You are on page 1of 266

Ing.

Mauro Pérez Estrella

INVESTIGACIÓN DE OPERACIONES I

Mauro Pérez E., Luz Franco P.

AGRADECIMIENTO

Investigación de Operaciones I
1
Ing. Mauro Pérez Estrella

El autor agradece a todas aquellas personas que hicieron posible para que este libro
fuera terminado y publicado. Aún con las fallas u omisión que pudiera encontrarse
para llevar adelante esta tarea.
De igual forma a los estudiantes de la Facultad de Ingeniería Química y textil, de la
Universidad Nacional de Ingeniería, durante mis años como profesor del curso de
Investigación de Operaciones I, hasta la fecha. Cada uno de ellos aportó alguna idea
interesante para preparar ejemplos y ejercicios.
Un agradecimiento muy especial a la Ingeniera Luz Franco, por sus consejos muy
valiosos que sentó las bases de este libro.
A mi familia, que adoptaron como propio este proyecto, por todas las horas regaladas
con amor para facilitar su consecución. A todos ellos........., ¡muchas gracias!

LOS AUTORES

Este libro está basado en los apuntes de clases y las prácticas tomadas a lo largo de la
experiencia impartiendo la asignatura “Investigación de Operaciones I”, en la carrera de
Ingeniería Química y Textil de la Universidad Nacional de Ingeniería. Por lo que el texto está
orientado hacia los estudiantes y profesionales de Ingeniería, como parte de su formación
académica curricular. El tratamiento de los temas se realiza en un marco de rigor académico.
No obstante la existencia de una bibliografía muy nutrida en relación al tema de la
Programación Lineal.
El objetivo modesto del texto es de aportar una interpretación más sencilla de los
procedimientos de algunos temas, que facilite el aprendizaje y que permita un conocimiento
más versátil de la Programación Lineal.
Del mismo modo, es probable que parezca irrelevante la preparación de este libro, bajo la
óptica de que los estudiantes y profesionales que hacen uso de la Programación Lineal, sin la
necesidad de conocer los fundamentos del modelo y de los algoritmos de resolución,
utilizando solamente la variedad de Software (programas computacionales).
En mi opinión este enfoque es erróneo, ya que desde este punto de vista la Investigación de
Operaciones puede llegar a considerarse como una herramienta relativamente simple frente a
otras disciplinas y al mismo tiempo muy fiable como para aplicarla en muchas situaciones en
donde no es factible, por parte de personas no calificadas.
Sólo un conocimiento adecuado de los aspectos teóricos involucrados, logrará un eficaz
aprovechamiento de esta herramienta y del software disponible.
El libro está dividido en 5 capítulos, cuyo contenido general se presenta a continuación.
El Capítulo I, denominado “El modelo de programación lineal”, presenta los aspectos
fundamentales del modelo, incluyendo sus supuestos, tras una brevísima mención a la
Investigación de Operaciones.

Investigación de Operaciones I
2
Ing. Mauro Pérez Estrella

El contenido fundamental del capítulo lo constituye la presentación de una variada gama de


formulaciones de problemas de programación lineal (PPL), con la finalidad de que el lector
visualice las posibilidades de aplicación y se introduzca a la formulación de modelos.
El Capítulo II, denominado “Métodos de resolución de PPL”, presenta desde el método más
simple como es método gráfico hasta el método Simplex, incluyendo el uso del software
denominado LINDO. Se pone especial énfasis en cada uno de los métodos, para lo cual se
asigna la misma importancia a cada una de ellas y se estudian todas sus interrelaciones más
importantes.
El Capítulo III, denominado “Dualidad”, presenta el problema Dual, las relaciones primal
dual y algunos aspectos de la interpretación económica de la dualidad. Asimismo, se
complementa el tema de resolución de PPL, con la presentación de la importante variante
denominada Simplex Dual.
El Capítulo IV, denominado “Análisis de Sensibilidad”, aborda la importante temática del
análisis post-optimal, utilizando el conocimiento teórico del método Simplex y de las
interrelaciones existentes entre sus distintas variantes, junto con tratar en forma individual
cada una de las modificaciones posibles.
El Capítulo V, abarca los denominados “Problemas de transporte y de asignación”. Todos los
capítulos finalizan con la presentación de algunos ejercicios resueltos y con una proposición
de ejercicios para trabajo personal. En relación a los ejercicios presentados, éstos han sido
seleccionadas de ejercicios propios y adaptados de otras fuentes. Todos los ejercicios
resueltos y los ejercicios propuestos en cada capítulo provienen de pruebas o exámenes
preparados en cada ciclo. En otros casos, se han efectuado adaptaciones de ejercicios que ya
forman parte de la tradición de la enseñanza de la Investigación de Operaciones, siendo difícil
determinar su autoría original.
Como requisito fundamental para lograr un adecuado aprovechamiento de este documento, el
estudiante debe contar con nociones fundamentales de matrices y sistemas de ecuaciones
lineales.
Se espera que los principales aportes de este libro, para el aprendizaje y aplicación de la
Programación Lineal, se encuentren en el tratamiento que se da a algunos temas, en relación
al que es habitual en la bibliografía disponible.
Finalmente, cabe señalar que es prácticamente imposible que este libro se encuentre exento
de errores, especialmente debido a la complejidad del trabajo de digitación, dada la notación
utilizada, aunque ha sido exhaustivamente revisado y corregido. En todo caso, el autor asume
toda la responsabilidad por los errores de distinta naturaleza que puedan existir, agradeciendo
a los lectores se los hagan notar, para proceder a enmendarlos en futuras ediciones.
Asimismo, se agradece todo tipo de sugerencias que puedan mejorar tanto el contenido como
la presentación de este libro.

Mg. Ing.Mauro Pérez Estrella


Mv. Ing.. Luz Franco Portilla

Lima, Agosto de 2010

Investigación de Operaciones I
3
Ing. Mauro Pérez Estrella

ÍNDICE

CAPÍTULO I: EL MODELO DE PROGRAMACIÓN LINEAL .............. Pág. 8


1. La investigación de operaciones ..................................................................... 8
2. Programación Lineal………………………………………………………... 12
2.2) Ejemplos básicos de P.M. y resolución gráfica ........................................... 18
3. El modelo de Programación Lineal ................................................................. 24
3.1) El modelo matemático de Programación Lineal .......................................... 24
3.2) Ejemplos de Problemas de Programación Lineal (PPL) .............................. 26
3.3) Supuestos del modelo de Programación Lineal ........................................... 42
4. Ejercicios propuestos ....................................................................................... 44
CAPÍTULO II: MÉTODOS DE RESOLUCIÓN DE PPL .................................. 96
1. Conceptos fundamentales ............................................................................... 53
2. Introducción al método simplex ..................................................................... 55
2.1) Presentación general .................................................................................... 55
2.2) Transformaciones en PPL para uso de Simplex .......................................... 57
3. Cuadro o tableau simplex................................................................................. 75
3.1) Cuadro Simplex sin variables artificiales ..................................................... 76
3.2) Cuadro Simplex con variables artificiales .................................................... 80
5. Ejercicios resueltos .......................................................................................... 93
6. Ejercicios propuestos ...................................................................................... 99
CAPÍTULO III: DUALIDAD ........................................................................... 105
1. El problema dual de un PPL ........................................................................... 105
2. Relaciones primal-dual ................................................................................. 108
3. Teoremas de la dualidad ............................................................................... 114
4. Método simplex- dual.................................................................................... 119
5. Interpretación económica de la solución óptima del dual............................... 123
6. Ejercicios resueltos ........................................................................................ 130
7. Ejercicios propuestos ..................................................................................... 140
CAPÍTULO IV: ANÁLISIS DE SENSIBILIDAD .- POST OPTIMAL…....... 147

Investigación de Operaciones I
4
Ing. Mauro Pérez Estrella

1. Introducción .................................................................................................. 147


2. Procedimiento de análisis de sensibilidad .................................................... 148
2.1) Cambios en vector ci ................................................................................. 150
2.2) Cambios en vector bi .................................................................................. 150
2.3) Cambios en matriz A (variables no básicas) .............................................. 157
2.4) Introducción de nuevas variables ............................................................... 160
2.5) Cambios en matriz A (variables básicas) ................................................... 161
2.6) Adición de nuevas restricciones ................................................................ 165
3. Ejercicios resueltos ........................................................................................ 170
4. Ejercicios propuestos .................................................................................... 177

CAPÍTULO V: PROBLEMAS DE TRANSPORTE Y DE ASIGNACIÓN:


1. Formulación de un problema de transporte.…………………………….. 221
2. Problema de transporte balanceado………………………………………. 222
3. Problema de transporte desbalanceado…………………………………….. 223
4. Método de solución de la esquina Nor-Oeste……………………………… 224
5. Método de asignación Vógel………………………………………………. 228
6. Formulación de un problema de Asignación ……………………………… 231
7. Algoritmo de solución – Método Húngaro ……………………………….. 232
8. Ejercicios resueltos ………………………………………………………… 236
9. Ejercicios Propuestos………………………………………………………. 274

BIBLIOGRAFÍA .............................................................................................. 288

Investigación de Operaciones I
5
Ing. Mauro Pérez Estrella

EL MODELO DE PROGRAMACIÓN LINEAL

INVESTIGACIÓN DE OPERACIONES

Como su nombre lo dice, la investigación de operaciones significa “hacer investigación


sobre las operaciones” la cual se aplica a problemas que se refieren a la conducción y
coordinación de operaciones (o actividades) dentro de una organización, en diversas

Investigación de Operaciones I
6
Ing. Mauro Pérez Estrella

áreas como la manufacturera, el transporte, la construcción, las telecomunicaciones, la


planeación financiera, el cuidado de la salud y los servicios públicos entre otros.
La investigación de operaciones usa un enfoque similar a la manera en que se lleva a
cabo la investigación en los campos científicos establecidos (método científico). En
particular, el proceso comienza por la observación cuidadosa y la formulación del
problema incluyendo la recolección de datos pertinentes. El siguiente paso es la
construcción de un modelo científico (por lo general matemático) que intenta abstraer la
esencia del problema real. En este punto se propone la hipótesis de que el modelo es una
representación lo suficientemente precisa de las características esenciales de la situación
como para que las conclusiones (soluciones) obtenidas sean válidas también para el
problema real. Después se llevan a acabo los experimentos adecuados para probar esta
hipótesis, modificarla si es necesario y eventualmente verificarla. Así, para tener éxito,
deberá también proporcionar conclusiones claras para la toma de decisiones.
Una característica adicional de I.O. es intentar encontrar una mejor solución (llamada
solución óptima) para el problema bajo la consideración (decimos una mejor solución y
no la mejor solución porque pueden existir muchas soluciones que empaten como la
mejor).
Resumen de las etapas de estudio de I.O.
1. Definición del problema de interés y recolección de los datos relevantes.
2. Formulación de un modelo matemático que representa el problema.
3. Desarrollo de un procedimiento basado en computadora para derivar una solución
al problema a partir del modelo.
4. Prueba del modelo y mejoramiento según sea necesario.
5. Preparación para la aplicación del modelo prescrito por la administración.
6. Puesta en marcha.

Desde que, a comienzos del siglo XX, Frederick Taylor, Henry Gantt, Frank y Lilian Gilbreth,
entre otros, realizaron las primeras aplicaciones del método científico a los problemas de las
organizaciones, a la vez que Henry Fayol postuló los principios generales de la
administración, podría decirse que la administración de organizaciones dejó de ser una
actividad intuitiva.
Mientras más complejas y especializadas se hicieron las organizaciones industriales, los
problemas a resolver por los administradores fueron alcanzando una complejidad que no sólo
era inherente a la situación bajo análisis, sino también a su interrelación con otros
componentes de la organización, lo que reforzó la necesidad de adoptar un punto de vista
científico y sistemático para interpretar, analizar y resolver los problemas de empresas e
instituciones.
En este contexto se inscribe una disciplina o actividad denominada Investigación de
Operaciones (IO), la cual se desarrolló a partir de la Segunda Guerra Mundial, aunque existen
trabajos anteriores que podrían situarse en la misma línea. En esa guerra, el problema de
asignación efectiva de recursos escasos a las diversas operaciones militares, al igual que la
resolución de otros problemas que requerían el análisis de las operaciones militares, dio lugar
a la formación de grupos de científicos en Inglaterra y en EE.UU. que realizaron importantes
aportes a la resolución de problemas tácticos y estratégicos.
Después de la Segunda Guerra Mundial, lentamente primero y con gran énfasis a partir de la
década de 1950, esta disciplina pasó desde el ámbito de las operaciones militares al de las

Investigación de Operaciones I
7
Ing. Mauro Pérez Estrella

operaciones industriales, siendo reconocida hoy como una actividad fundamental en la


administración moderna de organizaciones, así como en otros campos de la actividad humana.
Precisamente, el fuerte desarrollo teórico de la Programación Lineal y su rápida y exitosa
introducción al campo industrial a partir de la década de 1950, marcó el inicio de una ola de
aplicaciones empresariales de otras técnicas y modelos de la IO, que hasta entonces eran
conocidos sólo por los especialistas.
Actualmente, la mayor parte de las empresas de los países industrializados utilizan técnicas y
modelos específicos de la Investigación de Operaciones, tales como la Programación Lineal,
la Programación Entera, la Simulación, la Programación Dinámica, la Teoría de Colas o
Modelos de Fenómenos de Espera, los Modelos de Inventarios, las Cadenas de Markov, los
Modelos de Secuenciación (CPM, PERT), entre otras.
La siguiente definición de Investigación de Operaciones pretende sintetizar los principales
aspectos que caracterizan a esta actividad o disciplina:
“La Investigación de Operaciones (IO) es la aplicación del método científico
al estudio de los problemas de toma de decisión en situaciones determinísticas ó
probabilísticas al interior de sistemas complejos, considerando la formulación de un modelo
generalmente matemático que permita estudiar el problema y desarrollar una solución que
indique el mejor u óptimo curso de acción posible, coherente con los objetivos globales del
sistema”.
Las dos características esenciales, que distinguen a la IO de otras disciplinas o actividades
que podrían asimilarse a la anterior definición, son:
i) El modelamiento –generalmente matemático – de los problemas de decisión.
ii) La búsqueda de la mejor o la óptima solución de los problemas de decisión.

Programación Lineal

Entre los avances científicos más importantes de mediados del siglo XX se encuentra el
desarrollo de la programación lineal. Cabe preguntarse, ¿Cuál es la naturaleza de esta notable
herramienta y qué tipos de problemas puede manejar?. El tipo más común de aplicación
abarca el problema general de asignar recursos limitados entre actividades competitivas de
la mejor manera posible (es decir, en forma óptima). Es decir este problema incluye elegir el
nivel de ciertas actividades que compitan por recursos escasos necesarios para realizarlas.
Después, los niveles de actividad elegidos dictan la cantidad de cada recurso que consumirá
cada una de ellas. Por lo tanto el ingrediente común de las diversas situaciones es la necesidad
de asignar recursos a las actividades eligiendo los niveles de las mismas.
La programación lineal en este caso utiliza un modelo matemático para describir un problema.
El adjetivo lineal significa que todas las funciones matemáticas del modelo deben ser
funciones lineales. La palabra programación no se refiere a programación en computadotas;
en esencia es sinónimo de planeación. Así pues la programación lineal trata la planeación de
actividades para obtener un resultado óptimo.
La programación matemática es una potente técnica de modelado usada en el proceso de toma
de decisiones. Cuando se trata de resolver un problema de este tipo, la primera etapa consiste
en identificar las posibles decisiones que pueden tomarse; esto lleva a identificar las variables
del problema concreto. Normalmente, las variables son de carácter cuantitativo y se buscan

Investigación de Operaciones I
8
Ing. Mauro Pérez Estrella

los valores que optimizan el objetivo. La segunda etapa supone determinar qué decisiones
resultan admisibles; esto conduce a un conjunto de restricciones que se determinan teniendo
presente la naturaleza del problema en cuestión. En la tercera etapa, se calcula el
coste/beneficio asociado a cada decisión admisible; esto supone determinar una función
objetivo que asigna, a cada conjunto posible de valores para las variables que determinan una
decisión, un valor de coste/beneficio. El conjunto de todos estos elementos define el problema
de optimización. La programación lineal (PL), que trata exclusivamente con funciones
objetivos y restricciones lineales, es una parte de la programación matemática, y una de las
áreas más importantes de la matemática aplicada. Se utiliza en campos como la ingeniería, la
economía, la gestión, y muchas otras áreas de la ciencia, la técnica y la industria.
En este capítulo se introduce la programación lineal por medio de varios ejemplos
seleccionados. Para empezar nuestra exposición se hace notar que cualquier problema de
programación lineal requiere identificar cuatro componentes básicos:
1. El conjunto de datos.
2. El conjunto de variables involucradas en el problema, junto con sus dominios
respectivos de definición.
3. El conjunto de restricciones lineales del problema que definen el conjunto de
soluciones admisibles.
4. La función lineal que debe ser optimizada (minimizada o maximizada).

Los computadores en su aplicación. Lo primero proviene del hecho de que los problemas a
resolver son habitualmente muy complejos y con consecuencias sobre distintas partes del
sistema. Lo segundo proviene del hecho que la resolución de un problema, mediante la IO,
requiere habitualmente procesar gran cantidad de datos numéricos.
En las secciones que siguen se da una lista de ejemplos, prestando especial atención en cada
caso a estos cuatro elementos.
La lista seleccionada no es sino una muestra de la gran cantidad de problemas de
programación lineal (PPL) disponibles en las referencias. El objetivo en dicha selección es
poder ilustrar de manera clara el alcance de la programación lineal y ayudar a nuestros lectores
a familiarizarse con los cuatro elementos descritos más arriba.

FORMULACIÓN

El objeto de la programación lineal es optimizar (minimizar o maximizar) una función lineal


de n variables sujeto a m restricciones lineales de igualdad o desigualdad.
Formalmente, se dice que un problema de programación lineal consiste en encontrar el óptimo
(máximo ó mínimo) de una función lineal en un conjunto que puede expresarse como la
intersección de un número finito de hiperplanos y semiespacios en R n. Considérense las
siguientes definiciones.

Investigación de Operaciones I
9
Ing. Mauro Pérez Estrella

Definición (problema de programación lineal)

La forma más general de un problema de programación lineal (PPL) cosiste en minimizar o


maximizar, cuyo modelo matemático contempla la siguiente estructura:

1ro. Las variables de decisión: Xj


2do. La función a optimizar ( Z): ecuación (a)
3ro. Las restricciones del modelo. Ecuación (b) y
4to. La condición de no negatividad de las variables.

n
Z  f ( x)   c j x j (a)
j 1

s.a:

n
 aij x j  bi ,
j 1
n
 aij x j  bi , (b)
j 1
n
 aij x j  bi ,
j 1

Lo que distingue un problema de programación lineal de cualquier otro problema de


optimización es que todas las funciones que en él intervienen son lineales.
Una única función no lineal hace que el problema no pueda clasificarse como problema de
programación lineal. Téngase en cuenta además que se considerará que los problemas tienen
siempre un número finito de restricciones.
La función (lineal) en (a) se denomina función objetivo, y es la función de ha de optimizarse.
Obsérvese que en (b) se presentan todas las posibles alternativas en lo que se refiere a los
operadores que relacionan los dos términos de las restricciones (lineales), dependiendo de los
valores p y q. Como casos especiales, el problema puede tener exclusivamente restricciones
de igualdad, de desigualdad de un tipo, de desigualdad del otro tipo, desigualdades de ambos
tipos, igualdades y desigualdades, etc.
Todo problema de programación lineal conlleva a la primera tarea de formular el problema,
como uno de programación lineal.

Investigación de Operaciones I
10
Ing. Mauro Pérez Estrella

La formulación del problema establece los siguientes procedimientos:

1. En primer lugar definir las variables de decisión dependiendo de lo que se quiera


determinar.

2. Una vez establecido las variables de decisión adecuadamente, debemos definir la función
objetivo que pueda ser: como una maximización o de minimización.

3. Luego de haber definido la función objetivo, se procede a establecer las restricciones


(dadas en forma de desigualdades) asociados a los recursos.

4. Finalmente establecer la condición de no negatividad de las variables.

Propiedades que debe de seguir el modelo de programación lineal.

Proporcionalidad. En el modelo de programación lineal las cantidades deben ser


proporcionales.

El modelo de programación lineal es estático, plantea una situación del momento.

X = progreso de la actividad

Aditividad. Siempre las cantidades se suman.

Requerimientos.
Costos y
Utilidades.

Investigación de Operaciones I
11
Ing. Mauro Pérez Estrella

Divisibilidad. Las variables involucradas en el modelo de programación lineal pueden no ser


un número entero...

Si los valores son muy pequeños no importa el redondeo.


Si son muy altos afecta el redondeo.

Certidumbre. Todos los parámetros que se manejan deben ser pasados con certeza.

Ejemplo (red de comunicaciones).

El objeto de este problema es enviar un mensaje a través de una red de comunicaciones desde
el nudo A al nudo B incurriendo en un coste mínimo. La red está compuesta por cuatro nudos
A, B, C y D, y hay líneas de conexión entre A y C, A y D, D y C, C y B, y D y B, con coste
unitarios por envío de mensajes de 4, 2, 3, 1, y 2, respectivamente
(véase la figura).

Solución

Sea: xij = fracción de mensaje a través de la red que va por el canal de comunicación que
une los nudos “i”, “j”.

F.O.: El problema que describe la situación anterior consiste en minimizar costo total de
enviar un mensaje.

Z = 4xAC + 2xAD + 3xDC + xCB + 2xDB

Debe de cumplirse las siguientes restricciones:

1. Ninguna fracción de mensaje puede perderse en el nudo C:

Investigación de Operaciones I
12
Ing. Mauro Pérez Estrella

xAC + xDC = xCB

2. Ninguna fracción de mensaje puede perderse en el nudo D:

xAD = xDC + xDB

3. El mensaje debe llegar íntegro a B:

1 = xCB + xDB
C.N. xij  0

Problema

La Nacional Steel corporation (NSC) produce un acero especial, usados en las industrias de
aviación y aeroespaciales. El departamento de ventas de NSC ha recibido pedidos de 2400,
2200, 2700 y 2600 toneladas de acero para cada uno de los siguientes 4 meses. NSC puede
satisfacer estas demandas produciendo el acero, extrayéndolo de su inventario, o usando
cualquier combinación de las dos alternativas. Se proyecta que los costos de producción por
toneladas de acero durante cada uno de los siguientes 4 meses sean de $ 7400, $ 7500, $ 7600
y $ 7700. Como los costos suben cada mes, debido a las presiones inflacionarias, tal vez sea
mejor que NSC produzca más acero del que necesita en un mes determinado y que almacene
el exceso. La capacidad de producción, sin embargo, no puede exceder las 4000 toneladas en
ningún mes. La producción mensual se termina al final del mes, cuando la demanda se
satisface. Cualquier acero remanente se almacena en inventario a un costo de $ 120 por
tonelada por cada mes que permanece allí. Estos datos se resumen en la siguiente tabla.

MES
1 2 3 4
Demanda(ton) 2400 2200 2700 2600
Costo de 7400 7500 7600 7700
producción($/ton) 120 120 120 120
Costo de
inventario($/ton)

Si el nivel de producción se incrementa de un mes al siguiente, entonces la compañía incurre


en un costo de $ 50 por tonelada de producción incrementada para cubrir la mano de obra
adicional y/o el tiempo extra. Cada tonelada de producción disminuida incurre en un costo de
$ 30 para cubrir los beneficios de empleados no utilizados. El nivel de producción durante el
mes anterior fue de 1800 toneladas y el inventario que comienza es de 1000 toneladas. El
inventario al final del cuarto mes debe ser de al menos 1500 toneladas para cubrir la demanda
anticipada. Formular el problema como uno de P.L.

Solución

Investigación de Operaciones I
13
Ing. Mauro Pérez Estrella

Variables de decisión:

Sea: Xi = cantidad (Tn) de acero, producidas en el mes “i”, i = 1, 2, 3 y 4


Yi = cantidad (Tn) de acero, producidas en el mes “i” para almacenamiento
i = 1, 2, 3 y 4

Función Objetivo: minimizar el costo total de producción

min Z  7450( x1  y1 )  7530( x 2  y 2 )  7650( x3  y 3 )  7730( x 4  y 4 )


 120( y1  y 2  y 3  y 4 )

Restricciones:

1) Demanda del primer mes


x1  y 0  2400  y1
2) Demanda del segundo mes
x2  y1  2200  y 2
3) Demanda del tercer mes
x3  y 2  2700  y3
4) Demanda del cuarto mes
x 4  y3  2600  y 4
5) Inventario al inicio del primer mes
y 0 1000
6) Inventario al final del cuarto mes
y 4  1500
7) Máxima producción por mes
xi  yi  4000 i  1,2,3 y4
Condición de no negatividad: xi , yi  0

Símbolos usados en programación lineal

Ciertos símbolos se usan de manera convencional para denotar las distintas componentes
de un modelo de programación lineal. Así tenemos:
Z = Medida global de efectividad.
Xi = nivel de la actividad i (para i= 1,2, …,n)
Cj = Taza de contribución a la efectividad de Z
bi = Cantidad de recurso “i” disponible para asignar a las actividades ( para i = 1,2, …,
m).
aij = Cantidad de recurso “i” consumido por cada unidad de la actividad “j”.

Investigación de Operaciones I
14
Ing. Mauro Pérez Estrella

Problema

Blubber Maid, Inc. Fabrica tres productos de caucho: Airtex (material esponjoso), Extendex
(material clásico) y Resitex (material rígido). Los tres productos requieren los mismos tres
polímeros químicos y una base. La cantidad de cada ingrediente usada por libra de producto
final se muestra en la tabla siguiente.
Ingredientes (oz/lb de producto)
Producto Polímero A Polímero B Polímero C Base

Airtex 4 2 4 6

Extendex 3 2 2 9

Resistex 6 3 5 2

Blubber Maid, Inc. Tiene el compromiso de producir al menos 1000 libras de Airtex, 500
libras de Extendex y 400 libras de Resitex, para la próxima semana, pero la gerencia de la
compañía sabe que puede vender más de cada uno de los tres productos.
Los inventarios actuales de los ingredientes son 500lb. De polímero A, 425lb. De polímero
B, y 650lb de polímero C y 1100lb de base. Cada libra de Airtex produce a la compañía una
ganancia de $7, cada libra de Extendex una ganancia de $7 y cada libra de Resitex una
ganancia de $6. Como gerente del departamento de producción, usted necesita determinar un
plan de producción óptimo para esta semana.

Solución

Formulación

Definición de variables

Xi : libras a producir de i, donde:


XA : libras a producir de Airtex

Investigación de Operaciones I
15
Ing. Mauro Pérez Estrella

XE : libras a producir de Extendex


XR : libras a producir de Resistex

Función Objetivo: maximizar utilidades ($)

Max Z = 7 XA + 7 XE + 6 XR

Restricciones
Demanda de Airtex: XA ≥ 1000
Demanda de Extendex: XE ≥ 500
Demanda de Resistex: XR ≥ 400
Libras disponibles de polímero A: 4XA + 3XE + 6XR ≤ 8000
Libras disponibles de polímero B: 2XA + 2XE + 3XR ≤ 6800
Libras disponibles de polímero C: 4XA + 2XE + 5XR ≤ 10400
Libras disponibles de base: 6XA + 9XE + 9XR ≤ 17600
Condición de no negatividad
Xi (i = A,E,R) ≥ 0

Problema

Una inversionista tiene oportunidad de realizar las actividades A y B al principio de cada uno
de los cinco años. Cada dólar invertido al principio de cualquier año retribuye $ 1.40 dos años
después (a tiempo para la reinversión inmediata). Cada dólar invertido en B al principio de
cualquier año retribuye $ 1.70, tres años después. Además las actividades C y D están
disponibles para inversión una sola vez en el futuro. Cada dólar invertido en C al principio
del año 2 da $ 1.90 al final del año 5. Cada dólar invertido en D al principio del año 5 retribuye
$ 1.30 al final de ese año. El inversionista dispone de $ 60 000 y desea saber cuál es el plan
óptimo de inversión. Formular el problema como uno de P.L.

Solución

Sea Xij = cantidad de dólares invertidos en el año “i” en la actividad “j”


i = 1, 2, 3, 4, 5
j = A, B, C, D
Yi = cantidad de dólares no invertidos en el año “i”
i = 1, 2, 3 y 4
Función Objetivo: maximizar la inversión.
Max Z = 1.9X2C + 1.7X3B `1.4X4A + 1.3X5D
s. a:
Capital disponible
X1A + X1B + Y1 = 60 000
Cantidad no invertido en el año 1, disponible para la inversión en el año 2

Investigación de Operaciones I
16
Ing. Mauro Pérez Estrella

X2A + X2B + X2C + Y2 = Y1


Cantidad no invertido en el año 2, más la utilidad de la inversión en el año 1, disponibles para
la inversión en el año 3
X3A + X3B + Y3 = 1.4X1A + Y2
Cantidad no invertido en el año 3, más las utilidades de la inversión en el año 2, disponibles
para la inversión en el año 4
X4A + Y4 = 1.4X2A + 1.7X1B + Y3
Las utilidades de la inversión en el año 3, disponibles para la inversión en el año 5
X5D = 1.4X3A + 1.7X2B + Y4
 Xij, Yi ≥ 0

Problema

Un Modelo de Mezcla de Productos

La Panadería del Mejor Pan es famosa por sus panes. Ellos hacen dos clases: "Sunshine",
un pan blanco y "Moonlight", un pan grande y oscuro.
El mercado para los famosos panes es interminable. Cada barra de pan Sunshine vendido
da una ganancia de $0.05 y cada barra de pan Moonlight da una ganancia de $0.08. Hay
un costo fijo de funcionamiento de la panadería de $4000 por mes, indistintamente de la
cantidad de pan horneado.
La panadería está dividida en dos departamentos: Horneado y Mezcla, con capacidades
limitadas ambos departamentos. En el departamento de horneado hay diez hornos
grandes, cada uno con una capacidad de 140 recipientes para horneado por día. Esto hace
posible poner diez Barras de Sunshine en cada una de esos recipientes, o cinco barras de
pan Moonlight. Usted puede hacer alguna combinación de esos dos panes sobre los
recipientes. Tenga en mente que cada barra de Moonlight ocupa dos espacios por una de
Sunshine.
El departamento de mezclas puede mezclar hasta 8000 barras de pan Sunshine por día y
5000 barras de pan Moonlight por día. Hay dos mezcladoras automáticas separadas y no
hay conflicto para hacer las dos clases de masa.
Puesto que el mercado de ambos tipos de pan es ilimitado, la administración de la
Panadería ha decidido encontrar la mejor mezcla del producto. La pregunta es cuántas
barras de cada tipo de pan debe ser horneado cada día para producir la más alta ganancia,
dadas las limitaciones de la panadería.
Mostraremos ahora cómo identificar las variables de decisión, la función objetivo y las
restricciones para este modelo y luego ingresar la formulación en MPL.

Formulando el Modelo

Identificar las Variables de Decisión

Para nuestra panadería, las variables de decisión corresponden al número de barras


de pan de cada tipo que se hacen diariamente. Para hacer la formulación mas fácil

Investigación de Operaciones I
17
Ing. Mauro Pérez Estrella

de leer, es una buena idea asignar nombres a las variables de decisión, las cuales le
permiten identificar qué representan en el mundo real. Use dos variables de
decisión, llamadas Sun y Moon y esté de acuerdo que ellas tienen el siguiente
significado:

Sun = Es el número de Barras de pan tipo Sunshine producidas por día

Moon = Es el número de Barras de pan tipo Moonlight producidas por día

Ahora usted quiere determinar los valores para esas dos variables de decisión para
maximizar las ganancias de la panadería.

Identificar la Función Objetivo

En nuestro ejemplo, el objetivo es maximizar la ganancia diaria. Hacemos una


ganancia de $0.05 por cada barra Sunshine, así que el total de la producción diaria
de pan Sunshine da un beneficio de $0.05 multiplicado por el valor de la ganancia
de la variable Sun.
Para la producción de Moonlight, el beneficio correspondiente es $0.08
multiplicado por el valor de la variable Moon. Llamamos a los valores $0.05 y
$0.08 los coeficientes para las correspondientes variables de decisión en la función
objetivo. Para obtener la contribución total de la ganancia diaria. Agregamos las
contribuciones de los dos tipos de pan. De eso, restamos el costo fijo de $4000 y lo
dividimos entre 30 días de un mes, para obtener la ganancia neta diaria.

