UPAO.

INGENIERIA INDUSTRIAL.
ANALISIS DE DECISIONES
SEMANA 3 T: Modelos determinísticos: Sistemas de Inventarios,
Introducción a la programación lineal, tablas de ganancias y perdidas.
Dr. Ing° MANUEL URCIA CRUZ.

5/06/2019 Dr. Ing° MANUEL URCIA CRUZ. 1

Modelos de Inventarios – LOTE ECONÓMICO
DEMANDA APROX. CONSTANTE
EOQ (ECONOMIC ORDER QUANTITY)
Suposiciones para desarrollar el modelo (Estas suposiciones se van eliminado a
medida que se va desarrollando el modelo)
• El patrón de demanda es constante y conocido con certeza
• No se consideran descuentos en los precios de compra y/o
transporte
• La cantidad de pedido no necesita ser un número entero o un
múltiplo de algún número entero
• Todos los parámetros de costos son estacionarios o sea que no
varían significativamente con el tiempo (baja inflación)
• El ítem se trata de forma independiente de otros ítems
• La tasa de reposición es infinita (Lead times= 0)
• Toda la orden completa es recibida cada vez que se ordene
• No se consideran ordenes pendientes

2
3
Ejercicios.
• 1.-Editorial BRUÑO, compra papel satinado en rollos de 1500 libras
para imprimir libros de texto. La demanda anual es de 1920 rollos. El
costo por rollos es de $ 1000 y el costo anual de manejo de inventarios
es de 15% del costo. Cada pedido le cuesta $ 250.
a) ¿Cuántos rollos sería conveniente que pidiera de una sola vez
BRUÑO?
• b.-Cual es la frecuencia de compra o tiempo entre pedidos?
•
2) Una compañía se abastece de un producto que se consume a razón de
50 unidades diarias. A la compañía le cuesta $25 cada vez que se hace
un pedido y un inventario unitario mantenido en existencia por una
semana costará $0.70. Determine el número óptimo de pedidos que
tiene que hacer la compañía cada año, la cantidad por pedido y el
tiempo del ciclo (frecuencia de compra). Supóngase que la compañía
tiene una política vigente de no admitir faltantes en la demanda y opera
250 días al año?

5/06/2019 Dr. Ing° MANUEL URCIA CRUZ. 4

.• 3.-Un almacén vende 10,000 abanicos por año. Cada vez que se hace un
pedido se incurre en un costo de $5. El almacén paga $100 por cada
abanico, y el costo de mantener el inventario es de $1 durante un año, se
estima como el costo de oportunidad anual de $20. Determine la cantidad
óptima de pedido y el costo total del sistema de inventario.

• 4.-Una ferretería tiene que abastecer a sus clientes con 30 bolsas de

cemento diarios siendo esta una demanda conocida. Si la ferretería falla en
la entrega del producto pierde definitivamente el negocio, para que esto no
suceda se asume que no existirá escasez. El costo de almacenamiento por
unidad de tiempo es de $0.35 unidad al mes y el costo por hacer el pedido
es de $55.
• a) Cuál es la cantidad optima a pedir
• b) El periodo de agotamiento (asumir 1 mes = 30 días, 1 año = 360 días)
5/06/2019 Dr. Ing° MANUEL URCIA CRUZ. 5
Solución:
Como el costo del mantenimiento es mensual y la demanda es diaria, convertir a
demanda mensual.
Como se conoce el precio unitario de compra solo debe considerarse el costo del
mantener el inventario.

