Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Cj Variable Solución 60 30 20 0 0 0
Básicas X1 X2 X3 S1 S2 S3
0 S1 24 0 -2 0 1 2 -8
20 X3 8 0 -2 1 0 2 -4
60 X1 2 1 1.25 0 0 -0.5 1.5
zj 280 60 35 20 0 10 10
cj-zj 0 -5 0 0 -10 -10
Análisis de sensibilidad para los coeficientes tecnológicos
Cj Variable Solución 60 30 20 0 0 0 La variable X2 no se produce, por lo que se cambiarán los
Básicas X1 X2 X3 S1 S2 S3
coeficientes para ver si puede ingresar a la base, lo cambios
0 S1 24 0 -2 0 1 2 -8 son los siguientes:
20 X3 8 0 -2 1 0 2 -4 Cambiando el coeficiente económico a
60 X1 2 1 1.25 0 0 -0.5 1.5
= 43 nueva utilidad y los coeficientes tecnológicos a
zj 280 60 35 20 0 10 10
cj-zj 0 -5 0 0 -10 -10
Una vez que se cambien los coeficientes, se debe calcular los nuevos valores en la tabla óptima, lo anterior
se hace aplicando las siguientes fórmulas:
-=
La columna actualizada es igual a: Inversa de la matriz * vector de requerimiento
Análisis de sensibilidad para los coeficientes tecnológicos
Cj Variable Solución 60 30 20 0 0 0 Cj Variable Solución 60 43 20 0 0 0
Básicas X1 X2 X3 S1 S2 S3 Básica X1 X2 X3 S1 S2 S3
0 S1 24 0 -2 0 1 2 -8 0 S1 24 0 -7 0 1 2 -8
20 X3 8 0 -2 1 0 2 -4 20 X3 8 0 -4 1 0 2 -4
60 X1 2 1 1.25 0 0 -0.5 1.5 60 X1 2 1 2 0 0 -0.5 1.5
zj 280 60 35 20 0 10 10 zj 280 60 40 20 0 10 10
cj-zj 0 -5 0 0 -10 -10 cj-zj 0 3 0 0 -10 -10
0 S1 24 0 -7 0 1 2 -8
20 X3 8 0 -4 1 0 2 -4
60 X1 2 1 2 0 0 -0.5 1.5
zj 280 60 40 20 0 10 10
cj-zj 0 3 0 0 -10 -10
Si aplicamos el algoritmo del Simplex a la última tabla, obtenemos la solución óptima del programa modificado, con los cambios en
la columna de la segunda variable. Dicha solución óptima es =1, = 12 z= 283
Cj Variable Solución 60 43 20 0 0 0
Básicas X1 X2 X3 S1 S2 S3
Iteration 3
300 X3 16 4 2 1 1 0 0
0 slack 2 9 -7 -2 0 -2 1 0
0 slack 3 4 -3 -1 0 -1 0 1
zj 4,800 1200 600 300 300 0 0
cj-zj -800 -400 0 -300 0 0
Ahora supongamos que la empresa necesita necesitara producir otro artículo con los
siguientes requerimientos:
2 cortadores, 2 horas máquinas de coser y 1 empacador y cuya utilidad es de US$100. Por lo
tanto, se plantea la pregunta. ¿Merecerá la pena su elaboración? Y si merece la pena su
elaboración ¿En qué cantidad?
.
Adición de una variable de decisión
Con la utilidad de US$610 si vale la pena su elaboración. Porque el precio sombra es positivo.
300 X3 16 4 2 1 2 1 0 0
0 slack 2 9 -7 -2 0 -2 -2 1 0
0 slack 3 4 -3 -1 0 -1 -1 0 1
zj 4,800 1200 600 300 600 300 0 0
cj-zj -800 -400 0 10 -300 0 0
Adición de una variable de decisión
Cj Basic Quantity 400 200 300 610 0 0 0
Variables X1 X2 X3 X4 slack 1 slack 2 slack 3
Iteration 3
300 X3 16 4 2 1 2 1 0 0
0 slack 2 9 -7 -2 0 -2 -2 1 0
0 slack 3 4 -3 -1 0 -1 -1 0 1
zj 4,800 1200 600 300 600 300 0 0
cj-zj -800 -400 0 10 -300 0 0
610 X1 8 2 1 1/2 1 1/2 0 0
0 slack 2 25 -3 0 1 0 -1 1 0
0 slack 3 12 -1 0 1/2 0 -1/2 0 1
zj 4480 1220 610 305 610 305
cj-zj -820 -410 -5 0 -305
Adición de una nueva restricción
Cuando se considera la incorporación de una nueva restricción el primer paso es comprobar si la solución
optima del problema original la verifica, en este caso la solución también será optima para el problema
modificado.
