Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INVESTIGACIÓN DE OPERACIONES I
Docente:
ANIVAL TORRE CAMONES
Semestre: 2022-1
Semana 9
PROBLEMA DUAL
2
Recomendaciones
Orientaciones
Contraste
Practique Revise
Contenido
3 Problemas
Programación lineal
Definir el
problema
Desarrollar el modelo
Existe Y1
X1
Z W
PRIMAL DUAL
Análisis de Dual
Existe X1
Y1
W Z
DUAL PRIMAL
Análisis de Dual
PRIMAL DUAL
S.A.: S.A.:
X1, X2 ≥ 0
RELACIONES
COSTO OPTIMO
RENTABILIDAD OPTIMA
RELACIONES
COSTO OPTIMO
RENTABILIDAD OPTIMA
RELACIONES
COSTO OPTIMO
RENTABILIDAD OPTIMA
RELACIONES
Relación 5: Los coeficientes del problema dual son los mismos pero
transpuestos del problema primal
COSTO OPTIMO
RENTABILIDAD OPTIMA
RELACIONES
COSTO OPTIMO
RENTABILIDAD OPTIMA
PASOS
PRIMAL DUAL
Xi 0 (i = 1, 2, ... , n) Yj 0 (j = 1, 2, ... , m)
Problema estándar
Dualidad
PRIMAL DUAL
Maximizar Z = 3X1 + 4X2 Minimizar W = 1000Y1 + 1800Y2 +400Y3
Sujeto a: Sujeto a:
X1 + 2 X2 1000 Y1 + 3 Y2 > 3
3 X1 + 2 X2 1800 2 Y1 + 2 Y2 + 1Y3 > 4
X2 400 Y1, Y2 , Y3 0
X1, X2 0
Problema no estándar
Dualidad
Cuando no todas sus variables son positivas y cuyas
restricciones no todas son del tipo menor o igual.
3 X1 + 4 X2 – 2X3 = 10 Y4
X1 0, X2 0, X3 srs Modelos max Modelo min
Xi < 0 la iésima restricción es <
Problema no estándar
Dualidad
PRIMAL - X1 + 1 X2 + 2 X3 9 Y1 Xi 0 es Xi 0
6 X1 – 2 X2 + 2 X3 = 6 Y2 Xi srs es = Xi srs =
2 X1 + 2 X2 + X3 4 Y3
X1, X2, X3 0 ≠ =
Restricción Variable Restricción Variable
Minimizar W = 9 Y1 + 6 Y2 + 4 Y3 Yj 0 Yj 0
Sujeto a: Yj 0 Yj 0
DUAL - Y1 + 6 Y2 + 2 Y3 2
= Yj srs = Yj srs
1 Y1 – 2 Y2 + 2 Y3 4
2 Y1 + 2 Y2 + 1 Y3 3
Y1 0, Y2 srs, Y3 0
El valor óptimo de la función objetivo del primal
será igual al valor óptimo de la función objetivo del
dual. En este caso Z y W tienen valor igual a 72
Dualidad
33
UNIVERSIDAD NACIONAL DE INGENIERÍA
FACULTAD DE INGENIERÍA INDUSTRIAL Y DE SISTEMAS
DEPARTAMENTO DE SISTEMAS Y TELEMÁTICA
INVESTIGACIÓN DE OPERACIONES I
Docente:
ANIVAL TORRE CAMONES
Semestre: 2022-1
Semana 10
ANÁLISIS DE SENSIBILIDAD
2
Recomendaciones
Orientaciones
Contraste
Practique Revise
Contenido
Contenido
4 Problemas de sensibilidad
ANÁLISIS DE SENSIBILIDAD
CASOS:
Consiste en hacer • Análisis de los coeficientes de
cambios en el la Función objetivo
modelo para
conocer sus
efectos. • Análisis de lado derecho
(Precio sombra)
ANÁLISIS DE SENSIBILIDAD
ANALISIS DE SENSIBILIDAD
1. Debido a problemas
laborales, se pierden 150
horas, ¿Cuánto deja de ganar
la empresa?
2. La ganancia de un producto
aumenta $2. ¿Varía el plan de
producción óptimo?
Análisis de Si se incrementa el L. D. en
sensibilidad del Se relaciona FUNCIÓN
LADO DERECHO OBJETIVO cuanto se incrementa la F.O.
Problema 2
Cada semana, Florida Citrus, Inc, usa una sola máquina durante 150
horas para destilar jugo de naranja y de toronja en concentrados
almacenados en dos tanques separados de 1000 galones c/u. antes de
congelarlos. La máquina puede procesar 25 galones de jugo de naranja
por hora, pero solo 20 galones de jugo de toronja. Cada galón de jugo de
naranja cuesta $1,50 y pierde 30% de contenido de agua al destilarse en
concentrado. El concentrado de jugo de naranja después se vende en
$6,00 por galón. Cada galón de jugo de toronja cuesta $2,00 y pierde
25% de contenido de agua al destilarse en concentrado. El concentrado
de jugo de toronja se vende después en $8,00 por galón. Se pide:
1)Formule un modelo matemático para determinar un plan de
producción que maximice la ganancia. Resuelva usando el método
gráfico.
2) Realice el análisis de sensibilidad de los coeficientes de la F. O.3)
Realice el análisis de sensibilidad del lado derecho.
Modelo matemático
2000
1000
y 9190, 46 − 5333,32
m= = = 3,8571 ∆x
x 1000 − 0
1000 Lado Derecho
Análisis de sensibilidad del lado
derecho
Análisis de Sensibilidad del Lado Derecho de la III Restricción:
MAX 2.7JN + 4JT 0.75JT <= 1000
JT ST
0.04JN + 0.05JT <=150 V.L.D.=0.75 (1333,33) = 1000 (Valor
0.70JN <=1000 En (1428.57, 1333.33) Máximo del L.D.)
0.75JT <=1000 Z=2,7 (1428,57)+4 (1333,33) = 9190,32
V.L.D.= 0,75(0) = 0 (Valor Mínimo del L.D.)
3000 En (1428.57, 0)
Z=2,7 (1428,57)+4 (0) = 3857,139
2000
1000
y 9190, 46 − 3857,139 ∆x
m= = = 5,333
x 1000 − 0
1000 Lado Derecho
Lindo
Galaxia produce dos tipos de juguetes: Space Ray y Zapper. Los recursos están
limitados a 1200 libras de plástico especial y 40 horas de producción
semanalmente. Los requerimientos de Marketing indica que la producción total
no puede exceder de 800 docenas. El número de docenas de Space Rays no
puede exceder al número de docenas de Zappers por más de 450. Space Rays
requiere 2 libras de plástico y 3 minutos de producción por docena. Zappers
requiere 1 libra de plástico y 4 minutos de producción por docena. Encontrar el
Plan común de producción para fabricar la mayor cantidad del producto que
deje mejores ganancias, el cual corresponde a Space Ray (8 $/docena). Usar la
menor cantidad de recursos para producir Zappers, porque estos dejan una
menor utilidad (5 $/docena).
Se pide: a)Hallar el modelo y resolver con el Método grafico.
b) Análisis de sensibilidad de los coeficientes de F.O.
c) Análisis de sensibilidad del lado derecho.
Modelo matemático
Max 0.30MH + 0.50 MC Valor del L.D. Solución óptima Valor de la F.O.
Dependiendo de:
881.84 MH = 22046 ; MC = 0 6613.8
0.04MH + 0.08 MC 1200
MH +MC 22046 1200 MH = 14092; MC = 7954 8204.6
MH, MC 0
1763.68 MH = 0 ; MC = 22046 11023
Max 0.30MH + 0.50 MC Valor del L.D. Solución óptima Valor de la F.O.
Dependiendo de:
15000 MH = 0 ; MC = 15000 7500
0.04MH + 0.08 MC 1200
MH +MC 22046 22046 MH = 14092; MC = 7954 8204.6
MH, MC 0
30000 MH = 30000 ; MC = 0 9000
9000 − 7500
Análisis de Sensibilidad del Lado Derecho de la II m= = 0.1
Restricción: MH + MC = 22016 30000 − 15000
V.L.D.= 30000 + 0 = 30000 Por cada unidad de capacidad de peso adicional
En (30000, 0) por encima de 22016 libras y hasta 30000 libras,
Z=0,30(30000) + 0,50(0) = $ 9000
el margen de ganancia corporativo aumentará en
En (0, 15000) V.L.D.= 0 + 15000 = 15000 0.1 de $100, es decir: $10. Mientras que por cada
Z= 0,30 (0) + 0,50 (15000) = $ 7500 unidad de capacidad de peso que se disminuya
hasta 15000 libras, el margen de ganancia bajará
en $10.
Problema 5
y 2705000 − 1020000
m= = = 33, 7
x 80000 − 30000
Análisis de sensibilidad del lado
4.40 derecho de la restricción IV
MAX 6740C + 5100S El análisis de sensibilidad del Análisis de Sensibilidad del Lado Derecho de la IV
ST lado derecho se realiza con las Restricción:
200C +150S ≤ 80000 restricciones que intervienen S <=200
18C + 20S ≤ 9000 en la solución optima. La
C ≤ 1500 restricción I y II intervienen, V.L.D.= 533,33=533,3333
S ≤ 200 pero la restricción III no En (0, 533,33)
END Z=6740(0) + 5100(533,3333)=2720000
interviene, por lo tanto su
GIN C precio sombra de este último V.L.D.=0
GIN S En (400, 0)
sería cero. Z=6740(400) + 5100(0)= 2696000
y 2720000 − 26960000
m= = = 45
x 533,33 − 0
Seamos dueños de nuestro
propio destino
55
UNIVERSIDAD NACIONAL DE INGENIERÍA
FACULTAD DE INGENIERÍA INDUSTRIAL Y DE SISTEMAS
DEPARTAMENTO DE SISTEMAS Y TELEMÁTICA
INVESTIGACIÓN DE OPERACIONES I
Docente:
ANIVAL TORRE CAMONES
Semestre: 2022-1
Semana 11
PROBLEMA DE TRANSPORTE
2
Recomendaciones
Orientaciones
Contraste
Practique Revise
Contenido
1 Modelo de transportes
3 Método Vogel
4 Problemas
Modelo de transporte
Red
El modelo de transporte busca determinar
Origen Destino
un plan de transporte de una mercancía de
C11 : X11
1 → b1
a1→ 1 los lugares orígenes a los lugares destinos.
C12 : X12
X13 VITARTE
2 11000 U12= 750 – 75 = 675 $/TN. U22= 750 – 90 = 660 $/TN.
