Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INVESTIGACIÓN OPERATIVA
ELABORADO POR:
NIVEL:
CUARTO
ABRIL - AGOSTO/2017
1
ÍNDICE
TEMA PÁGINA
Carátula………………………………………………………………………………… 1
Índice……………………………………………………………………………………. 2
Introducción…………………………………………………………………………. 3
Evolución……………………………………………………………………………… 3
Fases…………………………………………………………………………………….. 4
Conceptos básicos…………………………………………………………………. 8
Requisitos……………………………………………………………………………….. 10
Ejercicios resueltos………………………………………………………………….. 12
Análisis de sensibilidad…………………………………………………………….. 22
Autoevaluación………………………………………………………………………… 55
Ejercicios propuestos………………………………………………………………… 58
Procedimiento…………………………………………………………………………… 60
Resolución…………………………………………………………………………………. 61
Ejercicios resueltos……………………………………………………………………. 64
Ejercicios propuestos…………………………………………………………………. 69
2
Bibliografía……………………………………………………………………………….. 71
3
INVESTIGACIÓN OPERATIVA
INTRODUCCIÓN
Nace como una estrategia militar para que los barcos lleguen a su destino. Al inicio
de la segunda guerra mundial los mandos militares pidieron ayuda a un grupo de
científicos en diferentes áreas para resolver problemas estratégicos y tácticos.
Estos fueron los primeros equipos de investigación operativa procedentes de
4
diferentes disciplinas en donde surgieron 3 elementos básicos para una operación
de ataque militar:
1) Formulación de Problema
4) Prueba de la solución
5
FORMULACION DEL PROBLEMA:
1. Modelos icónicos (en dos dimensiones: planos, fotos, mapas, etc.; en tres
dimensiones: maquetas).
2. Modelos analógicos (curvas de demanda, gráficos de distribución de
frecuencias, diagramas de flujo, entre otros)
3. Modelos simbólicos o matemáticos (ecuaciones, inecuaciones, entre otros)
PRUEBA DE LA SOLUCIÓN:
6
ESTABLECIMIENTO DE CONTROLES SOBRE LA SOLUCIÓN:
7
PROGRAMACIÓN LINEAL
8
Es una fase de modelos de programación destinados a la asignación eficiente de los
recursos limitados con el objeto de satisfacer las metas deseadas (maximizar
utilidades, maximizar producción, minimizar costos, minimizar tiempos, entre
otros).
9
Además al concluir este tema satisfactoriamente, usted será capaz de:
Ejemplo:
H 3 pies M
M 2 pies
Cuando M = 0
3H 0 = 120
H = 40
H
40
10
DIVISIBILIDAD.- Los procesos pueden utilizarse en extensiones positivas
divisibles mientras se disponga de recursos.
Simplificar
10000000 X 10X
5000000 Y 5Y
300000000 300
Incrementar
0,01 x 100 1
0,00005 x 100000 5
1 x 1000 1000
2𝑋1 + 1𝑋2 ≤ 10
ALGORITMOS O ITERACIONES
ALGORITMOS O ITERACIONES
11
La programación lineal utiliza métodos mediante operaciones sucesivas,
ensayos, intentos en los cuales se determinan pasos o etapas hasta llegar al
objetivo deseado.
1) Función Objetivo
Donde: C1, C2, C3, Cn, son los coeficientes de la función objetivo, que pueden
ser: márgenes de utilidad, precios, costos, satisfacción, audiencia, entre
otros.
Donde: X1, X2, X3, Xn, son las variables que intervienen en el problema, es
decir lo que queremos lograr o lo que vamos a calcular.
2) Limitaciones o Restricciones
12
producción, tecnológicos, de transporte, entre otros, según sea el caso de
estudio.
FILA
𝐴 1 1 𝑋1 + 𝐴 12 𝑋2 + 𝐴13 𝑋3 … . . +𝐴1 𝑛 𝑋𝑛 𝑇1 𝑏1
COLUMNA
𝐴2 1 𝑋1 + 𝐴 22 𝑋2 + 𝐴23 𝑋3 … . . +𝐴2𝑛 𝑋𝑛 𝑇2 𝑏2
𝐴𝑚 1 𝑋1 + 𝐴 𝑚2 𝑋2 + 𝐴𝑚3 𝑋3 … . . +𝐴𝑚𝑛 𝑋𝑛 𝑇𝑚 𝑏𝑚
En donde:
𝐴11, 𝐴12, 𝐴13, . . , 𝐴𝑚𝑛 Son los coeficientes técnicos de las restricciones de
problema.
, , , ,
sucesivas:
13
- Solución factible.- Es aquella que satisface las limitaciones y restricciones
punto óptimo).
EJERCICIO
Electrolux produce dos tipos de motores eléctricos, cada uno en una línea de
ensamble separado. Las respectivas capacidades diarias de las dos líneas son 600 y
750 motores. El motor tipo 1 emplea 10 unidades de cierto componente
electrónico y el motor tipo 2 solo utiliza 8 unidades de componente electrónico. El
proveedor de los componentes electrónicos puede proporcionar 8000 piezas al
día. Las utilidades por motor para los tipos 1 y 2 son de 60 y 40 dólares,
respectivamente. Determine la mezcla óptima para la producción diaria.
Motor tipo 1= X1
Motor tipo 2= X2
FUNCIÓN OBJETIVO
RESTRICCIONES O LIMITACIONES
VARIABLES DE NO NEGATIVIDAD
X1, X2 0
SOLUCIÓN GRÁFICA
INTERPRETACIÓN
Electrolux debe producir 600 motores tipo 1(X1) y 250 motores tipo 2 (X2) para
alcanzar una utilidad máxima de 46000 dólares.
15
entre lo que se utiliza y el término independiente o disponibilidad. En este
problema resuelto podemos decir:
8000 = 8000
No se puede ensamblar más motores de los obtenidos numéricamente por que los
componentes electrónicos están agotados.
16
pero que ecuaciones trabajamos o resolvemos para obtener la solución básica
factible o punto óptimo o producción optima o punto ideal, nos ayudamos del
gráfico obtenido y trabajamos las ecuaciones (líneas) que se intersecan o se cortan,
puede resolver por cualquier técnica que usted conoce el método de sustitución,
reducción o igualación, esto nos dará como resultado los valores de X 1 y X2, estos
valores obtenidos reemplazamos en la función objetivo, esto nos proporciona otros
valores en Z(max) de estos resultados escogemos el mayor por qué, porque es
maximización. Los valores de la intersección con los ejes son considerados los
mínimos, estos valores si reemplazamos en la función objetivo van a ser menores
que la solución básica factible (punto óptimo).
EJERCICIO
Curativas Tóxicas
Tratamiento medicinal = X1 500 400
MODELO MATEMÁTICO
FUNCIÓN OBJETIVO
Z (min) = X1 + X2
RESTRICCIONES O LIMITACIONES
17
Requerimiento de unidades curativas 500 X1 + 1000 X2 ≥ 2000
VARIABLES DE NO NEGATIVIDAD
X1, X2 ≥ 0
SOLUCIÓN Y GRÁFICO
INTERPRETACIÓN
18
Con este tratamiento se está cubriendo con el requerimiento mínimo de unidades
curativas (500*0 + 1000*2) = 2000
EJERCICIO
19
Carretera = X1
Autopista = X2
FUNCIÓN OBJETIVO
DATOS
Carretera X1 ≤ 200
Autopista X2 ≤ 100
RESTRICCIONES O LIMITACIONES
20
RESTRICCIIONES (Reducidas) ABSTRACCIONES O IGUALDADES (Reducidas)
X1 + 5 X2 ≤ 450 X1 + 5 X2 = 450
X1 + X2 ≤ 200 X1 + X2 = 200
X1 + X2 ≥ 150 X1 + X2 = 150
GRÁFICO
21
900000 – [1000(187.5) + 2000(12.5)] + [6000(12.5) + 5000(87.5)]
Z (max) = 1’200.000
Z (max) = 1’200.350
Z (max) = 1’500.000
X1 = 75 Km. de carretera
X2 = 75 Km. de autopista
EJERCICIO
22
A y 4 libras para cada unidad de B. Los precios unitarios de A y B son de 20 y 50
dólares respectivamente. Determine la mezcla óptima de los dos productos.