5/06/2019 Dr. Ing° MANUEL URCIA CRUZ. 6

 Modelo con demora en la reposición y Stock de seguridad.
• La empresa TRAVEX, requiere planchas de acero para su fabricación en
cerraduras para puertas. La demanda anual es de 5475 planchas de 3x1.5m : Se
conoce que el costo de realizar una reposición es de 80 soles. Cada plancha
tiene un costo de 150soles y mantener el inventario representa el 10%. Las
panchas debe ser pedidas a la empresa aceros Arequipa y demora 3 días la
reposición. El producto es considerado como producto importante para la
empresa, además se tiene información que el desvió medio durante el periodo
de reposición es de 6.
• Determine.
• A.-El tamaño del lote económico.
• B.-la frecuencia de pedidos.
• C.-el punto de reorden.
• D.-El Stock de seguridad.
• E.- El costo total anual del sistema de inventario.

5/06/2019 Dr. Ing° MANUEL URCIA CRUZ. 7

 PROGRAMACION LINEAL.
• La programación lineal es una técnica matemática relativamente reciente (siglo
XX), que consiste en una serie de métodos y procedimientos que permiten
resolver problemas de optimización en el ámbito, sobre todo, de las Ciencias
Sociales.
• Nos centraremos en este tema en aquellos problemas simples de programación
lineal, los que tienen solamente 2 variables, problemas bidimensionales.
• Para sistemas de más variables, el procedimiento no es tan sencillo y se resuelven
por el llamado método Simplex (ideado por G.B.Danzig, matemático
estadounidense en 1951).
• En (1984), el matemático indio establecido en Estados Unidos, Narenda
Karmarkar, ha encontrado un algoritmo, llamado algoritmo de Karmarkar, que es
más rápido que el método simplex en ciertos casos. Los problemas de este tipo,
en el que intervienen gran numero de variables, se implementan en ordenadores.
 Supuestos del Modelo
Linealidad: Las relaciones Insumo/Producto (Coeficientes
técnicos) son fijos y constantes, y no dependerían de la
dimensión (escala) de la actividad.

Aditividad: Los efectos de las actividades se suman en forma

algebraica, lo que implicaría que no hay complementariedad
sino competencia entre actividades

No negatividad de actividades. Un requisito obvio pero no

redundante desde el punto de vista matemático.

Límites: Toda variable debe estar limitada en forma explícita o

implícita.

Continuidad: Las relaciones son continuas. Las variables

(x1,x2...xn) (magnitudes de cada actividad o rubro productivo) y
los recursos pueden tener valores continuos, es decir no solo
enteros sino también fraccionarios.

Certeza de datos: Los datos empleados son ciertos y se les

asigna seguridad de ocurrencia.
Representación matemática de un problema
de PL
• Función objetivo
Z = c1X1 + c2X2 + ... + cnXn

• Reactions entre Requerimientos y Disponibilidad

de Recursos
a11X1 + a12X2 + ..... + a1nXn <= b1
............................................. <= ..
am1X1 + am2X2 + ..... + amnXn <= bm
Xj = variables de decisión
cj = costos o ingresos por unidad
aij = coeficientes insumo producto
bi = disponibilidad de recursos
APLICACIONES DE LA PROGRAMACION LINEAL
• 1.-Planeacion de la producción.
• 2.-Mezcla de alimentos.
• 3.-Control de Calidad.
• 4.-Sistemas de inventarios.
• 5.- Líneas de ensamble.
Secuencia para el desarrollo de problemas de
programación lineal.
• 1.-Entender el Problema.
• 2.-Describir el objetivo.
• 3.-Identificar las restricciones.
• 4.-Definir las variables de decisión.
• 5.-Plantear el objetivo en forma matemática en función de las
variables de decisión.
• 6.-Plantear las restricciones .
• 7.-Agregar las restricciones de NO NEGATIVIDAD.
.
•. CASO PRÁCTICO A DESARROLLAR
La empresa Camposol S.A desea optimizar su producción de conservas de mandarinas y conservas
de mangos en tajadas. Se conoce que la elaboración de estos productos requiere del paso de 3
áreas (Preparación, envasado y esterilizado). Sin embargo se conoce que cada área presenta límites
de capacidad de procesamiento en horas hombre y/o horas maquina. Los tiempos de
procesamiento en cada área y para lote de 1,000 conservas se muestran en la tabla siguiente:

MANUEL URCIA CRUZ.