Supongamos que en el caso del problema en estudio la empresa tiene un cambio en la tecnología de
fabricación que requiere agregar un proceso de lavado. Los requerimientos de lavado para producir lotes de
100 unidades de cada tipo de traje y la disponibilidad máxima de lavado se detallan a continuación.
Requerimientos de
Jeans Franelas Amasados Disp. máxima
lavado
Lavadores 3 3 2 40 personas
[personas/lote]
• la solución es óptima pero degenerada pues variable es nula. Y esto significa que el modelo tiene al
menos una restricción redundante o sobrante; es decir no forman parte de la solución factible en el caso
del método gráfico y en el simplex nos hace hacer varias iteraciones con el mismo resultado. Es decir,
múltiples soluciones óptimas
• la solución actual no verifica la nueva restricción, y por tanto, es infactible para el nuevo problema, lo cual
se puede resolver restituyendo la factibilidad por la vía del dual.
Adición de una nueva restricción
En este caso lo que se hace es verificar la nueva restricción; para verificar la nueva restricción lo que se
hace es que se estandariza agregando una variable de holgura:
Como 0 Decimos que la ecuación se verifica y los datos solo son agregados al tablero de la solución óptima. Lo
datos agregados quedan de la siguiente forma:
Adición de una nueva restricción
(-2)X3 16 4 2 1 1 0 0 0
= -32 -8 -4 -2 -2 0 0 0
+S4 40 3 3 2 0 0 0 1
Nueva S4 8 -5 -1 0 -2 0 0 1
Adición de una nueva restricción
Si la disponibilidad pasara de 40 a 20 la solución actual no verifica la nueva restricción.
En caso de que los datos de la tabla óptima no verifiquen la nueva restricción se sigue lo siguiente:
Cj Basic Quantity 400 200 300 0 0 0 0
Variables X1 X2 X3 slack 1 slack 2 slack 3 slack 4
Iteration 3
300 X3 16 4 2 1 1 0 0 0
0 slack 2 9 -7 -2 0 -2 1 0 0
0 slack 3 4 -3 -1 0 -1 0 1 0
0 slack 4 20 3 3 2 0 0 0 1
zj 4,800 1200 600 300 300 0 0 0
cj-zj -800 -400 0 -300 0 0 0
Adición de una nueva restricción
En este caso en la fila de la nueva restricción se elimina el coeficiente 2 ya que afecta a la variable básica X3,
ya que esta variable básica debe continuar en forma de matriz identidad. Para lo cual aplicamos el método
simplex a la fila X3.
Cj Basic Quantity 400 200 300 0 0 0 0
Variables X1 X2 X3 slack 1 slack 2 slack 3 slack 4
Iteration 3
300 X3 16 4 2 1 1 0 0 0
0 slack 2 9 -7 -2 0 -2 1 0 0
0 slack 3 4 -3 -1 0 -1 0 1 0
0 slack 4 20 3 3 2 0 0 0 1
zj 4,800 1200 600 300 300 0 0 0
cj-zj -800 -400 0 -300 0 0 0
(-2)X3 16 4 2 1 1 0 0 0
= -32 -8 -4 -2 -2 0 0 0
+S4 20 3 3 2 0 0 0 1
Nueva S4 -12 -5 -1 0 -2 0 0 1
Adición de una nueva restricción
Como al estar la tabla óptima en forma matricial observamos que S4 = -12, decimos que la solución es
infactible y para hacerlo factible se procede a aplicar el método simplex dual
(-1/2)S4 -12 -5 -1 0 -2 0 0 1
S1 6 5/2 1/2 0 1 0 0 -1/2
Adición de una nueva restricción
Cj Basic Quantity 400 200 300 0 0 0 0
Variables X1 X2 X3 slack 1 slack 2 slack 3 slack 4
Iteration 3
300 X3 10 3/2 3/2 1 0 0 0 1/2
0 slack 2 21 -2 -1 0 0 1 0 -1
0 slack 3 4 -3 -1 0 -1 0 1 0
0 slack 1 6 5/2 1/2 0 1 0 0 -1/2
zj 4,800 1200 600 300 300 0 0 0
cj-zj -800 -400 0 -300 0 0 0