"AÑO DE LA UNIDAD, LA PAZ Y EL DESARROLLO "

UNIVERSIDAD NACIONAL DE CAÑETE

ESCUELA DE INGENIERÍA DE
SISTEMAS

IMPLEMENTACIÓN DEL MÉTODO

SIMPLEX PARA LA MEJORA EN
DISTRIBUCIÓN DE TIEMPO EN PROCESOS
PARA EL MANTENIMIENTO PREVENTIVO
EN LA EMPRESA “TRUCK TOP SERVICE”
AUTOR:
NEYRA QUIROZ JOSE
GUILLERMO

DOCENTE:
LUIS RAMIREZ RAMIREZ PACHECO
CURSO:
INVESTIGACIÓN DE OPERACIONES
CICLO:
V

CAÑETE – PERÚ
2023
 INTRODUCCIÓN

En el sector del mantenimiento de vehículos, la optimización de recursos y costos es crucial

para lograr una gestión eficiente y maximizar las ganancias de una empresa. En el caso de
"Truck Top Service", una empresa especializada en el mantenimiento preventivo de autos,
camionetas, buses y camiones, es fundamental manejar de manera efectiva las horas laboradas
por los trabajadores y los costos asociados a cada tipo de vehículo.
El objetivo de este trabajo de investigación es implementar el método Simplex en "Truck Top
Service" con el fin de maximizar las ganancias a través de una asignación óptima del personal
y una adecuada distribución del tiempo en cada uno de los procesos de mantenimiento.
Además, se considerará el costo de mantenimiento específico para cada tipo de vehículo: 320
soles para autos, 420 soles para camionetas, 1000 soles para buses y 1200 soles para camiones.
En la empresa, se cuenta con un equipo de trabajadores altamente capacitados. En el proceso
de inspección, participan 2 personas, cada una con una carga horaria de 48 horas semanales.
En el proceso de cambio de aceite y filtro, se dispone de 7 personas, también trabajando 48
horas semanales cada una. Por último, en el proceso de limpieza y engrase, participan 4
personas, con una carga horaria de 48 horas semanales cada una.
La implementación del método Simplex permitirá realizar una planificación óptima de la
asignación de personal en cada proceso de mantenimiento, tomando en consideración las horas
laboradas por los trabajadores y los costos de mantenimiento asociados a cada tipo de vehículo.
Se buscará encontrar la combinación ideal que maximice la eficiencia de los recursos humanos
y, a su vez, las ganancias de la empresa.
Además de maximizar las ganancias, esta implementación contribuirá a mejorar la calidad del
servicio ofrecido por "Truck Top Service". Al tener un personal adecuado y bien distribuido
en cada proceso de mantenimiento, se asegura una atención eficiente y oportuna a los vehículos
de los clientes, generando mayor satisfacción y fidelidad.
Durante el desarrollo de esta investigación, se realizará un análisis exhaustivo de los procesos
de inspección, cambio de aceite y filtro, y limpieza y engrase en "Truck Top Service". Se
recopilarán datos precisos sobre las horas laboradas por los trabajadores en cada proceso, así
como los costos asociados al mantenimiento de cada tipo de vehículo.
Utilizando el método Simplex, se llevará a cabo una modelización matemática que considerará
las variables, restricciones y objetivos establecidos. El objetivo principal será encontrar una
solución óptima que maximice las ganancias, teniendo en cuenta las horas laboradas por los
trabajadores y los costos de mantenimiento de cada vehículo.
Los resultados obtenidos serán de gran utilidad para la toma de decisiones estratégicas en
"Truck Top Service", ya que permitirán establecer políticas de asignación de personal y
distribución del tiempo en cada proceso de mantenimiento que maximicen la eficiencia
operativa y las ganancias de la empresa. Se espera que esta implementación fortalezca la
posición competitiva de "Truck Top Service" en el mercado del mantenimiento de vehículos
y contribuya a su crecimiento sostenible.
 DESARROLLO

