Entrega

Nombre de la materia
INVESTIGACIÓN DE OPERACIONES

Nombre de la maestría
MAESTRÍA EN CIENCIA DE DATOS

Nombre del alumno

JUAN CARLOS REYES VALDEZ

Matrícula
020591733

Nombre de la tarea
La empresa de ventilación doméstica

Unidad #
4

Nombre del Profesor

Fabricio Moreno Baca

Fecha
24/05/2023
 Teoría de la dualidad y análisis de sensibilidad
Unidad 4 Investigación de Operaciones

¿En qué situaciones se precisa la aplicación del método dual simplex?

El método dual simplex se utiliza principalmente en situaciones donde tenemos un problema de optimización
lineal que satisface las condiciones de factibilidad de la dualidad pero no las de la primalidad. En términos más
sencillos, este método es aplicable cuando todas las restricciones funcionales son satisfechas, pero la función
objetivo no. Esto podría suceder, por ejemplo, si hemos encontrado una solución óptima a un problema, pero
luego se modifica alguna restricción del problema que viola las condiciones de primalidad.

El método dual simplex también puede ser útil en el contexto de un problema de programación lineal con
restricciones de igualdad, donde las variables básicas en la solución inicial no son todas no negativas. En estos
casos, el método dual simplex proporciona una manera sistemática de moverse de una solución básica factible
para el dual (pero no para el primal) a una solución óptima para ambos problemas, el primal y el dual.

En general, el método dual simplex es una herramienta valiosa que permite resolver problemas de programación
lineal en situaciones en las que la solución inicial no es factible para el problema primal, pero sí para el problema
dual.

¿Cuáles son las condiciones para que un problema pueda utilizar el método dual simplex?

El método dual simplex se aplica bajo ciertas condiciones específicas que describo:

1. Factibilidad dual: Para que un problema pueda ser resuelto mediante el método dual simplex, se necesita que el
problema cumpla con las condiciones de factibilidad dual. Esto significa que los coeficientes de la función objetivo
(que representan los costos reducidos en la terminología de programación lineal) deben ser todos no negativos.
En otras palabras, aunque la solución inicial no es factible para el problema primal (debido a que una o más
restricciones de desigualdad se violan), la solución inicial sí es factible para el problema dual.

2. Infeasibilidad primal: Mientras la solución inicial debe ser factible para el problema dual, debe ser no factible para
el problema primal. Esto implica que al menos una de las restricciones de desigualdad del problema primal no se
satisface en la solución inicial.

3. Modificaciones del problema primal: El método dual simplex es útil cuando se realiza una modificación en el
problema primal, como un cambio en los recursos disponibles (lado derecho de las restricciones), que hace que la
solución previamente óptima se vuelva no factible. En este caso, el método dual simplex puede usarse para
"reparar" la factibilidad primal sin tener que comenzar el proceso de solución desde cero.

El método dual simplex se usa principalmente en problemas en los que ya se ha encontrado una solución, pero
luego se modifica alguna restricción o coeficiente, provocando una infeasibilidad primal pero manteniendo la
 Teoría de la dualidad y análisis de sensibilidad
Unidad 4 Investigación de Operaciones

factibilidad dual. De esta manera, se puede proceder directamente a optimizar el problema modificado sin tener
que resolver todo el problema desde el principio.

De acuerdo al caso ¿qué debería hacer la empresa para poder generar una solución óptima y obtener
mayores utilidades?

Para maximizar las utilidades de "Kitchen Air", la empresa debe resolver el problema de programación lineal
presentado utilizando el método simplex o algún otro método de optimización apropiado. El objetivo es
determinar la cantidad óptima de cada modelo (económico, estándar y de lujo) que debe producirse para
maximizar la ganancia total, considerando las restricciones de recursos disponibles.

Esto se logra iterando a través del método simplex, seleccionando la variable de entrada con el coeficiente más
alto en la función objetivo y luego eligiendo la variable de salida utilizando la regla del mínimo cociente. A través
de este proceso iterativo, se busca mejorar constantemente la solución hasta que se alcance la óptima.

Además, la empresa podría considerar lo siguiente para obtener mayores utilidades:

1. Revisión de las restricciones: La empresa debe revisar constantemente sus restricciones, como el número de
motores de ventiladores, el número de bobinas de extracción y el tiempo de manufactura disponibles. Si hay
alguna forma de aumentar estos recursos (por ejemplo, trabajando horas extras, contratando más personal o
adquiriendo más motores o bobinas), podría tener un impacto significativo en las ganancias totales.

2. Análisis de costos y precios: Si es posible, la empresa podría revisar sus costos de producción y sus precios. A
veces, pequeños incrementos en el precio de venta, si el mercado lo permite, o reducciones en los costos,
pueden conducir a mejoras significativas en la rentabilidad.

3. Estudiar el problema dual: Como se mencionó en la descripción del problema, cada problema primal tiene un
problema dual asociado. Estudiar este problema dual podría proporcionar insights adicionales sobre el problema
primal, como el valor de los recursos y cómo los cambios en estos afectarán la solución óptima.

Debe tenerse en cuenta que la programación lineal proporciona una solución óptima dadas las suposiciones y
restricciones actuales. Si estas cambian, la solución también podría cambiar. Por lo tanto, es importante
mantener una revisión y actualización constante del modelo.

Fuentes consultadas:
Taha, H. (2012). Investigación de operaciones. (9° Ed.). México, México: Pearson.
Hillier, F. (2010). Introducción a la investigación de operaciones (9a. ed.). McGraw-Hill Interamericana.
Hillier, F., & Lieberman, G. J. (2010). Introduction to Operations Research. Boston: McGraw-Hill.