.

Conservas Área de Área de envasado Área de

Preparación A B esterilizado
C

Mandarina 2 horas 1 hora 4 horas

Mango 2 horas 2 horas 2 horas.

Capacidad máxima 160 horas 120 horas 280 horas

MANUEL URCIA CRUZ.
 INFORMACION.

• El área de contabilidad de la empresa señala que por cada unidad

de conserva de mandarina exportada la utilidad es de $1.00
mientras que para conservas de mango es de $1.50. Camposol desea
conocer cuál es la cantidad de cada conserva que debe procesarse
para obtener la máxima utilidad bajo las condiciones limitantes de
producción.

MANUEL URCIA CRUZ.

PASOS A SEGUIR PARA LA SOLUCION DEL CASO DE
PLANIFICACION.
• 1.-Definicion del Objetivo: Maximizar las Utilidades.
• 2.-Definir las Variables, Sea:
• X1: Cantidad de conservas de mandarina a procesar.
• X2: Cantidad de conservas de mango a procesar.
• 3.-Formulacion de la función Objetivo:
• MAX (U) = 1X1 + 1.5 X2

MANUEL URCIA CRUZ.

4.- MATRIZ para elaborar las restricciones del problema:

Conservas Área A Área B Área C Utilidad

($)

Mandarina 2 1 4 1
Mango 2 2 2 1.5
Capacidad Máxima ( Horas) 160 120 280

MANUEL URCIA CRUZ.

.
5.-FORMULACION ALGEBRAICA DE LAS RESTRICCIONES:
•.
1.- 2X1+2X2<= 160
2.- X1 + 2X2 <=120
3.- 4X1+2X2<=280
Para todo Xi >= 0

MANUEL URCIA CRUZ.

.
• Solución: METODO SIMPLEX. Usando el programa DS POM.
• X1 = 40
• X2 = 40
• Máxima ganancia en la función Objetivo:
• Z = X1 + 1.5X2
• Z= 40 + 1.5 (40)
• Z= 100
• Como las líneas de producción son para 1000 unidades por turno
de 8 horas, entonces la máxima ganancia seria $100,000 para
40,000 conservas de mandarina y 40,000 conservas de mango.
•

MANUEL URCIA CRUZ.

SOLUCION CON DS POM

• X1 X2 RHS Dual
• Maximize 1 1.5
• RESTRICCION 1 2 2 <= 160 0.25
• RESTRICCION 2 1 2 <= 120 0.5
• RESTRICCION 3 4 2 <= 280 0
• Solution-> 40 40 $100.

MANUEL URCIA CRUZ.

Solución grafica.

5/06/2019 Dr. Ing° MANUEL URCIA CRUZ. 21

 Ejemplo
BASSA, manufactura muñecos y trenes de madera.

Cada muñeco:
• Produce un beneficio neto de 3 €.
• Requiere 2 horas de trabajo de acabado.
• Requiere 1 hora de trabajo de carpinteria.
Cada tren:
• Produce un beneficio neto de 2 €.
• Requiere 1 hora de trabajo de acabado.
• Requiere 1 hora trabajo de carpinteria.
Cada semana BASSA puede disponer de:
• Todo el material que necesite.
• Solamente 100 horas de acabado.
• Solamente 80 horas de carpinteria.
También:
• La demanda de trenes puede ser cualquiera (sin límite).
• La demanda de muñecos es como maximo 40.

BASSA quiere maximizar sus beneficios.

¿Cuántos muñecos y cuántos trenes debe fabricar?
Este problema es un ejemplo típico de un problema de programación lineal (PPL).