INVESTIGACIÓN DE OPERACIONES

ANTECEDENTES HISTORICOS:

El origen de la investigación de operaciones se remonta a la Segunda Guerra Mundial,

cuando se utilizaba para planificar la navegación mercante y evitar ataques submarinos.
En ese contexto, se comenzaron a utilizar datos y modelos matemáticos para lograr los
objetivos con los recursos disponibles. En la década de los cuarenta, George Dantzig
propuso la aplicación de la planificación militar a los procesos administrativos con el fin
de alcanzar la eficiencia en la industria.

Con el desarrollo de la producción en masa y la prestación de servicios, la investigación

de operaciones adquirió una mayor importancia. Surgió la necesidad de desarrollar
nuevos métodos de solución para reducir costos y minimizar las pérdidas causadas por
desperdicios.

Según Freyre, Pellicer y Duran (2016), el método más relevante en este campo fue el
publicado por George Dantzig. Gracias al avance de la tecnología informática, se han
desarrollado programas sofisticados que permiten resolver modelos complejos con
muchas variables y restricciones. El éxito alcanzado ha permitido que esta disciplina se
aplique en diversas áreas, como finanzas, gestión de inventarios, transporte y control de
inventarios, entre otros. Además, la investigación de operaciones se ha extendido a otras
ciencias, como la agricultura, química, telecomunicaciones, marketing, electrónica,
informática, entre muchas más.

PLANIFICACION DE OPERACIONES EN UNA EMPRESA

Según el análisis realizado por Mora, Vera y Melgarejo (2015), la planificación de

operaciones en la empresa debe estar alineada con la misión, visión y objetivos
institucionales. Sin embargo, en la situación actual, la falta de una planificación
estratégica adecuada impide el crecimiento y la sostenibilidad a largo plazo.

En el caso específico de esta empresa, el problema en la planificación se debe a la falta

de aplicación de métodos de ejecución, como el método Simplex. Esto tiene como
consecuencia que la empresa no pueda dirigir ni gestionar eficientemente a su personal
ni a sus recursos para la fabricación de sus productos. Esto desvía el verdadero
propósito de la producción y lleva a la fabricación de productos que no tienen una alta
aceptación en el mercado, lo que a su vez disminuye las ganancias.

Por lo tanto, es crucial implementar una planificación de operaciones efectiva y utilizar

métodos como el Simplex para optimizar la asignación d e recursos y mejorar la
producción de la empresa. Esto permitirá dirigir los esfuerzos hacia la fabricación de
productos con mayor demanda y lograr un incremento en las ganancias.
PROGRAMACIÓN LINEAL

La programación lineal, según la definición establecida por Reyes y Molina (2014), se

refiere a una estrategia que busca determinar soluciones óptimas para problemas
económicos en los que se involucran recursos limitados, como el tiempo, el dinero o los
materiales. Dentro de las diferentes soluciones disponibles para abordar los problemas
empresariales, la programación lineal se destaca como una opción efectiva. Por lo tanto,
es fundamental que los administradores se familiaricen con estrategias eficientes que les
permitan encontrar la solución adecuada para alcanzar los objetivos institucionales.

La programación lineal como técnica requiere seguir una serie de pasos, según lo
indicado por Ortiz y Alvaro (2014):

1. Definición del problema: Consiste en identificar claramente cuál es el objetivo

que se desea lograr y cuáles son las restricciones o limitaciones que se deben
considerar.

2. Construcción del modelo: Implica establecer las variables y las ecuaciones

matemáticas que describen el problema de manera cuantitativa.

3. Solución del modelo: Se realiza mediante algoritmos y técnicas específicas que

permiten encontrar la solución óptima que cumpla con las restricciones
establecidas.

4. Validación del modelo: Se verifica que la solución obtenida sea válida y cumpla
con todas las condiciones y restricciones del problema planteado.

