ÍNDICE

Contenido
ÍNDICE .................................................................................................................... 1
I. DEFINICIONES Y TERMINOLOGÍA DE INVESTIGACIÓN DE OPERACIONES 2
II. MODELOS: DEFINICIÓN, DESARROLLO Y TIPOS ......................................... 5
III. PRINCIPALES APLICACIONES DE LA INVESTIGACIÓN DE OPERACIONES
................................................................................................................................ 7
IV. FASES DE ESTUDIO DE INVESTIGACIÓN DE OPERACIONES .................... 9
V. FORMULACIÓN DE PROBLEMAS LINEALES ............................................... 11
VI. MÉTODO GRÁFICO DE PROGRAMACIÓN LINEAL ..................................... 13
VII. ENFOQUE DIRECTO .................................................................................... 15
VIII. ENFOQUE INSUMO-PRODUCTO. .............................................................. 16
IX FORMULACIÓN DE PROBLEMAS LINEALES MÁS COMUNES ................ 19
X. CONCLUSIONES ............................................................................................. 21
BIBLIOGRAFÍAS .................................................................................................. 22
I. DEFINICIONES Y TERMINOLOGÍA DE INVESTIGACIÓN DE
OPERACIONES

La Investigación de Operaciones es una disciplina 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.

La 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. Se espera que las decisiones alcanzadas mediante el uso de un
modelo de investigación operativa sean significativamente mejores en
comparación a aquellas decisiones que se podrían tomar haciendo uso de la
simple intuición o experiencia del tomador de decisiones.

El enfoque de la Investigación de Operaciones es el modelaje. Un modelo es una

herramienta analítica que nos sirve para lograr una visión bien estructurada de la
realidad. Así, el propósito del modelo es proporcionar un medio para analizar el
comportamiento de las componentes de un sistema con el fin de optimizar su
desempeño.

ALGORITMOS: Conjunto finito bien definido de instrucciones para llevar a cabo

una determinada tarea que dado un estado inicial, terminará en un estado final
definido.

ANÁLISIS CUANTITATIVO: Técnica que aplica las matemáticas, especialmente el

cálculo estocástico, al ámbito de la economía y la Bolsa.

AUTOMATIZACIÓN: Se refiere al uso de sistemas o elementos computarizados y

electromecánicos para controlar maquinarias o procesos industriales.

BASE CUANTITATIVA: Esta es la habilidad de emplear técnicas presentadas

como métodos cuantitativos o investigación de operaciones, como pueden ser la
programación lineal, teoría de líneas de espera y modelos de inventarios.

2
CONDICIÓN DE NO NEGATIVIDAD: En la programación lineal las variables de
decisión sólo pueden tomar valores de cero a positivos. No se permiten valores
negativos.

EFICACIA: Consecución de objetivos; logro de los efectos deseados.

EFICIENCIA: Logro de los fines con la menor cantidad de recursos; el logro de

objetivos al menor costo u otras consecuencias no deseadas

ESTADO DE UN SISTEMA: Es el conjunto de variables necesarios para describir

el estatus del sistema en algún momento determinado.

GENERADOR DE NÚMEROS ALEATORIOS: Es un componente o funcionalidad

que crea números o símbolos para un programa software en una forma que
carezca de un patrón evidente, y que así parezcan ser números aleatorios.

MODELO DE SIMULACIÓN ESTÁTICO: Es una representación de un sistema en

un punto particular en el tiempo.

MODELO: Resultado del proceso de generar una representación abstracta,

conceptual, gráfica o visual.

NÚMERO ALEATORIO: Es un resultado de una variable al azar especificada por

una función de distribución. Cuando no se especifica ninguna distribución, se
presupone que se utiliza la distribución uniforme continua en el intervalo [0,1).En
los ordenadores personales es fácil simular la generación de números aleatorios,
mediante mecanismos de generación de números pseudoaleatorios.

NÚMERO PSEUDO-ALEATORIO: Es un número generado en un proceso que

parece producir números al azar, pero no lo hace realmente. Las secuencias de
números pseudo-aleatorios no muestran ningún patrón o regularidad aparente
desde un punto de vista estadístico, a pesar de haber sido generadas por un
algoritmo completamente determinista, en el que las mismas condiciones iníciales
producen siempre el mismo resultado.

