PRACTICA Nº 1

CAROL CHOQUECALLATA TRONCOSO 7280701-OR IND-3338 “A”

PROBLEMAS DISCRETOS
1. Una empresa desea contratar un ingeniero industrial para su Departamento de Prevención de
Riesgos y ha recibido solicitudes de 8 candidatos. El departamento de gestión del talento
humano decide considerar los siguientes criterios:
C1= Estudios superiores expresado en años MIN
C2=Experiencia profesional, expresada en años MAX
C3=Edad MIN
C4=Resultado de la entrevista MAX
C5=Prueba psicotécnica, puntaje entre 0 y 10 MAX
Los resultados de las solicitudes se presentan a continuación:
POSTULANTES C1 C2 C3 C4 C5
JOSÉ 13 3 35 3 5
MARÍA 4 4 26 4 9
RAÚL 12 7 34 3 6
TANIA 5 2 31 3 10
ALBERTO 6 3 28 5 6
ESTEBAN 8 5 31 3 9
FLORENCIA 7 1 30 2 8
EMANUEL 9 6 33 2 6

DETERMINE:
a) La matriz normalizada
b) La información cardinal mediante el triángulo de Fuller y método AHP
c) El o la postulante a quien debe contratar la empresa empleando los pesos obtenidos por los 2
métodos del inciso b)
d) El segundo y tercer puesto.
Se dio una calificación del resultado de la entrevista bajo los siguientes criterios:
1= Muy Malo
2=Malo
3=Regular POSTULANTES C1 C2 C3 C4 C5
4=Bueno JOSÉ -13 3 -35 3 5
5=Excelente MARÍA -4 4 -26 4 9
RAÚL -12 7 -34 3 6
Aplicando el criterio de
TANIA -5 2 -31 3 10
dualidad y hallando
máximos y mínimos ALBERTO -6 3 -28 5 6
por columna: ESTEBAN -8 5 -31 3 9
FLORENCIA -7 1 -30 2 8
EMANUEL -9 6 -33 2 6
MAX -4 7 -26 5 10
MIN -13 1 -35 2 5
 a) NORMALIZACION DE LA MATRIZ POR EL METODO DE TRANFORMACION (0,1)
PARA BENEFICIOS:
𝑍𝑖𝑗 − 𝑍𝑗 𝑚í𝑛
𝑍𝑖𝑒 =
𝑍𝑗 𝑚á𝑥 − 𝑍𝑗 𝑚í𝑛
Por ejemplo
Para el criterio 1, de cada postulante:
−13 − (−13) −4 − (−13) −12 − (−13)
𝑍`11 = =0 𝑍`12 = =1 𝑍`13 = = 0,111
−4 − (−13) −4 − (−13) −4 − (−13)
Y se esa manera se normaliza a cada postulante, con cada criterio a continuación se presenta la
matriz normalizada:
POSTULANTES C1 C2 C3 C4 C5
JOSÉ 0 0,33333333 0 0,33333333 0
MARÍA 1 0,5 1 0,66666667 0,8
RAÚL 0,11111111 1 0,11111111 0,33333333 0,2
TANIA 0,88888889 0,16666667 0,44444444 0,33333333 1
ALBERTO 0,77777778 0,33333333 0,77777778 1 0,2
ESTEBAN 0,55555556 0,66666667 0,44444444 0,33333333 0,8
FLORENCIA 0,66666667 0 0,55555556 0 0,6
EMANUEL 0,44444444 0,83333333 0,22222222 0 0,2
b)
I. HALLANDO PESOS MEDIANTE EL METODO DEL TRIANGULO DE FULLER
Se realiza la comparación según el nivel de prioridad, como se puede ver en la tabla por ejemplo
entre el criterio 1 y el criterio 2 el más prioritario es el criterio 2 ya que si comparamos la cantidad
de experiencia que tiene en el puesto es más importante que la cantidad de años que estudio la
especialidad relacionada con el puesto.
Los que se consideraron prioritarios en la comparación están en la tabla mostrada a continuación:
C1 C2 C3 C4 C5
C1 - C2 C1 C1 C1
C2 - - C3 C2 C5
C3 - - - C3 C3
C4 - - - - C5
C5 - - - - -
Luego se realizó el conteo de cuantas veces en la comparación cada criterio fue más importante,
para después realizar su ponderación de los mismos por ejemplo en la tabla el criterio 1 en 3
ocasiones fue más importante que otros criterios, y en la tabla siguiente se muestra el conteo y la
ponderación para hallar los pesos de cada criterio:
CRITERIOS ej wj
C1 3 0,3
C2 3 0,3
C3 2 0,2
C4 0 0
C5 2 0,2
10 1
II. HALLANDO PESOS MEDIANTE EL METODO AHP
Comprando los criterios según la escala de saaty

1° MATRIZ DE COMPARACIÓN PAREADA DE LOS CRITERIOS

Donde se le da un valor de comparación a los criterios según la escala de saaty y se realizan las
sumas por columna:
C1 C2 C3 C4 C5
C1 1 1/3 3 5 5
C2 3 1 5 5 5
C3 1/3 1/5 1 3 3
C4 1/5 1/5 1/3 1 3
C5 1/5 1/5 1/3 1/3 1
SUMA 4,733333333 1,933333333 9,666666667 14,33333333 17
2° NORMALIZACIÓN DE LA MATRIZ POR LA SUMA
Se normaliza l matriz por la suma bajo la siguiente formula:
𝑍11 1
𝑍`11 = 𝑛 ; 𝑝𝑜𝑟 𝑒𝑗𝑒𝑚𝑝𝑙𝑜 𝑍`11 = = 0,211
∑𝑛=1 𝑍𝑛1 4,58
Y así sucesivamente para cada Zij, lo cual da la siguiente matriz:
C1 C2 C3 C4 C5
C1 0,211267606 0,172413793 0,310344828 0,348837209 0,294117647
C2 0,633802817 0,517241379 0,517241379 0,348837209 0,294117647
C3 0,070422535 0,103448276 0,103448276 0,209302326 0,176470588
C4 0,042253521 0,103448276 0,034482759 0,069767442 0,176470588
C5 0,042253521 0,103448276 0,034482759 0,023255814 0,058823529
Hallando promedio por filas bajo la siguiente ecuacion:
𝑍 +𝑍 +𝑍 +⋯+𝑍𝑛𝑛 0,211+0,17+0,31+0,34+0,29
PROMEDIO POR 𝑃1 = 11 21 31 ; 𝑝𝑜𝑟 𝑒𝑗𝑒𝑚𝑝𝑙𝑜 𝑃1 = =
𝑛 5
FILAS 𝑃1 = 0,2674
0,267396217
0,462248086 y así sucesivamente para cada fila
0,1326184
0,085284517
0,05245278

CONSISTENCIA DE LA MATRIZ
MULTIPLICACIÓN DE LA MATRIZ ORIGINAL POR EL PROMEDIO POR FILAS
 PROMEDIO POR
C1 C2 C3 C4 C5 FILAS
C1 1 1/3 3 5 5 0,267396217
C2 3 1 5 5 5 * 0,462248086
C3 1/3 1/5 1 3 3
C4 1/5 1/5 1/3 1 3
0,1326184
C5 1/5 1/5 1/3 1/3 1 0,085284517
El 0,05245278 resultado
de la multiplicación de matrices será el vector fila total
VECTOR
COCIENTE
Después se realiza la división del vector fila total entre el promedio por FILA TOTAL
filas y se escoge el valor máximo y ese será la lambda máxima, el cual 1,5080206 5,63964822
2,61621522 5,65976431
se muestra a continuación en la tabla:
0,72741198 5,48500042
0,43277785 5,07451839
Y se sabe si la matriz es consiste bajo las siguientes formulas: 0,27101595 5,16685574
𝜆 máx 5,40515741

