Está en la página 1de 25

APLICACIÓN DE LA PROGRAMACION LINEAL

EN LA VENTA DE MOTORES DE BARCO

FACULTAD DE INGENIERÍA Y ARQUITECTURA


ESCUELA ACADÉMICA PROFESIONAL INGENIERÍA
INDUSTRIAL
CICLO: “V”

SECCIÓN: “B”

TURNO: “T”

CURSO: INVESTIGACION OPERATIVA I.

DOCENTE: ing. Sedamano Odar Luis

INTEGRANTE:

Simion Villanueva alejo

LIMA-PERU
2018
INDICE
I. INTRODUCCION. ................................................................................................... 4

II. MARCO TEORICO ................................................................................................. 6

2.1 Método grafico ................................................................................................... 6

2.2 Método simplex ................................................................................................. 7

2.2.1 ¿Qué es una matriz de identidad? ............................................................... 7

2.2.2 Existen dos Variables: ................................................................................ 8

2.2.2.1 Variable de Holgura y exceso. .................................................................... 8

2.2.2.2 Variable Artificial o Método de la M.- ....................................................... 8

2.3 Análisis de sensibilidad ..................................................................................... 8

2.4 Trasporte .......................................................................................................... 10

2.4.1 Método de la esquina noroeste ................................................................. 10

2.4.2 Método del costo mínimo ......................................................................... 11

2.4.3 Método de Vogel ...................................................................................... 12

2.5 Asignación ....................................................................................................... 13

2.5.1 Método de húngaro ................................................................................... 13

III. APLICACIÓN ........................................................................................................ 15

3.1 Método grafico ................................................................................................. 15

3.2 Método simplex ............................................................................................... 17

3.3 Análisis de sensibilidad ................................................................................... 18

3.4 Método de la esquina noroeste ......................................................................... 21

3.5 Método del costo mínimo ................................................................................ 22

3.6 Método de Vogel ............................................................................................. 22

3.7 Método de húngaro .......................................................................................... 23

IV. CRITICAS .............................................................................................................. 26

4.1 Criticas Destructivas. – .................................................................................... 26

4.2 Críticas Constructivas. – .................................................................................. 26


V. CONCLUSIONES .................................................................................................. 27

VI. REFERENCIAS BIBLIOGRAFICAS ................................................................... 28

VII. ANEXOS ................................................................................................................ 28


I. INTRODUCCION.
Se realizó el estudio y aplicación de programación lineal basándose en las estadísticas
de la empresa EDIPESA. S.A. comercializadora de venta de motores marca Parsun,
para votes y lanchas, se tomó como un modelo .El propósito de la Investigación de
Operaciones consiste en preparar al profesional para decidir entre diferentes medios o
métodos disponibles para realizar todo objetivo que se proponga, de modo que se
alcance un resultado en relación a un cierto criterio de optimización. Ayuda mucho en la
resolución de problemas de optimización, para tomar las mejores decisiones, pero
también tiene muchas limitaciones como no existencia de la teoría requerida, pero
precisamente ese es el trabajo del investigador, por lo cual este debe ser recursivo,
tenas, apasionado en su labor, lleno de paciencia y sobre todo nunca renunciar a la
solución de su problema.

Programación lineal es una herramienta muy útil, tanto para personas con empresas
independientes como para grandes compañías. Permite administrar de la mejor manera
los recursos con los que se cuenta para poder aprovecharlos al máximo, como también
ayuda a obtener mayores ganancias y a minimizar los costos. La programación lineal es
un procedimiento o algoritmo matemático, mediante el cual se resuelve un problema
indeterminado. Consiste en optimizar (minimizar o maximizar) una función lineal, que
denominaremos función objetivo, de tal forma que dicha función esté sujetas a una serie
de restricciones que expresamos mediante un sistema de inecuaciones lineales. La
programación lineal nos permite utilizar diferentes métodos los cuales nos permiten
reducir costos y obtener ganancias.

En este informe hemos aplicado los diferentes métodos de la programación lineal en la


venta de motores para barco de diferentes potencias como 8hp y 15 hp, y sus respectivas
características de pata larga, pata corta, y pata extralarga. Donde hemos maximizado sus
utilidades con el método gráfico, simplex también hemos aplicado análisis de
sensibilidad para ver en cuanto pueden variar los precios de cada uno de los motores
para realizar su venta. Y minimizado los costos con los métodos de transporte y
asignación.
II. MARCO TEORICO

2.1 Método grafico


El método gráfico es un procedimiento de solución de problemas de programación
lineal, muy limitado en cuanto al número de variables (2 si es un gráfico 2D y 3 si es
3D) pero muy rico en materia de interpretación de resultados e incluso análisis de
sensibilidad.