$ 1Tn $
U 12 = 675 ( ) = 0,3062 U 22 = 660 (
1Tn
) = 0, 2994
CAÑETE Tn 2204, 62 Lb Tn 2204, 62 Lb
12000 2
COMAS
3 U13= 600 – 60 = 540 $/TN. U23= 600 – 45 = 555 $/TN.
11000
$ 1Tn $ 1Tn
U 13 = 540 ( ) = 0, 2449 U 23 = 555 ( ) = 0, 2517
Tn 2204,62 Lb Tn 2204,62 Lb
Modelo matemático
1 2 3 Oferta P1 P2 P3 P4
A 10 8 4 45
B 9 5 7 50
C 3 6 9 45
D 5 7 6 30
Demanda 90 30 50
P1
P2
P3
P4
Método Vogel
1 2 3 Oferta P1 P2 P3 P4
Pasos:
A 10 8 4* 45/0 4
Hallamos las
B 9 5 7 50 2
penalidades
Hallamos la C 3 6 9 45 3
mayor
penalidad D 5 7 6 30 1
Realizamos P1 2 1 2
la operación
P2
P3
P4
Método Vogel
1 2 3 Oferta P1 P2 P3 P4
A 10 8 4 45/0 4 -
Hallamos las
B 9 5 7 50 2 2
penalidades
Hallamos la C 3* 6 9 45/0 3 3
mayor
penalidad D 5 7 6 30 1 1
1 2 3 Oferta P1 P2 P3 P4
A 10 8 4 45/0 4 - -
Hallamos las
B 9 5 7 50 2 2 2
penalidades
Hallamos la C 3 6 9 45/0 3 3 -
mayor
penalidad D 5* 7 6 30/0 1 1
1 2 3 Oferta P1 P2 P3 P4
A 10 8 4 45/0 4 - -
B 9 5 7 50 2 2 2
C 3 6 9 45/0 3 3 -
D 5 7 6 30/0 1 1
La empresa “C.N.” elabora una cerveza que se Costo de distribución por 100 cajas de cerveza
distribuye a nivel nacional a partir de dos
fábricas, una en el norte y la otra en el sur del Mayoristas A B C D Oferta
país. La cerveza se envía a cuatro mayoristas Fábricas
que se encargan de la distribución, por lo que
la empresa se ocupa sólo de la distribución a Norte 21 15 18 9 550
los mayoristas.
Sur 10 14 16 23 650
Los costos de distribución en dólares por
conjunto de 100 cajas que se envían a cada Demanda 200 250 400 350 1200
mayoristas; se presenta en la siguiente tabla
junto con la oferta mensual en cada fábrica y la
demanda mensual de cada mayorista.
Determine la distribución más económica
usando Vogel.
Red y modelo
Realizamos X14=350
la operación P1 11 1 2 14
C=(350)(9)
Método Vogel
Mayoristas A B C D Ofert P1 P2
Fábrica a
Hallamos las Norte 21 15 18 550 6 3
penalidades 200
Hallamos la Sur 10 14 16 650 4 4
mayor * 450
penalidad
Demanda 200 250 400 350
Hallamos el 0 0
menor costo
Realizamos P1 11 1 2 14 X14=350
la operación C=(350)(9)
P2 11 1 2
X21=200
C=(200)(10)
Método Vogel
Mayoristas A B C D Ofert P1 P2 P3
Fábrica a
Hallamos las 01 Norte 15 18 550 6 3 3
penalidades * 200
0
Hallamos la
mayor Sur 14 16 650 4 4 2
penalidad 450
Hallamos el
Demanda 200 250 400 350
menor costo 0 50 0
P3 1 2 X12=200 C=(200)(15)
Método Vogel
Mayoristas A B C D Ofert P1 P2 P3
Fábrica a
01 Norte 550 6 3 3
200
0
Sur 14 16 650 4 4 2
450
Demanda 200 250 400 350
0 50 0
X14=350 C=(350)(9)
P1 11 1 2 14 X21=200 C=(200)(10)
P2 11 1 2 X12=200 C=(200)(15)
X22=50 C=(50)(14)
P3 1 2 X23=400 C=(400)(16)
Método Vogel
I. Identificación de variables.
MIN 1600X11 + 1800X12 + 2500X13
Xij = Número de máquinas a enviar del origen i
al destino j + 900X21 + 1000X22 +1800X23
II. Identificación de la función objetivo. +1400X31 + 1000X32 + 400X33
MIN 1600X11 + 1800X12 + 2500X13 + 900X21 ST
+ 1000X22+1800X23+1400X31+1000X32 + 400X33 X11 + X12 + X13 <= 3
III Identificación de Restricciones. X21 + X22 + X23 <= 2 OBJECTIVE FUNCTION VALUE
1) 8500.000
X11 + X12 + X13 ≤ 3 VARIABLE VALUE REDUCED COST
X31 + X32 + X33 <= 3
X21 + X22 + X23 ≤ 2 X11 3.000000 0.000000
X11 + X21 + X31 = 4 X12 0.000000 100.000000
X31 + X32 + X33 ≤ 3 X13 0.000000 1400.000000
X12 + X22 + X32 = 2
X11 + X21 + X31 = 4 X21 1.000000 0.000000
X22 1.000000 0.000000
X12 + X22 + X32 = 2 X13 + X23 + X33 = 2
X23 0.000000 1400.000000
X13 + X23 + X33 = 2 X31 0.000000 500.000000
X32 1.000000 0.000000
Xij ≥ 0, Entera X33 2.000000 0.000000
Método Vogel
X32=1 C=1*1000
Realizamos
la operación P1 500 800 1400
P2 500 800
Método Vogel
P2 500 800
P3 700 800
Método Vogel
Hallamos la
Los 1400 1000 400 2700 3/1 600 600
Ángeles *
mayor
penalidad Figurado 0 0 0 0 2/0 0
Hallamos el
*
menor costo Demanda 4 2 2/0 2/0 X44=2 C=2*0
Hallamos la
Los 1400 1000 400 2700 3/1/0 600 600 400
Angeles * *
mayor
penalidad Figurado 0 0 0 0 2/0 0
Hallamos el
*
menor costo Demanda 4 2 2 2 X44=2 C=2*0
1 0 0
Realizamos X33=2 C=2*400
la operación P1 900 1000 400 1300
X32=1 C=1*1000
P2 500 800 1400
P3 500 800
Método Vogel
X44=2 C= 2 * 0 = 0
Tren 5 8 9 11 13 Figurado
Cincinnati
(50) 3 5
(250)
Demanda 150 100 200 50 250
Modelo matemático
X21 + X22 + X23 + X24+X25 ≤ 400 X15 + X25 + X35 = 250 X11 0.000000 5.000000
X12 100.000000 0.000000
X31 + X32 + X33 +X34+X35 ≤ 50 X13 + X23 + X33 = 200 X13 200.000000 0.000000
X14 0.000000 0.000000
X11 + X21 + X31 = 150 X15 0.000000 1.000000
X21 150.000000 0.000000
X14 + X24 + X34 = 50 X22 0.000000 0.000000
X12 + X22 + X32 = 100 X23 0.000000 2.000000
X24 50.000000 0.000000
X15 + X25 + X35 = 250 X25 200.000000 0.000000
X31 0.000000 8.000000
X13 + X23 + X33 = 200 X32 0.000000 5.000000
X33 0.000000 6.000000
Xij>= 0, Entero X34 0.000000 2.000000
X35 50.000000 0.000000
Pasos: Destino 1 2 3 4 5 Oferta P1
Medio
Hallamos las 1 6 4 3 7 10 300 1
penalidades
2 5 8 9 11 13 400 3
Hallamos la
mayor
penalidad Figurado 0 0 0 0 0 50 0
* 0
Hallamos el
menor costo Demanda 150 100 200 50 250
200 X35=50 C=50*0
Realizamos
P1 5 4 3 7 10
la operación
Destino 1 2 3 4 5 oferta P1 P2
Medio
Hallamos las 1 6 4 3 7 10 300/ 1 1
penalidades * 100
Hallamos la 2 5 8 9 11 13 400 3 3
mayor
penalidad Figurado 0 0 0 0 0 50/
* 0
Hallamos el
menor costo
Demanda 150 100 200/ 50 250/
X35=50 C=50*0
0 200
X13=200 C=200*3
Realizamos P1 5 4 3 7 10
la operación
P2 1 4 6 4 3
Medio 1 2 3 4 5 oferta P1 P2 P3
1 6 4 3 7 10 300 1 1 2
Hallamos las * 100
penalidades
0
Hallamos la 2 5 8 9 11 13 400 3 3 3
mayor
penalidad Figurado 0 0 0 0 50
* 0
Hallamos el
menor costo Demanda 150 100 200 50 250 X35=50 C =50*0
0 0 200
Realizamos X13=200 C=200*3
la operación P1 5 4 3 7 10
X12=100 C=100*4
P2 1 4 6 4 3
P3 1 4 4 3
Medio 1 2 3 4 5 oferta P1 P2 P3
1 6 4 3 7 10 300 1 1 2
* 100
0
2 5 8 11 13 400 3 3 3
Figurado 0 0 0 0 0 50
* 0
Demanda 150 100 200 50 250 X35=50 C=50*0 =0
0 0 200 X13=200 C=200*3 =600
P1 5 4 3 7 10 X12=100 C=100*4=400
Z=4900
P2 1 4 6 4 X21=150 C=150*5=750
X24=50 C=50*11=55
P3 1 4 4 3
X25=200 C=200*13=2600
Problema 8
Hallamos la
2 300 100 80 5/0 20 -