n= 5
CI= 0,10129 Calculado
RI= 1,110 El RI es sacado de tablas
Calculado
CR= 0,09125
Del cual con tablas el CR calculado en porcentaje tiene que ser menor al de las tablas, nuestro caso
menos a 10%:
9,13% < 10% La matriz es consistente
CÁLCULO DEL VECTOR PROPIO DE LA MATRIZ: LA MATRIZ ORIGINAL POR SI
MISMA
Se multiplica la matriz original por sí misma y el resultado se ve a continuación, después se realiza
la ponderación hallando la suma por filas y se divide la suma de la fila por el total de la suma de las
filas y el resultado es el vector propio:
5 3,266666667 11 22,33333333 35,66666667 SUMA DE FILAS VECTOR PROPIO
77,267 0,2888
9,666666667 5 22,33333333 41,66666667 55 133,667 0,4996
2,466666667 1,711111111 5 9,666666667 17,66666667 36,511 0,1365
1,711111111 1,133333333 3,266666667 5 9 20,111 0,0752
12,822 0,0479
1,177777778 0,6 2,377777778 3,666666667 5 267,556
Después se multiplica la matriz hallada de la multiplicación de la matriz
original por sí misma y se halla el vector propio de esta y se realiza el mismo procedimiento hasta
que el vector propio se repita, cuando esto suceda los números que se repiten serán los pesos
hallados por este método:
163,9333333 98,2 340,7185185 596,5555556 931,6666667 SUMA DE FILAS VECTOR PROPIO
2131,074 0,2824
287,8296296 175,0148148 596,5555556 1050,111111 1664,333333
3773,844 0,5001
78,55555556 46,72444444 163,9333333 287,8296296 445,7555556 1022,799 0,1355
46,72444444 27,91259259 98,2 175,0148148 271,0740741 618,926 0,0820
29,71703704 18,07160494 62,11111111 110,9555556 175,0148148 395,870 0,0525
7546,643
 137464,4397 82692,71575 286740,6079 506764,7895 792812,1421 SUMA DE FILAS VECTOR PROPIO
1806474,695 0,2829
242946,9866 146157,2801 506764,7895 895649,7621 1401303,102 3192821,920 0,4999
65899,64158 39640,90896 137464,4397 242946,9866 380063,8134 866015,790 0,1356
39640,90896 23845,65891 82692,71575 146157,2801 228644,619 520981,183 0,0816
333012,192 0,0521
25337,58756 15242,9746 52854,1428 93420,2068 146157,2801 6386293,588

SUMA DE FILAS VECTOR PROPIO

98059085521 58989064246 2,04548E+11 3,61521E+11 5,65585E+11
1288702069869,710 0,2829
1,73311E+11 1,04258E+11 3,61521E+11 6,38955E+11 9,99621E+11 2277665750501,830 0,4999
47008893515 28278977130 98059085521 1,73311E+11 2,71138E+11 617795465275,479 0,1356
371645077310,889 0,0816
28278977130 17011686248 58989064246 1,04258E+11 1,63107E+11 237554662440,422 0,0521
18075855883 10873829991 37705671557 66641405182 1,04258E+11 4555808362957,910
Después se realiza la comparación entre postulantes en cada criterio según la escala de saaty,
después se realiza la normalización de la matriz con la suma por columnas y se halla el vector
propio del promedio por filas, el siguiente procedimiento mostrado en la siguiente tabla:
ESTUDIOS SUPERIORES EXPRESADOS EN AÑOS VECTOR
JOSÉ MARÍA RAÚL TANIA ALBERTO ESTEBAN FLORENCIA EMANUEL MATRIZ NORMALIZADA PROPIO
JOSÉ 1 9 1 9 9 7 7 5 0,35472973 0,225 0,33368644 0,20454545 0,24635036 0,45202952 0,3990228 0,39179104 0,32589442
MARÍA 1/9 1 1/9 1 1/3 1/5 1/5 1/7 0,03941441 0,025 0,03707627 0,02272727 0,00912409 0,01291513 0,01140065 0,01119403 0,02110648
RAÚL 1 9 1 7 7 5 5 5 0,35472973 0,225 0,33368644 0,15909091 0,19160584 0,32287823 0,28501629 0,39179104 0,28297481
TANIA 1/9 1 1/7 1 1/5 1/7 1/7 1/7 0,03941441 0,025 0,04766949 0,02272727 0,00547445 0,00922509 0,00814332 0,01119403 0,02110601
ALBERTO 1/9 3 1/7 5 1 1/7 1/5 1/7 0,03941441 0,075 0,04766949 0,11363636 0,02737226 0,00922509 0,01140065 0,01119403 0,04186404
ESTEBAN 1/7 5 1/5 7 7 1 1 1 0,05067568 0,125 0,06673729 0,15909091 0,19160584 0,06457565 0,05700326 0,07835821 0,09913085
FLORENCIA 1/7 5 1/5 7 5 1 1 1/3 0,05067568 0,125 0,06673729 0,15909091 0,13686131 0,06457565 0,05700326 0,0261194 0,08575794
EMANUEL 1/5 7 1/5 7 7 1 3 1 0,07094595 0,175 0,06673729 0,15909091 0,19160584 0,06457565 0,17100977 0,07835821 0,12216545
SUMA 2,81904762 40 2,9968254 44 36,5333333 15,48571429 17,54285714 12,7619048
EXPERIENCIA PROFECIONAL EXPRESADA EN AÑOS VECTOR
JOSÉ MARÍA RAÚL TANIA ALBERTO ESTEBAN FLORENCIA EMANUEL MATRIZ NORMALIZADA PROPIO
JOSÉ 1 1 1/3 1 1 1/3 3 1/5 0,06521739 0,06880734 0,10649087 0,04166667 0,05769231 0,03676471 0,09375 0,0483871 0,06484705
MARÍA 1 1 1/5 3 1 1 5 1/5 0,06521739 0,06880734 0,06389452 0,125 0,05769231 0,11029412 0,15625 0,0483871 0,08694285
RAÚL 3 5 1 7 7 5 9 1 0,19565217 0,3440367 0,31947262 0,29166667 0,40384615 0,55147059 0,28125 0,24193548 0,3286663
TANIA 1 1/3 1/7 1 1 1/5 1 1/5 0,06521739 0,02293578 0,04563895 0,04166667 0,05769231 0,02205882 0,03125 0,0483871 0,04185588
ALBERTO 1 1 1/7 1 1 1/3 3 1/3 0,06521739 0,06880734 0,04563895 0,04166667 0,05769231 0,03676471 0,09375 0,08064516 0,06127281
ESTEBAN 3 1 1/5 5 3 1 5 1 0,19565217 0,06880734 0,06389452 0,20833333 0,17307692 0,11029412 0,15625 0,24193548 0,15228049
FLORENCIA 1/3 1/5 1/9 1 1/3 1/5 1 1/5 0,02173913 0,01376147 0,03549696 0,04166667 0,01923077 0,02205882 0,03125 0,0483871 0,02919886
EMANUEL 5 5 1 5 3 1 5 1 0,32608696 0,3440367 0,31947262 0,20833333 0,17307692 0,11029412 0,15625 0,24193548 0,23493577
SUMA 15,3333333 14,5333333 3,13015873 24 17,3333333 9,066666667 32 4,13333333
EDAD VECTOR
JOSÉ MARÍA RAÚL TANIA ALBERTO ESTEBAN FLORENCIA EMANUEL MATRIZ NORMALIZADA PROPIO
JOSÉ 1 1/7 1 2/3 1/5 1/3 1/3 1/3 0,04081633 0,05905512 0,04166667 0,04651163 0,03658537 0,02777778 0,02777778 0,015625 0,03697696
MARÍA 7 1 7 5 3 5 5 5 0,28571429 0,41338583 0,29166667 0,34883721 0,54878049 0,41666667 0,41666667 0,234375 0,3695116
RAÚL 1 1/7 1 1/3 1/5 1/3 1/3 1 0,04081633 0,05905512 0,04166667 0,02325581 0,03658537 0,02777778 0,02777778 0,046875 0,03797623
TANIA 1 1/2 1/5 3 1 1/5 1 1 3 0,06122449 0,08267717 0,125 0,06976744 0,03658537 0,08333333 0,08333333 0,140625 0,08531827
ALBERTO 5 1/3 5 5 1 3 3 5 0,20408163 0,13779528 0,20833333 0,34883721 0,18292683 0,25 0,25 0,234375 0,22704366
ESTEBAN 3 1/5 3 1 1/3 1 1 3 0,12244898 0,08267717 0,125 0,06976744 0,06097561 0,08333333 0,08333333 0,140625 0,09602011
FLORENCIA 3 1/5 3 1 1/3 1 1 3 0,12244898 0,08267717 0,125 0,06976744 0,06097561 0,08333333 0,08333333 0,140625 0,09602011
EMANUEL 3 1/5 1 1/3 1/5 1/3 1/3 1 0,12244898 0,08267717 0,04166667 0,02325581 0,03658537 0,02777778 0,02777778 0,046875 0,05113307
SUMA 24,5 2,41904762 24 14,3333333 5,46666667 12 12 21,3333333
RESULTADOS DE LA ENTREVISTA VECTOR
JOSÉ MARÍA RAÚL TANIA ALBERTO ESTEBAN FLORENCIA EMANUEL MATRIZ NORMALIZADA PROPIO
JOSÉ 1 1/5 1 1 1/9 1 3 3 0,05357143 0,03832117 0,06 0,06 0,0530303 0,06818182 0,1 0,1 0,06663809
MARÍA 5 1 5 5 1/3 3 7 7 0,26785714 0,19160584 0,3 0,3 0,15909091 0,20454545 0,23333333 0,23333333 0,23622075
RAÚL 1 1/5 1 1 1/7 1 3 3 0,05357143 0,03832117 0,06 0,06 0,06818182 0,06818182 0,1 0,1 0,06853203
TANIA 1 1/5 1 1 1/7 1 3 3 0,05357143 0,03832117 0,06 0,06 0,06818182 0,06818182 0,1 0,1 0,06853203
ALBERTO 9 3 7 7 1 7 9 9 0,48214286 0,57481752 0,42 0,42 0,47727273 0,47727273 0,3 0,3 0,43143823
ESTEBAN 1 1/3 1 1 1/7 1 3 3 0,05357143 0,06386861 0,06 0,06 0,06818182 0,06818182 0,1 0,1 0,07172546
FLORENCIA 1/3 1/7 1/3 1/3 1/9 1/3 1 1 0,01785714 0,02737226 0,02 0,02 0,0530303 0,02272727 0,03333333 0,03333333 0,02845671
EMANUEL 1/3 1/7 1/3 1/3 1/9 1/3 1 1 0,01785714 0,02737226 0,02 0,02 0,0530303 0,02272727 0,03333333 0,03333333 0,02845671
SUMA 18,6666667 5,21904762 16,6666667 16,6666667 2,0952381 14,66666667 30 30
PRUEBA PSICOTECNICA PUNTAJE DE 0 A 10 VECTOR
JOSÉ MARÍA RAÚL TANIA ALBERTO ESTEBAN FLORENCIA EMANUEL MATRIZ NORMALIZADA PROPIO
JOSÉ 1 1/7 1 1/7 1 1/7 1/5 1 0,03333333 0,03012048 0,03571429 0,03787879 0,03571429 0,0308642 0,02238806 0,04166667 0,03346001
MARÍA 7 1 5 1 5 1 1 5 0,23333333 0,21084337 0,17857143 0,26515152 0,17857143 0,21604938 0,1119403 0,20833333 0,20034926
RAÚL 1 1/5 1 1/7 1 1/7 1/5 1 0,03333333 0,04216867 0,03571429 0,03787879 0,03571429 0,0308642 0,02238806 0,04166667 0,03496604
TANIA 7 1 7 1 7 1 5 7 0,23333333 0,21084337 0,25 0,26515152 0,25 0,21604938 0,55970149 0,29166667 0,28459322
ALBERTO 1 1/5 1 1/7 1 1/7 1/5 1 0,03333333 0,04216867 0,03571429 0,03787879 0,03571429 0,0308642 0,02238806 0,04166667 0,03496604
ESTEBAN 7 1 7 1 7 1 1 5 0,23333333 0,21084337 0,25 0,26515152 0,25 0,21604938 0,1119403 0,20833333 0,2182064
FLORENCIA 5 1 5 1/5 5 1 1 3 0,16666667 0,21084337 0,17857143 0,0530303 0,17857143 0,21604938 0,1119403 0,125 0,15508411
EMANUEL 1 1/5 1 1/7 1 1/5 1/3 1 0,03333333 0,04216867 0,03571429 0,03787879 0,03571429 0,04320988 0,03731343 0,04166667 0,03837492
SUMA 30 4,74285714 28 3,77142857 28 4,628571429 8,933333333 24