3
SIMULACIÓN: Técnica que imita la operación de un sistema del mundo real a
medida que evoluciona con el tiempo; sin ser el sistema.

SISTEMA CONTINÚO: Es aquel en el que las variables de estado cambian de

forma continua con el tiempo.

SISTEMA DISCRETO: Es en el cual las variables de estado cambian solo en

puntos discretos o contables del tiempo.

SISTEMA: Es una colocación de entidades que actúan e interactúan hacia la

realización de algún fin lógico.

VARIABLE CONTINUA: Es la variable que puede adquirir cualquier valor dentro

de un intervalo especificado de valores. Por ejemplo la masa (2,3 kg, 2,4 kg, 2,5
kg, …), que solamente está limitado por la precisión del aparato medidor, en teoría
permiten que siempre exista un valor entre dos cualesquiera.

VARIABLE DISCRETA: Es la variable que presenta separaciones o interrupciones

en la escala de valores que puede tomar. Estas separaciones o interrupciones
indican la ausencia de valores entre los distintos valores específicos que la
variable pueda asumir. Ejemplo: El número de hijos (1, 2, 3, 4, 5).

VARIABLES CUALITATIVAS: aquellas que no aparecen en forma numérica, sino

como categorías o atributos (sexo, profesión, color de ojos) y sólo pueden ser
nominales u ordinales.

VARIABLES CUANTITATIVAS: Son las variables que se expresan mediante

cantidades numéricas. Las variables cuantitativas además pueden ser discretas y
continuas.

VARIABLES DE ESTADO: Son variables cuyos valores definen el estado de un

sistema en un instante determinado.

VARIABLES NOMINALES: lo único que puede hacerse es establecer frecuencias

en cada atributo y la igualdad o desigualdad entre los diferentes casos, ver cuál es

4
el grupo que tiene mayor frecuencia alcanzando el concepto de “moda” (y también
obtener algunas medidas de asociación cuando se relacionan variables entre sí).

VARIABLES ORDINALES: recogen la idea de orden pero no tiene sentido realizar

operaciones aritméticas con ellas ya que no puede medirse distancia entre una
categoría y otra. Se puede establecer aquí igualdad y desigualdad, y relaciones
como mayor que, y menor que. Puede establecerse orden, pero no medirse
distancia dentro de ese orden. La medida estadística de tendencia central más
apropiada para estas escalas es la “mediana”.

II. MODELOS: DEFINICIÓN, DESARROLLO Y TIPOS

Es una representación ideal de un sistema real y de la forma cómo opera. Un

modelo es una abstracción selectiva de la realidad.

Es una representación o abstracción de una situación u objeto real, que muestra

las relaciones y las interrelaciones de la acción y la reacción en términos de causa
y efecto.

El objetivo de un modelo es poder predecir su comportamiento en un futuro.

Existen diversos tipos de clasificaciones en los modelos, pero los más destacados
son:

MODELO ICÓNICO: La relación de correspondencia se establece a través de las

propiedades morfológicas, habitualmente un cambio de escala con conservación
del resto de las propiedades.

En un modelo icónico se conservan las proporciones del objeto real mediante una
reducción de escala y una selección de las propiedades representadas.

Ejemplo:

•Planos y mapas (dos dimensiones).

5
•Maquetas y prototipos (4 dimensiones).

MODELO ANALÓGICO: Pueden representar las características y propiedades del

acontecimiento que se estudia. Se construyen mediante un conjunto de
convenciones que sintetizan y codifican propiedades del objeto real para facilitar la
"lectura" o interpretación de las mismas.

Ejemplo:

•Curvas de demanda.

•Un mapa impreso

MODELO SIMBÓLICO O MATEMÁTICO: Son representaciones de la realidad en

forma de cifras, símbolos matemáticos y funciones, para representar variables de
decisión y relaciones que nos permiten describir y analizar el comportamiento del
sistema.

Ejemplo:

•La representación de un edificio mediante la identificación y codificación en una

estructura geométrica de sus elementos básicos.