Este consiste en representar cada una de las restricciones y encontrar en la medida de lo


posible el polígono (poliedro) factible, comúnmente llamado el conjunto solución o
región factible, en el cual por razones trigonométricas en uno de sus vértices se
encuentra la mejor respuesta (solución óptima).

 La Modelización Mediante Programación Lineal

 VARIABLES

XT: Cantidad de metros diarios de tejido tipo T a fabricar


XT’: Cantidad de metros diarios de tejido tipo T’ a fabricar

 RESTRICCIONES

0,12XT + 0,2XT’ <= 500 Hilo “a”


0,15XT + 0,1XT’ <= 300 Hilo “b”
0,072XT + 0,027XT’ <= 108 Hilo “c”

Las restricciones de no negatividad no son necesarias en este ejemplo dado que se trata
de un ejercicio de maximización, cuando el ejercicio sea de minimización lo más
recomendado es incluirlas.

 FUNCIÓN OBJETIVO

MAX (z) = 4000XT + 5000XT’

6
 La Solución Mediante Método Gráfico

Identificar: Este paso consiste en darle un número a cada ecuación, cualquiera de ellas
puede ser considerada la ecuación uno y la otra ecuación dos.

Tabular: Necesitamos localizar dos puntos para trazar la gráfica correspondiente a cada
ecuación. Para ello se requiere darle valores a “x” y “y”.
Frecuentemente se toman dos valores

Cuando x=0 y=?

Cuando y=0 x=?


Graficar: Uniendo los dos puntos obtenidos en cada ecuación obtenemos las gráficas
de dos líneas rectas

Localizar Intersección: Las coordenadas del punto de intersección de las rectas son la
solución del sistema de ecuaciones.

Comprobar: La solución en el paso anterior: x=a, y=b debe sustituirse en las dos
ecuaciones para comprobar que el resultado es correcto

2.2 Método simplex


El Método Simplex es un método analítico de solución de problemas capaz de resolver
modelos más complejos que los resueltos mediante el sin restricción en el número de
variables. Este popular método fue creado en el año de 1947 por él y el ruso Leonid
Vitalievich Kantorovich, con el ánimo de crear un algoritmo capaz de solucionar
problemas de m restricciones y n variables.

2.2.1 ¿Qué es una matriz de identidad?


Es una matriz cuadrada (que posee el mismo número tanto de columnas como de filas)
de orden n que tiene todos los elementos diagonales iguales a uno (1) y todos los demás
componentes iguales a cero (0), se denomina matriz idéntica o identidad de orden n La
importancia de la teoría de matrices en el Método Simplex es fundamental, dado que el
algoritmo se basa en dicha teoría para la resolución de sus problemas.

7
2.2.2 Existen dos Variables:

2.2.2.1 Variable de Holgura y exceso.


Para ello hay que convertir estas inecuaciones en ecuaciones utilizando unas variables
denominadas de holgura y exceso relacionadas con el recurso al cual hace referencia la
restricción y que en el tabulado final representa el "Slack or surplus" al que hacen
referencia los famosos programas de resolución de investigación de operaciones, estas
variables adquieren un gran valor en el análisis de sensibilidad y juegan un rol
fundamental en la creación de la matriz identidad base del Simplex. Estas variables
suelen estar representadas por la letra "S", se suman si la restricción es de signo "<= " y
se restan si la restricción es de signo ">=".

2.2.2.2 Variable Artificial o Método de la M.-


Una variable artificial es un truco matemático para convertir inecuaciones ">=" en
ecuaciones, o cuando aparecen igualdades en el problema original, la característica
principal de estas variables es que no deben formar parte de la solución, dado que no
representan recursos. El objetivo fundamental de estas variables es la formación de la
matriz identidad. Esta variable se representa por la letra "A", siempre se suman a las
restricciones, su coeficiente es M (por esto se le denomina Método de la M grande,
donde M significa un número demasiado grande muy poco atractivo para la función
objetivo), y el signo en la función objetivo va en contra del sentido de la misma, es
decir, en problemas de Maximización su signo es menos (-) y en problemas de
Minimización su signo es (+), repetimos con el objetivo de que su valor en la solución
sea cero (0).

2.3 Análisis de sensibilidad


Llamaremos Análisis de Sensibilidad al estudio de la variación del óptimo de un PL
producto de modificaciones de ciertos parámetros como coeficientes de variables en la
función objetivo, coeficientes del lado derecho de restricciones, etc.

