Investigación Operativa PDF

Prefacio:
INSTITUTO TELESUP
L
a Asignatura de Investigación de Operaciones es de naturaleza
practico – teórico, introduce en el análisis y planteamiento de los
problemas complejos de ingeniería donde la optimización es un
factor fundamental. Se formulan modelos matemáticos y se brindan las
principales técnicas de caracterización y resolución de estos modelos.
Se aprenderá a interpretar los resultados obtenidos con criterios
económicos, a través del uso del análisis de sensibilidad, como paso
previo a la aplicación real de la toma decisiones en las organizaciones.
Se complementará con el uso de software especializado para la
solución de los modelos matemáticos.
Considerando el manejo holístico de la investigación de
operaciones junto con las demás asignaturas de este
ciclo, entonces se buscara generar sinergia para
dar solución al problema según nuestra realidad
social.
Comprende cuatro unidades de aprendizaje:
 UNIDAD I: La Investigación de Operaciones y la Programación

Lineal.
 UNIDAD II: Análisis de Sensibilidad de los modelos de
Programación Lineal.
 UNIDAD III: Modelos de transporte, Asignación y Redes.
 UNIDAD IV: Programación de Proyectos y Programación no

lineal.
2
INSTITUTO TELESUP
Estructura de los Contenidos
MODELOS DE PROGRAMACIÓN DE
LA INVESTIGACION DE ANÁLISIS DE
TRANSPORTE, PROYECTOS Y
OPERACIONES Y LA SENSIBILIDAD DE
LOS MODELOS DE ASIGNACIÓN Y PROGRAMACIÓN
PROGRAMACION
PROGRAMACIÓN REDES LINEAL
LINEAL
LINEAL
Análisis de Sensibilidad Programación de

Investigación de de los términos Modelos de Proyecto con tiempos
operaciones Independientes en transporte de actividad
situación de conocidos
maximización
Modelos de Métodos de solución Programación de

Programación Lineal de Modelos de Proyectos con
Análisis de la Transporte tiempos inciertos de
solución por la actividades
computadora
Consideración de los
Método Simplex Programación Lineal Modelos de intercambios de
Entera Asignación tiempo y costo
Programación no
Uso del Software El Primal - Dual Modelos de Redes lineal
La competencia que el estudiante debe lograr al final de la asignatura es:
“Analiza la realidad, capta y describe un problema,

representándolo en un modelo matemático como de
redes, de transporte, de asignación de recursos, para
realizar predicciones, demostrando coherencia y actitud crítica
en sus planteamientos, valorando la importancia de las
herramientas de optimización matemática y de la
investigación de operaciones”
3
INSTITUTO TELESUP
Índice del Contenido
I. PREFACIO 02
II. DESARROLLO DE LOS CONTENIDOS 05-154
UNIDAD DE APRENDIZAJE 1:La Investigación de Operaciones y la Programación Lineal 05- 42
1. Introducción 06
a. Presentación y contextualización 06
b. Competencia (logro) 06
c. Capacidades 06
d. Actitudes 06
e. Ideas básicas y contenido 06
2. Desarrollo de los temas 07-38
a. Tema 01:Investigación de Operaciones 07
b. Tema 02:Modelos de Programación Lineal 15
c. Tema 03:Método Simplex 22
d. Tema 04:Uso del Software 29
3. Lecturas recomendadas 39
4. Actividades y ejercicios 39
5. Ejercicios de autoevaluación 40
6. Resumen 42
UNIDAD DE APRENDIZAJE 2:Análisis de Sensibilidad de los modelos de Programación Lineal 43-71
1. Introducción 44
c. Capacidades 44
d. Actitudes 44
a. Tema 01: Análisis de sensibilidad de los términos independientes en situación de 45
maximización
b. Tema 02: Análisis de la solución por la computadora 51
c. Tema 03: Programación Lineal Entera 58
d. Tema 04: El Primal – Dual 63
6. Resumen 73
UNIDAD DE APRENDIZAJE 3:Modelos de Transporte, Asignación y Redes 74-114
1. Introducción 75
c. Capacidades 75
d. Actitudes 75
a. Tema 01 Modelos de Transporte 76
b. Tema 02: Método de solución de modelos de transportes 85
c. Tema 03: Modelos de Asignación 95
d. Tema 04: Modelos de Redes 103
6. Resumen 114
UNIDAD DE APRENDIZAJE 4:Programación de Proyectos y Programación no lineal 115-147
1. Introducción 116
c. Capacidades 116
d. Actitudes 116
a. Tema 01: Programación de Proyecto con tiempos de actividad conocidos 117
b. Tema 02: Programación de Proyectos con tiempos inciertos de actividades 130
c. Tema 03: Consideración de los intercambios de tiempo y costo 137
d. Tema 04: Programación no lineal 143
3. Lecturas Recomendadas 148
6. Resumen 151
III. GLOSARIO 152
IV. FUENTES DE INFORMACIÓN 153
V. SOLUCIONARIO 154
4
INSTITUTO TELESUP
5
INSTITUTO TELESUP
Introducció
a) Presentación y contextualización
n
Los temas que se tratan en la presente Unidad, tienen por finalidad que el
estudiante desarrolle y ejecute la optimización de los modelos matemáticos a
través del método grafico. Método simples y el uso de los software adecuados de
solución durante su proceso de formación profesional y contribuyan en el logro de
su perfil profesional.
b) Competencia
Define, planifica y genera la optimización de los modelos matemáticos
usando los diferentes métodos de solución.
c) Capacidades
1. Planifica sus metas de aprendizaje y analiza los diferentes métodos de
solución de optimización de los modelos matemáticos.
2. Aplica y genera el óptimo del modelo matemático y utiliza el método gráfico.
3. Aplica y genera el óptimo del modelo matemático y el método simplex.
4. Aplica y genera la optimización del modelo matemático y utiliza el software
Lingo, Tora, Glp.
d) Actitudes
 Disposición emprendedora.
 Respeto a las normas de convivencia.
 Sentido de Organización.
 Perseverancia en las tareas.
e) Presentación de ideas básicas y contenido esenciales de la Unidad.

La Unidad de Aprendizaje 1: La Investigación de Operaciones y la
Programación Lineal; comprende los siguientes temas:
TEMA 01: Investigación de Operaciones.

TEMA 02: Modelos de Programación Lineal.
TEMA 03: El Método Simplex.
TEMA 04: Uso del Software.
6
INSTITUTO TELESUP
Investigación TEMA 1
de
Operaciones
Competencia:
Planificar sus metas de aprendizaje y analiza los
diferentes métodos de solución de optimización de
los modelos matemáticos.
7
INSTITUTO TELESUP
Desarrollo de los Temas
Tema 01: Investigación de Operaciones
a) INVESTIGACIÓN DE OPERACIONES
Algunas Definiciones
La investigación de operaciones puede definirse como

un conjunto de métodos y técnicas científicas que,
aplicados a problemas relacionados con la operación de
sistemas, trataran de dar soluciones óptimas.
En la actualidad, la Investigación Operativa se estudia como una ciencia de alta

gerencia, ya que es una de las más útiles herramientas con las que cuenta un
ejecutivo para buscar mejores soluciones a problemas que afectan a la
organización como un todo.
La Investigación Operativa, es caracterizada por el uso de los modelos

matemáticos para proveer una guía a los gerentes para tomar decisiones
efectivas dentro del estado actual de la información o en buscar información
adicional si el conocimiento actual es insuficiente para alcanzar una decisión
adecuada. (Bradley)
Departamento de Producción
Su principal objetivo es lograr una mayor producción al menor

costo posible, por eso desea poder hacer largas corridas de
producción a fin de disminuir el costo asociado con el ajuste y
adaptación del equipo a un nuevo producto.
8
INSTITUTO TELESUP
Departamento de Ventas
Su principal objetivo es aumentar las ventas,

luego desea tener un inventario bastante
variado para poder cubrir en forma
inmediata cualquier pedido, hasta de
productos de demanda muy eventual.
Departamento de Administración
El Departamento de Administración desea reducir el inventario a un mínimo

indispensable, lo cual choca con los deseos del Dpto. de producción y el Dpto. de
ventas.
Departamento de Personal
Su principal objetivo es de mantener en alto la moral del

personal, lo cual influye directamente en la productividad, y
mantener un alto grado de entrenamiento.
b) EL ANALISTA DE OPERACIONES
 Investigar los parámetros a emplear en el modelo existente para

determinar su validez.
 Imaginación, para buscar soluciones lógicas a los múltiples problemas
tanto como técnicos como administrativos.
 Habilidad para descubrir las condiciones importantes del problema.
 Conocimiento técnico en todas las etapas de la investigación para aplicar
el modelo adecuado.
 Laboriosidad y sentido de responsabilidad.
 Facilidad de expresión oral y escrita.
 Habilidad para trabajar en equipos.
9
INSTITUTO TELESUP
c) FASES DE ESTUDIO DE INVESTIGACIÓN OPERATIVA
Construcción del modelo matemático
Es una representación de algún ente (tal como Objeto,

evento, proceso, sistema, imagen, etc.) que es empleado
principalmente con propósito de predicción y
control.
Mediante la construcción del modelo se
pretende hacer posible, o facilitar, la
determinación de cómo cambios en uno o más
de los aspectos, variables o propiedades del
ente modelado, afectan los otros aspectos o al
ente en su totalidad.
Obtención de la solución
La selección del procedimiento por emplear para obtener del modelo

una solución al problema dependerá de las características del modelo.
Los procedimientos de solución pueden ser clasificados en Analíticos
y Numéricos, muchas veces ninguno de los dos podrá aplicarse sin
la ayuda de las técnicas de Montecarlo o Simulación en la
evaluación de algunos términos de la ecuación.
d) MODELOS MATEMÁTICO
La esencia de la Investigación Operativa es el enfoque de la construcción de

modelos, el que es un intento para capturar los rasgos más significativos de la
decisión que está bajo consideración por medio de la abstracción.
Lo modelos que usa la Investigación Operativa, son matemáticos.
Los modelos son representaciones simplificadas del mundo real.
10
INSTITUTO TELESUP
A fin de que los modelos sean útiles para asistir en las decisiones gerenciales,
ellos deben de ser simples para entenderlos y fácil de usarlos. Al mismo tiempo,
ellos tienen que proporcionar una representación completa y realista del ambiente
de decisión.
e) GUÍA PARA LOS GERENTES
A través del esfuerzo del diseño del modelo, la

Investigación Operativa, trata de proveer una
guía a los gerentes, o en otras palabras trata de
incrementar la comprensión de los
administradores de las consecuencias de sus
acciones. Esto nunca es un intento para
reemplazar o substituir a los gerentes, sino mas
bien el propósito es soportar las acciones
gerenciales. Es importante entonces reconocer
la fuerte interacción requerido entre gerentes y
modelos.
Los modelos pueden oportunamente y efectivamente explicar las muchas

relaciones mutuas que pueden estar presentes dentro de las alternativas que
están siendo consideradas y que pueden explícitamente evaluar las
consecuencias económicas de las acciones restricciones impuestas por los
recursos existentes y las demandas impuestas al uso de esos recursos.
Los gerentes de otro lado, podrán formular las preguntas básicas a ser
contestadas por el modelo y luego interpretar los resultados del modelo en base a
su propia experiencia e intuición, reconociendo las limitaciones del modelo.
La complementación entre las habilidades computacionales superiores
proporcionadas por el modelo y las capacidades de discernimiento del gerente (el
que toma las decisiones) es la clave para un enfoque exitoso de la Investigación
de Operaciones.
11
INSTITUTO TELESUP
f) CLASIFICACIÓN DE LOS MODELOS
Ejercicio Operacional
Si deseamos efectuar un ejercicio operacional que soporta esta decisión,

ensayaríamos diferentes combinaciones de tipos de petróleo, directamente en el
proceso de la refinería y observar las utilidades y costos resultantes asociados
con cada alternativa de la mezcla.
Ventajas:
 Alto grado de realismo.
Desventajas:
 Costos altos de implementación.
 En muchos casos imposible de analizar.
12
INSTITUTO TELESUP
Juego (Gaming)
 El proceso de la refinería podría ser representado por un modelo matemático o

computacional, que podría asumir cualquier tipo de estructura.
 El modelo debe de reflejar con un grado aceptable de exactitud las relaciones

entre las entradas y las salidas del proceso de la refinería. Posteriormente todo
el personal que participa en estructurar el proceso de decisión en la gerencia
de la refinería deberá interactuar con el modelo. El gerente de Producción
establecerá planes de producción, el Gerente de Compras identificara precios y
fuentes de crudos de petróleo y desarrollar programas de adquisición y así
sucesivamente.
Ventajas:
 Se ha retenido algunas de las interacciones humanas del proceso real.
 El costo de procesar cada alternativa ha sido reducido.
 La velocidad de medición de la performance de cada alternativa ha sido
aumentada.
Desventajas:
 Se pierde algún grado de realismo con respecto al ejercicio operacional,
debido a que operamos en un mundo abstracto.
Simulación
Son similares a los modelos de juego, excepto que todas las personas que toman
decisiones han sido sacadas del proceso de modelaje.
Al igual que el ejercicio operacional y juego, los modelos de simulación no
generan alternativas ni producen una respuesta óptima a la decisión bajo estudio.
13
INSTITUTO TELESUP
En el ejemplo: Programaríamos por adelantado un gran número de

combinaciones de cantidades y tipos de petróleo crudo a ser usados y
obtendríamos las utilidades asociadas a cada tipo de alternativa sin ninguna
entrada externa de los tomadores de decisiones. Una vez que los resultados del
modelo han sido producidos, nuevas corridas podrían ser llevadas a cabo, hasta
que percibamos que hemos alcanzado un entendimiento adecuado de problema.
Modelo Matemático
En este de modelo, el problema es representado totalmente en términos

matemáticos, normalmente por medio de un criterio u objetivo que buscaremos
maximizar o minimizar, sujeto a un grupo de restricciones que representan las
condiciones bajo las cuales tienen que ser efectuadas.
El modelo computa una solución óptima, que es, una que satisface todas las
restricciones y nos da el mejor valor posible de la función objetivo.
En nuestro ejemplo: el uso de un modelo analítico implica determinar como
objetivo la maximización de utilidades netas obtenidas de la operación de la
refinería como una función de los tipos y cantidades de los petróleos crudos
usados. Además la tecnología del proceso de la refinería, los requerimientos del
producto final y las disponibilidades de crudo de petróleo deben ser representados
en términos matemáticos para definir las restricciones de nuestro problema.
 La solución del modelo será la cantidad exacta de cada tipo de

petróleo crudo disponible a ser procesado que maximizará las
utilidades netas dentro del grupo de restricciones propuestas.
 Los modelos analíticos, son normalmente los modelos menos
costosos y más fáciles de desarrollar. Sin embargo ellos introducen
el más alto grado de simplificación en la representación del modelo.
 Mucho del trabajo llevado a cabo por los científicos de investigación
 de Operaciones, ha sido orientado en el desarrollo de
 implementación de modelos analíticos.
14
INSTITUTO TELESUP
Modelos
TEMA 2
de
Programación
Lineal
Competencia:
Aplicar y generar el óptimo del modelo

matemático y utilizar el método gráfico.
15
INSTITUTO TELESUP
Tema 02: Modelos de Programación Lineal

Soluciones Geométricas
Usualmente las gráficas no son el mejor método para resolver problemas de

programación lineal del mundo real, ya que no podemos dibujar en más de 3
dimensiones. No obstante una solución gráfica para un problema de 3 ó menos
dimensiones es efectiva.
Este método consiste en delinear sobre el primer
cuadrante (debido a las condiciones de no
negatividad), la región de soluciones factibles; y
luego graficando sobre ellas la función objetivo, se
ubica el programa ó programas óptimos.
a) Método Grafico
Maximización
Una Compañía manufacturera textil fabrica los productos 1,2; y es

suficientemente afortunada como para vender todo lo que puede producir
actualmente.
Cada producto requiere un tiempo de manufacturación en los 3
Dptos.; y la disponibilidad de una cantidad fija de horas-hombre por
semana en cada Dpto.; tal como se muestra en el cuadro
siguiente:
Tiempo de Manufacturación
PRODUCTO
DPTO A DPTO B DPTO C
1 2 1 4
2 2 2 2
H – H disp/sem 160 120 280
16
INSTITUTO TELESUP
El problema consiste en decidir qué cantidad de cada producto debe

manufacturarse con el objeto de hacer el mejor empleo de los medios limitados
de producción, sabiendo que la ganancia por cada unidad del producto 1 es $
1.00 y del producto 2 es $ 1.50.
Sean X1 = número de unidades del producto 1

X2 = número de unidades del producto 2
Por lo tanto la programación lineal es:
Max Z = x1 + 1.5x2
Sujeto a: 2x1 + 2x2 <= 160 - - - - - - ( 1 )

x1 + 2x2 <= 120 - - - - - - ( 2 )
4x1 + 2x2 <= 280 - - - - - - ( 3 )
x1, x2 >= 0 ------(4)
Si la restricción (1) fuese la ecuación:

2x1 + 2x2 = 160,
Se representaría una recta en el plano cartesiano; pero como el signo es una
desigualdad esto representa uno de los semiplanos en que queda dividido el
plano cartesiano.
Luego cuando se gráfica se tiene:
Gráfica de inecuaciones
X2
X2 X1
80 0 80
2x1 + 2x2 =
70 80 0
160
60
50
40 Región 2x1 + 2x2 < 160
30
20
10
10 20 30 40 50 60 70 80 X1
17
INSTITUTO TELESUP
Cabe recalcar que las

restricciones de no
negatividad hacen que de
toda la zona rayada sólo
nos interesa la que está en
el primer cuadrante esto es
debido a que
𝑥1 ≥ 0 y 𝑥2 ≥ 0 , luego
se tendrá:
Aplicando los mismos

conceptos a la 2da y
3era. Restricción y
superponiendo las 3
gráficos, tenemos
que la zona en la
cual se cumplen
simultáneamente las
3 restricciones es la
región sombreada
que se indica en la
fig.
Analicemos la región sombreada, cualquier punto dentro de ella cumple

simultáneamente con las 3 restricciones y con la no-negatividad.
Ahora el problema consiste en maximizar la

función:
Z = x1 + 1.5x2
18
INSTITUTO TELESUP
Sobre la región sombreada de la fig. Anterior que representa a las restricciones

del problema en estudio.
Si hacemos x1 = x , x2 = y
1 𝑍
Z = x + 1.5y → 𝑦 = − 𝑥1 +
1.5 1.5
ec.recta y = mx + b
Procedamos a graficar esta función.

