Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Presentan:
Avitia Arredondo Daniel Alejandro
Medina Torres Cristhian Alberto
Pinedo Julia Gabriela
Grupo:
152
Docente:
Velia Verónica Ferreiro Martínez
ÍNDICE
1 CAPÍTULO I. INTRODUCCIÓN ......................................................................................... 5
1.1 ¿Qué es la Investigación de Operaciones? .....................................................................................6
1.2 Software TORA ..............................................................................................................................6
1.3 Objetivos.........................................................................................................................................7
2 CAPÍTULO II. APLICACIÓN DE LOS MÉTODOS DE SOLUCIÓN DE
PROBLEMAS: EJEMPLOS, EJERCICIOS Y TAREAS ......................................................... 8
2.1 Método Gráfico ..............................................................................................................................9
2.1.1 Presentación I .........................................................................................................................9
2.1.1.1 Ejemplo 1............................................................................................................................9
2.1.1.2 Ejemplo 2..........................................................................................................................11
2.1.1.3 Ejemplo 3..........................................................................................................................12
2.1.2 Trabajo en clase I..................................................................................................................14
2.1.2.1 Ejercicio 1.........................................................................................................................14
2.1.2.2 Ejercicio 2.........................................................................................................................16
2.1.2.3 Ejercicio 3.........................................................................................................................17
2.1.2.4 Ejercicio 4.........................................................................................................................19
2.1.2.5 Ejercicio 5.........................................................................................................................20
2.1.3 Tarea I...................................................................................................................................22
2.1.3.1 Ejercicio 1.........................................................................................................................23
2.1.3.2 Ejercicio 2.........................................................................................................................24
2.2 Método Simplex ...........................................................................................................................26
2.2.1 Presentación II ......................................................................................................................26
2.2.1.1 Ejemplo 1..........................................................................................................................26
2.2.1.2 Ejemplo 2..........................................................................................................................28
2.2.2 Trabajo en clase II ................................................................................................................30
2.2.2.1 Ejercicio 1.........................................................................................................................30
2.2.2.2 Ejercicio 2.........................................................................................................................32
2.2.2.3 Ejercicio 3.........................................................................................................................35
2.2.3 Tarea II .................................................................................................................................36
2.2.3.1 Ejercicio 1.........................................................................................................................36
2.2.3.2 Ejercicio 2.........................................................................................................................38
1 CAPÍTULO I. INTRODUCCIÓN
Dado que el presente documento expone diversos ejercicios relacionados con la Investigación de
Operaciones (también mencionada como ‘IO’), es preciso definirla:
“La IO es la aplicación, por grupos interdisciplinarios, del método científico a problemas
relacionados con el control de las organizaciones o sistemas (hombre-máquina) a fin de que se
produzcan soluciones que mejor sirvan a los objetivos de toda la organización”. (Churchman,
Ackoff, & Arnoff, 1957)
El surgimiento de la Investigación de Operaciones ha beneficiado a numerosas organizaciones en
todo el mundo. Esta disciplina se relaciona con las diversas problemáticas que surgen en la
coordinación de actividades en una organización mediante un enfoque similar al aplicado en áreas
científicas. (Hillier & Lieberman, 2010) La perspectiva organizacional de la IO le permite el
perseguir objetivos con congruencia al buscar la mejor solución – o solución óptima – para la
problemática en cuestión. Además, el enfoque en equipo le ha permitido la implementación de
modelos matemáticos. En general, las fases para desarrollar estos procesos sistemáticos son las
siguientes:
• Definición del problema de interés y recolección de datos relevantes.
• Formulación de un modelo matemático que represente el problema.
• Desarrollo de un procedimiento basado en computadora para derivar una solución para el
problema a partir del modelo.
• Prueba del modelo.
• Preparación para la aplicación del modelo.
• Implementación.
El surgimiento de computadores cada vez más avanzados ha conducido a la implementación de
paquetes de software que ejecuten los algoritmos previamente planteados por el equipo y
desarrollen su solución automáticamente. El programa que se desarrollará a continuación será
“TORA”.
1.3 Objetivos
2.1.1 Presentación I
2.1.1.1 Ejemplo 1
Se colocaron las variables de decisión, función objetivo y cada una de las restricciones funcionales
en la tabla de inicio, en TORA. (fig. 1)
2.1.1.2 Ejemplo 2
Se colocaron las variables de decisión, función objetivo y cada una de las restricciones funcionales
en la tabla de inicio, en TORA. (fig. 3)
CONCLUSIÓN: Para maximizar utilidades es necesario producir 3 juguetes clásicos por cada dos
juguetes de moda.