El modelo matemático también se divide en:

1. Cuantitativos y cualitativos: El cuantitativo mide los hechos sociales valiéndose

de los números, considerándose que todo puede observarse, registrarse y medirse
denotativamente. El cualitativo se basa en el análisis e interpretación subjetiva de
los mismos a partir del discurso.

2. Estándares y hechos a la medida: Los estándares son aquellos que solo hay
que insertar o sustituir diferentes valores con el fin de obtener un valor a una
respuesta de un sistema. Se llaman modelos hechos a la medida cuando se crean
modelos para resolver un caso de problema en específico que se ajusta
únicamente a este problema.

6
3. Probabilísticas y determinísticos: El probabilístico es aquel que quiere asociar
un valor de probabilidad a cada punto del espacio muestral. Los modelos que no
tienen consideraciones probabilísticas se llaman determinísticos.

4. Descriptivos y de optimización: Los descriptivos pretenden predecir qué sucede

en una situación concreta dada. La optimización sirve para determinar el punto
exacto para resolver alguna problemática administrativa, de producción, o
cualquier otra situación.

5. Estáticos y dinámicos: Los modelos estáticos se ocupan de determinar una

respuesta para una serie especial de condiciones fijas que probablemente no
cambiarán significativamente a corto plazo. Un modelo dinámico por el contrario
está sujeto al factor tiempo que desempeña un papel esencial en la secuencia de
las decisiones, independientemente de cuales hayan sido las decisiones
anteriores.

6. De simulación y no simulación: En un modelo de simulación los datos de

entrada pueden ser reales o generados en forma aleatoria. Los modelos que no se
prestan para usar datos empíricos o simulados en forma aleatoria son modelos no
simulados.

III. PRINCIPALES APLICACIONES DE LA INVESTIGACIÓN DE

OPERACIONES

La Investigación de Operaciones hace uso de modelos matemáticos con el

objetivo que las decisiones que éstos nos proveen sean significativamente
mejores en comparación a aquellas decisiones que se toman con una base
cualitativa.

Las áreas en que podemos aplicar la Investigación de operaciones pueden ser

diversas, pero se concentra principalmente en:

7
Área personal: La automatización y la disminución de costos, reclutamiento de
personal, clasificación asignación a tareas de mejor actuación e incentivos a la
producción.

Modelos de inventarios: Estos existen debido al hecho de que no hay una

respuesta inmediata de los suministros por parte de los proveedores, que
garanticen una dinámica estable

Mercado y distribución: El desarrollo e introducción de producto, envasado,

predicción de la demanda y actividad competidora, localización de bodegas y
centros distribuidores.

Teoría de redes: permite la resolución de múltiples problemas de programación

matemática mediante la implementación de algoritmos especiales creados para tal
fin.

Compras y materiales: Las cantidades y fuentes de suministro, costos fijos y

variables, sustitución de materiales, reemplazo de equipo, comprar o rentar.

Manufactura: La planeación y control de la producción, mezclas óptimas de

manufactura, ubicación y tamaño de planta, el tráfico de materiales y el control de
calidad.

Finanzas y contabilidad: Los análisis de flujo efectivo, capital requerido de largo

plazo, inversiones alternas, muestreo para la seguridad en auditorias y
reclamaciones.

Pronósticos: Es la predicción de lo que sucederá con un elemento determinado

dentro del marco de un conjunto dado de condiciones.

Planeación: Con los metodos PERT para el control de avance de cualquier

proyecto con múltiples actividades, tanto simultaneas como las que deban esperar
para ejecutarse.

8
IV. FASES DE ESTUDIO DE INVESTIGACIÓN DE OPERACIONES

Un estudio de investigación de operaciones se basa en la labor de equipo, donde

los analistas de investigación de operaciones y el cliente trabajan en conjunto. Los
analistas, con sus conocimientos de modelado, deben complementarse con la
experiencia y la cooperación del cliente para quien hacen el estudio.

Como herramienta de toma de decisiones, la investigación de operaciones es una

ciencia y un arte. Es una ciencia por las técnicas matemáticas que presenta, y es
un arte porque el éxito de todas las fases que anteceden y siguen a la resolución
del modelo matemático depende mucho de la creatividad y la experiencia del
equipo de investigación de operaciones.