5. Implementación de la solución: Una vez validada la solución, se procede a

implementarla en la práctica, tomando las acciones necesarias para lograr los
resultados deseados.

Estos pasos brindan una estructura sistemática para abordar problemas utilizando la
programación lineal como herramienta, lo que ayuda a maximizar la eficiencia en la
toma de decisiones y alcanzar los objetivos de la empresa.

EL METODO SIMPLEX

Según Boirivant (2011), el Método Simplex es un enfoque iterativo que busca mejorar
continuamente los resultados de la función objetivo hasta encontrar una solución
óptima. Este método utiliza el análisis matemático en la programación lineal, lo que
permite a quienes lo aplican resolver situaciones complejas con la menor cantidad de
información necesaria. Los resultados obtenidos a través del Método Simplex pueden
mejorar la producción y, por lo tanto, las actividades generales de las instituciones.

Por otro lado, autores como Tanda Martínez (2012), aunque promueven la combinación
de métodos, consideran que el Método Simplex es una herramienta eficiente por sí sola.
Después de aplicar este método y obtener los resultados, es posible tomar decisiones
más acertadas en cualquier empresa. En resumen, el Método Simplex se destaca como
una herramienta poderosa en la programación lineal, ya que permite mejorar los
resultados y tomar decisiones óptimas en situaciones empresariales complejas. Su
aplicación puede contribuir a mejorar la eficiencia y la toma de decisiones en cualquier
organización.
PROCEDIMIENTO PARA EL PROCEDIMIENTO PARA EL MÉTODO SIMPLEX

Según Collazo (2012), se propone un procedimiento práctico para la solución a través

del Método Simplex, el cual consta de los siguientes pasos:

a) Estandarización del modelo: En este paso, se realiza la estandarización del problema

de programación lineal, es decir, se transforman todas las restricciones y la función
objetivo en forma estándar, asegurando que todas las variables sean no negativas.

b) Construcción de la tabla característica: Se construye una tabla que muestra de manera

organizada los coeficientes de las variables, las restricciones, la función objetivo y los
valores actuales de las variables. Esta tabla es conocida como tabla característica o tabla
Simplex.

c) Identificación de la variable de entrada y salida: En este paso, se identifica la variable

que entrará al conjunto básico (variable de entrada) y la variable que saldrá del conjunto
básico (variable de salida) en cada iteración del método.

d) Determinación de la nueva solución óptima: Se calcula una nueva solución óptima

ajustando los valores de las variables básicas y no básicas en cada iteración, de acuerdo
con las reglas establecidas en el método Simplex.

e) Comprobación de la optimalidad de la solución: Una vez obtenida la nueva solución

óptima, se verifica si cumple con los criterios de optimalidad establecidos, como por
ejemplo, si se han alcanzado todos los valores óptimos y si se cumplen todas las
restricciones.

En resumen, el procedimiento propuesto por Collazo (2012) para aplicar el Método

Simplex consta de los pasos de estandarización, construcción de la tabla característica,
identificación de variables de entrada y salida, determinación de la nueva solución
óptima y comprobación de la optimalidad. Siguiendo este procedimiento, es posible
resolver problemas de programación lineal de manera sistemática y obtener soluciones
óptimas.

ESTANDARIZACIÓN DEL MODELO

Z (máximo) = 5X + 2Y

2X + Y ≤ 200

X + 2Y ≥ 100

3X + 4Y ꞊ 50

X, Y ≥ 0

En el contexto de la programación lineal, existen diferentes formas de convertir las

desigualdades en igualdades y de introducir variables adicionales para cumplir con los
criterios y restricciones del método Simplex. Algunas consideraciones relevantes son:

1. Convertir desigualdades ≤ en igualdades con variables de holgura o exceso: Para

convertir una desigualdad del tipo ≤ en una igualdad, se introduce una variable
 de holgura o exceso. Esta variable representa la cantidad adicional disponible en
la restricción y tiene un coeficiente de 1 en la función objetivo. Así, se garantiza
que la igualdad se cumpla y se incluye la flexibilidad necesaria en el modelo.