mayor *
penalidad
3 200 250 120 8/1 80 80
Hallamos el *
menor costo
Demanda 4 8/3 7/0
Realizamos X22=5 C=5*100=500
la operación P1 80 80 40
P2 80 70 120 X33=7 C=7*120=840
Áreas→ 1 2 3 Oferta P1 P2 P3
Refinería
Hallamos las 1 120 180 -- 6/2 60 60 60
penalidades *
Hallamos la 2 300 100 80 5/0 20 - -
mayor *
penalidad
3 200 250 120 8 80 80 50
Hallamos el * 1
menor costo
Demanda 4/0 8/3 7/0
⚫ X22=5 C=5*100=500
Realizamos
la operación
P1 80 80 40 ⚫ X33=7 C=7*120=840
P3 80 70 -
Áreas→ 1 2 3 Oferta P1 P2 P3
Refinería
1 120 180 -- 6 60 60 60
* 2
2 300 100 80 5 20 - -
* 0
3 200 250 120 8 80 80 50
* 1
Demanda 4 8 7 ⚫ X22=5 C=5*100=500
0 3 0 ⚫ X33=7 C=7*120=840
P1 80 80 40 ⚫ X11=4 C=4*120=480
⚫ X12=2 C=2*180=360 ⚫ Costo total =2430
P2 80 70 120
⚫ X32=1 C=1*250=250 ⚫ Con Lindo =2430
P3 80 70 -
Red
Demanda 3/ 0 2 1 1
P1 20 20 70 0
Mayor Penalidad Menor costo
P2 20 70 0
Mayor Penalidad Menor costo
Identificación de las Variables Min 5X11 + 7X12 + 4X13 + 4X14 + 4X21 + 7X23
+ 8X24 + 6X25 + 6X31 + 7X32 + 8X33 + 9X35
Xij=N° de unidades que se envía del origen i al destino j
ST
Identificación de la Funcion objetivo
X11+X12+X13+X14<=750
Max 5X11 +7X12+4X13+4X14+
X21+X23+X24+X25<=350 OBJECTIVE FUNCTION VALUE
4X21+7X23+8X24+6X25+ 1) 7600.000
X31+X32+X33+X35<=400 VARIABLE VALUE REDUCED COST
6X31+7X32+8X33+9X35 X11+X21+X31=400
X11 120.000000 0.000000
X12 0.000000 1.000000
Identificación de las restricciones X12+X32+=260 X13 180.000000 0.000000
X14 450.000000 0.000000
X11+X12+X13+X14<=750 X11+X21+X31=400 X13+X23+X33=180 X21 140.000000 0.000000
X21+X23+X24+X25<=350 X12+X32+=260 X14+X24=450
X23 0.000000 4.000000
X24 0.000000 5.000000
X31+X32+X33+X35<=400 X13+X23+X33=180 X25+X35=210 X25 210.000000 0.000000
X31 140.000000 0.000000
Xij>=0, ENTERO X14+X24=450 X32 260.000000 0.000000
X25+X35=210 X33 0.000000 3.000000
X35 0.000000 1.000000
DEPOSITO ALMACÉN OFERTA P1 P2 P3
1 2 3 4 5
A 5 7 4 4 - 750/300 1
B 4 - 7 8 6 350 2
X14=450→C=450*4=1800
C 6 7 8 - 9 400 1
DEMANDA 400 260 180 450/0 210 1500
P1 1 0 3 4 3
P2
P3
DEPOSITO ALMACÉN OFERTA P1 P2 P3
1 2 3 4 5
A 5 7 4 4 - 750/300/ 1 1
120
B 4 - 7 8 6 350 2 2 X14=450→C=450*4=1800
X13=180→C=180*4=720
C 6 7 8 - 9 400 1 1
DEMANDA 400 260 180/0 450/0 210 1500
P1 1 0 3 4 3
P2 1 0 3 - 3
P3
DEPOSITO ALMACÉN OFERTA P1 P2 P3
1 2 3 4 5
A 5 7 4 4 - 750/300/ 1 1 2
120
X14=450→C=450*4=1800
B 4 - 7 8 6 350/140 2 2 2 X13=180→C=180*4=720
C 6 7 8 - 9 400 1 1 1 X25=210→C210*6= 1260
DEMANDA 400 260 180/0 450/0 210/0 1500
P1 1 0 3 4 3
P2 1 0 3 - 3
P3 1 0 - - 3
DEPOSITO ALMACÉN OFERTA P1 P2 P3 P4
1 2 3 4 5
A 5 7 4 4 - 750/300/1 1 1 2 2
20
B 4 - 7 8 6 350/140/0 2 2 2 4 X14=450
C 6 7 8 - 9 400 1 1 1 1 →C=450*4=1800
X13=180
DEMANDA 400/260 260 180/0 450/0 210/0 1500
→C=180*4=720
X25=210
P1 1 0 3 4 3 →C210*6= 1260
P2 1 0 3 - 3 X21=140
→C=140*4=560
P3 1 0 - - 3
P4 1 0
DEPOSITO ALMACÉN OFERTA P1 P2 P3 P4 P5
1 2 3 4 5
A 5 7 4 4 - 750/300/1 1 1 2 2 2 X14=450
→C=450*4=1800
20/0
X13=180
B 4 - 7 8 6 350/140/0 2 2 2 4 - →C=180*4=720
C 6 7 8 - 9 400 1 1 1 1 1 X25=210
DEMANDA 400/260 260 180/0 450/0 210/0 1500 →C210*6= 1260
/140 X21=140
→C=140*4=560
P1 1 0 3 4 3 X11=120
P2 1 0 3 - 3 →C=120*5=600
P3 1 0 - - 3
P4 1 0
P5 1 0
DEPOSITO ALMACÉN OFERTA P1 P2 P3 P4 P5
1 2 3 4 5
750/300/1 X14=450
A 5 7 4 4 - 1 1 2 2 2
→C=450*4=1800
20/0 X13=180
B 4 - 7 8 6 350/140/0 2 2 2 4 - →C=180*4=720
C 6 7 8 - 9 400 1 1 1 1 1 X25=210
→C210*6= 1260
DEMANDA 400/260 260 180/0 450/0 210/0 1500 X21=140
/140 →C=140*4=560
X11=120
P1 1 0 3 4 3 →C=120*5=600
P2 1 0 3 - 3 X31=140
P3 1 0 - - 3 →C=140*6=840
X32=260
P4 1 0 →C=260*7=1820
P5 1 0
Lindo
C1 C2 C3 Ficticia Oferta P1
Demanda 36 42 30 5/0
P1 180 180 50 0
METODO VOGEL
C1 C2 C3 Ficticia Oferta P1 P2
P1 180 180 50 0
P2 180 180 50 0
METODO VOGEL
C1 C2 C3 Ficticia Oferta P1 P2 P3 X44=5 C=0
P1 600 700 400 0 25/0 400 200 200 X41=13 C=13000
P2 320 300 350 0 40 300 20 20 X13=25 C=10000
P3 500 480 450 0 30 450 30 30
P4 1000 1000 - 0 18/13/0 1000 1000 -
Demanda 36/23 42 30/5 5/0
P1 180 180 50 0
P2 180 180 50 0
P3 180 180 50 0
METODO VOGEL
C1 C2 C3 Ficticia Oferta P1 P2 P3 P4 X44=5 C=0
P1 600 700 400 0 25/0 400 200 200 - X41=13 C=13000
P2 320 300 350 0 40/0 300 20 20 20 X13=25 C=10000
P3 500 480 450 0 30 450 30 30 30 X22=40 C=12000
P4 1000 1000 - 0 18/13/0 1000 1000 - -
Demanda 36/23 42/2 30/5 5/0
P1 180 180 50 0
P2 180 180 50 0
P3 180 180 50 0
P4 180 180 100 0
METODO VOGEL
C1 C2 C3 Ficticia Oferta P1 P2 P3 P4 X44=5 C=0
P1 600 700 400 0 25/0 400 200 200 - X41=13 C=13000
P2 320 300 350 0 40/0 300 20 20 20 X13=25 C=10000
P3 500 480 450 0 30 450 30 30 30 X22=40 C=12000
P4 1000 1000 - 0 18/13/0 1000 1000 - - X31=23 C=11500
Demanda 36/23 42/2 30/5 5/0 X32=2 C=960
P1 180 180 50 0 X33=5 C=2250
P2 180 180 50 0 TOTAL49710
P3 180 180 50 0
P4 180 180 100 0
Seamos dueños de nuestro
propio destino
76
UNIVERSIDAD NACIONAL DE INGENIERÍA
FACULTAD DE INGENIERÍA INDUSTRIAL Y DE SISTEMAS
DEPARTAMENTO DE SISTEMAS Y TELEMÁTICA
INVESTIGACIÓN DE OPERACIONES I
Docente:
ANIVAL TORRE CAMONES
Semestre: 2022-1
Semana 11
PROBLEMA DE ASIGNACIÓN
2
Recomendaciones
Orientaciones
Contraste
Practique Revise
Contenido
1 Problema de asignación
2 Modelo de asignación
3 Método Húngaro
4 Problemas
Problema de asignación
Destino
• El modelo de asignación busca
determinar un plan de asignación para
que cada trabajador realice una tarea al Tarea 1 Tarea 2 Tarea 3
menor costo total.
Origen
• Cuando a un trabajador i (=1,2,……,m) Trabajador 2 C21 C22 C23
se asigna a la Tarea j (=1,2,…..,n) X21 X22 X23
1
incurre en un costo Cij.
• Se debe tratar que n = m. Caso contrario Trabajador 3 C31 C32 C33
quedarán tareas por realizarse o X31 X32 X33 1
trabajadores sin tareas.
1 1 1
Problema de asignación
Destino
• El Modelo de asignación puede
considerarse como un caso especial del
modelo de transporte. Tarea 1 Tarea 2 Tarea 3
Origen
Trabajador 2 C21 C22 C23
• La demanda requerida en cada destino X21 X22 X23
1
es 1; esto es bj=1 para toda j.
Trabajador 3 C31 C32 C33
• El costo de “asignar” al trabajador i la X31 X32 X33
Tarea j es Cij.