2.1.1.3 Ejemplo 3
1) 4𝑋1 + 10𝑋2 ≥ 40
𝟐) 10𝑋1 + 5𝑋2 ≥ 50
𝟑) 7𝑋1 + 7𝑋2 ≥ 49
𝑋1 𝑦 𝑋2 ≥ 0, 𝑐𝑜𝑛𝑑𝑖𝑐𝑖ó𝑛 𝑑𝑒 𝑛𝑜 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑.
Se colocaron las variables de decisión, función objetivo y cada una de las restricciones funcionales
en la tabla de inicio, en TORA. (fig. 5)
A continuación se presentan las soluciones hechas en TORA de los ejercicios (5) realizados en
clase I, referentes al Método Gráfico.
2.1.2.1 Ejercicio 1
Se colocaron las variables de decisión, función objetivo y cada una de las restricciones funcionales
en la tabla de inicio, en TORA. (fig. 7)
CONCLUSIÓN: No es posible aplicar el método grafico al modelo matemático, debido a que una
regla para este es que solo debe tener como máximo 2 variables y en este problema se conocen 3
variables de holgura.
2.1.2.2 Ejercicio 2
Se colocaron las variables de decisión, función objetivo y cada una de las restricciones funcionales
en la tabla de inicio, en TORA. (fig. 9)
2.1.2.3 Ejercicio 3
Se colocaron las variables de decisión, función objetivo y cada una de las restricciones funcionales
en la tabla de inicio, en TORA. (fig. 11)
CONCLUSIÓN: Para maximizar utilidades, la empresa debe producir 60X1 por cada 40X2. Es
decir, se debe obtener una cantidad de 60 productos asignados a la variable X1 por cada 40
productos asignados a la variable X2.
2.1.2.4 Ejercicio 4
Se colocaron las variables de decisión, función objetivo y cada una de las restricciones funcionales
en la tabla de inicio, en TORA. (fig. 13)
2.1.2.5 Ejercicio 5
Se colocaron las variables de decisión, función objetivo y cada una de las restricciones funcionales
en la tabla de inicio, en TORA. Para lograr encontrar los valores de X1 y X2, se realizó un ajuste a
las restricciones, dividiéndolas entre 1000. (fig. 15)
CONCLUSIÓN: Para minimizar el desperdicio, la compañía Crisco deberá realizar 16,800 cortes
de tipo A y 2,000 cortes de tipo B.
2.1.3 Tarea I
A continuación se exponen los 2 ejercicios del Método Gráfico, realizados como tarea I; cuyas
soluciones, además, se hallaron mediante TORA.
2.1.3.1 Ejercicio 1
Se colocaron las variables de decisión, función objetivo y cada una de las restricciones funcionales
en la tabla de inicio, en TORA. (fig. 17)
2.1.3.2 Ejercicio 2
𝟑) 2𝑋1 + 𝑋2 ≥ 8
𝑋1 𝑦 𝑋2 ≥ 0, 𝑐𝑜𝑛𝑑𝑖𝑐𝑖ó𝑛 𝑑𝑒 𝑛𝑜 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑.
Se colocaron las variables de decisión, función objetivo y cada una de las restricciones funcionales
en la tabla de inicio, en TORA. (fig. 19)
Posteriormente, como se puede apreciar, la función no tiene un área factible por lo que este ejercicio
no se puede realizar.
CONCLUSIÓN: No hay solución.
2.2.1 Presentación II
A continuación se muestran los ejemplos analizados en la presentación II: Método Simplex; cuyas
soluciones se llevaron a cabo mediante el software TORA.
2.2.1.1 Ejemplo 1
Se colocaron las variables de decisión, función objetivo y cada una de las restricciones funcionales
en la tabla de inicio, en TORA. (fig. 21)
Fig. 22 Iteración 1.
En la primera tabla del método, el programa realizó las operaciones debidas para dar el paso a X1,
que será la variable que se eligió y se cambiará por sX3.
Fig. 23 Iteración 2.
En la segunda tabla del método, el programa realizó las operaciones debidas para dar el paso a X2,
que será la variable que se eligió y se cambiará por sX5.
