consecuencia C es un conjunto convexo.
y
x
D
Julio Rito Vargas Avils/UNI Pgina 6
|
Guas Prcticas de Investigacin de Operaciones
Es claro grficamente que para cualquier par de puntos x, y, el segmento que los une
est totalmente contenido en dicho conjunto.
E
Conjunto poligonal delimitado por los puntos ((0,0), (5,0), (0,3), (1,2), (0,0))
Se puede ver que existen segmentos, como el indicado en la figura que contiene
puntos que no estn en el conjunto, por lo que este conjunto no es CONVEXO.
EJERCICIO 1 E
(-1,0), (1,1)
SOLUCION:
a. Es convexo b. No es convexo
y=x
Para delimitar la regin del plano basta considerar un punto que no est en la curva,
por ejemplo (1,2) si ese punto satisface la ecuacin entonces ese es el recinto a
considerar, en nuestro caso como 2 s es mayor o igual que 1, entonces el recinto es
y=x
S3
Obsrvese que es claramente convexo pues cualquier par de puntos que estn en S3
el segmento que los une est claramente contenido en S3.
En esos casos es necesario dar una definicin analtica de conjunto convexo, para lo
cual efectuamos la siguiente definicin:
CONJUNTO CONVEXO.
Y comprobando si el vector
b - v1 + (1 - b)* v2
Y al expandirle
EJERCICIO 2
a.
b.
SOLUCIONES:
x2 + y2 =1
x2 + y2 =4
Y luego las graficamos con Derive de la misma que lo hemos hecho anteriormente
Cul es el recinto?
02 + 02 1
02 + 02 1
Para saber cul es exactamente el recinto, tomemos un punto que no est en dichas
rectas, por ejemplo (0,0).
(0,0).
EJERCICIO 3
Demostrar de forma analtica que el conjunto
Conjunto convexo.
OBSERVACIN.
En general si es un vector de Rn c R se verifica que los conjuntos:
H= { Rn/ t
. =c}
H+= { Rn/ t
. c} H-={ Rn/ t
. c}
H0+={ Rn/ t
. >c} H0-={ Rn/ t
. <c}
Demostracin
Sean dos vectores cualesquiera hay que demostrar que si [0,1] entonces
el vector pertenece a H.
EJEMPLO.
Demostracin:
Si Xi es un conjunto convexo para i=1,..., n. Esto quiere decir que dados dos
puntos cualesquiera de este conjunto entonces el segmento
que los une est totalmente contenido en el conjunto Xi, es
Este conjunto no es convexo pues si considero dos puntos del conjunto por ejemplo
Obtenemos
Vamos ahora a ir delimitando los semiplanos determinados por cada una de las
desigualdades:
0 x 1
Consideremos un punto que no est en la recta por ejemplo (0,0). (0,0) verifica la
desigualdad?
La interseccin de rectas:
[ 2 x = y; y = 2 + x ]
Da el punto
[x = 0 y = 2]
Las rectas
[x = 1; y = 2 x]
El punto
[x = 1; y = 1]
Y las rectas
[x = 1; y = 2 + x]
El punto
[x = 1 y = 3]
1.
2.
P1 : = [0, 2]
P2 : = [1, 3]
P3 : = [1, 1]
Vamos a ir realizando combinaciones lineales convexas y vamos a ir representando
los puntos obtenidos:
En este caso p2
p1?
p2?
yp3?
Como puede verse estos puntos tienen una caracterstica especial y es que tan solo
intervienen en la combinacin lineal el propio punto, por ello definimos:
EJERCICIO 4
a.
b.
SOLUCIN:
(A)
(B)
Para obtener puntos extremos hay que resolver la interseccin entre recta y
circunferencia.
(1 + y)2 + y2 = 1
[y = 0; y = -1]
GUA PRCTICA # 1
Conjuntos convexos y no convexos
Contenidos:
a) ______________________ d) ______________________
b) _____________________ e) ______________________
f) ______________________
c) ______________________
Acotados No Acotados
d) 0,1, 4,2
a)
S1 x, y R 2 / 4 x 2 y 2 9
b)
S 2 x, y R 2 / x y 3, x y 4
c)
S 3 x, y R 2 / x 0, x y 0, x y 1, y 0
d)
S 4 x, y R 2 / x 0, y 0, x 1, y 1
S x, y R 2 / x 2 y 2 4
T x, y R 2 / x 1 y 1 4
2 2
2.
