Universidad Mariano Gálvez De Guatemala

Facultad de Ingeniería en Sistemas

Centro Universitario Chimaltenango
Carrera: Ingeniería en Sistemas de Información
Y Ciencias De la Computación
Curso: Investigacion de Operaciones
Catedrático: : Lic. Francisco Rafael Gonzales
Flores

“Proyecto Final”
Método lineal y simplex

Alumnos
Nombre y Carnet:
Surín Lopez, Harold Nicomedes 1990-20-20700
Tuyuc Sanic, Jose Benjamin 1990-15-22570
De la Cruz Avila, Brandon Miguel 1990-18-4526
Sequen Urlao, Auner Ivan 1990-11-17083
Chonay Ruyan, Jaime Orlando 1990-17-16745

Chimaltenango, noviembre 5 de 2022

1
 INDICE

Introducción.......................................................................................................................................4
PROGRAMACIÓN LINEAL....................................................................................................................5
Áreas de aplicación........................................................................................................................5
Tipos de soluciones en la programación lineal:..............................................................................5
 Factibles:............................................................................................................................5
 No factibles.........................................................................................................................5
Elementos de la programación lineal:............................................................................................6
Función objetivo:........................................................................................................................6
Variables:....................................................................................................................................6
Las restricciones:........................................................................................................................6
Parámetros:................................................................................................................................6
Políticas:.....................................................................................................................................6
METODO SIMPLEX..............................................................................................................................6
Preparando el modelo para adaptarlo al método Simplex.............................................................7
Objetivo de maximización..........................................................................................................7
Objetivo de minimización............................................................................................................8
Construcción de la primera tabla:..................................................................................................8
Condición de parada:.....................................................................................................................9
Elección de la variable que entra a la base:....................................................................................9
Elección de la variable que sale de la base:....................................................................................9
Elemento pivote:..........................................................................................................................10
Actualización de la tabla:..............................................................................................................10
CONTENIDOS PARTE PRACTICA O APLICACIÓN EN LA EMPRESA:.............................11
Método simplex...............................................................................................................................17
Conclusiones..................................................................................................................................23
Recomendaciones.........................................................................................................................24
Bibliografica / egrafica...................................................................................................................25
GLOSARIO.........................................................................................................................................26
ANEXOS............................................................................................................................................29

2
Introducción
La programación lineal es un conjunto de técnicas racionales de análisis y de
resolución de problemas que tiene por objeto ayudar a los responsables en las
decisiones sobre asuntos en los que interviene un gran número de variables.

La investigación de operaciones en general y la programación lineal en particular

recibieron un gran impulso gracias a los ordenadores. Uno de momentos más
importantes fue la aparición del método del simplex.

El proceso de investigación de operaciones se puede dividir en general en los

siguientes pasos:

 Identificar un problema que debe resolverse.

 Construir un modelo en torno al problema que se asemeje al mundo real y
las variables.
 Usar el modelo para derivar soluciones al problema.
 Probar cada solución en el modelo y analizar su éxito.
 Implementando la solución al problema real.

El concepto de investigación de operaciones surgió durante la Segunda Guerra

Mundial por planificadores militares. Después de la guerra, las técnicas utilizadas
en su investigación de operaciones se aplicaron para abordar problemas en los
negocios, el gobierno y la sociedad.

En este trabajo realizado en cumplimiento de lo solicitado en el proyecto final,

podemos observar y analizar cada modelo matemático que se aplica a la
investigación de operaciones y como poder emplearla a nuestro entorno, a nuestra
vida cotidiana y poder a tomar decisiones en la vida de nuestra carrera como
ingenieros en Sistemas.

3
PROGRAMACIÓN LINEAL
Es el nombre que se le da al cálculo de la mejor solución, a un problema
modelado como un conjunto de relaciones lineales.
El objetivo primordial de la Programación Lineal es optimizar, es decir, maximizar
o minimizar funciones lineales, en varias variables lineales, con restricciones
lineales, optimizando una función objetivo también lineal.
Cuando se estudia lo que es programación lineal en investigación de operaciones
se hace imprescindible señalar que esta se aplica para la administración eficiente
de los procesos en muchos ámbitos de la economía, así como también implica el
conocimiento de que existe una diversidad de software en el mercado, que ayuda
a representar el enfoque o modelo de programación lineal.
Conocer qué es programación lineal en investigación de operaciones implica
acotar que esta no es procedente de los programas de ordenador, sino que su
origen se sitúa en un término de corte militar, pues programar significa realizar
propuestas o planes de tiempo para el entrenamiento, logística o despliegue de
unidades de combate.

Áreas de aplicación
 Área de la ingeniería, debido a que permite la utilización de software para
llevar a cabo las labores de programación informática.
 Área científica, ya que permite la resolución de problemas científicos con el
análisis, observación y estudio a través de la programación.
 Área de negocios, ya que se aplica ampliamente en el área administrativa,
contable y de economía con la finalidad de reducir costos o aumentar
ganancias a través de modelos funcionales.

Tipos de soluciones en la programación lineal:

 Factibles: Cuando existe un conjunto de soluciones o valores que satisfacen
las restricciones, estas pueden dividirse en solución única o con solución
múltiple. Además, se puede encontrar una solución no acotada.
 No factibles: Sucede cuando no existe un conjunto de soluciones que
cumplan las restricciones, es decir, cuando estas son inconsistentes.

Elementos de la programación lineal:

Función objetivo:
La función objetivo es la que establecemos para resolver el problema que se nos
presenté, como se dijo anteriormente esta solo pude ser maximizada o
minimizada. Ejemplo:

4
Variables:
Las variables de decisión, son en teoría, factores controlables del sistema que se
está modelando, y como tal, estas pueden tomar diversos valores posibles, de los
cuales se precisa conocer su valor óptimo, puesto que estas se identifican
partiendo de una serie de preguntas derivadas de la pregunta fundamental.
Las restricciones:
Nos referimos a todo aquello que limita la libertad de los valores que pueden tomar
las variables de decisión, La mejor manera de hallarlas consiste en pensar en un
caso hipotético en el que decidiéramos darles un valor infinito a nuestras variables
de decisión.
Parámetros:
Se refiere al estudio sistemático de los cambios en la solución óptima cuando
cambia el valor de muchos parámetros al mismo tiempo, es decir los resultados
que obtendríamos si cambiáramos de manera considerable el valor de nuestras
variables.

Políticas:
Las políticas son normas establecidas en la empresa, estas pueden tener
influenciar en distintos campos y cargos, por lo tanto, pueden tener distintos
efectos en el resultado de nuestra función objetivo.

METODO SIMPLEX
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 (el
mayor o menor valor posible, según el caso, para el que se satisfacen todas las
restricciones).

El método Simplex se basa en la siguiente propiedad: si la función objetivo Z no

toma su valor máximo en el vértice A, entonces existe una arista que parte de A y
a lo largo de la cual el valor de Z aumenta.

Será necesario tener en cuenta que 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. Por tanto, habrá que
estandarizar las restricciones para que cumplan estos requisitos.

Preparando el modelo para adaptarlo al método Simplex

La forma estándar del modelo de problema consta de una función objetivo sujeta a
determinadas restricciones:

5
Función objetivo: c1·x1 + c2·x2 + ... + cn·xn

Sujeto a: a11·x1 + a12·x2 + ... + a1n·xn = b1

a21·x1 + a22·x2 + ... + a2n·xn = b2
...
am1·x1 + am2·x2 + ... + amn·xn = bm
x1,..., xn ≥ 0

El modelo debe cumplir las siguientes condiciones:

1- Se convierten las restricciones en igualdades.

2- Se iguala la función objetivo a cero.

3- Se agregan los coeficientes según el número de restricciones.

4-Se inicia la tabla simplex o matriz nueva.

5-Se busca el menor negativo y el menor positivo para seleccionar el numero

pivote.

6- Se busca la matriz nueva.

Como se ha comentado, el objetivo del método consistirá en optimizar el valor de

la función objetivo. Sin embargo se presentan dos opciones, obtener el valor
óptimo mayor (maximizar) u obtener el valor óptimo menor (minimizar),

Objetivo de 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 (o el de 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.

Objetivo de 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.

6
Construcción de la primera tabla:

Las columnas de la tabla están dispuestas de la siguiente forma: la primera

columna de la tabla contiene las variables que se encuentran en la base (o
variables básicas), esto es, aquellas que toman valor para proporcionar una
solución; la segunda columna recoge los coeficientes que dichas variables básicas
tienen en la función objetivo (esta columna es llamada Cb); la tercera muestra el
término independiente de cada restricción (P0); a partir de ésta aparece una
columna por cada una de las variables de decisión y holgura presentes en la
función objetivo (Pj). Para tener una visión más clara de la tabla, se incluye una fila
que contiene los títulos de cada una de las columnas.

Sobre esta tabla se agregan dos nuevas filas: una de ellas, que lidera la tabla,
donde aparecen los coeficientes de las variables de la función objetivo, y una
última fila que recoge el valor la función objetivo y los costes reducidos Zj - Cj.

Los costes reducidos muestran la posibilidad de mejora en la solución Z0. Por este
motivo también son llamados valores indicadores.

Se muestra a continuación el aspecto general de la tabla del método Simplex:

Tabla
C1 C2 ... Cn
Base Cb P0 P1 P2 ... Pn
P1 Cb1 b1 a11 a12 ... a1n
P2 Cb2 b2 a21 a22 ... a2n
... ... ... ... ... ... ...
Pm Cbm bm am1 am2 ... amn
Z Z0 Z1-C1 Z2-C2 ... Zn-Cn

Todos los valores incluidos en la tabla vendrán dados por el modelo del problema
salvo los valores de la fila Z (o fila indicadora). Estos se obtienen de la siguiente
forma: Zj = Σ(Cbi·Pj) para i = 1..m, donde si j = 0, P0 = bi y C0 = 0, y en caso
contrario Pj = aij.

Se observa, al realizar el método Simplex, que en esta primera tabla ocupan la

base todas las variables de holgura y por ello (todos los coeficientes de las
variables de holgura son 0 en la función objetivo) el valor inicial de Z es cero.

Por este mismo motivo tampoco es necesario realizar los cálculos de los costes
reducidos en la primera tabla, pudiéndose determinar directamente como el
cambio de signo de los coeficientes de cada variable en la función objetivo, esto
es, -Cj.

7
Condición de parada:

Se cumple la condición de parada cuando la fila indicadora no contiene ningún

valor negativo entre los costes reducidos (cuando el objetivo es la maximización),
esto es, no existe posibilidad de mejora.

Una vez cumplida la condición de parada, el valor de cada variable que logra la
solución óptima se encuentra en la columna P0, indicándose en la base a qué
variable corresponde dicho valor. Si una variable no aparece en la base, significa
que su valor es cero. De la misma forma el valor óptimo de la función objetivo (Z)
se encuentra en la columna P0, fila Z.

Si no se cumple la condición de parada es necesario realizar una iteración más del

algoritmo, esto es, determinar la variable que se vuelve básica y la que deja de
serlo, encontrar el elemento pivote, actualizar los valores de la tabla y comprobar
si se cumple nuevamente la condición de parada.

Es también posible determinar que el problema no se encuentra acotado y su

solución siempre resultará mejorable. En tal caso no es necesario continuar
iterando indefinidamente y se puede finalizar el algoritmo. Esta situación ocurre
cuando en la columna de la variable entrante a la base todos los valores son
negativos o nulos.

Elección de la variable que entra a la base:

Cuando una variable se vuelve básica, es decir, entra en la base, comienza a

formar parte de la solución. Observando los costes reducidos en la fila Z, se
decide que entra a la base la variable de la columna en la que éste sea el de
menor valor (o de mayor valor absoluto) entre los negativos.

Elección de la variable que sale de la base:

Una vez obtenida la variable entrante, se determina que sale de la base la variable
que se encuentre en aquella fila cuyo cociente P0/Pj sea el menor de los
estrictamente positivos (teniendo en cuenta que esta operación se hará
únicamente cuando Pj sea superior a 0).

Elemento pivote:

El elemento pivote de la tabla queda marcado por la intersección entre la columna

de la variable entrante y la fila de la variable saliente.

8
Actualización de la tabla:

Las filas correspondientes a la función objetivo y a los títulos permanecerán

inalteradas en la nueva tabla. El resto de valores deberán calcularse como se
explica a continuación:

En la fila del elemento pivote cada nuevo elemento se calcula como:

Nuevo Elemento Fila Pivote = Anterior Elemento Fila Pivote / Pivote.

En el resto de las filas cada elemento se calcula:

Nuevo Elemento Fila = Anterior Elemento Fila - (Anterior Elemento Fila en

Columna Pivote * Nuevo Elemento Fila Pivote).

9
CONTENIDOS PARTE PRACTICA O APLICACIÓN EN LA
EMPRESA:

Metodo de Programación lineal

En la Ferretería del Señor Daniel Surin Tubac Propietario y gerente, de la
Ferretería El Sol, se fabrica dos tipos de Block. El tipo U posee ciertas
características 15 X 20 X 40kg y se vende a Q. 3.62C/U. El tipo de N posee
ciertas características 20 X 20 40Kg y se vende a Q. 5.10 C/U. Los costos en
materiales por unidad para estos blocks son de Q2.50. Y Q2.70. Respectivamente.
Estos blocks están constituidos por tres tipos de materiales: arena, grava y
cemento. El block tipo U utiliza 2.5kg material de arena, 1.2kg de material de
cemento y 3.33kg material de grava; mientras que el tipo N utiliza 3kg material de
arena, 1.6kg de material de cemento y 3.70kg material de grava. Cada mes la
ferretería adquiere 7000kg de material de grava, 2750kg de material de arena y
5,000kg de material de cemento. ¿Qué cantidad de cada tipo de block deben
producirse a fin de obtener la máxima utilidad?

1)Objetivo:
 Beneficio Máximo de producción de block (U y N).
2) Variables de decisión:
 Producción de 2 tipos de blocks quiere ver los beneficios:
Donde o, por lo tanto:
X1= La cantidad de producción de block U.
X2= La cantidad de producción de block N.
3) Factores de Restricción:
Cantidad de suministros adquiridos para la fabricación de block.
4) Restricciones:
 El producto de block tipo U se vende a Q. 3.62C/U. utiliza 2.5kg material
de arena, 1.2kg de material de cemento y 3.33kg material de grava.
 El producto de block tipo N se vende a Q 5.10C/U utiliza 3kg material de
arena, 1.6kg de material de cemento y 3.70kg material de grava.

10
Detalles grava cemento Arena
BLOCK U 3.33KG 1.2KG 2.5KG
BLOCK N 3.70KG 1.6KG 3KG
Capacidad 7,000KG 2,750KG 5000KG

1 ) 3.33X1+ 3.70X2≤7000
2) 1.2X1 + 1.6X2≤ 2750
3) 2.5X1 + 3X2≤ 500
NO NEGATIVIDAD X1, X2≥0

5) Función Objetivo:
 MAX. X0=2.5X1+2.7X2
6) Formulación final
 MAX Xo=2.5 X1+2.7X2
 Sujeto a:
1 ) 3.33X1+ 3.70X2≤7000
2) 1.2X1 + 1.6X2≤ 2750
3) 2.5X1 + 3X2≤ 5000
X1, X2≥0
Método Grafico
Formulación Final
 MAX X0=2.5X1+2.7X2
 Sujeto a:
1 ) 3.33X1+ 3.70X2≤7000
2) 1.2X1 + 1.6X2≤ 2750
3) 2.5X1 + 3X2≤ 5000
X1, X2≥0
1) Encuentre los puntos donde cada restricción corta ambos ejes plano
cartesiano en su primer cuadrante (números positivos). Utilizar el método
matemático de sustitución.

11
 1.1 3.33X1+ 3.70X2≤7000
a) Encuentre el valor de 𝑿𝟏, cuando 𝑿𝟐 = 𝟎
3.33X1+ 3.70X2≤7000
3.33X1+ 3.70(0)¿7000
X1= 7000/3.33
X1= 2,102.1 ≈ X1= 2,102
Coordenada del primer Punto de la primera restricción (2,102,0)

b) Encuentre el valor de 𝑿2, cuando 𝑿1 = 𝟎

3.33X1+ 3.70X2≤7000
3.33(0)+ 3.70X2=7000
X2= 7000/3.70
X2= 1,891.90≈ X2= 1,892
Coordenada del segundo Punto de la segunda restricción (0, 1,892)
1.2 1.2X1 + 1.6X2≤ 2,750
c) Encuentre el valor de 𝑿1, cuando 𝑿2 = 𝟎
1.2X1 + 1.6X2≤ 2,750
1.2X1 + 1.6(0)= 2,750
X1=2,750/1.2
X1=2,291.67 ≈ X1= 2,292
Coordenada del primer Punto de la primera restricción (2,292,0)
d) Encuentre el valor de 𝑿𝟐, cuando 𝑿𝟏 = 0
1.2X1 + 1.6X2≤ 2750
1.2(0) + 1.6X2= 2750
X2=2750/1.6
X2=1,718.75 ≈ X2= 1,719
Coordenada del segundo Punto de la segunda restricción (0, 1,719)
1.3 2.5X1 + 3X2≤ 5000

12
e) Encuentre el valor de 𝑿1, cuando 𝑿2 = 𝟎
2.5X1 + 3X2≤ 5000
2.5X1 + 3(0)= 5000
X1=5000/2.5
X1=2,000
Coordenada del primer Punto de la primera restricción (2,000,0)
f) Encuentre el valor de 𝑿𝟐, cuando 𝑿𝟏 = 0
2.5X1 + 3X2≤ 5000
2.5 (0) + 3X2=5000
X2=5000/3
X2=1,666.7 ≈ X2= 1,667
Coordenada del segundo Punto de la segunda restricción (0, 1,667)
Sea 𝑿𝟏= El eje de las X o abscisas; y sea 𝑿𝟐 = el eje de las Y u ordenadas

3,500
X2

3,000

Area que satisface solo la

2,500 restricción 3
(0,5)
POLIGONO FACTIBLE DE SOLUCIONES
2,000
(0,1892) la Restricción 2 (ÁREA QUE SATISFACE AMBAS RESTRICCIONES)
(0,1719)
(0,1667) 1,500 Area que satisface solo la
restricción 2

1000 Poligono factible de solución (1,100,960.4) Area que satisface solo la

restricción 1

500 Area de sactisfaccipon entre Área

ambas areas. que satisface
solo la restrición
(2000,0)

13
3. Encuentre el valor de los puntos donde hay intersección de dos o más
restricciones: El valor de los puntos donde hay intersección de las dos
restricciones es: (1,100,960.4)
4. Identifique el espacio factible de soluciones (aquella que satisface todas las
restricciones) y sus puntos extremos: Los puntos que delimitan el Polígono o
región de soluciones factibles es:
(0, 0), (0, 1719), (1100, 960.4) y (2102,0)
5. Evalué los puntos extremos en la FUNCION OBJETIVO:
Xo=2.5 X1+2.7X2
(0,0) = 2.5 (0) +2.7 (0) =0
(0,1719) = 2.5 (0) +2.7 (1719) =4,641.3
(1100,970) = 2.5 (1100) +2.7 (960.4) =2,750+2,593.08= 5,343.08 ≈5,343
(2102,0) = 2.5 (2102) +2.7 (0) =5,255
6. Determine cuál de los puntos OPTIMIZA su FUNCIÓN OBJETIVO: Los
puntos que optimizan la función Objetivo del Problema son: (1,100,960.4)
7. Concluya o analice su resultado: R// Con los materiales adquiridos se elabora
una cantidad 5343 blocks (U, N) para obtener un beneficio sea Máximo.

14
 Método simplex
Formulación Final

Maximizar:
X0=2.5x1+2.7x2

Sujeto A;
3.33X1 + 3.70X2 +S1=7000
1.2X1 + 1.6X2 +S2= 2750
2.5X1 + 3X2 +S3= 5000
x1,x2,S1,S2,s3>=0

Paso 1: Convierta la función Objetivo en su forma Estandar, igualandola a cero.

x0 -2.5x1 -2.7x2 = 0

Paso 2: convierta las desigualdades de las restricciones, en igualdades, introducciendo

Variables de Holgura "Sn"

3.33X1 + 3.70X2 +S1=7000

1.2X1 + 1.6X2 +S2= 2750
2.5X1 + 3X2 +S3= 5000
X1,X2,S1,S2>=0

Paso 3: Prepare el tablero de inicio para el desarrollo del método, con los datos
obtenidos de los dos pasos anteriores:

Tablero incial MÉTODO SIMPLEX

Columna Pivote
VE
Xo X1 X2 S1 S2 S3 SOLUCIÓN
Xo 1 -2.5 -2.7 0 0 0 0
VS S1 0 3.33 3.7 1 0 0 7000 7000/3.7 1,892
S2 0 1.2 1.6 0 1 0 2,750 2750/1.6 1,719
S3 0 2.5 3 0 0 1 5000 5000/3 1,667

15
 0/3.7= 0 (0*2.7)+1= 1 (0*-1.6)+0 0 (0*-3)+0 0
3.33/3.7= 0.9 (0.9*2.7)-2.5= -0.07 (0.9*-1.6)+1.2 -0.24 (0.9*-3)+2.5 -0.2
3.7/3.7= 1 (1*2.7)-2.7= 0 (1*-1.6)+1.6 0 (1*-3)+3 0
1/3.7= 0.27 (0.27*2.7)+0= 0.729 (0.27*-1.6)+0 -0.432 (0.27*-3)+0 -0.81
0/3.7= 0 (0*2.7)+0= 0 (0*-1.6)+1 1 (0*-3)+0 0
0/3.7= 0 (0*2.7)+0= 0 (0*-1.6)+0 0 (0*-3)+1 1
7000/3.7 1,892 (1,892*2.7)+0 5,106.40 (1892*-1.6)+2,750 -277.2 (1892*-3)+5000 -676

Iteracion NO. 2
VE
Xo X1 X2 S1 S2 S3 SOLUCIÓN
Xo 1 0 0 29.079 0 -0.35 5,343.0 (x1*0.07)+x0
X2 0 0 1 -364.23 0 4.5 -1,150 (X1*-0.9)+X2
S2 0 0 0 96.77 1 -1.2 534.2 (x1*0.24)+S2
VS X1 0 1 0 405 0 -5 3,380 S3/-0.2

X1 X2 X0 S2
0/-0.2 0 (0*-0.9)+0= 0 (0*0.07)+1 1 (0*0.24)+0 0
-0.2/-0.2 1 (1*-0.9)+0.9= 0 (1*0.07)-0.07 0 (1*0.24)-0.24 0
0/-0.2 0 (0*-0.9)+1= 1 (0*0.07)+0 0 (0*0.24)+0 0
-0.81/-0.2 405 (405*-0.9)+0.27= -364.23 (405*0.07)+0.729 29.079 (405*0.24)-0.432 96.768
0/-0.2 0 (0*-0.9)+0= 0 (0*0.07)+0 0 (0*0.24)+1 1
1/-0.2 -5 (-5*-0.9)+0= 4.5 (-5*0.07)+0 -0.35 (-5*0.24)+0 -1.2
-676/-0.2 3,380 (3,380*-0.9)+1892= -1,150 (3380*0.07)+5,106.45,343 (3380*0.24)-277.2 534.2

Aquí terminan las ITERACIONES en el problema, debido a que según la regla, ya no hay NEGATIVOS
en la FUNCIÓN OBJETIVO Xo; o se encontro la ECUACIÓN UNITARIA en las VARIABLES PRINCIPALES
producto X2.

ANÁLISIS O CONCLUSIÓN FINAL DEL PROBLEMA: Los resultados finales indican que la FUNCIÓN OBJETIVO
se MAXIMIZA con una producción de 5343 unidades de block tipo(U yN).

16
 Nombre del contacto y breve descripción de la forma en
que el o los estudiantes tuvieron el acercamiento para
hablarle del tema a la persona de contacto y el puesto que
tiene dentro del departamento

Don Daniel Surin Tubac Propietario y gerente, de la Ferretería El Sol.

Yo Auner Ivan Sequen Urlao, inicie el acercamiento hacia el señor Daniel

Surin Tubac (ya que es conocido de uno de mis hermanos) para plantearle
o comentarle, sobre el proyecto que nosotros como estudiantes de la
Universidad Mariano Gálvez, en el curso de Investigación de Operaciones,
estamos realizando. Después de comentarle una parte del proyecto,
quedamos de reunirnos nosotros como grupos y su persona, para plantear
más formal mente el proyecto para que el comprendiera más de lo que
queríamos hacer, e igualmente aclaramos dudas que el tenia. Después de
que nos confirmara, empezamos a trabajar sobre el proyecto.