La idea general consiste en determinar rangos de variación de los parámetros del PL de


forma de mantener una cierta base Optima, teniendo en cuenta que una solución básica
es factible solo si todas las variables basales tienen un valor no negativo. Debido a que
el estudio de la variación simultanea de varios parámetros puede ser difícil, nos
centraremos en primer lugar en modificaciones de un parámetro a la vez manteniendo
los restantes fijos. Estudiaremos las siguientes posibilidades:

8
Cambio 1: Cambio del coeficiente en la función objetivo de una variable no básica.

Cambio 2: Cambio del coeficiente en la función objetivo de una variable básica.

Cambio 3: Cambio del coeficiente del lado derecho de una restricción.

Cambio 4: Incorporación de una nueva variable.

Cambio 5: Incorporación de una nueva restricción.

 Cambio del Coeficiente en la Función Objetivo de una Variable No Básica

Debido a que solo se está cambiando el coeficiente de una variable en la función


objetivo, la región factible del problema se ve inalterada, es decir, no se ve modificada
la factibilidad del óptimo actual. Solo puede ocurrir que la solución actual deje de ser la
óptima si c2 crece lo suficiente.

 Cambio del Coeficiente en la Función Objetivo de una Variable Básica

El estudio de variaciones en coeficientes en la función objetivo de variables básicas


sigue la misma lógica de la variación de coeficientes en la función objetivo de variables
no básicas. La idea es determinar cómo varían los cj − zj de todas variables y obtener a
partir de dichas modificaciones un rango en el cual la base se ve inalterada.
Evidentemente, una modificación de este tipo no afectada la región factible y sólo puede
cambiar la optimalizar de la solución actual si la variación es lo suficientemente
importante.

Para mantener la base óptima. En caso que la variación supere este rango cambiar la
combinación de variables en la base y el valor de la función objetivo. Si el valor de δ se
mantiene en el rango, las variables no cambian de valor y la nueva magnitud de la
función objetivo queda definida por:

Znueva = Zactual + x1 × δ

 Incorporación de una Nueva Restricción

La incorporación de una nueva restricción a un PL puede provenir no solo de cambios


en las hipótesis de formulación o bien de cambios en las condiciones de desarrollo de un
cierto proceso productivo, sino que también puede aparecer producto de la resolución
del problema con algunas condiciones especiales. Más adelante se estudiaran técnicas

9
para resolver problemas de PL con variables discretas basadas en la incorporación
sucesiva de nuevas restricciones a un problema.

En términos generales, pueden ocurrir dos situaciones al agregar una nueva restricción a
un problema:

 La solución óptima actual satisface la nueva restricción.


 La solución óptima actual no satisface la nueva restricción.

En el primer caso la solución del problema no se ve alterada, ya que la restricción no


modifica la región factible o al menos no excluye al punto extremo optimo actual. Hay
que tener claro que la incorporación de una nueva restricción no puede generar una
mejora de la función objetivo, en el mejor de los casos solo mantiene el óptimo ya que
la región factible corresponde a un subconjunto de la región factible original.

2.4 Trasporte
El problema del transporte o distribución, que se funda en la necesidad de llevar
unidades de un punto específico llamado fuente u origen hacia otro punto específico
llamado destino. Los principales objetivos de un modelo de transporte son la
satisfacción de todos los requerimientos establecidos por los destinos, y claro está, la
minimización de los costos relacionados con el plan determinado por las rutas
escogidas.

El contexto en el que se aplica el modelo de transporte es amplio y puede generar


soluciones atinentes al área de operaciones, inventario y asignación de elementos.

El procedimiento de resolución de un modelo de transporte se puede llevar a cabo


mediante, sin embargo su estructura permite la creación de múltiples alternativas
de solución tales como la

2.4.1 Método de la esquina noroeste


El método de la esquina Noroeste es un algoritmo heurístico capaz de
solucionar mediante la consecución de una solución básica inicial que satisfaga todas las
restricciones existentes, sin que esto implique que se alcance el costo óptimo total.

Este método tiene como ventaja frente a sus similares, la rapidez de su ejecución, y es
utilizado con mayor frecuencia en ejercicios donde el número de fuentes y destinos sea
muy elevado.

10
Su nombre se debe al génesis del algoritmo, el cual inicia en la ruta, celda o esquina
Noroeste. Es común encontrar gran variedad de métodos que se basen en la misma
metodología de la esquina Noroeste, dada que podemos encontrar de igual manera el
método e la esquina Noreste, Sureste o Suroeste.