2. Convertir desigualdades ≥ en igualdades con variables de excedente y

artificiales: Para convertir una desigualdad del tipo ≥ en una igualdad, se
introduce una variable de excedente, que representa el exceso en la restricción.
Sin embargo, también se requiere una variable artificial para mantener el criterio
de no negatividad. La variable artificial se agrega para representar la expresión
del lado izquierdo de la restricción en ausencia de una variable de holgura o
exceso. Esta variable artificial se trata como una variable de excedente, pero con
un coeficiente muy alto (aproximadamente 100 veces mayor que el coeficiente
más grande de la función objetivo en el caso de minimización) para asegurar que
no aparezca en la solución final.

3. Coeficientes de variables de holgura, exceso y artificiales: En problemas de

maximización o minimización, las variables de holgura o exceso tienen una
contribución de cero en la función objetivo, ya que no se incluyen directamente
en la optimización. Por otro lado, las variables artificiales tienen coeficientes
negativos muy pequeños en problemas de maximización para evitar que
permanezcan en la solución final.

En resumen, en la aplicación del método Simplex, se utilizan variables de holgura,

exceso y artificiales para convertir las desigualdades en igualdades y cumplir con los
requisitos del modelo de programación lineal. Estas variables se introducen de manera
adecuada en el modelo, considerando sus coeficientes y su contribución en la función
objetivo, con el objetivo de obtener una solución óptima para el problema planteado.

DISEÑO DE LA TABLA CARACTERÍSTICA

Consiste en disponer todos sus elementos en forma tabular, ejemplo:

Z (máx) = C1X1 + C2X2 +……………… CnXn

a11X1 + a12X2 +………………..a1nXn ≤ B1
a21X1 + a22X2 +………………..a2nXn ≤ B2
“ “ “ “
“ “ “ “
“ “ “ “
am1X1 + am2X2 +………………amnXn ≤ Bm
Xi ≥ 0
Tabla característica
Definición de la simbología

Ci: Contribución de las variables básicas (VB).

Xi: Variables básicas (VB).

Cj: Contribución de las variables básicas y no básicas.

Xj: Variables básicas y no básicas.

Bi: Disponibilidad de los recursos al inicio, y valor de las variables básicas al

final o sobrante del recurso.

Bᶿ: Valor del Z óptimo.

Cj-Zj: Parámetro de optimización = costos reducidos netos.

Өi: Parámetro de factibilidad (valor crítico que marca la pauta para la

variable que sale)

𝐵𝑖
𝜃𝑖 = (+)
𝑎𝑖

DETERMINACIÓN DE LA VARIABLE QUE ENTRA Y QUE SALE

En el método Simplex, el proceso de determinar la variable que entra y la variable que

sale se basa en los siguientes criterios:

1. Para problemas de maximización: Se selecciona la columna pivote eligiendo el

valor Cj-Zj más alejado de cero positivo. Esto implica buscar la variable que
tiene el mayor coeficiente positivo en la diferencia entre la función objetivo (Cj)
y el valor actual de la solución (Zj).

2. Para problemas de minimización: Se selecciona la columna pivote eligiendo el

valor Cj-Zj más alejado de cero negativo. En este caso, se busca la variable que
tiene el menor coeficiente negativo en la diferencia entre la función objetivo (Cj)
y el valor actual de la solución (Zj).

3. Para determinar la fila pivote (variable de salida), se toma el valor de Өi más

cercano a cero, independientemente del criterio de optimización utilizado. Esto
implica seleccionar la restricción que limita más la solución actual, considerando
el cociente de la columna de recursos dividido por la columna pivote.