S x, y R 2 / x y 5
T x, y R 2 / x y 6
1. 2.
2 x1 3 x 2 12 8 x1 2 x2 16
x1 3 x 2 0 x1 x2 12
x1 , x 2 0 x1 , x2 0
3. 4.
3 x1 2 x2 12
2 x1 4 x2 12 2 x1 3 x 2 3
x2 1 x1 5 x 2 1
x1 , x2 0 2 x1 x 2 4
4 x1 x 2 5
x1 , x 2 0
5. 6.
x1 x2 1 x1 x2 1
x1 x2 3 x1 x2 3
x1 x2 4 2 x1 x2 2
x1 , x2 0 x1 , x2 0
Julio Rito Vargas Avils/UNI Pgina 29
Gua Prctica para Investigacin de Operaciones
7. 8.
2 x1 x 2 9
x1 x2 1
x1 4
x1 x2 3
x2 3
x1 x2 0
x1 , x 2 0
9. 10.
x1 2 x2 5
3x1 x2 3 x1 3
x1 , x2 0 x2 2
x1 , x2 0
PROGRAMACIN LINEAL
La solucin ptima del problema ser un par de valores (x0, y0) del conjunto factible
que haga que f(x,y) tome el valor mximo o mnimo.
La regin factible incluye o no los lados y los vrtices, segn que las desigualdades sean en
sentido amplio ( o ) o en sentido estricto (< o >).
Se dibuja la recta asociada a la inecuacin. Esta recta divide al plano en dos regiones o
semiplanos
Para averiguar cul es la regin vlida, el procedimiento prctico consiste en elegir un
punto, por ejemplo, el (0,0) si la recta no pasa por el origen, y comprobar si las
coordenadas satisfacen o no la inecuacin. Si lo hacen, la regin en la que est ese
punto es aquella cuyos puntos verifican la inecuacin; en caso contrario, la regin
vlida es la otra.
2) La regin factible est formada por la interseccin o regin comn de las soluciones
de todas las inecuaciones.
Como sucede con los sistemas de ecuaciones lineales, los sistemas de inecuaciones lineales
pueden presentar varias opciones respecto a sus soluciones: puede no existir solucin, en el
caso de que exista el conjunto solucin puede ser acotado o no.
x+y 4
y 4
y x
Mtodo grfico :
La WINDOR GLASS CO produce artculos de vidrio de alta calidad, entre ellos ventanas y
puertas de vidrio. Tiene tres plantas. Los marcos y molduras de aluminio se hacen en la planta
1, los de madera en la planta 2; la 3 produce el vidrio y ensambla los productos.
Debido a una reduccin de las ganancias, la alta administracin ha decidido reorganizar la lnea
de produccin de la compaa. Se descontinuarn varios productos no rentables y se dejar
libre una parte de la capacidad de produccin para emprender la fabricacin de dos productos
nuevos que tienen ventas potenciales grandes:
El grupo comenz a realizar juntas con la alta administracin para identificar los objetivos del
estudio y desarrollaron la siguiente definicin del problema:
Determinar que tasas de produccin deben tener los dos productos con el fin de maximizar las
utilidades totales, sujetas a las restricciones impuestas por las capacidades de produccin
limitadas disponibles en las tres plantas. (Cada producto se fabricar en lotes de 20 unidades,
de manera que la tasa de produccin est definida con el nmero de lotes que se producen a
la semana) Se permite cualquier combinacin de tasas de produccin que satisfaga estas
restricciones, incluso no fabricar uno de los productos y elaborar todo lo que se posible del
otro.
Nmero de horas de produccin disponibles por semana en cada planta para estos nuevos
productos. (Casi todo el tiempo de estas plantas ests plantas est comprometido con los
productos actuales, lo que limita la capacidad para manufacturar nuevos productos.)
Nmero de horas de fabricacin que emplea cada lote producido de cada artculo nuevo en
cada una de las plantas.
La ganancia por lote de cada producto nuevo. (Se escogi la ganancia por lote producido como
una medida adecuada una vez que el equipo lleg a la conclusin de que la ganancia
incremental de cada lote adicional producido sera, en esencia, constante, sin importar el
nmero total de lotes producidos. Debido a que no se incurre en costos sustanciales para
iniciar la produccin y comercializacin de estos nuevos productos, la ganancia total de cada
uno es aproximadamente la ganancia por lote producido multiplicado por el nmero de lotes.)