Paso 1: En la celda seleccionada como esquina Noroeste se debe asignar la máxima


cantidad de unidades posibles, cantidad que se ve restringida ya sea por las restricciones
de oferta o de demanda. En este mismo paso se procede a ajustar la oferta y demanda de
la fila y columna afectada, restándole la cantidad asignada a la celda.

Paso 2: En este paso se procede a eliminar la fila o destino cuya oferta o demanda sea 0
después del "Paso 1", si dado el caso ambas son cero arbitrariamente se elige cual
eliminar y la restante se deja con demanda u oferta cero (0) según sea el caso.

Paso 3: Una vez en este paso existen dos posibilidades, la primera que quede un solo
renglón o columna, si este es el caso se ha llegado al final el método, "detenerse".

La segunda es que quede más de un renglón o columna, si este es el caso iniciar


nuevamente el "Paso 1".

2.4.2 Método del costo mínimo


El método del costo mínimo o método de los mínimos costos es un algoritmo
desarrollado con el objetivo de resolver, arrojando mejores resultados que métodos
como el de la, dado que se enfoca en las rutas que presentan menores costos.

El diagrama de flujo de este algoritmo es mucho más sencillo que los anteriores, dado
que se trata simplemente de la asignación de la mayor cantidad de unidades posibles
(sujeta a las restricciones de oferta y/o demanda) a la celda menos costosa de toda la
matriz hasta finalizar el método

Paso 1: De la matriz se elige la ruta (celda) menos costosa (en caso de un empate, este
se rompe arbitrariamente) y se le asigna la mayor cantidad de unidades posible, cantidad
que se ve restringida ya sea por las restricciones de oferta o de demanda. En este mismo
paso se procede a ajustar la oferta y demanda de la fila y columna afectada, restándole
la cantidad asignada a la celda.

11
Paso 2: En este paso se procede a eliminar la fila o destino cuya oferta o demanda sea 0
después del "Paso 1", si dado el caso ambas son cero arbitrariamente se elige cual
eliminar y la restante se deja con demanda u oferta cero (0) según sea el caso.

Paso 3: Una vez en este paso existen dos posibilidades, la primera que quede un solo
renglón o columna, si este es el caso se ha llegado al final el método, "detenerse".

La segunda es que quede más de un renglón o columna, si este es el caso iniciar


nuevamente el "Paso 1".

2.4.3 Método de Vogel


El método de aproximación de Vogel es un método heurístico de resolución de capaz
de alcanzar una solución básica no artificial de inicio, este modelo requiere de la
realización de un número generalmente mayor de iteraciones que los demás métodos
heurísticos existentes con este fin, sin embargo producen mejores resultados iniciales
que los mismos.

 Logaritmo De Vogel

El método consiste en la realización de un algoritmo que consta de 3 pasos


fundamentales y 1 más que asegura el ciclo hasta la culminación del método.

Paso 1: Determinar para cada fila y columna una medida de penalización restando los
dos costos menores en filas y columnas.

Paso 2: Escoger la fila o columna con la mayor penalización, es decir que de la resta
realizada en el "Paso 1" se debe escoger el número mayor. En caso de haber empate, se
debe escoger arbitrariamente (a juicio personal).

Paso 3: De la fila o columna de mayor penalización determinada en el paso anterior


debemos de escoger la celda con el menor costo, y en esta asignar la mayor cantidad
posible de unidades. Una vez se realiza este paso una oferta o demanda quedará
satisfecha por ende se tachará la fila o columna, en caso de empate solo se tachará 1, la
restante quedará con oferta o demanda igual a cero (0).

Paso 4: De Ciclo Y Excepciones

12
- Si queda sin tachar exactamente una fila o columna con cero oferta o demanda,
detenerse.

- Si queda sin tachar una fila o columna con oferta o demanda positiva, determine las
variables básicas en la fila o columna con el método de costos mínimos, detenerse.

- Si todas las filas y columnas que no se tacharon tienen cero oferta y demanda,
determine las variables básicas cero por el método del costo mínimo, detenerse.

- Si no se presenta ninguno de los casos anteriores vuelva al paso 1 hasta que las ofertas
y las demandas se hayan agotado.