1
1 1 1
Modelo de asignación
1, si al i-ésimo trabajador se
• Pasos: • Pasos:
Es un • 1. Identifique el menor de cada fila y • i Trace la menor cantidad de líneas
algoritmo réstelo a los valores de dicha fila horizontales o verticales que cubran
PASO 2a
matemático • 2. Identifique el menor de cada los valores ceros
Se aplica
que nos columna y réstelo a los valores de • ii Identifique el menor de los
cuando no
permite dicha columna números no cubiertos y réstelo a
se puede
resolver • 3. Asigne tomando en cuenta los todos los números no cubiertos,
asignar con
problemas casilleros donde se hallan los ceros. luego, sume este número a las
el paso 3.
de Recordando que a cada trabajador intersecciones y los demás
asignación se le asigna una tarea y cada tarea números cópielos sin cambiar.
debe ser realizado por un trabajador. • iii Repita el paso 3
Problema 1
Problema N°1
SOLUCIÓN
TAREAS
Podar Pintar Lavar Paso I Paso II Paso III
Boris 13 14 11 13 14 11 11 2 3 0 2 0 0
HIJOS Jhon 12 15 14 12 15 14 12 0 3 2 0 0 2
Karen 13 16 12 13 16 12 12 1 4 0 1 1 0
0 3 0
Respuesta
A Boris se le asigna Pintar 14
A Jhon se le asigna Podar 12
A karen se le asigna lavar 12
TOTAL 38
Problema 2
Problema N°2
Tar1 Tar2 Tar3 Tar4
Tra1 14 6 10 13 8 0 4 7
Tra2 10 8 12 6 2 4 2 6 0
7 14 10 14 0 7 3 7
Tra3
9 8 10 11 1 0 2 3
Tra4
SOLUCIÓN 0 0 2 0
14 6 10 13 6
8 0 2 7
10 8 12 6 6
1 3
4 2 4 0
7 14 10 14 7 0 7 1 7
9 8 10 11 8 1 0 0 3
Problema 2
Problema N°2
Tar1 Tar2 Tar3 Tar4
Respuesta
Tra1 14 6 10 13
Al trabajador 1 se le asigna la tarea 2 6
Tra2 10 8 12 6
Al trabajador 2 se le asigna la tarea 4 6
Tra3 7 14 10 14 Al trabajador 3 se le asigna la tarea 1 7
Tra4 9 8 10 11 Al trabajador 4 se le asigna la tarea 3 10
SOLUCIÓN 29
8 0 2 7
4 2 4 0
0 7 1 7
1 0 0 3
Problema 3
TAREAS
TRAB 1 2 3 4
1 12 13 16 18
2 18 15 10 20
3 12 11 11 12
4 15 16 17 14
12 13 16 18 12 0 1 4 6
18 15 10 20 10 8 5 0 10
12 11 11 12 11 1 0 0 1
15 16 17 14 14 1 2 3 0
0 0 0 0
0 0 0 0 7
20 14 6 10 22 6 14 8 0 4 16 14 8 0 2 14
16 8 22 20 10 8 8 0 14 12 2 8 0 14 10 0
8 6 24 14 12 6 2 0 18 8 6 2 0 18 6 4
20 22 2 8 6 2 18 20 0 6 4 18 20 0 4 2
4 16 22 6 24 4 0 12 18 2 20 0 12 18 0 18
0 0 0 2 2
Solución
20 14 6 10 22 6 14 8 0 4 16 14 8 0 2 14
Aplicando el
16 8 22 20 10 8 8 0 14 12 2 8 0 14 10 0 paso 2a
8 6 24 14 12 6 2 0 18 8 6 2 0 18 6 4
20 22 2 8 6 2 18 20 0 6 4 18 20 0 4 2
4 16 22 6 24 4 0 12 18 2 20 0 12 18 0 18
0 0 0 2 2 12 8 0 0 12
• Al empleado 1 se le asigna el trabajo 4 → 10 8 2 16 10 0
• Al empleado 2 se le asigna el trabajo 5 → 10
• Al empleado 3 se le asigna el trabajo 2 → 6 0 0 18 4 2
• Al empleado 4 se le asigna el trabajo 3 → 2
• Al empleado 5 se le asigna el trabajo 1 → 4 16 20 0 2 0
DISTANCIA MÍNIMA 32
0 14 20 0 18
Problema 6
PROBLEMA: Asignar las 4 tareas(columnas) a los 5 trabajadores (filas) según los costos
T1 T2 T3 T4 T5
Trabador1 6 5 7 12 0 0 2 0 0 3 0
Trabador2 7 7 9 11 0 0 3 2 2 2 0
Trabador3 5 6 7 10 0 0 1 1 0 1 0
Trabador4 4 5 8 9 0 0 0 0 1 0 0
Trabador5 6 6 10 11 0 0 2 1 3 2 0
4 5 7 9 0 Paso 2ª
Problema 6
PROBLEMA: Asignar las 4 tareas(columnas) a los 5 trabajadores (filas) según los costos
T1 T2 T3 T4 T5
Trabador1 6 5 7 12 0 0 2 0 0 3 0 2 0 0 3 1
Trabador2 7 7 9 11 0 0 3 2 2 2 0 2 1 1 1 0
Trabador3 5 6 7 10 0 0 1 1 0 1 0 1 1 0 1 1
Trabador4 4 5 8 9 0 0 0 0 1 0 0 0 0 1 0 1
Trabador5 6 6 10 11 0 0 2 1 3 2 0 1 0 2 1 0
4 5 7 9 0 Paso 2a
Problema 6
PROBLEMA: Asignar las 4 tareas(columnas) a los 5 trabajadores (filas) según los costos
T1 T2 T3 T4 T5
Trabador1 6 5 7 12 0 0 2 0 0 3 0 2 0 0 3 1 1 0 0 2 1
Trabador2 7 7 9 11 0 0 3 2 2 2 0 2 1 1 1 0 1 1 1 0 0
Trabador3 5 6 7 10 0 0 1 1 0 1 0 1 1 0 1 1 0 1 0 0 1
Trabador4 4 5 8 9 0 0 0 0 1 0 0 0 0 1 0 1 0 1 2 0 2
Trabador5 6 6 10 11 0 0 2 1 3 2 0 1 0 2 1 0 0 0 2 0 0
4 5 7 9 0 Paso 2a Paso 2a Paso 3
Ejemplo:
C1 C2 C3 C4 C5
Existen 5 operarios A, B, C, D y E para llevar a 5 cargos
Operario 1 5 3 7 3 5 3 2 0 4 0 2
F, G, H, I y J. La matriz de costos C que caracteriza al
Operario 2 5 6 12 7 9 5 0 1 7 2 4
problema de asignación es la siguiente:
Operario 3 2 8 3 4 6 2 0 6 1 2 4
F G H I J Operario 4 9 6 10 5 7 5 4 1 5 0 2
A 5 3 7 3 5 Operario 5 4 7 6 8 11 4 0 3 2 4 7
B 5 6 12 7 9 0 0 1 0 2
C 2 8 3 4 6 2 0 3 0 0
D 9 6 10 5 7 0 1 6 2 2
0 6 0 2 2
E 4 7 6 8 11
4 1 4 0 0
Se pide resolver al problema de asignación usando el 0 3 1 4 5
Método Húngaro
Problema 6
Ejemplo:
C1 C2 C3 C4 C5
Existen 5 operarios A, B, C, D y E para llevar a 5 cargos
Operario 1 5 3 7 3 5 3 2 0 4 0 2
F, G, H, I y J. La matriz de costos C que caracteriza al
Operario 2 5 6 12 7 9 5 0 1 7 2 4
problema de asignación es la siguiente:
Operario 3 2 8 3 4 6 2 0 6 1 2 4
F G H I J Operario 4 9 6 10 5 7 5 4 1 5 0 2
A 5 3 7 3 5 Operario 5 4 7 6 8 11 4 0 3 2 4 7
B 5 6 12 7 9 0 0 1 0 2
C 2 8 3 4 6 2 0 3 0 0 3 0 3 0 0
D 9 6 10 5 7 0 1 6 2 2 0 0 5 1 1
0 6 0 2 2 1 6 0 2 2
E 4 7 6 8 11
4 1 4 0 0 5 1 4 0 0
Se pide resolver al problema de asignación usando el 0 3 1 4 5 0 2 0 3 4
Método Húngaro
Al Operador 1 Se le asigna el cargo 5 El costo es 5
Al Operador 2 Se le asigna el cargo 2 El costo es 6
Al Operador 3 Se le asigna el cargo 3 El costo es 3
Al Operador 4 Se le asigna el cargo 4 El costo es 5
Al Operador 5 Se le asigna el cargo 1 El costo es 4
COSTO TOTAL 23
Maximizar
PROBLEMA. Asignar a los trabajadores (filas) las tareas (columnas) tomando en cuenta la productividad.
12 16 24 8 2 -12 -16 -24 -8 -2 -24 12 8 0 16 22
6 8 20 14 6 -6 -8 -20 -14 -6 -20 14 12 0 6 14
10 6 16 18 12 -10 -6 -16 -18 -12 -18 8 12 2 0 6
2 4 2 24 20 -2 -4 -2 -24 -20 -24 22 20 22 0 4
7 10 6 5 18 -7 -10 -6 -5 -18 -18 11 8 12 13 0
8 8 0 0 0
27
UNIVERSIDAD NACIONAL DE INGENIERÍA
FACULTAD DE INGENIERÍA INDUSTRIAL Y DE SISTEMAS
DEPARTAMENTO DE SISTEMAS Y TELEMÁTICA
INVESTIGACIÓN DE OPERACIONES I
Docente:
ANIVAL TORRE CAMONES
Semestre: 2022-1
Semana 11
PROBLEMA DE ASIGNACIÓN
2
Recomendaciones
Orientaciones
Contraste
Practique Revise
Contenido
1 Problema de asignación
2 Modelo de asignación
3 Método Húngaro
4 Problemas
Problema de asignación
Destino
• El modelo de asignación busca
determinar un plan de asignación para
que cada trabajador realice una tarea al Tarea 1 Tarea 2 Tarea 3
menor costo total.
Origen
• Cuando a un trabajador i (=1,2,……,m) Trabajador 2 C21 C22 C23
se asigna a la Tarea j (=1,2,…..,n) X21 X22 X23
1
incurre en un costo Cij.
• Se debe tratar que n = m. Caso contrario Trabajador 3 C31 C32 C33
quedarán tareas por realizarse o X31 X32 X33 1
trabajadores sin tareas.
1 1 1
Problema de asignación
Destino
• El Modelo de asignación puede
considerarse como un caso especial del
modelo de transporte. Tarea 1 Tarea 2 Tarea 3
Origen
Trabajador 2 C21 C22 C23
• La demanda requerida en cada destino X21 X22 X23
1
es 1; esto es bj=1 para toda j.
Trabajador 3 C31 C32 C33
• El costo de “asignar” al trabajador i la X31 X32 X33
Tarea j es Cij.
