1

DOCENTE: LUIS VICENCIO VICENCIO.

ALUMNA: TERESITA DE JESÚS CARRILLO
IZQUIERDO.
MATERIA: INVESTIGACIONES DE
OPERACIÓNES.
Turno 3 INN. 7’’ A.
PROYECTO FINAL.
LUNES 05/ 06/ 2023.
2
3

INTRODUCCIÓN.

La importancia de la investigación de operaciones es conocer alternativas para

poder solucionar problemas de manera eficaz con recursos limitados. La
investigación de operaciones consiste en el propósito de apoyar el proceso de toma
de decisiones para optimizar el objetivo de alcanzar soluciones óptimos o cercanos
a ellas cuando se enfrenten a problemas de decisiones alcanzadas mediante un
modelo de investigación operativo. También la investigación de operaciones tiene
como propósito apoyar en el proceso de la toma de decisiones y utilizar, formular y
planear técnicas de modelamiento matemático lineal correcto.
La investigación de operaciones se ocupa de la resolución de problemas
relacionados con la conducción y coordinación de operaciones o actividades dentro
de una organización. Incluye un amplio de técnicas para proporcionar ayuda
cuantitativa a la toma de decisiones. El análisis estadístico es también importante al
igual que el modelamiento matemático para solucionar situaciones reales que
puedan presentarse en el entorno. La interpretación de las soluciones es parte
fundamental de la investigación de operaciones ya que pueden interpretarse de
diferentes criterios y expresarlos en lenguajes accesibles.
Para el análisis de las soluciones o posibles soluciones se considera la optimización de la
función del objetivo en varios aspectos como en aspectos sociales o de
sustentabilidad y que tanta relación existe con el entorno. Su ámbito de aplicación
es muy amplio, aplicándose a problemas de fabricación, transporte, construcción,
telecomunicaciones, planificación y gestión financiera. La I. O. guía a la resolución
de problemas mediante aplicación de modelos matemáticos y/o técnicas, por
ejemplo, en buena medida y técnicas matemáticas. En general, puede aplicarse en
todos los problemas relacionados con la gestión, la planificación y el diseño en las
industrias e vidas cotidiana .
4

EXPECTATIVAS.
. Es realizar la toma de decisiones, con la finalidad de mejorar y optimizar el funcionamiento de los
procesos. Para la integración de equipos debe incluirse personal con intereses firmes en:
matemáticas, estadísticas, teoría de la probabilidad, economía, administración de empresas,
computación e ingeniería.
. Tiene como expectativa que nos permite la solución de problemas complejos a través del uso de
múltiples disciplinas, por lo que es sumamente necesario conocer estos sistemas para tomar mejores
decisiones y aumentar la productividad organizacional.
REFLEXION SOBRE EL LOGRO.

Me queda por entendido que esta unidad principalmente habla sobre la historia de la investigacion
de operaciones, la forma de como surgio esta idea apartir de cuando retomo fuerza y se convirtió
en una disciplina de la administración y que a la vez también una rama de esta misma, además de
eso el aporte cultural que dio fluidez a la administración de operaciones dentro de la empresas y
que eso sirvio para que frotara coordinacion con todas las áreas de una empresa. el concepto que
para mi me quedo por entendido que es:"es aquel sistema que prevee,organiza, coordina y
controla las funciones y actividades dentro de una empresa" y por lógica todo esto sieve para que
funcione este sistema. por ejemplo como los grandes autores que surgieron en la revolución
industrial y la reforzaron con los nuevos sistemas que hoy se practican como es "just in time"
creado por japoneses, eso es todo.

MARCO TEORICO.
5

Investigación de Operaciones (OR por sus siglas en inglés Operations Research) aplica un
método científico a la administración de sistemas organizados en negocios, industria,
gobierno y otras empresas. O se aplica regularmente en áreas tales como: gestión de la
cadena de suministro, sistemas de comercialización y gestión de ingresos, plantas de
fabricación, Ingeniería financiera, redes de telecomunicación, administración de
salubridad, redes de transporte, energía y el medio ambiente, sistemas de servicio,
comercio web, defensa militar, entre otros. 17
Los autores Settanni, E., Harrington, T. S., & Srai, J. S. (2017), indican que típicamente, las
aplicaciones de la investigación de operaciones en estas y otras áreas se ocupan de las
decisiones involucradas en la planificación de la asignación eficiente de recursos escasos,
como material, trabajadores calificados, máquinas, dinero y tiempo, para alcanzar las
metas y objetivos establecidos en condiciones de incertidumbre y durante un lapso de
tiempo. La asignación eficiente de recursos puede implicar establecer políticas, diseñar
procesos o reubicar activos. Los analistas resuelven tales problemas de decisión de gestión
con una variedad de metodologías matemáticas.
6
7