c) CONCLUSIÓN
SEGÚN EL METODO DE FULLER
Se calculó el valor esperado para cada postulante, multiplicando cada peso con el promedio
ponderado que tenía ese postulante en cada criterio y así se determinó cual es el mejor, a
continuación se muestra un ejemplo del cálculo para el valor esperado:
𝐽𝑜𝑠é: 𝑉𝐸 = 0 ∗ 0,3 + 0,333 ∗ 0,3 + 0 ∗ 0,2 + 0,333 ∗ 0 + 0 ∗ 0,2 = 0,1
Se realiza el mismo cálculo para cada uno, y en la tabla siguiente se muestran los resultados:
POSTULANTES C1 C2 C3 C4 C5 FULLER
JOSÉ 0 0,33333333 0 0,33333333 0 0,1
MARÍA 1 0,5 1 0,66666667 0,8 0,81
RAÚL 0,11111111 1 0,11111111 0,33333333 0,2 0,395555556
TANIA 0,88888889 0,16666667 0,44444444 0,33333333 1 0,605555556
ALBERTO 0,77777778 0,33333333 0,77777778 1 0,2 0,528888889
ESTEBAN 0,55555556 0,66666667 0,44444444 0,33333333 0,8 0,615555556
FLORENCIA 0,66666667 0 0,55555556 0 0,6 0,431111111
EMANUEL 0,44444444 0,83333333 0,22222222 0 0,2 0,467777778
PESOS 0,3 0,3 0,2 0 0,2
Donde se puede ver que mediante el método del triángulo de Fuller el postulante a quien se debe
contratar es a ESTEBAN ya que es la mejor opción.
SEGÚN EL METODO AHP
Finalmente hallamos los valores esperados, con la suma total de la multiplicación de cada valor
hallado en el vector propio por criterio y postulante.
AHP C1 C2 C3 C4 C5 PRIORIZACION
JOSÉ 0,32589442 0,06484705 0,03697696 0,06663809 0,03346001 0,136801015
MARÍA 0,02110648 0,08694285 0,3695116 0,23622075 0,20034926 0,129262128
RAÚL 0,28297481 0,3286663 0,03797623 0,06853203 0,03496604 0,256924695
TANIA 0,02110601 0,04185588 0,08531827 0,06853203 0,28459322 0,058895877
ALBERTO 0,04186404 0,06127281 0,22704366 0,43143823 0,03496604 0,110282085
ESTEBAN 0,09913085 0,15228049 0,09602011 0,07172546 0,2182064 0,134423419
florencia 0,08575794 0,02919886 0,09602011 0,02845671 0,15508411 0,062285152
EMANUEL 0,12216545 0,23493577 0,05113307 0,02845671 0,03837492 0,16326888
PESOS 0,28287012 0,49994766 0,13560611 0,0815761 0,05214325
Donde se puede ver que mediante el método AHP el postulante a quien se debe contratar es RAÚL
ya que es la mejor opción.