Esto conduce a las siguientes cantidades que queremos maximizar:

Ganancia = 0.05 Sun + 0.08 Moon - 4000/30

Hemos definido la función objetivo para este problema particular. El solver (forma
de resolver la ecuación) usa la función objetivo como un criterio para determinar
cuál solución es la óptima.

Identificar las Restricciones

La primera restricción en el departamento de Horneado es complicado puesto que


hay una interacción entre los tipos de pan. Es posible poner 10 del tipo Sunshine y
cinco de Moonlight en cada recipiente. También es posible usar alguna
combinación de los dos. La expresión 1/10 Sun + 1/5 Moon nos da el total usado
en los recipientes. Sí usted mide la capacidad de cada horno como el número de
recipientes que puede manejar por día (10 x 140), puede expresar la restricción
como:

1/10 Sun + 1/5 Moon ≤ 10 x 140


1/10 Sun + 1/5 Moon ≤ 1400

Investigación de Operaciones I
18
Ing. Mauro Pérez Estrella

Expresamos las restricciones como fueron dadas por el departamento de mezclas:


Sun ≤ 8000
Moon ≤ 5000
Sun ≥ 0
Moon ≥ 0

Resumiendo la Formulación

Tenemos definido hasta ahora la función objetivo y todas las restricciones. La


formulación de un problema de programación lineal es como se muestra abajo:

Max Ganancia = 0.05 Sun + 0.08 Moon - 4000/30


Sujeto a:
1/10 Sun + 1/5 Moon ≤ 1400
Sun ≤ 8000
Moon ≤ 5000
Sun ≥ 0
Moon ≥ 0

Una vez que tiene su formulación, casi todo el trabajo está hecho.

Conclusiones
 Llevar un problema o cuestión a una función objetivo, y la situación en la que se da
el problema a restricciones de tal manera que se forme un modelo matemático lineal
nos da muy buenos resultados en la minimización y maximización que nos permiten
optimizar algún proceso, en este caso se ha tratado de maximizar la producción.

 Algunas situaciones que pueden representarse con modelos lineales, nos


encontramos con que solo tienen sentido aquellas soluciones de la región factible en
las que todas o algunas de las variables de decisión sean números enteros estas
 Situaciones pueden representarse mediante modelos matemáticos ligeramente
diferente de la programación lineal

 Si todas las variables de decisión deben ser enteras tenemos un problema de


programación lineal entera. Si solo algunas variables de decisión deben ser enteras
pudiendo ser reales las demás, se trata de un problema de programación lineal mixta.
En nuestro caso las variables de decisión son enteras, pues nos pensamos producir
fracciones de panes.

Fuente

 http://maximal-usa.com/es/mpltutor/Session2.html

Investigación de Operaciones I
19
Ing. Mauro Pérez Estrella

Problema

Diversas organizaciones llevan a cabo investigaciones mercadotécnicas para determinar


características de los consumidores, actitudes y preferencias respecto a productos y servicios
que las organizaciones ofrecen. Con frecuencia, las investigaciones reales las llevan a cabo
una empresa de investigación de mercadotecnia que se especializa en ofrecer a sus clientes la
información que desea sobre el mercado. Los servicios que las empresas mercadotecnias
ofrecen por lo común influye el diseño del estudio, la realización de las encuestas de mercado
el análisis de los datos recopilados y reportes resumidos y recomendaciones para el cliente.
En la fase de diseño de la investigación, es posible que se establezcan objetivos o cuotas para
el número y tipos de entrevistados que la investigación debe alcanzar. Cuando se establezcan
lineamientos sobre cuotas, el objetivo de la empresa investigadora es llevar a cabo la encuesta
de manera que se satisfagan las necesidades de los clientes a un costo mínimo.
La firma Market Survey, Inc. (MSI) es una empresa de investigaciones de mercadotecnia que
se especializa en evaluar la reacción de los consumidores ante productos, servicios y
campañas de publicidad nuevas. Una empresa cliente ha solicitado que le ayuden a determinar
la reacción de consumidores ante un producto recientemente comercializado para uso
doméstico. En el curso de algunas reuniones con el cliente se acordó que se utilizarían
entrevistas personales de puerta a puerta para obtener información tanto de hogares con niños,
como hogares sin niños. Además se acordó que sería necesario realizar entrevistas tanto
diurnas como nocturnas, como objeto de incluir diversos horarios de trabajo en los hogares.
Específicamente el contrato de este cliente exigía a la SMI realizar 1000 entrevistas con los
siguientes lineamientos sobre cuotas:

1. Se entrevistarían cuando menos 400 hogares con niños.


2. Se entrevistarían cuando menos 400 hogares sin niños.
3. El número total de hogares entrevistados durante la noche sería cuando menos igual
al número de hogares entrevistados durante el día.
4. Cuando menos el 40 % de las entrevistas para hogares con niños de realizarían
durante la noche.
5. Cuando menos el 60 % de las entrevistas para hogares sin niños se realizarían
durante la noche.
Como las entrevistas en hogares con niños requieren de tiempo adicional del entrevistador, y
como a los entrevistadores nocturnos se les paga más que a los que trabajan de día. El costo
de las entrevistas varían según su tipo. Con base en estudios previos, las estimaciones sobre
los costos de las entrevistas son:
Costo de entrevista

Investigación de Operaciones I
20
Ing. Mauro Pérez Estrella

Hogares Diurna Nocturna

Niños $20 $25

No niños $16 $20

¿Cuál es el plan de entrevistas por hogar y por parte del día, que satisfacen los requerimientos
contractuales a un costo mínimo total para las entrevistas?. Formular el modelo matemático
de P.L.

Problema

Los problemas de selección de carteras implican situaciones en las que los gerentes
financieros deben elegir inversiones específicas (por ejemplo acciones o bonos) a partir de
diversas alternativas de inversión. Los administradores de fondos mutualistas, de uniones de
créditos de compañías y bancos; encuentran frecuentemente este tipo de problemas. La
función objetivo para los problemas de selección de cartera es por lo común la maximización
de los riesgos. Las restricciones asumen, por lo general, la forma de restricciones sobre el
tiempo de inversiones permisibles, leyes estatales política de la compañía, máximo riesgo
permisible, etc.
Se ha planteado y resuelto problemas de este tipo utilizando diversas técnicas de
programación matemática. Sin embargo si es posible plantear una función objetivo lineal y
restricciones lineales en un problema específico de selección de cartera entonces puede
utilizarse para la programación lineal para resolverlo. En esta sección se muestra un problema
de selección de carteras y el modo que pueda resolverlo como programación lineal.
Considérese el caso de la firma Welte Mutual Funds, Inc, ubicado en la ciudad de New Cork.
La empresa acaba de obtener $100000 al convertir bonos industriales en efectivo, y ahora esta
en busca de otras oportunidades de inversión para estos fondos, considerando las inversiones
de la Welte en estos momentos, el principal analista financiero de la empresa recomienda que
se hagan las nuevas inversiones en la industria petrolera, en la industria del acero o en bonos
gubernamentales. Específicamente el analista ha identificado cinco oportunidades de
inversión y proyectando sus tasas anuales de rendimiento. Las inversiones y las tasas de
rendimiento con las que se muestran en tabla.
La dirección de la Welte ha impuesto los siguientes lineamientos sobre inversión:

1. Ninguna de las industrias (petróleo o acero) debe recibir mas de 50 % de la


inversión nueva total.
2. Los bonos de gobierno deben ser cuando menos 25 % de las inversiones en la
industria siderúrgica.

Investigación de Operaciones I
21
Ing. Mauro Pérez Estrella

3. Las inversiones en la Pacific Oil, la inversión con los altos rendimientos pero
también con los altos riesgos, no pueden ser más del 60 % de total de las inversiones
en la industria petrolera.

¿Qué recomendaciones de cartera (inversiones y montos) se deben hacer para los $ 100000
disponibles? Dado el objetivo de maximizar los rendimientos proyectados, sujeto a las
restricciones presupuestales y administrativas que se han impuesto, puede contestarse esta
pregunta planeando un modelo de programación lineal para el problema. La solución para
este modelo de programación lineal ofrecerá entonces, recomendaciones sobre inversión para
los administradores de la Welde Mutual Funds.

Tasa de rendimiento
Inversión Proyectada (%)
Atlantic Oil 7.3
Pacific Oil 10.3
Midwest Steel 6.4
Huber Steel 7.5
Bonos gubernamentales 4.5

Problema

Una compañía está introduciendo dos nuevas líneas de productos: Seguro de Riesgos
Especiales e Hipotecas. La ganancia esperada es 5 por unidad sobre el seguro de riesgos
especiales y 2 por la unidad sobre hipotecas. La administración quiere establecer las cuotas
de ventas para las nuevas líneas de productos con el fin de maximizar la ganancia esperada.
Los requerimientos de trabajo son los siguientes:

Hora de trabajo por unidad Horas de


Departamento Riesgos Trabajo
Especiales Hipotecas disponibles
Procesamiento 3 2 2400
Administraciones 0 1 800
Reclamaciones 2 0 1200

Formule un modelo de P.L.

Solución

Investigación de Operaciones I
22
Ing. Mauro Pérez Estrella

Variables de decisión:
Xi  Cantidad de unidades de la nueva línea de productos
Donde: i  1,2; (1 = Seguro de riesgo especial
2 = Seguro de Hipoteca)
Función Objetivo:
Maximización de ganancia.
MaxZ = 5.x1 + 2.x2 …….. (1)
Restricciones:
Horas de trabajo disponible por unidad de producto:
- Departamento de Procesamiento:
3x1 + 2x2 ≤ 2400
- Departamento de Administración :
0x1 + 1x2 ≤ 800
x2 ≤ 800
- Departamento de Reclamaciones:
2x1 + 0x2 ≤ 1200
x2 ≤ 600
xi  0

Problema

Una fábrica produce cuatro productos A, B, C, y D. Cada unidad del producto A requiere de
dos horas de maquinado, una hora de montaje y cuesta $10 en el inventario de proceso. Cada
unidad del producto B requiere de una hora de maquinado, tres horas de montaje y cuesta $5
en el inventario de proceso. Cada unidad C necesita dos horas y media de maquinado, dos
horas y media de montaje y cuesta $2 en el inventario de proceso. Finalmente cada unidad del
producto D requiere de cinco horas de maquinado, no necesita tiempo de montaje y cuesta
$12 en el inventario de proceso. La fabrica dispone de 1200 horas de maquinado y 1600 horas
de montaje. Además, no puede dispone mas de $10000 en el inventario de proceso. Cada
unidad del producto A tiene una utilidad de $40; cada unidad de B de $24; cada unidad de C
de $36 y cada unidad de D, de $23. Puede venderse cualquier cantidad de unidades de los
productos A, B, C y D. Sin embargo para cumplir con un contrato debe producirse y venderse
por lo menos 100 unidades del producto D. El objetivo de la fábrica es maximizar la utilidad
resultante de la venta de los cuatro productos.
Formular el problema como uno de programación lineal.

Solución

 Variable de decisión:
i = A, B, C, D.
X i  cantidad de unidades producidas de i

Investigación de Operaciones I
23
Ing. Mauro Pérez Estrella

 Funcion Objetivo: Maximizar utilidades

MaxZ  40 X A  24 X B  36 X C  23 X D

 Restricciones:
a) Disposición de horas de maquinado

2 X A  X B  2.5 X C  5 X D  1200

b) Disposición de horas de montaje

X A  3 X B  2.5 X C  0 X D  1600

c) Disposición de capital en el inventario del proceso

10 X A  5 X B  2 X C  12 X D  10000

d) Mínima cantidad de producción de D

X D  100
Condición de no negatividad: xi  0

Problema

Para el próximo mes, una empresa manufacturera ha obtenido pedidos correspondientes a sus
dos principales productos(A, B), corresponduientes a 200 unidades de A y a 300 unidades de
B. Ambos productos son fabricados en dos fases de operación, la primera de las cuales es
realizada en el departamento I y la segunda en cualquiera de los departamentos II ó III. Los
tiempos de proceso por unidad de cada producto en cada fase y /o departamento, son:

Producto Depto. I Depto.II Depto. III


A 2 hrs. 4 hrs. 10 hrs.
B 4 hrs. 7 hrs. 12 hrs.

Para el próximo mes, se cuenta con 1700 horas de proceso en el departamento I, 1000 horas
de proceso en el departamento II y 3000 horas de proceso en el departamento III. En el
departamento II es posible operar en sobre tiempo 500 horas adicionales.
Los costos unitarios de operación son de $ 3, $3, $ 2 por hora de proceso dentro de los
procesos I, II y III, respectivamente y de $ 4,5 por hora de sobretiempo en el departamento II.

Investigación de Operaciones I
24
Ing. Mauro Pérez Estrella

Se desea saber cómo producir las unidades requeridas de A y B para el próximo mes, al
mínimo costo total de fabricación. Plantear esta situación como uno de programación lineal.

Solución

Variables de decisión

Xij = N° de unidades del bién ¨i¨ a producir en tiempo normal, procesados en los
departamentos I y ¨j¨.
Yi2 = N° de unidades del bién ¨i¨ a producir en sobretiempo, procesados en los departamentos
I y II
Donde: i = 1, 2 (bienes A y B en ese orden)
J = 2, 3 (Departamentos I y II en ese orden)

Función objetivo

Minimizar el costo total de la producción

MinZ = 18X12 + 24Y12 + 26X13 + 33X22 + 43,5Y22 + 36X23

Restricciones

Horas de proceso en el departamento I


2(X12 + Y12 + X13 ) + 4(X22 + Y22 + X23 ) ≤ 1,700
Horas de proceso en el departamento II
4X12 + 7X22 ≤ 1,000
Horas de proceso en el departamento III
10X13 + 12X23 ≤ 3,000
Horas adicionales de proceso en el departamento II
4Y12 + 7Y22 ≤ 500
Pedidos del mes para el producto A
X12 + Y12 + X13 ≥ 200
Pedidos del mes para el producto B
X22 + Y22 + X23 ≥ 300
Condición de no negatividad
X12, Y12, X13, Y22, X23 ≥ 0

Problema

Una escuela prepara una excursión para 400 alumnos. La empresa de transporte tiene 8
autocares de 40 plazas y 10 autocares de 50 plazas, pero solo dispone de 9 conductores. El

Investigación de Operaciones I
25
Ing. Mauro Pérez Estrella

alquiler de un autocar grande cuesta 80 euros y el de uno pequeño, 60 euros. Calcular cuantos
de cada tipo hay que utilizar para que la excursión resulte lo mas económica posible para la
escuela.

Solución
Llamamos Xi = al nº de autocares de tipo “i” ; i = 1, 2 (de 40 plazas y de 50 plazas que
alquila la escuela.
Es un problema de programación lineal, en este caso lo que queremos es hacer mínima la
función objetivo.
minZ = 60X1 + 80X2
Sujeto a:
X1 ≤8 autocares de 40 plazas
X2 ≤ 10 autocares de 50 plazas
X1 + X2 ≤ 9 disponibilidad de conductores
40X1 + 50X2 ≥ 400 numero de alumnos para la excursión
 X1 , X 2 ≥

Problema

La fábrica Gepetto S.A., construye soldados y trenes de madera. El precio de venta al público
de un soldado es de 2700 pesos y el de un tren 2100 pesos. Gepetto estima que fabricar un
soldado supone un gasto de 1000 pesos de materias primas y de 1400 pesos de costes
laborales. Fabricar un tren exige 900 pesos de materias primas y 1000 pesos de costes
laborales. La construcción de ambos tipos de juguetes requiere un trabajo previo de carpintería
y un proceso final de acabado (pintura, revisión de las piezas fabricadas, empaquetado, etc.).
Para fabricar un soldado se necesita 1 hora de carpintería y 2 horas de proceso final de
acabado. Un tren necesita 1 hora de carpintería y 1 hora para el proceso de acabado. Gepetto
no tiene problemas de abastecimiento de materias primas, pero sólo puede contar
semanalmente con un máximo de 80 horas de carpintería y un máximo de 100 horas para los
trabajos de acabado. Por exigencias del marcado, Gepetto fabrica, como máximo, 40 soldados
a la semana. No ocurre así con los trenes, para los que no hay ningún tipo de restricción en
cuanto al número de unidades fabricadas.

Obtén el número de soldados y de trenes que semanalmente deberá fabricar la empresa para
maximizar sus beneficios.

Solución
Sea:
X1 = n: de soldados fabricados semanalmente.
X2 = n: de trenes fabricados semanalmente.

Función objetivo: maximizar el beneficio

Investigación de Operaciones I
26
Ing. Mauro Pérez Estrella

MaxZ  (2700  1000  1400) X1  (2100  900  1000) X 2

MaxZ  300X1  200X2

La tabla de horas de trabajo:

Carpintería Acabado
Soldados 1 2
Trenes 1 1

Sujeto a:

X1 + X2 ≤ 80 horas de carpintería
2X1 + X2 ≤ 100 horas de trabajo
X1 ≤ 40 producción máxima
 X1 , X2 ≥ 0

Problema

En una marquetería se fabrica cuadros, cuyos marcos se obtienen de cortar varillas para bocel,
cuya longitud original es de 300 cms. El departamento de ventas tiene pedidos para el
siguiente mes de 175 cuadros de 119x90 cms. El jefe de producción ordena que se corten 350
boceles de 119 cms. y 350 boceles de 90 cms. (cada cuadro lleva 2 boceles de cada
dimensión).
Con ésta manera de cortar la madera, la fábrica necesita el capital para comprar 292 varillas
para bocel de 300 cms. cada una y genera 14,450 cms. de desperdicio.
Formule un problema de programación lineal que minimice el deperdicio, la compra de
materia prima y optimice la productividad.

Solución

300 cms Materia Prima: varilla de madera


Bocel de 300 cms. de largo

119 cms. 90 cms.

Investigación de Operaciones I
27
Ing. Mauro Pérez Estrella

Número de boceles para 175 cuadros = 350

Método de corte actual y su valoración


X1

119 119 62 Núemro de varillas a comprar


175 varillas
Desperdicio: 175x62=10,850 cms.

90 90 119 1 X2

X3
90 90 90 30 Número de varillas a comprar:
350/3 =116.6 = 117 varillas
Desperdicio: 117x30+90 = 3600 cms

Total de varillas de 300 cms a comprar: 175 + 117 = 292


Total de centímetros de desperdicio: 10850 + 3600 = 14,450 cms.

Sea:
Xi = numero de varillas a cortar de la forma “i”
i= 1, 2 y 3

F.O: minimizar el desperdicio

min Z  62 X 1  X 2  30 X 3
S.a:
2X1 + X2 = 350 Boceles de 119 cms.
2X2 + X3 = 350 Boceles de 90 cms.
 iX ≥ 0 X i Є Z+

Problema

Una empresa produce un artículo cuya unidad está compuesta por 4 unidades de componente
A y 3 unidades de componente B que se producen por corrida de producción a partir de las
materias primas 1 y 2 y en tres diferentes departamentos. La producción por corrida de
producción se muestra en la siguiente tabla:

Investigación de Operaciones I
28
Ing. Mauro Pérez Estrella

Materia Materia Componente Componente B


prima 1 prima 2 A
Departamento 8 6 7 5
1
Departamento 5 9 6 9
2
Departamento 3 8 8 4
3
Disponibilidad 100 200

Formulación

Xi = numero de coridas de producción en el departamento i-ésimo (i=1,2 y 3)


Numero de componentes A: 7X1 +6X2 + 8X3
Numero de componentes B: 5X1 + 9X2 + 4X3
Numero de artículos completos con los componentes A: (1/4)( 7X 1 +6X2 + 8X3)
Numero de artículos completos con los componentes B: (1/3)( 5X 1 + 9X2 + 4X3)

Unidad completa
del producto

F.O.: maximizar el número de corridas de producción en los tres


Departamentos.

7 X1  6 X 2  8 X 3 5X  9X2  4X3
MaxZ  ( )( 1 )
4 3
s.a:

8X1 + 5X2 +3X3 <= 100 restricción debido a la disponibilidad


6X1 + 9X2 +8X3 <= 200 disponibilidad de materia prima 1 y 2
C.N.: ұ Xi ≥ 0, i = 1, 2 y 3

Investigación de Operaciones I
29
Ing. Mauro Pérez Estrella

Problema

Un distribuidor de ferretería planea vender paquetes de tuercas y tornillos mezclados. Cada


paquete pesa por lo menos 2 libras. Tres tamaños de tuercas y tornillos componen el paquete
y se compran en lotes de 200 libras. Los tamaños 1, 2 y 3 cuestan respectivamente $20, $8 y
$12, además:
a) El peso combinado de los tamaños 1 y 3 debe ser al menos la mitad del peso total
del paquete.
b) El peso de los tamaños 1 y 2 no debe ser mayor que 1,6 libras
c) Cualquier tamaño de tornillo debe ser al menos el 10 del paquete total
Cuál será la composición del paquete que ocacionará un costo mínimo?. Formular el
problema como uno de PL.

Solución

Xi = peso en libras de las tuercas y tornillos del tamaño i-ésimo (i = 1, 2 y 3) en la bolsa


Se observa que:
20/200 es el costo de una libra de tornillos tipo 1
8/200 es el costo de una libra de tornillos tipo 2
12/200 es el costo de una libra de tornillos tipo 3

F.O.: minimizra el costo del paquete de tornillos

min Z  (20 / 200) X1  (8 / 200) X 2  (12 / 200) X 3


s. a:

X1 + X3 ≥ (X1 +X2 + X3)/2 Los tamaños 1 y 3 al menos la mitad del peso


X1 + X2 ≤ 1,6 Los tamaños 1 y 2 no deben ser mayor de 1,6 libras
X1 ≥ 0,1((X1 +X2 + X3) El tamaño 1 debe ser al menos el 10% del total
X2 ≥ 0,1(X1 +X2 + X3) El tamaño 2 debe ser al menos el 10 % del total
X3 ≥ 0,1(X1 +X2 + X3) El tamaño 3 debe ser al menos el 10% del total

Condición de no negatividad
 Xi ≥ 0 i = 1, 2 y 3

Problema

Investigación de Operaciones I
30
Ing. Mauro Pérez Estrella

Un fabricante tiene tres centros de distribución en: Bogotá, Medellín y Cali. Estos centros
tienen disponibilidades de: 20, 40 y 40 respectivamente. Sus detallistas requieren las
siguientes cantidades: Pereira 25, Tulúa 10, Anserma 20, Ibaqué 30 y Armenia 15. El costo
de transporte por unidad en pesos entre cada centro de distribución y las localidades de los
detallistas se da en la siguiente tabla:
Detallistas
Pereira Tulúa Anserma Ibaqué Armenia
Centros de Bogotá 55 30 40 50 40
distribución Medellín 35 30 100 45 60
Cali 40 60 95 35 30

Cuántas unidades debe enviar el fabricante desde cada centro de distribución a cada
detallista, de tal modo que los costos totales de transporte sea mínimo?

Solución

Sea: Xij = cantidad (unid.) a enviar desde el centro de distribución “i”, al detallista “j”.
Donde: i = 1, 2 y 3
J = 1, 2, 3, 4 y 5
F. O.: minimizar costo total de transporte

Min Z = 55X11 +30X12 + 40X13 + 50X14 + 40X15 + 35X21 + 30X22 + 100X23 + 45X24 + 60X25
+ 40X31 + 60X32 + 95X33 + 35X34 +30X35

Restricciones :

Disponibilidad de unidades en los respectivos centros de distribución


X11 + X12 + X13 + X14 + X15 ≤ 20
X21 + X22 + X23 + X24 + X25 ≤ 40
X31 + X32 + X33 + X34 + X35 ≤ 40

Requerimientos de los detallistas


X11 + X21 + X31 = 25
X12 + X22 + X32 = 10
X13 + X23 + X33 = 20
X14 + X24 + X34 = 30
X15 + X25 + X35 = 15

Condición de no negatividad:  Xij ≥ 0 i = 1, 2 y 3; j = 1, 2, 3, 4 y 5

Problema

Investigación de Operaciones I
31
Ing. Mauro Pérez Estrella

Un vendedor de dulces desea promocionar cajas de tres libras de caramelos surtidas a un


precio de 18,5 soles la caja. El puede solicitar en forma ilimitada cantidades de cuatro tipos
básicos de caramelos individuales. Sus pesos y costos por pieza es como sigue:

Peso (onzas/pieza) Costo (s/./pieza)


Limón 0.52 0.09
Frsea 0.38 0.12
Naranja 0.63 0.10
Licor 0.45 0.14

El vendedor desea tener exactamente 48 onzas en cada caja y obtener un máximo beneficio
por la mezcla. Sin embargo, ya que los tipos limón y naranja son similares, el no quiere más
de doce piezas de éstos combinados en cada caja y aunque el tipo licor es el más caro,
quiere por lo menos ocho de ellos en cada caja para mantener la imagen de calidad. La
cantidad de tipo fresa y naranja deberán estar en una relación máxima de 1,5. Además la
cantidad total de caramelos en la caja debe ser no más de 100 unidades. Se pide formular el
problema como uno de P.L.

Solución

Sea: xi = # de piezas de caramelos tipo “i” por caja


i = 1, 2, 3, 4 (limón, fresa, naranja, licor)
Función Objetivo: maximizar beneficios

18,5
MaxZ  (0,52 X 1  0,38 X 2  0,63 X 3  0,45 X 4 )  (0,09 X 1  0,12 X 2  0,10 X 3  0,14 X 4 ) )
48
MaxZ  0,1104X1  0,0264X 2  0,1428X 3  0,033X 4
s.a:
0,52X1 + 0,38X2 + 0,63X3 + 0,45X4 = 48 peso por cada caja
X1 + X3 ≤ 12 piezas de limón y naranja por caja
X4 ≥ 8 piezas de licor por caja
X2 ≤ 1,5 X3 total de caramelos por caja
X1 + X2 + X3 + X4 ≤ 100

Xi  0

Investigación de Operaciones I
32
Ing. Mauro Pérez Estrella

Problema

Una familia campesina es propietaria de 125 acres y tiene fondos por $40,000 para invertir.
Sus miembros pueden producir un total de 3500 horas-hombre de mano de obra durante los
meses de invierno (mediados de septiembre a mediados de mayo) y 4000 horas-hombre
durante el verano. En caso de que no se necesite una parte de estas horas-hombre, los jóvenes
de la familia las emplearán para trabajar en un campo vecino por $5.00 la hora durante los
meses de invierno y por $6,00 la hora en el verano.

Pueden obtener el ingreso en efectivo a partir de tres tipos de cosecha y dos tipos de animales
de granja: vacas lecheras y gallinas ponedoras. Para las cosechas no se necesita inversión,
pero cada vaca requerirá un desembolso d + Ye $1,200 y cada gallina costará $9.
Cada vaca necesita 1.5 acres, 100 horas-hombre durante el invierno y otras 50 horas-hombre
en el verano; cada una producirá un ingreso anual neto de $1000 para la familia. Las cifras
correspondientes para cada gallina son nada de terreno, 0.6 horas-hombres en el invierno, 0.3
horas-hombre en el verano y un ingreso anual neto de $5. Caben 3000 gallinas en el gallinero
y el corral limita el ganado a un máximo de 32 vacas. Las estimaciones de las horas-hombres
y el ingreso por acre plantado con cada tipo de cosecha son:

Soya Maíz Avena


Horas-hombre en invierno 20 35 10
Horas-hombre en verano 50 75 40
Ingreso neto anual ($) 600 900 450

La familia quiere determinar cuántos acres debe sembrar con cada tipo de cosecha y cuántas
vacas y gallinas debe mantener para maximizar su ingreso neto. Formule el modelo de
programación lineal para este problema.

Solución

Sea: Xi = # de horas- hombre utilizado en el campo vecino, durante los meses “i”
i = 1, 2 (invierno, verano)
Yij = # de acres de cultivo “i”,en los meses “j”
i = 1, 2, 3 (soya, maíz, avena)
j = 1, 2 (invierno, verano)
Zi = # de animales “i”
i = 1, 2 (vacas, gallinas)
F. O.: maximizar ingresos

Investigación de Operaciones I
33
Ing. Mauro Pérez Estrella

MaxZ 60(Y1 12) 90(Y21 2) 450(Y31 32) 65 21 0  51 ZZXXY 21


s.a:
20Y11 + 35Y21 +10Y31 +100Z1 +0,6Z2 +X1 ≤ 3500 horas-hombre en invierno
50Y12 + 75Y22 +40Y32 +50Z1 +0,3Z2 +X2 ≤ 4000 horas-hombre en el verano
Y11 + Y12 + Y21 + Y22 +Y31 + Y32 +1,5Z1 ≤ 125 terreno disponible
1200Z1 + 9Z2 ≤ 40000 fondo de inversión
Z1 ≤ 32 capacidad de terreno para
vacas
Z2 ≤ 3000 capacidad de terreno para
gallinas

C.N.
Xi ,Yij , Zi  0

APLICACIÓN REAL DE LA PROGRAMACIÓN LINEAl

Caso 1

Manufacturas “SOLO CUERO” ha decidid entrar en el negocio de billeteras para hombre y


billeteras para mujer.
Una investigación cuidadosa de las etapas necesarias para fabricar estos productos determina
que se requieren de 4 operaciones.
Corte y teñido para dar un color especial al cuero.
Cosido de las partes.
Ensamblaje de los herrajes.
Inspección y embalaje.
El jefe de manufactura ha analizado cada una de las operaciones y concluye que por cada
modelo de billetera para hombre se requieren 42 minutos en el taller de corte y teñido, 30

Investigación de Operaciones I
34
Ing. Mauro Pérez Estrella

minutos en el taller de costura, 60 minutos en la sección de terminado y 6 minutos en


inspección y embalaje.
Mientras que cada billetera para mujer necesita 60 minutos y teñido, 50 minutos para costura,
40 minutos para terminado y 15 minutos para inspección y ensamble.
El salario de cada operario es de $ 1,2 por hora, el costo de la materia prima y equipo es de $
4,24 para cada billetera para hombre y $ 4,7 para billetera de mujer. El precio de venta tanto
de la billetera para hombre como para mujer es de $ 17,00.
Después de estudiar cargas de trabajo de las diferentes secciones se estima que para la
producción de éstos 2 artículos en los 3 meses siguientes, habrá disponibles 37800 minutos
de tiempo de corte y teñido, 36000 minutos de costura, 42480 minutos de acabado y 8100
minutos de inspección y embalaje.

Tabla 1
Producto Etapa 1 Etapa 2 Etapa 3 Etapa Sal Costo Precio
4 ario ($)
$/h MP
Billetera H 42 min. 30 min 60 min 6 min 1.2 4.24 $ 17

Billetera M 60 min. 50 min 40 min 15 min 1.2 4.70 $ 17

Tabla 2
Etapas Tiempo Disponible
Etapa 1 37800 min
Etapa 2 36000 min
Etapa 3 42480 min
Etapa 4 8100 min

El problema para “SOLO CUERO” es determinar cuántas billeteras para hombre y para
mujer deben fabricarse para maximizar la contribución a las utilidades.

La Función Objetivo

Todo problema de Programación Lineal cuenta con un objetivo de maximización o


minimización. En este problema nuestro objeto será maximizar las utilidades. Para plantear
este objetivo en forma matemática se tiene en cuenta.
X1 = Número de billeteras para hombre
X2 = Número de billeteras para mujer
Supongamos que C1 es la contribución a las utilidades por cada billetera para hombre, luego
la contribución total será C1X1 y C2 la contribución por cada billera para mujer, lo cual daría
una utilidad de C2x2.
Denotando como Z la contribución total a las utilidades, tenemos:

Investigación de Operaciones I
35
Ing. Mauro Pérez Estrella

Contribución a las utilidades totales = Z = C1X1 + C2X2


Para calcular C1 debemos tener en cuenta lo siguiente:

Costo de Mano de Obra:


Costo de operación de corte y teñido
42 x 20 = $ 0. 840
Costo de operación de costura
30 x 20 = $ 0.600
Costo de operación de ensamblaje de herrajes
60 x 20 = $ 1.200
Costo de operación inspección y ensamblaje
6 x 20 = $ 0.120
Costo unitario de materia prima y herramienta $ 4.240
COSTO TOTAL DE FABRICACIÓN BILLETERA
PARA HOMBRE $ 7.000

Como el precio de venta por cada billetera para hombre es de $ 17.000 la contribución a la
utilidad es $ 17.000 - $ 7.000 = $ 10.000 / unidad. De la misma forma podemos calcular
C2.