La celda pivote, que indica el elemento que se utilizará para realizar el intercambio en el
proceso de iteración del método Simplex, se encuentra en la intersección de la columna
pivote y la fila pivote. Es el valor que se utilizará para realizar los cálculos necesarios en
cada iteración y determinar la nueva solución básica.Estos criterios son fundamentales
para identificar qué variables deben ingresar y salir de la base en cada paso del método
Simplex, lo que permite acercarse a la solución óptima del problema de programación
lineal.
DETERMINACIÓN DE LA SOLUCIÓN BÁSICA

Después de determinar la columna y la fila pivote en el método Simplex, se realiza un

intercambio físico en las variables para actualizar la solución básica. En este
intercambio, la variable correspondiente a la columna pivote se introduce en la base,
ocupando el lugar de la variable asociada a la fila pivote. Como resultado, la variable
que estaba en la base pasa a ser una variable no básica.Una vez realizado este
intercambio, se aplica el método Gauss-Jordan para llevar a cabo la iteración del
Simplex. El método Gauss-Jordan es utilizado para realizar las operaciones de
eliminación necesarias y obtener una nueva solución básica factible. Consiste en
transformar la matriz de coeficientes en una forma escalonada reducida, lo que permite
obtener los nuevos valores de las variables básicas y no básicas.La interacción entre el
intercambio de variables y la aplicación del método Gauss-Jordan es esencial en el
proceso del método Simplex. Estos pasos se repiten sucesivamente hasta alcanzar la
solución óptima del problema de programación lineal, donde se cumplen las
condiciones de optimalidad y se obtiene el máximo beneficio (en casos de
maximización) o el mínimo costo (en casos de minimización).

LA SOLUCIÓN ÓPTIMA

La solución óptima en el contexto del método Simplex se refiere al punto en el que se

alcanza el máximo beneficio (en casos de maximización) o el mínimo costo (en casos de
minimización) para la empresa. Esta solución representa el resultado deseado del
problema de programación lineal.

La solución óptima se compone de las variables del problema, donde cada una
desempeña un papel específico y contribuye a la obtención del máximo beneficio. Estas
variables representan las decisiones que deben tomarse para optimizar los recursos
limitados y alcanzar los objetivos establecidos.

En el método Simplex, se realiza un proceso iterativo de búsqueda de soluciones que se

acerquen cada vez más a la óptima. Mediante el intercambio de variables y la aplicación
del método Gauss-Jordan, se van mejorando los resultados de la función objetivo hasta
alcanzar la solución óptima, que maximiza las ganancias o minimiza los costos según el
objetivo del problema planteado.

El logro de la solución óptima proporciona a la empresa la estrategia más favorable para

la toma de decisiones en términos de asignación de recursos y planificación de
actividades, lo que resulta en un máximo beneficio o un mínimo costo en función de las
condiciones y restricciones establecidas.
PROBAR LA OPTIMALIDAD DE LA SOLUCIÓN

Para probar la optimalidad de la solución obtenida en el método Simplex, se analizan

los valores de la diferencia entre los coeficientes de la función objetivo (Cj) y los
valores actualizados de dicha función (Zj). Dependiendo del tipo de problema, ya sea
maximización o minimización, se aplican diferentes criterios de optimalidad.

En el caso de un problema de maximización, se considera que la solución es óptima si

todos los valores de Cj-Zj son cero o negativos. Esto implica que no se puede mejorar
más el valor de la función objetivo, y se ha alcanzado el máximo beneficio posible.

Por otro lado, en el caso de un problema de minimización, se considera que la solución

es óptima si todos los valores de Cj-Zj son cero o positivos. Esto indica que no se puede
reducir más el costo y se ha alcanzado el mínimo costo posible.

Si todos los valores de Cj-Zj cumplen con estas condiciones de optimalidad, se puede
concluir que se ha obtenido la solución óptima del problema de programación lineal. En
ese caso, se finaliza el proceso y se puede utilizar dicha solución para la toma de
decisiones en la empresa.

