Tarea 4 – Solución de modelos de programación lineal de decisión y optimización

Presentado por:

Yuranis Pajaro
Codigo: 1143114112

Tutor:

Ricardo Javier Pineda

Grupo:
100404_32

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA “UNAD”

FACULTAD DE CIENCIAS BÁSICAS E INGENIERÍA
PROGRAMA DE INGENIERÍA INDUSTRIAL
2020
de decisión y optimización

ANCIA “UNAD”
GENIERÍA
STRIAL
Ejercicio 4. Se presenta la siguiente situación problema:

Containers Co. Inc., produce tres clases de contenedores para transporte marítimo: High Cube, Open Side y Dry Va
de acero Corten como materia prima: acero Corten cobre, acero Corten cromo y acero corten níquel.

El contenedor High Cube genera una utilidad de US$24.285, el contenedor Open Side genera una utilidad de US$2
contenedor Dry Van genera una utilidad de US$25.714. Para su producción, el contendor High Cube requiere 3 ton
Corten cobre, 5 tonelada de acero Corten cromo y 6 toneladas de acero Corten níquel, el contenedor Open Side re
de acero Corten cobre, 3 toneladas de acero Corten cromo y 5 toneladas de acero Corten níquel y el contendor Dry
toneladas de acero Corten cobre, 6 toneladas de acero Corten cromo y 3 toneladas de acero Corten níquel. Su plan
dispone como máximo de 300 toneladas de acero Corten cobre, 240 toneladas de acero Corten cromo y 530 tonel
níquel.

La gerencia financiera requiere optimizar las utilidades percibidas por contenedor y pide a la gerencia de producció
cantidad óptima de cada clase de contenedor a producir.

1. Formular el problema de programación lineal como un modelo de program

Ejercicio Problema primal 4:.

Variables
X1= Contenedor high cube
X2= Contenedor open side
X3= Contenedor dry van

Funcion objetivo
Max Z=24.285 X1 + 28.572 X2 + 25.714 X3

Restricciones
3X1 + 6X2 + 5X3 ≤ 300
5X1 + 3X2 + 6X3 ≤ 240
6X1 + 5X2 + 3X3 ≤ 530
X1, X2,X3 ≥ 0

Formula estandar

Funcion objetivo
Max Z=24.285 X1 + 28.571 X2 + 25.714 X3 + S1 + S2 + S3

Restricciones
3x1 + 6x2 + 5x3 + s1 = 300
5x1 + 3x2 + 6x3 + s2 = 240
6x1 + 5x2 + 3x3 + s3 = 530
x1,x2,x3,s1,s2,s3 ≥ 0
ube, Open Side y Dry Van y utiliza tres tipos
ten níquel.

era una utilidad de US$28.571 y el

High Cube requiere 3 toneladas de acero
ontenedor Open Side requiere 6 toneladas
níquel y el contendor Dry Van requiere 5
ro Corten níquel. Su planta de producción
orten cromo y 530 toneladas de acero Corten

la gerencia de producción, evaluar la

modelo de programación lineal.

 2. Solucionar el problema primal por el método simplex primal.

Formula estandar

Funcion objetivo
Max Z=24.285 X1 + 28.571 X2 + 25.714 X3 + S1 + S2 + S3

Restricciones
3x1 + 6x2 + 5x3 + s1 = 300
5x1 + 3x2 + 6x3 + s2 = 240
6x1 + 5x2 + 3x3 + s3 = 530
x1,x2,x3,s1,s2,s3 ≥ 0

MÉTODO SIMPLEX PRIMAL

Variable base X1 X2 X3 S1
S1 3 6 5 1
S2 5 3 6 0
S3 6 5 3 0
Z -24285 -28571 -25714 0

Variable base X1 X2 X3 S1
X2 0.5 1 0.833333 0.166667
S2 3.5 0 3.5 -0.5
S3 3.5 0 -1.16667 -0.833333
Z -9999.5 0 -1904.83 4761.83

Variable base X1 X2 X3 S1
X2 0 1 0.333333 0.238095
X1 1 0 1 -0.142857
S3 0 0 -4.66667 -0.333333
Z 0 0 8094.67 3333.33

Interpretar los resultados para la toma de decisiones.