1.1 INVESTIGACION DE OPERACIÓNES.

La investigación de operaciones se puede definir como la aplicación del método científico en la
solución de problemas en las empresas, cuyo enfoque es la modelación, es decir, crea modelos para
representar los problemas y utiliza diferentes técnicas, como la programación lineal y el análisis de
decisiones.

La investigación de operaciones es también conocida como la ciencia de la administración,

porque se convierte en la ciencia que ayuda a la empresa a tomar decisiones importantes

DESARROLLO DE LA INVESTIGACION DE OPERACIÓNES.

La investigación de operaciones consiste en el uso de modelos matemáticos,

estadísticas y algoritmos con el objeto de realizar un proceso de toma de decisiones,
permite el análisis de la toma de decisiones teniendo en cuenta la escasez de
recursos, para determinar como se puede optimizar un objetivo definido como la
maximización de los beneficios o la minimización de costos.

La investigación de operaciones es la aplicación de la metodología científica a través

de modelos matemáticos, primero para representar el problema y luego para
resolverlos.
8

La complejidad de los problemas que se representan en las organizaciones ya no

encajan en una sola disciplina del conocimiento, se ha convertido en
multidisciplinario por lo cual para su análisis y solución se requieren grupos

compuestos por especialistas de diferentes áreas del conocimiento que logran

comunicarse con un leguaje común.

TIPOS DE MODELOS DE INVESTIGACION DE OPERACIÓNES.

Un modelo matemático o simbólico. Es el que se utiliza ecuaciones matemáticas

para describir el comportamiento del sistema. Estas relaciones nos permiten
conocer el comportamiento de las variables relevantes del sistema.

2. Modelos de Simulación. Es el que limita el comportamiento del sistema durante

un período largo.

3. Modelos Heurísticos. Son aquellos que utilizan reglas empíricas para obtener
una solución mejorada de un sistema real. (Por ejemplo: intervienen órdenes,
máquinas, personas, no puede resolverse por medio de un modelo matemático).

1.2 FACE DE ESTUDIO DE LA INVESTIGACION DE OPERACIÓNES.

.1; Formulación y definición del problema.

Descripción de los objetivos del sistema, es decir, qué se desea optimizar; identificar las
variables implicadas, ya sean controlables o no; determinar las restricciones del sistema.
También hay que tener en cuenta las alternativas posibles de decisión y las restricciones
9

para producir una solución adecuada.

2. Construcción del modelo.

El investigador de operaciones debe decidir el modelo a utilizar para representar el
sistema. Debe ser un modelo tal que relacione a las variables de decisión con los
parámetros y restricciones del sistema. Los parámetros (o cantidades conocidas) se
pueden obtener ya sea a partir de datos pasados o ser estimados por medio de algún
método estadístico. Es recomendable determinar si el modelo es probabilístico o
determinístico. El modelo puede ser matemático, de simulación o heurístico, dependiendo
de la complejidad de los cálculos matemáticos que se requieran.

3. Solución del modelo.::

Una vez que se tiene el modelo, se procede a derivar una solución matemática empleando
las diversas técnicas y métodos matemáticos para resolver problemas y ecuaciones.
Debemos tener en cuenta que las soluciones que se obtienen en este punto del proceso,
son matemáticas y debemos interpretarlas en el mundo real. Además, para la solución del
modelo, se deben realizar análisis de sensibilidad, es decir, ver como se comporta el
modelo a cambios en las especificaciones y parámetros del sistema. Esto se hace, debido a
que los parámetros no necesariamente son precisos y las restricciones pueden estar
equivocadas.