Sea Z = 0, entonces la pendiente de la función es:
𝑥2 1 2
𝑚= − = − = −
𝑥1 1.5 3
Por lo tanto, la función

objetivo, Z representa
una familia de rectas
paralelas con
pendiente
m = - 1/1.5
= - 2/3, tal como se

muestra
19
INSTITUTO TELESUP
 La recta x1 + 1.5x2 = 100 representa el máximo valor de la función Z; sujeta

a las restricciones del programa lineal propuesto.
 Cualquier valor de Z > 100, no tendrá ningún punto común con la región
sombreada.
 La recta Z = 100 y la región sombreada tienen en este caso un pto. Común
cuyas coordenadas son
x1 = 40 y x2 = 40
Soluciones factibles
C1: (0,60) C3: (70,0) C5: (40,40)
C2: (0, 0 ) C4: (60,20)
Región Factible: El conjunto de valores para las variables de decisión en un

programa lineal que satisface todas las restricciones.
Solución Factible: Una solución en la que las variables de decisión son factibles
(Cualquier punto, dentro de la región factible).
Solución Optima: El punto en la región factible que tiene el mejor valor de la

función objetivo (máx.). Y en caso de minimización el menor valor de la función
objetivo.
20
INSTITUTO TELESUP
Propiedad
La utilidad máxima ocurre en un vértice del conjunto de soluciones factibles.

Probar todos los vértices para ver cual aporta la mayor ganancia.
Vértices Z = x1 + 1.5x2
C1: (0,60) 0 + 1.5 x 60 = 90

C2: (0, 0) 0 + 1.5 x 0 = 0
C3: (70,0) 70 + 1.5 x 0 = 70
C4: (60,20) 40 + 1.5 x 20 = 90
C5: (40,40) 40 + 1.5 x 40 = 100 Respuesta
21
INSTITUTO TELESUP
Método TEMA 3
Simplex
Competencia:
Aplicar y generar el óptimo del modelo

matemático y el método simplex.
22
INSTITUTO TELESUP
Tema 03: Método Simplex
a) PROCEDIMIENTO
Se procede a efectuar el balanceo de las reglas restricciones, para lo cual se

recurre a las variables de exceso, holgura y artificial según se al el caso.
Se construye el primer tablero del método simplex y en ella se registra:

En la primera columna Xk las variables básicas según corresponde.
En la columna Cj, se registra la contribución unitaria de cada variable básica
anteriormente registrada.
En la columna b, se registra el valor de los términos independientes (estos
deberán ser positivos).
En el tablero principal se registran los coeficientes de las variables de las
restricciones balanceadas.
En la cabecera de dicho tablero se registran las contribuciones de todas las
variables.
En el primer tablero, se calcula los valores del vector fila de contribuciones

(Zj), el cual se obtiene de la suma de los productos parciales que
corresponden por fila.
Se deduce el vector de sensibilidad, el mismo que se obtiene de restar los

valores Cj – Zj, lo cual indicara si se trata o no del tablero optimo.
Si se tratase de un caso de maximización, no deberá existir valores positivos;

de los contrario elegimos el mayor de los valores positivos, el cual identificara
al vector que ingresa o “vector ingresante”. En caso de minimización de
hallarse valores negativos, se selecciona al mayor de todos ellos, quien
identifica al vector ingresante.
23
INSTITUTO TELESUP
Luego se calcula el vector que sale o “vector saliente” para lo cual se divide los
valores del vector columna b entre los valores del vector ingresante y se
selecciona como vector saliente a aquel que corresponda el menor valor
positivo.
Se construye el siguiente tablero y se determina los valores del vector antiguo

(que corresponde a dicha posición), entre el pívot (el pívot es el valor que se
halla en la intersección entre el vector que ingresa y el vector que sale, en el
tablero anterior).
Para calcular los valores de las demás filas del segundo tablero se aplica la
siguiente forma:
Elemento del vector antiguo – (semipivot * elemento del vector ingresante)
El semipivot es aquel elemento que se halla en la intersección de la fila anterior

y el vector ingresante.
Luego se calcula para el segundo tablero el valor de la fila de contribuciones
(Zj) y el vector de la fila de sensibilidad (Cj + Zj).
Se continúa este proceso hasta que:
No se tenga ningún valor positivo si se trata de maximización.
No se tenga ningún valor negativo si se trata de minimización.
Del tablero óptimo se extrae el valor óptimo (bien sea

un Zmax ó Zmin) y la contribución de las variables
reales de la solución.
24
INSTITUTO TELESUP
b) Método Simplex: Caso de Minimización
Min Z : 4X1 + 2X2 - 3X3
s.a.
4X1 - 2X2 - 3X3<= 5
X1 + X3 = 12
-2X1 + X2 - X3>= 6
Balanceando
Minx Z : 4X1 + 2X2 - 3X3+ 0X4 + 0X5 + Mq1 + Mq2
s.a.
4X1 - 2X2 - 3X3+ X4 = 3
X1 + X3 + q1 = 7
-2X1 + X2 - X3- X5 + q2 = 6
25
INSTITUTO TELESUP
4 2 –3 0 0 M M
Ci Xk b X1X2 X3 X5 X4 q1 q2
0 X4 5 4 -2-3 0 1 0 0
M q1 12 1 0 1 0 0 1 0
M q2 1 -2 1 -1 -1 0 0 1
Zj = 13M -M M 0 -M 0 M M
Cj – Zj 4+M 2-M -3 M 0 0 0
0 X4 7 0 0 -5 -2 1 0 0
M q1 12 1 0 1 0 0 1 0
2 X2 1 -2 1 -1 -1 0 0 1
Zj = 12M+2 M-4 2 M-2 -2 0 M 2
Cj – Zj -M+8 0 -M-1 2 0 0 -2+M
0 X4 67 5 0 0 -2 1 5 2
-3 X3 12 1 0 1 0 0 1 0
2 X2 13 -1 1 0 -1 0 1 1
Zj = -10 -5 2 -3 -2 0 -1 2
Cj – Zj 9 0 0 2 0 M+1 M-2
Zopt = -10
X1 = 0
X2 = 13
X3 = 12
26
INSTITUTO TELESUP
c) Método Simplex: Caso de Maximización
Max Z : 2X1 + 3X2 - 2X3
s.a.
3X1 + 2X2 - X3<= 15
X1 + 4X2 + 3X3<= 12
-2X1 + X2 - 3X3<= 7
Balanceando
Max Z : 2X1 + 3X2 - 2X3+ 0X4 + 0X5 + 0X6
s.a.
3X1 + 2X2 - X3+ X4 = 15

X1 + 4X2 + 3X3 + X5 = 12
-2X1 + X2 - 3X3+ X6 = 7
27
INSTITUTO TELESUP
2 3 –2 0 0 0
Ci Xk b X1 X2 X3 X5 X4 X6
0 X4 15 3 2 -1 1 0 0
0 X5 12 1 4 3 0 1 0
0 X6 7 -2 1 -3 0 0 0
Zj = 0 0 0 0 0 0 0
Cj – Zj 2 3 -2 0 0 0
0 X4 9 10/4 0 -10/4 1 -2/4 0
3 X2 3 1/4 1 3/4 0 1/4 0
0 X6 4 -9/4 0 -15/4 0 -1/4 1
Zj = 9 3/4 3 9/4 0 3/4 0
Cj – Zj 5/4 0 -17/4 0 -3/4 0
2 X1 36/10 1 0 -1 4/10 -2/10 0
3 X2 84/40 0 1 4/4 -1/10 3/10 0
0 X6 484/40 0 0 -6/4 9/10 -7/10 1
Zj = 135/10 2 3 1 5/10 5/10 0
Cj – Zj 0 0 -3 -5/10 -5/10 0
Zopt = 135/10 = 13.5

X1 = 3.6
X2 = 2.1
X3 = 0
28
INSTITUTO TELESUP
Uso
TEMA 4
del
Software
Competencia:
Aplicar y generar la optimización del modelo
matemático y utiliza el software Lingo, Tora,
Glp.
29
INSTITUTO TELESUP
Tema 04: Uso del Software
a) Uso del LINGO
LINGO es una herramienta simple que permite utilizar el poder

de la optimización lineal y no lineal para formular grandes
problemas concisamente, resolverlos, y analizar la solución.
La optimización ayuda a encontrar la respuesta que
satisface el mejor resultado. Frecuentemente, estos
problemas involucraban el uso más eficiente de los
recursos (dinero, tiempo, maquinaria, personal, etc.).
Los problemas de optimización se pueden clasificar en
lineales o no lineales, dependiendo de cómo las
relaciones entre las variables.
La ventana inicial de LINGO.
30
INSTITUTO TELESUP
Desarrollo de un modelo en LINGO.
Supongamos que CompuQuick Corp. Produce 2 modelos de computadoras:

Standard y Turbo. CompuQuick puede vender cada unidad Standard que produce
a un precio de $100, y cada unidad Turbo por $150. La fábrica puede producir a lo
sumo 100 computadoras Standard por día y 120 computadoras Turbo.
CompuQuick tiene una capacidad de trabajo de 160 horas por día. Las
computadoras Standard requieren 1 hora de labor, mientras que las Turbo
requieren 2 horas. El problema de CompuQuick es determinar la mezcla de
computadoras Standard y Turbo a producir cada día para maximizar el total de las
ventas sin exceder el límite de producción y de trabajo.
En general un modelo de optimización consiste en los siguientes 3 ítems:
1. Función objetivo
2. Variables
3. Restricciones
La sintaxis para escribir la función objetivo en LINGO es:

MAX = 100 * STANDARD + 150 * TURBO;
Nota: Cada línea en LINGO finaliza con un punto y coma. El punto y la coma son
requeridos. El modelo no se resolverá si falta algún punto y coma.
Las restricciones se introducen de la siguiente manera:
STANDARD <= 100;

TURBO <=120;
STANDARD + 2 * TURBO <= 160;
Nota: Dado que la mayor parte de las computadoras no tienen una tecla de menor
o igual, LINGO ha adoptado como convención utilizar el símbolo <= para
representar. Como alternativa, se puede usar el símbolo < para expresar menor o
igual. Lo mismo se usa >= ó > para expresar mayor o igual.
31
INSTITUTO TELESUP
Una expresión puede abarcar más de una línea, por ejemplo:

MAX = 100 * STANDARD + 150 * TURBO;
Se pueden introducir comentarios, que serán ignorados por LINGO, comenzando

con un signo de exclamación (! y terminando con un punto y coma. Los
comentarios también pueden ocupar varias líneas. Por ejemplo:
X= 1.5 * Y + Z / 2 * Y; ! Esto es
Un comentario;
X= 1.5 * ! Esto es un comentario en el medio de una restricción; Y + Z / 2 * Y;
LINGO no distingue entre mayúsculas y minúsculas, por lo que es lo mismo

STANDARD que standard y que StAnDaRd.
Los nombres de las variables deben comenzar con un carácter alfabético (A-
Z), los siguientes caracteres pueden ser alfabéticos, numéricos o subrayado
(_). Los nombres pueden ser de hasta 32 caracteres de longitud.
32
INSTITUTO TELESUP
Resolución del modelo.
Para ordenar a LINGO a que resuelva el problema, se debe seleccionar el

comando Solve del menú LINGO, o presionar el botón Solve de la barra de
herramientas.
Si no hay errores en la formulación del problema durante la etapa de compilación,
LINGO invocará al módulo de resolución adecuado para buscar la solución
óptima.
Ventana de estado.
En esta ventana se puede monitorear el proceso de resolución y las dimensiones

del modelo.
El recuadro "Variables" muestra el número total de variables del modelo, las
variables que son no lineales y las enteras. Una variable es considerada no lineal
si es parte de una restricción no lineal en el modelo. Mientras más variables no
lineales y enteras contenga el modelo, más difícil será resolverlo de forma óptima
en un tiempo razonable. Los modelos lineales puros sin variables enteras tienden
a resolverse más rápidamente.
33
INSTITUTO TELESUP
La cuenta de variables no incluye las que LINGO determina como de valor fijo, por
ejemplo: dadas las restricciones
X = 1;
X + Y = 3;
LINGO determina por la primera restricción que X está fija en 1, y, usando esta
información, deduce que Y está fija en 2. X e Y serán entonces excluidas del
modelo.
En el recuadro "Constraints" se muestra la cantidad total de restricciones y el

número de éstos que son no lineales. Una restricción es considerada no lineal si
una o más variables aparecen de forma no lineal en la restricción.
El recuadro "Nonzeros" muestra el total de coeficientes distintos de cero que
aparecen en el modelo y el número de estos que aparecen en variables no
lineales.
El recuadro "Memory Used" muestra la cantidad de memoria que está utilizando
LINGO para resolver el modelo.
El recuadro "Elapsed Runtime" muestra el tiempo total utilizado para generar y
resolver el modelo.
El recuadro "Optinizer Status" muestra el estado actual del optimizador:
Campo Descripción
State Estado de la solución actual, puede ser
"Global optimum", "Local optimum",
"Feesible", "Unbounded", "Interrupted",
"Undetermined"
Iterations Número de iteraciones
Infeasibility Cantidad de veces que es violada una
restricción
Objetive Valor actual de la función objetivo
Best IP Valor de la función objetivo de la mejor
solución entera encontrada (solo en
modelos de programación entera)
IP Bound Límite teórico de la función objetivo
para modelos de programación entera.
34
INSTITUTO TELESUP
Cuando LINGO termine de resolver el modelo, creará una nueva ventana con el título
Solution Report, conteniendo los detalles de la solución:
Informe de la solución.
¿Para qué utilizar un lenguaje de modelación?
Una de las características más potentes de LINGO,

es el lenguaje de modelación matemática. Este
lenguaje permite expresar el problema de una
manera natural, similar a la notación matemática
standard. Además de poder ingresar cada término
de cada restricción explícitamente, LINGO permite
expresar una serie de restricciones similares en
una sola sentencia compacta.
35
INSTITUTO TELESUP
Otra característica conveniente del lenguaje de modelación de LINGO, es la

sección de datos. La sección de datos permite aislar los datos de la formulación
del modelo. De hecho, LINGO puede incluso, leer los datos de una planilla de
cálculo, de una base de datos o un archivo de texto. Con los datos
independientes del modelo, es mucho más fácil hacer cambios, y hay menos
oportunidad de cometer errores.
El modelo de CompuQuick del ejemplo anterior, usa variables escalares, cada
variable está explícitamente listada por nombre (STANDARD y TURBO) y cada
restricción aparece explícitamente. En la mayor parte de los grandes modelos,
será necesario trabajar con un grupo de varias restricciones y variables muy
similares. Para esto, LINGO tiene la habilidad de manejar conjuntos de objetos,
que permiten efectuar estas operaciones más eficientemente.
b) Uso del GLP
Es una herramienta informática que permite graficar modelos

matemáticos de P.L. de 2 variables, grafica la solución óptima. Es
desarrollado bajo la supervisión del Profesor Jeffrey Moore, PhD de la
Escuela de Negocios de la Universidad de Stanford.
Usando GLP Escuela de Negocios de Stanford