1. Variables de decisin
La funcin objetivo es lo que queremos optimizar (minimizar o maximizar), por ello est
compuesta por los costos de cada producto, los cuales van acompaado por las variables de
decisin en el caso de la minimizacin y de utilidades y variables de decisin en el caso de la
maximizacin. En este problema en particular lo que desea la empresa es encontrar la solucin
que maximice sus utilidades. Colocamos 3 en lugar de 3000 y 5 en lugar de 5000, para trabajar
en unidades mas pequeas; pero al final representa miles de dlares.
2. Funcin Objetivo
En este caso las restricciones son las limitantes que tiene la empresa para producir el
producto1 y el producto2. Tenemos 3 restricciones bien definidas, las cuales. Cabe sealar que
las restricciones de no negatividad, siempre es necesario incluirlas, ya que en las respuestas no
pueden resultar valores menores que cero, sino la solucin del problema no tendra ningn
sentido.
3. Restricciones
3x1 2 x2 18 Horas disponibles en la planta 3, para producir lotes del producto 1 y producto 2
x1 0
x2 0 Restricciones de no negatividad
Mx.
Z 3x1 5 x2
S.a
x1 4
2 x2 12
3 x1 2 x2 18
x1 0
x2 0
5. Con la forma estndar del modelo, graficamos para encontrar la regin factible.
Si hacemos uso del WinQSB los pasos ha seguir son los siguientes
(2,6)
(0,6)
(4,3)
Regin
Factible
(0,0) (4,0)
Los pares ordenados que han sido seleccionados son los que acotan la llamada Regin Factible,
son las posibles soluciones al problema y son esenciales para descubrir cual es el ptimo. El
siguiente paso es evaluar cada uno de estos puntos y encontrar el que maximice nuestras
utilidades al mayor porcentaje posible.
6. Soluciones factibles.
Valores permitidos x1 , x2 Funcin Objetivo Soluciones factibles
de la regin factible Z 3x1 5x2 (FEV)
(0,0) Z 3(0) 5(0) 0
(0,6) Z 3(0) 5(6) 30
(2,6) Z 3(2) 5(6) 36
(4,3) Z 3(4) 5(3) 27
(4,0) Z 3(4) 5(0) 12
Despus de haber analizado las soluciones factibles vemos que la que nos da la mxima
utilidad es el punto (2,6)
7. Soluciones ptimas:
Problema 2.
Rulisa fabrica masa para pasteles de tipo I y II. La de tipo I la vende a 5 euros el kilo, gastando 1
euro en ingredientes y 2 en mano de obra. La de tipo II se vende a 3 euros y cuestan 1 euro,
tanto los ingredientes como el trabajo. Para hacer las masas se necesitan dos tipos de
actividades: amasado y horneado. Rulisa dispone de 18 horas de amasado y 12 de horneado a
la semana. La masa de tipo I necesita 2 horas de amasado
Si la cantidad de masa que se puede vender es ilimitada, optimizar los beneficios semanales de
Rulisa.
Nmero de horas disponibles para produccin, por semana. (18 para amasado
y 12 para horneado)
Nmero de horas que requiere cada tipo de masa (tipo I y II) en amasado y
horneado.
Para lograr una mejor solucin del problema definiremos nuestras variables de decisin, las
cuales son:
1. Variables de decisin
En este caso la funcin objetivo estar compuesta por la ganancia obtenida por cada tipo
de masa y por las variables de decisin. El problema que estamos resolviendo es un
problema de maximizacin.
2. Funcin Objetivo
Maximizar
z f ( x1 , x2 ) 2 x1 x2
Dado que este producto requiere de dos operaciones fundamentales (Amasado, Horneado) las
restricciones estarn dadas por la capacidad en horas semanales para estas actividades.
Adems colocaremos la restriccin de no negatividad.
3. Restricciones
x1 0 Restricciones de no negatividad
x2 0
4. Ahora se puede formular el modelo matemtico del problema para lo cual definimos
la funcin objetivo a maximizar, sujeta a las restricciones que se sealaron
anteriormente.