Variables de Decisión Función Objetivo. En cualquier PPL, Restricciones

la decisión a tomar es como Son desigualdades que
x = nº de muñecos maximizar (normalmente el limitan los posibles valores
producidos a la beneficio) o minimizar (el coste) de de las variables de
semana alguna función de las variables de decisión.
y = nº de trenes decisión. Esta función a maximizar o En este problema las
producidos a la minimizar se llama función objetivo. restricciones vienen dadas
semana por la disponibilidad de
horas de acabado y
El objetivo de Bassa es elegir carpintería y por la
valores de x e y para maximizar 3x demanda de muñecos.
+ 2y. Usaremos la variable z para También suele haber
restricciones de signo o no
denotar el valor de la función negatividad:
objetivo. La función objetivo de x≥0
Bassa es: y≥0

Max z = 3x + 2y
 Restricciones
Cuando x e y crecen, la función objetivo de BASSA también crece. Pero no puede crecer
indefinidamente porque, para BASSA, los valores de x e y están limitados por las
siguientes tres restricciones:

Restricción 1: no más de 100 horas de tiempo de acabado pueden ser usadas.

Restricción 2: no más de 80 horas de tiempo de carpinteria pueden ser usadas.
Restricción 3: limitación de demanda, no deben fabricarse más de 40 muñecos.

Estas tres restricciones pueden expresarse matematicamente por las siguientes

desigualdades:

Restricción 1: 2 x + y ≤ 100

Restricción 2: x + y ≤ 80

Restricción 3: x ≤ 40

Además, tenemos las restricciones de signo: x ≥ 0 e y ≥ 0

 Formulación matemática del PPL
Variables de Decisión x = nº de muñecos producidos a la semana
y = nº de trenes producidos a la semana

Muñeco Tren

Beneficio 3 2 Max z = 3x + 2y (función objetivo)

Acabado 2 1 ≤ 100 2 x + y ≤ 100 (acabado)

Carpintería 1 1 ≤ 80 x + y ≤ 80 (carpinteria)

Demanda ≤ 40 x ≤ 40 (demanda muñecos)

x ≥0 (restricción de signo)

y ≥0 (restricción de signo)
 Formulación matemática del PPL

Para el problema de BASSA, combinando las restricciones de signo x ≥ 0 e y ≥

0 con la función objetivo y las restricciones, tenemos el siguiente modelo de
optimización:

Max z = 3x + 2y (función objetivo)

Sujeto a (s.a:)
2 x + y ≤ 100 (restricción de acabado)
x + y ≤ 80 (restricción de carpinteria)
x ≤ 40 (restricción de demanda de muñecos)
x ≥0 (restricción de signo)
y ≥0 (restricción de signo)
 Región factible
La región factible de un PPL es el conjunto de todos los puntos que satisfacen
todas las restricciones. Es la región del plano delimitada por el sistema de
desigualdades que forman las restricciones.

x = 40 e y = 20 está en la región factible Restricciones de BASSA

porque satisfacen todas las restricciones 2x + y ≤ 100 (restricción finalizado)
de BASSA
x + y ≤ 80 (restricción carpintería)
Sin embargo, x = 15, y = 70 no está en la x ≤ 40 (restricción demanda)
región factible porque este punto no
satisface la restricción de carpinteria x ≥0 (restricción signo)
y ≥0 (restricción signo)
[15 + 70 > 80].
 Solución óptima
Se puede demostrar que
Para un problema de maximización, una solución óptima es
la solución óptima de un
un punto en la región factible en el cual la función objetivo
PPL está siempre en la
tiene un valor máximo. Para un problema de minimización,
frontera de la región
una solución óptima es un punto en la región factible en el
factible, en un vértice (si
cual la función objetivo tiene un valor mínimo.
la solución es única) o en
un segmento entre dos
vértices contiguos (si hay
La mayoría de PPL tienen solamente una solución óptima. infinitas soluciones)
Sin embargo, algunos PPL no tienen solución óptima, y otros
PPL tienen un número infinito de soluciones.
Más adelante veremos que la solución del PPL de BASSA es x
= 20 e y = 60. Esta solución da un valor de la función objetivo
de:

z = 3x + 2y = 3·20 + 2·60 = 180 €

Cuando decimos que x = 20 e y = 60 es la solución óptima, estamos diciendo que,

en ningún punto en la región factible, la función objetivo tiene un valor
(beneficio) superior a 180.
 Representación GráficaY de las restricciones
Cualquier PPL con sólo dos variables
puede resolverse gráficamente.
100
2x + y = 100
Por ejemplo, para representar
gráficamente la primera restricción, 2x +
80
y ≤ 100 :
Dibujamos la recta 2x + y = 100
60