 Precio y Marca de los Cementos

 Block tipo U se vende a Q 3.62 C/U
 Block normal se vende a Q 5.10 C/U

 Nombre del departamento donde se piensa hacer la

aplicación del tema. Breve descripción de las actividades
que se realizan dentro del departamento.

 Área de producción del block:

Paso 1)
 Se cuela la arena
 Se tritura la grava
 Complementa el cemento
Paso2

17
  Mas mescla de la arena, grava y cemento
 La mescla debe de ser homogénea entre las 3 mesclas para

Paso 3

 Agregamos la mescla dentro del molde y me agregamos presión para solidificar el

block

Paso 4

 Dejar secar los blocks por 24hrs.

 Misión, Visión y Objetivos de la Empresa; si pueden agregar

valores compartidos por la Empresa mucho mejor.

Visión
Ser reconocido como distribuidores y detallistas lideres en proveer soluciones
completas en materiales de ferretería, productos de línea industrial y semi-
industrial cuya atención al cliente brinda un portafolio de servicios
complementarios y de calidad creando valor económico a través de la
búsqueda de la excelencia y su expansión en el mercado ecuatoriano.

Misión
Dar soluciones y así proveer materiales y herramientas de ferretería para la
construcción civil, pequeña industria y artesanía, manejando un surtido
completo y permanente que permita llegar a los clientes con un servicio
oportuno de alta calidad a un precio competitivo y ofrecer la mejor atención
posible a sus clientes a través de un personal altamente capacitado, eficiente y
responsable.

 Organigrama de la Empresa Resaltando la parte donde se

encuentra ubicado el Departamento donde se piensa hacer
la aplicación del tema.

18
 Área de Bodega donde se
implementará el método


Una vez explicado el tema al contacto del departamento y
que lo entienda, explicar el valor agregado que el tema
daría al momento de aplicarlo al Departamento y Empresa
en General.
Por motivos del encargado que desconoce del tema se hace omiso a
poder detallar ampliada mente del tema estudiado en producción.

 Hacer un posible presupuesto estimando las erogaciones

que la Empresa tendría que hacer para aplicar la
herramienta a implementar (si este es el caso).

Según estudios y análisis realizados en dicha ferretería, La

implementación del programa del método lineal, no es aplicable a la
empresa porque el presupuesto que hay movimiento financiero no logran
cubrir lo requerido en este método.

19
 Sondear si la Empresa estaría en la posibilidad de hacer la
posible inversión para su implementación.

La medida de producción ya fue validada en base de la experiencia, por

lo tanto, aplicar los resultados de este método alteraría un incremento en
la erogación de producción.

 Hacer un comparativo (costo-oportunidad) que la Empresa

tendría si ejecutan el proyecto y los beneficios
(maximización de utilidades o Minimización de costos) que
se obtendrían si se hace el esfuerzo o la inversión
finalmente.

 Sin usar el Método

Implementaría el mismo procedimiento de realización y obtendría los
mismos beneficios tanto en costos como la producción.
 Usando el Método
Ampliaría su ganancia y su producción en el mismo tiempo, si el usuario
deseara implementar o duplicar producción en beneficios de su empresa
debería adquirir herramientas que le faciliten el trabajo en un corto
periodo de tiempo.

20
Conclusiones
 Concluimos que la producción de block tanto tipo U y N son
elaborados en tiempos diferentes ya su realización es diferente
para ambos en el aspecto diseño.
 Debido a la forma del método de trabajo que realiza la ferretería no
están dispuesto arriesgarse dicho método efectuado Método de
programación lineal.

21
Recomendaciones
 Por lo visto del dueño en Jefe de la Ferretería sin usar los métodos
de programación lineal supo suplir con exactitud la cantidad exacta
de materiales en la realización de los blocks.
 Si algún momento quisiera elaborar ó implementar el método
óptimo para obtener ganancias se recomienda verificar este método
ya realizado aplicando lo que es tiempo, producto y ganancias que
podría tener a mediano plazo.

