Documentos de Académico
Documentos de Profesional
Documentos de Cultura
sujeto a: 2x + y ≤ 18
2x + 3y ≤ 42
3x + y ≤ 24
x≥0,y≥0
2. Se marca en dichos ejes una escala numérica apropiada a los valores que pueden tomar
las variables de acuerdo con las restricciones del problema. Para ello en cada restricción,
se le asume como una igualdad, con el fin de encontrar puntos que determinen rectas por
lo que se hacen nulas todas las variables excepto la correspondiente a un eje concreto,
determinándose así el valor adecuado de un punto para dicho eje. Este proceso se repite
para cada uno de los ejes. Así, para nuestro problema:
R1: 2x + y ≤ 18, al asumirla como una ecuación 2x+y = 18, tenemos que,
R2: 2x + 3y ≤ 42,
R3: 3x + y ≤ 24
2x+y ≤18
3x+y≤24
Región factible
2x+3y≤42
5. Como existe una región factible, se procede a determinar sus puntos extremos, o vértices
del polígono que representa. Estos vértices son los puntos candidatos a soluciones
óptimas. En este ejemplo son los puntos O-F-H-G-C de la figura.
O (0,0) 3(0)+2(0) =0
C (0,14) 3(0)+2(14) = 28
G (3,12) 3(3)+2(12) = 33
F (8,0) 3(8)+2(0) = 24
1
EJEMPLO 1:
Una compañía de auditores se especializa en preparar liquidaciones y auditorías de
empresas pequeñas. Tienen interés en saber cuántas auditorías y liquidaciones pueden
realizar mensualmente para maximizar sus ingresos. Se dispone de 800 horas de trabajo
directo y 320 horas para revisión. Una auditoría en promedio requiere de 40 horas de trabajo
directo y 10 horas de revisión, además aporta un ingreso de 300 dls. Una liquidación de
impuesto requiere de 8 horas de trabajo directo y de 5 horas de revisión, produce un ingreso
de 100 dls. El máximo de liquidaciones mensuales disponibles es de 60.
OBJETIVO: Maximizar el ingreso total.
VARIABLE DE DECISION:
➢ Cantidad de auditorías (X1).
➢ Cantidad de liquidaciones (X2).
RESTRICCIONES:
➢ Tiempo disponible de trabajo directo
➢ Tiempo disponible de revisión
➢ Número máximo de liquidaciones.
EL MODELO
Función Objetivo: Maximizar Z = 300X1 + 100X2
Sujeto a:
1
http://www.itlalaguna.edu.mx/academico/carreras/industrial/invoperaciones1/UIb.HTML
40 X1 + 8X2 ≤ 800
10 X1 + 5X2 ≤ 320
X2 ≤ 60
X1, X2 ≥ 0
B
D
C
A
D Región D
Factible
La solución óptima siempre se encuentra en uno de los vértices del conjunto de soluciones
factibles. Se analizan estos valores en la función objetivo. Como el problema es de
maximización, el vértice que representa el mayor valor de la función objetivo será la solución
óptima.
O (0,0) 300(0)+100(0) = 0
A (0,60) 300(0)+100(60) = 6000
B (2,60) 300(2)+100(60) = 6600
C (12,40) 300(12)+100(40) = 7600
D (20,0) 300(20)+100(0) = 6000
SOLUCION ÓPTIMA:
X1 = 12 auditorías
X2 = 40 liquidaciones
Z = $ 7600
Investigación de Operaciones I Mat 311A Profesora Iris M. Jiménez H.
Módulo 2. Métodos de Solución de Problemas
de Programación Lineal
EJEMPLO 2.
Un departamento de publicidad tiene que planear para el próximo mes una estrategia de
publicidad para el lanzamiento de una línea de T.V. a color; tiene a consideración 2 medios
de difusión: La televisión y el periódico.
Los estudios de mercado han mostrado que:
1. La publicidad por T.V. llega al 2 % de las familias de ingresos altos y al 3 % de las familias
de ingresos medios por comercial.
2. La publicidad en el periódico llega al 3 % de las familias de ingresos altos y al 6 % de las
familias de ingresos medios por anuncio.
La publicidad en periódico tiene un costo de 500 balboas por anuncio y la publicidad por
T.V. tiene un costo de 2000 balboas por comercial. La meta es obtener al menos una
presentación como mínimo al 36 % de las familias de ingresos altos y al 60 % de las familias
de ingresos medios minimizando los costos de publicidad.
EL MODELO
2 X1 + 3X2 ≤ 36
3 X1 + 6X2 ≤ 60
X1, X2 ≥ 0
Región
A Factible
La solución óptima siempre se encuentra en uno de los vértices del conjunto de soluciones
factibles. Se analizan estos valores en la función objetivo. Como el problema es de
minimización, el vértice que representa el menor valor de la función objetivo será la solución
óptima.
SOLUCION ÓPTIMA:
X1 = 0 comercial en T.V.
X2 = 12 anuncios en el periódico
Z = $ 6 000
Ejemplo 3.
Sujeto a:
Una vez se ha esbozado la función objetivo (línea negra) se trazan replicas paralelas a esta
que se encuentren con cada vértice, y solo en el caso en que la línea imaginaria paralela a
la función objetivo no corte el polígono solución se ha encontrado la solución óptima. En
otras palabras trasladamos la función objetivo por todo el polígono conservando su forma
paralela con la original, la detenemos en los vértices y evaluamos si esta corta o no el
conjunto solución.