Producto A = X1
Producto B = X2
FUNCIÓN OBJETIVO
Z (max) = 20 X1 + 50 X2
RESTRICCIONES
0.2 X1 - 0.8 X2 ≥ 0
VARIABLES DE NO NEGATIVIDAD
X1, X2 0
RESOLUCIÓN GRÁFICA
23
INTERPRETACIÓN
La compañía debe fabricar 80 productos del tipo A y 20 productos del tipo B para
alcanzar un ingreso máximo de 2600 dólares por ventas.
EJERCICIO
Dos productos tienen el siguiente proceso. Hay un taller que lo más que puede
hacer es 200 productos del tipo A o 100 del tipo B por día. El taller de pintura tiene
una capacidad diaria de 120 productos del tipo A o 160 del tipo B. También el
tratamiento técnico puede producir un total de 90 artículos del tipo A por día. El
producto A tiene una utilidad de 4 dólares y el producto B de 6 dólares. Determine
la producción óptima que maximice las utilidades.
Producto A = X1
Producto B = X2
FUNCIÓN OBJETIVO
24
RESTRICCIONES O DISPONIBILIDADES≤
VARIABLES DE NO NEGATIVIDAD
X1, X2 0
RESOLUCIÓN GRÁFICA
25
INTERPRETACIÓN
La compañía debe fabricar 90 productos del tipo A y 40 productos del tipo B para
obtener una utilidad máxima de 600 dólares.
26
ANÁLISIS DE SENSIBILIDAD
27
El modelo es formulado por una oficina de correos que puede contratar hasta 10
empleados para manejar el correo. La oficina conoce que un empleado (hombre)
puede manejar 300 cartas y 80 paquetes por día y una empleada (mujer) puede
manejar 400 cartas y 50 paquetes en un día. No menos de 3.400 cartas y de 680
paquetes se esperan por día. A cada empleado hombre (X1), se le paga $ 2.500 por
día y a una empleada mujer (X2) se le paga $ 2.200 por día.
Se quiere determinar la cantidad de hombres (X1) y mujeres (X2) que se deben
contratar para satisfacer las restricciones y lograr el objetivo establecido de
minimizar los costos de la nómina.
Restricciones:
GRÁFICO
Se observa una región de soluciones posibles de un solo punto común para todas
las restricciones y por lo tanto un único punto extremo A.
Esto indica que existe una única combinación posible y además óptima, de
cantidad de empleados X1(X en el gráfico) y X2(Y en el gráfico) que satisface las
restricciones y optimiza el objetivo.
28
Como ya hemos analizado la definición de modelo, podemos contestar las
siguientes preguntas:
29
modelo. En este caso, más variables de las normales toman valor cero, para poder
satisfacer mayor número de restricciones, en el punto óptimo.
Hay entonces menor cantidad de variables con valor mayor que cero con relación
al número de restricciones. Por eso se le llama Solución Degenerada en
contraposición a la Solución Normal. Además es única porque una sola
combinación de empleados, hombres y mujeres, proporciona el mínimo costo.
Se debe a la presencia de restricciones redundantes en el modelo y se reconoce en
el gráfico porque más de dos restricciones cruzan sobre el punto óptimo. Del total
de restricciones que cruzan el punto óptimo, sólo dos son necesarias para calcular
sus coordenadas. En este caso sólo hay una restricción redundante, por ello la
Solución es Degenerada. Se reconoce que es única porque hay un solo punto
extremo que proporciona el valor óptimo del objetivo.
¿Cuál es la solución y la decisión que se recomendaría con la solución
encontrada?
La solución es X1 = 6, X2 = 4, F.O. = 23.800. La decisión sería contratar 6 empleados
hombres y 4 mujeres para minimizar los costos diarios de contratación en 23.800
unidades monetarias: 2.500(6) + 2.200 (4).
Analice las restricciones en el punto óptimo y presente la información que se
obtiene.
Restricción 1
X1 + X2 = 10; 6 + 4 = 10 Con esta decisión se contrata el máximo de empleados que
se estaba dispuesto a contratar.
Restricción 2
300X1 + 400X2 = 3.400; 300(6) + 400(4) = 3.400 Con esta decisión se manejará el
mínimo de cartas que se espera.
Restricción 3
80X1 + 50X2 = 680
80(6) + 50 (4) = 680 Con esta decisión se manejará el mínimo de paquetes que se
espera.
¿Qué efecto tendría, sobre la solución óptima encontrada, un cambio en el
número de cartas esperadas. Suponga que cambia a 2.400. Explique y
muestre sobre el gráfico. ¿Cómo se llama este Análisis?
30
El análisis a efectuar se denomina Análisis de Sensibilidad.
Sobre el gráfico está graficada la nueva restricción: 300X1 + 400X2 2.400
Se observa que no cambia el espacio de soluciones posibles y por lo tanto la
solución óptima seguirá siendo la misma.
En general, disminuir la cantidad del lado derecho de una restricción tipo, es
rebajar la restricción y hacerla más fácil de satisfacer.
Esto puede expandir el conjunto convexo o dejarlo igual. En este caso quedó igual.
JOBCO fabrica dos productos en dos máquinas. Una unidad del producto 1 requiere
2 horas en la máquina 1, y 1 hora en la máquina 2. Una unidad del producto 2
requiere 1 hora en la máquina 1, y 3 horas en la máquina 2. Los ingresos por
unidad de los productos 1 y 2 son de $30 y $20, respectivamente. El tiempo de
procesamiento diario total disponible en cada máquina es de 8 horas.
31
Si X1 y X2 son las cantidades diarias de unidades de los productos 1 y 2,
respectivamente, el modelo de PL se da como:
Restricciones o sujeto a:
2X1 + X2 ≤ 8 (Máquina 1)
X1 + 3X2 ≤ 8 (Máquina 2)
X1, X2 0
32
Cambiamos la restricción 1:
2X1 + X2 ≤ 9 (Máquina 1)
33
La nueva solución la máquina 1 debe producir 3.8 u. y la máquina 2 debe producir
1.4 u., para obtener un ingreso máximo de 142 unidades monetarias.
34
En la figura anterior podemos ver que el precio dual de $14/h permanece válido
para cambios (incrementos o reducciones) en la capacidad de la máquina 1 que
mueven su restricción paralela a sí misma a cualquier punto sobre el segmento de
línea. Calculamos las capacidades de la máquina 1 en los puntos como sigue:
Los cambios fuera de este intervalo producen un precio dual diferente (valor por
unidad).
Elaborando cálculos similares podemos verificar que el precio dual para la
capacidad de la máquina 2 es de $2,00/h, y que no cambia cuando su capacidad se
mantiene dentro del segmento de línea. Ahora:
Según los precios duales para las máquinas 1 y 2, cada hora adicional de la
máquina 1 incrementa el ingreso en $14, en comparación con sólo $2 para la
máquina 2. Por lo tanto, la máquina 1 debe tener la prioridad.
35
factibilidad. Por consiguiente, el incremento del ingreso es $14(13 - 8) = $70, lo
que significa que el ingreso total se incrementará de $128 a $198 (= $128 + $70).
El cambio propuesto queda fuera del intervalo de factibilidad (2.67; 16) h. Por lo
tanto, sólo podemos hacer una conclusión inmediata con respecto a un incremento
hasta de 16 horas. Más allá de eso, se requieren más cálculos para hallar la
respuesta. Recuerde que quedar fuera del intervalo de factibilidad no significa que
el problema no tenga solución, sino que la información disponible no es suficiente
para llegar a una conclusión completa.