Costo de Mano de Obra:


Costo de operación de corte y teñido
60 x 20 = $ 1.200

Costo de operación de costura


50 x 20 = $ 1.000

Costo de operación de ensamblaje de herrajes


40 x 20 = $ 0.800

Costo de operación inspección y ensamblaje


15 x 20 = $ 0.300

Costo unitario de materia prima y herramienta $ 4.700


COSTO TOTAL DE FABRICACIÓN BILLETERA
PARA MUJER $ 8.000

Como el precio de venta por cada billetera para mujer es de $ 17.000 la contribución a la
utilidad es $ 17.000 - $ 9.000 / unidad.

La función objetivo es:

Z = 10 X1 + 9 X2

Investigación de Operaciones I
36
Ing. Mauro Pérez Estrella

Donde X1 es el número de billeteras para hombre y X2 es el número de billeteras para mujer.


El problema de la empresa “SOLO CUERO” es como elegir los valores de las variables X1
y X2 que producen el mayor valor posible de Z. En términos de Programación Lineal a X1 y
X2 las denominados Variables de Decisión. Como el objetivo, maximizar la contribución
total a las utilidades, es función de esas variables decisorias, a 10X1 + 9X2 la denominamos
Función Objetivo.
Máx Z = 10X1 + 9X2
En este problema a cualquier combinación específica de fabricación de billeteras para hombre
y de billeteras para mujer las designamos Solución del Problema. Cabe anotar, que
únicamente a las soluciones que satisfacen todas las restricciones las llamamos Soluciones
Factibles.
La combinación factible específica (solución factible) que da como resultado la mayor
aportación a las utilidades la llamamos Combinación Óptima de Producción, es decir Solución
Óptima. Claro está, que hasta este momento no conocemos cuál será la solución óptima. Es
más ni siquiera hemos desarrollado un procedimiento para identificar las soluciones factibles;
para determinarlas requerimos identificar las restricciones del problema.

Las restricciones

Cada una de las billeteras para hombre y para mujer que se fabrica deben pasar por cuatro
operaciones de producción. Existe una cantidad limitada de tiempo de producción disponible
para cada una de las operaciones, por lo cual puede esperarse que haya cuatro restricciones
limitando el número total de billeteras que la empresa puede fabricar.
A partir de la información de manufactura (Tabla Nº 1) sabemos que cada billetera para
hombre que la empresa fabrique utilizará 42 minutos en corte y teñido. Por ello, el número
total de minutos para la primera operación que se utiliza en la fabricación de X1 billeteras
para hombre será 42 X1. De otra parte, cada billetera para mujer que se fabrique requerirá de
60 minutos para corte y teñido; por consiguiente las billeteras para mujer utilizarán 60 X2 de
tal operación. El tiempo total de corte y teñido que se requiere para la fabricación de X1
billeteras para hombre y X2 billeteras para mujer esta dado por:
Tiempo total de corte y teñido que se requiere = 42 X1 + 60 X2
Como el jefe de manufactura ha planteado que se dispone de cuando mucho 37.800 minutos
para el corte y teñido, concluimos que la combinación de productos que se seleccione debe
satisfacer el requisito.
42 X1 + 60 X2  37.800
A esta relación denominamos desigualdad y denota que el número total de minutos que se
utilizan para las operaciones de corte y teñido en la fabricación de X1 billeteras para hombre
y X2 billeteras para mujer, debe ser menor que o igual a la cantidad máxima de tiempo
disponible para corte y teñido.
En la tabla Nº 1 observamos que cada billetera para hombre que se fabrique requerirá de 30
minutos de costura y que billetera para mujer necesita de 50 minutos de costura.
Como hay disponibles 36.000 minutos de tiempo de corte, tenemos:
30 X1 + 50 X2  36.000
La restricción para la capacidad de terminado es:
60 X1 + 40 X2  42.480

Investigación de Operaciones I
37
Ing. Mauro Pérez Estrella

y la restricción para la capacidad de inspección y embalaje es:


6 X1 + 15 X2  8.100
Después de especificar las relaciones matemáticas de las restricciones para las cuatro
operaciones de producción debemos añadir 2 restricciones más con el objetivo de evitar que
las variables de decisión X1 y X2 asuman valores negativos así:
X1 ≥ 0; X2 ≥ 0
Estas restricciones las denominamos Restricciones de No Negatividad y son una característica
general de todos los problemas de Programación Lineal escribiéndose en forma abreviada así:
X1 , X2 ≥ 0

Planteamiento matemático

Hasta ese punto hemos traducido el objetivo y las restricciones del problema “Real” en un
conjunto de relaciones matemáticas denominadas “Modelo Matemático”.
El Modelo Matemático para el problema es:

Máx. 10 X1 + 9 X2
Sujeto a:
42 X1 + 60 X2  37800 Corte y Teñido
30 X1 + 50 X2  36.000 Costura
60 X1 + 40 X2  42.480 Terminado
6 X1 + 15 X2  8.100 Inspección y Embalaje

A partir de esto necesitamos encontrar la combinación de productos (X1 y X2) que satisfaga
todas las restricciones y al mismo tiempo dé un valor de la función objetivo que sea mayor
que o igual a un valor dado para cualquier otra solución factible y de esta manera se encuentre
la solución al problema.
El modelo matemático para el problema es un programa lineal para lo cual debe cumplir con
las características primordiales como lo es la función objetivo y todas las funciones de
restricción son funciones lineales de las variables decisorias.
Las funciones matemáticas en las que todas las variables aparecen en un término a parte y
están elevadas a la primera potencia, reciben el nombre de Funciones Lineales.
La función objetivo (10.00X1 + 9.00X2) es lineal porque todas las variables de decisión
aparecen en un término diferente y tienen exponente uno.
El tiempo de producción requerido en el taller de corte y teñido (42 X1
+ 60 X2  37800) es también una función lineal de las variables de decisión por el mismo
motivo, ocurriendo de igual forma con las funciones de las restantes restricciones. De esta
manera podemos afirmar que la palabra Programación significa elegir un curso de acción. La
Programación Lineal implica seleccionar un camino de acción cuando el modelo matemático
del problema contiene solo funciones lineales.

CASO 2

Investigación de Operaciones I
38
Ing. Mauro Pérez Estrella

GENERACIÓN DE ENERGÍA DE UNA PLANTA TERMOELÉCTRICA

La gerencia de una planta termoeléctrica de generación de energía, que emplea carbón como
combustible, esta estudiando la configuración de la planta a fin de cumplir con los últimos
estándares de emisión de las leyes de control de contaminación del aire. Para la planta en
cuestión las tasas máximas de emisión son:

 Máxima emisión de óxido de azufre: 3000 partes por millón (PPM).


 Máxima emisión de partículas (humo): 12 Kg / hr.

El carbón se traslada a la planta por ferrocarril y se descarga en depósitos cercanos a la planta.


De aquí se traslada empleando una banda de transportación a la unidad pulverizadora, en
donde se pulveriza y alimenta directamente a la cámara de combustión, a la velocidad
conveniente. El calor producido en la cámara de combustión se emplea para crear vapor que
impulse a las turbinas. Se emplean dos tipos de carbón: de tipo A, que es un carbón duro y de
quema limpia con un bajo contenido de azufre (pero bastante caro); y tipo B, que es un carbón
barato, relativamente suave, que produce humo y tiene un alto contenido de azufre, según se
muestra en la siguiente tabla:

Tabla 1

Emisión de contaminantes

Oxido de azufre en gases Partículas


Carbón combustibles (emisión/ton)
A 1800 PPM 0.5 Kg
B 3800 PPM 1.0 Kg

El valor térmico en términos de vapor producido es mayor para el carbón A que para el carbón
B, siendo de 24000 lb. por tonelada para A, en comparación con 20000 lb por tonelada para
B.

Como el carbón A es duro, la unidad pulverizadora puede manejar a lo sumo 16 TN de carbón


A por hora; mientras que puede pulverizar hasta 24 TN de carbón B por hora. El sistema de
carga de banda transportadora tiene una capacidad de 20 TN por hora sin importar cual sea el
tipo de carbón.

Aquí surge una de las varias preguntas que la gerencia desea se contesten: Dados los límites
de emisión de agentes contaminantes y los tipos disponibles de carbón, ¿Cuál es la máxima
producción posible de electricidad de la planta? La respuesta permitirá a la gerencia
determinar el margen de seguridad disponible para cubrir las demandas pico de energía.

Investigación de Operaciones I
39
Ing. Mauro Pérez Estrella

OBJETIVOS:

Determinar las cantidades de dos tipos de carbón A y B; para obtener la máxima producción
posible de electricidad teniendo en cuenta las limitaciones de la empresa y los recursos
disponibles.

ANÁLISIS DEL PROBLEMA:

Variables de decisión,

A corto plazo, las instalaciones de la planta son fijas. El único problema que es controlable y
que puede utilizarse para afectar la producción de la planta es la cantidad de cada tipo de
carbón que se queme. Entonces las variables de decisión del problema son:

 La cantidad de carbón A utilizada por hora, denotada X 1.


 La cantidad de carbón B utilizada por hora denotada X 2.

Por lo tanto X1 y X2 representan los niveles de actividad de la quema de los carbones A y B


respectivamente.

Consideración 1: Divisibilidad.

(Todas las variables pueden asumir valor real)

Algunas actividades en el mundo real pueden variarse en una forma casi continua; es decir,
son divisibles infinitamente. Por ejemplo la cantidad de carbón quemado por hora, puede
ajustarse para tomar cualquier valor, entero o fracción, dentro de límites razonables. Sin
embargo, muchas actividades reales sólo pueden ocurrir en valores enteros, tales como el
número de viajes de camión necesarios para trasladar una cierta carga de un lugar a otro.

Consideración 2: Condiciones de no negatividad.

Esta consideración refleja la naturaleza de la mayoría de las actividades del mundo real; en
donde rara vez tiene sentido, dentro de un contexto económico o de ingeniería, hablar de
nivele no negativos de las variables de decisión. En nuestro caso los niveles negativos de
actividad o variables de decisión representarían una inversión del proceso para generar
electricidad; es decir convertir la electricidad de nuevo en carbón. Sin embargo esta
consideración no significa una pérdida de generalidad. Cualquier número (positivo, negativo
o cero) puede expresarse como la diferencia algebraica de dos números no negativos. Si una
actividad puede ocurrir en niveles, tanto negativos como positivos; tanto como adquirir o
vender bonos comerciales, se introducen dos variables de decisión para esta actividad, X + para
niveles no negativos, y X- para niveles no positivos. Su diferencia X = X + - X- representa el

Investigación de Operaciones I
40
Ing. Mauro Pérez Estrella

nivel real de la actividad. Mediante esto, tanto X+ como X- están restringidas a ser no
negativas.

Función Objetivo

El objetivo de la gerencia consiste en maximizar la producción de electricidad de la planta.


Ya que la electricidad se produce mediante vapor y existe una relación directa entre el vapor
producido y la producción de electricidad, el maximizar la producción de electricidad es
equivalente a maximizar la producción de vapor. Por lo tanto puede replantearse el objetivo
de la gerencia como “encontrar la combinación de combustibles que maximice la producción
de vapor”.

¿Cuánto vapor se produce para cualquier cantidad arbitraria de carbón utilizada?

Una forma simple y sistemática de determinar esto es la siguiente tabla:

Tabla 2

Vapor (en lb/ton de Vapor producido en


Carbón combustible usado) Combustible usado/hora lb/hora

A 24000 X1 24000.X1

B 20000 X2 20000.X2
Cantidad total de vapor/hora = 24000.X1 + 20000.X2

Es bastante molesto escribir cantidades en millares; por lo cual se expresará esta suma en
escala por un factor de mil (1000); es decir, en vez de anotar el vapor producido en libras, se
expresara en miles de libras. Por lo tanto el carbón A produce 24 unidades y el carbón B 20
unidades de vapor por tonelada de combustible. En términos de estas nuevas unidades, la
cantidad total de vapor producida por hora es:

Max z = 24.X1 + 20.X2

Al lado derecho de la expresión anterior se le denomina función objetivo, y “z” es el valor de


la función objetivo. Los coeficientes de las variables de decisión se denominan coeficientes

Investigación de Operaciones I
41
Ing. Mauro Pérez Estrella

de la función objetivo. El problema exige determinar valores de X 1 y X2 que maximicen el


valor de “z”

Consideración 3: Linealidad.

Todas las relaciones entre variables son lineales. Esto implica:

1. Proporcionalidad de las contribuciones. La contribución individual de cada variable


es estrictamente proporcional a su valor; y el factor de proporcionalidad es constante
para toda la gama de valores que la variable puede asumir.
2. Aditividad de las contribuciones. La contribución total de todas las variables es igual
a la suma de las contribuciones individuales; sin importar los valores de las variables.

La consideración Nº 3 implica beneficios constantes a escala e impide economías de escala.


En la práctica esta condición posiblemente no se cumpla con exactitud; en particular para
valores muy pequeños o muy grandes de los niveles de actividad. Sin embargo, si se cumple
en forma aproximada dentro del intervalo normal de los valores de solución, es posible
emplear el modelo de programación lineal como una aproximación conveniente y poderosa.
Esta consideración también excluye cargos fijos que se presenten para niveles positivos de
actividad, pero no para niveles cero. Obsérvese que algunas veces resulta posible aproximar
las economías de escala por medio de diversas variables.

Restricciones:

Además de las condiciones de no negatividad, los niveles de actividad están restringidos por
varias restricciones que pueden ser de naturaleza física, económica o legal.

Restricción a la emisión de partículas:

La cantidad máxima de emisión de humo por hora permitida en una planta esta limitada a 12
Kg. De acuerdo con la tabla Nº 1, cada tonelada de carbón A produce 0.5 Kg de humo y cada
tonelada de carbón B produce 1 Kg de humo. Si la planta quema X 1 toneladas de carbón A, y
X2 toneladas de carbón B, la cantidad total de humo emitida a partir de ambos tipos de carbón
es igual a:

0.5.X1 + X2 (Kg/hora)

y esta suma expresada en Kg/hr no puede exceder de 12 Kg/hr; entonces se cumple la


siguiente restricción de desigualdad.

0.5.X1 + X2 ≤ 12

Investigación de Operaciones I
42
Ing. Mauro Pérez Estrella

A los coeficientes de las variables de lado izquierdo se les denomina coeficientes de lado
izquierdo. La constante para el lado derecho del signo de desigualdad es el parámetro del lado
derecho; en la figura “B” se muestra en forma gráfica esta restricción.

Tomada por si misma, la restricción de humo afecta a los valores de las variables de decisión
haciendo que queden restringidas aquellas combinaciones de X 1 y X2 que están sobre la recta
0.5.X1 + X2 = 12, o a la izquierda y por debajo de esta recta. A tal área se le denomina medio
espacio cerrado (cerrado debido a que incluye a todas sus fronteras).

De nuevo puede observarse que la restricción individual de cada variable es estrictamente


proporcional a su valor y que la contribución total a la emisión de humo es igual a la suma de
las contribuciones individuales. Por lo tanto, la restricción satisface la condición de linearidad
según lo requiere la consideración “3”

Restricciones a las instalaciones de carga:

El sistema de banda transportadora que traslada el carbón, de los depósitos al pulverizador,


tiene una capacidad de 20 ton/h. El número total de toneladas cargadas por hora es igual a la
suma de las dos variables de decisión. Por lo tanto, la restricción de carga sería:

X1 + X2 ≤ 20

Restricciones a la unidad pulverizadora:

La capacidad máxima del pulverizador es de 16 toneladas / hr para el carbón A o de 24


toneladas / hr para el carbón B. En otras palabras, tarda 1/16 hora en pulverizar una tonelada
de carbón A y 1/24 horas en pulverizar una tonelada de carbón B. Si la solución exige una
combinación de ambos carbones, el tiempo que se tardará en pulverizar una mezcla de X 1
toneladas de carbón A, y X2 toneladas de carbón B, es (1/16).X1 + (1/24).X2. Son admisibles
solo aquellas combinaciones de X1 y X2 que requieran cuando más 1 h. Por lo tanto la
restricción al pulverizador es:

(1/16).X1 + (1/24).X2 ≤ 1

Restricción a la emisión de óxido de azufre:

La emisión máxima de óxido de azufre no debe exceder de 3000 PPM, en ningún momento.
Dados que los dos tipos de carbón se queman en forma simultanea, se considera que la
combinación de X1 toneladas de carbón A, y X2 toneladas del carbón B por hora, se alimenta
a la cámara de combustión como una mezcla homogénea. (X 1 / (X1 + X2)) de la mezcla es
carbón A con una tasa de emisión de óxido de azufre de 1800PPM y (X1 / (X1 + X2)) de
dicha mezcla es carbón B, con una tasa de emisión de 3800PPM. La tasa de emisión de la

Investigación de Operaciones I
43
Ing. Mauro Pérez Estrella

mezcla es igual al promedio ponderado de las tasas individuales de emisión; en el que sirven
como ponderaciones las fracciones utilizadas de cada carbón. Este promedio ponderado no
puede exceder de 3000 PPM

PPM: Promedio ponderado de la tasa de emisión ≤ 3000 PPM

 X1   X2 
1800     3800     3000
 1
X  X 2  1
X  X 2

Multiplicando a ambos lados de la desigualdad por (X1 + X2) y reordenando términos se


obtiene la restricción del azufre:

1200.X1 - 800.X2 ≥ 0

CONCLUSIONES:

- Debido a este método de programación lineal, podemos pudimos obtener varias


ecuaciones para de esta manera encontrar de manera gráfica o por otro algoritmo la
solución al problema que se plantea la empresa.
- Este método nos permite encontrar una a través de sus soluciones una manera de
óptima de producción, costos y abastecimiento de la empresa.

CASO 3

APLICACIÓN DE LA INVESTIGACIÓN DE OPERACIONES EN PROBLEMAS DE


SALUD OCUPACIONAL

RESUMEN

El desarrollo de la Investigación de Operaciones (IO) se califica entre los avances científicos


más importantes de mediados del siglo XX. En la actualidad es una de las herramientas
cuantitativas más utilizadas en la toma de decisiones, que ha generado retornos importantes
en una amplia gama de organizaciones. Se han publicado cientos de artículos que describen
aplicaciones en finanzas, economía, logística (cobertura, localización y distribución),
producción, ciencias sociales, medicina, etc. El objetivo de este trabajo es mostrar la
aplicabilidad de la IO en la solución de problemas de salud ocupacional; ámbito que en
nuestro país constituye una brecha poco explorada. En particular, se demuestra cómo es
posible modelar un sistema de producción donde los trabajadores se encuentran expuestos a

Investigación de Operaciones I
44
Ing. Mauro Pérez Estrella

ruido. Como resultado, se obtuvo un esquema de dotación óptimo, asumiendo restricciones


productivas y de dosis de ruido permisible. Los beneficios de la aplicación de técnicas de IO
se asocian con la posibilidad de determinar soluciones técnica y económicamente óptimas
orientadas a la protección de la salud de trabajadores expuestos a determinados factores
ambientales o esquemas de organización laboral, además de permitir el desarrollo de
simulaciones o análisis de sensibilidad.

INTRODUCCIÓN

En términos generales, la Investigación de Operaciones (IO) busca determinar el mejor curso


de acción en un problema de decisión donde existen ciertas restricciones. La idea, es resolver
un problema de optimización, cuyo propósito es maximizar o minimizar una función objetivo
que depende de un número finito de variables de decisión. Un ámbito particular de la IO es la
programación lineal, donde los argumentos de la función objetivo y las restricciones son
lineales

Para mostrar la aplicabilidad de la programación lineal en la solución den problemas de salud


ocupacional, se modelará un sistema de producción donde los trabajadores se encuentran
expuestos a ruido. El ruido es un agente ambiental presente en una amplia variedad de
procesos industriales. Cuando se sobrepasan ciertos límites de exposición existe una
probabilidad cierta de la generación de daño auditivo irreversible. Muchas empresas destinan
una importante cantidad de recursos en el estudio e implementación de estrategias de control
de este agente. Una alternativa poco explorada corresponde a las llamadas medidas
administrativas, cuyo fundamento es minimizar el tiempo de exposición. La normativa laboral
vigente en Chile encargada de regular la exposición ocupacional a ruido se encuentra en el
Decreto Supremo Nº1594 de la Ley 16.744. En este decreto, se legisla en materia de
condiciones sanitarias y ambientales básicas en los lugares de trabajo. En el Artículo 75 de
este decreto, se establece lo siguiente:

Artículo 75: Niveles de presión sonora continua equivalentes, diferentes a 85 dB(A) lento, se
permitirán siempre que el tiempo de exposición a ruido del trabajador no exceda los valores
indicados en la siguiente tabla:

NPSeq (dB(A)lento) Tiempo de exposición


(hr/día)
…. …..
86 6.35
87 5.04
88 4.00
89 3.17
90 2.52
91 2.00
92 1.59
…. …..

Nota: Este es un extracto de la tabla original del D.S. 594.

Investigación de Operaciones I
45
Ing. Mauro Pérez Estrella

Por otra parte, es un hecho conocido que en la realidad industrial, los trabajadores circulan
por distintas áreas de trabajo. En ese caso, la exposición al ruido no sería uniforme, luego se
hace necesario el cálculo de una dosis. En relación a este punto, en el Artículo 76 de este
mismo decreto, se establece lo siguiente:

Artículo 76: Cuando la exposición diaria a ruido está compuesta de dos o más periodos de
exposición a diferentes niveles de presión sonora continuos equivalentes (NPSeq), deberá
considerarse el efecto combinado de aquellos periodos cuyos NPSeq sean iguales o superiores
a 80 dB(A) lento.

En este caso deberá calcularse la dosis de ruido diaria (D), mediante la siguiente fórmula:
D = Te1/Tp1 + Te2/Tp2 +...+ Ten/Tpn

Donde:
Te = Tiempo total de exposición a un determinado NPSeq.
Tp = Tiempo total permitido de exposición a ese NPSeq.
La dosis de ruido diaria máxima permisible será 1 (100%).

Aplicación

Para mostrar cómo se puede formular un modelo de programación lineal en un ambiente


industrial donde los trabajadores están expuestos a ruido, se utilizará el siguiente ejemplo
simple. Una planta utiliza dos máquinas en las cuales se ha desarrollado una evaluación
ambiental de ruido. En la zona de operación de una de ellas se ha medido instrumentalmente,
un nivel de presión sonora continuo equivalente (NPSeq) de 87 dB(A) lento; en la otra se
encontró un NPSeq de 90 dB(A) lento. El ruido presente en el resto de las zonas donde el
personal debe desempeñar sus otras funciones no supera los 70 dB(A) lento. Se dispone de
cuatro trabajadores polivalentes para operar ambas máquinas. Por otra parte, la empresa,
conociendo el riesgo asociado a los niveles de ruido existentes en estos ambientes, ha
determinado que, independientemente de las medidas técnicas de control de ruido que se han
practicado en estos equipos, se utilizará la rotación de funciones como una medida
administrativa de control adicional. El programa de producción diario requiere que la máquina
menos ruidosa se opere entre 7.0 y 7.5 horas por cada turno de 8 horas. Por otra parte, el
tiempo de utilización por turno de la otra máquina se encuentra en el rango de 6.5 y 7.5 horas.
Finalmente, es indispensable que durante su operación cada máquina sea supervisada por al
menos un trabajador. Basándose en estos antecedentes, se necesita establecer un programa de
dotación diaria de cada máquina que minimice el riesgo de daño acústico para los
trabajadores, asumiendo las restricciones de producción y la política administrativa de
protección auditiva propuesta por la empresa. Los datos disponibles se resumen en la tabla
siguiente.

Investigación de Operaciones I
46
Ing. Mauro Pérez Estrella

Tabla 1. Datos del problema


N° de maáquina NPseq medido Tiempo de
(dB(A) lento) utilización de la
máquina
(horas/turno)
1 87 7.0 – 7.5
2 90 6.5 – 7.5

PLANTEAMIENTO DEL MODELO

1. Variable de decisión:

La variable de decisión puede ser definida como sigue: Sea Xij el tiempo en horas que el
trabajador i opera la máquina j. Con i = 1,2,3,4 y j=1,2. De este modo, por ejemplo, X31
representa el tiempo en horas que el trabajador Nº3 permanece operando la máquina Nº1. Es
decir, representa el tiempo de exposición a un ambiente donde el NPSeq es de 87 dB(A) lento.

2. Función objetivo:

El objetivo es minimizar el tiempo de exposición de los trabajadores a los distintos ambientes


ruidosos. Esto se puede plantear matemáticamente de la siguiente forma:

Minimizar:
4 2
Z    X ij
i 1 j 1

Lo que por extensión se puede representar como sigue:

Minimizar Z = X11 + X12+ X21 + X22 + X31 + X32 + X41 + X42

3. Restricciones:

Las restricciones exhibidas por este modelo se asocian a la dosis de ruido permitida y los
requisitos de utilización de máquina. Matemáticamente estas restricciones se pueden plantear
como sigue. n Dosis de ruido permisible: Utilizando los tiempos de exposición permisibles
establecidos en el Artículo 75 del Decreto Supremo Nº 594 y la fórmula propuesta en el
Artículo 76 para el cálculo de la dosis de ruido diaria, se tiene lo siguiente: Para cualquier
trabajador se debe cumplir que la dosis debe ser menor o igual a uno, es decir:
n X ij
 Tp  1i  1,2,3,4
j 1 j

Investigación de Operaciones I
47
Ing. Mauro Pérez Estrella

Donde n = 2 , que representa al número total de máquinas. Aplicando esta expresión,


considerando que Tp1 = 5.04 horas y Tp2 = 2.52 horas, se obtiene el siguiente conjunto de
restricciones:

Trabajador Nº1:

X11 / 5.04 + X12

Trabajador Nº2:

X21 / 5.04 + X22

Trabajador Nº3:

X31 / 5.04 + X32

Trabajador N°4:

X41 / 5.04 + X42

En el resto de las zonas de trabajo, donde los niveles de ruido no son superiores a 70 dB(A),
no hay restricciones de tiempo de exposición. n Requerimientos de utilización de máquina:
Se requiere que durante su operación cada máquina sea upervisada por al menos un trabajador.
Sin embargo, el tiempo de utilización de ambas es distinto. Con esto en mente, se puede
establecer lo siguiente:

Máquina N°1:

El tiempo de utilización efectivo de la máquina Nº1 debe mantenerse en el rango de 7.0 a 7.5
horas/turno.
Luego se tiene:

X11 + X21+ X31 + X41 <= 7.5


X11 + X21+ X31 + X41 >= 7.0

Máquina N°2:

Para la máquina Nº2 este rango es de 6.5 a 7.5 horas/turno. Luego se tiene:

X12 + X22+ X32 + X42 <= 7.5


X12 + X22+ X32 + X42 >= 6.5

Restricciones de no negatividad:

Investigación de Operaciones I
48
Ing. Mauro Pérez Estrella

Es necesario incorporar restricciones adicionales asociadas a que las variables deben ser
números reales positivos, en razón de que representan horas de exposición en un ambiente
determinado. Esto se puede expresar como sigue:

DISCUSIÓN DE RESULTADOS (Solución óptima)

El procedimiento habitual que se podría utilizar para resolver este problema es el Método
Simplex1. En la actualidad existen en el mercado softwares que incorporan este u otros
métodos que permiten resolver problemas de gran tamaño en fracciones de tiempo. En
particular, la planilla de cálculo Excel de Microsoft incorpora la opción Solver, cuya
aplicación entrega los resultados señalados en la tabla Nº 2.

Tabla N°2. Solución del problema

Trabajador N° Tiempo de trabajo en Tiempo de trabajo Tiempo total de


la máquina N°1 en la máquina N°2 exposición por
(hr/día) (hr/día) trabajador
(hr/día)
1 1.75 1.625 3.375
2 1.75 1.625 3.375
3 1.75 1.625 3.375
4 1.75 1.625 3.375
Utilización de
máquina 7.0 6.5
(hr/turno)

De acuerdo a esta tabla, cada trabajador diariamente deberá operar la máquina Nº1 durante
1.75 horas y luego la máquina Nº 2 durante 1.625 horas. El resto de la jornada laboral deberá
ocuparse de otras tareas, no expuesto a ruido. Con estos tiempos se asegura que los operarios
estarán protegidos del riesgo asociado a la exposición ocupacional a ruido. De hecho, la dosis
diaria de cada uno de ellos será 0.992. Por otra parte, el tiempo de utilización de la máquina
Nº 1 es de 7.0 (horas/turno) y el de la máquina Nº 2 es de 6.5 (horas/turno). Finalmente, el
valor óptimo de la función objetivo es de 13.5 horas, es decir, este es el mínimo tiempo total
de exposición que asegura el cumplimiento de todas las restricciones planteadas. En principio,
un problema relativamente pequeño como este (ocho variables y ocho restricciones), podría
ser resuelto por iteración manual. Sin embargo, a medida que aumenta el número de variables
o restricciones, se incrementa en número de combinaciones posibles, lo que hace
indispensable la asistencia de un software de programación lineal. Un modelo más general
que involucra n trabajadores y m centros de trabajo, se esquematiza en la figura siguiente.

Figura Nº 1

Investigación de Operaciones I
49
Ing. Mauro Pérez Estrella

Modelo general para la asignación de n trabajadores en m centros de trabajo

De cualquier forma, es posible incorporar restricciones adicionales al modelo con el propósito


de incluir otras condiciones que se podrían presentar en la práctica. Algunos ejemplos son
los siguientes:

a) Se requiere que dos o más personas operen un equipo simultáneamente (restricciones


de dotación).
b) Existe especialización de ciertos trabajadores en algunos equipos (restricciones de
rotación).
c) Existen distintos tiempos de utilización de máquina. Por ejemplo, existen periodos en
que algunos equipos deben funcionar en forma continua o sólo durante ciertos
intervalos de tiempo (restricciones de producción). La incorporación de estas u otras
restricciones podría significar la transformación del modelo en un problema más
complejo (programación entera, no lineal, etc.). Aun así, existen herramientas
computacionales que podrían asistir en su solución.

COMENTARIO FINAL

Este trabajo, implícitamente persigue motivar a los especialistas de Salud Ocupacional en la


búsqueda de aplicaciones de la IO. En particular, sería interesante examinar situaciones de
exposición ocupacional a frío/calor, exposición a agentes tóxicos ambientales, síndrome de
dolor lumbar, disfunciones dolorosas de la extremidad superior, organización de turnos y
horarios de trabajo, etc. En todos estos casos existen límites permisibles o recomendaciones
que podrían ser expresadas en la forma de un modelo de programación matemática. Los
beneficios se relacionan con la posibilidad de hallar soluciones técnica y económicamente
óptimas orientadas a la protección de la salud de los trabajadores. Asimismo, estos modelos
permitirían desarrollar análisis de sensibilidad o simulaciones, investigando el efecto causado
por la modificación de los parámetros y variables del modelo.

Investigación de Operaciones I
50
Ing. Mauro Pérez Estrella

PROBLEMAS PROPUESTOS

Problema 1

Una compañía fabrica varias líneas de faldas, vestidos y chaquetas deportivas. Cada producto
requiere la misma tela de poliéster cuyo costo es de 3 $/yarda y tiene que pasar por los
departamentos de corte y costura. La información que tiene el Area de Operaciones es la
siguiente
Producto Tiempo de procesamiento (h) Material (yd)
Corte Costura
Falda 1 1 1
Vestido 3 4 1.2
Chaqueta deportiva 4 6 3.8

Además se conoce que el departamento de corte dispone de 100 horas de capacidad, el de


costura 180 horas de capacidad y se cuenta con 80 yardas de material. Si los precios de venta
son $ 9, $ 21 y $ 35 para la falda, vestido y chaqueta respectivamente. Formular el problema
como uno de P.L.