Graphic LP Optimizer (GLP) para
graficar modelos de PL.
Etiquetas de
tipo de
variables para
X, Y, ingreso
para 6
restricciones y
la función Area de graficación
objetivo.
(PAYOFF)
36
INSTITUTO TELESUP
Primero, obtenga un gráfico

del grupo de restricciones,
Ingreso de
asignando los ejes.
restricciones y
el límite de las
disponibilidad
de recursos
usando +/-
Esta área representa

la región factible.
Note que puede desplazar la línea de estricciones (drag) y

observar que pasa con la regiónfactible.
Solo el lado derecho de

la restricción (RHS) es
variable.
37
INSTITUTO TELESUP
c) Uso del TORA
Max Z = x1 + 1.5x2
Sujeto a: 2x1 + 2x2 <= 160 - - - - - - ( 1 )
x1 + 2x2 <= 120 - - - - - - ( 2 )
4x1 + 2x2 <= 280 - - - - - - ( 3 )
x1, x2 >= 0 ------(4)
38
INSTITUTO TELESUP
Resumen
UNIDAD DE APRENDIZAJE I:
Como su nombre lo dice, la investigación de operaciones significa “hacer investigación
sobre las operaciones”. Esto dice algo tanto del enfoque como del área de aplicación.
Entonces, la investigación de operaciones se aplica a problemas que se refiere a la
conducción y coordinación de operaciones o actividades dentro de una organización.
Hasta hace poco las decisiones siempre se tomaban basadas en la intuición. Sin
embargo este proceso empezó a perder confiabilidad, por lo cual comenzaron a
utilizarse en el siglo pasado modelos de programación matemática y se diseñaron
técnicas similares como ayuda a la decisión gerencial.
La revolución científica en las técnicas administrativas de principios de este siglo, iniciadas

por Frederick Taylor, en la que sentó la base para la actualidad ciencia administrativa /
investigación de operaciones. Con posterioridad a la guerra y ante el éxito aparente de los
militares atrajo la atención de la industria que buscaba soluciones a problemas creados por
la complejidad y especialización de las operaciones, herramientas formales para el
desarrollo rápido de las empresas y empezaron a formar grupos de trabajo. Dos procesos,
que ocurrieron en el periodo posterior a la segunda guerra mundial, condujeron a la
investigación de operaciones como un par importante en el proceso de la toma de
decisiones:
En primer lugar el descubrimiento de George Dantzig en 1947 del método simple, para
resolver problemas de programación lineal., y en 1957 Churman, Ackffy Arnoff
publicaron el primer libro de investigación de operaciones. Con el advenimiento de las
computadoras digitales se expandieron los campos de acción de los métodos
cuantitativos y se crearon nuevos modelos. Dada la facilidad de obtención de
resultados en crear y desarrollarse. Hoy en día los métodos cuantitativos son utilizados
en el sector público y privado como elementos esenciales en el proceso de la toma de
decisiones generales. Programación lineal, técnica matemática y de investigación de
operaciones que se utiliza en la planificación administrativa y económica para
maximizar las funciones lineales de un gran número de variables sujetas a
determinadas restricciones (véase Álgebra; Función; Matemática). El desarrollo de
computadoras electrónicas de procesamiento de alta velocidad ha aportado
recientemente muchos avances a la programación lineal, de forma que ahora esta
técnica se utiliza extensamente en operaciones industriales y militares.
42
INSTITUTO TELESUP
La programación lineal se utiliza básicamente para hallar un conjunto de valores,

elegidos a partir de un conjunto de números dado, que maximizaran una forma poli
nómica dada. La programación lineal utiliza un modelo matemático para descubrir el
problema. El adjetivo lineal significa que todas las funciones matemáticas del model
deben ser funciones lineales. En este caso, la palabra programación no se refiere a
programación en computadoras; en esencia es un sinónimo de planeación. Así, la
programación lineal trata de planeación de las actividades para obtener un resultado
optimo, esto es, el resultado que mejor alcance la meta especificada (según el modelo
matemático) entre todas alternativas de solución.
43
INSTITUTO TELESUP
44
INSTITUTO TELESUP
Introducció
n Los temas que se tratan en la presente Unidad, tienen por finalidad que el
estudiante desarrolle y ejecute el análisis post-optimo de los modelos
matemáticos de programación lineal, durante su proceso de formación profesional
y contribuyan en el logro de su perfil profesional.
b) Competencia
Desarrolla y aplica el análisis de sensibilidad de los modelos matemáticos
de programación lineal.
c) Capacidades
1. Planifica y aplica el análisis de sensibilidad de los modelos matemáticos.
2. Planifica y utiliza el análisis de sensibilidad por computadora.
3. Planifica y aplica la solución de modelos de programación entera.
4. Aplica y reconoce los modelos Primal - Dual.
d) Actitudes

La Unidad de Aprendizaje 2: Análisis de Sensibilidad de los modelos de
Programación Lineal, comprende el desarrollo de los siguientes temas:
TEMA 01: Análisis de Sensibilidad de los Términos Independientes en

Situación de Maximización.
TEMA 02: Análisis de la Solución por la Computadora.
TEMA 03: Programación Lineal Entera.
TEMA 04: El Primal - Dual.
45
INSTITUTO TELESUP
Análisis de
Sensibilidad TEMA 1
de los Términos
Independientes
en Situación de
Maximización
Competencia:
Planificar y aplicar el análisis de sensibilidad
de los modelos matemáticos.
46
INSTITUTO TELESUP
Tema 01: Análisis de Sensibilidad de los Términos Independientes en

Situación de Maximización
El análisis Post-optimo es también denominado Análisis de Sensibilidad, estudia

las variaciones que se presentan en una solución optima en lo referente a los
Términos Independientes, la Función Objetivo y la matriz Principal (esta última
también denominada Matriz Tecnológica), tanto para los casos de maximización
como los de Minimización
a) Análisis de sensibilidad de los términos independientes en situación

de maximización
Procedimiento
Paso 1. Se calcula la solución óptima del modelo originalmente

dado.
Paso 2.
Se calcula el valor del término independiente modificado,
mediante:
bi +/ - Δb = b’
Donde:
b i = Es el término independiente original de una
determinada restricción del modelo matemático.
Δb = Es la cantidad en que se incrementa o disminuye el
término independiente.
b’ = Es el término independiente modificado
47
INSTITUTO TELESUP
Paso 3. Se multiplica la matriz:
B-1 con el vector modificado del término independiente:
B-1 b’ >= [ Ō ] entonces Es Factible
De lo contrario se dice que no existe factibilidad.
Paso 4. En el supuesto caso de que no exista factibilidad, se identifica a aquel

elemento de la matriz B-1 que lo está ocasionando ( la matriz B-1 es aquella que
corresponde en el tablero optimo a la posición que ocupaba la matriz unitaria en el
tablero Nº 01 del Método Simples), a dicho elemento identificado, se convierte en
el Pívot y partir de esto, se efectúa la inversión de matrices para la matriz B -1; y
continuamos con el proceso del Paso 4 las veces que sean necesarios, hasta
obtener una solución factible, mediante la fórmula dada en el Paso 3.
Paso 5. Una vez que se obtiene la factibilidad a partir del Paso 3 o Paso 4 según
el caso, se procede a calcular la solución optima del modelo dado con la variación
propuesta del término independiente, mediante la fórmula:
Zmax = Ci ( B-1 b’ )
Y la participación de las variables, reales en dicho modelo

modificado se obtiene de:
B-1 b’
EJEMPLO
Max Z : 5X1 + 6X2

s.a.
2X1 + 3X2<= 30
3X1 + 2X2 <= 30
48
INSTITUTO TELESUP
Para cuando:
a) Considerar que b1 , pasa a ser 24

b) Considerar que b , pasa a ser b1=36 y b2=18
Balanceando
Max Z : 5X1 + 6X2+ 0X3 + 0X4

s.a.
2X1 + 3X2+ X3= 30
3X1 + 2X2 + X4= 30
5 6 0 0
Ci Xk b X1 X2X3 X4
0 X3 30 2 3 1 0
0 X4 30 3 2 0 1
Zj = 0 0 0 0 0
Cj – Zj 6 6 0 0
6 X2 10 2/3 1 3/3 0
0 X4 10 5/3 0 -2/3 1
Zj = 60 4 6 2 0
Cj – Zj 1 0 -2 0
6 X2 6 0 1 3/5 -2/5
5 X1 6 1 0 -2/5 3/5
Zj = 66 5 6 8/5 3/5
Cj – Zj 0 0 -8/5 -3/5
Zopt = 66
X1 = 6
X2 = 6
49
INSTITUTO TELESUP
a) B-1 b’ >= [ Ō ] entonces Es Factible
3/5 -2/5 24 12/5 6

= >= Solución factible
-2/5 3/5 30 42/5 0
Se pasa al Paso 5
Zmax = Ci (B-1 b’ )
Zmax = (C2 , C1 ) 12/5
42/5
Zmax = (6,5) 12/5 = 56.4
42/5
x1= 42/5 = 8.4 x2 = 12/5 = 2.4
b) B-1 b’ >= [ Ō ] entonces Es Factible
3/5 -2/5 36 72/5 0

= not >= No factible
-2/5 3/5 18 -18/5 0
Entra
X3 X4 X3 X4
X2 3/5 -2/5 X2 0 1/2
Sale X1 -2/5 3/5 X3 1 -3/2
X2 0 1/2 36 9 0
= >= Solución factible
X3 1 -3/2 18 9 0
50
INSTITUTO TELESUP
Se pasa al Paso 5
Zmax = Ci (B-1 b’ )
Zmax = (C2 , C3 ) 9
Zmax = (6,0) 9 = 54
x1= 0 x2 = 9
51
INSTITUTO TELESUP
Análisis de la TEMA 2
Solución por la
Computadora
Competencia:
Planificar y utilizar el análisis de sensibilidad

por computadora.
52
INSTITUTO TELESUP
Tema 02: Análisis de la Solución por la Computadora
a) Planeación de la producción
Usando el software Lindo tenemos:
53
INSTITUTO TELESUP
54
INSTITUTO TELESUP
b) Análisis
1. Plan óptimo de producción

Q1 = 1300 unidades
Q2 = 0
Q3 = 100 unidades
Q4 = 800 unidades
Q5 = 200 unidades
2. Cuanto es la utilidad máxima

$ 54,400
3. Costos reducidos.
Solo se le interpreta cuando son diferentes de cero.
Costo reducido de Q2 = 11
Tiene dos significados:
Primera interpretación: Se puede notar que el producto Q2 no conviene
fabricar, para que sea conveniente su producción, su utilidad debe aumentar
por lo menos 11 $/unidad.
Segunda Interpretación: Se sabe que el producto Q2 no debemos fabricar, si
forzamos la producción de este producto, la utilidad total se reducirá en forma
proporcional a 11, por cada unidad fabricada.
NOTA
Siempre que hay un cero en el lado izquierdo o
derecho, si no hay cero, el problema no tiene
solución. Pero cuando hay varios ceros, significa
que hay varias soluciones óptimas.
55
INSTITUTO TELESUP
4. Slack or Surplus (variables de holgura y exceso).
Variable de Holguras y Variables de exceso
a) Holgura 0 de la fila 2: Toda la materia prima ha sido utilizada, sobrando cero

libras.
b) Holgura 300 de la fila 3: Significa que hay 300 pies cúbicos no utilizables del
almacén. Solo se está utilizando 3700 pies cúbicos.
c) Variable de exceso 1900 en la fila 4: Se están entregando 1900 unidades
adicionales a las empresas industriales, lo mínimo que pedían era 200
unidades y estamos entregando 2100 unidades (exceso de 1900 unidades).
d) Variables de exceso 0 de la fila 5: Se están entregando exactamente lo mínimo
pedido (300 unidades) a las empresas comerciales, no entregamos ninguna
unidad adicional.
e) En la fila 6 y fila 7 por ser restricción de igualdad.
5. Dual Price (Precios Duales).

Se obtiene como sigue:
Unidad de la función del Primal

Yi = --------------------------------------------------------------------
Unidad del término derecho de la i_esima restricción del Primal
$ de utilidad
Y1 = 3 ----------------------------
Libras de materia prima
$ de utilidad
Y2 = 0 ----------------------------
Pie cúbico de espacio
$ de utilidad
Y3 = 0 ----------------------------
Producto comprado por empresas industriales
56
INSTITUTO TELESUP
$ de utilidad
Y4 = -14 ----------------------------
Por producto comprado por las empresas comerciales
$ de utilidad
Y5 = 14 ----------------------------
Hora Planta 1
$ de utilidad
Y4 = 21 ----------------------------
Hora Planta 2
6. Unidades de las variables duales.

Sea:
bi = termino derecho de la i_esima restricción del primal
Yi = Variable dual asociada a la i_esima restricción del Primal.
M = Valor optimo de la función objetivo del primal.
Si variamos el término derecho (bi) de la i_esima restricción del primal, en un

cantidad di, entonces:
Si di es positivo significa que estamos incrementando.

Si di es negativo significa que estamos disminuyendo.
El nuevo valor óptimo es

M - di * Yi
i) Si aumentamos 50 libra de materia prima. ¿Cuál es la nueva utilidad?
M + di * Yi
M = 5400
di = 50
Yi = 3
57
INSTITUTO TELESUP
Entonces 5400 + 50(3) = $ 54,550
ii) Si se deterioran 80 libras de materia prima, como afecta esto a la utilidad.
54400 + di * Yi = 54400 + (-80) (3) = $ 54160
En conclusión:
Por cada libra adicional de materia prima, la utilidad aumenta en 3 $, y por cada
libra que se disminuye la materia prima, la utilidad baja 3 $.
7. Rangos de sensibilidad.
i) Rango de sensibilidad para el coeficiente de Q1 en la Función Objetivo

Mientras la utilidad unitaria del producto 1 sea menor o igual que 26, el Plan
de Producción optimo no cambia.
ii) Rango de sensibilidad para la materia prima (Fila2)

Mientras la cantidad disponibles de materia prima este entre 5800 y 6400
libras, los precios duales no cambian. Van ha seguir siendo 3.
Podemos comprar hasta 400 libras de materia prima o vender hasta 200
libras, sin alterar su precio dual.
58
INSTITUTO TELESUP
Programación
TEMA 3
Lineal
Entera
Competencia:
Planificar y aplicar la solución de modelos de
programación entera.
59
INSTITUTO TELESUP
Tema 03: Programación Lineal Entera
La programación entera tiene que ver con la solución de problemas

de programación matemática, en las cuales algunas o todas las
variables, solo pueden tomar valores enteros no negativos.
a) Tipos de Modelos de Programación Lineal Entera
Programa enteros puros

Un modelo entero puro (PLE) es un problema en el que se exige que todas las
variables de decisión tengan valores enteros.
Ejemplo:
MIN 6X1 + 5X2 + 4X1
S.A.
108X1 + 92X2 + 58X3 >= 576
7X1 + 18X2 + 22X3 >= 83
X1, X2, X3 >= 0 y Enteros
Programas Enteros Mixtos