Las fases principales de la implementación de la investigación de operaciones en

la práctica comprenden:

1. La definición del problema.

2. La construcción del modelo.

3. La solución del modelo.

4. La validación del modelo.

5. La implementación de la solución

La definición del problema implica definir el alcance del problema que se investiga.
Es una función que se debe hacer entre todo el equipo de investigación de
operaciones. Su resultado final será identificar tres elementos principales del
problema de decisión, que son: 1) la descripción de las alternativas de decisión; 2)
la determinación del objetivo del estudio, y 3) la especificación de las limitaciones
bajo las cuales funciona el sistema modelado.

La construcción del modelo implica traducir la definición del problema a relaciones

matemáticas. Si el modelo que resulte se ajusta a uno de los modelos
matemáticos normales, como puede ser la programación lineal, se puede llegar a

9
una solución empleando los algoritmos disponibles. En forma alternativa, si las
relaciones matemáticas son demasiado complejas como para permitir el cálculo de
una solución analítica, puede ser que el equipo de investigación de operaciones
opte por simplificar el modelo y usar un método heurístico, o que el equipo pueda
recurrir al uso de una simulación, si es aproximada. En algunos casos se podrá
necesitar una combinación de modelos matemáticos, de simulación y heurísticos
para resolver el problema de decisiones. (Se conoce como heurística al conjunto
de técnicas o métodos para resolver un problema)

La solución del modelo supone el uso de algoritmos bien definidos de

optimización. Un aspecto importante de la fase de solución del modelo es el
análisis de sensibilidad. Tiene que ver con la obtención de información adicional
sobre el comportamiento de la solución óptima cuando el modelo sufre ciertos
cambios de parámetros. Se necesita en especial el análisis de sensibilidad cuando
no se pueden estimar con exactitud los parámetros del modelo. En esos casos es
importante estudiar el comportamiento de la solución óptima en las proximidades
de los parámetros estimados.

La validación del modelo comprueba si el modelo propuesto hace lo que se quiere

que haga. Desde el lado formal, un método frecuente para comprobar la validez de
un modelo es comparar su resultado con datos históricos. El modelo es válido si,
bajo condiciones de datos semejantes, reproduce el funcionamiento en el pasado.

Sin embargo, en general no hay seguridad de que el funcionamiento en el futuro

continúe reproduciendo los datos del pasado. También, como el modelo se suele
basar en un examen cuidadoso de los datos históricos, la comparación propuesta
debería ser favorable. Si el modelo propuesto representa un sistema nuevo, no
existente, no habrá datos históricos para las comparaciones. En esos casos se
podrá recurrir a una simulación, como herramienta independiente para verificar los
resultados del modelo matemático.

La implementación de la solución de un modelo validado implica la traducción de

los resultados a instrucciones de operación, emitidas en forma comprensible para

10
las personas que administrarán al sistema recomendado. La carga de esta tarea la
lleva principalmente el equipo de investigación de operaciones.

V. FORMULACIÓN DE PROBLEMAS LINEALES

Los principales elementos de un modelo de programación lineal son:

 Las variables o incógnitas

 La función objetivo
 Las restricciones

La característica distintiva de los modelos de programación lineal es que las

funciones que representan el objetivo y las restricciones son lineales.

Los problemas de optimización se formulan muy a menudo verbalmente, para

poder llegar a una solución se requiere un planteamiento matemático. El
procedimiento consiste en los siguientes pasos:

Paso 1: Identificar las variables de entrada, esto generalmente está en función de

la pregunta del problema.

Paso 2: Determinar la cantidad que desea optimizarse y exprésese

matemáticamente. a la ecuación resultante se le llama función objetivo.

Paso 3: Identificar todos los requerimientos, restricciones o limitaciones y

expresarse algebraicamente. a estas ecuaciones se les llama conjunto de
restricciones.

Paso 4: Expresar todas las condiciones ocultas, es decir, aquellas que el

enunciado no mencione, pero son obvias debido a la naturaleza del problema.