EJERCICIO
Popeye Canning tiene un contrato para recibir 60.000 libras de tomates maduros a
7centavos de dólar por libra, con las cuales produce jugo de tomate enlatado, así
como pasta de tomate. Los productos enlatados se empacan en cajas de 24 latas.
Una lata de jugo requiere una libra de tomates frescos y una lata de pasta solo
requiere 1/3 de libra. La participación de mercado de las compañías se limita a
2.000 cajas de jugo y 6.000 cajas de pasta. Los precios de mayoreo por caja de jugo
y pasta son de 18 y 9 dólares respectivamente.
Lata de jugo = X1
Lata de pasta = X2
RESTRICCIONES
FUNCIÓN OBJETIVO
Z (Max) = 18 X1+9 X2
36
VARIABLES DE NO NEGATIVIDAD
X1, X2 ≥ 0
INTERPRETACIÓN
Popeye Canning debe producir 500 latas de jugo de tomate y 6.000 latas de pasta
de tomate para obtener un ingreso máximo de 63.000 dólares.
37
La participación en el mercado de jugo de tomate no ha sido satisfecha, ya que la
producción es solo de 500 latas de jugo. (Holgura 1.500 latas)
EJERCICIO
FUNCIÓN OBJETIVO
RESTRICCIONES
VARIABLES DE NO NEGATIVIDAD
X1, X2 ≥ 0
RESOLUCIÓN ALGEBRAICA
38
X2=150
0.5X1+X2=180
0.5X1+150=180
0.5X1=30
X1=60
3y1
X1=200
X1+X2=180
0.5X1+ X2=180
X2=80
39
INTERPRETACIÓN
40
La nueva solución para la Dean´s Forniture Company, la producción no varía, lo
que varía es Z (max), en este caso la utilidad máxima será de $ 24,800.
EJERCICIO
Wild West produce dos tipos de sombreros estilo vaquero. El sombrero tipo 1
requiere el doble de tiempo de trabajo que el de tipo 2. Si todos los sombreros
producidos únicamente son de tipo 2, la compañía puede producir un total de 400
sombreros al día. Los limites diarios del mercado son de 150 y 200 sombreros de
41
los de tipo 1 y 2 respectivamente. La utilidad del sombrero tipo 1 es de $ 8 dólares
y del sombrero tipo 2 es de $ 5 dólares.
FUNCIÓN OBJETIVO
RESTRICCIONES O LIMITACIONES
VARIABLE DE NO NEGATIVIDAD.
𝑋1 , 𝑋2 ≥ 0
RESOLUCIÓN GRÁFICA
42
INTERPRETACIÓN
Wild West tiene que producir 100 sombreros tipo 1 y 200 sombreros tipo 2 para
obtener una utilidad máxima de 1.800 unidades monetarias.
La restricción dos está cubierta en su totalidad, es decir están cubiertas las ventas
diarias de los sombreros tipo 2.
EJERCICIO
Una fábrica produce dos tipos de camisas A y B, las camisas tipo A requiere 2.5 min
para cortarlas y 5 min para confeccionarlas, las de tipo B requieren 4 min para
cortarlas y 4 min para confeccionarlas. Se dispone de 1 hora y 40 min para corte y
2 horas para confeccionar. El beneficio es de $2.50 para cada camiseta tipo A y $3
para cada camiseta tipo B. ¿Cuántas camisas de cada clase debe producirse para
obtener la máxima ganancia?
FUNCIÓN OBJETIVO
RESTRICCIONES
43
Disponibilidad de Confección 5 X1 + 4 X2 ≤ 120
SOLUCIÓN Y GRÁFICO
INTERPRETACIÓN
La fábrica tiene que producir 8 camisas tipo A y 20 camisas tipo B para obtener
una ganancia máxima de 80 unidades monetarias.
EJERCICIO
44
emplearse 1.5 horas diarias en el primer departamento, 4 horas en el segundo, y en
el tercero al menos 4. El proceso de producción es el siguiente. El producto A
emplea ¼ hora de la capacidad de cortado y mezclado y 0.5 hora de enlataje por
tonelada. El producto B requiere 0.5 horas por tonelada de la capacidad de
mezclado y 1/3 de hora de la capacidad de enlataje ¿Qué combinación de producto
deberá elaborar la empresa para maximizar su beneficio?
FUNCIÓN OBJETIVO
RESTRICCIONES
VARIABLES DE NO NEGATIVIDAD
X1, X2 ≥ 0
RESOLUCIÓN GRAFICA
45
INTERPRETACIÓN
Esta empresa debe producir 6 toneladas del producto del tipo A y 5 toneladas del
producto tipo B para obtener un beneficio máximo de 250 unidades monetarias.
El tiempo en el departamento de cortado está agotado, no tenemos disponibilidad.
El tiempo en el departamento de mezclado esta consumido en su totalidad.
En el departamento de enlataje tenemos un excedente de 2/3 de hora sobre el
mínimo requerido.
Ejercicio
Una compañía produce dos tipos de pantalones A y B cada pantalón tipo A requiere
el doble de mano de obra que el de tipo B. Se debe producir por lo menos 250
pantalones combinados. El mercado limita la venta diaria de pantalones tipo A, a
un máximo de 75 y los de clase B a un total de 125 pantalones. Los beneficios por
pantalón son 6 dólares para el tipo A y 4 dólares para el tipo B. Determinar el
número de pantalones de cada clase que maximice la ganancia.
Pantalón A = X1
Pantalón B = X2
FUNCIÓN OBJETIVO
46
Z (Max) = 6X1 + 4X2
RESTRICCIONES O LIMITACIONES
INTERPRETACIÓN
47
En la primera restricción tenemos un excedente de 25 pantalones, sobre la
capacidad de producción.
EJERCICIO
Dos productos tienen el siguiente proceso. Hay un taller que lo más que puede
hacer es 200 productos de tipo A o 100 del tipo B por día. El taller de pintura tiene
una capacidad diaria de 120 productos del tipo A o 160 del tipo B. También el
tratamiento técnico puede procesar un total de 90 artículos del tipo A por día. El
producto A tiene una utilidad de 4 dólares y el producto B de 6 dólares. Determinar
la producción optima que maximice los beneficios.
FUNCION OBJETIVO
RESTRICCIONES
VARIABLES DE NO NEGATIVIDAD
X1 X2 0
ABSTRACCIONES
48
X1 = 200; X2 = 100 X1 = 120; X2 = 160
RESOLUCIÓN GRÁFICA
INTERPRETACIÓN
49
La capacidad del taller de pintura está agotada, es decir esta consumida en su
totalidad.
EJERCICIO
Se producen dos artículos A y B los mismos que son procesados por tres máquinas
M1, M2 y M3. La máquina 1 procesa 0,5 unidades de A y 0,5 de B; M2 procesa 1 de
A y 0,5 de B; M3 procesas 0,5 de A y 2 de B. Se dispone al menos de 65 horas
semanales para M1, 95 para M2 y 100 para M3.
DATOS
Máquinas Artículo A(X1) Artículo B(X2) Disponibilidad
Máquina 1 0,5 0,5 65 h/semanal
Máquina 2 1 0,5 95 h/semanal
Máquina 3 0,5 2 100h/semanal
Costo $ 3,00 $ 5,00
FUNCIÓN OBJETIVO
Z (min) = 3X1+ 5X2
RESTRICCIONES O LIMITACIONES
VARIABLES DE NO NEGATIVIDAD
X1 X2 ≥ 0
RESOLUCIÓN ALGEBRÁICA
50
1) y 2) 1) y 3)
X1 = 95 – 0,5 X2 X2 = 130 – X1
X1= 60 X2 = 23,33
0,5(95 – 0,5 X2) + 0,5 X2= 65 0,5 X1 + 2(130 – X1) = 100
47,5 – 0,25 X2 + 0,5 X2= 65 0,5 X1 + 260 – 2 X1= 100
0,25 X2= 17,5 - 1,5 X1 = -160
X2= 70 X1= 106,67
RESOLUCIÓN GRÁFICA
51
INTERPRETACIÓN
La empresa debe producir 107 artículos de tipo A y 23 artículos de tipo B, con una
inversión de 436,67 (unidades monetarias) dólares.