Se llama programación lineal entero mixto (PLEM), cuando un problema solo
requiere que algunos variables tengan valores enteros, mientras que las otras
pueden asumir cualquier numero no negativo (es decir, cualquier valor continuo).
Por ejemplo:
MIN 6X1 + 5X2 + 4X3
S.A.
108X1 + 92X2 + 58X3 >= 576
7X1 - 18X2 + 22X3 >= 83
X1, X2, X3 >= 0 ; X1 y X3 Enteros
60
INSTITUTO TELESUP
Programación Enteros 0 y 1
En algunos problemas, se restringe el valor de las variables a 0 y 1. Dichos
problemas se llaman Binarios o Programas Lineales Enteros 0-1. Son de particular
interés, debido a que se pueden usar las variables 0-1 para representar
decisiones dicotómicas (si o no). Diversos problemas de asignación, ubicación de
plantas, planes de producción y elaboración de cartera, son de programación
lineal entera 0-1. Por ejemplo:
MIN 5X1 - 7X2 + 10X3 - 3X4 + X5

S.A.
-X1 - 3X2 + 5X3 - X4 - 4X5 >= 0
2X1 + 6X2 - 3X3 + 2X4 + 2X5 >= 4
-X2 + 2X3 + X4 - X5 >= 2
XJ = 0 ó 1 donde (0: se rechaza, 1: se acepta)
b) Métodos de Programación Lineal Entera
Método de Búsqueda
Se inician partir de la idea directa de enumerar todos los puntos enteros factibles,
El método de búsqueda más sobresaliente es la TÉCNICA DE RAMIFICAR Y
ACOTAR, Comienza a partir del optimo continuo, pero “parte” sistemáticamente el
espacio de soluciones en subproblemas, suprimiendo partes que no contengan
puntos enteros factibles.
Ejemplo:
MAX X1 + 5X2
S.A.
11X1 + 6X2 <= 66
5X1 + 50X2 <= 225
X1, X2 >= 0 y Enteros
Resolver el problema, por el método gráfico o método simplex
61
INSTITUTO TELESUP
62
INSTITUTO TELESUP
Ramificar y Acotar
VO de P1 <= 3.75 + 5(4.123) = 24.375 = U = MCSA Máxima Cuota Superior Actual
VO de P1 <= 3 + 5(4) = 24 = F = MCIA Mínima Cuota Inferior Actual
63
INSTITUTO TELESUP
El
TEMA 4
Primal –
Dual
Competencia:
Aplicar y reconocer los modelos Primal –
Dual.
64
INSTITUTO TELESUP
Tema 04: El Primal - Dual
El método PRIMAL- DUAL constituye una

técnica de solución complementaria en la
Programación Lineal, generalmente su
aplicación se da en la Teoría de
Estrategia ó Teoría de Juegos, en la cual
se busca optimizar entre 2 o más
estrategas y determinar la probabilidad
de éxito de cada caso, así como el valor
de la información o el juego según se trate
a) Primal - Dual
Dado un conjunto cualquiera de datos para un modelo de PL (Primal), podemos

usar los mismos datos para formar un modelo de PL diferente (Dual).
Para examinar la teoría de Dualidad en una forma satisfactoria, tenemos que
desechar la restricción de que las variables de un modelo de PL sean no
negativas.
Ejemplo (Modelo Primal)
Max 3X1 + 4X2 - 2X3 Var. Duales
S.A.
4X1 - 12X2 + 3X3 <= 12 Y1
-2X1 + 3X2 + X3 <= 6 Y2
-5X1 + X2 - 6X3 >= -40 Y3
3X1 + 4X2 -2X3 = 10 Y4
X1>=0 , X2<=0 , X3 NRS
65
INSTITUTO TELESUP
b) Regla
El Núm. de variables del Dual es igual al número de restricciones del Primal. El

número de restricciones del Dual es igual al número de variables del Primal.
Los coeficientes de la Función Objetivo en el Dual será el vector de recursos del
Primal.
Si el primal es un modelo de maximización, el Dual será de Minimización. Si el
Primal es un modelo de Minimización el Dual será de Maximización.
Los Coeficientes de la 1ra función de restricción del Dual, son los Coeficientes de
la 1ro variable en las restricciones de Primal, y en forma análoga para las otras
restricciones.
Los recursos de las restricciones duales son los Coeficientes de la función objetivo
del Primal.
El sentido de la i-ésima restricción Dual es = si y solo si la i-ésima variable del
Primal no tiene restricción de signo (NRS).
Si el Primal es un modelo de Max (Min), entonces, después de aplicar la regla
anterior, se asigna a las restantes restricciones Duales el mismo (opuesto) sentido
a la variable correspondiente del Primal.
La i-ésima variable del problema DUAL no tendrá restricción
de signo(NRS) si y solo si la i-ésima restricción del PRIMAL
es una igualdad.
Si el PRIMAL es un modelo de máx. (Min), entonces

después de aplicar la regla anterior, asignar a las
demás variables DUALES el signo contrario
(el mismo signo) que la restricción
correspondiente al PRIMAL.
66
INSTITUTO TELESUP
Modelo Dual
Núm. Variables Dual =4 (Y1, Y2, Y3 y Y4)

Núm. Restricciones Dual = 3
Min 12Y1 + 6Y2 - 40Y3 + 10Y4
S.A.
4Y1 - 2Y2 - 5Y3 + 3Y4 >= 3
-12Y1 + 3Y2 + Y3 + 4Y4 <= 4
3Y1 + Y2 - 6Y3 - 2Y4 = -2
Y1>= 0 , Y2>= 0 , Y3 <= 0 , Y4 NRS
d) Ejercicios
1) Hallar el Dual del siguiente Primal
Max 3X1 + 4X2

S.A.
-2X1 + 3X2 <= 6
5X1 - X2 <= 40
X1 + X2 <= 7
X1>= 0 , X2>= 0
Dual
Núm. Variables (D) = Num. Restricciones (P) = 3
Núm. Restricciones (D) = Núm. Variables (P) = 2
Min 6Y1 + 40Y2 + 7Y3

S.A.
-2Y1 + 5Y2 + Y3 >= 3
3Y1 - Y2 + Y3 >= 4
Y1>= 0 , Y2>= 0 , Y3 >= 0
67
INSTITUTO TELESUP
Min X1 + 12X2 - 2X3
S.A.
4X1 + 2X2 + 12X3 <= 10
2X1 - X2 + 11X3 >= -2
X1<= 0 , X2 NRS , X3>= 0
Dual
Num. Variables (D) = Num. Restricciones (P) = 2

Num. Restricciones (D) = Num. Variables (P) = 3
Max 10Y1 - 2Y2
S.A.
4Y1 + 2Y2 >= 1
2Y1 - Y2 = 12
12Y1 + 11Y2 <= -2
Y1<= 0, Y2>= 0
68
INSTITUTO TELESUP
Max 4X1 + 7X2 + 8X3
S.A.
4X1 + 2X2 + X3 <= 100
X1 + 3X2 + 7X3 <= 80
2X1 + 6X2 + 3X3 <= 50
X1 NRS, X2 NRS, X3NRS
Dual
Núm. Variables (D) = Núm. Restricciones (P) = 3

Núm. Restricciones (D) = Núm. Variables (P) = 3
Min 100Y1 + 80Y2 + 50Y3
S.A.
4Y1 + Y2 + 2Y3 = 4
2Y1 + 3Y2 + 6Y3 = 7
Y1 + 7Y2 + 3Y3 = 8
Y1>= 0, Y2>= 0, Y3>= 0
69
INSTITUTO TELESUP
Resumen
UNIDAD DE APRENDIZAJE II:
Toda solución a un problema de toma de decisiones se basa en determinados

parámetros que se presumen como fijos. El análisis de sensibilidad es un conjunto de
actividades posteriores a la solución que sirven para estudiar y determinar qué tan
sensible es la solución a los cambios en las hipótesis.
Estas actividades también se denominan análisis de estabilidad, análisis what-if o de

hipótesis, modelación de escenarios, análisis de especificidad, análisis de
incertidumbre, análisis de inestabilidad numérica, inestabilidad funcional y tolerancia,
análisis de post optimalidad, aumentos y disminuciones admisibles y muchos otros
términos similares que reflejan la importancia de esta etapa del proceso de
modelación. Por ejemplo, análisis de sensibilidad no es el término típico empleado en
la econometría para referirse al método de investigación de la respuesta de una
solución frente a perturbaciones en los parámetros.
En econometría, esto se denomina estática comparativa o dinámica comparativa,

según el tipo de modelo en cuestión. Se puede hacer frente a las incertidumbres de
una manera más "determinista". Este abordaje tiene distintos nombres tales como
"modelación de escenarios", "modelación determinista", "análisis de sensibilidad" y
"análisis de estabilidad".
La idea es generar, de manera subjetiva, una lista ordenada de incertidumbres

importantes que supuestamente podrían tener un mayor impacto sobre el resultado
final. Esto se lleva acabo antes de focalizarse en los detalles de cualquier "escenario"
o modelo
74
INSTITUTO TELESUP
75
INSTITUTO TELESUP
Introducció
n
estudiante desarrolle y ejecute los modelos de Transporte, Asignación y Redes,
durante su proceso de formación profesional y contribuyan en el logro de su perfil
profesional.
b) Competencia
Aplica modelos de transporte, asignación, redes y comprende su
importancia en la investigación de operaciones.
c) Capacidades
1. Planifica y reconoce la estructura de un modelo de transporte.
2. Diseña y aplica modelos de transporte.
3. Diseña y aplica modelos de asignación.
4. Aplica y reconoce los modelos de redes.
d) Actitudes

La Unidad de Aprendizaje 3: Modelos de Transporte Asignación y Redes,
comprende el desarrollo de los siguientes temas:
TEMA 01: Modelos de Transporte

TEMA 02: Métodos de solución de Modelos de Transporte
TEMA 03: Modelos de Asignación
TEMA 04: Modelos de Redes
76
INSTITUTO TELESUP
Modelos TEMA 1
de
Transporte
Competencia:
Planificar y reconocer la estructura de un

modelo de transporte.
77
INSTITUTO TELESUP
Tema 01: Modelos de Transporte
Definición y Aplicación del Modelos de Transporte
El modelo de transporte busca determinar un plan de transporte de una

mercancía de varias fuentes a varios destinos. Los datos del modelo son:
1. Nivel de oferta en cada fuente y la cantidad de demanda en cada destino.

2. El costo de transporte unitario de la mercancía a cada destino.
Como solo hay una mercancía un destino puede recibir su demanda de una o más
fuentes. El objetivo del modelo es el de determinar la cantidad que se enviará de
cada fuente a cada destino, tal que se minimice el costo del transporte total.
La suposición básica del modelo es que el costo del transporte en una ruta es
directamente proporcional al número de unidades transportadas. La definición de
“unidad de transporte” variará dependiendo de la “mercancía” que se transporte.
La suposición básica del modelo es que el costo del transporte en una ruta es
directamente proporcional al número de unidades transportadas. La definición de
“unidad de transporte” variará dependiendo de la “mercancía” que se transporte.
Fuentes Destinos
C11 : x11
a1 1 1 b1
Unidades a2 Unidades
2 2 b2 de demanda
de oferta
am bn
m n
Cmn : xmn
78
INSTITUTO TELESUP
El esquema siguiente representa el modelo de transporte como una red con m

fuentes y n destinos. Una fuente o un destino está representado por un nodo, el
arco que une fuente y un destino representa la ruta por la cual se transporta la
mercancía. La cantidad de la oferta en la fuente i es ai, y la demanda en el destino
j es bj. El costo de transporte unitario entre la fuente i y el destino j es Cij.
Si Xi j representa la cantidad transportada desde la fuente i al destino j, entonces,

el modelo general de PL que representa el modelo de transporte es:
Minimiza Z= i=1 m j=1n C i j X i j
Sujeta a:
j=1n X i j<= ai , i=1,2,…, m

i=1m X I j>= bj , j=1,2,…, n
X i j >=0 para todas las i y j
El primer conjunto de restricciones estipula que la suma de los envíos desde una
fuente no puede ser mayor que su oferta; en forma análoga, el segundo conjunto
requiere que la suma de los envíos a un destino que satisfaga su demanda.
El modelo que se acaba de escribir implica que la oferta total i=1m ai debe ser
cuando menos igual a la demanda total j=1n bj. Cuando la oferta total es igual a la
demanda total, la formulación resultante recibe el nombre de modelo de transporte
equilibrado. Este difiere del modelo solo en el hecho de que todas las
restricciones son ecuaciones, es decir:
X i j = ai, i=1,2,..., m
X i j = bj, j=1,2,..., n
79
INSTITUTO TELESUP
En el mundo real, no necesariamente la oferta debe ser igual a la demanda o

mayor que ella. Sin embargo, un modelo de transporte siempre puede
equilibrarse. El equilibrio, además de su utilidad en la representación a través de
modelos de ciertas situaciones prácticas, es importante para el desarrollo del
método de solución que explote completamente la estructura especial del modelo
de transporte.
b) Ejemplos
Ejemplo 1 (Modelo de transporte estándar)
MG Auto Company tiene plantas en Los Ángeles, Detroit y Nueva Orleáns. Sus
centros de distribución principales son Denver y Miami. Las capacidades de las
plantas durante el trimestre próximo son 1 000, 1 500, y 1 200 automóviles. Las
demandas trimestrales en los dos centros de distribución son de 2 300 y 1 400
vehículos. El costo del transporte de un automóvil por tren es de 8 centavos por
milla. El diagrama de las distancias recorridas entre las plantas y los centros de
distribución son:
Denver Miami
1 000 1 690
Los Ángeles
Detroit 1 250 1 350
1 275 850
Nueva Orleans
Esto produce en costo por automóvil a razón de 8 centavos por milla recorrida.
Produce los costos siguientes (redondeados a enteros), que representan a C ij del
modelo original:
Denver Miami
80 215
Los Ángeles
Detroit 100 108
102 68
Nueva Orleans
80
INSTITUTO TELESUP
Mediante el uso de códigos numéricos que representan las plantas y centros de

distribución, hacemos que X ij represente el número de automóviles transportados
de la fuente i al destino j. Como la oferta total (= 1 000 + 1 500 + 1 200 = 3 700)
es igual a la demanda (= 2 300 + 1 400 = 3 700), el modelo de transporte
resultante está equilibrado. Por lo tanto, el siguiente modelo de PL que representa
el problema tiene todas las restricciones de igualdad.
Minimizar Z = 80X 11 + 215X 12 + 100X 21 + 108X 22 + 102X 31 + 68X 32
Sujeto a:
X 11 X 12 = 1 000
X 21 X 22 = 1 500
X 31 X 32 = 1 200
X 11 X 21 X 31 = 2 300
X 12 X 22 X 32 = 1 400
X ij para todas las i y j
Un método más resumido para representar el modelo de transporte consiste en

utilizar lo que se llama tabla de transporte. Esta es una forma de matriz donde
sus renglones representan las fuentes y sus columnas los destinos. Los
elementos de costo C i j se resumen en la esquina noroeste de la celda de la
matriz (i, j). Por lo tanto, el modelo de MG se puede resumir en la tabla siguiente:
81
INSTITUTO TELESUP
Ejemplo 2 (Modelo de transporte con equilibrio)
En el ejemplo anterior suponga que la capacidad de la planta de Detroit es de 1

300 automóviles (en vez de 1 500). Se dice que la situación esta desequilibrada
debido a que la oferta total (=3 500) no es igual a la demanda total (=3
700).Nuestro objetivo consiste en volver a formular el modelo de transporte de
manera que distribuya la cantidad faltante (=3 700 – 3 500 = 200) en forma optima
entre los centros de distribución.
Como la demanda es mayor que la oferta se puede agregar una planta ficticia
con una capacidad de 200. Se permite que dicha planta, en condiciones normales,
envíe su “producción“ a todos los centros de distribución. Físicamente, la cantidad
de unidades enviadas a un destino desde una planta ficticia representará la
cantidad faltante en ese destino.
La única información que falta para completar el modelo son los “costos de
transporte” unitarios de la planta ficticia a los destinos. Como la planta no existe,
no habrá ningún envío físico y el costo de transporte unitario es cero. Sin
embargo, podemos enfocar la situación desde otro ángulo diciendo que se incurre
en un costo de penalización por cada unidad de demanda insatisfecha en los
centros de distribución. En este caso los costos de transporte unitarios serán
iguales a los costos de penalización unitarios en los diversos destinos.
Denver Miami
Los Ángeles 80 215 1 000
Detroit 100 108 1 300
Nueva Orleáns 102 68 1 200
Planta ficticia 0 0 200
82
INSTITUTO TELESUP
De manera análoga, si la oferta en mayor que la demanda podemos añadir un

destino ficticio que absolverá la diferencia. Por ejemplo, suponga que la
demanda en Denver disminuye a 1 900 cualquier automóvil enviado de una planta
a un centro de distribución ficticio representa un excedente en la planta.
Destino
Denver Miami
Ficticio
Los Ángeles 80 215 0 1 000
Detroit 100 108 0 1 500
Nueva Orleans 102 68 0 1 200
La aplicación del modelo de transporte no se limita al problema de “transporte”.