Ejercicio:
Un negocio se dedica a fabricar baleros y matracas, fabricar cada uno ofrece una
ganancia en ventas pero consume recursos como se muestra en la siguiente tabla:

11
Proceso Consumo de recursos por cada unidad Tiempo disponible
fabricada en cada proceso
Baleros Matracas
Corte 2 4 240
Ensamble 2 2 180
Ganancia unitaria 100 160

El dueño del negocio desea saber cuántos baleros y matracas fabricar para
obtener la máxima ganancia con los recursos disponibles.

Solución: Se requiere plantear los siguientes elementos

Variables de decisión: Cantidad fabricada de

X1 = Baleros

X2 = Matracas

Función objetivo: Maximizar la ganancia

Z= $100 X1 + $160 X2

Restricciones:

Proceso Consumo Relación Disponible

Corte 2X1 + 4X2  240
Ensamble 2X1 + 2X2  180

12
VI. MÉTODO GRÁFICO DE PROGRAMACIÓN LINEAL

El Método Gráfico (resolución gráfica) constituye una excelente alternativa de

representación y resolución de modelos de Programación Lineal que tienen 2
variables de decisión. Para estos efectos existen herramientas computacionales
que facilitan la aplicación del método gráfico como los softwares TORA, IOR
Tutorial y Geogebra.

La definición correcta de las variables de decisión es un primer paso esencial en el

desarrollo del modelo. Una vez hecha, la tarea de construir la función objetivo y las
restricciones se hace en forma más directa.

El procedimiento de solución gráfica comprende dos pasos:

1. Determinación del espacio de soluciones que define todas las soluciones

factibles del modelo.

2. Determinación de la solución óptima, entre todos los puntos factibles del

espacio de soluciones.

Ejercicio:

Reddy Mikks produce pinturas para interiores y exteriores, M1 y M2. La tabla

siguiente proporciona los datos básicos del problema.

Ton de materia prima de

Pinturas para Pintura para Disponibilidad
exteriores interiores máxima (Ton)
Materia prima M1 6 4 24
Materia prima M2 1 2 6
Utilidad por Ton 5
(miles $)

Una encuesta de mercado indica que la demanda diaria de pintura para interiores
no puede ser mayor que 1 tonelada más que la de pintura para exteriores.
También, que la demanda máxima diaria de pintura para interiores es de 2

13
toneladas. Reddy Mikks desea determinar la mezcla óptima (la mejor) de
productos para exteriores y para interiores que maximice la utilidad diaria total. El
modelo de programación lineal, como en cualquier modelo de investigación de
operaciones, tiene tres componentes básicos.

 Las variables de decisión que se trata de determinar.

 El objetivo (la meta) que se trata de optimizar.
 Las restricciones que se deben satisfacer.

Para el problema de Reddy Mikks, se necesita determinar las cantidades a

producir de pinturas para exteriores e interiores. Así, las variables del modelo se
definen como sigue:

x1 = Toneladas producidas diariamente, de pintura para exteriores

x2 = Toneladas producidas diariamente, de pintura para interiores

Para formar la función objetivo, la empresa desea aumentar sus utilidades todo lo
posible. Si z representa la utilidad diaria total (en miles de dólares), el objetivo de
la empresa se expresa así:

Maximizar z = 5x1 + 4x2

A continuación se definen las restricciones que limitan el uso de las materias

primas y la demanda. Las restricciones en materias primas se expresan
verbalmente como sigue:

Según los datos del problema

 Uso de la materia prima M1, por día = 6x1 + 4x2 toneladas

 Uso de la materia prima M2, por día = 1x1 + 2x2 tonelada

Ya que la disponibilidad de las materias primas M1 y M2 se limita a 24 y 6

toneladas, respectivamente, las restricciones correspondientes se expresan como
sigue:

14
6x1 + 4x2 ≤ 24 (Materia prima M1)

x1 + 2x2 ≤ 6 (Materia prima M2

El procedimiento de solución gráfica comprende dos pasos:

1. Determinación del espacio de soluciones que define todas las soluciones

factibles del modelo.

2. Determinación de la solución óptima, entre todos los puntos factibles del

espacio de soluciones.