En caso de que existan valores positivos en Cj-Zj para un problema de maximización o

valores negativos para un problema de minimización, se continúa con el proceso del
método Simplex para encontrar una solución más óptima. Esto implica realizar
nuevamente los pasos de determinación de la variable que entra y que sale, la
determinación de la solución básica y repetir el proceso hasta alcanzar la solución
óptima.

INVESTIGACION DE CAMPO

Teniendo claro el proceso del método simplex se

realizó una investigación de campo para averiguar y
obtener datos de la empresa para evaluar defectos
presentados en sus procesos que puedan resolverse
mediante programación lineal.

Empresa: TRUCK TOP SERVICE S.A.C.

Ruc: 20609280141

Direccion legal: Cal. Joaquin Retes Mza. P2 Lote. 4

Int. 2 A.H. Dignidad Nacional (al Frente de la Loza
de Dignidad Naciona)
la empresa presenta diversos procesos , en los
cuales se podrian utilizar metodos, como
voguel, simplex entre otros para solucionar
pero en esta ocasión nos centraremos en el
mantenimiento preventivo basico de
vehiculos, para lo cual utilizaremos el metodo
simplex para realizarlo
 DESARROLLO DEL MÉTODO SIMPLEX
La empresa “TRUCK TOP SERVICE” realiza mantenimiento preventivo a autos, camionetas,
buses y tráileres, para ello cuenta con tres procesos que se realizan a todos los vehículos, los
cuales son inspección, cambio de aceite y filtro y limpieza y engrase, para lo cual cuenta con
personal que trabaja 48 horas semanales 2 para inspección, 7 para cambio de aceite y filtro,
y 4 para limpieza, además el costo de mantenimiento específico para cada tipo de vehículo son:
320 soles para autos, 420 soles para camionetas, 1000 soles para buses y 1200 soles para
camiones. Sabiendo que para un auto se demora ½ hora de inspección, 1 hora de cambio de
aceite y filtro, y 1 hora de limpieza y engrasado, y que la camioneta ½ hora, 1 hora , 1 hora, el
bus 1 hora, 4horas y 2 horas, y el tráiler 1 hora, 4 horas y dos horas respectivamente, debemos
organizar el tiempo en los procesos de cada vehículo sin exceder las horas laborales de los
trabajadores a la semana
Z (máximo) = 320x1+420x2+1000x3+1200x4

1/2x1 +1/2x2+x3+x4≤ 96

X1+x2 +4x3 +4x4 ≤336

1/2x1 +1x2 +2x3 +2x4 ≤192

x1,x2,x3,x4≥ 0

se ordenan los números en el cuadro, para luego seleccionar el numero menor negativo, y se
marca como columna pivote, luego se divide el resultado de una fila, entre el elemento
consecuente de la columna pivote, eligiendo el menor para ser la fila pivote, siendo el
elemento de la intersección el elemento pivote:

z x1 x2 x3 x4 s1 s2 s3 R
función -
objetivo 1 -320 -420 -1000 1200 0 0 0 0
d1 0 1/2 1/2 1 1 1 0 0 96 96
d2 0 1 1 4 4 0 1 0 336 84
d3 0 1/2 1 2 2 0 0 1 192 96

Luego se procede a multiplicar el elemento pivote por ¼ para lograr que se vuelva uno,
haciendo lo mismo con los demás elementos de la fila, luego se trata de igualar a 0 los
demás elementos de la columna pivote, sumando un numero que al multiplicar por la
fila pivote, logre convertir el elemento a 0, se hace lo mismo con los demás elementos
de la fila, como entre las variables aún hay elementos negativos se procede a volver a
hallar un nuevo elemento pivote siguiendo los pasos antes mencionadas, en este caso en
particular, dos filas califican para ser fila pivote, por lo cual se hace dos resoluciones:

z x1 x2 x3 x4 s1 s2 s3 R
función
objetivo 1 -20 -120 200 0 0 300 0 80640
d1 0 1/4 1/4 0 0 1 - 1/4 0 28.8 115.2
d2 0 1/4 1/4 1 1 0 1/4 0 67.2 268.8
d3 0 0 1/2 0 0 0 - 1/2 1 57.6 115.2
resolución 1:

se procede con la operación

z x1 x2 x3 x4 s1 s2 s3 R
función
objetivo 1 -20 -120 200 0 0 300 0 80640
d1 0 1/4 1/4 0 0 1 - 1/4 0 28.8 115.2
d2 0 1/4 1/4 1 1 0 1/4 0 67.2 268.8
d3 0 0 1/2 0 0 0 - 1/2 1 57.6 115.2

Se obtiene los nuevos datos del cuadro:

z x1 x2 x3 x4 s1 s2 s3 R
función
objetivo 1 100 0 200 0 480 180 0 94464
d1 0 1 1 0 0 4 -1 0 115.2
d2 0 0 0 1 1 -1 1/2 0 38.4
d3 0 - 1/2 0 0 0 -2 0 1 0

Como se observa nuevamente que sigue habiendo elementos negativos se procede con
el proceso nuevamente

z x1 x2 x3 x4 s1 s2 s3 R
función
objetivo 1 100 0 200 0 480 180 0 94464
d1 0 1 1 0 0 4 -1 0 115.2
d2 0 0 0 1 1 -1 1/2 0 38.4
d3 0 - 1/2 0 0 0 -2 0 1 0

Y se obtiene los siguientes resultados:

z x1 x2 x3 x4 s1 s2 s3 R
función
objetivo 1 0 0 200 0 80 180 200 94464
d1 0 0 1 0 0 0 -1 2 115.2
d2 0 0 0 1 1 -1 1/2 0 38.4
d3 0 1 0 0 0 4 0 -2 0
Resolución 2:

se procede con la operación:

z x1 x2 x3 x4 s1 s2 s3 R
función objetivo 1 -20 -120 200 0 0 300 0 80640
d1 0 1/4 1/4 0 0 1 - 1/4 0 28.8
d2 0 1/4 1/4 1 1 0 1/4 0 67.2
d3 0 0 1/2 0 0 0 - 1/2 1 57.6

Se obtiene los nuevos datos del cuadro:

z x1 x2 x3 x4 s1 s2 s3 R
función objetivo 1 -20 0 200 0 0 180 240 94464
d1 0 1/4 0 0 0 1 0 - 1/2 0
d2 0 1/4 0 1 1 0 1/2 - 1/2 38.4
d3 0 0 1 0 0 0 -1 2 115.2

Como se observa nuevamente que siguen habiendo elementos negativos se procede

con el proceso nuevamente

z x1 x2 x3 x4 s1 s2 s3 R
función objetivo 1 -20 0 200 0 0 180 240 94464
d1 0 1/4 0 0 0 1 0 - 1/2 0
d2 0 1/4 0 1 1 0 1/2 - 1/2 38.4
d3 0 0 1 0 0 0 -1 2 115.2

Y se obtiene los siguientes resultados:

z x1 x2 x3 x4 s1 s2 s3 R
función objetivo 1 0 0 200 0 80 180 200 94464
d1 0 1 0 0 0 4 0 -2 0
d2 0 0 0 1 1 -1 1/2 0 38.4
d3 0 0 1 0 0 0 -1 2 115.2

Resultado 1 Resultado 2:

Z=94464 Z=94464

X1= 0 X1= 0

X2=115.2 X2=115.2

X3=38.4 X3=0

X4=0 X4=38.4

X4=0
 Conclusiones

Se puede concluir que la empresa TRUCK TOP SERVICE debe priorizar el proceso de
camionetas, y camiones y buses, siendo el mantenimiento de autos el menos rentable.

z 94464 z 94464
x1 0 x1 0
x2 115.2 x2 115.2
x3 38.4 x3 0
x4 0 x4 38.4