La empresa debe producir 25,7142 unidades de contenedor de transporte maritimo High Cube y 37,1428 conten
de transporte maritimo Open Side para asi poder maximizar las utilidades de la empresa en US$1.685.680
SIMPLEX PRIMAL

S2 S3 Z Solución
0 0 0 300
1 0 0 240
0 1 0 530
0 0 1 0

S2 S3 Z Solución
0 0 0 50
1 0 0 90
0 1 0 280
0 0 1 1428550

S2 S3 Z Solución Variable
-0.142857 0 0 37.1429 X2
0.285714 0 0 25.7143 X1
-1 1 0 190 X3
2857 0 1 1685680 Z

mo High Cube y 37,1428 contenedor

mpresa en US$1.685.680
Solución
37.1429
25.7143
0
1685680
 LP_max

Linear Programming

Use one of the three signs below for each constraint

< less than or equal to
= equals (You need to enter an apostrophe first.)
> greater than or equal to

Data Results
X1 X2 X3 LHS
Maximize 24,285 28,571 25,714 sign RHS 1685682
C1 3 6 5< 300 300.0003
C2 5 3 6< 240 240.0002
C3 6 5 3< 530 340.0003

Results
Variables 25.7143 37.1429 0
Objective 1685682

Page 8
 LP_max

Problem setup area

Slack/Surplus
< constraints > constraints
-0.0003 C1 300.0003 300 0 0
-0.0002 C2 240.0002 240 0 0
189.9997 C3 340.0003 530 0 0

Page 9
3. Formular el problema dual a partir del problema primal.

Funcion objetivo
Min Z = 300 X1 +240 X2 + 530 X3

Restricciones
3X1 + 5X2 + 6X3 ≥ 24285
6X1 + 3X2 + 5X3 ≥ 28571
5X1 + 6X2 + 3X3 ≥ 25714
X1,X2,X3 ≥ 0

Formulación estandar

Funcion objetivo
Min Z = 300 X1 +240 X2 + 530 X3 + S1 + S2 + S3

Restricciones
(-3X1 - 5X2 - 6X3 + S1 = -24285)
(-6X1 - 3X2 - 5X3 + S2 = -28571)
(-5X1 - 6X2 - 3X3 + S3 = -25714)
X1,X2,X3,S1,S2,S3 ≥ 0
 4. Solucionar el problema dual po

Funcion objeti
Min Z = 300 X1 +240 X2 + 530

Restricciones
(-3X1 - 5X2 - 6X3 + S1 = -24285)
(-6X1 - 3X2 - 5X3 + S2 = -28571)
(-5X1 - 6X2 - 3X3 + S3 = -25714)
X1,X2,X3,S1,S2,S3 ≥ 0

MÉTOD

Variable base X1 X2 X3
S1 -3 -5 -6
S2 -6 -3 -5
S3 -5 -6 -3
Z -300 -240 -530

Variable base X1 X2 X3
S1 0 -3.5 -3.5
X1' 1 0.5 0.83333333333333
S3 0 -3.5 1.16666666666667
Z 0 -90 -280

Variable base X1 X2 X3
X2' 0 1 1
X1' 1 0 0.33333333333333
S3 0 0 4.66666666666667
Z 0 0 -190

Variable Solución
X2 2857
X1 3333.33333333333
X3 0
Z 1685680

Interpretar los resultados para la toma de decisiones.

Se sabe que la empresa esta dispuesta a pagar 3333,33 por una unidad adicional de la materia prima de acero C
cobre y 2857 por una unidad adicional de la materia prima de acero Corten cromo, que es el precio sombra de c
de estos, para asi poder maximizar las utilidades de la empresa en US$1.685,680
Se sabe que la empresa esta dispuesta a pagar 3333,33 por una unidad adicional de la materia prima de acero C
cobre y 2857 por una unidad adicional de la materia prima de acero Corten cromo, que es el precio sombra de c
de estos, para asi poder maximizar las utilidades de la empresa en US$1.685,680
. Solucionar el problema dual por el método simplex dual.

Funcion objetivo
Min Z = 300 X1 +240 X2 + 530 X3 + S1 + S2 + S3

Restricciones
(-3X1 - 5X2 - 6X3 + S1 = -24285)
(-6X1 - 3X2 - 5X3 + S2 = -28571)
(-5X1 - 6X2 - 3X3 + S3 = -25714)
X1,X2,X3,S1,S2,S3 ≥ 0

MÉTODO SIMPLEX DUAL

S1 S2 S3 Z Solución
1 0 0 0 -24285
0 1 0 0 -28571
0 0 1 0 -25714
0 0 0 1 0

S1 S2 S3 Z Solución
1 -0.5 0 0 -9999.5
0 -0.1666666666667 0 0 4761.8333333333
0 -0.8333333333333 1 0 -1904.833333333
0 -50 0 1 1428550