Elegimos el semiplano que cumple 40

la desigualdad: el punto (0, 0) la
cumple
(2·0 + 0 ≤ 100), 20
así que tomamos el semiplano que
lo contiene.
20 40 60 80 X
 Dibujar la región factible

Puesto que el PPL de BASSA tiene dos variables, se puede resolver gráficamente. La
región factible es el conjunto de todos los puntos que satisfacen las restricciones:

2 x + y ≤ 100 (restricción de acabado)

x + y ≤ 80 (restricción de carpintería)
x ≤ 40 (restricción de demanda)
x ≥0 (restricción de signo)
y ≥0 (restricción de signo)

Vamos a dibujar la región factible que satisface estas restricciones.

 Dibujar la región factible
Y

100
2x + y = 100
Restricciones
2 x + y ≤ 100
80
x + y ≤ 80
x ≤ 40
60
x ≥0
y ≥0
40

Teniendo en cuenta las

restricciones de signo 20
(x ≥ 0, y ≥ 0), nos
queda:
20 40 60 80 X
 Dibujar la región factible
Y

100

Restricciones 80

2 x + y ≤ 100
x + y ≤ 80 60 x + y = 80
x ≤ 40
x ≥0 40

y ≥0

20

20 40 60 80 X
 Dibujar la región factible
Y

100

Restricciones 80
x = 40
2 x + y ≤ 100
x + y ≤ 80 60

x ≤ 40
x ≥0 40

y ≥0

20

20 40 60 80 X
 Dibujar la región factible
Y
La intersección de
todos estos
semiplanos 2x + y = 100
100
(restricciones) nos
da la región factible
80
x = 40

60

x + y = 80
40
Región
Factible
20

20 40 60 80 X
 Vértices de la región factible
Y Restricciones
La región factible (al estar
limitada por rectas) es un 2 x + y ≤ 100
polígono. 2x + y = 100 x + y ≤ 80
100
En esta caso, el polígono x ≤ 40
ABCDE.
x ≥0
80 E x = 40
Como la solución óptima y ≥0
está en alguno de los
vértices (A, B, C, D o E) de la D
60
región factible, calculamos
esos vértices. x + y = 80
40

Región
20 Factible C

B
A 20 40 60 80 X
 Vértices de la región factible
Y
Los vértices de la región factible son
intersecciones de dos rectas. El punto
D es la intersección de las rectas 100
2x + y = 100 2x + y = 100
x + y = 80
La solución del sistema x = 20, y = 60 x = 40
80 E(0, 80)
nos da el punto D.
D (20, 60)
60

B es solución de
x = 40 40
y=0
Región
C es solución de C(40, 20)
20 Factible
x = 40 x + y = 80
2x + y = 100
B(40, 0)
E es solución de A(0, 0) 20 40 60 80 X
x + y = 80
x=0
 Resolución gráfica
Y
Max z = 3x + 2y

Para hallar la solución 100

óptima, dibujamos las

rectas en las cuales los (0, 80)
80
puntos tienen el
mismo valor de z.
(20, 60)
La figura muestra estas 60
lineas para
z = 0, z = 100, y z = 180
40

Región
(40, 20)
20 Factible

(40, 0)
(0, 0) 20 40 60 80 X
z = 180
z=0 z = 100
 Resolución gráfica Y

Max z = 3x + 2y
100

La última recta de z (0, 80)

80
que interseca (toca)
la región factible
(20, 60)
indica la solución 60
óptima para el PPL.
Para el problema de
BASSA, esto ocurre 40
en el punto D (x = 20,
y = 60, z = 180). Región
(40, 20)
20 Factible

(40, 0)
(0, 0) 20 40 60 80 X
z = 180
z=0 z = 100
 Resolución analítica
Y
Max z = 3x + 2y
También podemos encontrar la
100
solución óptima calculando el valor de
z en los vértices de la región factible.
80
(0, 80)

Vértice z = 3x + 2y (20, 60)

(0, 0) z = 3·0+2·0 = 0 60

(40, 0) z = 3·40+2·0 = 120

(40, 20) z = 3·40+2·20 = 160 40
(20, 60) z = 3·20+2·60 = 180
(0, 80) z = 3·0+2·80 = 160 Región
Factible (40, 20)
20

La solución óptima es:

x = 20 muñecos (40, 0)
y = 60 trenes (0, 0) 20 40 60 80 X
z = 180 € de beneficio
Hemos identificado la región factible para el
problema de BASSA y buscado la solución
óptima, la cual era el punto en la región
factible con el mayor valor posible de z.
Recuerda que:

• La región factible en cualquier PPL

está limitada por segmentos (es un
polígono, acotado o no).

• La región factible de cualquier PPL

tiene solamente un número finito de
vértices.

• Cualquier PPL que tenga solución

óptima tiene un vértice que es óptimo.
Un problema de minimización

Dorian Auto fabrica y vende coches y furgonetas.La

empresa quiere emprender una campaña
publicitaria en TV y tiene que decidir comprar los
tiempos de anuncios en dos tipos de programas:
del corazón y fútbol.

• Cada anuncio del programa del corazón es visto por 6 millones de mujeres y 2 millones de
hombres.
• Cada partido de fútbol es visto por 3 millones de mujeres y 8 millones de hombres.
• Un anuncio en el programa de corazón cuesta 50.000 € y un anuncio del fútbol cuesta
100.000 €.
• Dorian Auto quisiera que los anuncios sean vistos por por lo menos 30 millones de
mujeres y 24 millones de hombres.
Dorian Auto quiere saber cuántos anuncios debe contratar en cada tipo de programa para
que el coste de la campaña publicitaria sea mínimo.
 Formulación del problema:

• Cada anuncio del programa del corazón

es visto por 6 millones de mujeres y 2
millones de hombres.
• Cada partido de fútbol es visto por 3
millones de mujeres y 8 millones de
hombres. Corazón Fútbol
• Un anuncio en el programa de corazón (x) (y)
cuesta 50.000 € y un anuncio del fútbol
cuesta 100.000 €.
• Dorian Auto quisiera que los anuncios mujeres 6 3 6x + 3y ≥ 30
sean vistos por por lo menos 30 millones
de mujeres y 24 millones de hombres.
hombres 2 8 2x + 8y ≥ 24
Dorian Auto quiere saber cuántos
anuncios debe contratar en cada tipo de
programa para que el coste de la Coste
50 100 50x +100y
campaña publicitaria sea mínimo. 1.000€
 Formulación del problema:

Variables de decisión: x = nº de anuncios en programa de corazón

y = nº de anuncios en fútbol

Min z = 50x + 100y (función objetivo en 1.000 €)

s.a: 6x + 3y ≥ 30 (mujeres)
2x + 8y ≥ 24 (hombres)
x, y ≥ 0 (no negatividad)
 Dibujamos la región factible.
Y

14

Min z = 50 x + 100y 12
6x + 3y = 30
s.a. 6x + 3y ≥ 30
10
2x + 8y ≥ 24
x, y ≥ 0 8

4
2x + 8y = 24
2

X
2 4 6 8 10 12 14
 Calculamos los vértices de la región factible:
Y
El vértice A es solución del
La región factible
sistema 14
no está acotada
6x + 3y = 30
x=0 12
Por tanto, A(0, 10)
10 A
Región
El vértice B es solución de 8 Factible
6x + 3y = 30
2x + 8y = 24 6
Por tanto, B(4, 2)
4

El vértice C es solución de B
2
2x + 8y = 24
y=0 C
Por tanto, C(12, 0) 2 4 6 8 10 12 14
X
 Resolvemos por el método analítico

Evaluamos la función objetivo z en los vértices.