4. Validación del modelo.

La validación de un modelo requiere que se determine si dicho modelo puede predecir
con certeza el comportamiento del sistema. Un método común para probar la validez del
modelo, es someterlo a datos pasados disponibles del sistema actual y observar si
reproduce las situaciones pasadas del sistema. Pero como no hay seguridad de que el
comportamiento futuro del sistema continúe replicando el comportamiento pasado,
entonces siempre debemos estar atentos de cambios posibles del sistema con el tiempo,
para poder ajustar adecuadamente el modelo.
5. Implementación de resultados.
Consiste en traducir los resultados del modelo validado en instrucciones para el usuario o
los ejecutivos responsables que serán tomadores de decisiones.
10

1.3 PRINCIPALES APLICACIONES DE LA INVESTIGACIONES DE OPERACIÓNES .

Sus principales aplicaciones dentro de una empresa la IO se aplica en las áreas de producción y
envasado de productos, contabilidad, logística, marketing, manufactura, asignación de costos,
horarios, maquinas, puestos, así como en las rutas de embarque y transportación, entre otras más.
11

1.4 METODOLOGÍA PARA LA MODELACIÓN.

Es un instrumento de la investigación de carácter material o teórico,
creado para reproducir el objeto que se está estudiando. Constituye una
reproducción simplificada de la realidad que cumple una función
heurística que permite descubrir nuevas relaciones y cualidades del
objeto de estudio. Un modelo científico es la configuración ideal que
representa de manera simplificada una teoría. Es un instrumento de
trabajo que supone una aproximación intuitiva a la realidad y que tiene
por función básica la de ayudar a comprender las teorías y las leyes.

1.5 FORMULACIÓN DE PROBLEMAS LINEALES MAS COMÚN .

La Formulación correcta de un problema consiste, básicamente, en reducirlo a sus

aspectos y relaciones esenciales. Debe ser formulado con precisión, en una o varias
preguntas concretas donde se relacionen las variables implicadas.

Algunas condiciones que debe cumplir son:

 Especificar lo que ha de determinarse o resolverse.

 Restringir el campo de estudio en un interrogante concreto.

 Enunciarse de una forma clara y unívoca, de modo que la respuesta sólo admita
respuestas precisas.

 Susceptible de verificación empírica. No debe plantear juicios de valor sobre lo que

es mejor o peor, sobre cómo debería ser idealmente la realidad, sino sobre cómo
es realmente.
12

Su formulación debe responder a tres criterios básicos:

1. Claridad. Cualquier persona que lea el problema debe entender a qué cuestiones
se pretende responder con la investigación
2. Concisión.
3. Operatividad. El planteamiento operacional consiste en especificar no solo el
fenómeno, sino también en qué unidades va a ser medido cada uno de estos
efectos.

1.6 CONCEPTO DE MÉTODO GRÁFICOS Y SU APLICACIÓN.

El método grafico se utiliza para la solución de problemas de PL,

representando geométricamente a las restricciones, condiciones técnicas
y el objetivo. El modelo se puede resolver en forma geométrica si solo se
tiene 2 variables. Para modelos con 3 o más variables el método grafico
es impráctico o imposible.
13

El método gráfico aprovecha que cada una de las ecuaciones del sistema representa una recta en el
plano, entonces la idea será graficar estas rectas y buscar el punto en el que se cruzan. Al seguir este
procedimiento, se obtiene la solución buscada o se comprueba que no existe tal solución.

PROBLEMA CON ÉNFASIS ALA INDUSTRIA.

EJEMPLO 1:

Una compañía de auditores se especializa en preparar liquidaciones y auditorías

de empresas pequeñas. Tienen interés en saber cuantas auditorías y liquidaciones
pueden realizar mensualmente para maximizar sus ingresos. Se dispone de 800
horas de trabajo directo y 320 horas para revisión. Una auditoría en promedio
requiere de 40 horas de trabajo directo y 10 horas de revisión, además aporta un
ingreso de 300 dls. Una liquidación de impuesto requiere de 8 horas de trabajo
directo y de 5 horas de revisión, produce un ingreso de 100 dls. El máximo de
liquidaciones mensuales disponibles es de 60.

OBJETIVO : Maximizar el ingreso total.

VARIABLE DE DECISION: Cantidad de auditorías (X1).

Cantidad de liquidaciones (X2).