Maximizar z 2 x1 x2
S. a
2 x1 3x2 18
3x1x2 12
5. Con la forma estndar del modelo, graficamos para encontrar la regin factible.
x1 0
x 0
Para graficar la regin factible 2es necesario que conozcamos los puntos por donde pasan las
diferentes rectas por lo que hacemos uso de el mtodo de intercepto. Aunque existen otros
formas de resolver sistemas de ecuaciones haremos uso de este por considerarlo ms sencillo
de utilizar.
2 x1 3 x2 18 x2 0
x1 0 2 x1 3(0) 18
2(0) 3 x2 18 x1 18 / 2
x2 18 / 3 x1 9
x2 6
Punto1 (0,6)
Punto2 (9,0) este punto queda descartado dado que no es uno de los vrtices de la regin
factible
3 x1 x2 12
x2 0
x1 0
3 x1 0 12
3(0) x2 12
x1 12 / 3
x2 12
x1 4
Punto3 (0,12)
Punto (4,0) Descartamos este punto dado que No forma parte de la regin Factible.
2 x1 3 x2 18
3 x1 x2 12
2 x1 3(12 3 x1 ) 18
2 x1 9 x1 36 18
7 x1 18
x1 18 7
x2 30 7
Dado que no todos los puntos son parte de la regin factible, podemos decir que los vrtices
de la regin factible son:
3x1 x2 12
(0,6)
(18/7,30/7)
2 x1 3x2 18
(4,0)
(0,0)
Para encontrar la solucin ptima es necesario que evaluemos todos los valores de los vrtices
en la funcin objetivo.
6. Soluciones factibles.
7. Soluciones ptimas:
Para alcanzar la mxima utilidad es necesario que la empresa produzca 18/7 kg de masa de
tipo I y 30/7 Kg de masa de tipo II, para alcanzar una utilidad mxima de 66/7 de euros.
GUA PRCTICA # 2
Solucin Grfica de PPL
Contenidos:
Problema 1:
1. Variables de decisin
2. Funcin Objetivo
3. Restricciones
6. Soluciones factibles.
7. Soluciones ptimas:
Problema 2:
Una fbrica de bombones tiene almacenados 500 Kg.. de chocolate, 100 Kg.. de
almendras y 85 Kg.. de frutas. Produce dos tipos de cajas: las de tipo A contienen 3
Kg. de chocolote, 1 Kg. de almendras y 1 Kg. de frutas; la de tipo B contiene 2 Kg. de
chocolate, 1,5 Kg. de almendras y 1 Kg. de frutas. Los precios de las cajas de tipo A y
B son 13 y 13,50 , respectivamente. Cuntas cajas de cada tipo debe fabricar para
maximizar sus ventas?
Chocolate
Almendras
Frutas
Precio en euros
1. Variables de decision
2. Funcin Objetivo
Restricciones
5. Soluciones factibles.
6. Soluciones ptimas:
Problema 3:
Tipos de Computadoras
1. Variables de decisin
2. Funcin Objetivo
3. Restricciones
6. Soluciones factibles.
7. Soluciones ptimas:
El Mtodo Simplex
Calcular el valor de la funcin objetivo en cada vrtice del conjunto factible y escoger
el mejor. Sin embargo, el nmero de vrtices de un conjunto factible es:
m n (m n)!
m m! (m n - m)!
m = nmero de restricciones
n =nmero de variables
Conceptos importantes:
Solucin bsica: Valores de las variables que satisfacen las restricciones de igualdad
de un programa lineal en forma estndar, despus de que las variables no bsicas se
toman como cero.
Solucin bsica factible inicial: Valores de las variables que satisfacen las
restricciones de igualdad y de no negatividad de un programa lineal en forma
estndar, despus de que las variables no bsicas se toman como cero.
Es aquella que tiene al menos n-m componentes nulos o variables no bsicas. Las m
restantes variables se denominan bsicas.
A partir de: Ax = b
x0
A = [ N|B]
x
x N
xB xN = 0 xB = B-1b
Sin embargo, un vrtice puede estar representado por ms de una SBF si esta es
degenerada.
ptimo nico
TEST DE OPTIMALIDAD
La variable que entra en la base debe ser aquella que tenga el mayor coste reducido
(absoluto) en el caso de maximizacin (o mayor coste reducido en el caso de
minimizacin), ya que sta es la variable que aumenta (o disminuye) ms rpidamente
el valor de la funcin objetivo.
Representa el mximo valor que puede tomar la variable entrante antes de que la
variable que se est considerando viole su restriccin de no negatividad.
Julio Rito Vargas Avils/UNI Pgina 52
Gua Prctica para Investigacin de Operaciones
A = [N | I ]
x 0
x N
B
x b
X Y (horas/periodo)
Cortado 10 6 2500
Cosido 5 10 2000
Empaquetado 1 2 500
Beneficio unitario 23 32
sujeto a:
10x + 6y 2500
5x + 10y 2000
x + 2y 500
x, y 0
Para convertir las inecuaciones en ecuaciones se aade una variable de holgura si por
cada ecuacin:
10x + 6y + h1 = 2500
5x + 10y + h2 = 2000
x + 2y + h3 = 500
x, y 0
Coeficiente de : Lado
Variable Ec. Z X Y h1 h2 h3 Derecho
Bsica
(0) Z - 23x - 32y =0 Z (0) 1 -23 -32 0 0 0 0
PASO 4. Regla de salida. Para determinar que variable sale de la base se calculan los
ratios:
Primer Iteracin
Coeficiente de : Lado
Variable Ec. Z X Y h1 h2 h3 Derecho
Bsica
(4) Z - 23x - 32y =0 Z (0) 1 -7 0 0 3.2 0 6400
Una vez recalculado el tableau, se vuelve al paso 2 y se realiza una nueva iteracin. El
tableau resultante es:
Coeficiente de : Lado
Variable Ec. Z X Y h1 h2 h3 Derecho
Bsica
(8) Z - 23x - 32y =0 Z (0) 1 -7 0 0 3.2 0 6400
Segunda iteracin:
Coeficiente de : Lado
Variable Ec. Z X Y h1 h2 h3 Derecho
Bsica
(12) Z - 23x - 32y =0 Z (0) 1 0 0 1 2.6 0 7700
Si en la matriz A no existe una submatriz identidad, se deber seguir uno de los dos
siguientes procedimientos:
Una vez construido el problema de apoyo se aplica el algoritmo del Simplex para su
solucin final.
Ejemplo 2:
Resolveremos por el mtodo Simplex el problema de la WINDOR GLASS CO. Que produce
artculos de vidrio de alta calidad, entre ellos ventanas y puertas de vidrio. Tiene tres plantas.
Los marcos y molduras de aluminio se hacen en la planta 1, los de madera en la planta 2; la 3
produce el vidrio y ensambla los productos.
GUA PRCTICA # 3
Solucin por el Mtodo Simplex y Simplex Revisado
Max Z 40 x1 60 x2
Sujeto a:
2 x1 x2 70
x1 x2 40
x1 3 x2 90
x1 , x2 0
Forma Algebraica Forma Tabular
Coeficiente de : Lado
Variable Ec. Z X1 X2 X3 X4 X5 Derecho
Bsica
(0)
(1)
(2)
(3)
Max 4 x1 3x2
Sujeto a:
x1 x2 40
2 x1 x2 60
x1 , x2 0
Coeficiente de : Lado
Variable Ec. Z X1 X2 X3 X4 Derecho
Bsica
(0)
(1)
(2)
(3)
Teora de dualidad:
Dada la forma estndar para el problema primal (izquierda), su problema dual tiene la
forma que se muestra a la derecha.
n
Max Z cjxj Min W yb
j 1
sujeto a:
sujeto a: yA c
n
a x
j 1
ij j bi y0
xj 0
El problema dual usa exactamente los mismos parmetros que el problema primal, pero en
diferentes lugares.
Dada la forma matricial del problema primal (izquierda), y del problema dual.
Max Z cx Min W yb
sujeto a: sujeto a:
Ax b yA c
x0 y0
Donde c, y son vectores fila y b y x son vectores columna.
Problema primal y dual para el caso del problema de Wyndor Glass Co.
Max Z 3 x1 5 x2 Min W 4 y1 12 y2 18 y3
sujeta a: sujeta a:
x1 4 y1 3 y3 3
2 x2 12 2 y 2 2 y3 5
3 x1 2 x2 18 y1 0
x1 0 y2 0
x2 0 y3 0
El problema dual se puede resolver por los mismos mtodos que hemos resueltos los
problemas PL. Por lo que para efectos de anlisis vamos resolverlo usando WinQSB.
x
Max Z 3 5 1
4
x2
Min W y1 y2 y3 12
sujeta a:
18
1 0 4
0 2 x1 12 sujeta a:
x 1 0
3 2 2 18 y1 y2 y3 0 2 3 5
x1 0 3 2
x 0 y1 y3 0 0
2 y2 0
Solucin del P. dual, para el ejemplo Wyndor Glass Co. (usando WinQSB)
En cuadro anterior se puede ver que la solucin de las variables de decisin del problema
primal son: X1=2 y X2=6, estos resultados corresponden los precios sombras de la solucin
del problema dual.