d) SEGUNDO Y TECER LUGAR

AHP PRIORIZACION e) POSTULANTES FULLER
JOSÉ 0,136801015 AHP JOSÉ 0,1
MARÍA 0,129262128 2º: EMANUEL MARÍA 0,81
RAÚL 0,256924695 3º: JOSÉ RAÚL 0,395555556
TANIA 0,058895877 TANIA 0,605555556
FULLER
ALBERTO 0,110282085 ALBERTO 0,528888889
ESTEBAN 0,134423419 2º: ESTEBAN ESTEBAN 0,615555556
florencia 0,062285152 FLORENCIA 0,431111111
3º: TANIA
EMANUEL 0,16326888 EMANUEL 0,467777778
PESOS PESOS
2. Un negociante desea saber cómo invertir su dinero en un proyecto, tiene 5 alternativas,
considerando los siguientes cinco criterios:
C1= Maximizar VPN (millones de pesos)
C2= Maximizar TIR (%)
C3= Maximizar generación de empleo (trabajadores)
C4= Maximizar ventas (Millones de pesos)
C5= Minimizar el impacto ambiental (toneladas de SO2)
Los resultados de las alternativas son:

Alternativa VPN TIR EMPLEO VENTAS IMPACTO

AMBIENTAL
A 250 25 15 100 400
B 220 30 20 70 350
C 90 20 4 25 25
D 200 25 7 60 200
E 100 15 7 40 50
DETERMINE:
a) La matriz normalizada
b) La información cardinal mediante SAATY
c) La alternativa a elegir por el negociante.
d) El segundo y tercer puesto.
Solución
a) Se realizó la normalización de la matriz con el método de transformación (0,1) para una
matriz de beneficios:
Para lo cual se hallaron los máximos y mínimos por columna
𝑍𝑖𝑗 − 𝑍𝑗 𝑚í𝑛
𝑍𝑖𝑒 =
𝑍𝑗 𝑚á𝑥 − 𝑍𝑗 𝑚í𝑛

C1 C2 C3 C4 C5
A 250 25 15 100 -400
B 220 30 20 70 -350
C 90 20 4 25 -25
D 200 25 7 60 -200
E 100 15 7 40 -50
MAX 250 30 20 100 -25
MIN 90 15 4 25 -400

Y se aplicó la formula dada antes de la tabla para la normalización, se muestran los datos
normalizados en la siguiente tabla:
 POSTULANTES C1 C2 C3 C4 C5
A 1 0,66666667 0,6875 1 0
B 0,8125 1 1 0,6 0,13333333
C 0 0,33333333 0 0 1
D 0,6875 0,66666667 0,1875 0,46666667 0,53333333
E 0,0625 0 0,1875 0,2 0,93333333

b) Se halló la información cardinal mediante saaty:

C1 C2 C3 C4 C5 eMax wj
C1 1 5 3 1 5 5 0,1471
C2 1/5 1 3 1/3 3 3 0,0882
C3 1/3 1/3 1 1/5 3 3 0,0882
C4 1 3 5 1 5 5 0,1471
C5 1/5 1/3 1/3 1/5 1 1 0,0294
SUMA 3 10 12 3 17 17 0,5000
34

Y se escogió la mejor alternativa por promedios ponderados aplicando la siguiente fórmula para
cada alternativa:

𝐴: 𝑉𝐸 = 1 ∗ 0,1471 + 0,667 ∗ 0,0882 + 0,6875 ∗ 0,0882 + 1 ∗ 0,147 + 0 ∗ 0,0294 = 0,41

ALTERNATIVAS C1 C2 C3 C4 C5 VE
A 1 0,66666667 0,6875 1 0 0,41360294
B 0,8125 1 1 0,6 0,13333333 0,38811275
C 0 0,33333333 0 0 1 0,05882353
D 0,6875 0,66666667 0,1875 0,46666667 0,53333333 0,26078431
E 0,0625 0 0,1875 0,2 0,93333333 0,08259804
PESOS 0,14705882 0,08823529 0,08823529 0,14705882 0,02941176

c) La alternativa a elegir para el negociante seria la alternativa A.

d) Segundo puesto seria la alternativa B y tercer puesto seria la alternativa D.
PROBLEMAS CONTINUOS
3. Una empresa fabrica dos tipos de productos A y B. La producción de cada kilogramo de
producto A precisa 3 horas de fabricación y 2 horas de control, generando un beneficio de 1
unidad monetaria, mientras que la producción de cada kilogramo de B precisa 5 horas de
fabricación y 1 hora de control. La maquinaria necesaria para el proceso de fabricación está
disponible no más de 40 horas, mientras que para el proceso de control no lo está más de 20
horas. El beneficio de cada unidad de producto B es el doble del beneficio por unidad de
producto A. La empresa desea maximizar el beneficio y maximizar la producción total.
FORMULE EL MODELO, HALLE LOS PESOS POR SAATY Y RESUELVA POR
PROMEDIOS PONDERADOS
DATOS
FORMULACIÓN DEL MODELO
Se realizó una tabla que pueda ayudar a formular el modelo:

x1(kg de A) x2(kg de B)
hrs. fabricacion hrs control beneficios
Producto A 3 2 1
Producto B 5 1 2
disponibilidad 40 20

FO1: Maximizar producción: Max x1+x2

FO2: Maximizar beneficios: Max x1+2x2
Sujeto a las siguientes restricciones:
3x1+5x2<= 40
2x1+x2<= 20
x1,x2>=0
Hallando los pesos por el método de Saaty

Beneficio Producción eMax wj

Beneficio 1 1/5 1 0,17
Producción 5 1 5 0,83
6

Aplicando el método de promedios ponderados

Max λ (𝑥2 + 2𝑥1 ) + (1 − λ )(𝑥2 + 𝑥1 )
Max 0,17 (𝑥2 + 2𝑥1 ) + (1 − 0,17 )(𝑥2 + 𝑥1 )
Max 0,17 ∗ (𝑥2 + 2𝑥1 ) + 0,83 ∗ (𝑥2 + 𝑥1 )
s.a.:
5𝑥2 + 3𝑥1 ≤ 40
𝑥2 + 2 𝑥1 ≤ 20
𝑥2 , 𝑥1 , λ ≥ 0
Y finalmente se halló la solución por programación lineal en el solver teniendo los siguientes
resultados:
 x1 x2 FO
8,571428571 2,857142857 12,88571429
s.a.
3 5 40
2 1 20

Producciones optimas de cada producto:

𝑥1𝑜𝑝𝑡. = 8,57 𝑘𝑔 𝑑𝑒 𝐴

𝑥2𝑜𝑝𝑡. = 2,86 𝑘𝑔 𝑑𝑒 𝐵

4. La empresa Charros del Norte produce dos tipos de frijoles caseros enlatados: frijoles A y
frijoles B. El proceso de producción de frijoles B es el doble de costoso que el de frijoles A,
costando este último 3 u.m. por kg., y el presupuesto diario de gasto que tiene la empresa es de
70 u.m. Además, el proceso de producción de ambos tipos de frijol requiere de la utilización de
dos máquinas distintas, teniendo limitados los tiempos de utilización diaria de cada máquina
según la siguiente tabla:

ÍTEM MÁQUINA 1 MÁQUINA 2

FRIJOLES A 1 2
FRIJOLES B 1 3
DISPONIBLE 20 40

Dadas estas condiciones, el empresario nos plantea los siguientes deseos, según niveles de
importancia:
Primero: Obtener un beneficio, como mínimo, de 100 u.m., sabiendo que cada kg de Frijol A
genera un beneficio unitario de 6 u.m. y cada kg de frijol B de 8 u.m.
Segundo: Desea que el coste de la producción no supere el 90% del presupuesto diario de 70 u.m.
Tercero: Debido a necesidades de demanda, la producción de frijoles A no debe superar al triple de
la producción de frijoles B
a) Formule el modelo, normalice la matriz
b) Halle los pesos por SAATY y TRIÁNGULO DE FULLER
c) Resuelva por promedios ponderados (usando SAATY) y por metas (usando TRIANGULO DE
FULLER)