S1 S2 S3 Z Solución
-0.28571429 0.14285714285714 0 0 2857
0.14285714 -0.2380952380952 0 0 3333.3333333333
-1 -0.3333333333333 1 0 8094.6666666667
-25.7142857 -37.142857142857 0 1 1685680

cional de la materia prima de acero Corten

cromo, que es el precio sombra de cada uno
5,680
cional de la materia prima de acero Corten
cromo, que es el precio sombra de cada uno
5,680
 Criterio min. 3
50 6
80 5
106 300

Criterio min. 3.5

0 -0.5
25.714285714286 3.5
80 90
 LP_max (2)

Linear Programming

Use one of the three signs below for each constraint

< less than or equal to
= equals (You need to enter an apostrophe first.)
> greater than or equal to

Data Results
x1 x2 x3 LHS Slack/Surplus
Maximize 300 240 530 sign RHS 1685680
C1 3 5 6< 24285 24285 1.00000034E-06
C2 6 3 5< 28571 28571 2.00000068E-06
C3 5 6 3< 25714 33808.67 -8094.666665

Results
Variables 3333.333 2857 0
Objective 1685680

Page 16
 LP_max (2)

Problem setup area

< constraints > constraints

C1 24285 24285 0 0
C2 28571 28571 0 0
C3 33808.67 25714 0 0

Page 17
 5. Realizar el análisis de sensibi

Celdas de variables
Final
Celda Nombre Valor
$I$101 X1 25.71428571429
$J$101 X2 37.14285714286
$K$101 X3 0

Restricciones
Final
Celda Nombre Valor
$I$106 X1 300
$I$107 X1 240
$I$108 X1 340

a. Analizar los cambios de aumento y reducción de los coeficientes de las variables de la funció

Al analizar los cambios de aumento y reduccion de los coeficientes de las variables de la fu

generan los siguientes intervalos c1, c2 y c3 de las variables X1, X2 y X3:
-8094,666<=c1<=23333,333
-14000<=c2<=19999
c3<=8094,666
b. Analizar los cambios de aumento y reducción de las disponibilidades de las restricciones.

Al Analizar los cambios de aumento y reducción de las disponibilidades de las restricciones se gen
intervalos C1, C2 y C3, respectivamente de las restricciones 1, 2 y 3:

-156 <=C1<=180
-90<=C2<=190
-190<=C3

Las variables van a tomar los valores de:

X1=25,7142
X2 =37,1428
X3=0
Con el valor de la función objetivo de US$1.685.680
 5. Realizar el análisis de sensibilidad a la solución primal.

Reducido Objetivo Permisible Permisible

Coste Coeficiente Aumentar Reducir
0 24285 23333.33333333 8094.66667
0 28571 19999 14000
-8094.6666666667 25714 8094.666666667 1E+030

Sombra Restricción Permisible Permisible

Precio Lado derecho Aumentar Reducir
3333.33333333333 300 180 156
2857 240 190 90
0 530 1E+030 190

s coeficientes de las variables de la función objetivo.

los coeficientes de las variables de la función objetivo se

variables X1, X2 y X3:
666<=c1<=23333,333
4000<=c2<=19999
c3<=8094,666
disponibilidades de las restricciones.

disponibilidades de las restricciones se generan los siguientes

ones 1, 2 y 3:

-156 <=C1<=180
-90<=C2<=190
-190<=C3
 6. Realizar el análisis post-óptimo a la solución primal.

Formula estandar

Funcion objetivo
Max Z=24.285 X1 + 28.571 X2 + 25.714 X3 + S1 + S2 + S3

Restricciones
3x1 + 6x2 + 5x3 + s1 = 300
5x1 + 3x2 + 6x3 + s2 = 240
6x1 + 5x2 + 3x3 + s3 = 530
x1,x2,x3,s1,s2,s3 ≥ 0

MÉTODO SIMPLEX PRIMAL

Variable base X1 X2 X3 S1 S2
S1 3 6 5 1 0
S2 5 3 6 0 1
S3 6 5 3 0 0
Z -24285 -28571 -25714 0 0

Variable base X1 X2 X3 S1 S2
X2 0.5 1 0.833333 0.166667 0
S2 3.5 0 3.5 -0.5 1
S3 3.5 0 -1.16667 -0.833333 0
Z -9999.5 0 -1904.83 4761.83 0