1
1 1 1
Modelo de asignación
1, si al i-ésimo trabajador se
• Pasos: • Pasos:
Es un • 1. Identifique el menor de cada fila y • i Trace la menor cantidad de líneas
algoritmo réstelo a los valores de dicha fila horizontales o verticales que cubran
PASO 2a
matemático • 2. Identifique el menor de cada los valores ceros
Se aplica
que nos columna y réstelo a los valores de • ii Identifique el menor de los
cuando no
permite dicha columna números no cubiertos y réstelo a
se puede
resolver • 3. Asigne tomando en cuenta los todos los números no cubiertos,
asignar con
problemas casilleros donde se hallan los ceros. luego, sume este número a las
el paso 3.
de Recordando que a cada trabajador intersecciones y los demás
asignación se le asigna una tarea y cada tarea números cópielos sin cambiar.
debe ser realizado por un trabajador. • iii Repita el paso 3
Problema 1
Problema N°1
SOLUCIÓN
TAREAS
Podar Pintar Lavar Paso I Paso II Paso III
Boris 13 14 11 13 14 11 11 2 3 0 2 0 0
HIJOS Jhon 12 15 14 12 15 14 12 0 3 2 0 0 2
Karen 13 16 12 13 16 12 12 1 4 0 1 1 0
0 3 0
Respuesta
A Boris se le asigna Pintar 14
A Jhon se le asigna Podar 12
A karen se le asigna lavar 12
TOTAL 38
Problema 2
Problema N°2
Tar1 Tar2 Tar3 Tar4
Tra1 14 6 10 13 8 0 4 7
Tra2 10 8 12 6 2 4 2 6 0
7 14 10 14 0 7 3 7
Tra3
9 8 10 11 1 0 2 3
Tra4
SOLUCIÓN 0 0 2 0
14 6 10 13 6
8 0 2 7
10 8 12 6 6
1 3
4 2 4 0
7 14 10 14 7 0 7 1 7
9 8 10 11 8 1 0 0 3
Problema 2
Problema N°2
Tar1 Tar2 Tar3 Tar4
Respuesta
Tra1 14 6 10 13
Al trabajador 1 se le asigna la tarea 2 6
Tra2 10 8 12 6
Al trabajador 2 se le asigna la tarea 4 6
Tra3 7 14 10 14 Al trabajador 3 se le asigna la tarea 1 7
Tra4 9 8 10 11 Al trabajador 4 se le asigna la tarea 3 10
SOLUCIÓN 29
8 0 2 7
4 2 4 0
0 7 1 7
1 0 0 3
Problema 3
TAREAS
TRAB 1 2 3 4
1 12 13 16 18
2 18 15 10 20
3 12 11 11 12
4 15 16 17 14
12 13 16 18 12 0 1 4 6
18 15 10 20 10 8 5 0 10
12 11 11 12 11 1 0 0 1
15 16 17 14 14 1 2 3 0
0 0 0 0
0 0 0 0 7
20 14 6 10 22 6 14 8 0 4 16 14 8 0 2 14
16 8 22 20 10 8 8 0 14 12 2 8 0 14 10 0
8 6 24 14 12 6 2 0 18 8 6 2 0 18 6 4
20 22 2 8 6 2 18 20 0 6 4 18 20 0 4 2
4 16 22 6 24 4 0 12 18 2 20 0 12 18 0 18
0 0 0 2 2
Solución
20 14 6 10 22 6 14 8 0 4 16 14 8 0 2 14
Aplicando el
16 8 22 20 10 8 8 0 14 12 2 8 0 14 10 0 paso 2a
8 6 24 14 12 6 2 0 18 8 6 2 0 18 6 4
20 22 2 8 6 2 18 20 0 6 4 18 20 0 4 2
4 16 22 6 24 4 0 12 18 2 20 0 12 18 0 18
0 0 0 2 2 12 8 0 0 12
• Al empleado 1 se le asigna el trabajo 4 → 10 8 2 16 10 0
• Al empleado 2 se le asigna el trabajo 5 → 10
• Al empleado 3 se le asigna el trabajo 2 → 6 0 0 18 4 2
• Al empleado 4 se le asigna el trabajo 3 → 2
• Al empleado 5 se le asigna el trabajo 1 → 4 16 20 0 2 0
DISTANCIA MÍNIMA 32
0 14 20 0 18
Problema 6
PROBLEMA: Asignar las 4 tareas(columnas) a los 5 trabajadores (filas) según los costos
T1 T2 T3 T4 T5
Trabador1 6 5 7 12 0 0 2 0 0 3 0
Trabador2 7 7 9 11 0 0 3 2 2 2 0
Trabador3 5 6 7 10 0 0 1 1 0 1 0
Trabador4 4 5 8 9 0 0 0 0 1 0 0
Trabador5 6 6 10 11 0 0 2 1 3 2 0
4 5 7 9 0 Paso 2ª
Problema 6
PROBLEMA: Asignar las 4 tareas(columnas) a los 5 trabajadores (filas) según los costos
T1 T2 T3 T4 T5
Trabador1 6 5 7 12 0 0 2 0 0 3 0 2 0 0 3 1
Trabador2 7 7 9 11 0 0 3 2 2 2 0 2 1 1 1 0
Trabador3 5 6 7 10 0 0 1 1 0 1 0 1 1 0 1 1
Trabador4 4 5 8 9 0 0 0 0 1 0 0 0 0 1 0 1
Trabador5 6 6 10 11 0 0 2 1 3 2 0 1 0 2 1 0
4 5 7 9 0 Paso 2a
Problema 6
PROBLEMA: Asignar las 4 tareas(columnas) a los 5 trabajadores (filas) según los costos
T1 T2 T3 T4 T5
Trabador1 6 5 7 12 0 0 2 0 0 3 0 2 0 0 3 1 1 0 0 2 1
Trabador2 7 7 9 11 0 0 3 2 2 2 0 2 1 1 1 0 1 1 1 0 0
Trabador3 5 6 7 10 0 0 1 1 0 1 0 1 1 0 1 1 0 1 0 0 1
Trabador4 4 5 8 9 0 0 0 0 1 0 0 0 0 1 0 1 0 1 2 0 2
Trabador5 6 6 10 11 0 0 2 1 3 2 0 1 0 2 1 0 0 0 2 0 0
4 5 7 9 0 Paso 2a Paso 2a Paso 3
Ejemplo:
C1 C2 C3 C4 C5
Existen 5 operarios A, B, C, D y E para llevar a 5 cargos
Operario 1 5 3 7 3 5 3 2 0 4 0 2
F, G, H, I y J. La matriz de costos C que caracteriza al
Operario 2 5 6 12 7 9 5 0 1 7 2 4
problema de asignación es la siguiente:
Operario 3 2 8 3 4 6 2 0 6 1 2 4
F G H I J Operario 4 9 6 10 5 7 5 4 1 5 0 2
A 5 3 7 3 5 Operario 5 4 7 6 8 11 4 0 3 2 4 7
B 5 6 12 7 9 0 0 1 0 2
C 2 8 3 4 6 2 0 3 0 0
D 9 6 10 5 7 0 1 6 2 2
0 6 0 2 2
E 4 7 6 8 11
4 1 4 0 0
Se pide resolver al problema de asignación usando el 0 3 1 4 5
Método Húngaro
Problema 6
Ejemplo:
C1 C2 C3 C4 C5
Existen 5 operarios A, B, C, D y E para llevar a 5 cargos
Operario 1 5 3 7 3 5 3 2 0 4 0 2
F, G, H, I y J. La matriz de costos C que caracteriza al
Operario 2 5 6 12 7 9 5 0 1 7 2 4
problema de asignación es la siguiente:
Operario 3 2 8 3 4 6 2 0 6 1 2 4
F G H I J Operario 4 9 6 10 5 7 5 4 1 5 0 2
A 5 3 7 3 5 Operario 5 4 7 6 8 11 4 0 3 2 4 7
B 5 6 12 7 9 0 0 1 0 2
C 2 8 3 4 6 2 0 3 0 0 3 0 3 0 0
D 9 6 10 5 7 0 1 6 2 2 0 0 5 1 1
0 6 0 2 2 1 6 0 2 2
E 4 7 6 8 11
4 1 4 0 0 5 1 4 0 0
Se pide resolver al problema de asignación usando el 0 3 1 4 5 0 2 0 3 4
Método Húngaro
Al Operador 1 Se le asigna el cargo 5 El costo es 5
Al Operador 2 Se le asigna el cargo 2 El costo es 6
Al Operador 3 Se le asigna el cargo 3 El costo es 3
Al Operador 4 Se le asigna el cargo 4 El costo es 5
Al Operador 5 Se le asigna el cargo 1 El costo es 4
COSTO TOTAL 23
Maximizar
PROBLEMA. Asignar a los trabajadores (filas) las tareas (columnas) tomando en cuenta la productividad.
12 16 24 8 2 -12 -16 -24 -8 -2 -24 12 8 0 16 22
6 8 20 14 6 -6 -8 -20 -14 -6 -20 14 12 0 6 14
10 6 16 18 12 -10 -6 -16 -18 -12 -18 8 12 2 0 6
2 4 2 24 20 -2 -4 -2 -24 -20 -24 22 20 22 0 4
7 10 6 5 18 -7 -10 -6 -5 -18 -18 11 8 12 13 0
8 8 0 0 0
27
UNIVERSIDAD NACIONAL DE INGENIERÍA
FACULTAD DE INGENIERÍA INDUSTRIAL Y DE SISTEMAS
DEPARTAMENTO DE SISTEMAS Y TELEMÁTICA
INVESTIGACIÓN DE OPERACIONES I
Docente:
ANIVAL TORRE CAMONES
Semestre: 2022-1
Semana 13
PROGRAMACIÓN
ENTERA
2
Recomendaciones
Orientaciones
Contraste
Practique Revise
Contenido
Solución
1,9
No tiene solución óptima No integer solution
was found
1,25 porque no tiene región
factible..
-5 1 2 3 4 5 6,4 X1
Problema 4
X2
13,13 i) Graficando las restricciones iv) Hallando la solución
MAX 12X1 + 4X2 12 30X1+8X2=105 óptima. Trabajamos con
SUJETO A Si X1=0→X2=13,13 las soluciones factibles:
30X1 + 8X2 ≤ 105 11 Si X2=0→X1=3,5 (3,1) Z=12(3)+4(1)=40
4X1 + 4X2 ≤ 21 10 4X1+4X2=21 (2,3) Z=12(2)+4(3)=36
4X2 ≤ 17 9 Si X1=0→X2=5,25 Por lo tanto, la solución
X1, X2 ≥ 0, Enteras Si X2=0→X1=5,25 óptima es: X1=3 X2=1
8
4X2=17 El valor que toma la F.O.
7 X2=4,25 es: Z= 40
iii) Graficando la F.O
6 12X1+4X2=12
5 Si X1=0 →X2=3
4 Si X2=0 → X1=1
3 MAX 12X1 + 4X2
OBJECTIVE FUNCTION VALUE
ST
2 30X1 + 8X2 <= 105 1) 40.00000
4X1 + 4X2 <= 21 VARIABLE VALUE REDUCED COST
1 4X2 ≤ 17 X1 3.000000 -12.000000
END
GIN X1 X2 1.000000 -4.000000
X1 GIN X2
Problema 5
0,5
MAX X1 - X2
0.25 0,5 1 1,5 2 ST
-0.25 X1 2X1 - 2X2<= 1 NO INTEGER SOLUTION
-0.5 WAS FOUND.