EJERCICIO
Costos A Costos B
30*0.125=3.75 45*0.25=11.25
45*0.25=11.25 18.75
16.88
52
PV – C = U PV – C = U
66.88-16.88=50 58.75-18.75=40
FUNCIÓN OBJETIVO
Z (max)= 50X1 + 40 X2
RESTRICCIONES
VARIABLES DE NO NEGATIVIDAD
X1 X2 ≥ 0
SOLUCIÓN GRÁFICA
53
INTERPRETACIÓN
Esta empresa fabricante de combustible para aviones debe producir 200 galones
de combustible tipo A y 200 galones de combustible tipo B para obtener una
utilidad máxima de 18000 dólares.
EJERCICIO
54
X1= aditivo X1 X2= aditivo X2
FUNCIÓN OBJETIVO
Z (min) = 2X1+4X2
RESTRICCIONES
VARIABLES DE NO NEGATIVIDAD
X1; X2 ≥ 0
ABSTRACCIONES
15 X1+4 X2 = 32
2 X1+2 X2 = 10
4 X1+14 X2 = 40
RESOLUCIÓN GRÁFICA
55
INTERPRETACIÓN
Para el modelo (DE LA DIETA) Ozark Farms utiliza diariamente por lo menos 800
libras de alimento especial. El alimento especial es una mezcla de maíz y semilla de
soya, con las siguientes composiciones:
56
SEMILLA DE SOYA 0,60 0,06 0,90
Los requerimientos dietéticos diarios del alimento especial estipulan por lo menos
un 30% de proteínas y cuando mucho 5% de fibra. Ozark Farms desea determinar
el costo mínimo diario de la mezcla de alimento, supongamos que la disponibilidad
diaria de maíz se limita a 450 libras. Identifique el nuevo espacio de solución y
determine la nueva solución óptima.
Maíz = X1
Semilla de soya = X2
FUNCION OBJETIVO
Z (min)= 0.30X1+0.90X2
RESTRICCIONES O LIMITACIONES
ABSTRACCIONES
1) Alimento X1 + X2 = 800
2) Proteína -0.21X1+0.3X2 = 0
3) Fibra -0.03X1+0.01X2 = 0
4) Disponibilidad de maíz X1 = 450
RESOLUCIÓN GRÁFICA
57
INTERPRETACIÓN
Ozark Farms debe mezclar 450 libras de maíz y 350 libras de semilla de soya con
una inversión de 450 dólares, para cumplir con los requerimientos mínimos
exigidos.
La restricción tres tenemos una disponibilidad del 10% para llegar al máximo de
fibra permitido.
EJERCICIO
Para el modelo de la dieta anterior. ¿Qué tipo de solución óptima diaria tendría el
modelo si la mezcla de alimento no excediera de 800 libras al día? ¿Tiene sentido
esta solución?
FUNCIÓN OBJETIVO
RESTRICCIONES
58
Proteínas 0.21 X1-0.3X2 ≤ 0 -0.21X1+0.3X2 ≥ 0
VARIABLES DE NO NEGATIVIDAD
X1, X2 ≥ 0
RESOLUCIÓN GRÁFICA
59
INTERPRETACIÓN:
Este ejercicio planteado de esta forma no tiene solución, porque el punto óptimo o
la solución básica factible son cero y en una empresa no podemos hablar de
producción nula, consecuentemente esta solución no tiene sentido.
EJERCICIO
FUNCIÓN OBJETIVO
Tienda 1 = X1
Tienda 2 = X2
RESTRICCIONES
VARIABLES DE NO NEGATIVIDAD
X1, X2 ≥ 0
60
INTERPRETACIÓN
61
Este ejercicio también puede ser resuelto si nosotros consideramos el factor de
estrés sea mínimo, entonces la función objetivo sería minimización, es decir si
Joselyn no quiere estresarse demasiado a causa de su trabajo extra para poder
seguir estudiando. (Solución en el siguiente gráfico)
EJERCICIO
Maíz = X1
Semilla de soya = X2
62
FUNCIÓN OBJETIVO
RESTRICCIONES
DIETA Solution
SEMILLA DE
MAÍZ RHS Dual
SOYA
Minimize 0,3 0,9
Cantidad de proteínas -0,21 0,3 >= 0, -1,1765
Cantidad de fibra -0,03 0,01 <= 0, 0,
Libras de maíz 1, 0, <= 500, 0,
Libras de soya 0, 1, <= 600, 0,
Cantidad total de M y S 1, 1, >= 800, -0,5471
Solution-> 470,5883 329,4117 $437,65
RESOLUCIÓN GRÁFICA
63
INTERPRETACIÓN
EJERCICIO
FUNCIÓN OBJETIVO
RESTRICCIONES O LIMITACIONES
VARIABLE DE NO NEGATIVIDAD
𝑋1 , 𝑋2 ≥= 0
64
INTERPRETACIÓN
EJERCICIO
DATOS
65
Horas
Sillas 𝑥1 30 ½ $5,00
FUNCIÓN OBJETIVO
RESTRICCIONES
1
Tiempo de ensamble 𝑥 + 2𝑥2 ≤ 320
2 1
VARIABLES DE NO NEGATIVIDAD
𝑥1 , 𝑥2 ≥ 0
RESOLUCIÓN GRÁFICA
66
INTERPRETACIÓN
Baba Forniture Company debe producir 384 sillas y 64 mesas, obteniendo así una
utilidad máxima de $2784 dólares con esta producción.
EJERCICIO
Préstamos personales = X1
FUNCIÓN OBJETIVO
67
Z (max)= 0.1058 X1+0.0976X2
RESTRICCIONES O LIMITACIONES
ABSTRACCIONES
VARIABLES DE NO NEGATIVIDAD
X1, X2 ≥ 0
RESOLUCIÓN GRÁFICA
68
Interpretación:
El banco del Pacífico debe destinar los $ 200.000 a préstamos personales, ya que
éstos otorgarán el mayor rendimiento que es $ 21.160.
Se puede notar que al estudiar el método gráfico de resolución, que si existe una
solución óptima para un problema de programación lineal, se la puede encontrar
en un punto extremo de la región factible.
Variable Artificial o de excedente, es una variable que se resta del lado izquierdo de
una restricción mayor igual que (≥), para convertirla en una igualdad. Por lo
general, puede interpretarse el valor de esta variable como la cantidad en la que se
sobrepasa algún nivel mínimo requerido y se representa con la letra –m.
69
AUTOEVALUACIÓN
70
c. Cambiar el lado derecho de una restricción no redundante.
d. Incrementar el coeficiente de una función objetivo en un problema de
minimización.
- Una solución factible o región básica de un problema de programación
lineal :
a. Debe satisfacer todas las restricciones del problema al mismo tiempo.
b. Debe satisfacer todas las restricciones del problema al mismo tiempo y la
función objetivo.
c. No tiene que satisfacer todas las restricciones, sino solo algunas de ellas.
d. Debe ser un punto de esquina de la región factible.
- Si un problema de programación lineal es ilimitado, probablemente
no fue formulado correctamente. ¿Cuál factor, de entre los siguientes,
muy probablemente causaría una incorrección?
a. Se agregó una restricción innecesaria al problema.
b. Los coeficientes de la función objetivo son demasiado grandes.
c. Una restricción fue inadvertidamente omitida.
d. Los coeficientes de la función objetivo son demasiado pequeños.