2.5 Asignación

2.5.1 Método de húngaro

El problema de asignación es igual al problema de transporte, con la condición de que la


oferta y la demanda sean igual a uno, por lo que se transforma el problema de la
asignación en un caso particular, donde puedo tener realización de tareas, personas,
maquinas, vehículos, transportes, equipos, períodos de tiempo, todos ellos en una matriz
a la cual tengo que sacar la solución óptima o el “costo mínimo”, El problema de
asignación tiene que ver con la designación de tareas a empleados, de territorios a
vendedores, de contratos a postores o de trabajo a plantas, etc. En otras palabras, a la
disposición de algunos recursos (máquinas o personas) para la realización de ciertos
productos a “costo mínimo”. El método Húngaro es un método de optimización de
problemas de asignación, conocido como tal gracias a que los primeros aportes al
método clásico fueron de Dénes König y Jenő Egerváry dos matemáticos húngaros

Se ocupa de compaginar a los trabajadores (con diversas habilidades) con los trabajos.
Presumiblemente la variación de la habilidad afecta el costo de completar un trabajo. La
meta es determinar la asignación de costos mínimo de los trabajadores a los trabajos. El
problema de asignación tuvo su origen en la revolución industrial, ya que el surgimiento
de las máquinas hizo que fuera necesario asignar una tarea a un trabajador. Diferencias
entre el Modelo de Transporte y el de Asignación. Los problemas de asignación
presentan una estructura similar a los de transporte, pero con dos diferencias: asocian
igual número de orígenes con igual número de demandas y las ofertas en cada origen es

13
de valor uno, como lo es la demanda en cada destino. La restricción importante para
cada agente es que será asignado a una y solo una tarea. Taha Hamdy, A. (P.200_202).

Una descripción apropiada de lo que trata de lograr el modelo de asignación es: “La
mejor persona para el puesto” es una buena descripción del modelo de asignación. El
caso se puede ilustrar con la asignación de trabajadores de diversos niveles de
capacitación a los puestos. Un puesto que coincide con los conocimientos de un
trabajador cuesta menos que uno en que el trabajador no es tan hábil. El objetivo del
modelo es determinar la asignación óptima (de costo mínimo) de trabajadores a puestos.

 Algoritmo húngaro

Tener en cuenta los cinco pasos como mínimo para desarrollar un problema de
asignación mediante el método húngaro.

paso1: Antes que nada cabe recordar que el método húngaro trabaja en una matriz de
costos n*m (en este caso conocida como matriz m*m, dado que el número de filas es
igual al número de columnas n=m).

paso2: A continuación Construir una nueva matriz n*m, en la cual se consignarán los
valores resultantes de la diferencia entre cada costo y el valor mínimo de la fila a la cual
cada costo corresponde respectivamente (ósea el valor mínimo del primer paso).

paso3: Este paso consiste en realizar el mismo procedimiento de los dos pasos
anteriores referidos ahora a las columnas, es decir, se halla el valor mínimo de cada
columna, con la diferencia que este se halla de la matriz resultante en el segundo paso

paso4: luego se deben de trazar líneas horizontales o verticales o ambas con el objetivo
de cubrir todos los ceros de la matriz de costos reducidos con el menor número de líneas
posibles

paso5: Este paso consiste en encontrar el menor elemento de aquellos valores que no se
encuentran cubiertos por las líneas del paso 4, ahora se restará del restante de elementos
que no se encuentran cubiertos por las líneas.

14
III. APLICACIÓN

3.1 Método grafico


X1 X2
Disponibilidad
Característica 8hp 15hp
Motor pata corta 3 2 64
Motor pata larga 2.5 3 84
Motor pata extralarga 3 1 54
X1= Motores agrupados de potencia 8hp

X2= Motores agrupados de potencia 15hp.

 Función objetivo:

MAX (Z) = 1220 X1 + 1270 X2

 Restricciones físicas

3 X1 + 2 X2 ≤ 64

2.5 X1 + 3 X2 ≤ 84

3 X1 + 1 X2 ≤ 54

 Restricciones lógicas

X1, X2 ≥ 0

15
Punto Coordenada X (X1) Coordenada Y (X2) Valor de la función objetivo (Z)

C 6 23 36530
D 44 / 3 10 91780 / 3
E 0 28 35560
H 0 54 68580
I 18 0 21960

Max (z) = 1220x6+1270x23

X1=6; X2=23

MAX (Z)=36530 U$S

Para tener una ganancia máxima de 36530 U$S se deben vender la cantidad de 6
motores de 8hp y 23 motores de 15hp.

3.2 Método simplex


Pasamos el problema a la forma estándar, añadiendo variables de holgura, es según
corresponda

 Como la restricción 1 es del tipo '≤' se agrega la variable de holgura X3.


 Como la restricción 2 es del tipo '≤' se agrega la variable de holgura X4
 Como la restricción 3 es del tipo '≤' se agrega la variable de holgura X5.