Problema 2

Una Cía. Produce diversos cuchillos para cacería. Cada cuchillo es fabricado por cuatro
máquinas. En la tabla siguiente se muestra los tiempos de procesamiento requeridos (en
horas), las capacidades de horas-máquinas son: 1500 para la máquina 1, 1400 para la máquina
2, 1700 para la máquina 3 y 1600 para la máquina 4.

Cuchillo Tiempo de procesamiento(h)


Máq. 1 Máq. 2 Máq. 3 Máq. 4
A 0.05 0.10 0.15 0.05
B 0.15 0.10 0.05 0.05
C 0.20 0.05 0.10 0.20
D 0.15 0.10 0.10 0.10
E 0.05 0.10 0.10 0.05

Cada producto contiene una cantidad diferente de dos materias primas básicas. La materia
prima 1 cuesta $ 0.05 por onza y la materia prima 2 cuesta $ 1.50 por onza. Las cantidades
disponibles son: 75000 onzas de la materia prima 1 y de 120000 onzas de la materia prima 2.

Investigación de Operaciones I
51
Ing. Mauro Pérez Estrella

Cuchillo Requisitos (onzas/unidad)


Materia prima 1 Materia prima 2 Precio de venta
($/unidad)
A 4 2 15.00
B 6 8 24.50
C 1 3 14.30
D 2 5 18.70
E 6 10 28.00

Suponiendo que los costos de mano de obra son insignificantes y el objetivo es maximizar las
ganancias, se pide formular el problema como uno de P.L.

Problema 3

La World Oil Company puede comprar dos tipos de petróleo crudo: crudo ligero a un costo
de $ 25 por barril y petróleo pesado a $22 por barril. Cada barril de petróleo crudo ya refinado,
produce tres productos: gasolina, turbosina y queroseno. La tabla siguiente muestra las
cantidades en barriles de gasolina, turbosina y queroseno producidos por barril de cada tipo
de petróleo crudo.

Gasolina Turbosina Queroseno


Crudo ligero 0.45 0.16 0.32
Crudo pesado 0.35 0.38 0.26

La refinería se ha comprometido a entregar 1280000 barriles de gasolina, 900000 barriles de


turbosina y 340000 barriles de queroseno. Cada barril de petróleo crudo refinado produce un
desecho de 0.08 de barril que se tira a un costo de 1.2 $/barril de desecho. De manera similar,
cada barril de petróleo crudo pesado produce un desecho de 0.12 de barril y su eliminación
cuesta 1.7 $/barril. Como gerente de producción, formule un modelo para determinar la
cantidad de cada tipo de petróleo crudo por comprar para minimizar el costo total al tiempo
que se satisfaga la demanda apropiadamente.

Problema 4

La Nacional Steel corporation (NSC) produce un acero especial, usados en las industrias de
aviación y aeroespaciales. El departamento de ventas de NSC ha recibido pedidos de 2400,
2200, y 2500 toneladas de acero para cada uno de los siguientes 4 meses. NSC puede
satisfacer estas demandas produciendo el acero, extrayéndolo de su inventario, o usando
cualquier combinación de las dos alternativas. Se proyecta que los costos de producción por
toneladas de acero durante cada uno de los siguientes 4 meses sean de $ 7400, $ 7500, $ 7600

Investigación de Operaciones I
52
Ing. Mauro Pérez Estrella

y $ 7650. Como los costos suben cada mes, debido a las presiones inflacionarias, tal vez sea
mejor que NSC produzca más acero del que necesita en un mes determinado y que almacene
el exceso. La capacidad de producción, sin embargo, no puede exceder las 4000 toneladas en
ningún mes. La producción mensual se termina al final del mes, cuando la demanda se
satisface. Cualquier acero remanente se almacena en inventario a un costo de $ 120 por
tonelada por cada mes que permanece allí. Estos datos se resumen en la siguiente tabla.

MES
1 2 3 4
Demanda(ton) 2400 2200 2700 2600

Costo de producción/$/ton) 7400 7500 7600 7700

Costo de inventario($/ton) 120 120 120 120

Si el nivel de producción se incrementa de un mes al siguiente, entonces la compañía incurre


en un costo de $ 50 por tonelada de producción incrementada para cubrir la mano de obra
adicional y/o el tiempo extra. Cada tonelada de producción disminuida incurre en un costo de
$ 30 para cubrir los beneficios de empleados no utilizados. El nivel de producción durante el
mes anterior fue de 1800 toneladas y el inventario que comienza es de 1000 toneladas. El
inventario al final del cuarto mes debe ser de al menos 1500 toneladas para cubrir la demanda
anticipada. Formular el problema.

Problema 5

Un fabricante de plásticos planea obtener un nuevo producto mezclando dos compuestos


químicos. Estos compuestos consisten principalmente de tres elementos químicos A, B, y C.
a continuación se muestra la composición y el costo por unidad de estos compuestos.
Compuesto químico 1 2
Porcentaje de A 30 20
Porcentaje de B 20 65
Porcentaje de C 40 12
Costo/kg. ($) 20 27

El nuevo producto consiste al menos del 25% del elemento A, cuando menos 30% del
elemento B y al menos 20% del elemento C, por kilogramo del nuevo producto. Debido a los
efectos laterales del compuesto 1, ésta no debe de exceder del 60% del contenido del nuevo
producto.
Formular el problema como uno de P.L.

Problema 6

Investigación de Operaciones I
53
Ing. Mauro Pérez Estrella

Una compañía produce tres tipos de productos químicos refinados: A, B y C. es necesario


producir diariamente al menos 4 toneladas de A, 3 toneladas de B y 3 toneladas de C. los
productos de entrada son los compuestos X é Y. cada tonelada de X proporciona ¼ toneladas
de A, ¼ toneladas de B y ½ tonelada de C. cada tonelada de Y rinde 1/3 toneladas de A, 1/8
toneladas de B y 1/10 toneladas de C. La tonelada del compuesto X cuesta $290 y del
compuesto Y $ 460. el costo de procesamiento es de $320 por tonelada de X y de $260 por
tonelada de Y. las cantidades producidas que exceden los requerimientos diarios no tienen
valor, ya que el producto sufre cambios químicos si no se utilizan de inmediato. El problema
consiste en determinar la mezcla de costo mínimo de entrada formular adecuadamente dicho
problema.

Problema 7

La fábrica de muebles Tenessee (FMT) recientemente notificó que en su planta de Nahsville


hubo exceso de unidades de materia prima, que podían ser usadas para producir sillas
Arkansas y Missisipi. Estas sillas se pueden vender a almacenes de muebles a razón de $270
y $ 210 respectivamente. El número esperado de unidades de materia prima disponibles cada
mes y el número de unidades de cada material requerido para producir cada tipo de sillas se
da en la siguiente tabla.

Materia prima Tipo de sillas Unidades de material disponibles


Arkansas Missisipi por mes
Madera 2 1 42
Tornillos de 4 5 36
acero 3 3 24
Vinilo

Cada silla Arkansas requiere 5 horas de mano de obra y cada silla Missisipi requiere 4 horas
de mano de obra directa. El promedio de costos de la mano de obra para la planta de Nahsville
es estimado en $6 por hora. El costo unitario original de cada material está dado en la siguiente
tabla de costos.

Materia prima Costo unitario($)


Madera 32
Tornillos de acero 3
Vinilo 28

Las horas disponibles de la fábrica son de 120 horas. Formular el problema como uno de P.L.

Problema 8

Investigación de Operaciones I
54
Ing. Mauro Pérez Estrella

Una fábrica tiene dos molinos. El primer molino puede operar un máximo de 40 horas y el
segundo un máximo de 70 horas por semana. Cada hora de operación del primer molino
produce 3 TN de producto terminado y 10 TN de subproducto, cada hora del segundo molino
produce 4 TN de producto terminado y 3 TN de subproducto, estos subproductos son vendidos
a terceros cuya demanda se estima en 300 TN. La fábrica tiene compromisos con clientes
para producir por lo menos 175 toneladas de producto terminado. La hora de operación del
primer molino cuesta 200 $/h y la del segundo cuesta 160 $/h, la fábrica desea mantener los
costos tan bajos como sea posible. Por razones de su política interna la empresa debe operar,
en el segundo molino un número de horas no menor que el del primer molino. Formular el
problema.

Problema 9

Un inversionista tiene la intención de hacer varias inversiones, las cuales se extenderán por
un período de cinco años, al final del cual necesitará de todo el capital. Las inversiones se
hacen el 1° de Enero de cada año y son:
Inversión A: Disponible el 1° de enero de cada dos años consecutivos, y produce el 15 % de
interés al final de cada periodo.
Inversión B: Disponible en dos años a partir de ahora (comienzo del 3r año), y produce un
retorno del 25 % al final del 4to año y lo máximo que el inversionista considerará son $ 40000.
Inversión C: Disponible en un año a partir de ahora (comienzo de 2do año), y produce el 40
% al final del 4to año. Esta inversión será como máximo de $30000.
El inversionista tiene $ 100 000 disponible para las inversiones.
Cuál debe ser el portafolio de inversión que le permita obtener la máxima cantidad de dinero
al final del quinto año?.

Problema 10

NWAC Electronics fabrica cuatro clases de cables para un contratista gubernamental. Cada
cable debe pasar por cuatro operaciones consecutivas: corte, estañado, encamisado e
inspección. La siguiente tabla muestra los datos más importantes del caso:

Minutos por unidad


Cable Corte Estañado Encamisado Inspección Ganancia
Euros/unid
SC320 10.5 20.4 3.2 5.0 9.40

Investigación de Operaciones I
55
Ing. Mauro Pérez Estrella

SC325 9.3 24.6 2.5 5.0 10.80


SC340 11.6 17.7 3.6 5.0 8.75
SC370 8.2 26.5 5.5 5.0 7.80
Capacidad diaria 4800 9600 4700 4500
(minutos)

Se pide formular para resolver el problema de planificación.

Problema 11

Dada la siguiente información:

Rendimiento Capital Requerimiento de


Cultivo Quintal/Ha $/Ha Agua de riego
En m3/Ha
Mes octubre Mes noviembre
Maiz 30 30 900 1200
Trigo 25 40 650 850

Precio de venta $/quintal


Maiz 4.50
Trigo 6.00
Además se dispone de un capital de $ 2,500 y la cantidad (m 3) de agua de riego disponible
para los meses de octubre y noviembre son: 57,000 y 115,200 respectivamente.
Formular el modelo como uno de programación lineal.

Problema 12

La Cía. Silver S.A. produce tres tipos diferentes de juego de plata para té: un juego de lujo,
un juego regular y un juego económico. El departamento de Marketing de la Cía. Ha hecho
una encuesta de mercado para determinar el número esperado de juegos de té que puede ser
razonable producir para la venta mensual. Los resultados de la entrevista hicieron concluir
que las posibilidades de venta de más de 20 juegos de lujo al mes es muy pequeña. Sin
embargo, tantos juegos del tipo regular y económico pueden ser producidos como vendidos.
Cada uno de estos juegos requiere oro, plata y plomo. La Cía. compra oro y plomo de
proveedores externos a un costo de $ 130 y $ 0,60 por onza respectivamente. El costo de
producción de plata de la Cía., es estimado en alrededor de $ 45 por onza. Un juego de lujo
para ser terminado requiere de 2 onzas de oro, 6 onzas de plata y 300 onzas de plomo. El
juego regular requiere 1,5 onzas de oro, 4 onzas de plata y 250 onzas de plomo. El juego
económico requiere 1 onzas de oro, 2 onzas de plata y 200 onzas de plomo.
La provisión mensual de los metales está limitada a 72 onzas de oro, 200 onzas de plata y
13200 onzas de plomo. La Cía. Silver es solo una de los muchos productores de los juegos de

Investigación de Operaciones I
56
Ing. Mauro Pérez Estrella

té indicados anteriormente, razón por la cual sus precios son fijados por el mercado.
Actualmente el modelo de lujo puede ser vendido a $ 2000 el juego, el regular a $ 1500 el
juego y el económico a $ 1000 el juego.
Se pide formular el problema.

Problema 13

La calidad del aire en una región industrial depende en gran parte de las evaporaciones de n
plantas. Cada planta puede usar m tipos de combustibles. Supóngase que la energía total
requerida en la planta j es de bj unidades térmicas británicas por día y eij es la evaporación
por tonelada de combustible del tipo i en la planta j. Supóngase además, que el combustible
del tipo i cuesta ci pesos por tonelada y que cada tonelada de este tipo de combustible genera
αij unidades térmicas británicas en la planta j. El nivel de contaminación del aire en la región
no debe exceder d microgramos por metro cúbico. Finalmente, sea γj un parámetro
meteorológico que relaciona la evaporación en la planta j con la calidad del aire en la región.
a) Formular el problema de determinar la mezcla de combustible que debe usarse en
cada planta.
b) Cómo incorporaría usted restricciones tecnológicas que prohíben el uso de ciertas
mezclas de combustible en ciertas plantas ?.
c) Cómo aseguraría usted equidad entre las plantas?.

Problema 14

Un inversionista tiene la intención de hacer varias inversiones, las cuales se extenderán por
un período de cinco años, al final del cual necesitará de todo el capital. Las inversiones se
hacen el 1° de Enero de cada año y son:
Inversión A: Disponible el 1° de enero de cada dos años consecutivos, y produce el 15 % de
interés al final de cada periodo.
Inversión B: Disponible en dos años a partir de ahora (comienzo del 3r año), y produce un
retorno del 25 % al final del 4to año y lo máximo que el inversionista considerará son $ 40
000.
Inversión C: Disponible en un año a partir de ahora (comienzo de 2do año), y produce el 40
% al final del 4to año. Esta inversión será como máximo de $ 30000. El inversionista tiene $
100 000 disponible para las inversiones.
Cuál debe ser el portafolio de inversión que le permita obtener la máxima cantidad de dinero
al final del año quinto?. Formular el problema como uno de P.L.

Problema 15

Investigación de Operaciones I
57
Ing. Mauro Pérez Estrella

Steel Company produce tres tamaños de tubos: A, B, y C, que son vendidos respectivamente
en $10, $12, y $9 por pie. Para fabricar cada pie del tubo A se requiere 0.5 minutos de tiempo
de procesamiento sobre un tipo particular de máquina de moldeado. Cada pie del tubo B
requiere 0.45 minutos y cada pie del tubo C requiere o.6 minutos. Después de la producción,
cada pie de tubo sin importar el tipo, requiere una onza de material de soldar. El costo total
se estima en $3, $4 y $4 por pie de los tubos A, B, C respectivamente.
Para la siguiente semana, MTV Steel ha recibido pedidos excepcionalmente grandes que
totalizan 2000 pies de tubo A, 4000 pies de tubo B y 5000 pies de tubo C. Como sólo se
dispone de 40 horas de tiempo de maquina esta semana y sólo se tiene en inventario 5500
onzas de material de soldar, el departamento de producción no podrá satisfacer la demanda,
que requiere un total de 97 horas de tiempo de maquina y 11000 onzas de material de soldar.
No se espera que continúe este alto nivel de demanda. En vez de expandir la capacidad de las
instalaciones de producción, la gerencia de MTV steel está considerando la compra de algunos
tubos a proveedores de Japón a un costo de entrega de $6 por pie del tubo A, $6 por pie del
tubo B y $7 por pie del tubo C. Estos diversos datos se resumen en la tabla siguiente. Como
gerente del departamento de producción se le ha pedido hacer recomendaciones respecto a la
cantidad de producción de cada tipo de tubo y la cantidad de compra a Japón para satisfacer
la demanda y maximizar las ganancias de la compañía. Formular el modelo matemático de
P.L.

Precio de Demand Tiempo Material Costo de Costo


TIPO Ventas a de para Producció de
($/ft) (ft) máquina soldar n Compra
(mín/ft) (oz/ft) ($/ft) ($/ft)
A 10 2000 0.5 1 3 6

B 12 4000 0.45 1 4 6

C 9 5000 0.6 1 4 7

Cantidad disponible 40 hrs. 5500oz

Investigación de Operaciones I
58
Ing. Mauro Pérez Estrella

MÉTODOS DE SOLUCIÓN

Existen 3 métodos para resolver problemas de Programación Lineal.

1. Método Gráfico
2. Método Algebraico
3. Método Simplex

1. MÉTODO GRÁFICO

Investigación de Operaciones I
59
Ing. Mauro Pérez Estrella

Este método consiste en utilizar el sistema de coordenadas cartesianas.

Procedimiento:

Es decir utilizando el primer cuadrante del sistema cartesiano, representar:

1º. La región de solución factible


2º. El programa o programas óptimos

Si el modelo es de 2 variables:

La función objetivo es una recta

En la siguiente figura se muestra la función objetivo para valores arbitrarios de “z” en la


forma de rectas de contorno de igual producción.

La región de solución factible (R.S.F.) es un polígono.

Investigación de Operaciones I
60
Ing. Mauro Pérez Estrella

Las restricciones representan rectas que barren el plano de acuerdo al sentido de


la desigualdad.

Si el modelo es de 3 variables:

La función objetivo es un plano.


La R.S.F. es un poliedro.

Procedimiento:

I. Caso de maximización:

Ejm.

Investigación de Operaciones I
61
Ing. Mauro Pérez Estrella

Máx Z = 300 x1 + 200 x2

s.a:
30x1 + 15x2 ≤ 1500  Dpto. de mecanizado
10x1 + 10x2 ≤ 900  Dpto. de ajuste
12x1 + 10x2 ≤ 700  Dpto. de armado
x1 ≤ 60  Límite máximo de aspiradoras
x2 ≤ 45  Límite máximo de lustradoras
 x1, x2 ≥ 0

A. Definición del modelo

F.O.
= representan los niveles máximos y
Restricciones: ≤ mínimos de los recursos disponibles

B. Representación gráfica de las restricciones

1. Representar las inecuaciones como ecuaciones

2. Determinar los puntos fronteras de c/u de las restricciones (rectas fronteras)

x1 = 0, x2 = 100 P1
30x1 + 15x2 = 1500   L1
x2 = 0, x1 = 50 P2

x1 = 0, x2 = 90 P3
10x1 + 10x2 = 900   L2
x2 = 0, x1 = 90 P4

x1 = 0, x2 = 70 P5
12x1 + 10x2 = 700   L3
x2 = 0, x1 = 58.3 P6

x1 = 60 P7
x1 = 60   L4
x2 = 0 P8

x1 = 0 P9
x2 = 45   L5
x2 = 45 P10

Investigación de Operaciones I
62
Ing. Mauro Pérez Estrella

3. Definición de variables

x1 = Número de aspiradoras

x2 = Número de lustradoras

4. Representación de la región de soluciones factibles (ABCDE), es la región que satisface


las restricciones.

C. Representación gráfica de la función objetivo.

Investigación de Operaciones I
63
Ing. Mauro Pérez Estrella

Para esto se representa Z a una condición mínima que va a ser el producto de los coeficientes
de la función objetivo.

300x1 + 200x2 = 6x104

Si x1 = 0 ; x2 = 300
x2 = 0 ; x1 = 200

Analíticamente:

Punto D =L1∩L3

30x1 + 15x2 = 1500 x1 = 37.5



12x1 + 10x2 ≤ 700 x2 = 25

Luego: Z = 30 (37.5) + 20 (25)


Z = 1625

D. Evaluación de los vértices de la R.S.F. (confrontar)

Punto A (0, 0)  Z=0


B (0, 45)  Z = 900
C (20.8, 45)  Z = 1525
D (37.5, 25)  Z = 1625
E (50, 0)  Z = 1500

 Punto óptimo es: x1 = 37.5


x2 = 25
Zopt = 1625

Análisis:

Dpto. de mecanizado:

30x1 + 15x2 ≤ 1500 30x1 + 15x2 + S1 = 1500


30(37.5) + 15(25) + S1 = 1500  S1 = 0

Quiere decir que no existen horas disponibles.

Dpto. de ajuste:
10x1 + 10x2 ≤ 900 10x1 + 10x2 + S2 = 900
10(37.5) + 10(25) + S2 = 900  S2 = 275

Investigación de Operaciones I
64
Ing. Mauro Pérez Estrella

Quiere decir que existen horas ociosas en el Dpto. de ajuste.

Dpto. de armado:

12x1 + 10x2 ≤ 700 12x1 + 10x2 + S3 = 700


12(37.5) + 10(25) + S3 = 700  S3 = 0

Quiere decir que no existen horas disponibles.

Límite máximo de aspiradoras:

x1 ≤ 60  37.5 + S4 = 60
S4 = 22.5 Exceso de aspiradoras

Límite máximo de lustradoras:

X2 ≤ 45  25 + S5 = 45
S5 = 205 Exceso de lustradoras

Problema

Máx Z = 0.25 x1 + 0.45 x2

s.a: 4x1 + 8x2 ≤ 1200


12x1 + 8x2 ≤ 1920
10x1 + 30x2 ≤ 4200  xi ≥ 0 ; i = 1, 2, 3

Solución

4x1 + 8x2 = 1200  L1


12x1 + 8x2 = 1920  L2
10x1 + 30x2 = 4200  L3
1º Determinar la región factible
El área sombreada muestra los valores permitidos de (x 1, x2)

x1 = 0  x2 = 150
L1 :
x2 = 0  x1 = 300

x1 = 0  x2 = 240
L2 :
x2 = 0  x1 = 160

x1 = 0  x2 = 140

Investigación de Operaciones I
65
Ing. Mauro Pérez Estrella

L3 :
x2 = 0  x1 = 420

0.25 x1 + 0.45 x2 = (0.25)(0.45)


Z:
0.25 x1 + 0.45 x2 = 0.1125

x1 = 0  x2 = 0.25

x2 = 0  x1 = 0.45

De la gráfica:
A = (90,105)
B = (60,120)

Cálculo de Z en los puntos A y B:

ZA = 0.25 (90) + 0.45 (105) entonces: ZA = 69.75

ZB = 0.25 (60) + 0.45 (120) entonces: ZB = 69.0


Luego el valor de Zóptimo = 69.75 para

Investigación de Operaciones I
66
Ing. Mauro Pérez Estrella

x1 = 90
x2 = 105
Conclusión:
El equipo de I.O utiliza este procedimiento para encontrar que la solución óptima deseada es:

x1 = 90, x2 = 105 con Z = 69.75. Esta solución indica que la compañía debe producir los
productos 1 y 2 a una tasa de 90 y 105 lotes por semana respectivamente, con una ganancia
total de M$ 69.75 semanales. No existe otra mezcla de los productos que fuera tan rentable.

Los vértices A, B, C y D son los llamados soluciones factible en los


vértices (soluciones FEV).

Los otros vértices (E, F, G, H) se llaman soluciones no factibles en


un vértice.

En este ejemplo cada solución en un vértice, se encuentra en la intersección de dos fronteras


de restricción.

Entonces para un problema de P.L. con “n” variables de decisión, cada una de las soluciones
en los vértices se encuentra en la intersección de n fronteras de restricciones.

Para cualquier problema de P.L. con “n” variables, dos soluciones FEV son ADYACENTES
entre si. Si comparten “n-1” fronteras de restricciones.

Dos soluciones FEV adyacentes están conectadas por un segmento de recta que está en estas
mismas fronteras de restricciones compartidas. Este segmento recibe el nombre de orilla o
arista de la región factible.

En la tabla siguiente se indican las soluciones adyacentes.

Solución FEV Sus soluciones FEV adyacentes

(0,0) (0,140) y (160,0)

(0,140) (0, 0) y (60,120)

(160, 0) (0, 0) y (90,105)

(60,120) (0,140) y (90,105)

(90,105) (60,120) y (160,0)

Investigación de Operaciones I
67
Ing. Mauro Pérez Estrella

Prueba de optimalidad:

Si una solución FEV no tiene soluciones FEV adyacentes que sean mejores (según el valor
de Z), entonces esa debe ser una solución óptima.

Precios Sombra.

La información sobre la contribución económica de los recursos a la medida de Z, se da en


forma de precios sombra, los cuales miden el valor marginal del recurso bi, es decir la tasa a
la que Z puede aumentar si se incrementa (un poco) la cantidad de b i.

Gráficamente observamos que un incremento por ejemplo en 50 unidades para el recurso 1,


al volver a aplicar el método gráfico.

La solución óptima (90,105) con Z = 69.75, cambia a (83.75, 114.37) con

Z = 72.41  Y2* = ∆ Z = 72.41- 69.75

Y2* = 2.66

Como Z se expresa en miles de dólares de ganancia semanal.

Y2* = 2.66 indica si se agregara 50 unidades

Del recurso 1 a la semana para estos productos, aumentaría la ganancia total en 2660 dólares
a la semana ¿debe hacerse esto?, depende de la ganancia marginal de otros productos que por
el momento usen esta misma cantidad de recurso 1. Si existe un producto actual que
contribuye menos de $2660 semanal para esta cantidad de recurso 1, entonces valdría la pena
algún cambio en la asignación del recurso 1 a los nuevos productos.

Definiciones

Región factible.- Es aquella que satisface todas las restricciones, incluyendo la condición de
no negatividad. En el ejemplo es el polígono ABCDE.

Solución factible.- Es cualquier punto situado en la región factible.

Solución básica.- Son los puntos donde se cortan las rectas, dos ejes, o una recta con un eje.

Determinación de una solución básica

Ejemplo:

Max Z = 50x1 + 75x2

s.a.: 2x1 + 2x2 ≤ 60


4x1 + 5x2 ≤ 120

Investigación de Operaciones I
68
Ing. Mauro Pérez Estrella

3x1 + 6x2 ≤ 180


x1, x2 ≤ 0

Estandarizando:

2x1 + 2x2 + S1 = 60
4x1 + 5x2 + S2 = 120
3x1 + 6x2 + S3 = 180

Se establece n – m variables iguales a cero:


5–3=2
n = número de variables
m = número de restricciones

Solución básica:

x1 = 0, x2 = 0 V.N.B  S1 = 60
S2 = 120 V.B.
S3 = 180

0tra solución básica:

x2 = S3 = 0 V.N.B  x1 = 60
S2 = -120
S1 = - 60

Total de soluciones básicas:

n  n! 5! 3! 4  5
Cm    10
( n  m )! m! 2! 3! 2! 3!
Solución básica factible.- Es una solución básica que pertenece a la región factible.

Solución básica degenerada.- Ocurre cuando una variable básica toma valor cero.

Solución óptima.- Es la solución que maximiza o minimiza la función.

II. Caso de minimización

Min Z = 500 x1 + 2000x2

s.a: 3x1 + 2x2 ≥ 36


6x1 + 3x2 ≥ 60
 xi ≥ 0 ; i = 1,2

Investigación de Operaciones I
69
Ing. Mauro Pérez Estrella

x1 = 0, x2 = 18 P1
 L1
x2 = 0, x1 = 12 P2

x1 = 0, x2 = 20 P3
 L2
x2 = 0, x1 = 10 P4

Z = 500x1 + 2000x2

106 = 500x1 + 2000x2

x1 = 0 ; x2 = 500

x2 = 0 ; x1 = 2000

Punto óptimo = (12,0)

 Z = 500(12) + 2000(0)

Zópt. = 6000

Análisis de Sensibilidad.

El propósito del análisis de sensibilidad es identificar los parámetros sensibles (aquellos que
no pueden cambiar sin cambiar la sol. óptima).

Si se descubre que el valor verdadero de un parámetro sensitivo difiere de su valor estimado


en el modelo, esto dará señal inmediata de que la solución debe cambiar.

Cómo se identifican estos parámetros sensibles?

Investigación de Operaciones I
70
Ing. Mauro Pérez Estrella

En el caso de bi, esta información está dada por los precios sombra que proporciona el método
Simplex. En particular si Yi* > 0, entonces la solución óptima cambia si cambia bi, por lo que
bi, en un parámetro sensible.

Si Yi* = 0 la solución óptima no es sensible, al menos a cambios pequeños.

Cuando el problema tiene sólo dos variables, la sensibilidad de lo distintos parámetros se


puede analizar con una gráfica. Por ejemplo:

En la figura se observa que C1 = 0.25 se puede cambiar a cualquier valor dentro del intervalo
(9/40, 27/40) sin que la solución óptima (90,105) cambie. La razón es que cualquier valor de
C1 dentro de este intervalo mantiene la pendiente de Z = C 1x1 + 0.45x2, entre las pendientes
de las líneas:

L1: 4x1 + 8x2 ≤ 1200


y L2: 12x1 + 8x2 ≤ 1920

1 3
m1 = - y m2 = -
2 2

C1 1 C 3 9 C 27
 mz    1   1 
0.45 2 0.45 2 20 0.45 40

Además si C2 = 0.45 es el único parámetro que se cambia, este puede tomar los valores de:

1 C1 3 2 C2
   2
2 C2 2 3 C1

Investigación de Operaciones I
71
Ing. Mauro Pérez Estrella

2 C2 1 1
 2  C2 
3 0.25 6 2

Así ni C1, ni C2 son parámetros sensibles.

Para analizar la sensibilidad de los parámetros aij se debe verificar si su restricción


correspondiente es independiente (independiente) en la solución óptima.

Asi: 4x1 + 8x2 ≤ 1200


y 12x1 + 8x2 ≤ 1920

Son restricciones de atadura, por lo que cambiar cualquiera de sus coeficientes a 11 = 4, a12 =
8, a21 = 12, a22 = 8), tendrá que cambiar la solución óptima y por lo tanto estos son parámetros
sensibles.

Por otro lado como 10x1 + 30x2 ≤ 4200 no es atadura, cualquier cambio suficientemente
pequeño en sus coeficientes (a31=10, a32 = 30) no cambiará la solución óptima. Así que éstos
no son parámetros sensibles.

En los problemas reales es de más importancia el análisis de sensibilidad sobre los


parámetros b i y cj que sobre las aij, ya que estos son despreciables, por que además los a ij
quedan determinados por la tecnología que se esta usando.

Rango de variación de los coeficientes de la función objetivo

Considerando el problema:

Min Z = 500 x1 + 2000x2

s.a: 3x1 + 2x2 ≥ 36


6x1 + 3x2 ≥ 60
 xi ≥ 0 ; i = 1,2

Cuya solución gráfica es:

Investigación de Operaciones I
72
Ing. Mauro Pérez Estrella

Para C1:

Min Z = C1X1 + 2000X2 mz = -C1/2000


Límite mínimo: m1 = -3/2
Límite máximo: m2 = 0 luego: -3/2 ≤ -C1/27 ≤ 0

0 ≤ C1 ≤ 3/2
Para C2:

Min Z = 500X1 + C2X2 mz = - 500 / C2

-3/2 ≤ - 500/C2 ≤ 0

-2/3 ≤ C2 / 500 ≤ ∞ → -1000/3 ≤ C2 ≤ ∞

Rango de variación de los bi

Para b1: Límite Superior

Investigación de Operaciones I
73
Ing. Mauro Pérez Estrella

De la gráfica el límite máximo es infinito (∞)

Límite inferior

Investigación de Operaciones I
74
Ing. Mauro Pérez Estrella

El límite mínimo es en el punto de intersección de la recta L2 con el eje X


Es decir el punto (10, 0)
Entonces reemplazando en la restricción correspondiente a b 1 se tiene:
3(10) + 2(0) = 30

Por lo tanto: 30 ≤ b 1 ≤ ∞

Análogamente se tiene para b2

- ∞ ≤ b2 ≤ 72

ANÁLISIS DE SENSIBILIDAD GRÁFICO PARA 3 RESTRICCIONES

La metodología y conceptos presentados para el caso de 2 restricciones no difiere, sin


embargo, hay que tener especial cuidado cómo la inclusión de una tercera restricción
afecta el análisis. Veamos el siguiente ejemplo:

MaxZ = 4X1 + 3X2


S.a:
6X1 + 2X2 <= 120
.. .1X1 + 4X2 <= 100
..5X1 + 5X2 <= 150
.. ..X1 >= 0, X2 >= 0

La solución gráfica de este ejemplo permite obtener la solución óptima X1 =15, X2=15
con valor óptimo Zopt=105, tal como se observa en el gráfico a continuación:

Investigación de Operaciones I
75
Ing. Mauro Pérez Estrella

Antes de proceder con el análisis de sensibilidad es conveniente verificar si las


actuales restricciones del problema estan activas en el óptimo, es decir, si se cumplen
en igualdad:

R1: 6*(15) + 2*(15) = 120 => R1 es una restricción activa

R2: 1*(15) + 4*(15) < 100 => R2 no es una restricción activa

R3: 5*(15) + 5*(15) = 150 => R3 es una restricción activa

En el caso que el lado derecho de la restricción sea un recurso, resulta lógico tener
una disposición a pagar por unidad adicional en la medida que dicho recurso se este
ocupando a máxima capacidad. En consecuencia, una restricción no activa tiene por

Investigación de Operaciones I
76
Ing. Mauro Pérez Estrella

definición un precio sombra igual a cero (caso de R2) ya que un aumento del lado
derecho no aumentará el valor óptimo actual V(P)=150. Sin embargo, sólo en casos
muy particulares podemos encontrar restricciones activas con precio sombra (o costo
reducido) igual a cero, lo que es más la excepción que la regla.
Luego de esta introducción veamos el cálculo del precio sombra o costo reducido para
la restricción 1 (R1). Primero, debemos desplazar en forma paralela la restricción 1
hasta el punto máximo donde la solución óptima se siga encontrando con las
actuales restricciones activas R1 y R3. Dicho punto es (X1,X2 )=(30,0).
Posteriormente, desplazamos en forma paralela la restricción 1 (R1) hasta el punto
mínimo donde la solución óptima se siga encontrando con las actuales restricciones
activas R1 y R3. Nótese que este desplazamiento queda acotado hasta el punto donde
la restricción 2 (R2) se vuelve activa, que corresponde al punto (X1,X2 )=(6,666,
23,333) como se muestra en la siguiente gráfica:

Investigación de Operaciones I
77
Ing. Mauro Pérez Estrella

Por consiguiente, el precio sombra asociado a la restricción 1 queda dado por:

Siguiendo un procedimiento similar se pueden obtener los precios sombras asociadas


a las restantes restricciones. A continuación se presenta una tabla resumen del análisis
de sensibilidad obtenido con Solver de Excel:

Investigación de Operaciones I
78
Ing. Mauro Pérez Estrella

Casos Particulares

a. Solución óptima finita única.- Si la solución óptima es finita y única quiere decir que la
solución óptima ocurre en el vértice extremo de la región de solución factible pudiendo ser
acotada o no acotada.