14

RESTRICCIONES : Tiempo disponible de trabajo directo

Tiempo disponible de revisión

Número máximo de liquidaciones.

Maximizar

Sujeto a:
15

La solución óptima siempre se encuentra en uno de los vértices del conjunto de

soluciones factibles. Se analizan estos valores en la función objetivo. El vértice
que representa el mejor valor de la función objetivo será la solución óptima.
16
17

2.1 TEORIA DEL 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).
Partiendo del valor de la función objetivo en un punto cualquiera, el procedimiento
consiste en buscar otro punto que mejore el valor anterior. Como se verá en el método
Gráfico, dichos puntos son los vértices del polígono (o poliedro o polícoro, si el número de
variables es mayor de 2) que constituye la región determinada por las restricciones a las
que se encuentra sujeto el problema (llamada región factible). La búsqueda se realiza
mediante desplazamientos por las aristas del polígono, desde el vértice actual hasta uno
adyacente que mejore el valor de la función objetivo. Siempre que exista región factible,
como su número de vértices y de aristas es finito, será posible encontrar la solución.
18

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.

2.2 FORMAR TABULAR DE MÉTODOS SIMPLEX .

Formulación del Modelo
Usar un modelo matemático para la resolución de problemas es la base de
la programación lineal recordando que modelo se refiere a la
representación simplificada de la realidad; los modelos matemáticos en
específico hacen uso de símbolos matemáticos y presentan elementos
como:
 Variables: representan las incógnitas del problema
19

 Restricciones: se contemplan las limitaciones a las que se

encuentra sujeta la resolución del problema considerando la escasez
de recursos en tiempo y espacio.
 Función objetivo: representa la meta que se pretende alcanzar y en
la cual se basan las decisiones principales para maximizar los
beneficios o bien para minimizar los costos (considere que en la
programación lineal el calificativo “lineal” hace referencia que las
ecuaciones usadas en el modelo serán siempre de primer grado, es
decir, sin exponentes).

MODELO SIMPLEX PASO A PASO

Considerando el modelo lineal como se conoció en el paso anterior (forma original), el
método simplex requiere que éste se convierta a la forma estándar, es decir, cada
restricción se convertirá en una igualdad además de incorporar variables holgura que
permiten expresar la cantidad de
recurso no utilizado durante las actividades
Se plantea el siguiente modelo en su forma original:
𝑀𝑎𝑥 𝑍 = 100𝑋1 + 125𝑋2
6𝑋1 + 4𝑋2 ≤ 24
𝑋1 + 𝑋2 ≥ 800

𝑋1, 𝑋2 ≥ 0
20

Ejemplo 2 – Minimizar
Se tiene el siguiente problema:

Función Objetivo
Minimizar: Z = 3X1 – 2X2

Sujeto a:
2X1 + X2 ≤ 18

2X1 + 3X2 ≤ 42

3X1 – 2X2 ≤ 5

X1, X2 ≥ 0

Solución
El problema se adecuará al modelo estándar de programación lineal, agregando las
variables de holgura, exceso y/o artificiales en cada una de las restricciones:

 Restricción 1: Tiene signo “≤” (menor igual) por lo que se agrega la variable de
holgura S1.
 Restricción 2: Tiene signo “≤” (menor igual) por lo que se agrega la variable de
holgura S2.
 Restricción 3: Tiene signo “≤” (menor igual) por lo que se agrega la variable de
holgura S3.

A continuación se muestra el problema en la forma estándar. Se colocará el

coeficiente 0 (cero) donde corresponda para crear nuestra matriz:
21

Como el ejercicios es de minimización, elegiremos el mayor valor

positivo para la variable de entrada: 2. Por lo tanto la variable de entrada sería X 2.

Para la variable de salida dividiremos los valores de la columna R con los de la

columna X2 (siempre y cuando sean positivos). Los resultados en orden serían:
18/1, 42/3 y la última fila no se considera porque su valor correspondiente a X 2 es
negativo (-2). Se debe elegir el menor valor de esta división: 42/3=14; por lo tanto
la variable de salida se encuentra en la segunda fila: S2.

El elemento pivote se encuentra en el cruce de X2 y S2: 3.