- Cuando existen soluciones alternas óptimas en un problema de
programación lineal, entonces:
a. La función objetivo será paralela a una de las restricciones.
b. Una de las restricciones será redundante.
c. Dos restricciones serán paralelas.
d. El problema también será ilimitado.
- Si la región factible aumenta debido a un cambio en una de las
restricciones, el valor óptimo de la función objetivo:
a. Debe incrementarse o permanecer igual que en un problema de
maximización.
b. Debe reducirse o permanecer igual que en un problema de maximización.
c. Debe incrementarse o permanecer igual que en un problema de
minimización.
d. No puede cambiar.
- Al resolver un problema de programación lineal, no existe una
solución factible. Para resolver este problema se podría:
71
a. Agregar otra variable.
b. Agregar otra restricción.
c. Probar un programa de computadora diferente.
d. Eliminar o mitigar una restricción.
- En programación lineal, las variables no tienen que ser valores
enteros y pueden adoptar cualquier valor fraccionario. La hipótesis se
llama:
a. Proporcionalidad.
b. Aditividad.
c. Divisibilidad.
d. Certeza.
- Solo se debe utilizar un método gráfico para resolver un problema de
programación lineal cuando:
a. Existen dos restricciones.
b. Existen más de dos variables.
c. Existen más de dos restricciones.
d. Existen sólo dos variables.
- Exponga las similitudes y diferencias entre problemas de
maximización y minimización utilizando el método de solución gráfica
de programación lineal.
- Se dice que cada problema de programación lineal que tiene una región
factible o zona básica o región básica tiene un número infinito de
soluciones. Explique esta afirmación.
- El gerente de producción de una gran empresa comentó: “Me gustaría
utilizar la Investigación de Operaciones especialmente la
Programación Lineal, pero es una técnica que opera en condiciones de
certeza. Mi planta no la tiene, es un mar de incertidumbres. Por lo
tanto la programación lineal no puede ser utilizada aquí”. ¿Qué piensa
de este comentario y cuál es su mérito? Explique por qué el gerente
pudo haberlo dicho.
72
Para complementar el estudio del presente tema es necesario que
resuelva los problemas de programación lineal planteados en los textos:
73
MÉTODO SIMPLEX
OBJETIVOS
INTRODUCCIÓN
La mayoría de los problemas de programación lineal son demasiado grandes como
para solucionarlos en forma gráfica y, por ello, debe utilizarse un procedimiento
algebraico, este procedimiento más ampliamente utilizado para resolver
problemas de programación lineal es el denominado MÉTODO SIMPLEX, los
programas de computadora se basan en este método, pueden resolver fácilmente
problemas de programación lineal que tengan muchas variables y diversas
restricciones.
El Método Simplex es un procedimiento de cálculo algebraico, iterativo, para
resolver Modelos Lineales de cualquier tamaño.
El algoritmo Simplex requiere que el Modelo Lineal, para ser solucionado, cumpla
las condiciones de Forma Estándar y Sistema Canónico.
La Forma Estándar incluye:
a) una Función Objetivo a optimizar,
b) lado derecho de las restricciones con valor positivo,
c) variables de decisión no negativas y
d) las restricciones deben ser expresadas como igualdades.
Para transformar las restricciones en igualdades se deben incorporar las llamadas
variables de holgura (S).
Una variable de holgura tiene coeficiente cero en la Función Objetivo (0S). Se
suman en restricciones del Tipo ≤ (+S) y se restan en restricciones del Tipo ≥ (-S).
En términos matemáticos, expresan la diferencia entre el lado izquierdo y el lado
derecho de las restricciones. Al igual que las variables de decisión deben ser
mayores o iguales a cero.
74
En términos del modelo representan la cantidad de recurso no utilizado con
relación a un máximo disponible, o utilizado por encima de un mínimo disponible.
Esto es así cuando la restricción es de un recurso disponible.
Cuando la restricción es de una condición o requerimiento, representan la cantidad
de esa condición o requerimiento que se obtiene por encima de un mínimo o que
se deja de tener con relación a un máximo.
El Sistema Canónico en un Modelo Lineal significa que debe existir una variable
básica en cada restricción. Esto permite obtener una primera solución posible que
satisface todas las restricciones.
Una variable básica tiene coeficiente 1 positivo en una restricción y no existe en las
demás.
Las variables de decisión (estructurales) del modelo y las variables de holgura
pueden ser variables básicas. Cuando ninguna de ellas cumple con la condición de
ser básica, se incorpora una variable como artificio matemático, para cumplir con
el sistema canónico y a esa variable se le llama variable artificial (m).
Una variable artificial debe tener incorporado un coeficiente muy alto en la
Función Objetivo (Mm), con signo negativo en maximización y con signo positivo
en minimización. Con esto se logra que el procedimiento Simplex las elimine de la
solución en las primeras iteraciones. Estas variables deben valer cero en la
solución óptima del modelo.
Una Tabla Simplex es un resumen detallado de toda la información del modelo
para trabajar más fácilmente con él.
En las Tablas Simplex, el espacio Cj se utiliza para copiar los coeficientes de todas
las variables en la Función Objetivo. En fila porque ellos conforman un vector fila.
Debajo de cada coeficiente se escribe el símbolo correspondiente a la variable de
ese coeficiente. En el espacio Xj, se copian los coeficientes de las variables
correspondientes a las variables que son básicas en cada restricción. En el espacio
BASE se copian las variables que son básicas en cada restricción. Tanto los
coeficientes como las variables están colocados en el correspondiente nivel de la
restricción en la que se usan como básicas. Debajo del símbolo de cada variable se
escriben los vectores de esas variables en el modelo. Ellos conforman la matriz de
coeficientes. En el espacio bj se copian los lados derechos de las restricciones
75
conformando un vector columna, cada solución posible del modelo se leerá en este
espacio.
PROCEDIMIENTO
Cualquiera que sea el número de inecuaciones y de incógnitas de un sistema, este
por sí mismo se ajusta a un tratamiento de identificación que nos dé una idea de
que sea sujeto de solución.
Cuando el sistema reúne a un número de ecuaciones inferior al número de
incógnitas, existen muchas soluciones. Este es el caso más frecuente de los
problemas de programación lineal, de allí que es necesario introducir Variables de
Holgura (+S), en los casos de la expresión <= (menor igual); restar (-S) variables de
Holgura e introducir (+m) variables Artificiales en los casos de >= (mayor igual) y
en los casos de igualdad (=) se introduce variables artificiales con signo positivo
(+).
<= + Variables de Holgura (+S)
>= - Variables de Holgura + Variables Artificiales (-S + m)
= + Variables Artificiales (+m)
En los problemas de maximización (producción), se debe tomar en cuenta:
PLANTEAMIENTO
Identificación de variables Producto I = X1
Producto II = X2
Producto III = X3
Producto IV = X4
1) Función Objetivo
Esta dado en maximización Z (max). A su vez están dados por sus coeficientes:
2) Limitaciones o Restricciones
Está representado por:
𝐴 1 1 𝑋1 + 𝐴 12 𝑋2 + 𝐴13 𝑋3 + ⋯ . . +𝐴1 𝑛 𝑋𝑛 𝑇1 𝑏1
76
𝐴2 1 𝑋1 + 𝐴 22 𝑋2 + 𝐴23 𝑋3 + ⋯ . . +𝐴2𝑛 𝑋𝑛 𝑇2 𝑏2
𝐴𝑚 1 𝑋1 + 𝐴 𝑚2 𝑋2 + 𝐴𝑚3 𝑋3 + ⋯ . . +𝐴𝑚𝑛 𝑋𝑛 𝑇𝑚 𝑏𝑚
3) Variables de No Negatividad
Xj ≥ 0
RESOLUCIÓN
Cuando se trata de un sistema de inecuaciones, no existe solución única, si
no que implica muchas posibilidades, razón por la cual, el método simplex
va generando soluciones básicas.