El siguiente ejemplo ilustra el uso del modelo del transporte en otros campos.
Ejemplo 3 (Modelo de inventario de producción)
Una compañía construye una planta maestra para la producción de un artículo en

un periodo de cuatro meses. Las demandas en los cuatro meses son: 100, 200,
180 y 300 unidades. Una demanda para el mes en curso puede satisfacerse a
través de:
1. Producción excesiva en un mes anterior almacenada para su consumo

posterior.
2. Producción en el mes actual.
3. Producción excesiva en un mes posterior para cubrir pedidos de meses
anteriores.
83
INSTITUTO TELESUP
El costo de producción variable por unidad en un mes cualquiera es de $4.00 una

unidad producida para consumo posterior incurrirá en un costo de
almacenamiento razón de $0.50 por unidad por mes. Por otra parte, los artículos
ordenados en meses anteriores incurren en un costo de penalización de $2.00 por
unidad por mes. La capacidad de producción para elaborar el producto varía cada
mes. Los cálculos de los cuatro meses siguientes son 50, 180, 280 y 270
unidades, respectivamente.
El objetivo es el de formular el plan de inventario de producción a costo mínimo.

Este problema se puede formular como un modelo de “transporte”. La
equivalencia entre los elementos de los sistemas de producción y transporte se
establece de la manera siguiente:
Sistema de Producción
Sistema de Transporte
1. Fuente i 1. Periodo de producción i
2. Destino j 2. Periodo de demanda j
3. Oferta en la fuente i 3. Capacidad de producción del
periodo i
4. Demanda en el destino j 4. Demanda del periodo j
5. Costo de transporte de la fuente i al 5. Costo de producto e inventario del
destino j periodo i al j
84
INSTITUTO TELESUP
En tabla de abajo se presenta un resumen del problema como un modelo de

transporte:
Periodo
1 2 3 4 Capacidad
Demanda 1 4 4.5 5 5.5 50
2 6 4 4.5 5 180
3 8 6 4 4.5 280
4 10 8 6 4 270
Demanda: 100 200 180 300
El costo de “transporte” unitario del periodo i al j es:
Costo de producción en i, i=j
Cij = Costo de producción en i / costo de almacenamiento en i a j i<j
Costo de producción en i / costo de penalización en i a j i>j
La definición de C i j indica que la producción en el periodo i para el mismo periodo (i

= j) sólo iguala el costo unitario de producción. Si el periodo i se produce para periodos
futuros j (i < j), se incurre en un costo de almacenamiento adicional. De la misma
manera, la producción en i para cubrir j pedidos hechos con anterioridad (i > j) incurre
en un costo de penalización adicional.
85
INSTITUTO TELESUP
Métodos de
Solución TEMA 2
de
Modelos de
Transporte
Competencia:
Diseñar y aplicar Modelos de Transporte.
86
INSTITUTO TELESUP
Tema 02: Métodos de Solución de Modelos de Transporte
a) Método Noeoeste
P Q R S
A 5 3 5 2 20
B 3 2 3 5 30
C 3 4 1 2 40
20 20 30 20 90
Determinar mediante el método Noroeste el costo mínimo y la asignación óptima.
I P Q R S Oferta
A 20 - - - 20 , 0
B - 20 10 - 30 , 10 , 0
C - - 20 20 40 , 20 , 0
Dm 20 20 30 20
0 0 20 0
0
C = 20(5) + 20(2) + 10(3) + 20(1) + 20(2) + 20(2) = $230
87
INSTITUTO TELESUP
Verificar Optimicidad
5 - - 2 u1 u1 + v1 = 5 u1 = 1 , v1 = 4
- 2 3 - u2 u2 + v2 = 2 u2 = 3 , v2 = -1
- - 1 2 u3 u2 + v3 = 3 u3 = 1 , v3 = 0
v1 v2 v3 v4 u3 + v3 = 1 v4 = 1
u3 + v4 = 2
Degenerativo u1 + v4 = 2
5 0 1 2 u1 = 1
CI = 7 2 3 4 u2 = 3
5 0 1 2 u3 = 1
v1 v2 v3 v4
4 -1 0 1
CI - CD = MD
5 0 1 2 5 3 5 2 0 -3 -4 0
7 2 3 4 - 3 2 3 5 = 4 0 0 -1
5 0 1 2 3 4 1 2 2 -4 0 0
No Óptimo
Método Auxiliar de la Casillas
I P Q R S II P Q R S
A 20-θ 10+θ A 10 - - 10
B θ 20 10-θ B 10 20 - -
C 20+θ 20-θ C - - 30 10
θ = 10
C = 10(5) + 10(3) + 20(2) + 30(1) + 10(2) + 10(2) = $210
88
INSTITUTO TELESUP
5 - - 2 u1 u1 + v1 = 5 u1 = 1 , v1 = 4
3 2 - - u2 u1 + v4 = 2 u2 = -1 , v2 = 3
- - 1 2 u3 u2 + v1 = 3 u3 = 1 , v3 = 0
v1 v2 v3 v4 u2 + v2 = 2 v4 = 1
u3 + v3 = 1
u3 + v4 = 2
5 4 1 2 u1 = 1
CI = 3 2 -1 0 u2 = -1
5 4 1 2 u3 = 1
v1 v2 v3 v4
2 1 0 1
CI - CD = MD
5 4 1 2 5 3 5 2 0 1 -4 0
3 2 -1 0 - 3 2 3 5 = 0 0 -4 -5
5 4 1 2 3 4 1 2 2 0 0 0
No Óptimo
II P Q R S III P Q R S
A 10-θ 10+θA - - - 20
B 10 20 B 10 20 - -
C θ 30 10-θ C 10 - 30 -
θ = 10
C = 10(3) + 10(3) + 20(2) + 30(1) + 20(2) = $170
89
INSTITUTO TELESUP
- - - 2 u1 u1 + v4 = 2 u1 = 1 , v1 = 2
3 2 - - u2 u2 + v1 = 3 u2 = 1 , v2 = 1
3 - 1 2 u3 u2 + v2 = 2 u3 = 1 , v3 = 0
v1 v2 v3 v4 u3 + v1 = 3 v4 = 1
u3 + v3 = 1
Degenerativou3 + v4 = 2
3 2 1 2 u1 = 1
CI = 3 2 1 2 u2 = 1
3 2 1 2 u3 = 1
v1 v2 v3 v4
2 1 0 1
CI - CD = MD
3 2 1 2 5 3 5 2 -2 -1 -4 0
3 2 1 2 - 3 2 3 5 = 0 0 -2 -3
3 2 1 2 3 4 1 2 0 -2 0 0
Óptimo
Asignación Cmin = $170

De A a S = 20 u.
De B a P = 10 u.
De B a Q = 20 u.
De C a P = 10 u.
De C a R = 30 u.
90 u
90
INSTITUTO TELESUP
b) Mínima Matriz
P Q R S
A 5 3 5 2 20
B 3 2 3 5 30
C 3 4 1 2 40
20 20 30 20 90
Determinar mediante el método de la Mínima Matriz el costo mínimo y la

asignación óptima.
I P Q R S Oferta
A - 10 - 10 20 , 10 , 0
B 20 10 - - 30 , 20 , 0
C - - 30 10 40 , 10 , 0
Dm 20 20 30 20
0 10 0 10
0 0
C = 20(3) + 10(3) + 10(2) + 30(1) + 10(2) + 10(2) = $180
91
INSTITUTO TELESUP
- 3 - 2 u1 u1 + v2 = 3 u1 = 1 , v1 = 3
3 2 - - u2 u1 + v4 = 2 u2 = 0 , v2 = 2
- - 1 2 u3 u2 + v1 = 3 u3 = 1 , v3 = 0
v1 v2 v3 v4 u2 + v2 = 2 v4 = 1
u3 + v3 = 1
u3 + v4 = 2
4 3 1 2 u1 = 1
CI = 3 2 0 1 u2 = 0
4 3 1 2 u3 = 1
v1 v2 v3 v4
3 2 0 1
CI - CD = MD
4 3 1 2 5 3 5 2 -1 0 -4 0
3 2 0 1 - 3 2 3 5 = 0 0 -3 -4
4 3 1 2 3 4 1 2 2 -1 0 0
No Óptimo
I P Q R S II P Q R S
A 10-θ 10-θ A - - - 20
B 20-θ 10-θ B 10 20 - -
C θ 30 10-θ C 10 - 30 -
θ = 10
C = 10(3) + 10(3) + 20(2) + 30(1) + 20(2) = $170
92
INSTITUTO TELESUP
- - - 2 u1 u1 + v4 = 2 u1 = 1 , v1 = 2
3 2 - - u2 u2 + v1 = 3 u2 = 1 , v2 = 1
3 - 1 2 u3 u2 + v2 = 2 u3 = 1 , v3 = 0
v1 v2 v3 v4 u3 + v1 = 3 v4 = 1
u3 + v3 = 1
3 2 1 2 u1 = 1
CI = 3 2 1 2 u2 = 1
3 2 1 2 u3 = 1
v1 v2 v3 v4
2 1 0 1
CI - CD = MD
3 2 1 2 5 3 5 2 -2 -1 -4 0
3 2 1 2 - 3 2 3 5 = 0 0 -2 -3
3 2 1 2 3 4 1 2 0 -2 0 0
Optimo
Asignación Cmin = $170

De A a S = 20 u.
De B a P = 10 u.
De B a Q = 20 u.
De C a P = 10 u.
De C a R = 30 u.
90 u
93
INSTITUTO TELESUP
c) Método de Vogel
P Q R S
A 5 3 5 2 20
B 3 2 3 5 30
C 3 4 1 2 40
20 20 30 20 90
Determinar mediante el método de Vogel el costo mínimo y la asignación óptima.
P Q R S Oferta
A - - - 20 20 , 0 1 1 -
B 10 20 - - 30 , 10 , 0 1 1 1
C 10 - 30 - 40 , 10 , 0 1 1 1
Dm 20 20 30 20
10 0 0 0
0
0 1 2 0
0 1 - 0
0 2 - -
C = 20(2) + 10(3) + 20(2) + 10(3) + 30(1) = $170
94
INSTITUTO TELESUP
- - - 2 u1 u1 +v1 = 2 u1 = 1 , v4 = 1
3 2 - - u2 u2 + v1 = 3 u2= 1 , v3 = 0
3 - 1 2 u3 u2 + v2 = 2 u3 = 1 , v2 = 1
v1 v2 v3 v4 u3 + v1 = 3 v1 = 2
u3 + v3 = 1
3 2 1 2 u1 = 1
CI = 3 2 1 2 u2 = 1
3 2 1 2 u3 = 1
v1 v2 v3 v4
2 1 0 1
CI - CD = MD
3 2 1 2 5 3 5 2 -2 -1 -4 0
3 2 1 2 - 3 2 3 5 = 0 0 -2 -3
3 2 1 2 3 4 1 2 0 -2 0 0
Optimo
Cmin = $170
Asignación
De A a S = 20 u.
De B a P = 10 u.
De B a Q = 20 u.
De C a P = 10 u.
De C a R = 30 u.
90 u
95
INSTITUTO TELESUP
Modelos TEMA 3
de
Asignación
Competencia:
Diseñar y aplicar Modelos de Asignación.
96
INSTITUTO TELESUP
Tema 03: Modelos de Asignación
a) Problemas de Asignación (Método Húngaro)
Un problema de asignación es un problema de transporte balanceado, en el cual

todas las ofertas y todas las demandas son iguales a uno. Se puede resolver
eficientemente un problema de asignación m x m mediante el método Húngaro:
Paso 1.- Empiece por encontrar el elemento más pequeño en cada renglón de la
matriz de costos. Construya una nueva matriz, al restar de cada costo, el costo
mínimo de su renglón. Encuentre, para esta nueva matriz el costo mínimo en cada
columna. Construya una nueva matriz (la matriz de costos reducidos) al restar de
cada costo el costo mínimo de su columna.
Paso 2.- Dibuje el mínimo número de líneas (horizontales o verticales) que se
necesitan para cubrir todos los ceros en la matriz de costos reducidos. Si se
requieren m líneas para cubrir todos los ceros, siga con el paso 3.
Paso 3.- Encuentre el menor elemento no cero (llame su valor k en la matriz de
costos reducidos, que no está cubiertos por las líneas dibujadas en el paso 2.
Ahora reste k de cada elemento no cubierto de la matriz de costos reducidos y
sume k a cada elemento de la matriz de costos reducidos cubierto por dos líneas.
Regrese al paso 2.
Un problema de asignación es un problema de transporte balanceado en el que

todas las ofertas y demandas son iguales a 1; así se caracteriza por el
conocimiento del costo de asignación de cada punto de oferta a cada punto de
demanda. La matriz de costos del problema de asignación se llama: matriz de
costos.
Como todas las ofertas y demandas para el problema de asignación son números
enteros, todas las variables en la solución óptima deben ser valores enteros.
97
INSTITUTO TELESUP
b) Ejemplos de problemas de asignación
1. Una empresa ha contratado a 4 individuos para 4 trabajos, los 4 individuos y

4 trabajos pueden mostrarse en una tabla que indique las clasificaciones
obtenidas, analizando al individuo para cada trabajo. Los renglones se
refieren a los hombres, mientras que las columnas se refieren a los trabajos;
el problema consiste en maximizar las calificaciones para asignar los 4
trabajos.
Se supone que las calificaciones de un individuo son directamente
proporcionales a la ganancia que obtendría la compañía si ese individuo se
encargara del trabajo.
2. Otro problema que utiliza la misma estructura

del modelo de transporte, es la asignación de
camiones para reducir al mínimo los costos
de un problema de asignación.
3. Una empresa cubre el territorio nacional con

dos camiones especialmente equipados para
funcionar en condiciones climatológicas específicas.
La empresa ha dividido en cinco regiones geográficas. Se
compra el camión A y se modifica para que funcione eficientemente en las
regiones uno y dos, y para que funcione bastante bien en las regiones tres y
cuatro. El mismo camión no funciona bien en la región cinco. Los gastos de
gasolina, mantenimiento y otros costos directos de operación, serían mínimos
en las regiones uno y dos, promedio en las regiones tres y cuatro, y altos en
la región cinco. Se tiene esa misma información con respecto a los demás
camiones de la compañía, o sea, los tipos B, C y D.
98
INSTITUTO TELESUP
c) Método Húngaro (Situación Balanceada)
PARTE I: CUANDO EXISTE RELACION BIUNÍVOCA
PASO 1: OBTENCIÓN DE CEROS
 A la matriz de costos, se procede a simplificarlo, para lo cual, seleccionamos

para cada columna el menor valor de cada uno de ellos, para luego restárselo
de la columna respectiva, esto permite obtener al menos un cero para cada
columna.
 Luego para cada fila se obtiene el menor valor, el cual se resta a cada fila
respectiva, de esta manera se obtiene al menos un cero en cada fila.
PASO 2: RELACIÓN BIUNÍVOCA
 Al tablero de costos simplificados que se hereda del paso 1 se procede a

seleccionar a aquella fila que tenga la menor cantidad de ceros; en el caso de
empates se selecciona a aquella fila a lo cual le corresponde el menor
subíndice.
 Luego a la fila seleccionada se le marca mediante un check y se ingresa a ella
buscando a aquella casilla que tenga el valor cero, ubicada esta procedemos a
encuadrar o encasillar dicho cero y a partir de dicho cero encuadrado no
imaginamos una cruz y aquellos ceros que estén comprendidos en la cruz
imaginaria procedemos a tarjarlo mediante un aspa.
 Continuamos el proceso mencionado hasta cubrir todas las filas del tablero
dado.
99
INSTITUTO TELESUP
EJEMPLO
Determinar el Costo mínimo y la asignación óptima de:
100
INSTITUTO TELESUP
PARTE II: CUANDO NO EXISTE RELACIÓN BIUNÍVOCA
PASO 3:
Se marca aquellas filas que no tengan ceros encuadrados, luego ingresamos por
cada de dichas filas, buscando ceros tarjados y luego de ser ubicados estos, se
procede a marcar la o las columnas que le corresponda.
A partir de las columnas marcadas se reingresa al tablero buscando ceros
encuadrados y luego de identificar a estos se marca las filas que les corresponde.
A partir de cada fila marcada se trata de reingresar nuevamente al tablero
repitiendo el procedimiento señalado en los párrafos anteriores hasta que se
pierdan los ramales bien sea a nivel de columna o de fila.
PASO 4:
Se procede a rayar aquellas filas que no están marcadas y aquellas columnas que
si estén marcadas.
Luego se busca el menor valor de aquellas casillas que tengan doble rayado
(vertical y horizontal), este menor valor seleccionado se resta a aquellas casillas
que no están rayadas, pero se le suma a aquellas que tienen doble rayado (se
entiende que aquellas casillas que tienen un solo rayado permanecen igual).
NOTA: Luego de concluir el PASO 4 se aplica nuevamente la

PARTE I del Método Húngaro, en la que se refiere al SEGUNDO
PASO (se obvia el PRIMER PASO) y se debe continuar con
el procedimiento indicado, cuantas veces sea necesario para
alcanzar la Relación Biunívoca y obtener el Costo Optimo de
Asignación.
101
INSTITUTO TELESUP
Ejemplo
Determinar el Costo mínimo y la asignación óptima de:
102
INSTITUTO TELESUP
103
INSTITUTO TELESUP
Modelo TEMA 4
de
Redes
Competencia:
Aplicar y reconocer los Modelos de Redes.
104
INSTITUTO TELESUP
Tema 04: Modelo de Redes
a) Teoría de Redes
Es una técnica que permite resolver problemas que se pueden plantear

mediante una red.
Muchos problemas de programación Lineal se pueden formular mediante una
red:
Transporte, asignación, inventario, producción y distribución, procesos de
producción, etc.
Existen en Teoría de Redes, algoritmos mucho más efectivos que el método
simplex.
Existen softwares para resolver problemas de redes como: Optired, Tora,
Invop, Win QSB, etc.
b) Características de una Red
Una red está formada por arcos y nodos, los arcos pueden ser direccionados
o direccionados
NODOS: Representan entidades.