Variable base X1 X2 X3 S1 S2
X2 0 1 0.333333 0.238095 -0.142857
X1 1 0 1 -0.142857 0.285714
S3 0 0 -4.66667 -0.333333 -1
Z 0 0 8094.67 3333.33 2857

a. Realizar los cambios que afectan la factibilidad:

1. Cambios en el lado derecho.

Disponibilidad Funcion objetivo

Coeficiente Original Minimo Maximo Z=
D1 300 144 480 24285
D2 240 150 430
D3 340 150 1E+030
RESTRICC
high cube
open side
dry van

2. Adición de una nueva restricción.

Funcion objetivo Variables de decis

Z= 2595639.3268 X1
24285 28571 25714 26.7234

RESTRICCIONES Lado izq

high cube 3 6 5 112
open side 5 3 6 448
dry van 6 5 3 451
home 4 5 4 431

b. Realizar los cambios que afectan la optimalidad:

1. Cambios en los coeficientes de la función objetivo

Funcion objetivo Variables de decision

Z= 2079818.573957 X1 X2
24285 30871 25714 25.714286 47.142857

RESTRICCIONES Lado izq

high cube 3 6 5 360
open side 5 3 6 270
dry van 6 5 3 390

2. Adición de una nueva actividad.

Funcion objetivo Variables de decis

Z= 1685680.002857 X1
24285 28571 25714 26745 25.714286
 RESTRICCIONES
high cube 3 6 5 4
open side 5 3 6 5
dry van 6 5 3 4
la solución primal.

RIMAL

S3 Z Solución
0 0 300
0 0 240
1 0 530
0 1 0

S3 Z Solución
0 0 50
0 0 90
1 0 280
0 1 1428550

S3 Z Solución Variable Solución

0 0 37.1429 X2 37.1429
0 0 25.7143 X1 25.7143
1 0 190 X3 0
0 1 1685680 Z 1685680

Funcion objetivo Variables de decision

1685680 X1 X2 X3
 28571 25714 25.714286 37.142857 0

RESTRICCIONES Lado izq Signo Lado der

high cube 3 6 5 300 ≤ 300
open side 5 3 6 240 ≤ 240
dry van 6 5 3 340 ≤ 340

Variables de decision
X2 X3
38.1682 33.2954

Signo Lado der

≤ 112
≤ 448
≤ 451
≤ 431

es de decision Disponibilidad
X3 Coeficiente Original Minimo Maximo
0 D1 24285 16190.3333 47618.3333
D2 28571 14571 48570
D3 25714 -1E+030 33808.6667
Signo Lado der
≤ 360
≤ 270
≤ 390

Variables de decision
X2 X3 X4
37.142857 0 0
Lado izq Signo Lado der
300 ≤ 300
240 ≤ 240
340 ≤ 340
Celdas de variables
Final Reducido Objetivo Permisible Permisible
Celda Nombre Valor Coste Coeficiente Aumentar Reducir
$I$101 X1 25.714286 0 24285 23333.333 8094.6667
$J$101 X2 37.142857 0 28571 19999 14000
$K$101 X3 0 -8094.6667 25714 8094.6667 1E+030
Restricciones
Final Sombra Restricción Permisible Permisible
Celda Nombre Valor Precio Lado derecho Aumentar Reducir
$I$106 X1 300 3333.3333 300 180 156
$I$107 X1 240 2857 240 190 90
$I$108 X1 340 0 530 1E+030 190
 Funcion objetivo Variables de decision
Z= 1685680 X1 X2 X3
24285 28571 25714 25.714286 37.142857 0
 RESTRICCIONES Lado izq Signo
high cube 3 6 5 300 ≤
open side 5 3 6 240 ≤
dry van 6 5 3 340 ≤
Lado der
300
240
340
 Bibliografia

- Programación lineal. Problemas de transporte. Análisis de redes (pp. 95-139) y Hillier, F. (2

- Valle, S. (2012) Álgebra lineal para estudiantes de ingeniería y ciencias (pp. 24-34), Martín
ed.) (pp. 44-67) y Goberna, T. (2004).
- teoría, métodos y modelos (pp. 277-298) Modelos de optimización en la programación lin
 Bibliografia

redes (pp. 95-139) y Hillier, F. (2011).

ía y ciencias (pp. 24-34), Martínez, S. (2014). Investigación de operaciones. (1a.

mización en la programación lineal, consultar las referencias Kong, M. (2010).