22
Bibliografía / E-grafía

Introducción a la investigación de Operaciones Novena Edición Frederik S. Hillier

Gerald J. Lieberman.

E-GRAFIA:
https://www.ingenieriaindustrialonline.com/investigacion-de-
operaciones/programacion-lineal/
Investigación de operaciones en la ciencia administrativa
eppen, g. d / gould f. j. / schmidt, c.p. / moore, jeffrey h, / weathrford, larry r.
Prentice – hall 5ª edición México 1999 – 1987
Introducción a la investigación de operaciones
Hiller S. Frederick / Lieberman J. Gerald – Mc Graw Hill Séptima Edición
Análisis cuantitativos para los negocios
bonini ch. e./ hausman w. h./ bierman h. – mc graw hill novena edición 2000
http://www.phpsimplex.com/teoria_metodo_simplex.htm

23
GLOSARIO
Modelo matemático
Representación de un problema en la que el objetivo y todas las condiciones de
restricción se describen mediante expresiones matemáticas.
Programa lineal
Modelo matemático que tiene una función objetivo lineal, un conjunto de
restricciones lineales y variables no negativas.
Ecuaciones o funciones lineales
Expresiones matemáticas en las que las variables aparecen en términos
separados y están elevadas a la primera potencia.
Función Objetivo
Todos los programas lineales tienen una función objetivo lineal que debe
maximizarse o minimizarse. En muchos problemas de programación lineal, la
función objetivo se utiliza para medir utilidades o costos de una solución
específica.
Restricción
Es una ecuación o desigualdad que elimina ciertas combinaciones de las variables
de decisión como soluciones factibles.
Restricciones de no negatividad
Conjunto de restricciones que exigen que todas las variables sean no negativas.
Solución
Cualquier conjunto de valores para las variables.
Solución factible
Una solución que satisface todas las restricciones.
Región Factible
El conjunto de todas las soluciones factibles.
Solución óptima
Una solución factible que maximiza o minimiza el valor de la función objetivo.
Restricción redundante

24
Restricción que no afecta a la región factible. Si una restricción es redundante, se
la puede eliminar del problema sin afectar la región factible.

Punto extremo o crítico

Gráficamente hablando, los puntos extremos son puntos de solución factibles y
ocurren en los vértices o “esquinas” de la región factible. En problemas con dos
variables, los puntos extremos se determinan mediante la intersección de las
rectas de restricción.
Forma estándar
Un programa lineal en el que todas las restricciones se plantean como
desigualdades. La solución óptima de la forma estándar de un programa lineal es
la misma que la solución óptima del planteamiento original.
Holgura
Es un recurso o capacidad no utilizada en la solución óptima, producida por una
restricción de tipo menor o igual. Se la puede representar como una variable (Sj)
que se suma al lado izquierdo de una restricción de menor o igual, para convertirla
en una igualdad. El valor de esta variable puede, por lo general, interpretarse
como la cantidad que no se utiliza de un recurso.
Excedente
Es un recurso o capacidad en exceso en la solución óptima, producida por una
restricción de tipo mayor o igual. Se la puede representar como variable (Sj) que
se resta del lado izquierdo de una restricción de mayor o igual, para convertirla en
una igualdad. Por lo general, puede interpretarse el valor de esta variable como la
cantidad en la que se sobrepasa algún nivel mínimo requerido.
Óptimos alternos
Situación en la que un programa lineal tiene dos o más soluciones óptimas. Se
puede producir cuando la pendiente de la F.O. es igual a la pendiente de alguna
restricción.
No-factibilidad
El caso en el que no existen soluciones para el problema de programación lineal
que satisfagan todas las restricciones. Se puede producir cuando alguna
restricción es demasiado limitante o exigente.
No-acotamiento

25
Se dice que un problema de maximización de programación lineal es no acotado,
si el valor de la solución puede ser infinitamente grande sin infringir ninguna de las
restricciones.
Intervalo de optimidad
El intervalo (o “rango”) de valores sobre el que puede variar un coeficiente de la
función objetivo sin ocasionar cambios en los valores de las variables de decisión
en la solución óptima.

26
ANEXOS

27
Molde de los Block Tipo U

Molde del Block Tipo N(normal)

28