Zopt
.
Zopt
.

Zo

Región acotada Región no acotada

b. Solución óptima alternativos.- Ocurre cuando le Z óptimo es coincidente con uno de los
lados de la región de solución factible, pudiendo ser acotada o no acotada.

Investigación de Operaciones I
79
Ing. Mauro Pérez Estrella

Zopt
.

Zopt
.

c. Soluciones no acotadas.- Ocurre la función objetivo y la región de solución factible son no


acotadas de tal manera que al trazar la paralela siempre va a interceptar las soluciones
factibles en más de un punto (ver fig. 1)

d. Región vacía.- ocurre cuando el sistema de inecuaciones y ecuaciones describen una región
inconsistente, lo que quiere decir que no existen punto alguno que satisfaga todas las
restricciones dadas. Por ejemplo:
Min Z = -2 x1 + 3x2

s. a: L1: -x1 + 2x2 ≤ 2 x1 = 0 ; x2 = 1


x2 = 0 ; x1 = -2

L2: 2x1 - x2 ≤ 3 x1= 0 ; x2 = -3


x2 = 0 ; x1 = 3/2

L3: x2 ≥ 4 x1= 0 ; x 2 = 4

Investigación de Operaciones I
80
Ing. Mauro Pérez Estrella

Problema

Una fábrica tiene dos molinos. El primer molino puede operar un máximo de 40 horas y el
segundo un máximo de 70 horas por semana. Cada hora de operación del primer molino
produce 4TN de producto terminado y 3TN de subproducto, estos subproductos son vendidos
a terceros cuya demanda se estima en 300 TN. La fábrica tiene compromisos con clientes para
producir por lo menos 175 toneladas de producto terminado. La hora de operación del primer
molino cuesta 200 $/h y la del segundo cuesta 160 $/h, la fábrica desea mantener los costos
tan bajos como sea posible.
Por razones de su política interna la empresa debe operar, en el segundo molino un número
de horas no menor que el del primer molino.

a) Resolver el modelo aplicando el método grafico. Comentar la solución y el valor


óptimo.
b) Determinar gráficamente el rango para los valores del lado derecho de la siguiente
restricción: ¨ Requerimientos del cliente en TN ¨. ¿Cuál es el precio sombra para un
incremento de 10 horas en el primer molino?

Solución:
Planteamos nuestras variables de decisión

X1 : Horas de trabajo del primer molino.


X2 : Horas de trabajo del segundo molino.

Investigación de Operaciones I
81
Ing. Mauro Pérez Estrella

Función Objetivo
Min Z = 200X1 + 160X2

 Restricciones

Operación como máximo de horas del primer molino:


X1 ≤ 40

Operación como máximo de horas del segundo molino:


X2 ≤ 70

Producción de producto terminado (TN) de cada molino por hora:


10X1 + 3X2 ≥ 300

Producción de subproducto (TN) de cada molino por hora:


3X1 + 4X2 ≥ 175

Horas del segundo molino mayor que el primero:


X2 ≥ X1
a) Formamos nuestras rectas
X1 ≤ 40 → L1 : X1 = 40
X2 ≤ 70 → L2 : X2 =70
10X1 + 3X2 ≥ 300 → L3 : X2 = 100 – 10/3X1
3X1 + 4X2 ≥ 175 → L4 : X2 = 175/4 – 3/4
X2 ≥ X 1 → L5 : X2 = X1

De la grafica hallamos los puntos A, B, C, D, E

A = (675/31 ; 850/31) → Z = 8741.94


B = (675/31 ; 850/31) → Z = 13000

Investigación de Operaciones I
82
Ing. Mauro Pérez Estrella

C = (675/31 ; 850/31) → Z = 19200


D = (675/31 ; 850/31) → Z = 14400
E = (675/31 ; 850/31) → Z = 9000

Se obtiene un Z mínimo de 8741.94 $/h cuyo punto evaluado es el punto A con

X1 = 675/31 ≈ 21.77 h del molino 1


X2 = 850/31 ≈ 27042 h del molino 2

b) De la restricción pedida tenemos

3X1 + 4X2 ≥ 175

Hallando los puntos del lado derecho del grafico tenemos:

Pto B : L3 ∩ L2 B = (9 ; 70)
Pto M : L3 ∩ L5 M = (300/13 ; 300/13)

B = (90 ; 70) → Z = 13000


M = (300/31 ; 300/31) → Z = 8307.69

L3 : 3X1 + 4X2 = b1
B = (9 ; 70) → b 1 = 307

L3 : 3X1 + 4X2 = b2
M = (300/13 ; 300/13) → b2 = 161.54

∆Z = [(valor de Z para b1 = 307) – (valor de Z para b2 = 161.54)]/[ (b1 = 307) – (b2 =


161.54)]
∆Z = (13000 – 8307.69)/(307 – 161.54)

∆Z = 32.25

Se concluye que por cada requerimiento del cliente en TN (bien disminuya o aumente) el
valor de el nuevo Z queda modificado en 32.25 $

Solución gráfica utilizando software

Ejemplo. Maximizar Z = 3X1 + 2X2


restricciones: X1 + 2X2 <=6 (1)
2X1 + X2 <=8 (2)
-X1 + X2 <=1 (3)
X2 <= 2 (4)
X1 >= 0 (5)
X2 >= 0 (6)

Investigación de Operaciones I
83
Ing. Mauro Pérez Estrella

Convirtiendo las restricciones a igualdad y representando las gráficamente se tiene:

X1 + 2X2 = 6 (1)
2X1 + X2 = 8 (2)
-X1 + X2 = 1 (3)
X2 = 2 (4)
X1 =0 (5)
X2 = 0 (6)

Figura 2.1 Espacio de solución presentada con WinQsb

Soluciones

Investigación de Operaciones I
84
Ing. Mauro Pérez Estrella

Maximizar Z = 3X1 + 2X2

Punto (X1, X2) Z


A (0, 0) 0
B (4, 0) 12
C (3.3, 1.3) 12.6 ( óptima )
D (2, 3) 12
E (1, 3) 9
F (0, 2) 4

Problema

Una compañía fabrica y venden dos modelos de lámpara L1 y L2. Para su fabricación se
necesita un trabajo manual de 20 minutos para el modelo L1 y de 30 minutos para el L2; y un
trabajo de máquina de 20 minutos para L1 y de 10 minutos para L2. Se dispone para el trabajo
manual de 100 horas al mes y para la máquina 80 horas al mes. Sabiendo que el beneficio por
unidad es de 15 y 10 euros para L1 y L2, respectivamente, planificar la producción para
obtener el máximo beneficio.
Solución
1. Variables de decisión.
X1 = nº de lámparas L1
X2 = nº de lámparas L2
2. Función objetivo
Max Z = 15X1 + 10X2
3. Restricciones
Pasamos los tiempos a horas: 20 min = 1/3 h, 30 min = 1/2 h, 10 min = 1/6 h
Para escribir las restricciones vamos a ayudarnos de una tabla:
L1 L2 Tiempo
Manual 1/3 1/2 100
Máquina 1/3 1/6 80
1/3X1 + ½X2 ≤ 100 horas disponibles al mes de trabajo manual
1/3X1 + 1/6X2 ≤ 80 horas disponibles al mes de tarbajo en máquina
4. Condición de no negatividad
Como el número de lámparas son números naturales, tendremos dos restricciones más: X 1
, X2 ≥ 0
Gráfica:

Investigación de Operaciones I
85
Ing. Mauro Pérez Estrella

Calculamos el valor de la función objetivo


Fig. 2.2
En la función objetivo sustituimos cada uno de los vértices.
f(x, y) = 15X1 + 10X2
f(0, 200) = 15•0 + 10•200 = 2 000 €
f(240, 0 ) = 15•240 + 10•0 = 3 600 €
f(210, 60) = 15•210 + 10•60 = 3 750 € Máximo
La solución óptima es fabricar 210 del modelo L1 y 60 del modelo L1 para obtener un
beneficio de 3 750 € .

Problema

En una granja de pollos se da una dieta, para engordar, con una composición mínima de 15
unidades de una sustancia A y otras 15 de una sustancia B. En el mercado sólo se encuentra
dos clases de compuestos: el tipo X con una composición de una unidad de A y 5 de B, y el
otro tipo, Y, con una composición de cinco unidades de A y una de B. El precio del tipo X es
de 10 euros y del tipo Y es de 30 €. ¿Qué cantidades se han de comprar de cada tipo para
cubrir las necesidades con un costo mínimo?
Solución.
1. Variables de decisión.
X1 = X, X2 = Y
2. Función objetivo
MinZ = 10X1 +30X2

Investigación de Operaciones I
86
Ing. Mauro Pérez Estrella

3. Restricciones
5X1 + X2 ≥ 15
X1 + 5X2 ≥ 15
X1 , X 2 ≥ 0

Gráfica

5X1 + X2 ≤ 15

X1 + 5X2 ≤ 15

Calculamos el valor de la función objetivo


f(0, 15) = 10( 0) + 30 (15) = 450
f(15, 0) = 10 (15) + 30(0) = 150
f(5/2, 5/2) = 10(5/2) + 30 (5/2) = 100 Mínimo
El coste mínimo es100 €, para: X = 5/2 e Y = 5/2.

Problema

Un fabricante de plásticos planea obtener un nuevo producto mezclando dos compuestos


químicos. Estos compuestos consisten principalmente de tres elementos químicos A, B, y C.
a continuación se muestra la composición y el costo por unidad de estos compuestos.

Investigación de Operaciones I
87
Ing. Mauro Pérez Estrella

Compuesto químico 1 2
Porcentaje de A 30 20
Porcentaje de B 20 65
Porcentaje de C 40 12
Costo ($/kg). 20 27

El nuevo producto consiste al menos del 25% del elemento A, cuando menos 30% del
elemento B y al menos 20% del elemento C, por kilogramo del nuevo producto. Debido a los
efectos laterales del compuesto 1, ésta no debe de exceder del 60% del contenido del nuevo
producto.
a) Encuentre y comente la solución óptima. Use el método gráfico. ¿Cuál es la cantidad
de holgura para cada restricción?. ¿Cuántos kg. de cada compuesto se deben utilizar?.
b) Encuentre el precio sombra para un incremento del 10% en la composición del
elemento B e interprete su significado.

Solución

a) Sea: Xi = cantidad (kg) del compuesto “i” por kg. De producto nuevo
i = 1, 2
Min Z = 20X1+ 27X2
s.a:
0.30X1 + 0.20X2 ≥ 0.25 ……………. L1
0.20X1 + 0.65X2 ≥ 0.30 …………….. L2
0.40X1 + 0.12X2 ≥ 0.20 ……………. L3
X1 ≤ 0.60 ……………. L4

Investigación de Operaciones I
88
Ing. Mauro Pérez Estrella

De la gráfica: El punto óptimo ocurre en el punto C(0.6; 0.35)


Zoptimo = 21,45
Las cantidades de los compuestos a utilizar son:
X1 = 0.60 kg
X2 = 0.35 kg
Las cantidades de holgura son:
Para la primera restricción
-0.30X1 – 0.20X2 + S1 = - 0.25
Reemplazando los valores de X1 y X2 se tiene:
S1 = 0 quiere decir que el nuevo producto cumple con exactamente lo requerido
del elemento A.
En la segunda restricción:
- 0.20X1 - 0.65X2 + S2 = - 0.30
Reemplazando valores, se tiene:
S2 = 0.0475 quiere decir, la cantidad del elemento B en el nuevo producto supera
lo requerido en 0,0475 kg

En la tercera restricción:
- 0.40X1 - 0.12X2 + S3 = - 0.20
S3 = 0.082 quiere decir, la cantidad del elemento C en el nuevo producto supera
lo requerido en 0.082 kg. Fig.2 .4

En la cuarta restricción:
X1 + S4 = 0.60
Reemplazando valores, se tiene:
S4 = 0 quiere decir queel nuevo producto contiene exactamente el 60% del compuesto 1
b) Para un incremento del contenido del elemento B en un 10% se tiene:
0.20X1 + 0.65X2 ≥ 0.33
Las coordenadas del nuevo punto óptimo se da en: C´= (0.60 , 0.43)
Siendo el valor de Z = 23.61
Luego entonces el precio sombra correspondiente para este incremento es:
Precio sombra = ∆Z = Znuevo – Zopt = 23.61 – 21.45
∆Z = 2.16
Este valor indica que un incremento en el contenido del elemento B en el nuevo producto
implica un costo adicional de 2.16 unidades.

Investigación de Operaciones I
89
Ing. Mauro Pérez Estrella

Problemas propuestos

Problema 1

Un fabricante de alimentos para pollos desea determinar la mezcla de menor costo para una
formula de altas proteínas que contenga al menos 92 gr. de nutriente A, 52 gr. del nutriente
B, 18 gr. del nutriente C y 2 gr. de vitamina X por cada kg. de alimento. Puede mezclar la
fórmula empelando dos ingredientes y otros más de relleno. El ingrediente 1 contiene 100g
del nutriente A, 90g del nutriente B, 40g del nutriente C y 12g de vitamina X y cuesta
40cts/kg. el ingrediente 2 contiene 210g de A, 160g de B, 22g de C, nada de vitamina X y
cuesta 70 cts/kg.
a) Encuentre y comente la solución óptima que minimice el costo de la mezcla. ¿Cuál
es la cantidad de holgura para cada restricción? ¿Cuánto de relleno debe agregarse?.
Utilice el método gráfico.

Investigación de Operaciones I
90
Ing. Mauro Pérez Estrella

b) Encuentre el precio sombra para cada restricción e interprete su significado.


c) Determinar en forma individual para cada coeficiente de la función objetivo, el
intervalo de valores para que la solución actual siga siendo óptima. Usar análisis de
sensibilidad.

Probema 2

Una fábrica tiene dos molinos. El primer molino puede operar un áximo de 40 horas y el
segundo un máximo de 60 horas por semana. Cada hora de operación del primer molino
produce 3 TN de producto terminado, cada hora del segundo molino produce 4 TN de
producto. La fábrica tiene compromisos con clientes para producir por lo enos 175 toneladas
de producto terminado. La hora de operación del primer molino cuesta 200 $/h y la del
segundo cuesta 400 $/h, la fábrica desea mantener los costos tan bajos como sea posible. Por
razones de su política interna la empresa debe operar, en el segundo molino un número de
horas no menor que el del primer molino.
a) resolver el modelo aplicando el método gráfico. Comentar la solución y el valor
óptimo.
b) Determinar gráficamente el rango para los valores del lado derecho de las siguientes
restricciones: “Requerimientos del cliente en TN.” Y “Requerimiento por política
interna”. ¿Cuál es el precio sombra para cada una de las restricciones?.

Problema 3

Una refinería puede comprar dos tipos de petróleo crudo: crudo ligero a un costo de $ 25 por
barril y petróleo pesado a $ 22 por barril. Cada barril de petróleo crudo, ya refinado, produce
tres productos: gasolina, turbosina y querosene. La siguiente tabla indica las cantidades en
barriles de gasolina, turbosina y querosene producido por barril de cada tipo de petróleo crudo.

Gasolina Turbosina Querone


Crudo ligero 0,45 0,18 0,30
Crudo pesado 0,35 0,36 0,20

La refinería se ha comprometido entregar como mínimo 1 260 00 barriles de gasolina, 90000


barriles de turbosina y30000 barriles de querosene.
a) Formular el modelo que minimiza el costo total de producción.
b) Resolver gráficamente el modelo y mostrar el plan óptimo de producción y compra
del petróleo crudo.

Investigación de Operaciones I
91
Ing. Mauro Pérez Estrella

c) Determine gráficamente el rango de variación de cada coeficiente de la función


objetivo e interpretar el significado de cada intervalo.
d) Encontrar el precio sombra asociado a cada recurso y explique en cada caso su
significado.
e) Considerando los resultados en (c) ¿Cuál es el resultado sobre el plan de compra
actual y el costo total, si se produce un incremento en el precio del crudo pesado de
$ 6 por barril?.

Problema 4

Una firma americana quiere determinar el mejor número de modelos de balones de fútbol que
debe fabricar para maximizar sus utilidades. Los modelos son ALL-PRO y HIG SCHOOL;
cuyas utilidades son $3 y $4 respectivamente; las restricciones incluyen limitaciones sobre
capacidades de producción (minutos disponibles) en cada uno de los tres departamentos (corte
y teñido, costura e inspección y empaque), así como también una restricción que exige que se
fabriquen cuando menos 1200 pelotas ALL-PRO. A continuación se tienen los siguientes
datos sobre requerimientos de tiempo de operación, en cada departamento.

Modelo Corte y Teñido(min) Costura (min) Inspeccion y Empaque (min)


ALL-PRO 12 16 3
SCHOOL 10 14 4
Disponibilidad (min) 18000 20000 10000

a) Encuentre y comente la solución óptima. Use el método gráfico. ¿Cuál es la cantidad


de holgura para cada restricción?. ¿Cuántos artículos de cada tipo se deben fabricar?.
b) Encuentre el precio sombra para cada restricción e interprete su significado.
c) Determinar para cada coeficiente de la función objetivo, el intervalo de valores para
que la solución actual siga siendo óptima. Usar análisis de sensibilidad.

Problema 5

Dado el siguiente modelo de P.L.

Max 9X1 + 11X2


s.a:
X1 + 2X2 <= 18
2X1 + 2X2 <= 20
X1 + 4X2 >= 4 ¥ Xi ≥0
a) Use el método gráfico para encontrar la solución óptima y el V.O.
b) Permanece óptimo si el recurso 1 desciende 5 unidades?.

Investigación de Operaciones I
92
Ing. Mauro Pérez Estrella

c) Suponga que el coeficiente de X1 de la función objetivo aumenta mientras que el


coeficiente de X2 permanece fijo. ¿A que valor del coeficiente de X 1 se encontraría
un óptimo alternativo?.
d) Determine gráficamente análisis de sensibilidad para los términos del lado derecho.

Problema 6

Una compañía produce tres tipos de productos químicos refinados: A, B y C. es necesario


producir diariamente al menos 4 toneladas de A, 3 toneladas de B y 2 toneladas de C. los
productos de entrada son los compuestos X é Y. cada tonelada de X proporciona ¼ toneladas
de A, ¼ toneladas de B y ½ tonelada de C. cada tonelada de Y rinde 1/3 toneladas de A, 1/8
toneladas de B y 1/10 toneladas de C. La tonelada del compuesto X cuesta $290 y del
compuesto Y $ 460. el costo de procesamiento es de $320 por tonelada de X y de $260 por
tonelada de Y. las cantidades producidas que exceden los requerimientos diarios no tienen
valor, ya que el producto sufre cambios químicos si no se utilizan de inmediato. El problema
consiste en determinar la mezcla de costo mínimo de entrada.
a) Resolver el modelo aplicando el método gráfico. Comentar la solución y el valor
óptimo.
b) Determinar gráficamente el rango para los valores del lado derecho de las siguientes
restricciones: “Requerimientos de producción del refinado A en TN.” Y
“Requerimiento de producción del refinado C”. ¿Cuál es el precio sombra para cada
una de las restricciones?.

Problema 7

La fábrica de muebles Tenessee (FMT) recientemente notificó que en su planta de Nahsville


hubo exceso de unidades de materia prima, que podían ser usadas para producir sillas
Arkansas y Missisipi. Estas sillas se pueden vender a almacenes de muebles a razón de $240
y $ 190 respectivamente. El número esperado de unidades de materia prima disponibles cada
mes y el número de unidades de cada material requerido para producir cada tipo de sillas se
da en la siguiente tabla.

Materia prima Tipo de sillas Unidades de material disponibles por mes


Arkansas Missisipi
Madera 2 1 42
Tornillos de acero 4 5 36
Vinilo 3 3 24

Cada silla Arkansas requiere 5 horas de mano de obra y cada silla Missisipi requiere 4 horas
de mano de obra directa. El promedio de costos de la mano de obra para la planta de Nahsville

Investigación de Operaciones I
93
Ing. Mauro Pérez Estrella

es estimado en $6 por hora. El costo unitario original de cada material está dado en la siguiente
tabla de costos.

Materia prima Costo unitario($)


Madera 32
Tornillos de acero 3
Vinilo 28

Las horas disponibles de la fábrica es de 120 horas. Formular el problema como uno de P.L.
a) Encuentre y comente la solución óptima que maximice la producción de sillas. ¿Cuál
es la cantidad de holgura para cada restricción?. Utilice el método gráfico.
b) Determinar en forma individual para cada coeficiente de la función objetivo, el
intervalo de valores para que la solución actual siga siendo óptima. Usar análisis de
sensibilidad..

Problema 8

Weenies and Buns es una planta procesadora de alimentos que fabrica hotdogs y pan para
hotdogs. Muelen su propia harina para el pan a una tasa máxima de 200 libras por semana.
Cada pan requiere 0,1 libras de harina. Tienen un contrato con Pigland Inc., que especifica la
entrega de 800 libras de productos de puerco cada lunes. Cada hotdog requiere ¼ de libra de
producto de puerco. Se cuenta con suficiente cantidad del resto de los ingredientes de ambos
productos. Por último, la mano de obra consiste en 5 empleados de tiempo completo (40 horas
por semana). Cada hotdog requiere 3 minutos de mano de obra y cada pan de 2 minutos de
mano de obra. Cada hotdog proporciona una ganancia de $ 0,20 y cada pan $ 0,10.
Weenies and Buns desea saber cuántos hotdogs y cuántos panes deben producir cada semana
para lograr la ganancia más alta posible.
a) Formule un modelo de programación lineal.
b) Use el método gráfico para resolver el modelo

Problema 9

Una compañía posee dos minas: la mina A produce cada día 1 tonelada de hierro de alta
calidad, 3 toneladas de calidad media y 5 de baja calidad. La mina B produce cada día 2
toneladas de cada una de las tres calidades. La compañía necesita al menos 80 toneladas de
mineral de alta calidad, 160 toneladas de calidad media y 200 de baja calidad. Sabiendo que
el coste diario de la operación es de 2000 euros en cada mina ¿cuántos días debe trabajar cada
mina para que el coste sea mínimo?.
Se pide:
a) Formular el problema como uno de P.L.
b) Resolver utilizando método gráfico.

Investigación de Operaciones I
94
Ing. Mauro Pérez Estrella

c) Si la demanda de mineral de alta calidad se incrementa a 90 toneladas, qué sucede


con la solución inicial. Calcule el precio sombra unitario.
d) Qué sucede con la solución original si el costo diario de la operación en la mina A
se incrementa a 260 euros.

Problema 10

La mayor incidencia de operaciones quirúrgicas en el instituto de seguridad social del


Hospital Central de Toluca, se da en las especialidades de Cirugía y Ginecobstetricia.
De acuerdo a los reportes de la División de Recursos Humanos, para la atención de las
operaciones quirúrgicas de los servicios mencionados, existe la contratación de 13 horas de
enfermera, 9 horas de anestecista y 18 horas de médico, por semana.
Los quirófanos donde se realizan las intervenciones quirúrgicas, son paralizados después de
cada operación ya que por restricciones de higiene y seguridad, se efectúan actividades de
esterilización del instrumental, ambiente y ropería.
Para efectuar una operación quirúrgica en cada una de las especialidades mencionadas, se
requiere de lo siguiente:

Cirugia Ginecobstetricia
Hr. Enfermera 3 2
Hr. Anestesista 2 1
Hr. Médico 1 3

De acuerdo al estudio de costos de las actividades en gestión, se produce una utilidad de 50 $


por cada operación practicada en la sala de cirugía y de 80 $ por operación practicada en la
sala de ginecobstetricia.
De otra parte se sabe que por restricciones propias del Instituto del Hospital Central de Toluca,
debe realizarse no más de 15 operaciones en cirugía y para equilibrar los costos deberán
practicarse no menos de 4 operaciones en ginecobstetricia.
Se pide:
a) Encuentre Gráficamente el número óptimo de operaciones que deben practicarse en
cada una de las dos especialidades, de tal manera que el Instituto maximice su
utilidad.
b) Realice análisis de sensibilidad gráfica para cada coeficiente de las variables de la
función objetivo y determine el rango de variación para dichos coeficientes.
c) Realice análisis de sensibilidad gráfica para los recursos (correspondientes a las
restricciones activas) y determine el rango de valores que mantiene la solución
óptima.
d) Encuentre el precio sombra para las restricciones activas del modelo.

Investigación de Operaciones I
95
Ing. Mauro Pérez Estrella

Problema 11

Carlos y Roberto son dos hermanos que estudian en una universidad extranjera; ellos están
muy preocupados por su dieta. Carlos no puede comer carne con grasa y Roberto no puede
comer carne magra. Supóngase que Carlos desea comer como mínimo una libra de carne
magra al día, en tanto que su hermano Roberto necesita como mínimo 0.4 libras de grasa al
día. Considere que solamente compren bistecs con 10 5 de grasa y 90 % de carne magra, y
carne de cerdo con 40 % de grasa y 60 % de carne magra. Los hermanos desean satisfacer sus
requerimientos de dieta mínima, al menor costo.
a) Si la carne de res cuesta $ 1 la libra y la del cerdo $ 0.50 centavos la libra. ¿Cuál es
la solución óptima y el costo mínimo?. Aplicar el método gráfico e interpretar los
resultados.
b) Si el costo por libra de la carne de res, disminuye en $ 0.25 seguirá siendo óptima la
solución obtenida en (a)?. Aplicar sensibilidad gráfica. Interpretar y comentar el tipo
de solución.
c) Si Carlos decide reducir sus necesidades mínimas a 0.6 libras de carne magra por día.
Qué cambios se darían en la solución (a). Aplicar sensibilidad gráfica. Comentar la
solución.
d) Cuál es el rango de variación para el coeficiente de la variable en la función objetivo
correspondiente a la carne de cerdo. Mostrar el análisis gráfico.

Problema 12

La Cía Néctares Citrus, tiene una máquina que opera 140 horas a la semana, destilando jugo
de naranja y de toronja concentrados. La máquina puede destilar jugo de naranja a una tasa
de producción de 25 galones por hora en 17.5 galones de concentrado, en ese periodo de
tiempo ó 20 galones de jugo de toronja en 10 galones de concentrado.
Se sabe que hasta 800 galones de concentrado de naranja y 600 galones de concentrado de
toronja pueden almacenarse en tanque separados después de su procesamiento. La ganancia
neta por cada galón de jugo de naranja concentrado es $ 0,56 y del jugo de toronja concentrado
es $ 0,42.
a) Formular el modelo que, que ayude a la Cía., a maximizar su ganancia.
b) Resolver gráficamente el modelo y mostrar el plan óptimo de producción semanal y
la ganancia total.
c) Determine gráficamente el rango de variación de cada coeficiente de la función
objetivo e interpretar el significado de cada intervalo.
d) Encontrar el precio sombra asociado a cada recurso y explique en cada caso su
significado.
e) Considerando los resultados en (c) ¿Cuál es el resultado sobre el plan de producción
actual y la ganancia total, si se produce un incremento en la ganancia neta del jugo
de toronja en $ 0.08 por galón?.

Investigación de Operaciones I
96
Ing. Mauro Pérez Estrella

Problema 13

Dado el siguiente modelo de P.L.


Max Z = 600X1 + 1000X2
s.a:
100X1 + 60X2 ≤ 21000
4000X1 + 800X2 ≤ 680000
X1 + 4X2 ≤ 290
12X1 + 30X2 ≤ 6000
¥ Xi ≥0
a) Use el método gráfico para encontrar la solución óptima y el V.O.
b) Se modifica la solución óptima si se disminuye el recurso 1 a 15000 unidades?.
c) Suponga que el coeficiente de X1 de la función objetivo aumenta mientras que el
coeficiente de X2 permanece fijo. ¿A que valor del coeficiente de X 1 se encontraría
un óptimo alternativo?.
d) Determine gráficamente análisis de sensibilidad para los términos del lado derecho.

2. MÉTODO ALGEBRAICO

Ejemplo:

maxZ = 100x1 + 200x2 + 50x3


s.a:
5x1 + 5x2 + 10x3  1000
10x1 + 8x2 + 5x3  2000
10x1 + 5x2  500
 xi  0

Procedimiento

1) Expresar las desigualdades como ecuaciones introduciendo variables de holgura.

Así:
5x1 + 5x2 + 10x3 + S1 = 1000
10x1 + 8x2 + 5x3 + S2 = 2000
10x1 + 5x2 + S3 = 500

Investigación de Operaciones I
97
Ing. Mauro Pérez Estrella

Donde:
S1: Tn de mineral b1 no empleado
S2: Tn de mineral b2 no empleado
S3: Tn de mineral b3 no empleado

2) Expresar las ecuaciones de las variables de holgura.


.
S1 = 1000 - 5x1 - 5x2 - 10x3 .................... (1)
S2 = 2000 - 10x1 - 8x2 - 5x3 .................... (2)
S3 = 500 - 10x1 - 5x2 .................... (3)

3) Cálculo de la 1ra. Solución básica factible (en el origen)

x1  0 

x2  0V .N .B.
x3  0

 S1  1000 

S2  2000V .B .
S3  500 
Z 0

4) Evaluación de la función objetivo

Considerar el producto que ofrece la mayor contribución por unidad de producto. Solución
mejorada.

5) Cálculo de la 2da. Solución básica factible V. ingresante: x 2

x1 = x3 = S1 = S2 = S3 = 0

de (1):
x2 = 1000/5 = 200
de(2):
x2 = 250
de(3):
x2 = 100
Se elige el menor valor en este caso: x2 = 100, eso quiere decir que la V. saliente debe ser
S3, luego despejamos x2 de la ecuación correspondiente (3)

Investigación de Operaciones I
98
Ing. Mauro Pérez Estrella

S
 x 2  100  2 x1  3 ..........( 4)
5
(4) en (1):
 S 
S1  1000  5x1  5100  2 x1  3   10 x 3
 5 

S1  500  5 x1  S 3  x3 .......(5)

(4) en (2):
 S 
S 2  2000  10 x1  8100  2 x1  3   5 x 3
 5 

8
S 2  1200  6 x1  S 3  5 x3 .......(6)
5
(4) En la función objetivo:

S
max Z  100 x1  200(100  2 x1  3 )  50 x3
5

max Z  20000  300 x1  40S 3  50 x3

6) Cálculo de la 3ra. solución básica factible.