VII. ENFOQUE DIRECTO

Para determinar una solución óptima mediante un enfoque directo se pueden

utilizar el método gráfico o modelo matemático basado en computadora.

El método gráfico es un procedimiento de solución de problemas de programación

lineal que trabaja con dos dimensiones con máximo, este consiste en representar
cada una de las restricciones y encontrar en la medida de lo posible el polígono
factible, comúnmente llamado el conjunto solución o región factible, en el cual por

15
razones trigonométricas en uno de sus vértices se encuentra la mejor respuesta
(solución óptima).

Cuando en el problema interviene más de dos dimensiones es adecuado utilizar

un modelo matemático apoyado con algún software, ya sea específico o general.

VIII. ENFOQUE INSUMO-PRODUCTO.

Uno de los objetivos principales para el futuro es lograr una economía dinámica y
diversificada con un mercado interno desarrollado e integrada competitivamente al
mundo. Se necesita conocer: ¿Cuáles son las actividades económicas
generadoras de empleo?, ¿en qué actividades se remunera mejor?, ¿Qué
sectores son los más productivos?, ¿A dónde se destinan las importaciones?, ¿En
qué lugar se ubican los cuellos de botella para el crecimiento?, entre otros temas
claves.

A estas preguntas se puede dar respuesta a través del instrumento denominado

Tabla Insumo-Producto (TIP), o matriz insumo producto (MIP), para priorizar
proyectos de inversión pública y privada de manera coherente con el desarrollo del
mercado interno, el comercio exterior y la competitividad en los mercados.

Pero además la TIP puede apoyar el análisis de la estructura productiva del país y
la elaboración de las cuentas nacionales, de las proyecciones y el diseño de
políticas económicas.

MATRIZ INSUMO-PRODUCTO (MIP)

Representación
ordenada en forma
Sectores de la
matricial
economía
Utilización
de bienes
EQUILIBRIO y servicios EN UN
¿QUÉ ES?

Periodo
Oferta
determinado
Cuadro de cuentas de
doble entrada
16
Ejercicio:
Se presenta la siguiente tabla:

Insumo A Insumo B Demanda final Producción total

Producción A 50 200 9 259
Producción B 100 20 18 138
Insumos 10 15
primarios
Insumos 160 235
totales

A= Envases y plásticos de la región

B= Multinacional de las bebidas azucaradas

Si en un año la demanda para A es de 100 y la de B es de 200. ¿Cuánto deben

producir A y B para suplir la demanda?

Solución:

Paso 1.- La fórmula utilizada para la producción total será la siguiente:

Producción total = Unidades consumidas por A+ Unidades consumidas por B +

Demanda

Para poder resolver la formula ya planteada, se escribirá el siguiente sistema de

ecuaciones.

Producción total de A= 50/160 x1 + 200/235 x2 + 100

Producción total de B= 100/160 x1+ 20/235 x2+ 200

Paso 2.- Se procede a transformar el sistema de ecuaciones en una matriz.

50 200
0.31 0.85
𝐴 = [160
100
235
20 ] 𝐴= [ ]
0.62 0.08
160 235

Paso 3.- La producción es igual a la inversa de la matriz identidad menos la matriz

de A multiplicada por la matriz de la demanda; es decir:

X= ( I – A )-1 D

1 0 0.31 0.85 -1 100

𝑥 = [( )−( )] [ ]
0 1 0.62 0.08 200

17
 0.69 −0.85 -1 100
𝑥=[ ] [ ]
−0.62 0.92 200

Para sacar la inversa debemos recordar que la fórmula es la siguiente:

𝑎 𝑏 -1 1 𝑑 −𝑏
[ ] = 𝑎 𝑏 [ ]
𝑐 𝑑 det[
𝑐 𝑑
] −𝑐 𝑎

Primeramente, procederemos a encontrar el valor de la inversa:

0.69 −0.85 -1 1 0.92 −(−0.85)