ARCOS: Representan conexiones entre las entidades
NOTA: Por un tipo de red solo puede circular un único tipo

de ítem (unidad de flujo)
105
INSTITUTO TELESUP
c) Casos de redes
d) Tipos de Problemas de Redes
106
INSTITUTO TELESUP
e) Árbol de Extensión Mínima
Para una red con n nodos, un ARBOL DE ESTENSION es un grupo de (n-1)

arcos que conectan todos los nodos de la red y que no contiene circuitos
cerrados.
Problema
Calcular el árbol de extensión mínimo
Problema
Calcular el árbol de extensión mínimo
107
INSTITUTO TELESUP
d) Problema de Ruta más Corta
El problema de la ruta más corta se refiere a una red, en la que cada arco (i,j)
tiene asociado un numero Ci,j que se interpreta como la distancia (o el costo, o el
tiempo) que hay entre los nodos i y j. Una ruta o camino entre dos nodos es
cualquier secuencia de arcos que los conecte. El objetivo consiste en encontrar
las rutas más cortas (económicas ó rápidas) entre un nodo específico y todos los
demás nodos de la red.
Algoritmo de Etiquetado
PASO1.
Considérense todos los nodos que están directamente conectados con el origen
(es decir, mediante un solo arco). El componente de distancia de la etiqueta que
se pone a cada nodo de estos es la distancia desde el origen. El componente
predecesor es el origen. Estas etiquetas serán temporales.
PASO 2.
De entre todos los nodos con etiqueta temporal, se escoge uno cuyo componente
de distancia sea mínimo y se señala para ser etiquetado como permanente. Todos
los empates en cualquier punto del algoritmo se rompen arbitrariamente. Tan
pronto como todos los nodos han sido etiquetados en forma permanente se va al
paso 4.
108
INSTITUTO TELESUP
PASO 3.
Todo nodo que no tenga actualmente etiqueta permanente estará o bien sin
etiqueta o con una temporal. Sea l el ultimo nodo etiquetado permanentemente,
Considérese todas las etiquetas de los vecinos de l (es decir, directamente
conectados a l mediante un solo arco). Para cada uno de esos nodos calculase la
suma de su distancia a l más la componente de distancia de la etiqueta de l. Si el
nodo en cuestión ya tiene etiqueta no está etiquetado, asegurase una etiqueta
temporal que conste de esta distancia y de l como predecesor. Si el nodo en
cuestión ya tiene etiqueta temporal, cambiase solo si la distancia recién calculada
es menor que la componente de distancia de la etiqueta actual. En este caso, la
etiqueta contendrá esta distancia y a l como predecesor. Regrese al paso 2.
PASO 4.
Las etiquetas permanentes indican la distancia más corta desde el origen a cada
nodo de la red. También indican el nodo predecesor en la ruta más corta hacia
cada nodo.
Para encontrar el camino más corto de un nodo dado comiéncese en él y
retroceda al nodo predecesor. Continué este recorrido de retroceso hasta llegar al
origen. La secuencia de nodos obtenidos forma la ruta más corta entre el origen y
el nodo en cuestión.
Ejemplo
Encontrar el conjunto de rutas óptimas, desde el origen H hasta los demás nodos
busca minimizar la utilidad de los costos, asegurándose de que cualquier reparto
futuro a las siete localidades diferentes, se haga a través de la ruta más corta.
109
INSTITUTO TELESUP
Resumen
UNIDAD DE APRENDIZAJE III:
El modelo de transporte busca determinar un plan de transporte de una mercancía de

varias fuentes a varios destinos. Los datos del modelo son:
1. Nivel de oferta en cada fuente y la cantidad de demanda en cada destino.
2. El costo de transporte unitario de la mercancía a cada destino.
Como solo hay una mercancía un destino puede recibir su demanda de una o más
fuentes. El objetivo del modelo es el de determinar la cantidad que se enviará de cada
fuente a cada destino, tal que se minimice el costo del transporte total
Se han presentado varios métodos para obtener una solución al problema de

transporte, asignación y redes. Una consideración muy importante que hay que tener
en cuenta con cualquier método que se utilice, es que el problema de transporte y
asignación no siempre puede aislarse y resolverse dentro de sus propios límites.
El transporte, la asignación, redes es tan sólo una parte de todo el sistema de

distribución de una compañía. Es muy difícil resolver el mejor programa de transporte
y asignación en términos de servicio y bajo costo. Esa área de la empresa requiere de
una constante atención para incorporar los cambios que constituyan y una difícil tarea
para cualquier grupo de investigaciones de negocios.
La Teoría de Redes es una técnica que permite resolver problemas que se pueden
plantear mediante una red. Muchos problemas de programación Lineal se pueden
formular mediante una red: Transporte, asignación, inventario, producción y
distribución, procesos de producción, etc.
Existen en Teoría de Redes, algoritmos mucho más efectivos que el método simplex.
Existen software para resolver problemas de redes como: Opti
red, Tora, Invop, Win QSB, etc.
115
INSTITUTO TELESUP
116
INSTITUTO TELESUP
Introducció
n
estudiante desarrolle y ejecute la Programación PERT-CPM Y La programación
no Lineal durante su proceso de formación profesional contribuyendo a elevar su
perfil.
b) Competencia
Analiza y describe la Programación de Proyectos usando la técnica del
PERT-CPM.
c) Capacidades
1. Conoce y Utiliza la teoría de la Programación del Tiempo.
2. Analiza y describe la Programación del Costo
3. Analiza y describe la sensibilidad de un Proyector.
4. Construye e interpreta mediante los modelos de programación no lineal.
d) Actitudes
 Aporta ideas en la solución de los problemas de programación del tiempo.
 Valora las etapas de la metodología de la técnica PERT-CPM.
 Se interesa por las diferentes modelos de programación de proyectos.
 Muestra responsabilidad y ética en la solución de las tareas.

La Unidad de Aprendizaje 4: Programación de Proyectos y Programación No
Lineal, comprende el desarrollo de los siguientes temas:
TEMA 01: Programación de Proyecto con tiempos de actividad conocidos.

TEMA 02: Programación de Proyectos con tiempos inciertos de actividades.
TEMA 03: Consideración de los intercambios de tiempo y costo.
TEMA 04: Programación no lineal.
117
INSTITUTO TELESUP
Programación
de Proyecto TEMA 1
con tiempos
de actividad
conocidos
Competencia:
Conocer y utilizar la teoría de la
Programación del Tiempo.
118
INSTITUTO TELESUP
Tema 01: Programación de Proyecto con Tiempos de Actividad

Conocidos
a) Antecedentes
Dos son los orígenes del método del camino crítico: el método PERT (Program
Evaluation and Review Technique) desarrollo por la Armada de los Estados
Unidos de América, en 1957, para controlar los tiempos de ejecución de las
diversas actividades integrantes de los proyectos espaciales, por la necesidad de
terminar cada una de ellas dentro de los intervalos de tiempo disponibles. Fue
utilizado originalmente por el control de tiempos del proyecto Polaris y
actualmente se utiliza en todo el programa espacial.
El método CPM (Crítical Path Method), el segundo origen del método actual, fue
desarrollado también en 1957 en los Estados Unidos de América, por un centro
de investigación de operaciones para la firma Dupont y Remington Rand,
buscando el control y la optimización de los costos de operación mediante la
planeación adecuada de las actividades componentes del proyecto.
Ambos métodos aportaron los elementos administrativos necesarios para formar

el método del camino crítico actual, utilizando el control de los tiempos de
ejecución y los costos de operación, para buscar que el proyecto total sea
ejecutado en el menor tiempo y al menor costo posible.
b) Definición
El método del camino crítico es un proceso administrativo de

planeación, programación, ejecución y control de todas y cada una de
las actividades componentes de un proyecto que debe desarrollarse
dentro de un tiempo crítico y al costo óptimo.
119
INSTITUTO TELESUP
Usos
El campo de acción de este método es muy amplio, dada su gran

flexibilidad y adaptabilidad a cualquier proyecto grande o pequeño. Para
obtener los mejores resultados debe aplicarse a los proyectos que
posean las siguientes características:
1. Que el proyecto sea único, no repetitivo, en algunas partes o en su totalidad.

2. Que se deba ejecutar todo el proyecto o parte de él, en un tiempo mínimo, sin
variaciones, es decir, en tiempo crítico.
3. Que se desee el costo de operación más bajo posible dentro de un tiempo
disponible.
Dentro del ámbito aplicación, el método se ha estado usando para la planeación y

control de diversas actividades, tales como construcción de presas, apertura de
caminos, pavimentación, construcción de casas y edificios, reparación de barcos,
investigación de mercados, movimientos de colonización, estudios económicos
regionales, auditorías, planeación de carreras universitarias, distribución de
tiempos de salas de operaciones, ampliaciones de fábrica, planeación de
itinerarios para cobranzas, planes de venta, censos de población, etc., etc.
c) Diferencias entre PERT y CPM
Como se indicó antes, la principal diferencia entre PERT y CPM es la manera en

que se realizan los estimados de tiempo. E1 PERT supone que el tiempo para
realizar cada una de las actividades es una variable aleatoria descrita por una
distribución de probabilidad. E1 CPM por otra parte, infiere que los tiempos de las
actividades se conocen en forma determinanticas y se pueden variar cambiando
el nivel de recursos utilizados.
120
INSTITUTO TELESUP
La distribución de tiempo que supone el PERT para una actividad es una

distribución beta. La distribución para cualquier actividad se define por tres
estimados:
1. El estimado de tiempo más probable, m;

2. El estimado de tiempo más optimista, a; y
3. El estimado de tiempo más pesimista, b.
La forma de la distribución se muestra en la siguiente Figura. E1 tiempo más

probable es el tiempo requerido para completar la actividad bajo condiciones
normales. Los tiempos optimistas y pesimistas proporcionan una medida de la
incertidumbre inherente en la actividad, incluyendo desperfectos en el equipo,
disponibilidad de mano de obra, retardo en los materiales y otros factores.
Con la distribución definida, la media (esperada) y la desviación estándar,

respectivamente, del tiempo de la actividad para la actividad Z puede calcularse
por medio de las fórmulas de aproximación.
a  4m  b
Te Z  
6
ba
 Z  
6
121
INSTITUTO TELESUP
El tiempo esperado de finalización de un proyecto es la suma de todos los

tiempos esperados de las actividades sobre la ruta crítica. De modo similar,
suponiendo que las distribuciones de los tiempos de las actividades son inde-
pendientes (realísticamente, una suposición fuertemente cuestionable), la
varianza del proyecto es la suma de las varianzas de las actividades en la ruta
crítica. Estas propiedades se demostrarán posteriormente.
En CPM solamente se requiere un estimado de tiempo. Todos los cálculos se
hacen con la suposición de que los tiempos de actividad se conocen. A medida
que el proyecto avanza, estos estimados se utilizan para controlar y monitorear el
progreso. Si ocurre algún retardo en el proyecto, se hacen esfuerzos por lograr
que el proyecto quede de nuevo en programa cambiando la asignación de
recursos.
Metodología.
El Método del Camino Crítico consta de dos ciclos:
1. Planeación y Programación.
1.1.- Definición del proyecto

1.2.- Lista de Actividades
1.3.- Matriz de Secuencias
1.4.- Matriz de Tiempos
1.5.- Red de Actividades
1.6.- Costos y pendientes
1.7.- Compresión de la red
1.8.- Limitaciones de tiempo, de
recursos y económicos
1.9.- Matriz de elasticidad
1.10.- Probabilidad de retraso
122
INSTITUTO TELESUP
2. Ejecución y Control.
2.1.- Aprobación del proyecto

2.2.- Ordenes de trabajo
2.3.- Gráficas de control
2.4.- Reportes y análisis de los avances
Definición del Proyecto
En toda actividad a realizar se requieren conocimientos precisos y claros de lo

que se va a ejecutar, de su finalidad, viabilidad, elementos disponibles, capacidad
financiera, etc. Esta etapa aunque esencial para la ejecución del proyecto no
forma parte del método. Es una etapa previa que se debe desarrollar
separadamente y para la cual también puede utilizarse el Método del Camino
Critico. Es una investigación de objetivos, métodos y elementos viables y
disponibles.
Lista de Actividades
Es la relación de actividades físicas o mentales que forman procesos

interrelacionados en un proyecto total. En general esta información es obtenida de
las personas que intervendrán en la ejecución del proyecto, de acuerdo con la
asignación de responsabilidades y nombramientos realizados en la Definición del
Proyecto.
Las actividades pueden ser físicas o mentales, como construcciones, tramites,
estudios, inspecciones, dibujos, etc. En términos generales, se considera
Actividad a la serie de operaciones realizadas por una persona o grupo de
personas en forma continua, sin interrupciones, con tiempos determinables de
iniciación y terminación. Esta lista de actividades sirve de base a las personas
responsables de cada proceso para que elaboren sus presupuestos de ejecución.
123
INSTITUTO TELESUP
Ejemplo:
a. Jefes de mantenimiento y producción.