MAX (Z) = 1220 X1 + 1270 X2 + 0 X3 + 0 X4 + 0 X5

Sujeto a

3 X1 + 2 X2 + 1 X3 = 64

2.5 X1 + 3 X2 + 0X3 1 X4 = 84

3 X1 + 1 X2 + 0X3 + 0X4 + 1 X5 = 54

X1, X2, X3, X4, X5 ≥ 0

3 2 1 0 0 64
2.5 3 1 0 84
3 1 0 0 1 54

La variable
17
Tabla 1 CJ 1220 1270 0 0 0
Ci Xk bi X1 X2 X3 X4 X5 Ratio
0 X3 64 3 2 1 0 0 32
0 X4 84 2.5 3 0 1 0 28
0 X5 54 3 1 0 0 1 54
ZJ 0 0 0 0 0 0
CJ-ZJ 1220 1270 0 0 0
que sale es X4 y la que entra es X2

Tabla 2 CJ 1220 1270 0 0 0


Ci Xk bi X1 X2 X3 X4 X5 Ratio
0 X3 8 4/3 0 1 -2/3 0 6
1270 X2 28 5/6 1 0 1/3 0 33.6
0 X5 26 13/6 0 0 -1/3 1 12
ZJ 35560 3175/3 1270 0 1270/3 0
CJ-ZJ 485/3 0 0 -1270/3 0
La variable que sale de la base es X3 y la que entra es P1.

Tabla 3 CJ 1220 1270 0 0 0


Ci Xk bi X1 X2 X3 X4 X5 Ratio
1220 X1 6 1 0 3/4 -1/2 0 --
1270 X2 23 0 1 -5/8 3/4 0 --
0 X5 13 0 0 -13/8 3/4 1 --
ZJ 36530 1220 1270 485/4 685/2 0
CJ-ZJ 0 0 -485/4 -685/2 0

La solución óptima es Z = 36530 U$S


X1=6 X2=23
Para tener una ganancia máxima de 36530 U$S se deben vender la cantidad de 6
motores de 8hp y 23 motores de 15hp.

3.3 Análisis de sensibilidad

18
Max (z)=1220X1+1270X2 Recta A:

Optimo (6; 23) 2.5𝑋1 + 3𝑋2 ≤ 84

X1=1220  Motores de 8hp 3𝑋2 = 84 − 2.5𝑋1

−2.5 𝑋1 −𝟐.𝟓
X2=1270  Motores de 15hp 𝑋2 = + 28 MA =
3 𝟑

Z= 36530 U$S
Recta B:
Max (z)=C1X1+C2X2 3𝑋1 + 2𝑋2 ≤ 64

MA≤MFO≤MB y=mx+b 2𝑋2 = 64 − 3𝑋1


M Pendiente de la recta. −3𝑋1 −𝟑
𝑋2 = + 32 MB =
2 𝟐
Z= C1X1+C2X2

𝑐1 𝑧 𝒄𝟏
𝑥2 = 𝑐2 + 𝑐2  Mfo =
𝒄𝟐
 Los motores 8hp y 15hp suben a un precio de 1230 U$S y baja 1260 U$S
respectivamente.

−3 −C1 −2.5 −3 −1220 −2.5


≤ ≤ ≤ ≤
2 1270 3 2 C2 3

−3810 −3175 −3 −1 −2.5


≤ −C1 ≤ ≤ ≤
2 3 2440 C2 3660

3175 3810 2.5 1 3


≤ C1 ≤ ≤ ≤
3 3 3660 C2 2440
2440 3660
𝟏𝟎𝟓𝟖. 𝟑 ≤ 𝐂𝟏 ≤ 𝟏𝟗𝟎𝟓 ≤ C2 ≤
3 2.5

𝟖𝟏𝟑. 𝟑𝟑 ≤ 𝐂𝟐 ≤ 𝟏𝟒𝟔𝟒

 Si es factible el costo1 porque sigue manteniendo la utilidad básica de la venta


de motores de 8hp de potencia, los costos pueden variar desde 1058.3 U$S hasta
1905 U$S.
 Si es factible el costo2 porque sigue manteniendo la utilidad básica de la venta
de motores de 15hp de potencia; los costos pueden variar desde 813.33 U$S
hasta 1464 U$S.