-4X1 + 4X2<= -1
RESPUESTA END
No tiene solución óptima, GIN X1
porque no hay región factible. GIN X2
Problema 7
X2 Max 8 X1 + 4 X2
10 Sujeto a 2 X1 + X2 10
X1 + 3 X2 14
8 X1 + X2 6
6 X1 , X2 0
2 SOLUCIÓN OPTIMA
X1=4 X1=4.5 X1=5
2 4 6 8 10 12 14
X1 X2=2 X2=1 X2=0
Z=40 Z=40 Z=40
Problema 8
PEP PLE
Tipos de modelos para
programación lineal entera
MIN Z=60(X1+X2+X3+X4+X5+X6+X7)+200(Y1+Y2)
S.A.
X1+Y1>=15
X1+X2+Y1>=18
X2+X3+Y1>=21
X3+X4+Y1>=24
X4+X5+Y2>=27
X5+X6+Y2>=25
X6+X7+Y2>=15
X7+Y2>=15
Y1+Y2>=0,5(X1+X2+X3+X4+X5+X6+X7+Y1+Y2)
Xi, Yj >= 0, ENTEROS
Problema 1
MIN
60X1+60X2+60X3+60X4+60X5+60X6+60X7+200Y1+200Y2
ST
X1+Y1>=15
X1+X2+Y1>=18
X2+X3+Y1>=21
X3+X4+Y1>=24 1) 7160.000
X4+X5+Y2>=27 VARIABLE VALUE REDUCED COST
X5+X6+Y2>=25 X1 5.000000 60.000000
X6+X7+Y2>=15 X2 0.000000 60.000000
X7+Y2>=15 X3 9.000000 60.000000
-0.5X1-0.5X2-0.5X3-0.5X4-0.5X5-0.5X6- X4 2.000000 60.000000
0.5X7+0.5Y1+0.5Y2>=0 X5 10.000000 60.000000
END X6 0.000000 60.000000
GIN X1 X7 0.000000 60.000000
GIN X2 Y1 13.000000 200.000000
GIN X3 GIN X4 GIN X5 Y2 15.000000 200.000000
GIN X6 GIN X7 GIN Y1 GIN Y2
Problema 3
El Banco BBVA está preparando su plan de inversiones Debido a regulaciones, al Banco BBVA no se le permite
para los próximos dos años. Actualmente, la empresa tiene pedir préstamos directos. Pero si que puede, cada seis
1,5 millones de dólares para invertir y espera ingresar, meses, invertir sus fondos excedentes (es decir, aquellos
gracias a inversiones pasadas, un flujo de dinero al final de que no ha invertido en ningún proyecto) en un fondo que le
los meses, 6 12 y 18 próximos. Por otra parte, la empresa daría un 7% cada seis meses.
quiere expandirse y tiene dos propuestas sobre la mesa. La Por otro lado, BBVA puede participar en cada uno de los
primera es asociarse con la empresa Minera San Cristobal proyectos con un nivel inferior al 100% y,
y la segunda con la empresa Gravetal S.A. En el Cuadro se consecuentemente, el flujo de caja se reducirá en la misma
muestra el flujo de caja (miles de dólares)del Banco BBVA proporción. Es decir, que si decide entrar por ejemplo con
si entrara con un 100% en cada uno de los proyectos. el 50% en el proyecto de Gravetal, el flujo correspondiente
Inicial 6 12 18 24 también se reducirá en la misma proporción.
meses meses meses meses El problema que se plantea BBVA es cuanto invertir en
Inversiones 500 400 380 cada proyecto para maximizar el dinero en efectivo que
pasadas tendrá la empresa en dos años
SOLUCIÓN: Análisis
La empresa dispone de 1,5 millones de dólares hoy (periodo También el dinero depositado en el fondo en el periodo
0) y las quiere gastar considerando las opciones siguientes: anterior estará a disposición junto con los intereses: S0 +
1. Participar en el proyecto Minera San Cristobal, que 0,07S0 .
implicaría desembolsar 1000000X1 dólares en el periodo 0; Por otra parte, el proyecto Gravetal SA dará una entrada
de dinero igual a 500000X2. Con este dinero tendrá que
2. Participar en el proyecto Gravetal SA, teniendo que gastar hacer frente al compromiso adquirido con Minera San
800000X2; Cristobal, 700000X1, y depositar lo que quede al 7% una
Formulación
3. Depositar el dinero al 7% (0 ≤ X1 ≤ 1, 0 ≤ X2del vez más. En términos matemáticos:
≤ 1). problema
500 + 500X2 + 1,07S0 = 700X1 + S6
Estas opciones no son excluyentes entre ellas. Por lo tanto, En el periodo 12, la empresa recibirá 400000 dólares, de
se tiene que cumplir la siguiente ecuación de equilibrio: inversiones anteriores, y 1800000X1 del proyecto Minera
1500 000 = 1000 000X1 + 800000X2 + S0 San Cristobal y el dinero del fondo junto con los intereses.
Al cabo de seis meses, la empresa ingresará 500000 Con estos ingresos tendrá que cubrir el compromiso del
dólares, gracias a inversiones realizadas anteriormente. proyecto Gravetal SA, 200X2 y depositar S12 en el fondo.
En términos matemáticos:
400 + 1800X1 + 1,07S6 = 200X2 + S12
Problema 12
SOLUCIÓN: Análisis
En el periodo 18, los ingresos que tendrá la empresa vendrán Identificación de las variables
de inversiones anteriores (380000), del proyecto Minera San X1= Porcentaje de participación en el proyecto Minera San
Cristobal (400000X1) y del depósito realizado en el periodo Cristobal
anterior incluyendo los intereses (1,07S12 ). Con este dinero X2= Porcentaje de participación en el proyecto Gravetal S.A.
tendrá que realizar un gasto de 700000X2 en el proyecto Si =Dinero que se depositará en el fondo del periodo i (i= 0,
Gravetal y el resto puede volver a ponerlo en el fondo (S18). 6 12 y 18 )
Es decir: 380 + 400X1 + 1,07S12 = 700X2 + S18
Identificación de la Función objetivo
Finalmente, al cabo de dos años (periodo 24), el BISA tendrá Max 600X1 + 2.000X2 + 1,07S18
únicamente ingresos y no tendrá ningún gasto. Los ingresos
provienen de los dos proyectos (600.000X1 + 2.000.000X2) y Identificación de las resticciones
del dinero depositado en el periodo anterior, 1,07 S18. 1000X1 + 800X2 + S0 = 1.500
700X1 -500X2 -1,07S0 + S6 = 500
La Función objetivo es Maximizar los ingresos al cabo de dos
-1.800X1 + 200X2 -1,07S6 + S12 = 400
años. Los ingresos realizados en el periodo 24 en miles de
dólares, tendremos que: MAX 600X1+2000X2+ 107S18 -400X1 + 700X2 -1,07S12 + S18 = 380
X1 ≤ 1 ; X2 ≤ 1 ;
Finalmente, como solo se puede invertir un máximo de 100% X1, X2, S0, S6, S12, S18 ≥ 0
en cada proyecto, las variables X1 y X2 no pueden exceder
la unidad. X1 ≤ 1 X2 ≤ 1
Seamos dueños de nuestro
propio destino
43
UNIVERSIDAD NACIONAL DE INGENIERÍA
FACULTAD DE INGENIERÍA INDUSTRIAL Y DE SISTEMAS
DEPARTAMENTO DE SISTEMAS Y TELEMÁTICA
INVESTIGACIÓN DE OPERACIONES I
Docente:
ANIVAL TORRE CAMONES
Semestre: 2022-1
Semana 14
PROGRAMACIÓN BINARIA
2
Recomendaciones
Orientaciones
Contraste
Practique Revise
Contenido
3 Problemas
Definición
MAX A + B + C + D + E + F +G + H
SUBJECT TO 1) 3.000000
A + B + C <= 1
C + D <= 1 VARIABLE VALUE REDUCED COST
D + E + F <= 1
E + F + G <= 1 A 1.000000 -1.000000
G + H <= 1 B 0.000000 -1.000000
END C 0.000000 -1.000000
INT A D 1.000000 -1.000000
INT B E 0.000000 -1.000000
INT C
F 0.000000 -1.000000
INT D
G 1.000000 -1.000000
INT E
H 0.000000 -1.000000
INT F
INT G
INT H
Problema 2
MAX
Una empresa de transportes debe decidir qué artículos debe Identificación de las variables
7T1+20T2+25T3+10T4+4
transportar en su primer viaje. El peso de cada artículo y la Ti=Tipo de artículo
0T5+30T6+15T7+9T8
utilidad que generaría, en caso que sea transportado, se {Ti=0 No viaja, Ti=1 Viaja}
ST
muestran a continuación: Identificación de la F. O. 2T1+3T2+5T3+2T4+6T5+
Tipo de Artículo 1 2 3 4 5 6 7 8 MAX 7T1+20T2+25T3+10T4+40T5+ 5T6+3T7+1T8<=13
Peso (t) 2 3 5 2 6 5 3 1 30T6+15T7+9T8 T2-T3=0
Utilidad (Miles de $) 7 20 25 10 40 30 15 9 Identificación de las restricciones T7+T8<=1
2T1+3T2+5T3+2T4+6T5+5T6+3T7+ END
Para el transporte, debe tener en cuenta que: 1T8<=13 INT T1
· La empresa posee un camión cuya capacidad de carga T2=T3 INT T2
es 13 toneladas. T7+T8<=1 INT T3
· Si se transporta el artículo 2, entonces se transporta el Ti>=0, BINARIO
OBJECTIVE FUNCTION VALUE
INT T4
artículo 3. 1) 80.0 INT T5
VARIABLE VALUE REDUCED COST
· Por razones de volumen, si se transporta el artículo 7 T1 0.000000 -7.000000
INT T6
entonces no se transporta el artículo 8. T2 0.000000 -20.000000 INT T7
T3 0.000000 -25.000000
Defina las variables de decisión y formule el modelo de T4 1.000000 -10.000000
INT T8
programación lineal que le permita a la empresa maximizar T5 1.000000 -40.000000
T6 1.000000 -30.000000
su utilidad total T7 0.000000 -15.000000
T8 0.000000 -9.000000
Problema 3
MAX 9X1+12X2+18X3+20X4+25X5
ST
2X1+3X2+2X3+1X4+3X5>=7
2X1+5X2+2X3+4X4+2X5>=5
3X1+1X2+3X3+4X4+3X5<=8
END
INT X1
INT X2
INT X3
INT X4
Tipo de Unidades del Unidades del Unidades del INT X5
proyecto Recurso 1 Recurso 2 Recurso 3
OBJECTIVE FUNCTION VALUE
1 2 2 3 1) 57.00000
2 3 5 1 VARIABLE VALUE REDUCED COST
X1 0.000000 -9.000000
3 2 2 3 X2 1.000000 -12.000000
4 1 4 4 X3 0.000000 -18.000000
X4 1.000000 -20.000000
5 3 2 3
X5 1.000000 -25.000000
Problema 6
Localización de fábricas
El servicio de estudios de una compañía pretende construir Identificación de las variables
nuevas fábricas en las ciudades A y B. Desea, además, Xi= 1 si se construye la fabrica o almacén i
construir a lo sumo un nuevo almacén, pero éste debe hacerse 0 en otro caso
en una de las ciudades donde se construya una fábrica. La tabla X1= Fábrica A, X2= Fábrica B,
proporciona el valor actual neto, el coste de la inversión , ambos X3= Almacén A, X4= Almacén B.