Z= 4000x + 5000y
En el grafico se observa que solo en el punto "B", es decir en el vértice formado por la
intersección de las ecuaciones 0,12x + 0,2y = 500 y 0,15x + 0,1y = 300, la línea imaginaria
no corta al polígono solución, entonces es este punto el que corresponde a la coordenada
óptima.
Para hallar el valor de esta coordenada utilizamos cualquiera de los métodos para resolver
sistemas de ecuaciones lineales con dos incógnitas.
EJEMPLO 4.
Variables de Decisión:
X1: Hectáreas destinadas al cultivo de de Sauvignon Blanc
X2 : Hectáreas destinadas al cultivo de Chardonay
Restricciones:
- Disponibilidad máxima de hectáreas para la plantación
- Presupuesto disponible
- Hora/hombre en el período de planificación
El Modelo
Función Objetivo:
Maximizar Z = 50 X1 + 120 X2
Sujeto a:
X1 + X2 ≤ 110
100X1 + 200X2 ≤ 10 000
10X1 + 30X2 ≤ 1 200
X1, X2 ≥ 0
El siguiente gráfico muestra la representación del problema de la empresa vitivinícola. El
área en color verde corresponde al dominio de soluciones factibles, donde la solución
básica factible óptima se alcanza en el vértice C, es decir en el vértice formado por la
intersección donde se encuentran activas las restricciones de presupuestos: 100X1 + 200X2
≤ 10 000 y días hombre: 10X1 + 30X2 ≤ 1 200, la línea imaginaria no corta al polígono
solución, entonces es este punto el que corresponde a la coordenada óptima.
SOLUCIÓN ÓPTIMA
X1= 60 Hectáreas destinadas al cultivo
de Sauvignon Blanc
X2 = 20 Hectáreas destinadas al cultivo
de Chardonay
El valor óptimo es
2
Los ejemplos que se expusieron anteriormente representan el ideal, es decir ejercicios de
conjuntos acotados con solución óptima única; sin embargo existen una variedad de
problemas diferentes a los ideales y que vale la pena analizar:
Una de las variantes que puede presentar un ejercicio de programación lineal consiste en
la cantidad de soluciones óptimas; gran cantidad de ellos presenta más de una solución
óptima, es decir una solución en la cual la función objetivo es exactamente igual en una
combinación cuantitativa de variables diferente.
Estos problemas deben de afrontarse de tal manera que prime el análisis de sensibilidad,
es decir una vez encontradas múltiples soluciones iguales se debe proceder al
comportamiento del consumo de los recursos y restricciones, evidentemente prevaleciendo
el concepto de productividad de los recursos más limitados y costosos.
Un ejemplo para ilustrar este caso es el siguiente:
VARIABLES
X = Cantidad de mesas modelo A a fabricar esta semana
Y = Cantidad de mesas modelo B a fabricar esta semana
Restricciones
2
https://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-
industrial/investigaci%C3%B3n-de-operaciones/m%C3%A9todo-gr%C3%A1fico/
Función objetivo
Como vemos en el gráfico, en dos vértices la línea imaginaria paralela a la función objetivo
no atraviesa el conjunto solución, por ende, en dos puntos se presentan soluciones óptimas,
que son los puntos B y C.
La pregunta siguiente es ¿cuál decisión tomar?, pues depende de factores tales como una
análisis de sensibilidad donde se tenga en cuenta el consumo distinto de determinados
recursos (horas ensamble vs. horas pintura) y factores extras al modelo como lo puede
llegar a ser en este caso una necesidad de espacio de almacenamiento, dado que existe
una alternativa en la que se elaboran más mesas que en la otra, de todas formas es
interesante el paso posterior a esbozar los resultados pues requerirá de la capacidad de
quien toma las decisiones.
Otra de las variantes que presentan los modelos de programación lineal corresponde a los
modelos de solución óptima no acotada, es decir problemas con infinitas soluciones
óptimas. Hay que reconocer que en la vida real gran parte de estos problemas se deben a
un mal planteamiento de las restricciones, sin embargo, es común que este tipo de
problemas sean evaluados en la vida académica.
Un ejemplo:
Variables
Restricciones
X≥Y
X + Y ≥ 1500
Función Objetivo
Región factible
Es claro que en este ejercicio las variables pueden aumentar mejorando indefinidamente la
función objetivo, en estos casos se dice que la solución óptima no es acotada, por lo cual
las posibles soluciones son infinitas.
Solución No factible
Un ejemplo:
Variables
Restricciones
2X + 3Y ≤ 550
3X + Y ≤ 480
X + Y ≥ 300
Función Objetivo
Evidentemente no existe forma alguna de satisfacer todas las restricciones, por ende se
concluye que no existe solución factible.
Redundantes o sobrantes
Existen en los modelos de programación lineal un tipo de restricciones que no juegan rol
alguno en la determinación del conjunto solución (de igual manera en la solución óptima),
lo que lleva a deducir que estas son redundantes.
Por ejemplo:
Las variables:
Las restricciones:
2X + 3Y ≤ 300
3X + 5Y ≤ 840
4X + 5Y ≤ 450
Función Objetivo:
X = 150
Y=0
Zmax = $15300000
Claramente podemos observar como la restricción 1 y la restricción 2 no determina el
conjunto solución, por ende se denominan restricciones redundantes o sobrantes.