20
3.4 Método de la esquina noroeste
Problema. La empresa EDIPESA dispone de cuatro almacenes de motores fuera de
borda para barcos para enviar a cuatro tiendas dos en el cercado lima, la victoria y el
callao. Los almacenes 1, 2 y 3 pueden satisfacer 80, 30, 60 motores durante un mes. Las
necesidades de las tiendas de cercado de lima, cercado de lima, victoria y callao son de
50, 40, 50 y 30 motores al mes respectivamente.
Los costos de cada trasporte están en la siguiente tabla:

Almacenes c.lima c.lima callao victoria Disponibilidad


Almacén 1 10 0 20 11 80
Almacén 2 12 7 9 20 30
Almacén 3 0 14 16 18 60
Requerido 50 40 50 30

Solución:
Almacenes c.lima c.lima callao victoria Disponibilidad
10 0 20 11
Almacén 1 80 30
50 30
12 7 9 20
Almacén 2 30 20
10 20
0 14 16 18
Almacén 3 60 30
30 30
Requerido en las tiendas 50 40 10 50 30 30

Z= 50x10+30x0+10x7+20x9+30x1630x18

Z= 1770 US$

El costo mínimo de transportar los motores de los almacenes a cada una de las tiendas
es de 1770 US$.

21
3.5 Método del costo mínimo
Almacenes c.lima c.lima callao victoria Disponibilidad
10 0 20 11
Almacén 1 80 40 10
40 10 30
12 7 9 20
Almacén 2 30
30
0 14 16 18
Almacén 3 60 10
50 10
Requerido en las tiendas 50 40 50 20 10 30

Z= 50x0+40x0+10x20+30x9+10x16+30x11

Z= 960 US$
El costo mínimo de transportar los motores de los almacenes a cada una de las tiendas
es de 960 US$ como podemos el costo es menor así podemos utilizar este método para
tener un costo mínimo.

3.6 Método de Vogel


Almacenes c.lima c.lima callao victoria Disponibilidad P1 P2 P3 P4
10 0 20 11
Almacén 1 80 40 10 10 11 9 ---
40 10 30
12 7 9 20
Almacén 2 30 2 2 1 ----
30
0 14 16 18
Almacén 3 60 10 14 2 2 ----
50 10
Requerido 50 40 50 30
Penalización 1 10 7 7 7
P2 ------ 7 7 7
P3 ----- ----- 7 7
P4 -------- ------- 7 --------

Z= 50x0+40x0+10x20+30x9+10x16+30x11

Z= 960 US$

22
El costo mínimo de transportar los motores de los almacenes a cada una de las tiendas
es de 960 US$ como podemos el costo es menor así podemos utilizar este método de
costo mínimo o método de vogel para reducir nuestros costos.

3.7 Método de húngaro


Problema: La empresa dedicada a la comercialización de motores para lanchas y botes
necesita 5 empleados para el área de venta en diferentes zonas de lima. El costo de
realizar la tarea es en función de las habilidades de los trabajadores, teniendo en cuenta
que según el grado de habilidad de cada persona el costo de la tarea varia, debe
asignarse la tarea, al trabajador indicado con el objetivo de minimizar el costo total de la
jornada. Hallar el costo mínimo total de las tareas a realizar. En la siguiente tabla se
muestra los costos por hora respectivamente de cada tarea.

Número de Empleados(E) E1 E2 E3 E4 E5
Numero de Tareas (T) T1 T2 T3 T4 T5
3 8 2 10 3
Costo de la tarea en dólares US$ 8 7 2 9 7
6 4 2 7 5
8 4 2 3 5
9 10 6 9 10

Solución

Paso 1: Encontramos el menor elemento de cada fila

T1 T2 T3 T4 T5 Valor menor de la fila

E1 3 8 2 10 3 2

E2 8 7 2 9 7 2
E3 6 4 2 7 5 2

E4 8 4 2 3 5 2

E5 9 10 6 9 10 6

23
Paso 2: Construimos una nueva matriz con las diferencias entre los valores de la matriz
original y el elemento menor de la fila a la cual corresponde.

T1 T2 T3 T4 T5

E1 1 6 0 8 1 ((3-2)(8-2)(2-2)(10-2)(3-2))

E2 6 5 0 7 5 ((8-2)(7-2)(2-2)(9-2)(7-2))
E3 4 2 0 5 3 ((6-2)(4-2)(2-2)(7-2)(5-2))
E4 6 2 0 1 3 ((8-2)(4-2)(2-2)(3-2)(5-2))
E5 3 4 0 3 4 ((9-6)(10-6)(6-6)(9-6)(10-6))

Paso 3: Escoger el elemento menor de cada columna.

T1 T2 T3 T4 T5

E1 1 6 0 8 1

E2 6 5 0 7 5
E3 4 2 0 5 3
E4 6 2 0 1 3
E5 3 4 0 3 4
Valor mínimo de la columna 1 2 0 1 1

Paso 4: Igualmente construimos una nueva matriz con la diferencia entre los valores de
la matriz 2 y el elemento menor de la columna a la cual corresponde cada valor.