Introducción de variables de holgura
Como el primer miembro de la inecuación es inferior al otro, es necesario
introducir una variable de holgura que cubra imaginariamente el valor
faltante, para convertirlo en igualdad.
S1, S2, S3,…..., Sn = Variables de Holgura
𝐴 1 1 𝑋1 + 𝐴 12 𝑋2 + 𝐴13𝑋3 + ⋯ . . +𝐴1 𝑛 𝑋𝑛 + 𝑆1 = 𝑏1
𝐴2 1 𝑋1 + 𝐴 22 𝑋2 + 𝐴23 𝑋3 + ⋯ . . +𝐴2𝑛 𝑋𝑛 + 𝑆2 = 𝑏2
𝐴31 𝑋1 + 𝐴 32 𝑋2 + 𝐴33 𝑋3 + ⋯ . . +𝐴3𝑛 𝑋𝑛 +𝑆3 = 𝑏3
Al convertir el sistema de desigualdades en un sistema de ecuaciones
mediante la introducción de variables de holgura, se ha logrado un
importante punto de partida. Estas variables en la función objetivo irán
antepuestas de un coeficiente cero de beneficio.
Z (max) = C1X1 + C2X2 C3X3 …...+CnXn + 0S1 + 0S2 + … + 0Sn
Generación de una solución básica factible
En el caso de un ejemplo de producción, el primer supuesto o alternativa
del método simplex es no fabricar nada de los productos reales (variables
fundamentales), esto quiere decir dar respuesta al sistema manteniendo
inutilizados los recursos existentes, es decir:
X1 = 0 S1 = b1
77
X2 = 0 S2 = b2
X3 = 0 S3 = b3
……………………………………………………………..
Xj = 0 Sj = bj
Proceso Iterativo
En función de los criterios del método simplex se van obteniendo ensayos,
iteraciones o algoritmos hasta lograr la respuesta ideal.
El objetivo es ir eliminando las variables de holgura e irlas reemplazando
por alternativas en función de variables fundamentales, propósito del
problema.
El proceso se lo desarrolla por tablas, cuadros o etapas. Cada una de ellas
nos representará una mejor combinación de producción y un mayor
beneficio, para lo cual se necesita aplicar el método matricial de
coeficientes.
Cj = Coeficiente de la función objetivo
Xj = Solución básica de cada etapa; es la base vectorial que da solución al
sistema.
* = Elemento pivote
° = Elementos semipivotes
78
1. Se elige el elemento (Zj – Cj) de menor valor negativo, la variable que le
corresponde debe entrar a la base de la nueva tabla para mejorar la
solución.
2. Para determinar que fila sale, se obtiene el elemento pivote, el mismo que
es la intersección de la columna que ingresa y la fila que sale, para lo cual se
divide los elementos de la columna de bn para los elementos de la columna
que ingresó, se escoge el menor cociente que representará al pivote, los
restantes elementos de la columna son los semipivotes. No se toma en
cuenta la división para números negativos o cero.
3. Formar los nuevos elementos de la fila de la variable de holgura que es
reemplazada por la variable fundamental, basándose en el elemento pivote,
que se encuentra en la intersección de la columna que entra y la fila que
sale.
4. Los restantes elementos de la columna que entra se denominan semipivotes
(°).
5. Los elementos de las demás filas se obtienen restando los elementos
anteriores de dicha fila menos los elementos de la nueva fila que ingreso,
multiplicados por el semipivote correspondiente.
6. Zj se obtiene multiplicando el coeficiente de la variable fundamental que
ingreso por todos los elementos de dicha fila.
7. Obtenemos la fila Zj – Cj, restando los elementos de la fila Zj menos los
elementos de la fila Cj, si todos sus elementos son positivos o ceros el
proceso ha terminado, esto quiere decir que la tabla es óptima, caso
contrario construimos la nueva tabla eliminando el menor negativo que
exista y realizar el mismo proceso anterior.
8. El máximo beneficio está dado por el valor del elemento de Zj de la columna
bn.
Un máximo de 80.000 u. de A
79
Un máximo de 120.000 u. de B
10.000 u. de hierro
14.000 u. de aluminio
Función Objetivo
Restricciones o limitaciones
Variables de No Negatividad
X1, X2 >= 0
X1 + S4 = 80000
X2 +S5 = 120000
80
Resolución:
Cj 15 30 0 0 0 0 0
Xj bn X1 X2 S1 S2 S3 S4 S5
0 S1 10 0.10 0.05° 1 0 0 0 0
0 S2 16 0.12 0.10° 0 1 0 0 0
0 S3 14 0.07 0.10° 0 0 1 0 0
0 S4 80 1 0° 0 0 0 1 0
0 S5 120 0 1* 0 0 0 0 1
Zj 0 0 0 0 0 0 0 0
Los nuevos valores de la fila pivote calculamos dividiendo cada término de la fila
(S5) para el elemento pivote (1), de donde obtenemos:
Para el pivote, en este caso no cambian los valores porque el pivote es 1, es decir:
Los nuevos valores del resto de filas calculamos de la siguiente manera: Los
valores de la fila en este caso S1 (10, 0.10, 0.05, 1, 0, 0, 0, 0), restamos (–) los
81
valores de la fila pivote (nuevos) (120, 0, 1, 0, 0, 0, 0, 1) y multiplicado por el
semipivote (0.05).
10 - 120*0.05 = 4
0.05 - 1*0.05= 0
1 - 0*0.05 = 1
0 - 0*0.05 = 0
0 - 0*0.05 = 0
0 - 0*0.05 = 0
0 - 1*0.05 = -0.05
De igual manera vamos calculando los valores del resto de filas, tome en cuenta lo
siguiente: cuando el pivote es 1 y el semipivote es 0, los valores no cambian, siguen
siendo los mismos, entonces no hay que hacer ningún cálculo, esto nos permite
ganar tiempo y conocer los valores de la nueva tabla.
TABLA II
Cj 15 30 0 0 0 0 0
Xj bn X1 X2 S1 S2 S3 S4 S5
0 S1 4 0.10° 0 1 0 0 0 -0.05
0 S2 4 0.12° 0 0 1 0 0 -0.10
0 S3 2 0.07* 0 0 0 1 0 -0.10
0 S4 80 1° 0 0 0 0 1 0
30 X2 120 0° 1 0 0 0 0 1
Zj 0 0 30 0 0 0 0 30
82
Así sucesivamente vamos calculando, hasta llegar a tener en la fila Zj – Cj valores
positivos o ceros, esta es la señal que hemos llegado a la solución final.
En nuestro ejercicio nos toca eliminar el menor negativo (-15), columna pivote X1 y
fila pivote S3.
TABLA III
Cj 15 30 0 0 0 0 0
Xj bn X1 X2 S1 S2 S3 S4 S5
30 X2 120 0° 1 0 0 0 0 1
Debemos tomar en cuenta que para efectos de cálculos eliminamos tres ceros en
las cantidades independientes (10.000, 14.000, entre otros) y trabajamos solo con
10, 14, entre otros, consecuentemente en la interpretación debemos multiplicar
por 1000 (28.57 * 10000 = 28570; 120 * 1000 = 120.000; entre otros)
83
Interpretación:
ECASA debe producir 28.571,43 u. de refrigeradoras tipo A; y, 120.000 u. de
refrigeradoras tipo B. Además esta empresa tiene disponibles 1.142,86 u. de hierro
(S1) que no fueron utilizadas; también tiene 571,43 u. de fibra de vidrio (S2)
disponibles; el aluminio (S3) se utilizó en su totalidad; la demanda de A (S4) no
está cubierta, falta por cubrir 51.428,57 u. de refrigeradoras tipo A y las demandas
de B (S5) están cubiertas en su totalidad, con esta producción ECASA tendrá una
utilidad de 4’028.571,39 dólares o unidades monetarias.