Realizamos las reducciones de Gauss-Jordan:

22
23

En esta última matriz, todos los valores del vector de costes reducidos son negativos, lo que
indica que nos encontramos en el punto óptimo del problema de minimización. El
resultado sería:

Z = -28

X1= 0, X2= 14, S1= 4, S2= 0, S3= 33

Nota: El valor de Z puede ser negativo ya que el problema resuelto no restringe su

valor.
24
25

3.1 DEFINICIÓN DEL PROBLEMA DE TRANSPORTE.

El problema del transporte o distribución es un problema de redes especial en

programación lineal que se funda en la necesidad de llevar unidades de un punto
específico llamado fuente u Origen hacia otro punto específico llamado Destino. Los
principales objetivos de un modelo de transporte son la satisfacción de todos los
requerimientos establecidos por los destinos y claro está la minimización de los costos
relacionados con el plan determinado por las rutas escogidas.

3.2 MÉTODOS DE LA ESQUINA NOROESTE.

Es un algoritmo heurístico capaz de solucionar problemas de transporte o distribución,
mediante la consecución de una solución básica inicial que satisfaga todas las restricciones
existentes, sin que esto implique que se alcance el costo óptimo total.
Este método tiene como ventaja frente a sus similares, la rapidez de su ejecución, y es
utilizado con mayor frecuencia en ejercicios donde el número de fuentes y destinos sea muy
elevado.

PROBLEMA O EJEMPLO.
26

Una empresa energética colombiana dispone de cuatro plantas de generación para satisfacer la
demanda diaria eléctrica en cuatro ciudades, Cali, Bogotá, Medellín y Barranquilla. Las plantas
1,2,3 y 4 pueden satisfacer 80, 30, 60 y 45 millones de KW al día respectivamente. Las necesidades
de las ciudades de Cali, Bogotá, Medellín y Barranquilla son de 70, 40, 70 y 35 millones de Kw al día
respectivamente. Los costos asociados al envío de suministro energético por cada millón de KW
entre cada planta y cada ciudad son los registrados en la siguiente tabla.

Formule un modelo de programación lineal que permita satisfacer las

necesidades de todas las ciudades al tiempo que minimice los costos asociados al
transporte.
27

Ahora la cantidad asignada a la esquina noroeste es restada a la demanda de Cali

y a la oferta de la «Planta 1», en un procedimiento muy lógico. Dado que la
demanda de Cali una vez restada la cantidad asignada es cero (0), se procede a
eliminar la columna. El proceso de asignación nuevamente se repite.

Continuamos con las iteraciones.

En este caso nos encontramos frente a la elección de la fila o columna a eliminar

(tachar), sin embargo podemos utilizar un criterio mediante el cual eliminemos la
fila o columna que presente los costos más elevados. En este caso la «Planta 2».
28

Nueva iteración:

Una vez finalizada esta asignación, se elimina la «Planta 3» que ya ha sido

satisfecha con la asignación de 60 unidades, por ende nos queda una sola fila a la
cual le asignamos las unidades estrictamente requeridas y hemos finalizado el
método.
El cuadro de las asignaciones (que debemos desarrollarlo paralelamente) queda

así:
29

Los costos asociados a la distribución son:

El costo total es evidentemente superior al obtenido mediante Programación Lineal y
el Método de Aproximación de Vogel, lo cual demuestra lo enunciado en la descripción
del algoritmo que cita que no obtiene siempre la mejor solución, sin embargo
presenta un cumplimiento de todas las restricciones y una rapidez de elaboración,
lo cual es una ventaja en problemas con innumerables fuentes y destinos en los
cuales no nos importe más que satisfacer las restricciones.

3.3 MÉTODO HUNGARO.

El método húngaro es un algoritmo que permite minimizar los costos en un problema

3de optimización basado en la programación lineal.
30

Origen del método húngaro

Su creador fue el matemático húngaro (de ahí su nombre) Harold W. Kuhn en el

año 1955. Otro matemático, James Munkres, lo revisó en 1957. Con esta evolución
ha recibido otras denominaciones como algoritmo de asignación de Munkres o de
Kuhn-Munkres.

Pasos del método húngaro.

Los pasos a seguir permiten realizar el método húngaro de una manera sencilla
utilizando una hoja de cálculo. Además, este esquema que mostramos permitirá
ver de forma global el proceso que desarrollaremos en detalle en el ejemplo final.

 Como pasos previos, hay que asignar a las personas (filas) a una serie de proyectos
(columnas). Además, hay que calcular los diferentes costes de cada proyecto en
función de quién lo realice y construir con esta información una matriz (C).
 En la matriz (C) buscamos el valor mínimo de cada fila. Restamos este a todos los
elementos de la fila y realizamos la misma operación con las columnas. Aparecerá
una nueva matriz (C`) con los resultados de las operaciones anteriores.
 A continuación creamos el «grafo de igualdades», que nos permite escoger las
tareas y proyectos con menor costo. El óptimo serían aquellos elementos cuyo
resultado fue cero. Si se cumple que no hay ningún elemento con valor cero
asignado a más de una fila el algoritmo termina.
 En caso contrario, hay que realizar una nueva asignación. Se realiza una nueva a
matriz a la que se aplican una serie de modificaciones, como veremos en el
ejemplo. Volvemos a crear el grafo y avanzamos hasta que nos quede una matriz
que tenga al menos un cero en cada fila y en posiciones no repetidas.
 Con esta información ya tenemos a las personas y los proyectos asignados (los
ceros) que optimizan el problema. Si una tarea ya está asignada en una fila anterior,
en la siguiente se descarta. Para calcular el coste mínimo sumamos los costes de la
matriz inicial que aparecen en la posición de dichos ceros.
31

PROBLEMA CON ÉNFASIS EN LA INDUSTRIA.

Un equipo de tres ingenieros debe ser asignado para la realización de tres

tareas, donde cada ingeniero debe hacer una tarea. Se requiere encontrar la
asignación de costo mínimo para lo cual se dispone de los costos asociados a que el
ingeniero i realice la tarea j. Por ejemplo, C11=15 representa el costo
correspondiente a que el ingeniero 1 asuma la área 1.

En la siguiente tabla se muestran los costos en $ asociados por cada ingeniero

y por cada tipo de área.

Tarea Tarea Tarea

1 2 3

Ingeniero
15 10 9
1
32

Ingeniero
9 15 10
2

Ingeniero
10 12
3

Solución:

Paso 1: Antes que nada cabe recordar que el método húngaro trabaja en una
matriz de costos n*m (en este caso conocida como matriz m*m, dado que el
número de filas es igual al número de columnas n = m), una vez construida esta se
debe encontrar el elemento más pequeño en cada fila de la matriz.

Matriz n*m:

Tarea Tarea Tarea

1 2 3

Ingeniero
15 10 9
1

Ingeniero
9 15 10
2

Ingeniero
10 12
3

Matriz 3x3, Si cumple con la condición establecida.

Matriz resultante con los valores mínimos de cada fila

33

Tarea 1 Tarea 2 Tarea 3

Ingeniero 1 15 10 9

Ingeniero 2 9 15 10

Ingeniero 3 10 12 8

Paso 2: Una vez se cumple el procedimiento anterior se debe construir una

nueva matriz n*m, en la cual se consignarán los valores resultantes de la diferencia
entre cada costo y el valor mínimo de la fila a la cual cada costo corresponde (valor
mínimo hallado en el primer paso).

Matriz resultante restando el valor mínimo a cada valor de la fila respectiva:

Tarea 1 Tarea 2 Tarea 3

Ingeniero 1 6 1 0

Ingeniero 2 0 6 1

Ingeniero 3 2 4 0

3: Este paso consiste en realizar el mismo procedimiento de los dos pasos

anteriores referidos ahora a las columnas, es decir, se halla el valor mínimo de cada
columna, con la diferencia que este se halla de la matriz resultante en el segundo
paso, luego se construirá una nueva matriz en la cual se consignarán los valores
34

resultantes de la diferencia entre cada costo y el valor mínimo de la columna a la

cual cada costo corresponde, matriz llamada "Matriz de Costos Reducidos".

Matriz resultante con los valores mínimos de cada columnas.

Tarea 1 Tarea 2 Tarea 3

Ingeniero 1 6 1 0

Ingeniero 2 0 6 1

Ingeniero 3 2 4 0
35

Matriz de Costos Mínimos:

T T
Tarea 1
area 2 area 3

6 0 0

0 5 1

2 3 0