V. ingresante: x3

de (4) : x3 = -

de (5): x3 = 50  V.saliente = S1
de (6): x3 = 240
 de (5) despejemos x3

5 S S
x3  50  x1  3  1 .......(7)
10 10 10

S S
(7) en (6): S 2  1200  6 x1  S 3  5(50  x1  3  1 
8 5
5 10 10 10

7 11 1
S 2  950  x1  S 3  S1...........(8)
2 10 2

7) En función objetivo:
5 S S
max Z  20000  300 x1  40 S 3  50(50  x1  3  1 )
10 10 10

Investigación de Operaciones I
99
Ing. Mauro Pérez Estrella

max Z  22500  275 x1  35S 3  5S1

Solución óptima

S 2  950  x1  0 
 
x 2  100 V .B. S1  0 V .N .B.
S3  0
x3  50 

Zópt. = 22,500

Nota :

- Cuando el problema es de max. La variable ingresante es aquella que produce el


mayor beneficio por unidad de producto.

- El óptimo se alcanza cuando los términos de la función objetivo son ceros o valores
negativos.

- En los problemas de minimización, la variable ingresante es la de menor costo y el


óptimo se alcanza cuando en la función objetivo se tiene valores ceros o positivos.

- Este método solo trabaja con restricciones de tipo  ya sea de max o minimización.

Problema

Dada la siguiente información:

Rendimiento Capital Requerimiento de


Cultivo Quintal/Ha $/Ha Agua de riego
En m3/Ha
Mes octubre Mes noviembre
Maiz 30 30 900 1200
Trigo 25 40 650 850

Precio de venta $/quintal


Maiz 4.50
Trigo 6.00

Investigación de Operaciones I
100
Ing. Mauro Pérez Estrella

Además se dispone de un capital de $ 2,500 y la cantidad (m 3) de agua de riego disponible


para los meses de octubre y noviembre son: 57,000 y 115,200 respectivamente.
Formular el modelo y resolver por el método algebráico.

Solución:

Sea: x1 : # de Ha. de maíz cultivado


x2 : # de Ha. De trigo cultivado

F.O. Maximizar los ingresos

maxZ = (4.5)(30) x1 + 6.0(25)x2


maxZ = 135 x1 + 150 x2
s.a:
x1 + x2 = 70 área de cultivo
30x1 + 40x2  2500 capital
900x1 + 650x2  57000 agua riego (octubre)
1200x1 + 850x2  115200 agua riego (noviembre)
 xi  0 i = 1,2

Estandarizando las desigualdades:

x1 + x2 + S1 = 70
30x1 + 40x2 + S2 = 2500
900x1 + 650x2 + S3 = 57000
1200x1 + 850x2 + S4 = 115200

Despejando las variables de holgura

S1 = 70 - x1 - x2 …………… (1)

S2 = 2500 - 30x1 - 40x2 …………… (2)

S3 = 57000 - 900x1 - 650x2 …………… (3)

S4 = 115200 - 1200x1 - 850x2 …………… (4)

1ra. Solución básica factible (origen)

x1 = x2 = 0} V.N.B.

Investigación de Operaciones I
101
Ing. Mauro Pérez Estrella

S1  70 

S2  2500 
 V .B .  z  0
S3  57000 
S4  115200

2da. básica factible.

V. ingresa : x2

V. Sale = ?

De (1) x2 = 70

2500
(2) x2   62.5 
40

57000
(3) x2   87.7  V .sale  S 2
650

115200
(4) x2   135.5
850

 (2):
2500 30x1 S 2
x2     .........( 5)
40 40 40

(5) en (1):

 2500 30x1 S 2 
S1  70  x1     
 40 40 40 

1 S
S1  7.5  x1  2  .......... .......( 6)
4 40

(5) en (3):

 2500 30x1 S 2 
S 3  57000  900x1  650   
 40 40 40 

1650 65
S 3  16375  x1  S 2  .......... ...( 7)
4 40

Investigación de Operaciones I
102
Ing. Mauro Pérez Estrella

(5) en (4):

 2500 30 S 
S 4  115200 1200x1  850  x1  2 
 40 40 40 

2250 85
S 4  62075 x1  S 2  .......... .....( 8)
4 40

(5) en fun.. obj.:

2500 30 S
max Z  135x1  150(  x1  2 )
40 40 40

90 15
max Z  9375  x1  S 2
4 4

3ra. solución básica factible.

V. ingresa: x1
V. sale : ?

2500
de (5): x1   83.3
3

(6): x1  (7.5)4  30 

16375
(7) : x1   4  39.7  V .sale  S1
1650

62075
(8): x1   4  110.3
2250

 de (6)
S2
x1  30  4 x3  .......... .......... (9)
10

(9) en (5):

Investigación de Operaciones I
103
Ing. Mauro Pérez Estrella

2500 30 S S
x2   (30  4S1  2 )  2
40 40 10 40

3
x 2  40  3S1  S 2 .......... .......... ...(10)
40

(9) en (7):
1650 S 65
S 3  16375  (30  4S1  2 )  S 2
4 10 4

S 3  4000  1650S1  25S 2 .......... .......... ..(11)

(9) en (8):
2250 S 85
S4  62075  ( 30  4 S1  2 )  S2
4 10 4

S4 = 45200 + 2250S1 – 35S2 …………………..( 12 )

(9) en fun. Objetivo:

90 S 15
max Z  9375  (30  4S1  2 )  S 2
4 10 4

3
max Z  10050  90S1  S2
2

Zóptimo = 10050

Investigación de Operaciones I
104
Ing. Mauro Pérez Estrella


x1  30 

x2  40 V .B.
S1  0 
 V .N .B.
S 2  0
S 3  4000

S 4  45000

Problema

MaX Z = 2X1 + 4X2 + 3X3


s.a. X1 + 3X2 + 2X3 ≤ 30
X1 + X2 + X3 ≤ 24
3X1 + 5X2 + 3X3 ≤ 60

X1 + 3X2 + 2X3 + S1 = 30 ………………… (a)


X1 + X2 + X3 + S2 = 24 ………………… (b)
3X1 + 5X2 + 3X3 + S3 = 60 ………………… (c)
S1 = 30 - X1 - 3X2 - 2X3 ………………… (1)
S2 = 24 - X1 - X2 - X3 ………………… (2)
S3 = 60 - 3X1 - 5X2 - 3X3 ………………… (3)
z = 2 X1 + 4X2 + 3X3 + 0S1 + 0S2 + 0S3 ………………… (4)

Solución inicial:
X1 = 0, X2 = 0, X3 = 0
Z = 0, S1 = 30, S2 = 24, S3 = 60

Segunda solución:
V.I. : X2
de (a) max X2 = 10  menor
de (b) max X2 = 24  V sale : S1
de (c) max X2 = 12
de la ecuación (1) : …....... (5)
X2 = 10 -1/3 X1 – 2/3 X3 - 1/3 S1

(5) en (2) : S2 = 24 - X1 - (10 - 1/3 X1 - 2/3 X3 -1/3 S1) – X3

S2 = 14 – 2/3 X1 - 1/3 X3 - 1/3 S1 ……...………... (6)

(5) en (3) : S3 = 60 - 3X1 - 5 (10 - 1/3 X1 - 2/3 X3 -1/3 S1) – 3 X3

Investigación de Operaciones I
105
Ing. Mauro Pérez Estrella

: S3 = 10 – 4/3 X1 + 1/3 X3 +5/3 S1 …………......... (7)

(5) en (4) : Z = 2 X1 + 4 X2 + 3 X3 + 0 S1 + 0S2 + 0 S3

Z = 2 X1 + 4(10 - 1/3 X1- 2/3 X3 - 1/3 S1) + 3 X3

Z = 40 + 2/3 X1 + 1/3 X3 - 4/3 S1 …………………………….… (8)

Tercera solución:
V.I.: X1
de (6) max X1 = 21
de (7) max X1 = 15/2  menor  V S : S3
Luego: de (7)
……..... (9)
X1 = 30/4 +1/4 X3 + 5/4 S1 - 1/4 S3

(9) en (6) : S2 = 14 - 2/3 (30/4 + 1/4 X3 +5/4 S1 -1/4 S3) - 1/3 X3

S2 = 9 - 1/2 X3 - 1/2 S1 + 1/6 S3 ………………………. (10)

(9) en (8) : Z = 40 + 2/3 (30/4 + 1/4 X3 + 5/4 S1 -1/4 S3) + 1/3 X3 – 4/3 S1

Z = 45 + 1/3 X3 - 1/2 S1 -1/6 S3 ……………….. . (11)


Cuarta solución:
V.I. : X3
de (10)  V sale : S2

de la ecuación : …...................... (12)


X3 = 18 – S1 + 1/3 S3 - S2
(2) en (11) :
Z = 45 + 1/2 (18 - S1 + 1/3 S3 - S2) - 1/2 S1– 1/6 S3

Z = 54 – S1 -1/2 S2

Luego: Z óptimo = 54
con X1 = 7.5
X2 = 10
X3 = 18

Investigación de Operaciones I
106
Ing. Mauro Pérez Estrella

PROBLEMAS PROPUESTOS

Problema 1

Resolver por el método ALGEBRAICO:

Max Z = 974X1 + 1240X2


s.a:
4X1 – 5X2 ≤ 200
X1 ≤ 130
X1 + 3X2 ≥ 120
5X1 + 4X2 ≤ 230
2X1 + X2 ≤ 990 ¥ Xi ≥ 0

Investigación de Operaciones I
107
Ing. Mauro Pérez Estrella

Problema 2

La mayor incidencia de operaciones quirúrgicas en el instituto de seguridad social del


Hospital Central de Toluca, se da en las especialidades de Cirugía y Ginecobstetricia.
De acuerdo a los reportes de la División de Recursos Humanos, para la atención de las
operaciones quirúrgicas de los servicios mencionados, existe la contratación de 13 horas de
enfermera, 9 horas de anestecista y 18 horas de médico, por semana.
Los quirófanos donde se realizan las intervenciones quirúrgicas, son paralizados después de
cada operación ya que por restricciones de higiene y seguridad, se efectúan actividades de
esterilización del instrumental, ambiente y ropería.
Para efectuar una operación quirúrgica en cada una de las especialidades mencionadas, se
requiere de lo siguiente:

Cirugia Ginecobstetricia
Hr. Enfermera 3 2
Hr. Anestesista 2 1
Hr. Médico 1 3

De acuerdo al estudio de costos de las actividades en gestión, se produce una utilidad de 50 $


por cada operación practicada en la sala de cirugía y de 80 $ por operación practicada en la
sala de ginecobstetricia.
De otra parte se sabe que por restricciones propias del Instituto del Hospital Central de Toluca,
debe realizarse no más de 15 operaciones en cirugía y para equilibrar los costos deberán
practicarse no menos de 4 operaciones en ginecobstetricia.
Se pide:
e) Encuentre algebraicamente el número óptimo de operaciones que deben practicarse
en cada una de las dos especialidades, de tal manera que el Instituto maximice su
utilidad.

Problema 3

Resolver por el método ALGEBRAICO.

Max Z = 50X1 + 40X2 +55X3


s.a:

2X1 + 0.1X3 ≤ 300


3X2 + 3.6X3 ≤ 540
2X1 + 2X2 + 2.2X3 ≤ 440
1.2X1 + 1.5X2 + 1.27X3 ≤ 300 ¥ X i = 0
a) Determine la solución y valor óptimo

Investigación de Operaciones I
108
Ing. Mauro Pérez Estrella

b) Se han consumido en su totalidad todos los recurso?. Comente.

Problema 4

Para el siguiente problema de programación lineal:

MIN Z = 2X1 - X2 + 3X3 - 2X4


s.a:
X1 + X2 - 2 X3 - X4 ≤ 20
3 X1 - 2 X2 - X3 - X4 ≤ 12
- 4 X1 + X2 + X3 - X4 ≥ 10
2 X1 - 3 X2 + 2 X3 - 3 X4 ≤ 6
 Xj  0 ; i = 1, 2, 3, 4
Se pide:

a) Determinar la solución óptima, empleando el método Algebraico.

Problema 5

En la división de productos químicos de la MS Corporation, los productos A y B son


producidos y requieren de dos operaciones que son las mismas para cada uno. De la
producción de B resulta un subproducto C; parte de estos subproductos pueden ser vendidos,
hasta 12 unidades, los demás tienen que ser destruidos por carencia de demanda. Las
utilidades unitarias para los productos A y B son $ 40 y $ 90 respectivamente. La utilidad del
subproducto C es de $ 20 la unidad. Si C no se puede vender, el costo de destrucción es de $
10. el proceso aporta como máximo 3,1 unidades de C por cada unidad de B producida. Los
pronósticos indican que la demanda de A y B es limitada. Los tiempos de proceso unitario
son: A, 2,6 horas en la operación 1 y 3,3 horas en al operación 2; B, 4,7 horas en la operación
1 y 4,6 horas en la operación 2. Tiempos disponibles: 600 horas para la operación 1 y 650
horas para la operación 2. Suponga que los productos son divisibles, es decir que se aceptan
fracciones de unidades.
Se pide resolver utilizando método algebraico.

Problema 6

Investigación de Operaciones I
109
Ing. Mauro Pérez Estrella

Sea Xi = N° de Unidades de calculadoras clase i ( i = 1, 2)


Max Z = 20X1 + 25X2
s.a :
0.5X1 + X2  150 Disponibilidad de horas en la Máquina 1
0.5X1 + 0.5X2  200 Disponibilidad de horas en la Máquina 2
X1 + X2  250 Disponibilidad de horas en la Máquina 3
X1 + 1.5X2  300 Disponibilidad de horas en la Máquina 4
Xi  0
Se pide resolver utilizando el método algebraico.

Problema 7

Resolver por el método algebraico:

Min. z = 18x1 + 3x2 + 22x3 + 18x4 + 7x5

Sujeto a restricciones:

3x1 + 2x2 + x3  500 rollos de 30’


x2+ x4 + x5  450 rollos de 45’
x3 + x5  150 rollos de 56’

Problema 8

Enginola Television Co. produce dos tipos de televisores, modelos Astro y Cosmos. Hay dos
lineas de producción, una para cada producto. La capacidad de la línea de Astro es de 60
unidades diarias, y la de la línea Cosmos de 50 unidades diarias. Cada unidad e Astro requiere
1 hora de trabajo, mientras que cada unidad de Cosmos requiere 2 horas. Actualmente hay un
máximo de 120 horas-hombre de trabajo al día que pueden ser asignadas a cualquiera de los
dos modelos. El beneficio/uid. con cada modelo es de 20 Euros y 30 Euros para Astro y
Cosmos respectivamente. Encontrar cuantas unidades se deben fabricar de cada modelo para
maximizar el beneficio total. Usar el método algebraico

Problema 9

Investigación de Operaciones I
110
Ing. Mauro Pérez Estrella

Una empresa fabrica dos tipos de radio. El único recurso escaso que se necesita para producir
las radios es la mano de obra. Actualmente la compañía tiene dos trabajadores. El trabajador
1 está dispuesto a trabajar hasta 40 horas semanales, y se le paga a 20 Euros la hora. El
trabajador 2 está dispuesto a trabajar hasta 50 horas a la semana y se le paga a 24 Euros la
hora. En la siguiente tabla aparecen los precios de venta de las radios, el costo de las materias
primas y los recursos de mano de obra necesarios para producir una unidad da cada radio.

Radio1 Radio2
Trabajador 1 1.8 hora 2 horas
Trabajador 2 2 horas 1.5 horas
Precio de venta 100 euros 90 euros
Cosoto de materia prima 25 euros 18 euros

Se pide:
a) Formular el modelo de PL para maximizar las ganancias de la empresa para la próxima
semana.
b) Resolver el problema con el método algebraico y obtener todas las salidas de interés
(variables, objetivo, holguras).

Problema 10

Fresh Dairy Farms tiene dos máquinas para procesar leche pura y producir leche descremada,
mantequilla o queso. La cantidad de tiempo requerido en cada máquina para producir cada
unidad de producto resultante y las ganancias netas se dan en la tabla siguiente:

Leche descremada Mantequilla Queso


Máquina 1 0.2min/gal 0.5 min/lib 1.5 min/lib
Máquina 2 0.3min/gal 0.7 min/lib 1.2 min/lib
Ganancia neta $0.22/gal $.038/lib $0.72/lb

Suponiendo que se dispone de 8 horas en cada máquina diariamente, como gerente del
departamento de producción, se pide determinar un plan de producción diaria que maximice
la ganancia neta y produzca un mínimo de 300 galones de leche descremada, 200 libras de
mantequilla y 100 libras de queso. Resolver el modelo por el método algebraico.
a) Hallar la solución óptima y el valor óptimo correspondiente, mediante el método
algebraico.
b) Qué cantidad de cada producto supera la producción mínima.

Investigación de Operaciones I
111
Ing. Mauro Pérez Estrella

Problema 11

Una empresa fabrica tres modelos de fundas de sofá, A, B y C, que dejan unos beneficios de
50 40 y 20 euros respectivamente. Para cada funda del modelo A se precisan 4 horas de
trabajo y 3 unidades de tela. Para fabricar una del modelo B se requieren 3 horas de trabajo
y 5 unidades de tela. Para fabricar una del modelo C se requieren 2 horas de trabajo y 4
unidades de tela. La empresa dispone de 58 horas de trabajo y 800 unidades de tela. Si a lo
sumo pueden hacerse 7 y 10 fundas del modelo A y B respectivamente ¿Cuántas fundas de
cada modelo han de fabricarse para obtener el máximo beneficio y cual seria este? Resolver
el problema utilizando el método ALGEBRAICO

Problema 12

Una compañía de seguros ofrece tres tipos de seguros: Vida individual, accidentes
personales y Automóviles, los cuales ofercen un rendimiento por póliza de $ 10, $ 12 y $
20, respectivamente.
Según los estudios realizados se ha determinado que la compañía tiene capacidad de
manejar hasta 10,000 pólizas en total y que el esfuerzo para producir una póliza de
accidentes personales es el doble del de vida individual y el de automóviles es de cuatro
veces el de vida individual; además también se determinó que el costo de cada póliza es de $
90, para el de vida individual; $ 78, para el de accidentes personales y de $ 60 para la de
automóviles. Los reaseguradores han condicionado la cobertura total de la compañía en un
millón de dólares, lo que impone que los costos de dichas pólizas no pueden ser mayores a $
900,000.
El precio de venta de cada póliza es de $ 100, $ 90 y $ 80, para las pólizas de vida
individual, accidentes personales y automóviles, en el orden que se indica. Qué combinación
de pólizas harían máximo los ingresos. Aplicar el método algebraico.

Problema 13

Investigación de Operaciones I
112
Ing. Mauro Pérez Estrella

La Cía. Silver S.A. produce tres tipos diferentes de juego de plata para té: un juego de lujo,
un juego regular y un juego económico. El departamento de Marketing de la Cía. Ha hecho
una encuesta de mercado para determinar el número esperado de juegos de té que puede ser
razonable producir para la venta mensual. Los resultados de la entrevista hicieron concluir
que las posibilidades de venta de más de 20 juegos de lujo al mes es muy pequeña. Sin
embargo, tantos juegos del tipo regular y económico pueden ser producidos como vendidos.
Cada uno de estos juegos requiere oro, plata y plomo. La Cía., compra oro y plomo de
proveedores externos a un costo de $ 125 y $ 0,80 por onza respectivamente. El costo de
producción de plata de la Cía., es estimado en alrededor de $ 52 por onza. Un juego de lujo
para ser terminado requiere de 2.5 onzas de oro, 5.8 onzas de plata y 310 onzas de plomo. El
juego regular requiere 1,8 onzas de oro, 4.5 onzas de plata y 260 onzas de plomo. El juego
económico requiere 1 onzas de oro, 1.8 onzas de plata y 210 onzas de plomo.
La provisión mensual de los metales está limitada a 84 onzas de oro, 240 onzas de plata y
12500 onzas de plomo. La Cía. Silver es solo una de los muchos productores de los juegos de
té indicados anteriormente, razón por la cual sus precios son fijados por el mercado.
Actualmente el modelo de lujo puede ser vendido a $ 1680 el juego, el regular a $ 1240 el
juego y el económico a $ 850 el juego.
Se pide resolver utilizando método algebraico.

3. MÉTODO SIMPLEX

Definición

Es un procedimiento sistemático que nos permite evaluar los puntos de optimalidad (vértices
del polígono) empleando el método del cambio de base.

El método símplex fue desarrollado en 1947 por el Dr. George Dantzig y conjuntamente con
el desarrollo de la computadora hizo posible la solución de problemas grandes planteados con
la técnica matemática de programación lineal.

El algorítmo denominado símplex es la parte medular de este método; el cual se basa en la


solución de un sistema de ecuaciones lineales con el conocido procedimiento de Gauss-Jordan
y apoyado en tres teoremas fundamentales de la programación lineal con criterios para el
cambio de la solución básica que se resuelve en forma iterativa hasta que la solución obtenida
converge a lo que se conoce como óptimo.

Teoremas de la Programación Lineal

Investigación de Operaciones I
113
Ing. Mauro Pérez Estrella

1. El conjunto de soluciones factibles para un problema de P.L. es un conjunto convexo.


2. La solución óptima del problema de programación lineal, si existe, es un punto extremo
(vértice) del conjunto de soluciones factibles. Si dicha solución óptima se tiene para más
de un punto extremo, entonces también optimiza en cualquier punto que sea combinación
convexa lineal entre los dos vértices que optimiza.
3. El número máximo de puntos extremos (vértices) por revisar en la búsqueda de la
solución óptima del problema es finito y coincide con el número máximo de soluciones
básicas únicas que se pueden determinar mediante la siguiente ecuación factorial.

( m  n)!
N  sol .bás 
m! n!

CRITERIOS DEL ALGORITMO SIMPLEX PARA EL CAMBIO DE BASE.

El algorítmo símplex maneja exclusivamente soluciones básicas y que cumplan con


factibilidad; es decir, todas las variables deben ser no negativas. Por lo tanto, para el manejo
de las soluciones básicas factibles y su valoración, requiere de la aplicación de ciertos criterios
fundamentados en los teoremas ya mencionados. Por cada intento de cálculo es necesario
aplicar los siguientes criterios:

Criterio de optimalidad. Se aplica en el algorítmo símplex para


determinar entre las variables no-básicas, una que entre a la base
(variable ingresante), eligiendo aquella no-básica con el coeficiente
más negativo en el renglón z de la tabla símplex; si el problema tiene
el objetivo de maximizar. En caso contrario, es decir, para minimizar,
debe elegirse para variable entrante a la base a aquella que tenga el
coeficiente más positivo en el renglón z de la tabla.

Criterio de factibilidad. Se aplica en el algoritmo símplex para


determinar entre las variables básicas a una que salga de la base
(variable saliente), eligiendo aquel valor que resulta del cociente
entre el valor correspondiente del vector columna de los b i y el valor
aij de fila clave, a estos valores resultantes se le denomina los θ i del
tablero simplex.

Esto es válido tanto para problemas de maximizar como de minimizar

Elemento pivote. Se declara como elemento pivote a aquél coeficiente que se ubica en el
cruce de la columna ‘j’ y el renglón ‘i’ elegidos en los dos criterios ya anotados

Procedimiento

1) Expresar las desigualdades en ecuaciones así:

Investigación de Operaciones I
114
Ing. Mauro Pérez Estrella

a) x1 + x2 ≤ 90  x1 + x2 + S1 = 90 (V.H.)
b) 2x1 + 5x2  70  2x1 + 5x2 – e1 + q1 = 70 (V.e.; V.artif.)
c) 3x1 + x2 = 50  3x1 + x2 + q2 = 50 (V.e.; V.artif.)

2) Construir el 1º tablero simplex

3) Evaluar la solución obtenida

Máx(óptimo) : C1 - Z1 ≤ 0
Míx(óptimo) : C1 - Z1  0

4) Si la solución hallada en (3) no es óptimo identificar la FILA CLAVE, COLUMNA CLAVE


y el NÚMERO PIVOTE; seguidamente realizar las operaciones correspondientes para
determinar la nueva solución.
5) Si la solución es óptima termina el proceso iterativo.

V. artificial.- Representan productos imaginarios que permiten que las variables de exceso
permanezcan positivas y las variables estructurales puedan tomar valor cero en las ecuaciones
precedentes. Cuando el problema es de maximización se asocia a estas variables un valor muy
pequeño tal como –M de tal manera que nunca forma parte de la solución óptima.
En los casos de minimización se les asigna un valor grande tal como M de tal forma que no
forma parte de la solución óptima.
Las variables artificiales no tienen significado físico y solo deben comprenderse como
artificios matemáticos para la matriz de base.

Tablero Simplex
* Pivote

 COLUMNA CLAVE
cj c1 c2 c3 …. cn cn+1 …. cn+m
ck xk bi x1 x2 x3 …. xn xn+1 …. xn+m θi
0 xn+1 B1 a11 a12 a13 …. a1n 1 …. 0 b1 / a11 FILA CLAVE

0 xn+2 B2 *a21 a22 a23 …. a2n 0 …. 0 b2/a21 



... .... .... .... .... .... .... .... .... .... .... .... mínimo valor
0 xn+m bm am1 am2 am3 …. amn 0 …. 1 bm/am1
Zi 0 0 0 0 0 0 …. 0
Cj-Zj c1 c2 c3 …. cn 0 …. 0

2º Tablero

Cj C1 C2 …. Cn Cn+1 …. Cn+m
ck xk bi x1 x2 …. xn xn+1 …. xn+m

Investigación de Operaciones I
115
Ing. Mauro Pérez Estrella

0 xn+1
hilera
principal c1 x1 b2/a21 A21/a21

.
.
.
0 xn+m

Fila clave
Hilera principal 
# clave

(# corresp .de Fila clave)(# corresp .de la columna clave)


Nuevo número  # antiguo
# clave

Caso de maximización:

Max Z = 7.4x1 + 4.4x2+ 7x3 + 8x4


s.a:
x1 + x3 + x4 ≤ 2500
6x1 + 6x2 + 8x3 + 10x4 ≤ 1800
x1 + x2 + 2x3 + 2x4 ≤ 4000
4x3 ≤ 2000
2x1 + 2x2 + 5x4 ≤ 1900

Luego:

x1 + 0x2 + x3 + x4 + S1 = 2500
6x1 + 6x2 + 8x3 + 10x4 + 0S1 + S2 = 1800
x1 + x2 + 2x3 + 2x4 + 0S1 + 0S2 + S3 = 4000
0x1 + 0x2 + 4x3 + 0x4 + 0S1 + 0S2 + 0S3 + S4 = 2000
2x1 + 2x2 + 0x3 + 5x4 + 0S1 + 0S2 + 0S3 + 0S4 + S5 = 1900

1º Tablero

Investigación de Operaciones I
116
Ing. Mauro Pérez Estrella

cj 7.4 4.4 7 8 0 0 0 0 0
ck xk bi x1 x2 x3 x4 S1 S2 S3 S4 S5 θi
0 S1 2500 1 0 1 1 1 0 0 0 0 2500
0 S2 1800 6 6 8 10 0 1 0 0 0 180 ←
0 S3 4000 1 1 2 2 0 0 1 0 0 2000
0 S4 2000 0 0 4 0 0 0 0 1 0 ∞
0 S5 1900 2 2 0 5 0 0 0 0 1 380
Zj 0 0 0 0 0 0 0 0 0 0 0
Cj - Zj 7.4 4.4 7 8 0 0 0 0 0

# clave = a24 = 10
V. ingresa = x4
V. sale = S2

Hilera principal

bi x1 x2 x3 X4 S1 S2 S3 S4 S5
180 6/10 6/10 8/10 1 0 1/10 0 0 0
(1800)(1)
Nuevo número = 2500 - = 700
10

2º Tablero

cj 7.4 4.4 7 8 0 0 0 0 0
ck xk bi x1 x2 X3 x4 S1 S2 S3 S4 S5 θi
0 S1 700 2/5 -3/5 1/5 0 1 -1/10 0 0 0 1750
8 X4 180 3/5 3/5 4/5 1 0 1/10 0 0 0 300
0 S3 3640 -1/5 -1/5 2/5 0 0 -1/5 1 0 0 ─
0 S4 2000 0 0 4 0 0 0 0 1 0 ∞
0 S5 1000 -1 -1 -4 0 0 -1/2 0 0 1 ─
Zj 1440 24/5 24/5 32/5 8 0 4/5 0 0 0
Cj - Zj 2.6 -0.4 0.6 0 0 -0.8 0 0 0


Tablero óptimo
cj 7.4 4.4 7 8 0 0 0 0 0
ck xk bi x1 x2 x3 x4 S1 S2 S3 S4 S5

Investigación de Operaciones I
117
Ing. Mauro Pérez Estrella

0 S1 2200 0 -1 -0.333 -0.667 1 -0.167 0 0 0


7.4 X1 300 1 1 1.333 1.667 0 0.167 0 0 0
0 S3 3700 0 0 0.667 0.333 0 -0.167 1 0 0
0 S4 2000 0 0 4.000 0 0 0 0 1 0
0 S5 1300 0 0 -2.667 1.667 0 -0.333 0 0 1
Zj 2220 7.4 7.4 9.867 12.333 0 1.233 0 0 0
Cj - Zj 0 -3 -2.867 -4.333 0 -1.233 0 0 0

Cj - Zj ≤ 0  el tablero es el óptimo

Luego la solución es: Zópt = 2220


X1 = 300
S1 = 2200
S3 = 3700
S4 = 2000
S5 = 1300

Caso de minimización:

Min Z = 3 x1 + 2.5 x2

s.a.:
2x1 + 4x2 ≥ 40
3x1 + 2x2 ≥ 50  xj ≥ 0

 2x1 + 4x2 – e1 + q1 = 40
3x1 + 2x2 – 0e1 - e2 + q1 + q2 = 50

Min Z = 3x1 + 2.5x2 – 0x3 - 0x4 + Mq1 + Mq2

1º Tablero

Cj 3 2.5 0 0 M M
Ck xk bi X1 x2 e1 e2 q1 q2 θi
M q1 40 2 4 -1 0 1 0 10

M q2 50 3 2 0 -1 0 1 25
Zj 90M 5M 6M - - M M
M M
Cj - Zj 3- 2.5- M M 0 0
5M 6M

Investigación de Operaciones I
118
Ing. Mauro Pérez Estrella

2º Tablero

Cj 3 2.5 0 0 M M
Ck xk bi x1 x2 e1 e2 q1 q2 θi
2.5 x2 10 ½ 1 -1/4 0 ¼ 0 20
M q2 30 2 0 ½ -1 -1/2 1 15

Zj 25+30M 5/4+2M 2.5 -5/8 - 5/8- M
+1/2M M M/2
Cj - Zj (7/4- 0 (5/8- M (M/2- 0
2M) M/2) 5/8)

3r tablero

Cj 3 2.5 0 0 M M
θi
Ck xk bi x1 x2 e1 e2 q1 q2
Tablero
2.5 X2 2.5 0 1 -3/8 ¼ 3/8 -1/4
óptimo
3 X1 15 1 0 ¼ -1/2 -1/4 ½
- -
Zj 51.25 3 2.5 0.1875 0.875
0.1875 0.875
M- M-
Cj - Zj 0 0 0.1875 0.875
0.1875 0.875

Cj - Zi  0

Luego la solución es: Zópt = 51,25


X1 = 15
X2 = 2,5

Caso maximización restricción tipo 

Ejemplo: Z = 3x1 + 5x2

s.a.: x1  4

Investigación de Operaciones I
119
Ing. Mauro Pérez Estrella

2x2  12
3x1 + 2x2  18

Luego : x1 + S1 = 4
2x2 + + S2 = 12
3x1 + 2x2 + S3 = 18

1º Tablero

Cj 3 5 0 0 0
Ck xk bi x1 x2 S1 S2 S3 θi
0 S1 4 1 0 1 0 0 -
0 S2 12 0 2 0 1 0 6  mínimo
0 S3 18 3 2 0 0 1 9
Z 0 0 0 0 0 0
Cj - Zj 3 5 0 0 0

2do tablero
Cj 3 5 0 0 0
Ck xk bi x1 x2 S1 S2 S3 θi
0 S1 4 1 0 1 0 0 4/1 = 4
5 X2 6 0 1 0 ½ 0 -
0 S3 6 3 0 0 -1 1 6/3 = 2  mínimo
Z 30 0 5 0 5/2 0
Cj - Zj 3 0 0 -5/2 0

3º Tablero

Cj 3 5 0 0 0
Ck xk bi X1 x2 S1 S2 S3
0 S1 2 0 0 1 1/3 -1/3
5 x2 6 0 1 0 1/2 0
3 x1 2 1 0 0 -1/3 1/3
Z 36 3 5 0 3/2 1
Cj - Zj 0 0 0 -3/2 -1

Cj - Zj ≤ 0  es el óptimo Zóptimo = 36
x1 =2
x2 =6
S1 =2

Investigación de Operaciones I
120
Ing. Mauro Pérez Estrella

EMPATES EN EL MÉTODO SIMPLEX

Empate para la variable básica entrante:

Suponga que dos o más variables no básicas tienen el coeficiente mas grande, es decir que
hay un empate en ellas. Por ejemplo, esto ocurriría en la primera iteración del problema si la
función objetivo es:

Z = 3x1 + 3x2

¿Cómo debe romperse este empate?