La solucin de las variables de decisin del problema dual son: Y1=0 , Y2=1.5, Y3=1. Estos
valores corresponden a los precios sombra del problema primal.
El ptimo de la funcin objetivo tanto del problema dual como primal es el mismo ( Z=36).
Los valores mnimos permitidos en las variables de decisin del primal (X1=0; X2=2)
corresponden a los mnimos permitidos en las restricciones del problema dual.
Los valores mximos permitidos en las variables de decisin del primal (X1=7.5 ; X2= M)
corresponden a los mximos permitidos en las restricciones del problema dual.
Los valores mnimos permitidos en las variables de decisin del dual (Y1=2; Y2=6;Y3=12)
corresponden a los mnimos permitidos en las restricciones del problema primal.
Los valores mximos permitidos en las variables de decisin del dual (Y1=M ; Y2= 18 ;Y3=24)
corresponden a los mximos permitidos en las restricciones del problema primal.
Problema Dual
Sujeto a:
Sensibilidad:
El departamento de contabilidad por su parte, pronostica los siguientes costos e ingresos para
la compaa.
Se desea saber el nmero de cada tipo de producto que debern producirse de tal manera que
se optimice el beneficio por las 8 horas de trabajo del da. Considerando la informacin, se
plante el modelo de programacin lineal:
Sujeto a:
y1 0
y2 0
y3 0
1. Determine los rangos de variacin de las variables bsicas en donde la base actual
permanece
3. En cules de las operaciones recomendara usted contratar tiempo extra y por que?
Ken & Larry Inc. surte su helado a los expendios en cuatro sabores: chocolate, vainilla,
chicle y pltano. Debido al calor extremo y la alta demanda, la compaa tiene un
dficit en el abastecimiento de los ingredientes: leche, azcar y crema.
Esto no le permite satisfacer todas las rdenes recibidas de sus expendios. Por estas
circunstancias, la compaa a decidido seleccionar la cantidad que debe producir de
cada sabor para maximizar la ganancia total, dadas las restricciones en las cantidades
de ingredientes bsicos.
Sujeto a:
Variables de decisin
Funcin objetivo
Restriccin de produccin
Compromisos de demanda
Modelo de PPL
Sujeto a:
0.45X1 + 0.5X2 + 0.4X3 + 0.4X4 220
X1 30
X2 30
X3 30
X4 30
Solucin
PREGUNTAS ADICIONALES
Suponga que descubren tres galones de crema agrio que tienen que tirarse
cambia la solucin ptima y que se puede decir de la ganancia total?
Se podra decir que no hay cambios en la optimizacin ni en la ganancia, eran
Sobrantes.
12. Por polticas de la empresa es necesario producir un nuevo producto con las siguientes
caractersticas C4=60, a4 = (2,1,3), Qu recomendara?
1. Determine los rangos de variacin de las variables bsicas en donde la base actual
permanece: X2 est entre 22.5 y 135.00, X3 est entre 32.5 y 70, la variable X1 no es
bsica, es decir no se recomienda producir del producto A.
3. En cules de las operaciones recomendara usted contratar tiempo extra y por que?
En acabado, por ejemplo con 2 horas ms en acabado se produciran 132 unidades del
producto C, actualmente son 96. Con una nueva utilidad de 7,200.00 contra 6,000 que
actualmente se obtienen. El intervalo lo permite con una costo de por minuto de
U$10.
igual porque no se afectara la produccin. Los 20 minutos que daran como sobrantes,
es decir no se aprovecharan.
12. Por polticas de la empresa es necesario producir un nuevo producto con las siguientes
caractersticas C4=60, a4 = (2,1,3), Qu recomendara?
Z 60 x1 35 x2 45 x 3
sujeto a:
2 x1 6 x2 2 x3 480 formacin
x1 6 x2 2 x3 480inspeccin
3 x1 2 x2 4 x3 480acabado