84
PROBLEMA (minimización)
PROCAN debe decidir la mezcla óptima para desarrollar un alimento para gatos
llamado COMEMÁS. Se combinaron y sometieron a prueba dos ingredientes
básicos y la firma determino que a cada lata de comemás se le debe agregar por lo
menos 30 unidades de proteína y por lo menos 80 unidades de riboflavina. Estos
dos nutrientes están disponibles en dos marcas competidoras de suplementos de
alimentos para animales. El costo por kg de suplemento marca A es de $ 9.oo, y el
de la marca B $ 15.oo; Un kg de la marca A agregado a cada lote de producción de
comemás proporciona un suplemento de 1 u. de proteína y 1 u. de riboflavina a
cada lata. Un kg de la marca B proporciona 2 u. de proteína y 4 u. de riboflavina a
cada lata. PROCAN desea satisfacer estas normas de nutrientes mínimos pero, al
mismo tiempo, mantener los costos de los suplementos a un valor mínimo.
a) Formule el modelo matemático para este problema y encuentre la mejor
combinación de los dos suplementos para satisfacer los requerimientos
mínimos al menor costo posible.
b) Resuelva este problema por medio del método simplex.
MODELO MATEMÁTICO
Suplemento marca A = X1
Suplemento marca B = X2
FUNCIÓN OBJETIVO
Z (min)= 9X1+15X2
RESTRICCIONES O LIMITACIONES
Requerimientos de proteína X1 + 2X2 ≥ 30
Requerimiento de riboflavina X1 + 4X2 ≥ 80
VARIABLES DE NO NEGATIVIDAD
X1, X2 ≥ 0
FUNCIÓN OBJETIVO CON VARIABLES DE HOLGURA Y VARIABLE ARTIFICIALES
Z (min) = 9X1+15X2 + 0S1 + 0S2 + Mm1 + Mm2
ABSTRACCIONES
Restamos variables de holgura (-S) y sumamos variables artificiales (+m)
X1 + 2X2 – S1 + 0S2 + m1 + 0m2 = 30
X1 + 4X2 + 0S1 - S2 + 0m1 + m2 = 80
Estos coeficientes técnicos los transportamos a la primera tabla del simplex:
85
Cj 9 15 0 0 M M
Xj bn X1 X2 S1 S2 m1 m2
M m1 30 1 2* -1 0 1 0
M m2 80 1 40 0 -1 0 1
Zj 110M 2M 6M -M -M M M
Zj - Cj ------ 2M 6M -M -M 0 0
86
-1 – 0*4 = -1
0 – ½*4 = -2
1 – 0*4 = 1
La nueva tabla II es:
Cj 9 15 0 0 M M
Xj bn X1 X2 S1 S2 m1 m2
15 X2 15 1/2 1 -1/20 0 1/2 0
M m2 20 -1 0 2* -1 -2 1
Zj 20M -M 0 2M -M -2M M
Zj - Cj ------ -M -15 2M -M -3M 0
87
Cj 9 15 0 0 M M
Xj bn X1 X2 S1 S2 m1 m2
15 X2 20 ¼* 1 0 -1/4 0 1/4
0 S1 10 -1/20 0 1 -1/2 -1 1/2
Zj 300 15/4 15 0 -15/4 0 15/4
Zj - Cj ------ -21/4 0 0 -15/4 ----- -----
88
EJERCICIO
Supermaxi ha contratado el envió de sus productos de la fábrica a los almacenes. El
volumen de entrega se mide en toneladas/kilómetro (toneladas de producto
multiplicadas por el número de kilómetros hasta el punto de entrega). Supermaxi
tiene que entregar aproximadamente 400.000 toneladas/kilómetro por mes.
Actualmente, Supermaxi paga a la Cía. de Transportes Los Andes 50 centavos por
tonelada/kilómetro para que entregue el producto, pero quiere comprar una flotilla de
vehículos para hacerse cargo de todo o una parte del servicio de entrega. Se consideran
tres tipos de vehículos: remolques, camiones medianos y camionetas. En la siguiente
tabla se presentan los detalles de cada tipo:
TIPO COSTO/COMPRA COSTO/OPERATIVO CAPACIDAD
(tonelada/kilómetro) (toneladas/kilómetro
Por mes)
REMOLQUE $ 15.000 $ 0.28 10.000
MEDIANO $ 8.000 $ 0.32 8.000
CAMIONETA $ 5.000 $ 0.40 6.000
La empresa Los Andes ha indicado que seguirá entregando los productos que
Supermaxi no pueda entregar con sus vehículos, a la misma tarifa de 50 centavos por
tonelada/kilómetro.
En Supermaxi hay escasez de fondos de capital para equipo y sólo se dispone de $
380.000 para las compras de vehículos.
Además de la limitación del presupuesto, existen otras restricciones con respecto a los
tipos de vehículos que se compren. La primera limitante es el área de carga disponible,
debido a las limitaciones del espacio de almacenamiento y de las maniobras de carga,
no caben más de 28 vehículos. Un remolque o un camión mediano ocuparían un
espacio; dos camionetas ocuparían un espacio.
Además, como consecuencia de los tipos y tamaños de las entregas, por lo menos dos
terceras partes de los vehículos que se compren tendrán que ser remolques o camiones
medianos.
Formule es ejercicio como un problema de programación lineal y resuelva por el
método simplex.
89
MODELO MATEMÁTICO
Variables de decisión:
Camiones remolques = X1
Camiones medianos = X2
Camionetas = X3
FUNCIÓN OBJETIVO
Z (max) = (0.50 – 0.28) 10.000 X1 + (0.50 – 0.32) 8.000X2 + (0.50 – 0.40) 6.000X3
= 2200X1 + 1440X2 + 600X3
RESTRICCIONES O LIMITACIONES
Disponibilidad de presupuesto 15.000X1 + 8.000X2 + 5.000X3 ≤ 380.000
Disponibilidad espacio X1 + X2 + 0.5X3 ≤ 28
Relación vehículos X1 + X2 ≥ 2/3(X1 + X2 + X3)
1/3 X1 + 1/3X2 – 2/3X3 ≥ 0
VARIABLES DE NO NEGATIVIDAD
X1, X2, X3 ≥ 0
ABSTRACCIONES
Z (max) = 2200X1 + 1440X2 + 600X3 + 0S1 + 0S2 + 0S3 + Mm3
15.000X1 + 8.000X2 + 5.000X3 + S1 + 0S2 + 0S3 = 380.000
X1 + X2 + 0.5X3 + 0S1 + S2 + 0S3 = 28
1/3 X1 + 1/3X2 – 2/3X3 +0S1 + 0S2 – S3 + m3 = 0
TABLA I
Cj 2200 1440 600 0 0 0 M
Xj bn X1 X2 X3 S1 S2 S3 m3
0 S1 380000 150000 8000 5000 1 0 0 0
0 S2 28 10 1 0.5 0 1 0 0
M m3 0 1/3* 1/3 -2/3 0 0 -1 1
Zj 0 1/3m 1/3m -2/3m 0 0 -M M
Zj - Cj ----- 1/3m 1/3m -2/3m 0 0 -M 0
Cuando tenemos problemas como en este caso en donde las relaciones son
diferentes a pesar de ser un ejercicio de maximización y las relaciones
características de éstos son menor igual (≤), en primer lugar se eliminan las m, así
90
sea un ejercicio de maximización o minimización (el mayor valor de las m), luego
de eliminar las m, se procede de igual manera que en los casos anteriores si es
maximización se eliminan los valores negativos hasta que en la fila Zj - Cj nos
quede valores positivos y ceros; y si es minimización se eliminan los valores
positivos hasta tener en la fila Zj – Cj valores ceros y negativos.