En la última tabla ya no hubo números negativos en las iteraciones por lo cual hasta ahí finalizaron
las operaciones.
2.2.1.2 Ejemplo 2
Se colocaron las variables de decisión, función objetivo y cada una de las restricciones funcionales
en la tabla de inicio, en TORA. (fig. 25)
Fig. 26 Iteración 1.
En la primera tabla del método, el programa realizó las operaciones debidas para dar el paso a X1,
que será la variable que se eligió y se cambiará por sX3.
Fig. 27 Iteración 2.
En la segunda tabla del método, el programa realizó las operaciones debidas para dar el paso a
X2, que será la variable que se eligió y se cambiará por sX4.
En la última tabla ya no hubo números negativos en las iteraciones por lo cual hasta ahí finalizaron
las operaciones.
CONCLUSIÓN: Se necesita producir 1.05 televisores tipo 1 y 2.37 televisores tipo 2 para
maximizar utilidades.
A continuación se presentan las soluciones hechas en TORA de los ejercicios (3) realizados en
clase II, referentes al Método Simplex.
2.2.2.1 Ejercicio 1
s.a.
1) 𝑋1 + 4𝑋2 ≤ 8
𝟐) 𝑋1 + 2𝑋2 ≤ 4
𝑋1 𝑦 𝑋2 ≥ 0, 𝑐𝑜𝑛𝑑𝑖𝑐𝑖ó𝑛 𝑑𝑒 𝑛𝑜 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑.
Se colocaron las variables de decisión, función objetivo y cada una de las restricciones funcionales
en la tabla de inicio, en TORA. (fig. 29)
Fig. 30 Iteración 1.
En la primera tabla del método, el programa realizó las operaciones debidas para dar el paso a X2,
que será la variable que se eligió y se cambiará por sX3.
Fig. 31 Iteración 2.
En la segunda tabla del método, el programa realizó las operaciones debidas para dar el paso a X1,
que será la variable que se eligió y se cambiará por sX4.
En la última tabla ya no hubo números negativos en las iteraciones por lo cual hasta ahí finalizaron
las operaciones.
2.2.2.2 Ejercicio 2
Se colocaron las variables de decisión, función objetivo y cada una de las restricciones funcionales
en la tabla de inicio, en TORA. (fig. 33)
Fig. 34 Iteración 1.
En la primera tabla del método, el programa realizó las operaciones debidas para dar el paso a X2,
que será la variable que se eligió y se cambiará por sX4.
Fig. 35 Iteración 2.
En la segunda tabla del método, el programa realizó las operaciones debidas para dar el paso a X1,
que será la variable que se eligió y se cambiará por X2.
En la última tabla ya no hubo números negativos en las iteraciones por lo cual hasta ahí finalizaron
las operaciones.
2.2.2.3 Ejercicio 3
Se colocaron las variables de decisión, función objetivo y cada una de las restricciones funcionales
en la tabla de inicio, en TORA. (fig. 37)
Fig. 38 Iteración 1.
En la primera tabla del método, el programa realizó las operaciones debidas para dar el paso a X1,
que será la variable que se eligió y se cambiará por sX4.
En la segunda tabla ya no hubo números negativos en las iteraciones por lo cual hasta ahí finalizaron
las operaciones.
2.2.3 Tarea II
A continuación se exponen los 3 ejercicios del Método Simplex, realizados como tarea II; cuyas
soluciones, además, se hallaron mediante TORA.
2.2.3.1 Ejercicio 1
s.a.
1) 𝑋1 + 2𝑋2 + 3𝑋3 ≤ 9
𝟐) 3𝑋1 + 2𝑋2 + 2𝑋3 ≤ 15
𝑋1 , 𝑋2 𝑦 𝑋3 ≥ 0, 𝑐𝑜𝑛𝑑𝑖𝑐𝑖ó𝑛 𝑑𝑒 𝑛𝑜 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑.
Se colocaron las variables de decisión, función objetivo y cada una de las restricciones funcionales
en la tabla de inicio, en TORA. (fig. 40)
Fig. 41 Iteración 1.
En la primera tabla se observa -en color verde- la variable que entra (en este caso, X2). Y en color
rojo, la variable saliente, sX4.
La segunda tabla ya no contiene algún término “más negativo”, por lo que se selecciona como tabla
óptima y se recaban los datos -solución- de Z, X1 y X2, respectivamente.
2.2.3.2 Ejercicio 2
Se colocaron las variables de decisión, función objetivo y cada una de las restricciones funcionales
en la tabla de inicio, en TORA. (fig. 43)
Fig. 44 Iteración 1.
En la primera tabla se observa -en color verde- la variable que entra (en este caso, X2). Y en color
rojo, la variable saliente, sX7.
Fig. 45 Iteración 2.
En la segunda tabla se observa -en color verde- la variable que entra (en este caso, X4). Y en color
rojo, la variable saliente, sX9.
Fig. 46 Iteración 3.
En la tercera tabla se observa -en color verde- la variable que entra (en este caso, X5). Y en color
rojo, la variable saliente, sX10.
Fig. 47 Iteración 4.
En la cuarta tabla se observa -en color verde- la variable que entra (en este caso, X6). Y en color
rojo, la variable saliente, sX11.
La quinta tabla ya no contiene algún término “más negativo”, por lo que se selecciona como tabla
óptima y se recaban los datos -solución- de Z, X1 y X2, X3, X4, X5 y X6, respectivamente.
Fig. 49 Captura de la iteración 5 (tabla óptima), donde se observan los valores solución.
CONCLUSIÓN: Para maximizar utilidades es requerido que las variables X1, X2, X3, X4, X5, X6
sean igual a 0, 1, 0, 1, 0 y 1, respectivamente; para concluir en Z = 45 unidades.
2.2.3.3 Ejercicio 3
Se colocaron las variables de decisión, función objetivo y cada una de las restricciones funcionales
en la tabla de inicio, en TORA. (fig. 50)
Fig. 51 Iteración 1.
En la primera tabla se observa -en color verde- la variable que entra (en este caso, X1). Y en color
rojo, la variable saliente, X4.
Fig. 52 Iteración 2.
En la segunda tabla se observa -en color verde- la variable que entra (en este caso, X3). Y en color
rojo, la variable saliente, X6.
La tercera tabla ya no contiene algún término “más negativo”, por lo que se selecciona como tabla
óptima y se recaban los datos -solución- de Z, X1, X2, X3; respectivamente.
Este método incorpora variables artificiales a la función objetivo, por lo que al final la función
objetivo queda en términos de M’s que representan una penalización para no afectar la igualdad;
en el caso de la maximización la penalización se resta en la función objetivo, para la minimización
se suma la penalización. Cabe destacar que el origen no pertenece a la región factible. Los pasos
del método de la M grande son los mismos del método Simplex.
El coeficiente objetivo de una variable artificial representa una penalización adecuada si:
• La variable artificial es igual a -M, en problemas de maximización.
• La variable artificial es igual a M, en problemas de minimización.
2.3.1.1 Ejemplo 1
Se colocaron las variables de decisión, función objetivo y cada una de las restricciones funcionales
en la tabla de inicio, en TORA. (fig. 54)
Fig. 55 Iteración 1.
En la primera tabla se observa -en color verde- la variable que entra (en este caso, X3). Y en color
rojo, la variable saliente, X7.
Fig. 56 Iteración 2.
En la segunda tabla se observa -en color verde- la variable que entra (en este caso, X1). Y en color
rojo, la variable saliente, X6.
Fig. 57 Iteración 3.
En la tercera tabla se observa -en color verde- la variable que entra (en este caso, X4). Y en color
rojo, la variable saliente, X1.
La cuarta tabla ya no contiene algún término “más negativo”, por lo que se selecciona como tabla
óptima y se recaban los datos -solución- de Z, X1, X2, X3; respectivamente.
2.3.1.2 Ejemplo 2
Se colocaron las variables de decisión, función objetivo y cada una de las restricciones funcionales
en la tabla de inicio, en TORA. (fig. 59)
Fig. 60 Iteración 1.
En la primera tabla se observa -en color verde- la variable que entra (en este caso, X2). Y en color
rojo, la variable saliente, sX4.
La segunda tabla ya no contiene algún término “más negativo”, por lo que se selecciona como tabla
óptima y se recaban los datos -solución- de Z, X1, X2; respectivamente.
A continuación se presentan las soluciones hechas en TORA de los ejercicios (2) realizados en
clase III, referentes al Método de la M Grande.
2.3.2.1 Ejercicio 1
Se colocaron las variables de decisión, función objetivo y cada una de las restricciones funcionales
en la tabla de inicio, en TORA. (fig. 62)
Fig. 63 Iteración 1.
En la primera tabla del método, el programa realizó las operaciones debidas para dar el paso a X1,
que será la variable que se eligió y se cambiará por sX4.
Fig. 64 Iteración 2.
En la segunda tabla del método, el programa realizó las operaciones debidas para dar el paso de a
X2, que será la variable que se eligió y se cambiará por RX6.
En la última tabla ya no hubo números negativos en las iteraciones X1 y X2 por lo cual hasta ahí
finalizaron las operaciones.
2.3.2.2 Ejercicio 2
Se colocaron las variables de decisión, función objetivo y cada una de las restricciones funcionales
en la tabla de inicio, en TORA. (fig. 66)
Fig. 67 Iteración 1.
En la primera tabla del método, el programa realizó las operaciones debidas para dar el paso a X2,
que será la variable que se eligió y se cambiará por RX5.
Fig. 68 Iteración 2.
En la segunda tabla del método, el programa realizó las operaciones debidas para dar el paso a SX3,
que será la variable que se eligió y se cambiará por sX6.
En la última tabla ya no hubo números negativos en las iteraciones X1 y X2 por lo cual hasta ahí
finalizaron las operaciones.
A continuación se exponen los 2 ejercicios del Método de la M Grande, realizados como tarea III;
cuyas soluciones, además, se hallaron mediante TORA.
2.3.3.1 Ejercicio 1
𝟐) 4𝑋1 + 3𝑋2 ≥ 6
𝟑) 𝑋1 + 𝑋2 ≤ 3
𝑋1 𝑦 𝑋2 ≥ 0, 𝑐𝑜𝑛𝑑𝑖𝑐𝑖ó𝑛 𝑑𝑒 𝑛𝑜 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑.
Se colocaron las variables de decisión, función objetivo y cada una de las restricciones funcionales
en la tabla de inicio, en TORA. (fig. 70)
Fig. 71 Iteración 1.
En la primera tabla del método, el programa realizó las operaciones debidas para dar el paso a X1,
que será la variable que se eligió y se cambiará por RX4.
Fig. 72 Iteración 2.
En la segunda tabla del método, el programa realizó las operaciones debidas para dar el paso a X2,
que será la variable que se eligió y se cambiará por RX5.
Fig. 73 Iteración 3.
En la tercera tabla del método, el programa realizó las operaciones debidas para dar el paso a SX3,
que será la variable que se eligió y se cambiará por X1.
En la última tabla ya no hubo números negativos en las interacciones X1 y X2 por lo cual hasta ahí
finalizan las operaciones.
2.3.3.2 Ejercicio 2
Se colocaron las variables de decisión, función objetivo y cada una de las restricciones funcionales
en la tabla de inicio, en TORA. (fig. 75)
Fig. 76 Iteración 1.
En la primera tabla del método, el programa realizó las operaciones debidas para dar el paso a X1,
que será la variable que se eligió y se cambiará por RX4.
Fig. 77 Iteración 2.
En la segunda tabla del método, el programa realizó las operaciones debidas para dar el paso a SX3,
que será la variable que se eligió y se cambiará por RX6.
Fig. 78 Iteración 3.
En la tercera tabla del método, el programa realizó las operaciones debidas para dar el paso a X2,
que será la variable que se eligió y se cambiará por sX5.
Esta estrategia se aplica cuando luego de llevar un modelo de programación lineal a su forma
estándar no se dispone de una solución básica factible inicial. Como su nombre lo dice, se divide
en dos fases, las cuales son las siguientes:
• Fase 1. Se considera un problema auxiliar que resulta de agregar tantas variables auxiliares
a las restricciones del problema de modo que se obtenga una solución básica factible. Luego
se debe resolver utilizando el método Simplex un problema que considera como función
objetivo la suma de las variables auxiliares. Si el valor óptimo alcanzado al finalizar esta
fase es cero, se realiza la fase 2. En caso contrario, no existe solución factible.
• Fase 2. Se resuelve a través del Método Simplex el problema original a partir de la solución
básica factible inicial hallada en la fase 1.
2.4.1 Presentación IV
A continuación se muestran los ejemplos analizados en la presentación IV: Método Doble Fase;
cuyas soluciones se llevaron a cabo mediante el software TORA.
2.4.1.1 Ejemplo 1
Se colocaron las variables de decisión, función objetivo y cada una de las restricciones funcionales
en la tabla de inicio, en TORA. (fig. 80)
En la primera tabla del método, el programa realizó las operaciones debidas para dar el paso a X3,
que será la variable que se eligió y se cambiará por RX7.
En la segunda tabla del método, el programa realizó las operaciones debidas para dar el paso a X1,
que será la variable que se eligió y se cambiará por RX6.
En la tercera tabla del método, todos los valores llegan a ser cero, por lo que se pasa a la segunda
fase.
En la cuarta tabla del método, el programa realizó las operaciones debidas para dar el paso a SX4,
que será la variable que se eligió y se cambiará por X1.
2.4.1.2 Ejemplo 2
s.a.
1)𝑋1 + 2𝑋2 ≤ 10
𝟐)𝑋1 + 4𝑋2 ≥ 20
𝑋1 𝑦 𝑋2 ≥ 0, 𝑐𝑜𝑛𝑑𝑖𝑐𝑖ó𝑛 𝑑𝑒 𝑛𝑜 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑.
Se colocaron las variables de decisión, función objetivo y cada una de las restricciones funcionales
en la tabla de inicio, en TORA. (fig. 86)
En la primera tabla del método, el programa realizó las operaciones debidas para dar el paso a X2,
que será la variable que se eligió y se cambiará por sX4.
En la segunda tabla del método, el programa realizó las operaciones debidas y dio conclusión a la
fase 1 del método.
A continuación se presentan las soluciones hechas en TORA de los ejercicios (2) realizados en
clase IV, referentes al Método Doble Fase.
2.4.2.1 Ejercicio 1
Se colocaron las variables de decisión, función objetivo y cada una de las restricciones funcionales
en la tabla de inicio, en TORA. (fig. 90)
En la primera tabla del método, el programa realizó las operaciones debidas para dar el paso a X1,
que será la variable que se eligió y se cambiará por sX4.
En la segunda tabla del método, el programa realizó las operaciones debidas para dar el paso a X2,
que será la variable que se eligió y se cambiará por RX6.
En la tercera tabla del método, el programa realizó las operaciones debidas y dio conclusión a la
fase 1 del método.
CONCLUSIÓN: Para minimizar costos, la empresa debe producir 4 de X1 por cada 3 de X2.
2.4.2.2 Ejercicio 2
Se colocaron las variables de decisión, función objetivo y cada una de las restricciones funcionales
en la tabla de inicio, en TORA. (fig. 95)
En la primera tabla del método, el programa realizó las operaciones debidas para dar el paso a X2,
que será la variable que se eligió y se cambiará por RX5.
En la segunda tabla del método, el programa dio conclusión a la fase 1 del método.
En la tercera tabla del método, el programa realizó las operaciones debidas para dar el paso a SX3,
que será la variable que se eligió y se cambiará por sX6.
2.4.3 Tarea IV
A continuación se exponen los 2 ejercicios del Método Doble Fase, realizados como tarea IV; cuyas
soluciones, además, se hallaron mediante TORA.
2.4.3.1 Ejercicio 1
𝑋1 𝑦 𝑋2 ≥ 0, 𝑐𝑜𝑛𝑑𝑖𝑐𝑖ó𝑛 𝑑𝑒 𝑛𝑜 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑.
Se colocaron las variables de decisión, función objetivo y cada una de las restricciones funcionales
en la tabla de inicio, en TORA. (fig. 100)
En la primera tabla se observa -en color verde- la variable que entra (en este caso, X1). Y en color
rojo, la variable saliente, RX4.
En la segunda tabla se observa -en color verde- la variable que entra (en este caso, X2). Y en color
rojo, la variable saliente, RX5.
En la tercera tabla, los valores de las variables básicas son igualados a cero; por lo tanto, la fase 1
ha terminado y se dará continuidad a la fase 2.
En la cuarta tabla se observa -en color verde- la variable que entra (en este caso, SX3). Y en color
rojo, la variable saliente, X1.
La quinta tabla ya no contiene algún término “más positivo”, por lo que la fase 2 termina y se
denomina la tabla óptima, donde recaban los datos -solución- de Z, X1, X2; respectivamente.
2.4.3.2 Ejercicio 2
Se colocaron las variables de decisión, función objetivo y cada una de las restricciones funcionales
en la tabla de inicio, en TORA. (fig. 106)
En la primera tabla se observa -en color verde- la variable que entra (en este caso, X1). Y en color
rojo, la variable saliente, RX4.
En la segunda tabla se observa -en color verde- la variable que entra (en este caso, SX3). Y en color
rojo, la variable saliente, RX6.
En la tercera tabla, los valores de las variables básicas son igualados a cero; por lo tanto, la fase 1
ha terminado y se dará continuidad a la fase 2.
En la cuarta tabla se observa -en color verde- la variable que entra (en este caso, X2). Y en color
rojo, la variable saliente, sX5.
La quinta tabla ya no contiene algún término “más negativo”, por lo que la fase 2 termina y se
denomina la tabla óptima, donde recaban los datos -solución- de Z, X1, X2; respectivamente.
CONCLUSIÓN: Para maximizar utilidades, las variables X1 y X2 deben ser iguales a 10. De esta
forma, se obtiene un resultado de 50 unidades.
Con la realización de los diversos problemas que se se nos pidió realizar, podemos dar por
concluido de que cualquier problema de investigación de operaciones se puede realizar con el
debido método debido que se pueda resolver de forma más fácil o precisa al igual de que usando
programas que nos ayudan a resolverlos como es el caso de tora es mucho más fácil de resolverlos,
con esto podemos darnos una idea de cómo funcionan esta investigación en problemas que se
presentan en la vida real.
Se concluye que mediante la utilización del software TORA, es posible encontrar con rapidez cada
una de las posibles soluciones a los diversos modelos matemáticos realizados con anterioridad. Por
ejemplo, una de las diversas ventajas puede ser aplicable al método gráfico, ya que
automáticamente se encuentra el punto extremo y el área factible de solución. Cuando se sigue este
procedimiento a mano, se requiere de precisión en el trazado de los diferentes ejes, una escala
adecuada si se manejan cantidades grandes, una buena localización de cada uno de los puntos
previamente despejados y, además, que esos despejes realizados sean totalmente correctos.
De igual forma, para los tres métodos restantes es bastante útil, pues al realizar las iteraciones
automáticamente y seleccionar los valores óptimos, se facilita el trabajo que previamente se
realizaba mediante muchas más tablas, lo que ahorra tiempo.
Definitivamente, el curso de Investigación de Operaciones es fundamental para el futuro Ingeniero
en formación. Mediante el planteamiento y resolución de problemáticas de logística, manufactura
y optimización de recursos en empresas o simplemente el tratamiento de modelos matemáticos de
4 REFERENCIAS
1) Churchman, C., Ackoff, R., & Arnoff, E. (1957). Introduction to operations research
(traducido). Nueva York, Estados Unidos: Wiley. pp. 3-8.
2) De la Cruz, V., Hernández, M., & Rodriguez, C. (2016). Métodos de Programación Lineal.
Recuperado en: Mayo 2021, de Optimización I: https://sites.google.com/view/opti-mpl/
3) GEO Tutoriales. (2015, julio 26). ¿Cómo resolver gráficamente un modelo de
programación lineal con TORA? Recuperado en: Mayo 2021, de Gestión de Operaciones:
https://www.gestiondeoperaciones.net/
4) Gomollón, F. (1996). Ejercicios de Investigación de Operaciones. Madrid, España: ESIC
EDITORIAL. pp. 20-24.
5) González, A. (2003). Manual práctico de investigación de operaciones I 3a. Ed.
Barranquilla, Colombia: Ediciones Uninorte. pp. 13-17.
6) Hillier, F., & Lieberman, G. (2010). Introducción a la investigación de operaciones. D.F.,
México: McGraw Hill. pp. 1-7, 81-86, 256.
7) Izquierdo, D., & Ruiz, J. (2010). Teoría del Método Simplex. Recuperado en: Mayo 2021,
de PHP Simplex: http://www.phpsimplex.com/
8) Marco Teórico. (2018). 1.4. Método de la M. Recuperado en: Mayo 2021, de Marco
Teórico: https://www.marcoteorico.com/
9) Operaciones, I. d. (2012). Método Simplex de 2 Fases. Recuperado en: Mayo 2021, de
Investigación de Operaciones: Aplicaciones de la Investigación Operativa en la Gestión de
Empresas.
10) Salazar, B. (2019, junio 10). Programación lineal en Tora. Recuperado en: Mayo 2021, de
Ingeniería Industrial Online: https://www.ingenieriaindustrialonline.com/