La respuesta es que la elección entre estos dos contendientes se puede hacer de manera
“arbitraria”

Empate para la variable básica que sale – Degeneración:

Ahora supongo que el empate ocurre entre dos variables básicas al elegir la variable que sale
en el paso 2 de una iteración. ¿Importa cuál se escoge? En teoría, si, y en una forma crítica
debido a que puede suceder la siguiente sucesión de eventos.

Primero.- Todas las variables empatadas se hacen cero al mismo tiempo cuando aumenta el
valor de la variable entrante. Por tanto aquellas que no eligieron como variable básica que
sale también tendrán un valor cero en la nueva solución B.F. (las variables básicas con valor
de cero se llaman DEGENERADAS y el mismo nombre se da a la solución B:F:
correspondiente).

Segundo.- Si una de estas variables básicas degeneradas sigue con valor de cero hasta que se
selecciona como variable básica que sale en una iteración posterior, la variable básica deberá
también quedar con valor de cero (ya que no puede crecer sin que la variable básica entrante
que sale se vuelva negativa), entonces el valor de Z permanecerá sin cambio.

Tercero.- Si Z permanece igual en lugar de mejorar cada iteración, el método simplex puede
caer en un ciclo que repite la misma secuencia de soluciones periódicamente, en lugar de
aumentar en algún momento para llegar a la solución óptima.

Ejemplo:
Max Z = 10x1 + 12x2
s.a:
2x1 + 3x2 ≤ 1500
3x1 + 2x2 ≤ 1500

Investigación de Operaciones I
121
Ing. Mauro Pérez Estrella

3x1 + 2x2 ≤ 1500


x1 , x2  0

2º Tablero

Cj 10 12 0 0 0
Ck xk bi x1 x2 S1 S2 S3 θi
12 X2 500 2/3 1 1/3 0 0 750
0 S2 500 5/3 0 -2/3 1 0 300 ?
0 S3 100 1/3 0 -1/3 0 1 300 ?
Z 6000 8 12 4 0 0
Cj - Zj 2 0 -4 0 0

Procedimiento para romper el empate.

1. Identificar la columna clave y las filas empatadas.

2. Dividir cada uno de los términos de las filas empatadas entre su correspondiente número
de la columna clave.

3. Comparar los resultados obtenidos de izquierda a derecha primero en la matriz identidad


y luego en la matriz del cuerpo.

4. En la primera comparación que se tenga resultados diferentes se rompe el empate y la fila


clave resulta ser aquella que tiene resultado mas requerido en términos algebraicos.

Así:
2

500 3 6
Para S2 :  300 
5 5 15
3 3
5
3  1 1 3

5 5 5
3 3

0 0
 0  0
5 5
3 3

Investigación de Operaciones I
122
Ing. Mauro Pérez Estrella

1

100 3  1
 300
1 1
3 3
Para S3 :
1
3  1 0
 0
1 1
3 3

0 1
 0  3
1 1
3 3

6 3
Luego S2 : 300 1 0  0 IDENTIDAD
15 5
S3: 300 1 0 1 0 3

  
matriz identidad

 La variable que sale es S3 (por que en el desempate 0 < 3/5 )

Cuando no hay variable básica que sale: Z no acotada

Existe otra posibilidad en el paso 2 de una iteración aquella en la que ninguna variable califica
como variable básica que sale. Esta situación puede ocurrir si la variable básica entrante puede
crecer indefinidamente, sin que ninguna de las variables básicas actuales adquieran valores
negativos. En la forma tabular, esto significa que todos los coeficientes en la columna pivote
son negativos o ceros.

La interpretación de una tabla simplex como la que se muestra, es que las restricciones no
impiden el crecimiento indefinido de la función objetivo Z, de manera que el método simplex
se detiene con el mensaje de que Z es no acotada. Debido a que ni siquiera la programación
lineal ha descubierto la manera de lograr ganancias infinitas, el mensaje real en problemas
prácticos es: ¡Se ha cometido un error!. Tal vez el modelo este mal formulado o existe un
error en los cálculos.

Ejemplo:

Investigación de Operaciones I
123
Ing. Mauro Pérez Estrella

Cj 3 5 0 0 0
Ck x k bi x1 x2 S1 S2 S3 θi
0 S1 4 1 0 0 0 0 Sin mínimo
5 X2 6 0 0 1/2 3/4 0
0 S3 5 3 -1 -1 0 1
Z 30 0 0 5/2 15/4 0
Cj - Zj 3 5 -5/2 -15/4 0

Problema.

Resolver el siguiente problema utilizando el programa LINDO

MAX 37 X1 + 42 X2 + 39 X3
SUBJECT TO
2) 3 X1 + 2 X2 + 4 X3 <= 80
3) 2 X1 + 4 X2 + 3 X3 <= 130
4) X1 + 2 X2 + 2 X3 <= 90
END

LP OPTIMUM FOUND AT STEP 2

OBJECTIVE FUNCTION VALUE

1) 1485.000

VARIABLE VALUE REDUCED COST


X1 7.500000 0.000000
X2 28.750000 0.000000
X3 0.000000 12.500000

Investigación de Operaciones I
124
Ing. Mauro Pérez Estrella

ROW SLACK OR SURPLUS DUAL PRICES


2) 0.000000 8.000000
3) 0.000000 6.500000
4) 25.000000 0.000000

NO. ITERATIONS= 2
RANGES IN WHICH THE BASIS IS UNCHANGED:

OBJ COEFFICIENT RANGES


VARIABLE CURRENT ALLOWABLE ALLOWABLE
COEF INCREASE DECREASE
X1 37.000000 26.000000 10.000000
X2 42.000000 32.000000 17.333334
X3 39.000000 12.500000 INFINITY

RIGHTHAND SIDE RANGES


ROW CURRENT ALLOWABLE ALLOWABLE
RHS INCREASE DECREASE
2 80.000000 115.000000 15.000000
3 130.000000 30.000000 76.666664
4 90.000000 INFINITY 25.000000

THE TABLEAU

ROW (BASIS) X1 X2 X3 SLK 2 SLK 3 SLK 4


1 ART 0.000 0.000 12.500 8.000 6.500 0.000 1485.000
2 X1 1.000 0.000 1.250 0.500 -0.250 0.000 7.500
3 X2 0.000 1.000 0.125 -0.250 0.375 0.000 28.750
4 SLK 4 0.000 0.000 0.500 0.000 -0.500 1.000 25.000

Problema

La Main Foods Inc. (MFI) se ha dedicado a la producción y exportación de papas doradas.


La MFI es un a firma relativamente nueva y ha desarrollado un mercado para sus productos

Investigación de Operaciones I
125
Ing. Mauro Pérez Estrella

en tres países: Estados Unidos, Australia y Japón. Produce dos grados de papas, la llamada
Polinesa (de más alta calidad) y la Tahití (de más baja calidad). La MFI exporta las papas
doradas en lotes medidos por cajas, C.I.F., desde dos puertos: Kahalui, Hawai (papas doradas
con destino a Australia y Japón) y Honolulu, Hawai (papas doradas con destino a los EE.UU.).
La MFI tiene disponibles todas las papas que quiera (mandadas desde Washington) para
procesar y venderlas en cualquier mes.

Los datos de producción de la MFI muestran que el tiempo de producción de cada caja de
papas doradas, demora un promedio de 15 minutos para ser procesada tanto para la Polinesia
como para la Tahití.
El contrato de trabajo de la MFI convoca a uno de los dos turnos de 9 horas por día, sobre la
base de 5 días por semana y 4 semanas por mes (solamente se paga por el tiempo efectivo de
trabajo).
La planta posee cinco líneas de proceso (cocida y empaque). La MFI dispone, pues de 360
horas de producción por mes.
Un estudio de investigación de mercado ha demostrado que la población de los EE.UU.
prefiere la papa polinesia a la Tahitiana en razón de 2:1 muestras que la Japonesa prefiere la
Tahitiana sobre le Polinesia en razón de 3:1. La MFI, también, encuentra que la demanda
total, en cajas por mes, para ambas clases de papas no excede de 4000 para los EE.UU., 10000
para Australia y 3000 para el Japón.
A la MFI su banco le exige, el Honolulu Nacional, de retener e reserva cierto porcentaje de
las cartas de crédito como seguro contra incumplimiento de su agente exportador. La MFI
tiene disponibles, en promedio, $20 000 para este propósito. Esta obligación responde a los
riesgos que se presentan según las distancias, es por esto que el banco requiere que esas
reservas sean un porcentaje de las utilidades por caja exportada, así: Estados Unidos, 10%,
Japón 20% y Australia 25%.
Los costos variables de producción asociados a la producción de una caja de papas doradas
para exportar son como sigue: Los recursos (papas, aceite de cocina y sal) cuestan $4 por caja.
Los costos de empaque son alrededor de $2 por caja. Los costos de proceso (compuestos por
la labor) son en promedio $4 por hora.
Los costos de transporte son basados en las distancias a recorrer, tales son: $5 por caja
transportada a los EE.UU., $6 por caja transportada a Japón y $7 por caja transportada a
Australia. Los costos de seguro son el 5% en el puerto (costos de planta mas el transporte)
El ingreso por cada tipo de caja de papas doradas es como sigue:

Calidad Ingreso unitario por caja ($)


Polinesia estadounidense 25
Tahití estadounidense 20
Polinesia australiana 20
Tahití australiana 20
Polinesia japonesa 30
Tahití japonesa 30

Investigación de Operaciones I
126
Ing. Mauro Pérez Estrella

La MFI desea determinar cuantas cajas de cada tipo de papas doradas puede producir y
exportar a sus mercados para maximizar su ganancia por mes:

1. Construir el modelo de programación lineal apropiado.


2. Encontrar la combinación optima de calidad usándolo el método SIMPLEX (mostrar
todos los tableros).

Solución:
1. Construir el modelo de programación lineal apropiado.
Variables de decisión.
X1: numero de cajas de papas Polinesia exportadas a EE.UU.
X2: numero de cajas de papas Tahití exportadas a EE.UU.
X3: numero de cajas de papas Polinesia exportadas a Japón.
X4: numero de cajas de papas Tahití exportadas a Japón.
X5: numero de cajas de papas Polinesia exportadas a Australia.
X4: numero de cajas de papas Tahití exportadas a Australia.
Función Objetivo:
Utilidades = Ingresos – Costos total – Impuestos
Ingresos= 25X1 + 20X2 + 20X3 + 20X4 + 30X5 + 30X6
Costos:
De producción= 4(X1 + X2 + X3 + X4 + X5 + X6)
De empaque= 2(X1 + X2 + X3 + X4 + X5 + X6)
De Proceso= 4[0,25(X1 + X2 + X3 + X4 + X5 + X6)]
De transporte= 5(X1 + X2)+ 6 (X3 + X4)+ 7(X5 + X6)
 Costos= 12X1 + 12X2 + 13X3 + 13X4 + 14X5 + 14X5
Costos de seguro:
5% (costos de planta + Costos de transporte) = 0,6X1 +0,6X2 + 0,65X3 + 0,65X4 + 0,7X5 +
0,7X6
Max Z = 12,4X1 + 7,4X2 + 6,35X3 + 6,35X4 + 15,3X5 + 15,3X6

RESTRICCIONES:
Numero de horas disponibles por mes:
0,25X1 + 0,25X2 + 0,25X3 + 0,25X4 + 0,25X5 + 0,25x6  360x5
Relación entre tipos de papas exportadas a EE.UU.
X1 – 2X2 = 0
Relación entre tipos de papas exportadas a Japón.
X6 – 3X5 = 0
Máxima cantidad de papas doradas producidas por país.
X1 + X2  4000 EE.UU.
X3 + X4  10000 Australia
X2 + X6  3000 Japón
Seguro contra el incumplimiento de su agente exportador.
0,1(12,4X1 +7,4X2) + 0,2(6,35X3 +6,35X4) + 0,25(15,3X5 +15,3X6)  20000

2. Encontrar la combinación optima de calidad usando el método SIMPLEX. (Mostrar


todos los tableros)

Investigación de Operaciones I
127
Solución.

12, 7,4 6,2 6,2 15, 15, 0 -M -M 0 0 0 0


4 5 5 3 3
X1 X2 X3 X4 X5 X6 S1 q1 q2 S2 S3 S4 S5

1r. Tablero (M=100000)


0,2 0,2 0,2 0,2 0,2 0,2 1 0 0 0 0 0 0

Investigación de Operaciones I
5 5 5 5 5 5
1 -2 0 0 0 0 0 1 0 0 0 0 0

0 0 0 0 -3 1 0 0 1 0 0 0 0

128
1 1 0 0 0 0 0 0 0 1 0 0 0

0 0 1 1 0 0 0 0 0 0 1 0 0

0 1 0 0 0 1 0 0 0 0 0 1 0

1,2 0,7 1,2 1,2 3,8 3,8 0 0 0 0 0 0 1


4 4 7 7 25 25
Ing. Mauro Pérez Estrella

-M - 0 0 - -M 0 -M -M 0 0 0 0
2 3
M M
12, 7,4 6,2 6,2 15, 15, 0 2 2 0 0 0 0
4+ + 5 5 3+ 3+ M M
M M 3 M
M
7,4 6,35 6,35 15,3 15,3 0 -M -M 0 0 0 0
Cj
X2 X3 X4 X5 X6 S1 q1 q2 S2 S3 S4 S5
Ck Xk bi
1,66 1 1 0 0 4 0 0 0 0 - 0
7 1,33 0 S1 18

Investigación de Operaciones I
00
-2 0 0 0 0 0 1 0 0 0 0 0
- q1 0
M
0,33 0 0 1 0 0 0 1 0 0 0,33 0
- q2 0
M
3 0 0 0 0 0 0 0 1 0 0 0

129
0 S2 40
00
- 0 1 0 0 -4 0 0 0 1 1,33 0 0 S3 10
1,66 00
7 0
1 0 0 0 1 0 0 0 0 0 1 0 0 S4 30
0
3,99 0 1,27 3,82 3,82 5,08 0 0 0 0 - 1 0 S5 20
7 5 5 3.40 00
Ing. Mauro Pérez Estrella

7
Zj 0,0
30,9 0 6,35 15,3 15,3 25,4 -M -M 0 0 0 0 00
83
Cj
23,5 0 0 0 0 25,4 0 0 0 0 11,9 0 -
83 3
Zj
Ing. Mauro Pérez Estrella

12,4

1,24

-M
X1

0
320

100

400

680

300

636

815
20
Cj

bi

Cj -
Xk

X4

X1

X5

X6
S2

S3

S5

Zj

Zj
6,35

12,4

15,3

15,3
Ck

0
Solución óptima

SOLUCIONES ÓPTIMAS MÚLTIPLES

Un problema puede tener más de una solución óptima. Este hecho se observa en el problema
siguiente:

Max Z = 3x1 + 2x2

s.a:
x1 ≤ 4
2x2 ≤ 12
3x1 + 2x2 ≤ 18 ; xj  0; j = 1,2

Investigación de Operaciones I
130
Ing. Mauro Pérez Estrella

Fig. 2.5

Al graficar resulta que todos los puntos sobre el segmento de recta entre A=(2,6) y B=(4,3)
son óptimos. Entonces, todas las soluciones son un promedio ponderado de estas dos
soluciones B:F. óptimos

(x1 , x2) = P1(2,6) + P2(4,3)

Donde los pesos P1 y P2 son números que satisfacen las relaciones.

P1 + P2 = 1 ; P1  P2  0

Por ejemplo:
P1 = 1/3 y P2 = 2/3 da :
(x1 , x2) = 1/3(2,6) + 2/3(4,3) = (2/3 + 8/3 , 6/3 + 6/3)
(x1 , x2) = (10/3 , 4) Como una solución óptima.

En general cualquier promedio ponderado de dos o mas soluciones (vectores) donde los pesos
son no negativos y suman 1 se llama combinación convexa de estas solucione. Entonces toda
solución óptima en el ejemplo es una combinación convexa de (2,6) y (4,3).
Este ejemplo es representativo de problemas con soluciones múltiples.
El método simplex se detiene automáticamente al encontrar una solución óptima B:F: Sin
embargo, en muchas aplicaciones de programación lineal existen factores intangibles que no
incorporan al modelo y que pueden ser útiles para tomar decisiones significativas sobre las
soluciones óptimas alternativas.
En el tablero simplex se observa que existen soluciones alternativas cuando en el reglón (c j
– Zj) óptimo registra número de ceros mayor que el número de variables básicas.
Para calcular la solución óptima alternativa se elige como columna clave aquella columna
asociada a una variable no básica que registra valor cero en el reglón (cj – Zj), luego se
continúa.

Ejemplo:
Max Z = 2x1 + 3x2+ x3
s.a:
x1 + 2x2 + x3 ≤ 30
2x1 + 3x2 + 2x3 ≤ 18

Investigación de Operaciones I
131
Ing. Mauro Pérez Estrella

2x1 + 2x2 + 3x3 ≥ 10

Tablero óptimo
Cj 2 3 1 0 0 0 -M
Ck xk bi x1 x2 x3 x4 x5 e1 q1 θi
0 S1 18 -1/3 0 -1/3 1 0 -2/3 0 -
0 S2 2 -2/3 0 -5/3 0 1 2/3 -1 -
3 X2 6 2/3 1 2/3 0 0 1/3 0 6/(2/3) = 9
 mínimo
Zj 18 2 3 2 0 0 1 0
Cj - Zj 0 0 -1 0 0 -1 -M

Óptimo Alternativo

Cj 2 3 1 0 0 0 -M
Ck xk bi x1 x2 x3 S1 S2 e1 q1
0 S1 21 0 1/3 -5/4 1 0 -1/3 0
0 S2 8 0 1 3/2 0 1 1 -1
2 X1 9 1 3/2 9/4 0 0 1/2 0
Zj 18 2 3 9/2 0 0 1 0
Cj - Zj 0 0 -7/2 0 0 -1 -M

Problema

maxZ = 3x1 + 2x2 + x3


s.a:
x1 + 2x2 + x3  100
x1 + x2 + 2x3  90
2x1 + 3x3  120
 xj  0 ; j = 1,2,3
Tablero óptimo

cj 3 2 1 0 0 0
ck xk bi x1 x2 x3 S1 S2 S3
0 x2 20 0 1 -1/4 1/2 0 -1/4
0 S2 10 0 0 3/4 -1/2 1 -1/4
3 X1 60 1 0 3/2 0 0 1/2

Investigación de Operaciones I
132
Ing. Mauro Pérez Estrella

Zj 220 3 2 4 1 0 1
cj Zj 0 0 -3 -1 0 -1

Problema

Aplicación

Productos Disponibilidad
(hr/mes)
A B
Proceso 1 3 2 2000
Proceso 2 1 2 1000
(Utilidad $) 40 60

Max Z = 40x1 + 60x2


s.a:
3x1 + 2x2  2000
x1 + 2 x2  1000  xj  0
Tablero óptimo

cj 40 60 0 0
ck xk bi x1 x2 S1 S2
40 x1 500 1 0 0.5 -0.5
60 x2 250 0 1 -0.25 0.75
Zj 35000 40 60 5 25
cj - Zj 0 0 -5 -25

Solución óptimo:
Zópt. = 35000
x1 = 500
x2 = 250

Problema

Dado el siguiente modelo:

Max Z = 2x1 + x2+ 2x3

s.a:
4x1 + 3x2 + 8x3 ≤ 12
4x1 + x2 + 12x3 ≤ 8

Investigación de Operaciones I
133
Ing. Mauro Pérez Estrella

4x1 - x2 + 3x3 ≤ 8  xj  0 ; j = 1, 2, 3

Resolver por el método simplex.

Solución:

El tablero óptimo es el siguiente:

ck xk bi x1 x2 x3 S1 S2 S3
0 S3 4 0 0 -13 1 -2 1
1 X2 2 0 1 -2 1/2 -1/2 0
2 X1 3/2 1 0 9/4 -1/8 3/8 0
Zj 5 2 1 5/2 1/4 1/4 0
Cj - Zj 0 0 -1/2 -1/4 -1/4 0

Problema

Max Z = 2x1 + 4x2+ 3x3

s.a:
x1 + 3x2 + 2x3 ≤ 30
x1 + x2 + x3 ≤ 24
3x1 + 5x2 + 3x3 ≤ 60  xj  0

Se pide:
b) Determinar la solución óptima, empleando el método Simplex.

Solución:

El tablero óptimo es el siguiente:

Cj 2 4 3 0 0 0
C Xk Bi X1 X2 X3 S1 S2 S3
k
3 X3 10 0 1.333 1 1 0 -0.333
0 S2 4 0 -0.667 0 0 1 -0.333
2 X1 10 1 0.333 0 -1 0 0.667
Zj 50 2 4.667 3 1 0 0.333
Zj-Cj 0 0.667 0 1 0 0.333

Zóptimo = 50
x1 =10

Investigación de Operaciones I
134
Ing. Mauro Pérez Estrella

x3 =10
S2 =4

Problema

Una fábrica produce cuatro productos A, B, C, y D. Cada unidad del producto A requiere de
dos horas de maquinado, una hora de montaje y cuesta $10 en el inventario de proceso. Cada
unidad del producto B requiere de una hora de maquinado, tres horas de montaje y cuesta $5
en el inventario de proceso. Cada unidad C necesita dos horas y media de maquinado, dos
horas y media de montaje y cuesta $2 en el inventario de proceso. Finalmente cada unidad del
producto D requiere de cinco horas de maquinado, no necesita tiempo de montaje y cuesta
$12 en el inventario de proceso. La fabrica dispone de 1200 horas de maquinado y 1600 horas
de montaje. Además, no puede dispone mas de $10000 en el inventario de proceso. Cada
unidad del producto A tiene una utilidad de $40; cada unidad de B de $24; cada unidad de C
de $36 y cada unidad de D, de $23. Puede venderse cualquier cantidad de unidades de los
productos A, B, C y D. Sin embargo para cumplir con un contrato debe producirse y venderse
por lo menos 100 unidades del producto D. El objetivo de la fábrica es maximizar la utilidad
resultante de la venta de los cuatro productos.

a) Formule y encuentre la solución y valor óptimo que maximice las utilidades de la


empresa.

Solución.

Formulación:

 Variable de decisión:
i = A, B, C, D.
X i  unidades de. productos i ; i  1,2,3 y 4
 Funcion Objetivo: Maximizar utilidades

MaxZ  40 X A  24 X B  36 X C  23 X D
 Restricciones:
e) Disposición de horas de maquinado

2 X A  X B  2.5 X C  5 X D  1200

f) Disposición de horas de montaje

Investigación de Operaciones I
135
Ing. Mauro Pérez Estrella

X A  3 X B  2.5 X C  0 X D  1600

g) Disposición de capital en el inventario del proceso

10 X A  5 X B  2 X C  12 X D  10000

h) Mínima cantidad de producción de D

X D  100

Tablero óptimo (M = -100):

Cj 40 24 36 23 0 0 0 0 -
100
Ck Xk bi XA XB XC XD e4 S1 S2 S3 q4
40 XA 100 1 0 1 0 3 0.6 - 0 -3
0.2
24 XB 500 0 1 0.5 0 -1 -0.2 0.4 0 1

0 S3 5300 0 0 - 0 -13 -5 0 1 13
10.5
23 XD 100 0 0 0 1 -1 0 0 0 1

Zj 18300 40 24 52 23 73 19.2 1.6 0 -73

Zj – Cj 0 0 16 0 73 19.2 1.6 0 27

Observación:
-Se producirá 100 unidades de A, 500 unidades de B y 100 unidades de D.
-El valor óptimo o utilidad máxima es 18300.

Problema

Resolver por el método Simplex:


Sea:
Xi  Nº de toneladasde materiaprima i ( i  1,2)
Max Z  38.6  X1  34.7  X2

s.a.
Restricciones debido al transporte de una zona a otra
0.9  0.95  0.85  0.75  X 1  0.9  0.85  0.8  X 2  2500

Investigación de Operaciones I
136
Ing. Mauro Pérez Estrella

Restricciones debido a las horas disponibles en cada zona


X1 X2
  16 Zona 1
300 500
0.9  X 1 0.9  X 2
  12 Zona 2
450 480
0.9  0.95  X 1 0.9  0.85  X 2
  16 Zona 3
250 400
0.9  0.95  0.85  X 1
 16 Zona 4
400
0.9  0.95  0.85  0.80  X 1
 12 Zona 5
350
Restricciones debido a ventas
0.9  0.95  0.85  0.80  0.75  X 1  1700
0.9  0.85  0.80  X 2  1500  X i  0 ; i  1, 2

Solución.

Planteando el problema para resolver mediante el método de simplex:


Max Z  38.6  X1  34.7  X2
s.a: .
0.54506  X 1  0.61200  X 2  2500
0.00333 X 1  0.00200  X 2  16
0.00200  X 1  0.00188 X 2  12
0.00342  X 1  0.00191 X 2  16
0.00182  X 1  0  X 2  12
0.00166  X 1  0  X 2  12
0.43605 X 1  0  X 2  1700
0  X 1  0.61200  X 2  12
Tablero Inicial:

Investigación de Operaciones I
137
Ing. Mauro Pérez Estrella

Cj 38,6 34,7 0 0 0 0 0 0 0 0
Ck Xk bi X1 X2 S1 S2 S3 S4 S5 S6 S7 S8 qi
0 S1 2500 0,5450 0,6120 1 0 0 0 0 0 0 0 4586,63
0 S2 16 0,0033 0,0020 0 1 0 0 0 0 0 0 4800,0
0 S3 12 0,0020 0,0019 0 0 1 0 0 0 0 0 6000,0
0 S4 16 0,0034 0,0019 0 0 0 1 0 0 0 0 4678,4
0 S5 12 0,00182 0 0 0 0 0 1 0 0 0 6604,7
0 S6 12 0,00166 0 0 0 0 0 0 1 0 0 7223,9
0 S7 1700 0,436 0 0 0 0 0 0 0 1 0 3898,6
0 S8 1500 0 1 0 0 0 0 0 0 0 1 
Zj 0 0 0 0 0 0 0 0 0 0 0
Cj-Zj 38,6 34,7 0 0 0 0 0 0 0 0

Como se tiene valores de Cj-Zj >=0 se debe hallar un nuevo tablero simplex

Tablero I:

Cj 38,6 34,7 0 0 0 0 0 0 0 0
Ck Xk bi X1 X2 S1 S2 S3 S4 S5 S6 S7 S8 qi
0 S1 375,24 0 0,6120 1 0 0 0 0 0 -1,2500 0 612,74
0 S2 3,00 0 0,0020 0 1 0 0 0 0 -0,0076 0 1502,27
0 S3 4,20 0 0,0019 0 0 1 0 0 0 -0,0046 0 2241,45
0 S4 2,67 0 0,0019 0 0 0 1 0 0 -0,0078 0 1394,33
0 S5 4,92 0 0 0 0 0 0 1 0 -0,0042 0 
0 S6 5,52 0 0 0 0 0 0 0 1 -0,0038 0 
38,6 X1 3898,64 1 0 0 0 0 0 0 0 2,2933 0 
0 S8 1500 0 0,612 0 0 0 0 0 0 0 1 2450,98
Zj 150487,3 38,6 0 0 0 0 0 0 0 88,521 0
Cj-Zj 0 34,7 0 0 0 0 0 0 -88,521 0

Como se puede apreciar nuevamente, aún se tienen valores de C j-Zj positivos, entonces,
debemos hallar un nuevo tablero simplex

Tablero II:

Investigación de Operaciones I
138
Ing. Mauro Pérez Estrella

Cj 38,6 34,7 0 0 0 0 0 0 0 0
Ck Xk bi X1 X2 S1 S2 S3 S4 S5 S6 S7 S8
34,7 X2 612,74 0 1 1,633 0 0 0 0 0 -2,04 0
0 S2 1,78 0 0 -0,003 1 0 0 0 0 -0,0035 0
0 S3 3,05 0 0 -0,003 0 1 0 0 0 -0,0007 0
0 S4 1,49 0 0 -0,003 0 0 1 0 0 -0,0039 0
0 S5 4,92 0 0 0 0 0 0 1 0 -0,0042 0
0 S6 5,52 0 0 0 0 0 0 0 1 -0,0038 0
38,6 X1 3898,64 1 0 0 0 0 0 0 0 2,29 0
0 S8 1125,00 0 0 -1,000 0 0 0 0 0 1,25 1
Zj 171749,6 38,6 34,7 56,7 0 0 0 0 0 17,648 0
Cj-Zj 0 0 -56,37 0 0 0 0 0 -17,648 0

Como todos los valores de C j-Zj son ceros o números negativos, entonces, podemos concluir
que este sería el tablero óptimo.
Por lo tanto, esta seria la solución y el valor optimo.

X1= 3898.64 ton. de materia prima 1


X2 = 613.14 ton. de materaia prima 2
Zóptimo = 1717635

Problema.

Un fabricante de alimentos para pollos desea determinar la mezcla de menor costo para una
formula de altas proteínas que contenga al menos 90g de nutriente A, 48g del nutriente B,
20g del nutriente C y 1.5g de vitamina X por cada Kg de alimento. Puede mezclar la fórmula
empleando dos ingredientes y otro mas de relleno. El ingrediente 1 contiene 100g del nutriente
A, 80g del nutriente B,40g del nutriente c y 10g de vitamina X y cuesta 40cts/Kg. El
ingrediente 2 contiene 200g de A, 150g de B, 20g de C, nada de vitamina X y cuesta 60cts/Kg.
a) Encuentre y comente la solución optima que minimice el costo de la mezcla. ¿Cuál
es la cantidad de holgura para cada restricción? ¿Cuánto relleno debe agregarse?.
Muestre todos los tableros del simples
b) Encuentre el precio sombra para cada restricción e interprete su significado usar la
tabla optima mostrada en (a)
Solución.