en cientos de millones de soles. Y el impacto ambiental, en una Identificación de la Función objetivo
escala subjetiva de 0 a 9, de cada una de las construcciones . El MAX 9X1+5X2+6X3+4X4
presupuesto de la inversión es de 10 millones de soles. Identificación de las restricciones
Construcción de a lo sumo un almacén
Construcción Valor Coste de Impacto
X3+X4 <= 1
actual neto inversión ambiental
Límite presupuestario de inversión
Fábrica A 9 6 3
6X1+3X2+5X3+2X4 <= 10
Fábrica B 5 3 7 Sólo se puede construir un almacén A o B si se
Almacén en A 6 5 2 construye una fábrica en A o B
Almacén en B 4 2 1 X3<=X1
X4<=X2
Se pide formular y resolver un programa 0-1 que Xi>=0, BINARIO
proporciones la inversión de máximo valor actual neto.
Problema 5
MAX 9X1+5X2+6X3+4X4
ST
X3+X4<=1 1) 14.00000
6X1+3X2+5X3+2X4<=10
X3-X1<=0 VARIABLE VALUE REDUCED COST
X4-X2<=0 X1 1.000000 -9.000000
END X2 1.000000 -5.000000
INT X1 X3 0.000000 -6.000000
INT X2 X4 0.000000 -4.000000
INT X3
INT X4
Problema Propuesto
Un almacenero debe elegir entre 7 objetos para su trasporte, utilizando
para ello determinado tipo de caja. La valoración (en puntos), el peso
(en kilogramos) y el volumen (en centímetros cúbicos) de cada objeto,
se indican en la siguiente tabla:
El almacenero estima que los objetos 5 y 6 son incompatibles sí.
Además, el objeto 7 solo se puede seleccionar si previamente se ha
seleccionado el objeto 1.
a) Formular un modelo lineal 0-1, que permita al almacenero conocer
los objetos que debe introducir en la caja, teniendo en cuenta que
el peso total no debe exceder de 12 kilogramos, a fin de maximizar
la valoración de los objetos elegidos.
b) En el caso de existir otra limitación de volumen de 30 centímetros
cúbicos, formular el nuevo programa lineal 0-1.
Objeto Valoración Peso Volumen
1 60 2 9
2 70 1 7
3 90 1 8
4 100 4 10
5 40 3 2
6 50 2 4
7 60 4 3
Seamos dueños de nuestro
propio destino
18
UNIVERSIDAD NACIONAL DE INGENIERÍA
FACULTAD DE INGENIERÍA INDUSTRIAL Y DE SISTEMAS
DEPARTAMENTO DE SISTEMAS Y TELEMÁTICA
INVESTIGACIÓN DE OPERACIONES I
Docente:
ANIVAL TORRE CAMONES
Semestre: 2022-1
Semana 15
PROGRAMACIÓN
POR METAS
2
Recomendaciones
Orientaciones
Contraste
Practique Revise
Contenido
4 Aplicaciones
¿Por qué no solamente utilizar
programación lineal?
¿Metas?
¿Prioridad?
Modelos de programación por metas
Planificado
Logrado
• No es posible alcanzar todas las metas
La programación por metas intenta
alcanzar un NIVEL SATISFACTORIO de
múltiples objetivos.
Esta foto de Autor desconocido está bajo licencia CC BY
PROGRAMACIÓN LINEAL POR METAS
Definición
• Todas las metas se
incluyen en una sola
Programación función objetivo y
lineal puede que no sea
factible incluir todas las
metas.
Definición
1 VARIABLES
RESTRICCIONES Variables de decisión y
Identifique las metas 2 variables de desviación.
14
Características
Programación
por metas
Las metas se El modelo se puede
satisfacen en resolver usando
secuencia ordinal. cualquier método.
Maneja problemas
de decisión con
más de una meta.
Definiciones básicas
Ejemplo 1:
• Indican cuánto producir,
vender, comprar; cuántas Se desea obtener por lo menos una
personas contratar, qué
Variables de utilidad de $200 000
turno u horario, qué tarea
decisión: asignar a una persona,
cuánto almacenar, cuánto Solución:
trasladar. Xij, Yjk, X, Y, Wi
META
V. de Desviación
$200 000
por Debajo • D1, D2, D3……Dn $180 000 $230 000
(Defecto): (Utilidad)
V. de Desviación No D1 E1
• E1, E2, E3,……En
por Encina deseada
Por DEBAJO Por ENCIMA
(Exceso):
de la meta de la meta
VARIABLES
Ejemplo 2: Ejemplo 3:
Solución: Solución:
META META
1000 500
700 (Clientes atendidos) 1100 400 (horas hombre) 600
D1 E1 No No D1 E1 No
deseada deseada deseada
Por DEBAJO Por ENCIMA Por DEBAJO Por ENCIMA
de la meta de la meta de la meta de la meta
RESTRICCIONES
Ejemplos:
• Contiene las Minimizar E1+D2
Siempre será
variables de
de Minimizar D1+D2+D3
desviación
minimización
“No deseadas” Minimizar P1(D1),P2(E2),P3(D3+E3)
P1 = Prioridad 1
P2 = Prioridad 2
P3 = Prioridad 3
FUNCIÓN OBJETIVO
RESTRICCIONES META
D1 = Desviación por debajo (Defecto)
E1 = Desviación por Encima (Exceso)
Defina dos variables
desviacionales no negativas por
cada restricción meta.
META
MIN=30*E1+25*D2;
!Restricciones meta1;
0.5*X1+0.25*X2 +D1 – E1=700; LINGO
!Restricciones meta2;
3*X1+5*X2 +D2-E2 =9000;
!Restricciones dura;
25*X1+50*X2 <=80000;
END
Riesgo A B
C D Informe administrativo
Rendimiento
unidades de material y 6 horas de mano de obra, por (u/U) (U) OBRA (h/U) ($/U)
39
UNIVERSIDAD NACIONAL DE INGENIERÍA
FACULTAD DE INGENIERÍA INDUSTRIAL Y DE SISTEMAS
DEPARTAMENTO DE SISTEMAS Y TELEMÁTICA
INVESTIGACIÓN DE OPERACIONES I
Docente:
ANIVAL TORRE CAMONES
Semestre: 2021-3
Semana 11
PROBLEMA DE REPASO
2
Recomendaciones
Orientaciones
Contraste
Practique Revise
PROBLEMA 1
MIN E1
ST LINDO OBJECTIVE FUNCTION VALUE
!Restricciones meta 1
X1+2X2 + D1 – E1 = 300 1) 0.0000000E+00
!Restricciones dura
VARIABLE VALUE REDUCED COST
END E1 0.000000 1.000000
X1 300.000000 0.000000
X2 0.000000 0.000000
D1 0.000000 0.000000
LINDO Parte 2
MIN D2
ST LINDO OBJECTIVE FUNCTION VALUE
!Restricciones meta 1
X1+2X2 + D1 – E1 = 300 1) 0.0000000E+00
E1=0
VARIABLE VALUE REDUCED COST
!Restricciones meta 2 D2 0.000000 1.000000
1000X1 + 3000X2 + D2 – E2 = 400000 X1 0.000000 0.000000
!Restricciones dura X2 133.333328 0.000000
END D1 33.333332 0.000000
E1 0.000000 0.000000
E2 0.000000 0.000000
LINDO Parte 3
MIN D3+E3
ST LINDO OBJECTIVE FUNCTION VALUE
!Restricciones meta 1
X1+2X2 + D1 – E1 = 300 1) 200.0000
E1=0
VARIABLE VALUE REDUCED COST
!Restricciones meta 2 D3 200.000000 0.000000
1000X1 + 3000X2 + D2 – E2 = 400000 E3 0.000000 2.000000
D2=0 X1 100.000000 0.000000
!Restricciones meta 3 X2 100.000000 0.000000
D1 0.000000 2.000000
X1 +X2 + D3 – E3 = 400
E1 0.000000 0.000000
!Restricciones dura D2 0.000000 0.000000
END E2 0.000000 0.001000
LINDO Parte 4
MIN E4
ST LINDO OBJECTIVE FUNCTION VALUE
X1+2X2 + D1 – E1 = 300 !Meta 1
E1=0 1) 0.0000000E+00
1000X1 + 3000X2 + D2 – E2 = 400000 !Meta 2
VARIABLE VALUE REDUCED COST
D2=0 E4 0.000000 1.000000
X1 +X2 + D3 – E3 = 400 !Meta 3 X1 100.000000 0.000000
D3=200 X2 100.000000 0.000000
E3=0 D1 0.000000 0.000000
E1 0.000000 0.000000
X1 + D4 – E4 = 300 !Meta 4
D2 0.000000 0.000000
!Restricciones dura E2 0.000000 0.000000
END D3 200.000000 0.000000
E3 0.000000 0.000000
D4 200.000000 0.000000
LINDO Parte 5
MIN E1+D2+D3+E3+E4+E5
ST LINDO OBJECTIVE FUNCTION VALUE
X1+2X2 + D1 – E1 = 300 !Meta 1 1) 133.3333
1000X1 + 3000X2 + D2 – E2 = 400000 !Meta 2 VARIABLE VALUE REDUCED COST
X1 +X2 + D3 – E3 = 400 !Meta 3 E1 66.666664 0.000000
D2 0.000000 0.999667
X1 + D4 – E4 = 300 !Meta 4 D3 66.666664 0.000000
X2 + D5 – E5 = 200 !Meta 5 E3 0.000000 2.000000
!Restricciones dura E4 0.000000 0.666667
END E5 0.000000 1.000000
X1 300.000000 0.000000
X2 33.333332 0.000000
D1 0.000000 1.000000
E2 0.000000 0.000333
D4 0.000000 0.333333
D5 166.666672 0.000000
Informe administrativo
MIN 5E1+4D2+3D3+3E3+2E4+2E5
OBJECTIVE FUNCTION VALUE
ST LINDO 1) 533.3333
X1+2X2 + D1 – E1 = 300 !Meta 1 VARIABLE VALUE REDUCED COST
1000X1 + 3000X2 + D2 – E2 = 400000 !Meta 2 E1 66.666664 0.000000
X1 +X2 + D3 – E3 = 400 !Meta 3 D2 0.000000 3.997667
X1 + D4 – E4 = 300 !Meta 4 D3 66.666664 0.000000
E3 0.000000 6.000000
X2 + D5 – E5 = 200 !Meta 5 E4 0.000000 1.666667
!Restricciones dura E5 0.000000 2.000000
END X1 300.000000 0.000000
X2 33.333332 0.000000
D1 0.000000 5.000000
E2 0.000000 0.002333
D4 0.000000 0.333333
D5 166.666672 0.000000
Informe administrativo
Una empresa produce semanalmente dos tipos de • No utilizar más de 120 horas de
productos A y B. sabemos que para fabricar el producto Meta 1: trabajo en la fabricación de los
productos A y B.