Y
Vértice z = 50x + 100y
14
z = 50·0 + 100·10 =
A(0, 10)
= 0+10000 = 10 000 12

z = 50·4 + 100·2 = 10
A(0, 10)
B(4, 2) Región
= 200+200 = 400 Factible
8
z = 50·12 + 100·0 =
C(12, 0)
= 6000+0 = 6 000 6

El coste mínimo se obtiene en B. 4

B(4, 2)
Solución: 2
x = 4 anuncios en pr. corazón
C(12, 0)
y = 2 anuncios en futbol
Coste z = 400 (mil €) X
2 4 6 8 10 12 14
 Resolvemos por el método gráfico
Min z = 50 x + 100y Y

s.a. 6x + 3y ≥ 30 14

2x + 8y ≥ 24
12
x, y ≥ 0

10 A(0, 10)
El coste mínimo se Región
obtiene en el 8 Factible
Z = 600
punto B.
6
Z = 400
4

B(4, 2)
2
Solución:
x = 4 anuncios en pr. corazón C(12, 0)
y = 2 anuncios en futbol X
2 4 6 8 10 12 14
Coste z = 400 (mil €)
 Número de Soluciones de un PPL
Los dos ejemplos anteriores, BASSA y Dorian Auto, tienen, cada
uno, una única solución óptima.
No en todos los PPL ocurre esto. Se pueden dar también las
siguientes posibilidades:

• Algunos PPL tienen un número infinito de

soluciones óptimas (alternativas o múltiples
soluciones óptimas).
• Algunos PPL no tienen soluciones factibles (no
tienen región factible).
• Algunos PPL son no acotados: Existen puntos en
la región factible con valores de z arbitrariamente
grandes (en un problema de maximización).
Veamos un ejemplo de cada caso.
 Número infinito de soluciones óptimas
Y
Consideremos el siguiente 60
problema:

50
C
max z = 3x + 2y

40
s.a: 3x + 2y ≤ 120
x + y ≤ 50
x,y≥0 B
30 Región
Factible
z = 120
Cualquier punto (solución) situado en 20
el segmento AB puede ser una
solución óptima de z =120. z = 60
10
z = 100

A
10 20 30 40 50 X
 Sin soluciones factibles
Y
Consideremos el siguiente
60
problema:
No existe
Región Factible
max z = 3x1 + 2x2 50
x ≥ 30
s.a: 3x + 2y ≤ 120 40
x + y ≤ 50 x + y ≤ 50 y ≥ 30
x ≥ 30
y ≥ 30 30
x,y≥0

20

10 3x + 2y ≤ 120

No existe región factible

10 20 30 40 50 X
 PPL no acotado
max z = 2x – y Y
s.a: x–y≤1 6
Región Factible
2x + y ≥ 6
x, y ≥ 0 5

La región factible es no 4
acotada. Se muestran en el z=4
gráfico las rectas de nivel para z
3
= 4 y z = 6. Pero podemos
desplazar las rectas de nivel
hacia la derecha 2

indefinidamente sin abandonar z=6

la región factible. Por tanto, el 1
valor de z puede crecer
indefinidamente.
1 2 3 4 5 X
Trabajo Individual.
• Desarrolle el planteamiento y solución grafica de 3 ejercicios relacionados a
procesos en cualquier empresa.
• Presentar próxima semana en dia de practica.

• Dr. Manuel Urcia Cruz.