a) FORMULACIÓN DEL PROBLEMA

Para la formulación del problema se realizó la tabla auxiliar que se muestra a continuación:
ITEM Máquina 1 Máquina 2 Costos (u.m.) Beneficios
x1(kg de A) Frijoles A 1 2 3 6
x2(kg de B) Frijoles B 1 3 6 8
Disponible 20 40 70
De acuerdo a los niveles de prioridad se pueden tener 3 funciones objetido:
FO1: Maximizar beneficios 6 x1 + 8 x2
FO2: Minimizar costos 3 x1 + 6 x2
FO3: Maximizar producción frijoles B x2
Sujeto a las siguientes restricciones:
𝑥1 + 𝑥2 ≤ 20
2𝑥1 + 3𝑥2 ≤ 40
3 𝑥2 − 𝑥1 ≥ 0
𝑥1 , 𝑥2 ≥ 0
b) Hallando pesos mediante los métodos pedidos
Método de Saaty
Beneficio Costo Producción eMax wj
Beneficio 1 1/5 1/5 1 0,09090909
Costo 5 1 3 5 0,45454545
Producción 5 1/3 1 5 0,45454545
11
Método de Fuller
Beneficio Costo Producción eMax wj
Beneficio - C P 0 0
Costo - - C 2 2/3
Producción - - - 1 1/3
3
c) Resolviendo el problema por los método pedidos
Método de ponderación
Por dualidad
FO2: -3 x1 - 6 x2
𝑀𝑎𝑥𝑖𝑚𝑖𝑧𝑎𝑟 [0,091 ∗ (6𝑥1 + 8𝑥2 ) + 0,454 ∗ (−3𝑥1 − 6𝑥2 ) + 0,454 ∗ ( 𝑥2 )]
Sujeto a:
𝑥1 + 𝑥2 ≤ 20
2𝑥1 + 3𝑥2 ≤ 40
3 𝑥2 − 𝑥1 ≥ 0
6𝑥1 + 8𝑥2 ≥ 100
3𝑥1 + 6𝑥2 ≤ 63
𝑥1 , 𝑥2 ≥ 0
Solución
 x1 x2 FO
11,53846154 3,846153846 -15,3846154

s.a.
1 1 15,3846154
2 3 34,6153846
-1 3 -1,7764E-15
6 8 100
3 6 57,6923077
Producciones optimas de cada producto:
𝑥1𝑜𝑝𝑡. = 11,5 𝑘𝑔 𝑑𝑒 𝐹𝑟𝑖𝑗𝑜𝑙𝑒𝑠 𝐴

𝑥2𝑜𝑝𝑡. = 3,8 𝑘𝑔 𝑑𝑒 𝐹𝑟𝑖𝑗𝑜𝑙𝑒𝑠 𝐵

Método de programación por metas

Paso 1: formulación del modelo
FO1: Maximizar beneficios 6 x1 + 8 x2
FO2: Minimizar costos 3 x1 + 6 x2
FO3: Maximizar producción frijoles B 3 x2 - x1≥ 0
s.a.:
𝑥1 + 𝑥2 ≤ 20
2𝑥1 + 3𝑥2 ≤ 40
𝑥1 , 𝑥2 ≥ 0
Metas:
6𝑥1 + 8𝑥2 − 𝑑1+ = 100
3𝑥1 + 6𝑥2 + 𝑑2− = 63
3 𝑥2 − 𝑥1 + 𝑑3− = 0
s.a.:
𝑑1+ , 𝑑2− , 𝑑3− ≥ 0

Paso 2: aplicar la dualidad

FO2: Max -3 x1 - 6 x2
Paso 3: Mono- objetivo
FO1: Max 6 x1 + 8 x2
s.a.:
𝑥1 + 𝑥2 ≤ 20
2𝑥1 + 3𝑥2 ≤ 40
𝑥1 , 𝑥2 ≥ 0
Solución:
𝑥1𝑜𝑝𝑡. = 20

𝑥2𝑜𝑝𝑡. = 0

FO2: Max -3 x1 - 6 x2
s.a.:
𝑥1 + 𝑥2 ≤ 20
2𝑥1 + 3𝑥2 ≤ 40
𝑥1 , 𝑥2 ≥ 0
Solución:
𝑥1𝑜𝑝𝑡. = 0
 𝑥2𝑜𝑝𝑡. = 0

FO3: Max - x1 + 3 x2
s.a.:
𝑥1 + 𝑥2 ≤ 20
2𝑥1 + 3𝑥2 ≤ 40
𝑥1 , 𝑥2 ≥ 0
Solución:
𝑥1𝑜𝑝𝑡. = 0

𝑥2𝑜𝑝𝑡. = 13,33
Paso 4: Matriz de pagos

x1 x2 FO1: Max 6 x1 + 8 x2 FO2: Max -3 x1 - 6 x2 FO3: Max - x 1 + 3 x 2

20 0 120 -60 -20
0 0 0 0 0
0 13,33 106,64 -79,98 39,99
MAX 120 0 39,99
MIN 0 -79,98 -20
Paso 5: normalización y nuevo modelo
−𝑑1+ 2 +𝑑2− 1 +𝑑3−
𝑀𝑖𝑛 𝐷 (𝑑𝑖 ) = 0 ∗ + ∗ + ∗
120 − 0 3 0 + 79,98 3 39,99 + 20
𝑥1 + 𝑥2 ≤ 20
2𝑥1 + 3𝑥2 ≤ 40
6𝑥1 + 8𝑥2 − 𝑑1+ = 100
3𝑥1 + 6𝑥2 + 𝑑2− = 63
3 𝑥2 − 𝑥1 + 𝑑3− = 0
𝑥1 , 𝑥2 ≥ 0
𝑑1+ , 𝑑2− , 𝑑3− ≥ 0

Solución:
x1 x2 d1 d2 d3 FO
11,5384615 3,84615385 0 5,30769231 0 0,04424183

s.a. s.a.
1 1 0 0 0 15,3846154
2 3 0 0 0 34,6153846
6 8 1 0 0 100
3 6 0 1 0 63
-1 3 0 0 1 -1,7764E-15
Producciones optimas de cada producto:
𝑥1𝑜𝑝𝑡. = 11,5 𝑘𝑔 𝑑𝑒 𝐹𝑟𝑖𝑗𝑜𝑙𝑒𝑠 𝐴

𝑥2𝑜𝑝𝑡. = 3,8 𝑘𝑔 𝑑𝑒 𝐹𝑟𝑖𝑗𝑜𝑙𝑒𝑠 𝐵

𝑑1+ = 0 ; 𝑑2− = 5,31 ; 𝑑3− = 0

5. Una empresa chocolatera produce dos tipos de bombones: Rellenos de licor o rellenos de
almendras. Para el proceso productivo utiliza como materias primas: cacao, azúcar, almendras
y licor de cereza. En la siguiente tabla se muestra la cantidad de cada materia prima que
requiere 1 kilogramo de cada clase de bombón y la disponibilidad máxima de las materias
primas en kilogramos y/o litros:

Dadas estas condiciones, el empresario nos plantea los siguientes deseos, según niveles de
importancia:
Primero: Desea que el coste de la producción no supere el presupuesto diario de 1600 u.m., siendo
el precio al que el empresario paga cada kg. de materia prima el siguiente: Y además cada kg. de
bombones (ambos tipos) tiene añadido un coste adicional de 3 u.m. para los bombones rellenos de
licor y 1 u.m para los bombones rellenos de almendra por otros gastos.