1. Elaboración del proyecto parcial de ampliación.
2. Cálculo del costo y preparación de presupuestos.
3. Aprobación del proyecto.
4. Desempaque de las máquinas nuevas.
5. Colocación de las máquinas viejas y nuevas.
6. Instalación de las máquinas.
7. Pruebas generales.
8. Arranque general.
9. Revisión y limpieza de máquinas viejas.
10. Pintura de máquinas viejas.
11. Pintura y limpieza del edificio.
b. Ingeniero electricista.
1. Elaboración del proyecto eléctrico.
2. Cálculo de los costos y presupuestos.
4. Instalación de un transformador nuevo.
5. Instalación de nuevo alumbrado.
6. Instalación de interruptores y arrancadores.
c. Ingeniero contratista.
1. Elaboración del proyecto de obra muerta.
2. Cálculo de los costos y presupuestos.
4. Cimentación de las máquinas.
5. Pisos nuevos.
6. Colocación de ventanas nuevas.
Esta es una lista de los responsables en un proyecto de ampliación de una

fábrica.
124
INSTITUTO TELESUP
Matriz de Secuencias
Existen dos procedimientos para conocer la secuencia de las
actividades:
a. Por antecedentes
b. Por secuencias.
Por antecedentes, se les preguntará a los responsables de los procesos cuales

actividades deben quedar terminadas para ejecutar cada una de las que aparecen
en la lista. Debe tenerse especial cuidado que todas y cada una de las actividades
tenga por lo menos una antecedente excepto en el caso de ser actividades
iníciales, en cuyo caso su antecedente será cero (0).
En el segundo procedimiento se preguntara a los responsables de la ejecución,

cuales actividades deben hacerse al terminar cada una de las que aparecen en la
lista. Para este efecto debemos presentar la matriz de secuencias iniciando con la
actividad cero(0) que servira para indicar solamente el punto de partida de las
demás. La información debe tomarse una por una de las actividades listadas, sin
pasar por alto ninguna de ellas.
En la columna de "anotaciones" el programador hara todas las indicaciones que le

ayuden a aclarar situaciones de secuencias y presentación de la red. Estas
anotaciones se hacen a discreción, ya que esta matriz es solamente un papel de
trabajo.
125
INSTITUTO TELESUP
Si se hace una matriz de antecedentes es necesario hacer después una matriz de

secuencias, pues es ésta última la que se utiliza para dibujar la red. Esta matriz no
es definitiva, porque generalmente se hacen ajustes posteriores en relación con la
existencia y disponibilidades de materiales, mano de obra y otras limitaciones de
ejecución.
Matriz de Secuencias
Matriz de Tiempos
En el estudio de tiempos se requieren tres cantidades estimadas por los

responsables de los procesos: El tiempo medio (M), el tiempo óptimo (o) y el
tiempo pésimo (p).
126
INSTITUTO TELESUP
El tiempo medio (M) es el tiempo normal que se necesita para la ejecución de las
actividades, basado en la experiencia personal del informador. El tiempo óptimo
(o) es el que representa el tiempo mínimo posible sin importar el costo o cuantía
de elementos materiales y humanos que se requieran; es simplemente la
posibilidad física de realizar la actividad en el menor tiempo. El tiempo pésimo (p)
es un tiempo excepcionalmente grande que pudiera presentarse ocasionalmente
como consecuencia de accidentes, falta de suministros, retardos involuntarios,
causas no previstas, etc. Debe contarse sólo el tiempo en que se ponga remedio
al problema presentado y no debe contar el tiempo ocioso.
Se puede medir el tiempo en minutos, horas, días, semanas, meses y años, con la
condición de que se tenga la misma medida para todo el proyecto. Los tiempos
anteriores servirán para promediarlos mediante la fórmula PERT obteniendo un
tiempo resultante llamado estándar (t) que recibe la influencia del óptimo y del
pésimo a la vez.
o  4M  p
t 
6
Esto es, tiempo estándar igual al tiempo óptimo, más cuatro

veces el tiempo medio, más el tiempo pésimo, y esta suma
dividida entre seis(6). Esta fórmula está calculada para darle
al tiempo medio una proporción mayor que los tiempos optimo
y pésimo que influyen. Esta proporción es de cuatro(4) a
seis(6).
127
INSTITUTO TELESUP
Matriz de Tiempos
128
INSTITUTO TELESUP
Tanto la matriz de secuencias como la matriz de tiempos se reunen en una sola

llamada matriz de información, que sirve para construir la red medida.
Matriz de información
Red de Actividades
Se llama red a la representación gráfica de las actividades que muestran sus

eventos, secuencias, interrelaciones y el camino critico. No solamente se llama
camino crítico al método sino también a la serie de actividades contadas desde la
iniciación del proyecto hasta su terminación, que no tienen flexibilidad en su
tiempo de ejecución, por lo que cualquier retraso que sufriera alguna de las
actividades de la serie provocaría un retraso en todo el proyecto.
Desde otro punto de vista, camino crítico es la serie de actividades que indica la
duración total del proyecto. Cada una de las actividades se representa por una
flecha que empieza en un evento y termina en otro.
129
INSTITUTO TELESUP
Se llama evento al momento de iniciación o terminación de una actividad. Se

determina en un tiempo variable entre el más temprano y el más tardío posible, de
iniciación o de terminación.
Costos y Pendientes
En este paso se solicitaran los costos de cada actividad realizada en tiempo

estándar y en tiempo óptimo. Ambos costos deben ser proporcionados por las
personas responsables de la ejecución, en concordancia con los presupuestos ya
suministrados por ellos. Dichos costos se deben anotar en la matriz de
información.
En el cuadro anterior vemos los presupuestos con el costo normal para las
actividades realizadas en tiempo estándar y el costo límite para las actividades
ejecutadas a tiempo optimo.
Los totales de la columna de costo normal nos indican los costos directos del
proyecto ejecutado en tiempos estándares, sin embargo los totales de costo límite
no nos indican un costo real, ya que no será necesario que todas las actividades
sean realizadas en tiempo óptimo, sino solo algunas de ellas.
130
INSTITUTO TELESUP
Programación
de Proyectos TEMA 2
con Tiempos
Inciertos de
Actividades
Competencia:
Analizar y describir la Programación del
Costo.
131
INSTITUTO TELESUP
Tema 02: Programación de Proyectos con Tiempos Inciertos de
Actividades
a)Limitaciones de Tiempo
Se debe determinar el tiempo normal de ejecución de la red y si no puede

realizarse en el intervalo disponible, se deberá comprimir la red al tiempo
necesario, calculando el costo incrementado.
El tiempo óptimo de ejecución indicara si puede hacerse o no el proyecto dentro
del plazo señalado.
b) Limitaciones de Recurso
Es posible en cualquier proyecto se suscite el caso de tener recursos humanos o

materiales limitados, por lo que dos actividades deben realizarse durante el mismo
lapso con personal diferente o maquinaria diferente, no se pueda ejecutar y de
esta manera no habría más que esperar que se termine una actividad para
empezar la siguiente.
c) Limitaciones económicas
Se determinara el costo óptimo para conocer si se puede hacer el proyecto con

los recursos económicos disponibles. Si hay la posibilidad de realizarlo, se
buscara el tiempo total más favorable para las necesidades y objetivos del
proyecto; en caso contrario pues simplemente el proyecto deberá esperar hasta
tener los recursos económicos mínimos para poder realizarlo.
132
INSTITUTO TELESUP
Matriz de Elasticidad
Para poder tomar decisiones efectivas y rápidas durante la ejecución del proyecto
es necesario tener a la mano los datos de las probabilidades de retraso o adelanto
de trabajo de cada una de las actividades, o sea la elasticidad de las mismas.
Examinemos primero el procedimiento para calcular las holguras que nos
proporciona la posibilidad de retrasar una actividad sin consecuencias para otros
trabajos.
Se llama holgura a la libertad que tiene una actividad para alargar su tiempo de
ejecución sin perjudicar otras actividades o el proyecto total. Se distinguen tres
clases de holguras:
a) Holgura total; no afecta la terminación del proyecto;

b) Holgura libre; no modifica la terminación del proceso; y
c) Holgura independiente; no afecta la terminación de actividades anteriores ni la
iniciación de actividades posteriores.
La holgura total es de importancia para el director del proyecto, quien tiene la

responsabilidad de terminarlo a tiempo; la holgura libre le interesa al jefe de
ejecución de un proceso con motivo de su responsabilidad sobre el mismo; y la
holgura independiente es una información que le es de utilidad a la persona que
coordinará los trabajos del proyecto.
Para calcular las holguras se procede a medir la red aprobada en el sentido de
avance, como primera lectura y después en sentido contrario como última lectura.
La primera lectura se indicará en cada evento dentro de un círculo y la última
lectura se indicará también en cada evento dentro de un cuadrado. Se comienza
con el tiempo cero que se indica sobre el evento inicial y se va agregando la
duración estándar de cada actividad, acumulándose en cada evento.
133
INSTITUTO TELESUP
Cuando dos o más actividades convergen en un evento se tomará la duración

mayor para hacer la indicación del evento. Por ejemplo, en las actividades 4 y 2
con duración de dos y seis días respectivamente, se anotará la duración mayor de
seis, que sumada al tiempo cuatro anterior dará un tiempo de diez en el evento
referido. Nótese estas mismas indicaciones en los eventos que se encuentran en
los días 15, 19 y 21.
Cuando se tiene una liga que indica terminación de proceso, se correrá hacia el
evento inicial la misma cantidad acumulada en el evento final. Cuando la liga no
indica terminación de proceso, sino únicamente continuidad entre dos procesos,
las cantidades acumuladas no deben modificarse aunque la liga tenga fechas
diferentes de iniciación y terminación.
Luego se inicia la última lectura en el evento final, anotándose la misma cantidad

de 21 dentro de un cuadrado; después se va restando la duración de cada
actividad e indicando la diferencia en el evento siguiente.
Cuando dos o más actividades convergen en un evento, debe anotarse en este la

lectura menor de ellas. En los eventos iniciales de las ligas de fin de proceso debe
aparecer la misma cantidad anotada en el evento final, pero en las ligas de
continuidad se pondrá la cantidad menor de las actividades que convergen.
Pi Ui Pj Uj
a
En la figura se puede apreciar que en cada actividad de la red se

encuentran cuatro lecturas; la primera y la última del evento i y la
primera y la ultima del evento j. Donde:
Pi Significa lo más temprano en que puede iniciarse la
actividad.
Ui Significa lo más tarde en que puede iniciarse.
Pj Significa lo más temprano en que puede terminarse.
Uj Significa lo más tarde en que puede terminarse.
134
INSTITUTO TELESUP
La diferencia entre la fecha más temprana de iniciación y más tardía de

terminación produce el intervalo de tiempo disponible de mayor duración y está en
función del conteo del proyecto.
Uj – Pi = Intervalo del Proyecto

Al restar la duración t de este intervalo produce la holgura total:
HT = Uj – Pi - T
La diferencia entre la fecha más temprana de iniciación y la más temprana de
terminación indica el intervalo disponible en función del proceso,
Pj – Pi = Intervalo del Proceso

Y al restar la duración t de este intervalo queda la holgura libre:
HL = Pj – Pi – t
La diferencia entre la fecha más tardía de iniciación y la más temprana de
terminación indica el intervalo de tiempo más reducido posible y esta en función
de las actividades anteriores y posteriores,
Pj – Ui = Intervalo de Actividad
Y al restar el tiempo t de este intervalo se obtiene la holgura independiente:
HI = Pj – Ui - t
135
INSTITUTO TELESUP
Las lecturas de los eventos y los resultados de la aplicación de las fórmulas de las
holguras se pasan a la matriz de información.
En la columna 6 se cambió el tiempo estándar t por el tiempo e de ejecución

programado. El porcentaje de expansión (columna 15) se calcula dividiendo el
número de días de holgura total entre el tiempo estándar de cada actividad.
HT
%( E ) 
t
La clase de actividad (columna 16) se gradúa tomando el porcentaje anterior de

menor a mayor, siendo las de porcentaje cero de clase crítica las que requieren la
mayor atención y control.
Los días que pueden comprimirse las actividades (columna 19) se obtienen
restando el tiempo óptimo del tiempo estándar. El porcentaje de compresión
(columna 20) es igual a los días comprimidos divididos entre el tiempo estándar
de cada actividad.
t o
%(C ) 
t
La desviación estándar (columna 21) que representa la probabilidad de retraso o

adelanto en promedio, es igual al tiempo pésimo menos el tiempo óptimo dividido
entre 6.
po
 
6
Por definición representa el 68% de seguridad. Si se desea una seguridad mayor

en el resultado, de 95% se tomará el equivalente a dos desviaciones estándar y si
se desea una seguridad del 99% en el tiempo de duración de la actividad se
tomarán tres desviaciones estándar.
De esta manera, podemos observar que la actividad 5 tiene un tiempo estándar

de seis días y una desviación estándar de un día. Esto significa que se podrá
ejecutar entre cinco y siete días con el 68% de seguridad; entre cuatro y ocho días
con el 95% de seguridad; y entre tres y nueve días con el 99% de seguridad.
136
INSTITUTO TELESUP
Mientras mayor sea el intervalo que se mencione para la ejecución, mayor será la
seguridad de acertar.
La desviación estándar del proyecto es igual a la suma de las desviaciones

estándar del camino crítico:
 (Pr y )    (CC )
Esta desviación será la probabilidad de retraso de todo el proyecto. Por supuesto

es la misma probabilidad de adelanto del mismo.
Si existen varios caminos críticos dentro del proyecto se tomará la desviación
mayor de ellos como desviación estándar del proyecto.
En el caso anterior el camino crítico está dado por:
Esto significa que el proyecto se va a ejecutar entre 21 y 24 días.
21  4.17  25.17  25
137
INSTITUTO TELESUP
Consideración
de los
TEMA 3
Intercambios
de Tiempo y Costo
Competencia:
Analizar y describir la sensibilidad de un

Proyecto.
138
INSTITUTO TELESUP
Tema 03: Consideración de los Intercambios de Tiempo y Costo.
a) Ejecución y control de los Procesos
En virtud de que cada uno de los procesos componentes del proyecto es

conducido por distintas personas que tienen la responsabilidad de iniciar y
terminar sus actividades a tiempo, es necesario que tengan su gráfica de control
en donde puedan observar tanto el avance de su proceso como su rendimiento.
Se puede agregar en la parte superior un esquema de las secuencias de las
actividades mostrando en dónde se encuentran las holguras totales, para que el
responsable del proceso tenga una idea precisa de sus disponibilidades de
tiempo.
Necesitamos también un cuadro de avance del proceso con los siguientes datos y
se llena de la siguiente manera:
A. Con la información original del supervisor:
1. Anotar el día de la información

2. Indicar el número de la actividad informada
3. Expresar, en tanto por uno, el avance de la misma.
B. A continuación se procesan los datos anteriores en las columnas siguientes:
1. Tomar el porcentaje de la columna 9 del cuadro de avance del proyecto y

anotarlo en esta columna.
2. Hacer la conversión con el factor (fa) calculado previamente.
3. Anotar el total acumulado de las actividades terminadas.
4. Suma de las columnas 5 y 6 que representan respectivamente el avance
de la actividad en operación y el total acumulado de actividades terminadas
en el proceso. Esta columna indica, por tanto, el total de avance en el
proceso en el día de la información.
139
INSTITUTO TELESUP
5. Calcular el avance diario programado, dividiendo la unidad entre el número

total de días de duración de las actividades componentes del proceso y
acumular dicho resultado.
6. Dividir el avance logrado entre el avance programado para medir el
rendimiento del proceso. Columna 7 entre columna 8.
Veamos, en el ejemplo base, cómo se realizan las actividades del proceso A.
Proceso A
Este proceso constar de cinco actividades que duran 15 días. Si recordamos que
1.00
el valor de la unidad de avance del proyecto (D-a) es igual a = 0.01515,
66
entonces este proceso representa el 15 x 0.01515 = 0.2272 (22.72%) de avance
en el proyecto. Como esta cantidad 0.2272 representa el 100% de avance del
proceso, entonces el factor de conversión del porcentaje de avance del proyecto a
proceso (fa) será:
0.2272: 1.00 : : n : fa
1.00
fa = n = 4.39 n.
0.2272
De esta manera, el porcentaje que aparece en la columna 9 del cuadro de avance

del proyecto y transferido a la columna 4 del cuadro de avance del proceso, puede
convertirse, con este factor, en el avance logrado en la actividad en función de
este proceso.
Este proceso A consta de cinco actividades con una duración de 15 días. Su
unidad de avance programada será, por tanto, a
1.00
D-a = = 0.0667
15
Como sólo se trabaja una unidad de avance por día, este será el avance
acumulado diariamente que se programe en la columna 8 del cuadro de avance
del proceso.
140
INSTITUTO TELESUP
Proceso B
Este proceso consta de cinco actividades de duración total de 17 días, por lo que
su contribución al avance del proyecto es de 17 x 0.01515 = 0.2576.
El factor de conversión (fa) del porcentaje de avance del proyecto al porcentaje de
avance del proceso es:
1.00
Fa = = 3.88
0.2576
La unidad de avance diario de este proceso será:

1.00
D-a = = 0.05882,
17
Qué acumulado servirá para hacer las anotaciones de la columna 8 del cuadro de
avance del proceso.
Proceso C
El proceso C, se compone de seis actividades con una duración total de 17 días y,
por tanto, el factor de conversión (fa) y el factor de avance diario (D-a)
programado son los mismos que los del proceso B anterior.
1.00
Fa = = 3.88
0.2576
1.00
D-a = = 0.05882,
17
La cuenta del avance programado se interrumpió al día 6 con 0.3533 hasta el día
11, en que continúa con la actividad 5.
Proceso D
Este proceso D, con las actividades 9, 10 y 11 tiene, igual que los dos procesos
anteriores, una duración de 17 días, por lo que los factores de conversión y de
avance son los mismos.
1.00
Fa = = 3.88
0.2576
1.00
D-a = = 0.05882,
17
141
INSTITUTO TELESUP
El cuadro de avance del proceso aparece en la tabla del cuadro de avance del
proceso D.
b) Procedimiento de evaluación
Cuando las actividades se adelantan en su ejecución a las fechas programadas,

generalmente no modifican sus costos directos y en cambio sí disminuyen los
costos indirectos. En términos generales podemos decir que benefician los
resultados de los presupuestos al terminar las actividades antes de la fecha
programada. También es sencilla la decisión para adelantar la actividad siguiente
a aquella terminada con anticipación y sólo debe investigarse la posibilidad de
hacerlo en cuanto a tener en ese momento los recursos humanos y materiales
que se requieren.
Tratándose de retardos, la evaluación y la decisión no son tan sencillas porque,

por regla general, se modifican los costos, se trastornan las secuencias y se
pierde la disponibilidad del tiempo, por lo que hay necesidad de tener un
procedimiento de evaluación que permita determinar todas las consecuencias de
un retraso en una actividad del proyecto.
Los retrasos deben ser absorbidos por las holguras y en el caso de que no existan
éstas, aquellos deben neutralizarse por medio de compresiones en las
actividades.
c) Absorción por holgura
Multiplicar el tiempo programado de ejecución e por el tanto por uno de la

cantidad de trabajo que falte por realizar. El resultado es el tiempo que se requiere
para terminar normalmente con la actividad. Al tiempo anterior se le resta el
tiempo disponible y la diferencia representa el retraso, el cual debe ser absorbido
por la holgura total. Si no es posible esto, debe procederse como sigue.
142
INSTITUTO TELESUP
d) Absorción por compresión
Se multiplica el tiempo óptimo o por lo tanto por uno del volumen del trabajo
pendiente de ejecutar. El producto representa el tiempo que se requiere para
terminar la actividad en condiciones óptimas es decir, con la máxima aceleración.
Si este tiempo es menor que el tiempo disponible, significa que no se retrasará el
proyecto, pero si es mayor, la diferencia será la cantidad de tiempo que retrasará
el proyecto, excepto que se pueda comprimir una actividad posterior a la actividad
retrasada dentro del proceso.
143
INSTITUTO TELESUP
Programación
TEMA 4
no
lineal
Competencia:
Construye e interpreta mediante los modelos

de programación no lineal.
144
INSTITUTO TELESUP
Tema 04: Programación no lineal
Una suposición importante de programación lineal es que todas sus funciones

(Función objetivo y funciones de restricción) son lineales. Aunque, en esencia,
esta suposición se cumple para muchos problemas prácticos, es frecuente que no
sea así. De hecho, muchos economistas han encontrado que cierto grado de no
linealidad es la regla, y no la excepción, en los problemas de planeación
económica, por lo cual, muchas veces es necesario manejar problemas de
programación no lineal.
a) Método de GOMORY
Llamado método de corte, desarrollado por R.E. Gomory. Incluye un algoritmo

fraccional, el cual se aplica al problema entero puro, y el algoritmo mixto, que
está diseñado para el problema entero mixto.
La idea del algoritmo de planos de corte, es cambiar el conjunto convexo del
espacio de soluciones de tal manera que los puntos extremos apropiados
lleguen a ser todos enteros.
Ejemplo
Max 55X1 + 55X2 + 60X3

S.A.
(1) 2X1 + 3X3 <= 550
(2) 1.8X2 + 0.2X3 <= 440
(3) 2X1 + 2X2 + 2X3 <= 400
(4) 1.25X1 + 1.25X2 + 1.33X3 <= 360
Xj >=0 y Enteros
145
INSTITUTO TELESUP
PASO 1
Se debe convertir las restricciones a expresiones enteras o discretas, antes de

resolverlo por el método simplex.
En nuestro caso tenemos que aplicarlo a las restricciones (2) y (4).
Max 55X1 + 55X2 + 60X3

S.A.
(1) 2X1 + 3X3 <= 550
x10 (2) 18X2 + 2X3 <= 4400
(3) 2X1 + 2X2 + 2X3 <= 400
x100 (4) 125X1 + 125X2 + 133X3 <= 36000
Xj >=0 y Enteros
Aplicamos el método simplex revisado, para hallar el tablero óptimo. Entonces

balanceamos las restricciones
Max 55X1 + 55X2 + 60X3
S.A.
(1) 2X1 + 3X3 + X4<= 550
(2) 18X2 + 0.2X3 + X5<= 4400
(3) 2X1 + 2X2 + 2X3 +X6<= 400
(4) 125X1 + 125X2 + 133X3 +X7<= 36000
Xj >=0 y Enteros
Tablero Óptimo
146
INSTITUTO TELESUP
PASO 2
Se debe de elaborar el Plano de Corte, para esto se investiga en el tablero Optimo,

cual de la variables reales o básicas tienen la mayor cantidad fraccionaria (entre
las variables reales); una vez que se le ha identificado se extrae dicho vector fila y
se iguala al valor que figura en la columna b. Hecho esto, a cada uno de los
coeficientes se le resta una cierta cantidad entera y se establece que el signo de
relación, en nuestro cado debe ser mayor o igual que. Con la cual se obtiene el
Plano de Corte.
Esta nueva restricción se incluye en el tablero óptimo
147
INSTITUTO TELESUP
Sin embargo es necesario identificar a la variable que debe de figurar en nuestro

tablero óptimo modificado que corresponde a la columna Xk; para lo cual se
procede de la siguiente manera:
Se identifica a las variables candidatas, que son aquellas que no figuran en el

Tablero Optimo (en nuestro caso son X1, X4, X6 y X8); luego se procede a excluir
entre las candidatas seleccionadas a aquellas que tengan coeficientes de
participación negativa en la restricción que se ha añadido (en nuestro cado
excluimos a las variables X4 y X6). Luego entre las candidatas que queden,
analizamos para el vector de sensibilidad (Cj Zj), cual de ellas afecta menos a la
Función Objetivo, es decir identificamos en la fila de Cj – Zj cual reduce menos
(en nuestro caso la que reúne esta ultima condición es la variable X1)
Se calcula la solución óptima
148
INSTITUTO TELESUP
Nota: No interesa que en la solución optima, figuren

partes fraccionarias, lo que interesa es la solución
de las variables reales.
149
INSTITUTO TELESUP
Resumen
UNIDAD DE APRENDIZAJE IV:
En proyectos como este tipo, los administradores deben programar y coordinar los
diversos trabajos o actividades de tal manera que el proyecto se concluya a tiempo.
En esta sección de aprendizaje hemos abordado los detalles de la programación de
proyectos para un problema que involucra investigación y desarrollo de nuevos productos.
Dado que muchas de las actividades de este proyecto nunca se han intentado, el
administrador del proyecto desea tomar en consideración la incertidumbre en los tiempos
de las actividades. También ampliamos nuestro análisis como agregar recursos a
actividades seleccionadas para reducir el tiempo de terminación del proyecto.
Los proyectos en gran escala por una sola vez han existido desde tiempos antiguos; este
hecho lo atestigua la construcción de las pirámides de Egipto y los acueductos de Roma.
Pero sólo desde hace poco se han analizado por parte de los investigadores operacionales
los problemas gerenciales asociados con dichos proyectos. El problema de la
administración de proyectos surgió con el proyecto de armamentos del Polaris, empezando
1958. Con tantas componentes y subcomponentes juntos producidos por diversos
fabricantes, se necesitaba una nueva herramienta para programar y controlar el proyecto.
El PERT (evaluación de programa y técnica de revisión) fue desarrollado por científicos de
la oficina Naval de Proyectos Especiales. Booz, Allen y Hamilton y la División de Sistemas
de Armamentos de la Corporación Lockheed Aircraft. La técnica demostró tanta utilidad
que ha ganado amplia aceptación tanto en el gobierno como en el sector privado.
Casi al mismo tiempo, la Compañía DuPont, junto con la División UNIVAC de la Remington
Rand, desarrolló el método de la ruta crítica (CPM) para controlar el mantenimiento de
proyectos de plantas químicas de DuPont. El CPM es idéntico al PERT en concepto y
metodología. La diferencia principal entre ellos es simplemente el método por medio del
cual se realizan estimados de tiempo para las actividades del proyecto. Con CPM, los
tiempos de las actividades son determinanticos. Con PERT, los tiempos de las actividades
son probabilísticas o estocásticos. El PERT/CPM fue diseñado para proporcionar diversos
elementos útiles de información para los administradores del proyecto. Primero, el
PERT/CPM expone la "ruta crítica" de un proyecto. Estas son las actividades que limitan la
duración del proyecto. En otras palabras, para lograr que el proyecto se realice pronto, las
actividades de la ruta crítica deben realizarse pronto.
Las actividades que no están en la ruta crítica tienen una cierta cantidad de holgura; esto
es, pueden empezarse más tarde, y permitir que el proyecto como un todo se mantenga
en programa. El PERT/CPM identifica estas actividades y la cantidad de tiempo
disponible para retardos. El PERT/CPM también considera los recursos necesarios para
completar las actividades. En muchos proyectos, las limitaciones en mano de obra y
equipos hacen que la programación sea difícil. El PERT/CPM identifica los instantes del
proyecto en que estas restricciones causarán problemas y de acuerdo a la flexibilidad
permitida por los tiempos de holgura de las actividades no críticas, permite que el
gerente manipule ciertas actividades para aliviar estos problemas.
153
INSTITUTO TELESUP
Glosario
 ACTIVIDADES CRÍTICAS:
Actividades que aparecen en el camino crítico
 CAMINO CRÍTICO:
Es aquello perteneciente al holismo, una tendencia o corriente que analiza los
eventos desde el punto de vista de las múltiples interacciones que los
caracterizan. El holismo supone que todas las propiedades de un sistema no
pueden ser determinadas o explicadas como la suma de sus componentes. En
otras palabras, el holismo considera que el sistema completo se comporta de un
modo distinto que la suma de sus partes.
Es una herramienta simple que permite utilizar el poder de la optimización lineal
y no lineal para formular grandes problemas concisamente, resolverlos, y
analizar la solución.
 HOLÍSTICO:
La trayectoria más larga en una red del proyecto.
 LINGO: MÉTODO DEL CAMINO CRÍTICO (CPM por sus siglas en ingles):
Se conoce como software1 al equipamiento lógico o soporte lógico de un sistema
informático; comprende el conjunto de los componentes lógicos necesarios que
hacen posible la realización de tareas específicas, en contraposición a los
componentes físicos, que son llamados hardware.
Secuencia de nodos conectados, que lleva del nodo de inicio hasta el nodo de
terminación.
 TRAYECTORIA:
Un procedimiento de programación de proyecto basado en redes
154
INSTITUTO TELESUP
Fuentes de
Información
Bibliográficas:
HILLIER, Frederick & LIEBERMAN, Gerarld J. Introducción a la Investigación de
Operaciones. 6ª ed. México: McGraw-Hill Interamericana Editores, 1996. 830 p.
ISBN: 9701010221
(DIS/003/H54A)
TAHA, Hamdy A. Investigación de Operaciones. 6ª ed. México: Prentice-Hall
Iberia, S. R. L., 1998. 916 p. ISBN: 9701701666
(DIS/003/T13N)
MATHUR, Kamlesh & SOLOW, D. Investigación de Operaciones. El Arte de la
Toma de Decisiones. España: Prentice Hall Hispanoamericana, S.A. ISBN:
9688806986
(003/M28/E1)
WINSTON, Wayne L. Investigación de Operaciones Aplicaciones y Algoritmos.
1ª ed. México: Grupo Editorial Iberoamericana, S. A. de C. V. 1417 p. ISBN:
9706250298
(003/W71)
BAZARAA, Mokhtar & JARVIS, Jhon J. Programación Lineal y Flujo en Redes.
2ª ed. México: Limusa, S. A. de C. V. 539 p. ISBN: 9681848675
(519/B28)
EPPEN,G.D, Investigación de Operaciones en la Ciencia Administrativa, 5ª ed.
México: Prentice Hall Hispanoamericana, S.A. ISBN : 970170270
ALVAREZ ALVAREZ, Jorge. Programación Lineal. América SR Ltda. 210 p.
Electrónicas:
Programación Lineal
http://es.wikipedia.org/wiki/Programaci%C3%B3n_lineal
http://personal5.iddeo.es/ztt/prob/B1_Prog_Lineal.htm
Problemas de Programación Lineal

http://www.investigacion-operaciones.com/Solucion_Grafica.htm
Solución gráfica de problemas

http://www.programacionlineal.net/resolucion_grafica.html
155

Investigación Operativa PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Investigación Operativa PDF

Cargado por

Copyright:

Formatos disponibles

Prefacio:

Comprende cuatro unidades de aprendizaje:

 UNIDAD I: La Investigación de Operaciones y la Programación

 UNIDAD III: Modelos de transporte, Asignación y Redes.

 UNIDAD IV: Programación de Proyectos y Programación no

Estructura de los Contenidos

Análisis de Sensibilidad Programación de

Modelos de Métodos de solución Programación de

La competencia que el estudiante debe lograr al final de la asignatura es:

“Analiza la realidad, capta y describe un problema,

e) Presentación de ideas básicas y contenido esenciales de la Unidad.

TEMA 01: Investigación de Operaciones.

Tema 01: Investigación de Operaciones

La investigación de operaciones puede definirse como

En la actualidad, la Investigación Operativa se estudia como una ciencia de alta

La Investigación Operativa, es caracterizada por el uso de los modelos

Su principal objetivo es lograr una mayor producción al menor

Su principal objetivo es aumentar las ventas,

El Departamento de Administración desea reducir el inventario a un mínimo

Su principal objetivo es de mantener en alto la moral del

 Investigar los parámetros a emplear en el modelo existente para

 Habilidad para trabajar en equipos.

c) FASES DE ESTUDIO DE INVESTIGACIÓN OPERATIVA

Construcción del modelo matemático

Es una representación de algún ente (tal como Objeto,

La selección del procedimiento por emplear para obtener del modelo

La esencia de la Investigación Operativa es el enfoque de la construcción de

e) GUÍA PARA LOS GERENTES

A través del esfuerzo del diseño del modelo, la

Los modelos pueden oportunamente y efectivamente explicar las muchas

f) CLASIFICACIÓN DE LOS MODELOS

Si deseamos efectuar un ejercicio operacional que soporta esta decisión,

 El proceso de la refinería podría ser representado por un modelo matemático o

 El modelo debe de reflejar con un grado aceptable de exactitud las relaciones

En el ejemplo: Programaríamos por adelantado un gran número de

En este de modelo, el problema es representado totalmente en términos

 La solución del modelo será la cantidad exacta de cada tipo de

Aplicar y generar el óptimo del modelo

Tema 02: Modelos de Programación Lineal

Usualmente las gráficas no son el mejor método para resolver problemas de

Una Compañía manufacturera textil fabrica los productos 1,2; y es

El problema consiste en decidir qué cantidad de cada producto debe

Sean X1 = número de unidades del producto 1

Por lo tanto la programación lineal es:

Sujeto a: 2x1 + 2x2 <= 160 - - - - - - ( 1 )

Si la restricción (1) fuese la ecuación:

Cabe recalcar que las

Aplicando los mismos

Analicemos la región sombreada, cualquier punto dentro de ella cumple

Ahora el problema consiste en maximizar la

Sobre la región sombreada de la fig. Anterior que representa a las restricciones

Procedamos a graficar esta función.

Por lo tanto, la función

= - 2/3, tal como se

 La recta x1 + 1.5x2 = 100 representa el máximo valor de la función Z; sujeta

Región Factible: El conjunto de valores para las variables de decisión en un

Solución Optima: El punto en la región factible que tiene el mejor valor de la

La utilidad máxima ocurre en un vértice del conjunto de soluciones factibles.

C1: (0,60) 0 + 1.5 x 60 = 90

Aplicar y generar el óptimo del modelo

Tema 03: Método Simplex

Se procede a efectuar el balanceo de las reglas restricciones, para lo cual se

Se construye el primer tablero del método simplex y en ella se registra: