INSTITUTO TECNOLÓGICO SUPERIOR DE ALVARADO

INGENIERIA EN SISTEMAS COMPUTACIONALES

MATERIA:
INVESTIGACIÓN DE OPERCIONES

SEMESTRE - GRUPO:
TERCER SEMESTRE-GRUPO ÚNICO
UNIDAD:
I
TEMA:
INVESTIGACION
DOCENTE:
WILBER SOSA GARCIA

ALUMNO
EDUARDO ARTURO MARTÍNEZ ESTOBIA
PERÍODO:
AGOSTO – DICIEMBRE 2022
IGNACIO DE LA LLEVE, VER. LUNES 12 DE SEPTIEMBRE DEL
2022

1
ÍNDICE
- HOJA DE PRESENTACION ……………………………………………………………….1
- INTRODUCCION…………………………………………………………………………….2
- OBJETIVOS…………………………………………………………………………………….3
-1.1 DEFINICIÓN, DESARROLLO Y TIPOS DE MODELOS DE INVESTIGACIÓN DE OPERACIONES…4
-1.2 FORMULACIÓN DE MODELOS………………………………………………………..5
-1.3 PROBLEMAS POR MÉTODO GRÁFICO………………………………………………6
-1.4 PROBLEMAS POR EL MÉTODO SIMPLEX……………………………………………7
-1.5 APLICACIONES DIVERSAS DE PROGRAMACIÓN LINEAL…………………………..8
-CONCLUCION……………………………………………………………………………………..9
-BIBLIOGRAFIA…………………………………………………………………………………….10

INTRODUCCION
Cada vez es más difícil asignar los recursos o actividades de la forma más eficaz, pues los recursos cada
vez son más escasos y crecen las complejidades de los sistemas generando problemas para decisiones
óptimas.
En el siglo pasado las Organizaciones del mundo solo estaban constituidas por un número reducido de
personas y eran dirigidos por una sola persona. Todo este panorama cambia radicalmente con la Primera
Revolución Industrial. Como se sabe, ésta trajo consigo la energía, las maquinarias y los equipos que
revolucionaron las industrias mecanizando la producción. Consecuentemente con ello vino la división o
especialización del trabajo trayendo con ello las nuevas responsabilidades de finanzas, producción,
mercado e investigación y desarrollo por parte de especialistas y científicos.
Investigación de Operaciones se les atribuye más a los servicios militares prestados a principios de la II
Guerra Mundial. Debido a los esfuerzos bélicos, existía una necesidad urgente de asignar recursos escasos
a las distintas operaciones militares y a las actividades dentro de cada operación, en la forma más efectiva.
Por esto, las administraciones militares americana y británicas hicieron un llamado a un gran número de
científicos para que aplicaran el método científico a éste y a otros problemas estratégicos y tácticos. Estos
equipos de científicos fueron los primeros equipos de 10 Con el desarrollo de métodos efectivos que
contribuyeron a numerosos triunfos.

OBJETIVOS
La investigación de operaciones tiene como objetivo principal encontrar la solución óptima de un problema
(transporte, construcción, logístico etc.) y asi garantizar elecciones mejoradas al momento de la toma de
decisiones, respetando las restricciones no controlables por quien debe hacer la elección; es decir, nos
permite plantear una RESOLUCION a cualquier problema operacional dentro de una organización.

1.1 DEFINICIÓN, DESARROLLO Y TIPOS DE MODELOS DE INVESTIGACIÓN DE OPERACIONES.

Actualmente la administración está funcionando en un ambiente de negocios que está sometido a muchos
más cambios, los ciclos de vida de los productos se hacen más cortos, además de la nueva tecnología y la
internacionalización creciente.

Las raíces de la investigación de operaciones se remontan a cuando se hicieron los primeros intentos para
emplear el método científico en la administración de una empresa. Sin embargo, el inicio de esta disciplina
se atribuye a los servicios militares prestados a principios de la segunda guerra mundial.

La investigación de operaciones se aplica a problemas que se refieren a la conducción y coordinación de

operaciones (o actividades) dentro de una organización.

2
La investigación de operaciones intenta encontrar una mejor solución, (llamada solución óptima) para el
problema bajo consideración.
Una de las principales razones de la existencia de grupos de investigación de operaciones es que la mayor
parte de los problemas de negocios tienen múltiples aspectos es perfectamente razonable que las fases
individuales de un problema se comprendan y analicen mejor por los que tienen el adiestramiento necesario
en los campos apropiados.

La investigación de operaciones es la aplicación, por grupos interdisciplinarios, del método científico a

problemas relacionados con el control de las organizaciones o sistemas, a fin de que se produzcan
soluciones que mejor sirvan a los objetivos de la organización.

TIPOS DE MODELOS DE INVESTIGACIÓN DE OPERACIONES.

Modelo Matemático: Se emplea cuando la función objetivo y las restricciones del modelo se pueden
expresar en forma cuantitativa o matemática como funciones de las variables de decisión.

Modelo de Simulación: Los modelos de simulación difieren de los matemáticos en que la relación entre la
entrada y la salida no se indican en forma explícita. En cambio, un modelo de simulación divide el sistema
representado en módulos básicos o elementales que después se enlazan entre si vía relaciones lógicas
bien definidas. Por lo tanto, las operaciones de cálculos pasaran de un módulo a otro hasta que se obtenga
un resultado de salida.

Los modelos de simulación cuando se comparan con modelos matemáticos; ofrecen mayor flexibilidad al
representar sistemas complejos, pero esta flexibilidad no está libre de inconvenientes. La elaboración de
este modelo suele ser costoso en tiempo y recursos. Por otra parte, los modelos matemáticos óptimos
suelen poder manejarse en términos de cálculos.
Modelos de Investigación de Operaciones de la ciencia de la administración: Los científicos de la
administración trabajan con modelos cuantitativos de decisiones.

Modelos Formales: Se usan para resolver problemas cuantitativos de decisión en el mundo real. Algunos
modelos en la ciencia de la administración son llamados modelos determinísticos. Esto significa que todos
los datos relevantes (es decir, los datos que los modelos utilizarán o evaluarán) se dan por conocidos. En
los modelos probabilísticos (o estocásticos), alguno de los datos importantes se considera inciertos, aunque
debe especificarse la probabilidad de tales datos.

1.2 FORMULACIÓN DE MODELOS

Formulación de Modelos de Programación Lineal

Elementos básicos de un modelo matemático

Un modelo matemático es producto de la abstracción de un sistema real, eliminando las complejidades y
haciendo suposiciones pertinentes; se aplica una técnica matemática y se obtiene una representación
simbólica del mismo.
Un modelo matemático consta al menos de tres elementos o condiciones básicas: Las Variables de
decisión, la Función Objetivo y las Restricciones.
Variables de decisión y parámetros
Las variables de decisión son incógnitas que deben ser determinadas a partir de la solución del modelo.
Los parámetros representan los valores conocidos del sistema o que se pueden controlar. Las variables de
decisión se representan por: X1, X2, X3,…, Xn ó Xi, i = 1, 2, 3,…, n.
Función Objetivo

3
La función objetivo es una relación matemática entre las variables de decisión, parámetros y una magnitud
que representa el objetivo o producto del sistema. Es la medición de la efectividad del Modelo formulado en
función de las variables. Determina lo que se va optimizar (Maximizar o Minimizar).
La solución ÓPTIMA se obtiene cuando el valor de la Función Objetivo es óptimo (valor máximo o mínimo),
para un conjunto de valores factibles de las variables. Es decir, hay que reemplazar las variables obtenidas
X1, X2, X3,…, Xn; en la Función Objetivo Z = f (C1X1, C2X2, C3X3,…, CnXn) sujeto a las restricciones del
modelo matemático.
Por ejemplo, si el objetivo es minimizar los costos de operación, la función objetivo debe expresar la relación
entre el costo y las variables de decisión, siendo el resultado el menor costo de las soluciones factibles
obtenidas.

Restricciones
Las restricciones son relaciones entre las variables de decisión y los recursos disponibles. Las restricciones
del modelo limitan el valor de las variables de decisión. Se generan cuando los recursos disponibles son
limitados.
En el Modelo se incluye, adicionalmente de las restricciones, la Restricción de No Negatividad de las
Variables de decisión, o sea: Xi = 0.
/*La programación lineal es la interrelación de los componentes de un sistema, en términos matemáticos,
ya sea en forma de ecuaciones o inecuaciones lineales llamado Modelo de Programación Lineal. Es una
técnica utilizada para desarrollar modelos matemáticos, diseñada para optimizar el uso de los recursos
limitados en una empresa u organización.
El Modelo de Programación Lineal, es una representación simbólica de la realidad que se estudia, o del
problema que se va a solucionar. Se forma con expresiones de lógicas matemáticas, conteniendo términos
que significan contribuciones: a la utilidad (con máximo) o al costo (con mínimo) en la Función Objetivo del
modelo. Y al consumo de recursos disponibles (con desigualdades = o = e igualdades =) en las
restricciones. */
Problemas de aplicación para formular un modelo
1). Proceso de producción. - Una fábrica produce dos tipos de productos: M y N, los costos de producción
de ambos productos son $3 para el producto M y $5 para el producto N. El tiempo total de producción está
restringido a 500 horas; y los tiempos de producción son de 8 horas/unidad para el producto M y de 4
horas/unidad para el producto N. Formule el Modelo matemático que permita determinar la cantidad de
productos M y N a producir, y que optimice el Costo total de producción de los dos productos.
Formulación del Modelo
En la formulación del modelo, podemos ayudarnos con la representación del Problema mediante un
organizador gráfico o esquema:

Definición de Variables
Se desea formular un modelo matemático para determinar la cantidad que debe producirse por cada
producto (M y N), por lo tanto tendremos dos variables, representados por: x1, x2.
Siendo: x1 = Cantidad a producirse del producto M,

4
x2 = Cantidad a producirse del producto N
Función Objetivo

Como se tiene información de costos de producción de los productos M y N, el objetivo será minimizarlos:

Luego la Función Objetivo será Minimizar "C" igual al Costo total de producción del producto M más el Costo
total de producción del producto N.
Matemáticamente la Función Objetivo es:

Definición de Restricciones
El tipo de recurso en el problema es el tiempo (puede ser horas hombre u horas máquina). Formulamos la
restricción, colocando en el lado izquierdo de la inecuación el consumo unitario de los productos M y N, y
en el lado derecho la cantidad disponible del recurso (500 horas).

Resumiendo, tenemos el siguiente Modelo matemático de Programación Lineal del Problema (un modelo
con dos variables y una restricción, estando listo para aplicar un método de solución:
\

1.3 PROBLEMAS POR METODO GRAFICO

Método grafico
El método gráfico es una forma fácil y rápida para la solución de problemas de Programación Lineal, siempre
y cuando el modelo conste de dos variables. Para modelos con tres o más variables, el método gráfico es
imposible. Consiste en representar geométricamente las restricciones, condiciones técnicas y función
objetivo.
Los pasos necesarios para realizar el método son:
1. hallar las restricciones del problema.
2. Las restricciones de no negatividad Xi ≥ 0 confían todos los valores posibles.
3. sustituir ≥ y ≤ por (=) para cada restricción, con lo cual se produce la ecuación de una línea recta.
4. trazar la línea recta correspondiente a cada restricción en el plano. La región en cual se encuentra cada
restricción, el área correspondiente a cada restricción lo define el signo correspondiente a cada restricción
(≥ ó ≤) se evalúa un punto antes y después de la recta trazada, el punto que cumpla con la inecuación
indicara el área correspondiente.
5. el espacio en el cual se satisfacen las tres restricciones es el área factible. Cada punto situado en la
frontera del espacio del área factible, es decir que satisfacen todas las restricciones, representa un punto
factible.

5
6. Las líneas paralelas que representan la función objetivo se trazan mediante la asignación de valores
arbitrarios a fin de determinar la pendiente y la dirección en la cual crece o decrece el valor de la función
objetivo.
7. la solución óptima puede determinarse al observar la dirección en la cual aumenta la función objetivo,
se procede a graficar la función objetivo, si es un problema de minimización la solución óptima es el primer
punto factible que toque la función Z, y si por lo contrario es un problema de maximización, será entonces
el último de los puntos factibles que toque la función Z.
Ejercicio:

Una empresa vitivinícola ha adquirido recientemente un terreno de 110 hectáreas. Debido a la calidad del
sol y el excelente clima de la región, se puede vender toda la producción de uvas Sauvignon Blanc y
Chardonnay. Se desea conocer cuánto plantar de cada variedad en las 110 hectáreas, dado los costos,
beneficios netos y requerimientos de mano de obra según los datos que se muestran a continuación:

Suponga que se posee un presupuesto de US$10.000 y una disponibilidad de 1.200 días hombre durante
el horizonte de planificación. Formule y resuelva gráficamente un modelo de Programación Lineal para este
problema. Detalle claramente el dominio de soluciones factibles y el procedimiento utilizado para encontrar
la solución óptima y valor óptimo.

Variables de Decisión:
X_ {1}: Hectáreas destinadas al cultivo de Sauvignon Blanc
X_ {2}: Hectáreas destinadas al cultivo de Chardonnay

Función Objetivo:
Maximizar 50X_ {1} +120X_ {2}

Restricciones:
X_ {1} +X_ {2} \leq 110
100X_ {1} +200X_ {2} \leq 10.000
10X_ {1} +30X_ {2}\leq 1.200
X_ {1}, X_ {2} \geq 0
Donde las restricciones están asociadas a la disponibilidad máxima de hectáreas para la plantación,
presupuesto disponible, horas hombre en el período de planificación y no negatividad,
respectivamente.
El siguiente gráfico muestra la representación del problema de la empresa vitivinícola. El área achurada
corresponde al dominio de soluciones factibles, donde la solución básica factible óptima se alcanza en el
vértice C, donde se encuentran activas las restricciones de presupuestos y días hombre. De esta forma
resolviendo dicho sistema de ecuaciones se encuentra la coordenada de la solución óptima donde X_ {1}
=60 y X_ {2} =20 (hectáreas). El valor óptimo es

V (P)=50(60) +120(20) =5.400 (dólares).

6
1.4 PROBLEMAS POR EL METODO SIMPLEX

1 El Método Simplex
Es un procedimiento iterativo que permite mejorar la solución de la función objetivo en cada paso. El proceso
concluye cuando no es posible continuar mejorando dicho valor, es decir, se ha alcanzado la solución
óptima. Partiendo del valor de la función objetivo en un punto cualquiera, el procedimiento consiste en
buscar otro punto que mejore el valor anterior (puntos del polígono de zona factible) El método Simplex
únicamente trabaja con restricciones del problema cuyas inecuaciones sean del tipo "≤" (menor o igual) y
sus coeficientes independientes sean mayores o iguales a 0. Estandarizar las restricciones para que
cumplan estos requisitos antes de iniciar el algoritmo del Simplex.
2. Estandarización del Modelo PL a Simplex Modelo PL Forma Estándar del Modelo PL Función
Objetivo:
Maximizar o Minimizar Todas las restricciones deben ser ecuaciones de igualdad. Todas las variables (xi)
deben tener valor positivo o nulo (condición de no negatividad). Los términos independientes (bi) de cada
ecuación deben ser no negativos.

3. Tipo de Optimización Maximización Condición de parada

Cuando en la fila Z no aparece ningún valor negativo. Condición de entrada a la base: El menor valor
negativo en la fila Z (mayor valor absoluto entre los negativos) indica la variable Pj que entra a la base.
Condición de salida de la base: Una vez obtenida la variable entrante, la variable que sale se determina
mediante el menor cociente P0/Pj de los estrictamente positivos. Minimización Condición de parada:
Cuando en la fila Z no aparece ningún valor positivo. Condición de entrada a la base: El mayor valor positivo
en la fila Z indica la variable Pj que entra a la base. Condición de salida de la base: Una vez obtenida la
variable entrante, la variable que sale se determina mediante el menor cociente P0/Pj de los estrictamente
negativos.
4. Observaciones con la Minimización

7
 Es posible normalizar el objetivo del problema con el fin de aplicar siempre los mismos criterios en lo
referente a la condición de parada del algoritmo y a las condiciones de entrada y salida de las variables de
la base. Si el objetivo es minimizar la solución, se puede cambiar el problema a otro equivalente de
maximización simplemente multiplicando la función objetivo por "-1". Minimizar Z = Maximizar (-1) •Z. Una
vez obtenida la solución será necesario multiplicarla también por (-1). Ventajas: No hay que preocuparse
por nuevos criterios de parada, condición de entrada y salida de la base ya que se mantienen.
Inconvenientes: En el caso de que la función tenga todos los coeficientes de sus variables básicas positivos,
y además las restricciones sean del tipo de desigualdad "≤", al hacer el cambio dichos coeficientes quedan
negativos cumpliéndose la condición de parada en la primera iteración (en la fila del valor de la función
objetivo todos los valores son positivos o cero). Obteniéndose en este caso por defecto un valor óptimo
para la función igual a 0. Solución: Realmente no existe este problema dado que para que la solución sea
superior a 0 es necesario que alguna restricción tenga impuesta la condición "≥" (y se trataría de un modelo
para el método de las Dos Fases). En el caso planteado, la solución real debe ser cero.
5. Cambio de signo de los términos independientes
Si alguna de las restricciones presenta un término independiente menor que 0 habrá que multiplicar por "-
1" ambos lados de la inecuación. Los términos independientes (bi) de cada ecuación deben ser no negativos
para poder emplear el método Simplex. • Con esta simple modificación de signos en las restricciones
correspondientes se posibilita la aplicación del método Simplex al problema modelado. Ventajas: • Puede
resultar que en las restricciones donde tengamos que modificar los signos de las constantes, los tipos de
desigualdad fueran "≤" (quedando tras la operación del tipo "≥") siendo necesario desarrollar el método de
las Dos Fases. Inconvenientes:
6. Normalización de Restricciones
Todas las restricciones sean ecuaciones de igualdad, por lo que hay que convertir las desigualdades en
igualdades. La condición de no negatividad de las variables (x1,..., xn ≥ 0) es la única excepción y se
mantiene tal cual. Tipo de Desigualdad Tipo de Variable que aparece ≥ - exceso + artificial = + artificial ≤ +
holgur
7. Algoritmo Simplex

Ejemplo

Siendo Xi la cantidad a producir del producto i.

Maximizar Z = X1 + X2 {Ganancia total en soles}
S.A.
5X1 + 3X2 <= 15 {Horas disponibles dep. A}
3X1 + 5X2 <= 15 {Horas disponibles dep. B}
Xj >= 0 ; j = 1, 2

Los problemas de Maximización, con todas sus restricciones <= y con la condición de no negatividad, se le
llama Forma Estándar o Forma Normal
Aquí debemos conseguir una solución básica factible, empleando las variables de holgura y/o artificiales,
quedando el sistema de ecuaciones así:
Maximizar Z = X1 + X2
S.A.

8
5X1 + 3X2 + X3 = 15
3X1 + 5X2 + X4 = 15
Xj >= 0 ; j = 1,2,3,4
Las variables básicas son aquellas cuyos coeficientes forman la matriz unitaria.
En este caos accidentalmente son las variables de holgura X3 y X4.

El valor de la función objetivo Z, se encuentra frente a la casilla de Zj – Cj, en este caso vale cero (0) y se
calcula multiplicando el vector fila (en la tabla es la columna inmediatamente anterior a la de las variables
básica V.B.) que contiene los coeficientes de las variables básicas en la función objetiva original por el
vector columna de los términos independientes b
CXB = Vector fila de los coeficientes en la función objetivo original de las variables básicas actuales, sus
valores se encuentran en la primera columna del tablero.
b = Vector columna de los términos independientes de las restricciones, que al mismo tiempo son los valores
de las variables básicas actuales, sus valores se encuentran bajo la columna denominada b
CXB = (0,0); b = (15,15)’ Z = CXB * b = (0)(15) + (0)(15) = 0

El valor de los Zj – Cj se calcula multiplicado el vector fila CXB por el vector apuntador aj de la columna de
la variable j-ésima, menos el Cj, esto es:
Zj – Cj = CXB. aj – Cj;

Los cálculos se efectúan así:

Z1 – C1 = CXB a1 – C1 = (0,0). (5,3)’ – 1 = (0)(5) +(0)(3) – 1 = -1
Z2 – C2 = CXB a2 – C2 = (0,0). (3,5)’ – 1 = (0)(3) +(0)(5) – 1 = -1
Z3 – C3 = CXB a3 – C3 = (0,0). (1,0)’ – 0 = (0)(1) +(0)(0) – 0 = 0
Z4 – C4 = CXB a4 – C4 = (0,0). (0,1)’ – 0 = (0)(0) +(0)(1) – 0 = 0

A continuación, se indican la variable que sale y la variable que entra:

Cj 1 1 0 0 b/a
V.B. B X1 X2 X3 X4 a>0
0 X3 15 5 3 1 0 15/5=3
0 X4 15 3 5 0 1 15/3=5
Zj – Cj 0 -1 -1 0 0

Variable que entra X1

Variable que sale X3
La variable que tiene Zj-Cj más negativo es ó X1 ó X2. Se escoge al azar X1.
En esta iteración b/a da: 15/5 = 3 y 15/3 = 5;
Lo que significa que la variable básica X3 restringe el crecimiento de la variable que entra, X1, hasta 3 (no
la deja tomar valores superiores a 3) y la variable básica X4 restringe el crecimiento de la variable que entra
X1 hasta 5 (no la deja tomar valores superiores a 5).

1.5 APLICACIONES DIVERSAS DE PROGRAMACION LINEAL

Introducción a la programación lineal

Introducción El desarrollo de la programación lineal ha sido clasificada como uno de los avances científicos más
importantes de mediados del siglo XX, Y estamos de acuerdo con esta aseveración. Su efecto desde 1950 ha sido
extraordinario. En la actualidad es una herramienta de uso normal que ha ahorrado miles o millones de dólares a
muchas compañías o negocios, incluso las empresas medianas, en los distintos países industrializados del mundo;
su aplicación a otros sectores de la sociedad se ampliado con rapidez. La programación lineal utiliza un modelo
matemático para describir el problema. El adjetivo lineal significa que todas las funciones matemáticas del modelo
deben ser funciones lineales. En este caso, La programación lineal no se refiere aquí a términos computacionales;
en esencia es sinónimo de planeación. Por lo tanto la programación lineal involucra la planeación de actividades para
obtener un resultado óptimo. Aunque la asignación de recursos a las actividades es la aplicación más frecuente, la
programación lineal tiene muchas otras posibilidades. En realidad cualquier problema cuyo modelo matemático se

9
ajuste al formato general del modelo de programación lineal, Es un problema de programación lineal. (Por esta razón,
los problemas de programación lineal y sus modelos con frecuencia son llamados solo programas lineales.) Aun más
se dispone de un procedimiento de solución muy eficiente llamado método simplex. Para resolver estos problemas
lineales, incluso de más tamaño. Estas son algunas razones del tremendo efecto de la programación lineal en
décadas recientes
Aplicaciones al marketing
Los modelos de programación lineal se han utilizado en el campo de la publicidad como ayuda para la obtención de
la combinación de medios de comunicación efectiva. En algunas ocasiones partiremos de un presupuesto fijo o
limitado donde el objetivo será distribuirlo entre las diversas opciones que se nos ofrecen, como pueden ser los
comerciales de radio o televisión, anuncios en periódicos, correo directo, anuncios en revistas, etc., de modo que los
productos tengan una gran difusión. Puede ocurrir que las restricciones no sean solamente presupuestarias, sino que
haya otras restricciones que vengan determinadas por los requerimientos de contratos, disponibilidad de medios o
por las políticas de la propia empresa. Otra de las aplicaciones de la programación lineal con respecto al marketing
puede ser la de investigación de mercados y encuestas a consumidores.
Aplicaciones a las manufacturas
Aquí podemos destacar dos tipos de aplicaciones, la aplicación a la mezcla de productos y la programación de la
producción. En primer lugar, comenzamos comentando que la aplicación a la mezcla de productos se basa en la
combinación óptima de productos a fabricar, donde las empresas deben cumplir una serie de restricciones. Estas
restricciones pueden ser financieras, de demanda de ventas, contratos de materiales o demandas laborales
sindicales, donde el objetivo principal es generar la mayor utilidad posible. En cuanto a la programación de la
producción, destacar que establecer un plan de producción para un período de semanas o meses es una tarea
complicada y a la vez cobra demasiada importancia en la mayoría de las plantas. En este caso, el encargado de
dichas operaciones debe tener en cuenta diversos factores: capacidad de la mano de obra, costes de inventario y
almacén, limitaciones de espacio, demanda del producto y relaciones laborales.
Aplicaciones a la Economía y a la Empresa
Esta tarea suele resultar complicada ya que la mayoría de las compañías producen más de un producto. Básicamente,
este problema tiene una gran semejanza al modelo de mezcla de productos, donde el objetivo puede ser el de
maximizar los beneficios o minimizar el coste total de llevar a cabo dichas tareas. La programación de la producción
puede solucionarse fácilmente mediante la programación lineal, ya que es un problema que debe resolverse
periódicamente. Cuando se establecen la función objetivo y las restricciones para una empresa, los datos pueden
cambiarse cada mes para ofrecer una programación actualizada.

Aplicaciones a la programación de mano de obra

Los problemas de programación de mano de obra, o lo que es lo mismo, de planificación de horarios, intenta dar una
respuesta efectiva a las necesidades de personal durante cierto período. Esta aplicación de la programación lineal
es útil cuando los gerentes disponen de cierta flexibilidad para asignar tareas a empleados poli funcionales. El sector
que más hace uso de la programación lineal a la hora de tomar este tipo de decisiones son las entidades bancarias.
Aplicaciones a la mezcla de ingredientes
En este modelo, cobran especial relevancia los problemas de la dieta y los problemas de mezclas. El problema de
la dieta fue una de las primeras aplicaciones de la programación lineal, la cual se desarrolló en los hospitales para
determinar la dieta más económica para los pacientes a partir de unas especificaciones nutritivas mínimas. En la
actualidad, también se aplica en el ámbito agrícola para obtener la combinación de alimentos o ingredientes que
satisfagan los requerimientos nutricionales establecidos a un coste mínimo. Sara Nión Vázquez 25 Programación
lineal. Aplicaciones a la Economía y a la Empresa En cuanto a los problemas de mezclas y proporciones de
ingredientes, surgen cuando debe tomarse una decisión con respecto a la mezcla de dos o más recursos para
producir uno o más productos. Los recursos contienen uno o más ingredientes que deben mezclarse, de manera que
cada producto final contenga un porcentaje determinado de cada uno de los ingredientes.
Aplicaciones al transporte
El problema de transporte o de envíos pretende determinar la cantidad de bienes que se han de transportar desde
varios orígenes o fuentes hacia varios destinos. El objetivo en este tipo de problemas suele ser el de minimizar tanto
los costes de transporte como las distancias de envío, donde las restricciones se refieren a la capacidad productiva
de cada origen y los requerimientos de cada destino. Este modelo es un caso específico de programación lineal, por
lo que existen métodos y algoritmos que facilitan su resolución. Dicho algoritmo es un procedimiento iterativo donde

10
se encuentra y evalúa una solución a un problema de transporte, mediante un procedimiento especial para determinar
si la solución es óptima. Si lo es, el proceso se detiene. En el caso de que la solución no sea la óptima, se genera
una nueva solución, donde esta nueva solución suele ser tan buena o mejor que la anterior. Ésta se evalúa y en caso
de no ser óptima se vuelve a generar otra solución, y así continuamente hasta dar con la solución óptima.
Aplicaciones a las finanzas
Destacamos en este apartado el problema de selección de portafolios, es decir, la selección de una cartera de valores.
Este es uno de los problemas con los que se encuentran de forma habitual los directivos de bancos, fondos de
inversiones y compañías de seguros a la hora de seleccionar una serie de inversiones concretas entre una amplia
variedad de alternativas. Sara Nión Vázquez 26 Programación lineal. Aplicaciones a la Economía y a la Empresa Por
norma general, el objetivo suele ser el de maximizar el rendimiento esperado de estas inversiones dado un conjunto
de restricciones, algunas legales y otras provenientes de la propia empresa. Una vez que hemos mencionado algunas
de las aplicaciones de la programación lineal y sus aspectos básicos, cabe destacar que nuestro trabajo consistirá
en la aplicación a las finanzas. Hemos escogido este tipo de problema ya que es uno de los que mejor se adapta a
las competencias del Grado en Administración y Dirección de Empresas, así, aplicaremos los conocimientos
adquiridos sobre la programación lineal en materias como Matemáticas II.

CONCLUCION
La IO es el procedimiento científico que está auxiliado por modelos y técnicas matemáticas, servible para
diseñar y operar a los problemas complejos de la dirección y
administración de grandes sistemas que forman una organización compleja en las cuales las
decisiones son muy importantes y difíciles de elegir, ya que la eficacia de una
decisión sobre guardar la supervivencia y desarrollo de ésta, al contrario, estaría en camino hacia el fracaso.

BIBLIOGRAFIA

1. Ing. Víctor Calle Vivanco –

Investigación Operativa (Curso A Distancia de la
Universidad
Peruana los Andes) – Primera Edición – 2005.
2. Raffo lecca – Investigación de
Operaciones – Primera Edición –
Lima-Perú – 1997
3. http://www.investigacion-operaciones.com

11