T1 T2 T3 T4 T5

E1 0 4 0 7 0 ((1-1)(6-2)(0-0)(8-1)(1-1))

E2 5 3 0 6 4 ((6-1)(5-2)(0-0)(7-1)(1-1))
E3 3 0 0 4 2 ((4-1)(2-2)(0-0)(5-1)(3-1))
E4 5 0 0 0 2 ((6-1)(2-2)(0-0)(1-1)(3-1))
E5 2 2 0 2 3 ((3-1)(4-2)(0-0)(3-1)(4-1))

24
Pasó 5: Luego de todos los datos que quedaron libres en el paso 4, elegir un elemento de
menor valor y luego restarlo a todos los que están libres, después sumarlo ese elemento
mínimo a todos los elementos que están intersectados.

T1 T2 T3 T4 T5

E1 0 4 0 7 0

E2 3 3 0 4 2
E3 1 0 0 2 0
E4 5 0 0 0 2
E5 0 2 0 0 1

Matriz de costos reducidos.


T1 T2 T3 T4 T5

E1 0 6 2 7 0 E1=T5

E2 3 3 0 4 2 E2=T3
E3 1 0 0 2 0 E3=T2
E4 5 2 2 0 2 E4=T4
E5 0 2 0 0 1 E5=T1

En conclusión: de la tabla original se obtiene el costo de cada tarea. Por ende la


asignación que representa el menor costo para realizar la tarea; determina que el E1
realice la tarea (T5), el E2 realice la tarea (T3), el E3 realice la tarea (T2), el E4 realice
la tarea (T4) y el E5 realice la tarea (T1), respectivamente. Entonces la tarea tendrá un
costo como mínimo de 18 dólares.

25
IV. CRITICAS

4.1 Criticas Destructivas. –


 La marca PARSUN no es una marca muy conocida por eso los clientes sienten
desconfianza al comprar el producto.
 Los motores son fabricados en China es por eso que también causan
desconfianza en los clientes.
 Por ser una marca nueva sus repuestos no son fáciles de conseguir, causando
incomodidad en los clientes.
 La aplicación de los métodos para resolución de cualquier índole de problemas
no es factible ya que muchos de estos métodos tienen restricciones, por lo cual
se debe tener dichos variables identificados y concretos.

4.2 Críticas Constructivas. –


 Los motores PARSUN por ser fabricados en China son muy económicos y Sus
repuestos son compatibles para otras marcas.
 Ya que EDIPESA importa estos motores el cliente tiene mejor accesibilidad para
poder comprarlos
 La investigación operativa es muy importante su aplicación ya que consiste en la
aplicación de métodos analíticos avanzados con el propósito de apoyar el
proceso de toma de decisiones, identificando los mejores cursos de acción
posibles.
 Investigación de Operaciones utiliza técnicas de modelamiento matemático,
análisis estadístico y optimización matemática, con el objetivo de alcanzar
soluciones óptimas o cercanas a ellas cuando se enfrentan problemas de decisión
complejos.

26
V. CONCLUSIONES
 Los método gráfico, simplex, costo noroeste, costo mínimo, aproximación de
vogel son métodos que se utilizan para maximizar las utilidades y minimizar los
costos en cualquier actividad.
 El método simplex es un método eficiente de la Programación Lineal es más
complicado de realizarlo pero es más confiable
 Método húngaro es el método más sencillo de aplicar para resolver un problema
de asignación el cual se ve constantemente en la vida diaria de los negocios, por
lo cual su aplicación es con la finalidad de buscar una ruta de distribución o una
asignación que optimizará algún objetivo, que los recursos se utilicen de forma
eficiente; éste puede ser la minimización del costo total y la minimización del
tiempo total involucrado.
 Aplicar el método grafico para los problemas con dos variables ya que es un
método de la investigación operativa más fácil de entender.

27
VI. REFERENCIAS BIBLIOGRAFICAS
 TAHA, HAMDY, A. (2012). Investigación de operaciones (ed. 9.).México:
Pearson Educación.
 Gonzales, Ariza, Á. (2003) manual práctico de investigación de operaciones
(ed. 3.). Colombia: Ediciones Uninorte.
 https://books.google.com.pe/books?id=sA1dSQko3PAC&printsec=frontcove
r&source=gbs_ge_summary_r&cad=0#v=onepage&q&f=false.
 www.ingenieriaindustrialonline.com
 https://es.slideshare.net/licmata/mtodo-grfico-sistemas-2x2

VII. ANEXOS

Los motores listos para su venta en la tienda de EDIPESA del cercado de lima.

28