Segundo: Obtener un beneficio, como mínimo, de 500 u.m., sabiendo que cada kg de bombones de
licor genera un beneficio unitario de 5 u.m. y cada kg de bombones de almendras de 2.5 u.m.
Tercero: Debido a necesidades de demanda, la producción de bombones de licor no debe superar al
de la producción de bombones rellenos de almendras.
FORMULE EL MODELO, HALLE LOS PESOS POR SAATY Y RESUELVA POR METAS
FORMULACIÓN DEL MODELO

Cacao Azúcar Almendras Licor

x1(kg de CL) Relleno de licor 2 3 0 0,33
x2 (kg de CA)Relleno de Almendras 2 4 0,5 0
Disponibilidad 300 500 40 25

Se pueden observar las siguientes funciones objetivo:

FO1: Minimizar los costos de producción
FO2: Maximizar los beneficios
FO3: Minimizar la producción de los chocolates con relleno de licor
Las que pueden ser representadas de la siguiente manera
Para la primera función objetivo se realizó el cálculo del costo de producción unitario
Cx1=2*2+1*3+5*0+4*0,33+3=11,32 Cx2=2*2+1*4+5*0,5+4*0+1=11,5
FO1: Min Z(x)= 11,32 x1 + 11,5 x2
FO2: Max Z(x)= 5 x1+2,5 x2
FO3: Min Z(x)= x1<= x2
Sujeto a:
2𝑥1 + 2𝑥2 ≤ 300
3𝑥1 + 4𝑥2 ≤ 500
0,5𝑥2 ≤ 40
0,33𝑥1 ≤ 25
𝑥1 , 𝑥2 ≥ 0
Metas

11,32𝑥1 + 11,5𝑥2 − 𝑑1+ = 1600

5𝑥1 + 2,5𝑥2 + 𝑑2− = 500
𝑥1 − 𝑥2 − 𝑑3+ = 0

𝑑1+ , 𝑑2− , 𝑑3+ ≥ 0

Aplicando el criterio de DUALIDAD

FO1: Max Z(x)= -11,32 x1 - 11,5 x2
FO2: Max Z(x)= 5 x1+2,5 x2
FO3: Max Z(x)= -x1 + x2 >=0
Resolución MONO-OBJETIVO Y MATRIZ DE PAGOS
FO1: Max Z(x)= -11,32 x1 - 11,5 x2
FO2: Max Z(x)= 5 x1+2,5 x2
FO3: Max Z(x)= -x1 + x2 >=0
s.a.:

2𝑥1 + 2𝑥2 ≤ 300

3𝑥1 + 4𝑥2 ≤ 500
0,5𝑥2 ≤ 40
0,33𝑥1 ≤ 25
𝑥1 , 𝑥2 ≥ 0
Las cuales fueron resueltas en el solver y se muestran sus resultados en la tabla mostrada a
continuación, también se muestra los resultados reemplazados en cada ecuación y se hallaron los
máximos y mínimos para el siguiente paso que es loa normalización:
x1 x2 FO1: -11,32 x1 - 11,5 x2 FO2: 5 x1+2,5 x2 FO3: -x1 + x2 >=0
0 0 0 0 0
75 68,75 -1639,625 546,875 -6,25
0 80 -920 200 80
MAX 0 546,875 80
MIN -1639,625 0 -6,25

NORMALIZACION Y NUEVO MODELO

Hallando los pesos por el método de saaty

Beneficio Costo Producción eMax wj

Beneficio 1 1/3 1/3 1 0,1429
Costo 3 1 3 3 0,4286
Producción 3 1/3 1 3 0,4286
7

−𝑑1+ +𝑑2− −𝑑3+

𝑀𝑖𝑛 𝐷 (𝑑𝑖 ) = 0,1429 ∗ + 0,4286 ∗ + 0,4286 ∗
0 + 1639,625 546,875 − 0 80 + 6,25

s.a.:
2𝑥1 + 2𝑥2 ≤ 300
3𝑥1 + 4𝑥2 ≤ 500
0,5𝑥2 ≤ 40
0,33𝑥1 ≤ 25
11,32𝑥1 + 11,5𝑥2 − 𝑑1+ = 1600
5𝑥1 + 2,5𝑥2 + 𝑑2− = 500
𝑥1 − 𝑥2 − 𝑑3+ = 0

𝑑1+ , 𝑑2− , 𝑑3+ ≥ 0

𝑥1 , 𝑥2 ≥ 0

x1 x2 d1 d2 d3 FO
66,6666667 66,6666667 0 0 0 0

s.a. s.a.
2 2 0 0 0 266,666667
3 4 0 0 0 466,666667
0 0,5 1 0 0 33,3333333
1/3 0 0 1 0 22,2222222
11,32 11,5 -1 0 0 1521,33333
5 2,5 0 1 0 500
1 -1 0 0 -1 1,4211E-14
 𝑥1𝑜𝑝𝑡. = 66,7 𝑘𝑔 𝑑𝑒 𝑐ℎ𝑜𝑐𝑜𝑙𝑎𝑡𝑒 𝑟𝑒𝑙𝑙𝑒𝑛𝑜 𝑑𝑒 𝑙𝑖𝑐𝑜𝑟

𝑥2𝑜𝑝𝑡. = 66,7 𝑘𝑔 𝑑𝑒 𝑐ℎ𝑜𝑐𝑜𝑙𝑎𝑡𝑒 𝑟𝑒𝑙𝑙𝑒𝑛𝑜 𝑑𝑒 𝑎𝑙𝑚𝑒𝑛𝑑𝑟𝑎𝑠

𝑑1+ = 0 ; 𝑑2− = 0 ; 𝑑3+ = 0

6. Una empresa tiene dos fábricas, A y B, que producen el mismo bien en dos regiones de un
mismo país. La producción de una unidad del bien cuesta un euro en ambas fábricas y el
presupuesto disponible para cubrir los costes semanales totales es de 16000 €. El empresario
exige que la diferencia entre la producción del bien en la región A menos la de la fábrica de la
región B sea menor o igual que 6.000 unidades. La empresa desea:
• Maximizar el beneficio total, siendo el beneficio unitario del bien en las fábricas A y B de
6 y 3 €, respectivamente.
• Minimizar el pago de impuestos a la producción, que es de 0.75 € por cada unidad
producida en la región A y 0.25€ por cada unidad producida en la región B.
Suponga que la empresa establece las siguientes metas con el siguiente orden de
importancia:
• Primer nivel de prioridad: El beneficio total debe ser, como mínimo, de 9.000 €.
• Segundo nivel de prioridad: El pago de impuestos no debe superar los 2.000 €.
FORMULE EL MODELO, HALLE LOS PESOS POR CRITIC Y RESUELVA POR METAS

FOLMULACIÓN DEL MODELO

X1: producto elaborado en fabrica A

X2: producto elaborado en fabrica B

Se pueden observar 2 funciones objetivo

FO1: Maximizar beneficios

FO2: Minimizar impuestos de producción

FO1: Max Z(x) = 6x1+3x2

FO2: Min Z(x)= 0,75x1+0,25x2

s.a.:

𝑥1 + 𝑥2 ≤ 16000
𝑥1 − 𝑥2 ≤ 6000
𝑥1 , 𝑥2 ≥ 0
Metas:

6𝑥1 + 3𝑥2 + 𝑑1− = 9000

0,75𝑥1 + 0,25𝑥2 − 𝑑2+ = 2000

Dualidad:
FO1: Max Z(x) = 6x1+3x2
FO2: Max Z(x)= -0,75x1-0,25x2

Mono-objetivo y matriz de pagos

FO1: Max Z(x) = 6x1+3x2

FO2: Max Z(x)= -0,75x1-0,25x2

s.a.:

𝑥1 + 𝑥2 ≤ 16000
𝑥1 − 𝑥2 ≤ 6000
𝑥1 , 𝑥2 ≥ 0

x1 x2 FO1: Max Z(x) = 6x1+3x2 FO2: Max Z(x)= -0,75x1-0,25x2

11000 5000 81000 -9500
0 0 0 0
MAX 81000 0
MIN 0 -9500

Normalización y formulación del nuevo modelo

Hallando los pesos por el método critic

MATRIZ DE PAGOS

Beneficio Impuestos
Beneficio 81000 -9500
Impuestos 0 0
VALOR MÁXIMO 81000 0
VALOR MÍNIMO 0 -9500

NORMALIZO LA MATRIZ

Beneficio Impuestos
Beneficio 1 0
Impuestos 0 1
DESVIACIÓN ESTANDAR 0,500 0,500

COEFICIENTE DE CORRELACIÓN
Beneficio Impuestos
Beneficio 1 -1,000
Impuestos 1

PESO PESO
PONDERAD NORMALIZ
BENEFICIO 1,000 0,500
IMPUESTOS 1,000 0,500
2,000 1,000
 +𝑑1− −𝑑2+
𝑀𝑖𝑛 𝐷 (𝑑𝑖 ) = 0,5 ∗ + 0,5 ∗
81000 9500
s.a.:

𝑥1 + 𝑥2 ≤ 16000
𝑥1 − 𝑥2 ≤ 6000
6𝑥1 + 3𝑥2 + 𝑑1− = 9000

0,75𝑥1 + 0,25𝑥2 − 𝑑2+ = 2000

𝑥1 , 𝑥2 , 𝑑𝑖+,− ≥ 0

x1 x2 d1 d2 FO
1500 0 0 0 0

s.a. s.a.
1 1 0 0 1500
1 -1 0 0 1500
6 3 1 0 9000
0,75 0,25 0 -1 1125

Cantidades optimas de producción:

𝑥1𝑜𝑝𝑡. = 1500 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜𝑠 𝑒𝑙𝑎𝑏𝑜𝑟𝑎𝑑𝑜𝑠 𝑒𝑛 𝑙𝑎 𝑓𝑎𝑏𝑟𝑖𝑐𝑎 𝐴

𝑥2𝑜𝑝𝑡. = 0 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜𝑠 𝑒𝑙𝑎𝑏𝑜𝑟𝑎𝑑𝑜𝑠 𝑒𝑛 𝑙𝑎 𝑓𝑎𝑏𝑟𝑖𝑐𝑎 𝐵

𝑑1− = 0 ; 𝑑2+ = 0
7. Una empresa cementera produce dos tipos de productos: Clinker y cemento. Las capacidades
máximas de producción se estiman en 200 toneladas al día de Clinker y 300 ton al día de
cemento. Cada tonelada producida requiere de un trabajador, estando la plantilla de la planta
conformada por un total de 600 trabajadores. El margen bruto (ingresos menos costes
variables) por tonelada de Clinker obtenida se estima en 700 euros al día mientras que en el
caso del cemento éste será de 6.000 euros diarios.
Por último, la cantidad de combustibles alternativos que se deben producir para compensar la
producción de dióxido de azufre (SO2) es de 2 unidades por tonelada en el caso del Clinker y
de 4 unidades por tonelada en el caso del cemento.
El objetivo que se pretende alcanzar por un lado se tratará de maximizar el margen bruto de la
compañía, por el otro, se pretende minimizar la cantidad de combustibles alternativos que se
deben producir como consecuencia de la contaminación del proceso de producción.
a) Plantee el problema de D.M.O. de la empresa, obtenga los óptimos individuales y la matriz
de pagos.
b) Aplique el método CRITIC para hallar los pesos, y resuelva por promedios ponderados.

Datos
X1: Clinker
X2: Cemento
Fo1: maximizar el margen bruto: 700x1+6000x2
Fo2: minimizar producción de so2: 2x1+4x2

s.a.:

𝑥1 + 𝑥2 ≤ 600
𝑥1 ≤ 200
𝑥2 ≤ 300
𝑥1 , 𝑥2 ≥ 0

Max z1(x)=700x1+6000x2
Min z2(x)= 2x1+4x2

Dualidad
Max z2(x)= -2x1-4x2

Mono-objetivo y matriz de pagos

Max z1(x)=700x1+6000x2
Max z2(x)= -2x1-4x2
s.a.:

𝑥1 + 𝑥2 ≤ 600
𝑥1 ≤ 200
𝑥2 ≤ 300
𝑥1 , 𝑥2 ≥ 0
Y hallando los pesos con el método critic, con la matriz de pagos:
MATRIZ DE PAGOS
X1 X2 FO1 FO2
0 200 1200000 -800
0 0 0 0
MAX 1200000 0
MIN 0 -800

PESOS METODO CRITIC

MARGENBRUTO PRODUCCION DE GASES
MARGENBRUTO 1 0
PRODUCCION DE GASES 0 1
0,5 0,5

MARGENBRUTO PRODUCCION DE GASES

MARGENBRUTO 1 -1
PRODUCCION DE GASES -1 1

PESO PONDERADO PESO NORMALIZADO

MARGENBRUTO 1,000 0,500

PRODUCCION DE GASES 1,000 0,500
2,000 1,000
 𝑀𝑎𝑥 𝜆 = 0,5 ∗ (700𝑥1 + 6000𝑥2 ) + 0,5 ∗ (−2𝑥1 − 4𝑥2 )
s.a.:

𝑥1 + 𝑥2 ≤ 600
𝑥1 ≤ 200
𝑥2 ≤ 300
𝑥1 , 𝑥2 ≥ 0
X1 X2 FO
200 300 969200
s.a.
1 1 500
1 0 200
0 1 300

Cantidades optimas de producción:

𝑥1𝑜𝑝𝑡. = 200 𝑡𝑛 𝑑𝑒 𝑐𝑙𝑖𝑛𝑘𝑒𝑟

𝑥2𝑜𝑝𝑡. = 300 𝑡𝑛 𝑑𝑒 𝑐𝑒𝑚𝑒𝑛𝑡𝑜

8. Una empresa papelera de propiedad pública fabrica dos productos: pulpa de celulosa
obtenida por medios mecánicos y pulpa de celulosa obtenida por medios químicos. Las
capacidades máximas de producción se estiman en 300 y 200 toneladas/día para cada uno de
los dos tipos de pasta de celulosa. Cada tonelada de pasta de celulosa producida demanda un
jornal. La empresa dispone de una plantilla de 400 trabajadores, no deseando contratar mano
de obra adicional. El margen bruto (ingresos menos costes variables) por tonelada de pasta de
celulosa obtenida por medios mecánicos se estima en 1.000 u. m. y en 3.000 u. m. la obtenida
por medios químicos. Los costes fijos de las instalaciones ascienden a 300.000 u.m. deseando
la planta al menos cubrir dichos costes. Las preferencias de la empresa se concretan en
maximizar el margen bruto (objetivo económico) y en la minimización del daño generado en
el río en el que la papelera vierte los residuos productivos (objetivo ambiental). Se estima que
los residuos producidos por cada tonelada de pasta de celulosa obtenida por medios
mecánicos y por medios químicos generan unas demandas biológicas de oxígeno en las aguas
del río de 1 y 2 unidades respectivamente.

La empresa ahora tiene las siguientes metas:

- Nivel 1: Para la demanda biológica de oxígeno: un nivel de aspiración de 300 unidades, pues
desea que sea lo más pequeña posible.
- Nivel 2: Para el margen bruto: alcanzar un valor igual o mayor de 400.000 u.m.
- Nivel 3: Mantener la mano de obra
- Nivel 4: El decisor no desea superar sus capacidades de producción.
a) Plantee el problema multi-objetivo de la empresa, obtenga los óptimos individuales y la
matriz de pagos.
b) Resuelva por metas, suponiendo que los pesos son w1=0,6; w2= 0,4. Recuerde que sólo hay
dos funciones objetivo.
DATOS

X1: Pulpa de celulosa obtenida por medios mecánicos

X2: Pulpa de celulosa obtenida por medios químicos

FO1: Maximizar el margen bruto: 1000x1+3000x2

FO2: Minimizar el daño generado al rio: x1+2x2

FO1: Max z1(x)=1000x1+3000x2

FO2: Min z2(x)= x1+2x2

s.a.:

𝑥1 + 𝑥2 ≤ 400
1000𝑥1 + 3000𝑥2 ≥ 300000
𝑥1 ≤ 300
𝑥2 ≤ 200
𝑥1 , 𝑥2 ≥ 0
Metas:

𝑥1 + 2𝑥2 − 𝑑1+ = 300

1000𝑥1 + 3000𝑥2 + 𝑑2− = 400000
𝑥1 + 𝑥2 = 400
Dualidad

FO2: Max Z2(x)= -x1-2x2

Mono-objetivo y matriz de pagos

FO1: Max z1(x)=1000x1+3000x2

FO2: Max Z2(x)= -x1-2x2

s.a.:

𝑥1 + 𝑥2 ≤ 400
1000𝑥1 + 3000𝑥2 ≥ 300000
𝑥1 ≤ 300
𝑥2 ≤ 200
𝑥1 , 𝑥2 ≥ 0

X1 X2 FO1: Max z1(x)=1000x1+3000x2 FO2: Max Z2(x)= -x1-2x2

200 200 800000 -600
0 100 300000 -200
MAX 800000 -200
MIN 300000 -600
Normalización y nuevo modelo

−𝑑1+ +𝑑2−
𝑀𝐼𝑁 𝐷 𝑍(𝑥) = 0,6 + 0,4
(800000 − 300000) (−200 + 600)

1000𝑥1 + 3000𝑥2 ≥ 300000

𝑥1 ≤ 300
𝑥2 ≤ 200
𝑥1 + 2𝑥2 − 𝑑1+ = 300
1000𝑥1 + 3000𝑥2 + 𝑑2− = 400000
𝑥1 + 𝑥2 = 400

𝑥1 , 𝑥2 , 𝑑𝑖+,− ≥ 0

X1 X2 d1+ d2- FO
300 33,3333333 66,66666667 0 -0,00008
S.A.
1 1 0 0 333,333333
1 0 0 0 300
0 1 0 0 33,3333333
1000 3000 0 0 400000
1000 3000 0 1 400000
1 2 -1 0 300

Cantidades optimas de producción:

𝑥1𝑜𝑝𝑡. = 300 𝑡𝑛 𝑃𝑢𝑙𝑝𝑎 𝑑𝑒 𝑐𝑒𝑙𝑢𝑙𝑜𝑠𝑎 𝑜𝑏𝑡𝑒𝑛𝑖𝑑𝑎 𝑝𝑜𝑟 𝑚𝑒𝑑𝑖𝑜𝑠 𝑚𝑒𝑐á𝑛𝑖𝑐𝑜𝑠

𝑥2𝑜𝑝𝑡. = 33,33 𝑡𝑛 𝑃𝑢𝑙𝑝𝑎 𝑑𝑒 𝑐𝑒𝑙𝑢𝑙𝑜𝑠𝑎 𝑜𝑏𝑡𝑒𝑛𝑖𝑑𝑎 𝑝𝑜𝑟 𝑚𝑒𝑑𝑖𝑜𝑠 𝑞𝑢í𝑚𝑖𝑐𝑜𝑠

𝑑1+ = 66,66 ; 𝑑2− = 0

FORMULE EL MODELO Y HALLE LOS VALORES ÓPTIMOS DE LA RESOLUCIÓN

MONO-OBJETIVO POR EL MÉTODO GRÁFICO (GRÁFICO DETALLADO) PARA LOS
SIGUIENTES EJERCICIOS:
9. Una empresa produce dos artículos A y B, cuyos precios de venta en el mercado son 6 Bs. y 9
Bs. respectivamente.
Los recursos empleados en la fabricación de dichos artículos y sus consumos, por unidad,
vienen indicados en la siguiente tabla:

Artículo: Mano de obra Energía Maquinaria

A 1 2 1
B 3 1 1
Disponibilidad 24 18 10
Costo del recurso 1 1 2
FORMULANDO EL MODELO
FO1: Max Z1(x)= 6 x1+ 9 x2
FO2: Min Z2 (x)= 5 x1+ 6 x2
x1 + 3x2 ≤ 24
2x1 + x2 ≤ 18
x1 + x2 ≤ 10
x1 , x2 ≥ 0
HALLANADO LOS VALORES OPTIMOS DE LA RESOLUCIÓN MONO.OBJETIVO POR EL
METODO GRAFICO
Paso 1: Obtener intersecciones de restricciones con ejes, se igualo cada variable a 0 y se despejo la
otra variable con los siguientes resultados:

x1 + 3x2 ≤ 24
x1 x2
0 8
24 0
2x1 + x2 ≤ 18
0 18
9 0
x1 + x2 ≤ 10
0 10
10 0

Paso 2: Graficamos las restricciones usando las intersecciones calculadas:

Paso 3: Mostrando región factible

2
3 6 x1+ 9 x2=18
Región
Factible 4
1 5

Paso 4: Obtener vértices de la región factible para los distintos FO:

6 x1+ 9 x2=18
Sistema de ecuaciones para hallar el 3 vertice:
x1 + x2 = 10 * (-3)
-3x1 - 3x2 = -30 * (-3)
x1 + 3x2 = 24 -2x1 = -6 x1= 3 x2= 7
Sistema de ecuaciones para hallar el 4 vertice:
2x1 + x2 = 18 (-3)
-6x1 -3 x2 = -54 (-3)
x1 + 3x2 = 24 -5x1 = -30 x1= 6 x2= 6

x2 x1 FO1: Max Z1(x)= 6 x1 + 9 x2

0 0 0
9 0 54
3 7 81
6 6 90
0 8 72

Se elige el máximo, que en este caso las cantidades óptimas de producción serian:
𝑥1𝑜𝑝𝑡. = 6 𝑑𝑒𝑙 𝑎𝑟𝑡í𝑐𝑢𝑙𝑜 𝐴

𝑥2𝑜𝑝𝑡. = 6 𝑑𝑒𝑙 𝑎𝑟𝑡í𝑐𝑢𝑙𝑜 𝐵

 x2 x1 FO2: Max Z2 (x)= -5 x1- 6 x2
0 0 0
9 0 -45
3 7 -57
6 6 -66
0 8 -48

Se elige el máximo, que en este caso las cantidades óptimas de producción serian:
𝑥1𝑜𝑝𝑡. = 0 𝑑𝑒𝑙 𝑎𝑟𝑡í𝑐𝑢𝑙𝑜 𝐴

𝑥2𝑜𝑝𝑡. = 0 𝑑𝑒𝑙 𝑎𝑟𝑡í𝑐𝑢𝑙𝑜 𝐵

Matriz de pagos

X1 X2 FO1: Max Z1(x)= 6 x1 + 9 x2 FO2: Max Z2 (x)= -5 x1- 6 x2

0 0 0 0
6 6 90 -66
MAX 90 0
MIN 0 -66

10. Una compañía aérea tiene dos clases de aviones Boeing 757 y Airbus 330 para cubrir un
determinado trayecto. Los Boeing deben haces más veces el trayecto que los Airbus, pero los
Boeing no pueden sobrepasar los 120 viajes. Entre los dos tipos de aviones deben hacer más de
60 vuelos pero menos de 200. En cada viaje de los Boeing la compañía gana 300.000 u.m y en
cada uno de los Airbus 200.000 u.m.
Tras un estudio la compañía ha estimado que en cada vuelo de los Boeing se consume 900
litros de combustible, y en cada uno de los Airbus, 700 litros. Si se desea seguir maximizando
los beneficios y a la vez minimizar el consumo de combustible, formule el modelo y halle los
valores óptimos por el método gráfico para finalizar con la matriz de pagos.

FORMULACION DEL MODELO

X1: Viajes de avión Boeing 757

X2: Viajes de avión Airbus 330

FO1: Max Z1(x)=300000x1+200000x2

FO2: Min Z2(x)= 900x1+700x2 dualidad Max Z2(x)= -900x1-700x2

X1>=X2
X1>=X2 x1 x2
X1<=120 0 0
X1<=120
60<=X1+X2<=200 120 0
X1,X2>=0 60<=X1+X2<=200
0 entre 60 y 200
entre 60 y 200 0
Gráfico de restricciones y se muestra la región factible
 2 3 Max Z1(x)=300000x1+200000x2
300000x1+200000x2
Región

Factible

1
4
5
Min Z2(x)= 900x1+700x2

Hallando el vértice mayor dada la gráfica de la FO1:

X1=120

X1+X2=200 ; X2=200-120=80

X2=80

Hallando el vértice menor dada la gráfica de la FO2:

X1-X2=0

X1+X2=60 ; 2X1=60 ; X1=60/2=30

X2=30 X1=30

Matriz de pagos

X1 X2 FO1: Max Z1(x)=300000x1+200000x2 FO2: Max Z2(x)= - 900x1- 700x2

120 80 52000000 -164000
30 30 15000000 -48000
MAX 52000000 -48000
MIN 15000000 -164000