A se necesitan 4 horas y para el producto B, 3 horas.
• La empresa quiere obtener un
Además sabemos que se obtiene 100 euros y 150 euros Meta 2:
beneficio de al menos 7000 euros.
respectivamente como beneficio del producto A y B. • Fabricar al menos 40 productos
Meta 3:
Para la producción de estos productos se necesita de del tipo A.
cierto material, el cual se debe comprar como mínimo 50 • Fabricar al menos 40 productos
Meta 4:
litros por semana. En concreto, para producir A se del tipo B.
necesita 2 litros y para producir B 1 litro del material
anteriormente mencionado. Además la empresa tiene SOLUCIÓN
problemas con los tiempos disponibles para el uso de la
maquinaria y por ello en una semana solo se pueden Tipo de Tiempo (Hr.) Beneficio Material
fabricar 75 productos. producto
Además dicha empresa desea satisfacer las siguientes A 4 100 2
metas:
B 3 150 1
>=50
Problema 2
1. VARIABLES: 3. RESTRICCIONES META:
X1 = Cantidad de Producto A que se produce semanalmente.
Meta 1: Min E1 No utilizar más de 120 horas.
X2 = Cantidad de Producto B que se produce semanalmente
4X1+3X2 + D1 – E1 = 120 Horas
Di = Desviaciones por debajo. Ei = Desviaciones por encima
Meta 2: Min D2 Obtener al menos 7000.
2. METAS: 100X1 + 150X2 + D2 – E2 = 7000 Beneficio
Meta 1: No utilizar más de 120 horas de trabajo en la Meta 3: Min D3 Al menos 40 productos del tipo A.
fabricación de los productos A y B. X1 + D3 – E3 = 40 Producción
Meta 2: La empresa quiere obtener un beneficio de al Meta 4: Min D4 Al menos 40 productos del tipo B.
menos 7000 euros. X2 + D4 – E4 = 40 Capacidad
Meta 3: Fabricar al menos 40 productos del tipo A.
Meta 4: Fabricar al menos 40 productos del tipo B. 5. FUNCIÓN OBJETIVO:
MIN = P1 (E1) + P2 (D2)+P3(D3)+P4(D4)
4. RESTRICCIONES DURAS:
2X1+X2>=50
X1+X2<=75
Xi, Dj,Ej >=0
https://www.youtube.com/watch?v=0jXUyYamkHQ Problema 2
MIN E4
ST
114X1+94X2 + D1 – E1 = 80000
META 4
E1=0
0,45X1 + 0,35X2 + D2 – E2 = 1260
D2= 944.210510 NO HAY SOLUCIÓN EN LA META 3. NO HAY SOLUCIÓN EN LA META 4.
E2=0
0,18X1 + 0,36X2 + D3 – E3 = 1000
0,3X1 + 0,2X2 + D4 – E4 = 500
END
Informe administrativo
UNIVERSAL TEXTIL fabrica tiendas de campaña TIPO Material (m) Producción(min) Ganancia
grande y pequeña. Las tiendas grandes Grande 10 15 90
requieren 10 metros cuadrados de material, 15 Pequeña 6 7,5 70
minutos en la máquina de coser y aportar a la Disponibil. 15000 25000
compañía una ganancia de $ 90. Las tiendas
Identificación de las Variables
pequeñas utilizan 6 metros cuadrados de
material, 7,5 minutos en la máquina de coser y L= Número de tiendas de campaña Grande
producen una ganancia de $ 70. En el presente S= Número de tiendas de campaña Pequeño
trimestre hay 15000 metros cuadrados de
Identificación de la Función Objetivo:
material y 25000 minutos de tiempo de máquina
disponibles. Dado que el número de tiendas MAX 90L+70S
grandes debe ser de al menos la mitad de la Identificación de las restricciones:
cantidad de tiendas pequeñas. Se pide:
a) Desarrollar el modelo matemático para 10L + 6S ≤15000
determinar cuántas tiendas grandes y cuántas 15L + 7,5S ≤25000
pequeñas se deben fabricar. 2L - S ≥0
b) Resolver el modelo usando el Método Gráfico.
L, S ≥0 , ENTERAS
Problema 1
M1 M2 M3 M4
25 20 28 30 25 20 28 30 0 1 0 3 7 0 1 0 3 7 2 1 0 3 7 3
24 22 25 23 24 22 25 23 0 0 2 0 0 0 0 2 0 0 2 0 2 0 0 3
30 30 28 25 30 30 28 25 0 6 10 3 2 0 4 8 1 0 0 4 8 1 0 1
38 32 30 30 38 32 30 30 0 14 12 5 7 0 12 10 3 5 0 11 9 2 4 0
40 40 28 30 40 40 28 30 0 16 20 3 7 0 14 18 1 5 0 13 17 0 4 0
24 20 25 23 0 Paso 2a Paso 3
COSTO TOTAL 97
Problema 6
Un fabricante elabora un producto en tres plantas y lo Identificación de las variables
distribuye a través de cuatro almacenes de servicio al Xij = Cantidad de producto de la planta i, que se van a
mercado. Formule y resuelva el modelo matemático. distribuir en el almacenj
Identificación de la F.O.
MAX 1X11 +1.1X12 +1X13 +0,6X14
+1X21 +1.1X22 +1X23 +0,6X24
+1X31 +1.1X32 +1X33 +0,6X34
-0.40X11-0.40X12 -0.40X13 -0.40X14
-0.35X11-0.35X12 -0.35X13 -0.35X14
-0.45X11-0.45X12 -0.45X13 -0.45X14
-0.20X11-0.20X12 -0.30X13 -0.30X14
-0.20X21-0.10X22 -0.35X23 -0.40X24
-0.40X11-0.30X12 -0.20X13 -0.20X14
Identificación de las restricciones
X11+X12+X13+X14<=40000
SOLUCIÓN X21+X22+X23+X24<=30000
1 2 3 4 X31+X32+X33+X34<=45000
X11+X21+X31>=40000
A X11 X12 X13 X14 X12+X22+X32>=10000
B X21 X22 X23 X24 X13+X23+X33>=20000
C X31 X32 X33 X34 X14+X24+X34>=25000
Xij>=0
Problema 7
X11+X21+X31>=40
X12+X22+X32>=40
X13+X23+X33>=20
Xij>=0
MAX 60X11 +53X12 +50X13 OBJECTIVE FUNCTION VALUE
+54X21 +52X22 +58X23
+53X31 +47X32 +44X33 1) 6600.000
ST
X11+X12+X13<=40 VARIABLE VALUE REDUCED COST
X21+X22+X23<=40 X11 40.000000 0.000000
X31+X32+X33<=40 X12 0.000000 1.000000
X11+X21+X31>=40 X13 0.000000 10.000000
X12+X22+X32>=40 X21 0.000000 4.000000
X13+X23+X33>=20 X22 0.000000 0.000000
X23 40.000000 0.000000
X31 0.000000 0.000000
X32 40.000000 0.000000
X33 0.000000 9.000000
CI fabrica contenedores de muchos tamaños y
formas. Recientemente ha recibido pedidos para
producir diversas cantidades de contenedores de
cocinas de cinco diferentes tamaños. Cada
tamaño de contenedor puede producirse en
cualquiera de cuatro máquinas. Debido a las
distintas tecnologías y tiempo de disposición
necesarias para procesar cada tamaño de
contenedor en cada máquina varía como se
muestra en la tabla.
Adecuar una máquina para que cambie el tamaño de un contenedor toma largo tiempo, así que la
gerencia ha decidido que cada máquina producirá contenedores de un solo tamaño. Por tanto, sólo se
producirán cuatro de los cinco tamaños en las cuatro máquinas disponibles dentro de la fecha límite
designado. Como los ingresos por cada tamaño de contenedor son aproximadamente iguales, a la
gerencia CI le es indiferente en cuanto a cuál de los cinco pedidos no satisfacer.
Como gerente del departamento de producción, se le hace el pedido de determinar cuáles cuatro de los
cinco pedidos aceptar y desarrollar un plan de producción que minimice el tiempo de procesamiento total
para satisfacer esos pedidos.
Solución Problema 5:
La demanda de un motor especial, pequeño, en los próximos 5 períodos es de
200, 150, 300, 250 y 400 unidades. El fabricante que surte los motores tiene
capacidades diferentes de producción que se estiman en 180, 230, 430, 300 y
300 unidades para los cinco períodos. No se pueden surtir los pedidos con
retraso, en caso necesario, el fabricante puede ocupar tiempo extra para cubrir la
demanda. La capacidad por tiempo extra, en cada período, se estima igual a la
mitad de la capacidad de la producción regular. Los costos de producción por
unidad en los cinco períodos son 100, 96, 115, 102 y 105 u.m., respectivamente.
El costo del tiempo extra por motor es 50% mayor que el costo de producción
regular. Si se produce un motor ahora, para usarse en períodos posteriores, se
tendrá un costo adicional de almacenamiento de 4 u.m. por motor y período.
Formule el problema como un modelo de transporte.
Seamos dueños de nuestro
propio destino
45