Regresamos a nuestro ejercicio, debemos eliminar las m, pero en este caso
tenemos dos valores similares con m (1/3m), que corresponde a las columnas X1 y
X2, tomamos arbitrariamente cualquiera de los dos (no se altera en nada a la
solución final), nosotros vamos a tomar X1 como columna pivote y calculamos los
nuevos valores de las filas.
0 / (1/3) = 0* (pivote)
0 / (1/3) = 0
(1/3) / (1/3) = 1
(1/3) / (1/3) = 1
-2/3 / (1/3) = -2
0 /(1/3) = 0
0 / (1/3) = 0
-1 / (1/3) = -3
1 / (1/3) = 3
15000 - 1 (15000) = 0
91
1 - 0(15000) = 1
0 – 0 (15000) = 0
0 – 3(15000) = -45000
28 – 0*1 = 28
1–1*1=0
1–1*1=0
0–0*1=0
1–0*1=1
0 – (-3) * 1 = 3
0 – 3 * 1 = -3
TABLA II
0 S2 28 0 0 2.5 0 1 30 -3
2200 X1 0 1 1 -2 0 0 -30 3
92
La nueva fila pivote S1 es:
0/45000 = 0
1/45000 = 1/45000
0 / 45000 = 0
45000/45000 = 1
0 - 0(3) = 0
0 – 1/45000(3) = -1/15000
1 - 0(3) =1
3 - 1(3) = 0
0 – 76/9(-3) = 76/3
1 - 0(-3) = 1
-2 – 7/9(-3) = 1/3
0 – 1/45000(-3) = 1/15000
0 - 0(-3) = 0
-3 - 1(-3) = 0
93
TABLA III
Como podemos observar en la tabla III en la fila Zj - Cj, tenemos un valor negativo,
debemos eliminar este valor o todos los valores negativos porque es un ejercicio
de maximización, cuando tenemos valores positivos o ceros en la fila Zj - Cj, es un
indicativo que hemos llegado a la solución óptima.
Realizamos los cálculos de la nueva tabla IV, columna pivote en este caso es X2 y la
fila pivote es S2, ((76/9)/ (-7/45) = No se considera pivote porque es división para
un número negativo (semipivote); (8/3)/ (7/15) = 40/7*(pivote); (76/3)/ (8/15)
= 95/20 (semipivote).
0 / (7/15) = 0
(7/15) / (7/15) = 1
1 / (7/15) = 15/7
0 / (7/15) = 0
0 – 0 * (-7/45) = 0
94
(-7/45) – 1 * (-7/45) = 0
1 – 0 * (-7/45) = 1
Valores de X1:
1 – 0 * (8/15) = 1
(8/15) – 1 * (8/15) = 0
0 – 0 * (8/15) = 0
TABLA IV
Como podemos observar en la fila Zj - Cj tenemos ceros y positivos, esto nos indica
que hemos llegado a la solución final. Estos valores los vamos a comprobar con los
obtenidos en la resolución por computadora es decir con la utilización del
software.
95
Con la compra de estos vehículos se consume todo el presupuesto.
96
La diferencia de los cálculos que nosotros realizamos con los del software es que
nosotros restamos Zj - Cj y obtenemos valores positivos y ceros que es la solución
final, en cambio el software resta Cj – Zj y en el caso de maximización tenemos
97
ceros y negativos que es la solución final, pero en definitiva no cambia en nada.
Hay que tener en cuenta estos pequeños detalles y para el análisis se consideran
valores absolutos.
ANÁLISIS DE SENSIBILIDAD
En el caso de los camiones los límites van a ser límite inferior 1173.33, límite
superior 2200.
98
En las camionetas el límite inferior es desde menos infinito, y el límite superior es
828.57
Precios sombra
Los valores positivos (calculo manual) de los números de las columnas de las
variables de holgura (S1, S2 y S3) son los precios sombra, en el cálculo con software
son los valores negativos de las mismas variables.
El rango dentro del cual los precios permanecen válidos se llama rango del lado
derecho.
Los cambios de los valores del lado derecho de las restricciones pueden cambiar
los valores óptimos de las variables que están en la mezcla de solución.
99
Veamos que sucede con el espacio que tenemos para 28 vehículos en total si
aumentamos 0.57 tendremos 28.57, entonces:
100
La tercera restricción va de menos infinito hasta 9.33. La decisión debe tomar
ustedes como administradores, jefes o propietarios. Las herramientas están a su
disposición.
El rango dentro del cual los coeficientes Cj de las variables no básicas varían sin
cambiar la mezcla de solución se llama rango de insignificancia (X3 = 1600/7, S1 =
19/175 y S2 = 4000/7)
DUAL SIMPLEX
Esta asociación de los dos problemas se conoce como Dualidad o Problema Dual, el
estudio del problema dual tiene un interés matemático – económico porque:
101
Definiremos como problema primal o primario al modelo matemático que tenemos
como punto de partida; y problema dual al que surge por asociación con el
anterior.
EJERCICIO
MODELO MATEMÁTICO
Variables de decisión:
Camiones remolques = X1
Camiones medianos = X2
Camionetas = X3
FUNCIÓN OBJETIVO
Z (max) = (0.50 – 0.28) 10.000 X1 + (0.50 – 0.32) 8.000X2 + (0.50 – 0.40) 6.000X3
= 2200X1 + 1440X2 + 600X3
RESTRICCIONES O LIMITACIONES
Disponibilidad de presupuesto 15.000X1 + 8.000X2 + 5.000X3 ≤ 380.000
Disponibilidad espacio X1 + X2 + 0.5X3 ≤ 28
Relación vehículos X1 + X2 ≥ 2/3(X1 + X2 + X3)
1/3 X1 + 1/3X2 – 2/3X3 ≥ 0
VARIABLES DE NO NEGATIVIDAD
X1, X2, X3 ≥ 0
En primer lugar hay que expresar todas las restricciones con la misma
característica de relación (maximización todas las relaciones tiene que ser menor
102
igual que (≤), en este caso tenemos que cambiar la restricción tres multiplicando
por menos uno (-1) cambia de signo y cambia la relación, entonces tenemos:
PRIMAL
FUNCIÓN OBJETIVO
RESTRICCIONES O LIMITACIONES
Disponibilidad de presupuesto 15.000X1 + 8.000X2 + 5.000X3 ≤ 380.000
Disponibilidad espacio X1 + X2 + 0.5X3 ≤ 28
Relación vehículos 1/3 X1 + 1/3X2 – 2/3X3 ≥ 0 (-1)
VARIABLES DE NO NEGATIVIDAD
X1, X2, X3 ≥ 0
DUAL SIMPLEX
RESTRICCIONES O LIMITACIONES
15000Y1 + Y2 – 1/3Y3 ≥ 2200
VARIABLES DE NO NEGATIVIDAD
Y1, Y2, Y3 ≥ 0
ABSTRACCIONES
Z (min) = 380000Y1 + 28Y2 + 0Y3 + 0S1 + 0S2 + 0S3 + Mm1 + Mm2 + Mm3
103
Los cálculos son similares a los anteriores, eliminamos el mayor valor de M
TABLA I
Cj 380000 28 0 0 0 0 M M M
Yj bn Y1 Y2 Y3 S1 S2 S3 m1 m2 m3
TABLA II
Cj 380000 28 0 0 0 0 M M M
Yj bn Y1 Y2 Y3 S1 S2 S3 m1 m2 m3
TABLA III
Cj 380000 28 0 0 0 0 M M M
Yj bn Y1 Y2 Y3 S1 S2 S3 m1 m2 m3
104
TABLA IV
Métodos cuantitativos para los negocios; novena edición de Render Barry, Stair
Ralph y Hanna Michael.
105
BIBLIOGRAFÍA
Métodos Cuantitativos para los Negocios. Render, Barry; Stair, Ralph; Hanna,
Michael.
106
Software TORA.
107