𝑥=[ ] = 0.69 −0.85 [ ]
−0.62 0.92 det[ ] −(−0.62) 0.69
−0.62 0.92

0.69 −0.85 -1 1 0.92 0.85

𝑥=[ ] = [(0.69)(0.92)−(−0.85)(−0.62)] [ ]
−0.62 0.92 0.62 0.69
0.69 −0.85 -1 1 0.92 0.85
𝑥=[ ] = 0.1078 [ ]
−0.62 0.92 0.62 0.69
1 1
0.69 −0.85 -1 0.1078 (0.92) 0.1078
(0.85) 8.53 7.88
𝑥=[ ] =[ 1 1 ]=[ ]
−0.62 0.92 (0.62) (0.69) 5.75 6.4
0.1078 0.1078

Ahora ya podemos realizar la multiplicación de matrices

8.53 7.88 100 (8.53)(100) + (7.88)(200) 2429

X= [ ][ ]= [ ]=[ ]
5.75 6.4 200 (5.75)(100) + (6.4)(200) 1855

Esto va a representar las producciones de A y B. Es decir:

Producción de A= 2429

Producciónde B= 1855

Paso 4.- En este paso calcularemos los insumos primarios por medios de las
siguientes fórmulas:
𝐼𝑛𝑠𝑢𝑚𝑜𝑠 𝑃𝑟𝑖𝑚𝑎𝑟𝑖𝑜𝑠 𝑑𝑒 𝐴 𝐼𝑛𝑠𝑢𝑚𝑜𝑠 𝑃𝑟𝑖𝑚𝑎𝑟𝑖𝑜𝑠 𝑑𝑒 𝐵
y
𝑃𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝐴 𝑃𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝐵

Sustituyendo los valores, obtenemos los siguientes resultados

10 15
= 0.03 y = 0.10
259 138

18
Paso 5.- Finalmente podemos identificar cuanto van a subir los insumos primarios
para la siguiente demanda.

Por medio de las siguientes fórmulas:

𝐼𝑛𝑠𝑢𝑚𝑜𝑠 𝑃𝑟𝑖𝑚𝑎𝑟𝑖𝑜𝑠 𝑑𝑒 𝐴
𝑃𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝐴 . y
𝑃𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝐴
𝐼𝑛𝑠𝑢𝑚𝑜𝑠 𝑃𝑟𝑖𝑚𝑎𝑟𝑖𝑜𝑠 𝑑𝑒 𝐵
𝑃𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝐵 . 𝑃𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝐵

Sustituyendo los valores en las fórmulas obtenemos los siguientes resultados:

(2429)(0.03)= 72.87 para A y (1855)(0.10)= 185.5 para B

IX FORMULACIÓN DE PROBLEMAS LINEALES MÁS

COMUNES

Ejercicio:
Un fabricante de muebles tiene 6 unidades de madera y 28 horas disponibles,
durante las cuales fabricara biombos decorativos. Con anterioridad se han vendido
bien 2 modelos de tal manera que se limitara a producir solo 2 tipos. Estima que el
modelo 1 requiere 2 unidades de madera y 7 horas de tiempo, mientras que el
modelo 2 requiere 1 unidad de madera y 8 horas de tiempo disponible. Los precios
de los modelos son $120 y $ 80 respectivamente. Cuantos biombos de cada
modelo se debe fabricar si se desea maximizar sus ingresos de ventas:

Madera Tiempo costo Ecuación $ función objetivo:

disponible
Biombo 1 2 7 120 Z=120x1+80x2
X1
Biombo 2 1 8 80 2x1+x2<=6……madera
X2
7x1+8x2<=28…Tiempo D
Total 6 28

Una compañía de auditores se especializa en preparar liquidaciones y auditorías

de empresas pequeñas. Tienen interés en saber cuántas auditorías y liquidaciones
pueden realizar mensualmente para maximizar sus ingresos. Se dispone de 800

19
horas de trabajo directo y 320 horas para revisión. Una auditoría en promedio
requiere de 40 horas de trabajo directo y 10 horas de revisión, además aporta un
ingreso de 300 dólares. Una liquidación de impuestos requiere de 8 horas de
trabajo directo y de 5 horas de revisión, produce un ingreso de 100 dólares. El
máximo de liquidaciones mensuales disponibles es de 60.

Objetivo: Maximizar el ingreso total

Variable de decisión:

X1= Cantidad de auditorías

X2= Cantidad de liquidaciones

Maximizar: Z = 300x1 + 100x2

Sujeto a:

400x1 + 8x2 ≤ 800

100x1 + 5x2 ≤ 320

x2 ≤ 60

x1 , x2 ≥ 0

La solución óptima siempre se encuentra en uno de los vértices del conjunto de

soluciones factibles. Se analizan estos valores en la función objetivo. El vértice
que representa el mejor valor de la función objetivo será la solución óptima.

(0,60)𝑍 = 300(0) + 100(60) = $6000.00

(2,60)𝑍 = 300(12) + 100(60) = $6600.00

(12,40)𝑍 = 300(12) + 100(40) = $7600.00

(20,0)𝑍 = 3000(20) + 100(0) = $6000.00

20
(0,0)𝑍 = 3000(0) + 100(0) = $0.00

La solución es:

X1= 12 auditorías

X2= 40 liquidaciones

Z= $7600.00

X. CONCLUSIONES

En esta investigación aprendimos que se puede elegir entre distintos métodos

para realizar una misma actividad, al fin de llegar al mismo objetivo.

Es muy importante hacer un análisis de manera más profunda, por lo cual se

necesitan utilizar diversas estrategias para poder obtener el resultado esperado.

Se necesitan conocimientos previos para darle solución a determinados

problemas, como el álgebra lineal y nuestra capacidad de desarrollar estrategias
con los métodos que tenemos a nuestro alcance. Es muy interesante el conocer
nuevos softwares, programas o métodos para la realización de actividades que
considerábamos tenían una única solución.

Conforme vayamos avanzando en el curso, esperamos obtener bastos

conocimientos que nos ayuden en nuestra formación como futuros ingenieros
industriales.

21
BIBLIOGRAFÍAS

Rodríguez. (2012). Programación lineal. Febrero, 2, 2019, de Geo tutoriales Sitio

web: https://www.gestiondeoperaciones.net/programacion_lineal/que-es-la-
investigacion-de-operaciones/

Salazar, B. (2004). INVESTIGACIÓN DE OPERACIONES. Febrero, 3, 2019, de

gestión de proyectos Sitio web:
https://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-
industrial/investigaci%C3%B3n-de-operaciones/

Bedoña, M. (2010). Glosario de investigación. Febrero, 3,2019, de Educador Sitio

web: https://es.slideshare.net/d1305/glosario-de-investigacin-de-operaciones

Morales, J. (2010). Conceptos Básicos. Febrero 3, 2019, de Wordpress Sitio web:

https://angelux07.wordpress.com/investigacion-de-operaciones/

Hernández, G. (2011). Tipos de Modelos en Investigación de Operaciones.

Febrero 2, 2019, de Uaeh Sitio web:
https://www.uaeh.edu.mx/docencia/P_Presentaciones/huejutla/sistemas/investigac
ion_operaciones/modelos.pdf

Anónimo. (2011). Modelos de la Investigación de Operaciones. Febrero 3, 2019,

de Wordpress Sitio web: https://invdeop.wordpress.com/2011/04/07/modelos-de-
la-investigacion-de-operaciones/

Principales aplicaciones de la IO. Febrero 3, 2019, de sites.google Sitio web:

https://sites.google.com/site/io4in4/home/principales-aplicaciones-de-la-io

Hamdy A. Taha. (2004). Investigación de operaciones. Mexico: Prentice Hall

Método Simplex. ., de INGENIERIAINDUSTRIALONLINE.COM Sitio web:

https://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-
industrial/investigaci%C3%B3n-de-operaciones/m%C3%A9todo-simplex/

Modelo de Asignación. ., de . Sitio web:

https://proyectoinvestigacionoperaciones.wordpress.com/2016/11/09/primera-
entrada-del-blog/

Canon, E.. (2018). Metodo insumo producto. Febrero 3, 2018, de Youtube Sitio
web: https://www.youtube.com/watch?v=650qmBt3Tt0

Ruiz, M. (2011). Plantear modelos de Programacion Lineal EJEMPLO 1. Febrero

3, 2019, de Youtube Sitio web: https://www.youtube.com/watch?v=ytiq74ALnUQ

22