Variables:
X1 → kilogramos de ingrediente 1 por kg de mezcla
X2→ kilogramos de ingrediente 2 por kg de mezcla
X3 → kilogramos de relleno por kg de mezcla

Investigación de Operaciones I
139
Ing. Mauro Pérez Estrella

Restricciones: X1 + X2 + X3 = 1
100X1 + 200X2 ≥ 90
80X1 + 150X2 ≥ 48
40X1 + 20X2 ≥ 20
10X1 ≥ 1.5

Min Z = 40X1 + 60X2

Por simplex : tabla I para M= 1000

Cj 40 60 0 0 0 0 M M M M M
Ck Xk bi X1 X2 e2 e3 e4 e5 q1 q2 q3 q4 q5 Θi
M q1 1 1 1 0 0 0 0 1 0 0 0 1 90
M q2 90 100 200 -1 0 0 0 0 0 0 0 0 0.45
M q3 48 80 150 0 -1 0 0 0 0 0 0 0 0.32
M q4 20 40 20 0 0 -1 0 0 0 0 0 0 1
M q5 1.5 10 0 0 0 0 -1 0 0 0 0 0 ∞
Zj 160 0 0 0 0 0 0 0 0 0 0 0
500
Cj – Zj 40 60 0 0 0 0 1000 1000 1000 1000 1000
minZ = 160 500

Tabla II
Cj 40 60 0 0 0 0 0 M M M M M
Ck Xk Bi X1 X2 X3 e1 e2 e3 e4 q1 q2 q3 q4 q5 Θi
M q1 68 0.466 0 1 0 0.06 0 0 1 0 0 -0.06 0 1.45
M q2 26 -6.66 0 0 -1 1.33 0 0 0 0 0 -1.33 1 -
3.89
60 X2 0.32 0.533 1 0 0 -0.06 0 0 0 0 0 0.06 0 0.6
M q4 13.6 29.33 0 0 0 1.33 -1 0 0 0 1 -1.33 0 0.43
M q5 1.5 10 0 0 0 0 0 -1 0 1 0 0 0 0.15
Zj 109 33.1M 60 M - 2,7M - - M M M - M
119,20 +31,98 M -3,6 M M 2,7M
+3.6
Cj – Zj - 0 -M M - M M 0 0 0 3.7M 0
33,1M 2,7M -3.6
+8.02 +3,6

minZ = 109 119,2

Tabla III

Investigación de Operaciones I
140
Tabla IV
M Cj 4 6 0 0 0 0 M M M M M
0 0
q5 Θi C X bi X X e e2 e e4 q q2 q q4 q Θi
K k 1 2 1 3 1 3 5

0 13.07 M q 64 0 0 0 0.06 0 0.0 1 - 0 - 0 13.

minZ = 100 220,4


1 66 466 0.0 0.0 07
46 66

Investigación de Operaciones I
0 -40.5 M q 27 0 0 - 1.33 0 - 0 0.6 0 -6 1 -
2 1 33 0.6 6 1.3 40.
66 33 5
0 4.5 6 X 0. 0 1 0 - 0 0.0 0 - 0 0.0 0 4.5
0 2 24 0.06 53 0.0 66
6 5

141
-1 3.136 M q 9. 0 0 0 0.13 - 2.9 0 - 1 -1 0 3.1
4 2 33 1 33 2.9 36
3
0 -1.5 4 X 0. 1 0 0 0 0 - 0 0.1 0 0 0 -
0 1 15 0.1 1.5
M Z 10 4 6 - 147 - 231 M - M - M
j 0 0 0 M 2.9 M 2.5 23 14
22 12. 72.
0 0 0 M - M - 0
Ing. Mauro Pérez Estrella

Cj – 0, 0 533 0 924
Zj 4 147 231 12. 72.
2.9 2.5 5 9
Tabla V
M Cj 40 60 0 0 0 0 M M M M

q5 Θi CK Xk bi X1 X2 e1 e2 e3 e4 q1 q q3 q4
2

minZ = 29585,47
- 0.366 M q1 0.46 0 0 0 0.00454 0.015 0 1 0 - 0.00454
0.0 36 9 0.015
03

Investigación de Operaciones I
30.7 ∞ M q2 29,0 0 0 -1 1.3636 - 0 0 1 0.227 -1.3636
33 9 0.227
3

00 ∞ 60 X2 0.07 0 1 0 0.00909 0.018 0 0 0 - 0.00909


66 2 1 0.018

142
- ∞ 0 e4 3,13 0 0 0 0.04545 - 1 0 0 0.340 -4.5444
0.0 6 0.340
33
- ∞ 40 X1 0,46 1 0 0 0.00454 - 0 0 0 0.034 0.00454
0.0 36 3.409
03
3- Zj 2958 40 60 -M 1367.81 - 0 M M 211.6 -1397.8
3.0 5,47 211.6
66 3
10 Cj – Zj 0 0 M - 211.6 0 0 0 788.3 2367.8
Ing. Mauro Pérez Estrella

03. 1367.81 3
06
Tabla VI
Cj 40 60 0 0 0 0 M M M M

Θi CK Xk bi X1 X2 e1 e2 e3 e4 q1 q2 q3 q4

minZ = 377,64
0.366 M q1 0.36 0 0 0.0 0.0166 0 0 1 0 - 0
6 033 0.016
6

Investigación de Operaciones I
M e3 21.3 0 0 - -0.1666 1 0 0 0 0.166 -1
∞ 3 0.7 6
33

60 X2 0.26 0 1 - 0.0166 0 0 0 0 - 0
∞ 6 0.0 0.016
06 6

143
0 e4 2.16 0 0 0.0 -0.3333 0 1 0 -1 0.333 0
∞ 6 333 3

40 X1 0.36 1 0 0.0 -0.3333 0 0 0 0 0.333 0


∞ 6 033 3

Zj 377, 40 60 3.0 16.333 0 0 M 0 - 0


64 66 16.33

Cj – Zj 0 0 - -16.333 0 0 0 M 1016. M
Ing. Mauro Pérez Estrella

3.0 3
66
Ing. Mauro Pérez Estrella

033

333

006

033

666

999
0.0

0.7

0.0

0.0

0.2
33
M

q5

.7
6
-

-
M

M
-1
q4

0
0.333
0.016

0.166

0.016

0.333

0.333

999.6
3
M

q3

6
-

-
M

M
-1
q2

0
M

M
q1

0
e4
0

0
e3
0

0
e2
0

0
033

333

033
0.0

0.7

0.0

0.0

0.0

0.2

0.2
33

06

66

66
e1
0

-
X2
60

60
0

0
X1
40

40
0

0
0.36

21.3

0.26

2.16

0.36

30.6
Cj

bi

6
Xk

X2

X1

Zj
e2

e3

e4

Cj – Zj
CK

60

40
M
0

Min = 30.66

a) la solución optima es:

X1 = 0.36666 = 11/30 de Kg de ingrediente 1 por Kg de mezcla


X2 = 0.26666 = 8/30 de Kg de ingrediente 2 por Kg de mezcla
X3 = 0.36666 = 11/30 de Kg de relleno por Kg de mezcla
MinZ = 30.6666

 Se toma la restricción X1 + X2 + X3 =1, con esta restricción se obtiene 5 tablas, si no


hubiéramos considerado esta restricción se obtenían 9 tablas por lo menos y además nos
brinda el valor de X3.

Investigación de Operaciones I
144
Ing. Mauro Pérez Estrella

 Como era de esperar se requiere mas cantidad de X1 que de X2 para minimizar costos,
pero tenemos que tener en cuenta que X3 tiene costo cero por eso se utiliza como relleno.

 No hay holguras, hay variables de exceso.

100X1 + 200X2 – e1 = 90 → e1 =0
80X1 + 150X2 -e2 = 48 → e2 =64/3
40X1 + 20X2 - e3 = 20 → e3 =0
10X1 - e4 = 1.5 → e4 =65/30

 se utilizó 0.3666 = 11/30 de relleno

Para R1 → Precio sombra = 0.266


Para R2 → Precio sombra = 0
Para R3 → Precio sombra = 0.333
Para R4 → Precio sombra = 0
Para R5 → Precio sombra = 0.3

Los precios sombra mayores que cero significa cuanto puede variar la función objetivo a
medida que aumentamos el lado derecho de las restricciones, en el caso de la restricción
1 si aumentamos en 3 el lado derecho el Z = 30.66 -2*0.266 = 30.138, como es un caso
de minimización la función objetivo disminuye.
El precio sombra cero significa que ya no puede variar la función objetivo, a pesar de
aumentar el lado derecho de las restricción.

Problema.

La Forest Corporations suministra árboles provenientes de dos bosques de pinos, al aserradero


y planta de aglomerados de la compañía. Todos los árboles obtenidos se cortan en secciones
de 20 pies de largo (6cm), clasificados en primera, segunda y tercera.

La producción diaria es de 128Hc, y 192Hc para los bosques 1 y 2 respectivamente (1Hc=100


Pies cúbicos). Los costos de transporte del bosque 1 equivalen a 4$/Hc y 7$/Hc hacia el
aserradero y planta de aglomerado respectivamente, los costos de transporte del bosque 2 son
3 y 5$/Hc, hacia el aserradero y planta de aglomerado respectivamente. Los costos de manejo
dependen del tipo de corte según se muestra en la tabla 1.

Tabla 1: costo de manejo por Hc en plantas

Corte Aserradero Planta de aglomerado

Primera y segunda $2.50 $1.20

Investigación de Operaciones I
145
Ing. Mauro Pérez Estrella

tercera $3.50 $1.50

En el aserradero, parte del volumen recibido de madera se vuelve pedacería y aserrín. En la


tabla 2 se muestran los factores promedio de conversión de troncos en el aserradero; así como
las tasas promedio de procesamiento de 360minutos al día.

Tabla 2: factores de conversión de troncos en el aserradero

Cortar Tablones Pedacería Aserrín (Hc/Hc) Tiempo de


(Hc/Hc) (Hc/Hc) procesamiento/
Hc (minuto)
Primera y 0.72 0.16 0.12 1.8
segunda
tercera 0.66 0.20 0.14 2.6

La pedacería del aserradero se transfiere a la planta de aglomerado cuyo costo de transporte


es de 4$/Hc. El aserrín se usa como combustible en el horno de secado del aserradero y se
ahorra 12$ en costos de combustible por Hc.

En la planta de aglomerado los troncos y pedaceria se procesan para producir tablas de varios
espesores. Cada Hc de madera rinde 0.76 M ¾ de aglomerado. La planta puede producir hasta
132 M ¾ de aglomerado por día. Los precios de aglomerado fuera de fabrica son 105$ por
M ¾.

La gerencia de Forest ha fijado una tasa mínima de 96 M ¾ para tablas de aglomerado.

NOTA: 1 M ¾= 1000 pies cuadrados de ¾ pulgadas de espesor.

Se pide:
1) Formular el problema como un modelo de programación lineal.
2) Determinar la solución y el valor óptimo, utilizando el método SIMPLEX (mostrar
todos los tableros).

SOLUCIÓN:

1.- FORMULACION

Variables de decisión

Investigación de Operaciones I
146
Ing. Mauro Pérez Estrella

 ij : Cantidad de cortes del tipo i provenientes del bosque j

i: 1 y 2
j: 1 y 2

11 : Cantidad de cortes de primera y segunda provenientes del bosque 1.


 21 : Cantidad de cortes de tercera provenientes del bosque 1.
12 : Cantidad de cortes de primera y segunda provenientes del bosque 2.
 22 : Cantidad de cortes de tercera provenientes del bosque 2.

Función Objetivo

Utilidades = Ganancia – Costos

 Ganancias = Ahorro por aserrín (combustible) + venta de aglomerado

 Costos = Costo de manejo (Aserradero + planta aglomerado) + costo de transporte


de B1 y B2 al aserradero + costo de transporte de B1 y B2 a la planta de
aglomerado + costo de transporte de pedacería.

 Ahorro 120.12(11  12 )  0.14(21  22 )

 0.72 ( 11  12 )  0.66(  21   22 )  


 Venta de aglomerado 105 0.76  
  0.16 ( 11  12 )  0.2(  21   22 )  
 Costo de manejo de aserradero:
2.5( 11  12 )  3.5(  21   22 )

 Costo de manejo de planta de aglomerado:


1.2 0.72 ( 11  12 )  0.16( 11  12 ) 1.5 0.76(  21   22 ) 0.2(  21   22 )

 Costo de transporte al aserradero:


4( 11   21 )  3( 12   22 )

 Costo de transporte a la planta de aglomerado:


 (0.7212  0.66 22 ) 
7(0.7211 0.66 21 )  (0.1611  0.20 21 ) 5 
  (0.1612  0.20 22 )
 Costo de transporte de pedacería:

Investigación de Operaciones I
147
Ing. Mauro Pérez Estrella

40.16(11  12 )  0.2(  21   22 )

Luego: Max Z 57.30811  60.06812  54.548 21  57.268 22

Restricciones

1) 11   21  128  11   21  S1  128

2) 12   22  192  12   22  S 2  192

3) 1.8( 11  12 )  2.6 (  21   22 )  360

 1.8 11  1.8 12  2.6  21  2.6  22  S 3  360

4) 0.760.88( 11  12 )  0.86 (  21   22 ) 132

 0.668811  0.668812  0.6536 21  0.6536 22  S 4 132

5) 0.760.88( 11  12 )  0.86 (  21   22 ) 96

 0.668811  0.668812  0.6536 21  0.6536 22 e1 q1  96

2.- Aplicación del método simplez:

Se muestran a continuación los tableros del simplex

Notamos que los coeficientes de Cj-Zj son ceros y negativos lo cual nos indica que hemos
llegado al tablero optimo y por lo tanto a la solución y valor óptimo.

SOLUCION OPTIMA

S1=122.6316 e1 = 36.0000 S3=4.7368


X11=5.3684 X12=192.0000 X21= 0 X22= 0
S2= 0 S4= 0

VALOR OPTIMO Zj =11840.7095

Investigación de Operaciones I
148
Ing. Mauro Pérez Estrella

I TABLERO DE SIMPLEX

Se trabaja con un M = 1000

CJ 57.308 60.068 54.548 57.268 0 0 0 0 0 -M

CK XK bi X11 X12 X21 X22 e1 S1 S2 S3 S4 q1 θ1

0 S1 128 1 0 1 0 0 1 0 0 0 0 ω

0 S2 192 0 1 0 1 0 0 1 0 0 0 192

0 S3 360 1.8 1.8 2.6 2.6 0 0 0 1 0 0 200

197.3
0 S4 132 0.668 0.668 0.653 0.653 0 0 0 0 1 0
6
143.5
-M q1 96 0.668 0.668 0.653 0.653 -1 0 0 0 0 1
40

ZJ -96M -0.668M -0.668M -0.653M -0.653M M 0 0 0 0 -M

57.308+ 60.06+ 54.54+ 57.2+


CJ-ZJ -M 0 0 0 0 0
0.668M 0.668M 0.65M 0.65M

II TABLERO

0 S1 128 1 0 1 0 0 1 0 0 0 0 ω

0 S2 48.4593 -1 0 -0.977 0.022 1.495 0 1 0 0 -1.495 32.40

0 S3 101.6268 0 0 0.840 0.840 2.691 0 0 1 0 -2.691 37.76

0 S4 36 0 0 0 0 0.999 0 0 0 1 -0.999 36

60.068 X12 143.5407 1 1 0.977 0.977 -1.495 0 0 0 0 1.495 -96

ZJ 8622.201 60.068 60.068 58.702 58.702 -89.814 0 0 0 0 89.814

-
CJ-ZJ -2.76 0 -4.154 -1.434 89.814 0 0 0 0
1089.81

III TABLERO DE SIMPLEX

Investigación de Operaciones I
149
Ing. Mauro Pérez Estrella

TABLERO ÓPTIMO

128
0 S1 128 1 0 1 0 0 1 0 0 0 0

-
0.668
0 e1 32.4096 -0.6688 0 -0.6536 0.0152 1 0 0 0 -1 48.459
8
3

0 S3 14.3999 1.8 0 2.6 0.800 0 0 -1.8 1 0 0 7.9999

-
0 S4 3.5904 0.6688 0 0.6536 -0.0152 0 0 0.668 0 1 0 5.3684
8

60.0
X12 192 0 1 0 1 0 0 1 0 0 0 ω
68

11533.05 60.06
Zj 0 60.068 0 60.068 0 0 0 0 0
6 8

-
100
Cj -Zj 57.308 0 54.548 -2.8 0 0 60.06 0 0
0
8

122.63 2.2727
0 S1 0 0 0.0227 0 1.00 1.00 0 -1.495 0
16 *10-2

1.000
0 e1 36.00 0 0 0 0 0 0 0 1.00 -1.00
0

0 S3 4.7368 0 0 0.8409 0.8409 0 0 0 1.00 -2.6914 0

-
57.308 X11 5.3684 1.00 0 0.9773 2.2727 0 0 -1.00 0 1.495 0
*10-2

60.068 X12 192.00 0 1.00 0 1.00 0 0 1.00 0 0 0

11840.
Zj 57.308 60.068 56.005 58.765 0 0 2.76 0 85.68 0
70

Cj-Zj 0 0 -1.4575 -1.4975 0 0 -2.76 0 -85.68 -100

PROBLEMAS PROPUESTOS

Investigación de Operaciones I
150
Ing. Mauro Pérez Estrella

Gasolina Turbosina Querone


P1) Una empresa
Crudo ligero 0,45 0,18 0,30 dedicada a la
exportación fabrica
Crudo pesado 0,35 0,36 0,20 el producto A y B a
partir de una
determinada materia prima. La empresa puede comprar hasta 90 libras de materia prima a un
costo de $10/libra. Se puede utilizar una libra de materia prima para producir 1 libra del producto
A, 0.33 libras del producto B. Usar una libra de materia prima para producir una libra del producto
A, requiere 2 horas de mano de obra. Usar una libra de materia prima para producir 0.33 libras
del producto B, requiere 3 horas de mano de obra. Se disponen 200 horas de mano de obra; se
pueden vender a lo más 40 libras del producto B. Se vende el producto A a 13 $/libra y el producto
B a 40 $/libra.
Formule y encuentre la solución y valor óptimo que maximice las utilidades de la empresa, utilice
el método simplex..

P2) Fred Marvin administra la granja de su familia. Para complementar varios alimentos que se
cultivan en la granja, Fred también cría cerdos para venta y desea determinar las cantidades de
los distintos tipos de alimentos disponibles (maíz, grasas y alfalfa) que debe dar a cada cerdo.
Como los cerdos se comerán cualquier mezcla de estos tipos de alimento, el objetivo es determinar
qué mezcla cumple ciertos requisitos nutritivos a un costo mínimo. En la siguiente tabla se dan
las unidades de cada tipo de ingrediente nutritivo básico contenido en 1 kilogramo de cada tipo
de alimento, junto con los requisitos de nutrición diarios y los costos de los alimentos.

Ingrediente Kilogramo de Kilogramo Kilogramo de Requisito


nutritivo maíz de grasas alfalfa mínimo
diario
Carbohidratos 90 20 40 200
Proteínas 30 80 60 180
Vitaminas 10 20 60 150
Costo (pesos) 84 72 60

Formular y resolver el problema. Utilice el método simplex.

P3) Una refinería puede comprar dos tipos de petróleo crudo: crudo ligero a un costo de $ 25
por barril y petróleo pesado a $ 22 por barril. Cada barril de petróleo crudo, ya refinado, produce
tres productos: gasolina, turbosina y querosene. La siguiente tabla indica las cantidades en barriles
de gasolina, turbosina y querosene producido por barril de cada tipo de petróleo crudo.

La refinería se ha comprometido entregar como mínimo 1 260 00 barriles de gasolina, 90000


barriles de turbosina y30000 barriles de querosene.
c) Formular el modelo que minimiza el costo total de producción.
d) Resolver utilizando el método simplex.

P4) En la división de productos químicos de la MS Corporation, los productos A y B son


producidos y requieren de dos operaciones que son las mismas para cada uno. De la producción

Investigación de Operaciones I
151
Ing. Mauro Pérez Estrella

de B resulta un subproducto C; parte de estos subproductos pueden ser vendidos, hasta 12


unidades, los demás tienen que ser destruidos por carencia de demanda.
Las utilidades unitarias para los productos A y B son $ 40 y $ 90 respectivamente. El subproducto
c se vende a $ 20 la unidad (es utilidad). Si C no se puede vender, el costo de destrucción es de $
10. El proceso aporta como máximo 3,1 unidades de C por cada unidad de B producida. Los
pronósticos indican que la demanda de A y B es limitada. Los tiempos de proceso unitario son:
A, 2,6 horas en la operación 1 y 3,3 horas en al operación 2; B, 4,7 horas en la operación 1 y 4,6
horas en la operación 2. Tiempos disponibles: 600 horas para la operación 1 y 650 horas para la
operación 2. Suponga que los productos son divisibles, es decir que se aceptan fracciones de
unidades.
Se pide resolver utilizando método simplex.

P5) La Cía. Silver S.A. produce tres tipos diferentes de juego de plata para té: un juego de lujo,
un juego regular y un juego económico. El departamento de Marketing de la Cía. Ha hecho una
encuesta de mercado para determinar el número esperado de juegos de té que puede ser razonable
producir para la venta mensual. Los resultados de la entrevista hicieron concluir que las
posibilidades de venta de más de 20 juegos de lujo al mes es muy pequeña. Sin embargo, tantos
juegos del tipo regular y económico pueden ser producidos como vendidos.
Cada uno de estos juegos requiere oro, plata y plomo. La Cía.,compra oro y plomo de proveedores
externos a un costo de $ 130 y $ 0,60 por onza respectivamente. El costo de producción de plata
de la Cía., es estimado en alrededor de $ 45 por onza. Un juego de lujo para ser terminado requiere
de 2 onzas de oro, 6 onzas de plata y 300 onzas de plomo. El juego regular requiere 1,5 onzas de
oro, 4 onzas de plata y 250 onzas de plomo. El juego económico requiere 1 onzas de oro, 2 onzas
de plata y 200 onzas de plomo.
La provisión mensual de los metales está limitada a 72 onzas de oro, 200 onzas de plata y 13200
onzas de plomo. La Cía. Silver es solo una de los muchos productores de los juegos de té indicados
anteriormente, razón por la cual sus precios son fijados por el mercado. Actualmente el modelo
de luo puede ser vendido a $ 2000 el juego, el regular a $ 1500 el juego y el económico a $ 1000
el juego.
Se pide resolver utilizando método simplex.

P6) Una fábrica de cerveza produce cuatro variedades distintas de esta bebida (Ligth, Dark, Ale
y Premiun). En la siguiente tabla se indican las cantidades de malta, lúpulo y levadura necesarias
para producir una unidad de volumen de cada una de las cuatro modalidades. También se indican
la cantidad total disponible de cada una de estas tres

materias primas y el beneficio en euros producido por la venta de una unidad de volumen de cada
una de las cuatro modalidades de cerveza.
Plantear el problema de optimización adecuado para determinar la producción en unidades de
volumen de cada tipo de cerveza de manera que se maximice el beneficio del fabricante.

Ligth Dark Ale Premium Disponible


Malta 1 1 0 3 50
Lúpulo 2 1 2 1 150
Levadura 1 1 1 4 80
Beneficio 6 5 3 7

P7) Cierta compañía debe producir al menos 600000 tornillos pequeños y 400000 tornillos
grandes para satisfacer la demanda de las siguientes 4 semanas. Estos tornillos pueden producirse
en dos máquinas distintas, cada una de las cuales está disponible 40 horas a la semana. Los
requerimientos de costos y tiempo para producir cada tamaño de tornillo en cada máquina y el
precio de venta de cada tamaño de tornillo se muestran en la siguiente tabla:

Investigación de Operaciones I
152
Ing. Mauro Pérez Estrella

Tornillos pequeños Tornillos grandes


Precio de venta ($/1000) 27.50 32.50
Costo en la máq. 1 ($/1000) 6.25 7.75
Costo en la máq. 2 ($/1000) 8.00 9.25
Tiempo en la máq.1 (min/lib) 1.50 1.75
Tiempo en la máq.2 (min/lib) 1.00 1.25

En cada libra hay aproximadamente 60 tornillos pequeños y 40 tornillos grandes.


El gerente de producción desea maximizar la ganancia y satisfacer la demanda con la
disponibilidad de tiempo de máquina en las siguientes 4 semanas. Utilice el método simplex.

P8) Una compañía aérea está considerando la compra de nuevos aviones, existiendo tres tipos de
ofertas: tipo A para vuelos largos, tipo B para vuelos medianos y tipo C para vuelos cortos. Los
precios de compra por avión de cada tipo son: 6700000 los del tipo A, 5000000 del B y 3500000
del C. la compañía cuenta con un fondo de 150000000 para este propósito. Los beneficios netos
por avión son de 420000 para A, 300000 para B y 230000 para C. la compañía cuenta con pilotos
para atender hasta 30 nuevos aviones. Si solamente se adquieren aviones del tipo C, las facilidades
de mantenimiento alcanzarían para 40 aviones, sin embargo cada avión de tipo A equivale a 5/3
de avión del tipo C y el B equivale a 4/3, en términos de facilidades de mantenimiento. Se desea
saber cómo debe estructurarse la compra de nuevos aviones con el objetivo de obtener el máximo
beneficio. Utilizar el método simplex.

P9) El gobierno de un país ha dispuesto $ 1,500 millones de su presupuesto general para fines
militares. Sesenta por ciento del presupuesto militar se usará para comprar tanques, aviones y
proyectiles. Estos pueden adquirirse a un costo por unidad de $ 600,000, $ 2 millones, y $ 800,000,
respectivamente. Se ha decidido que se deben adquirir al menos 200 tanques y 200 aviones.
Debido a la escaséz de pilotos experimentado también se ha decidido no comprar más de 300
aviones. Por razones estratégicas la proporción de proyectiles a aviones comprados debe estar en
el rango de ¼ a ½. El objetivo es maximizar la utilidad total de estas armas, en donde las utilidades
individuales están dadas como 1, 3 y 2 respectivamente. Formular, resolver y comentar la solución
óptima. Aplicar el método Simplex.

Investigación de Operaciones I
153
Ing. Mauro Pérez Estrella

DUALIDAD

TEORÍA DE DUALIDAD

Uno de los descubrimientos más importantes durante el desarrollo inicial de la programación


lineal fue el concepto de dualidad y sus muchas e importantes ramificaciones. Este
descubrimiento revelo que asociado a todo problema de P.L., existe otro problema lineal llamado
DUAL. Las relaciones entre el problema dual y el original (llamado primal) son extremadamente
útiles en una gran variedad de situaciones.

Uno de los aspectos más importantes de la teoría de dualidad es la interpretación y realización del
“análisis de sensibilidad”.

Esencia de la Teoría de Dualidad.

Dada la forma estándar para el problema primal (después de hacer la conversión de una a otra
forma), su problema dual tiene la forma que se muestra a la derecha.

Problema Primal

Investigación de Operaciones I
154
Ing. Mauro Pérez Estrella

n
MaxZ   c j x j
j 1
s.a:
n

j 1
aij x j   bi

xj  0 Para i = 1,2,…. m

Para j = 1,2,…. n

Problema dual
m
MinG   bi wi
c 1
s.a:
m


i 1
aij wi  c j

Para j = 1,2,…. n
wi  0 Para i = 1,2,…. m

TABLA DE RELACIONES PRIMAL – DUAL

Min Max
 0 

 0  Restricciones
Variables
Libre =

Restricciones   0
  0 Variables
= Libre

Ejemplo: Max Z = 4x1 + 3x2 + 6x3


s.a:
x1 + 2x2 + x3  6  w1
P 4x1 + x2 + 2x3 = 4  w2
3x1 + 6x2 + x3  3  w3
 x1  0
x2  0
x3 Libre

Investigación de Operaciones I
155
Ing. Mauro Pérez Estrella

min G = 6w1 + 4w2 + 3w3


s.a:
w1 + 4w2 + 3w3  4
2w1 + w2 + 6w3  3
D w1 + 2w2 + w3 = 6
w1  0
w2 Libre
w3  0

Características en las Relaciones P.D.

1. A todo problema lineal de maximización le corresponde uno de minimización.


2. Si el problema original tiene n variables y m restricciones su modelo dual tendrá m variables
y n restricciones.
3. Si el problema original utiliza la matriz A de restricciones su modelo dual utilizará la matriz
At.
4. Las constantes del lado derecho del modelo primal constituyen los coeficientes de la
función objetivo de su problema dual.
5. Los coeficientes de la función objetivo primal constituyen. Las constantes del lado derecho
del problema dual.
6. La primera columna de coeficientes de la matriz de restricciones del problema primal
originan la primera fila o restricción de su problema dual.
7. El tipo de restricción del modelo dual esta dada por el rango de la variable primal asociada
(a esa fila).
8. El rango de la variable dual es determinada por el tipo de restricción del modelo primal
(asociado de la variable dual).

Lema 1
El dual del dual es el primal.

 max Z  4 x1  3x2  min G  8w1  6w2 max Z  4 x  3x2


  
s.a. x1  x2  8  w1  3w2  4  x1  x2  8
P   D   P 
 3x1  2 x2  6  w1  2w2  3  3x1  2 x2  6
   x1 , x2  0
 x1 , x2  0  w1 , w2  0 

Lema 2

Esto es con relación a los valores objetivos “El valor de la función objetivo en un problema de
minimización es siempre mayor o igual que el valor de la función objetivo para cualquier
solución factible de un problema de maximización”

Si x0 y w0 son soluciones factibles de los problemas primal y dual, se cumple:

Cx0  bw0

Ejemplo:

Investigación de Operaciones I
156
Ing. Mauro Pérez Estrella

min Z  6 x1  8 x2 Sol. Factible


 X1 = 0
 3x1  x2  4
P  X2 = 4
 5 x1  2 x2  7 Zopt = 32
  x1  0

max G  4w1  7 w2

 3w1  5w2  6
D 
 w1  2w2  8
  w1  0

Corolario 1

Si x0 y w0, son soluciones factibles de los problemas primal y dual respectivamente y son tales
que:
Cx0 = bw0
Quiere decir que x0 y w0 son valores óptimos de los respectivos modelos.

Corolario 2

Si uno de los problemas tiene valor objetivo no acotado, es decir no finito, el otro problema
asociado no tiene solución factible.

Ejemplo:

min Z  x1  x 2 max G  w1  w2
 
 x1  x 2  1  w1  w2  1
P  D 
 x1  x 2  1   w1  w2  8

 
x1 x 2  0  w1w2  0

Teorema Fundamental de la Dualidad.

Para un problema de P.L. cuyo primal está asociado a un Dual, sólo una de las proposiciones es
cierta.

1) Si ambos problemas tienen soluciones óptimas y x0 y w0 son soluciones óptimas se cumple:

Cx0 = bw0

2) Si uno de los problemas tiene valor objetivo no finito su dual será no factible.
3) Ambos son no factibles.

Investigación de Operaciones I
157
Ing. Mauro Pérez Estrella

Teorema Débil de Holgura Complementaria

Si una variable es positiva en uno de los problemas, la restricción asociada en el otro problema es
sin holgura y si una restricción en uno de los problemas es con holgura, la variable
correspondiente en el otro problema es cero.

Ejemplo: min Z = 2x1 + 3x2 + 5x3 + 2x4 + 3x5

s.a:
x1 + x2 + 2x3 + x4 + 3x5  4  w1
2x1 + 2x2 + 3x3 + x4 + x5  3  w3
 xi  0

Dual: max G = 4w1 + 3w2

s.a: w1 + 2w2  2 ……………… (1)  x1


w1 + 2w2  3 ……………… (2)  x2
2w1 + 3w2  5 ……………… (3)  x3
w1 + w2  2 ……………… (4)  x4
3w1 + w2  3 ……………… (5)  x5

Por grafica se obtiene :

w1 = 4/5, w2 = 3/5, Góptimo = 5

en (1) w1 + w2 + S1 = 2
4/5 + 2(3/5) + S1 = 2
S1 = 0  x1 positiva, es decir
x1  0
Similarmente con las otras restricciones:

de (2): S2 = 3.4  x2 = 0
de (3): S3 = 1.6  x3 = 0
de (4): S4 = 0.6  x4 = 0

de (5): S5 = 0  x5  0

Luego: x1 + x2 + 2x3 + x4 + 3x5  4


2x1 - 2x2 + 3x3 + x4 + x5  3

Resolviendo el sistema: x1 = 1, x5 = 1  Zópt. = 5

Problema

Utilizando holgura complementaria, y a su vez utilizando el método grafico resolver el siguiente


problema.

Max Z = 200X1 + 130X2 + 2200X3 + 7480X4 + 13890X5


s.a :
X1 + 13X3 + 14X4 + 40X5 ≥ 30
X2 - 7X3 + 45X4 + 65X5 ≥ 60 Xi ≥ 0

Investigación de Operaciones I
158
Ing. Mauro Pérez Estrella

Solución:

Modelo dual:

MAX G= 30W1 + 60W2


s. a:
W1 ≤ 200 W1=200 …………………L1
W2 ≤ 130 W2=130 …………………L2
13W1 - 7W2 ≤ 2200 W1= 0 , W2 = -314.3 ó W2= 0 , W1 =169.2 …..L3
14W1 + 45W2 ≤ 7480 W1= 0 , W2 = 166,2 ó W2= 0 , W1 = 534.3 …..L4
40W1 + 65W2 ≤ 13890 W1= 0 , W2 = 213.7 ó W2= 0 , W1 = 347.2 ….L5
Wi≥0

Resolviendo por el método grafico:

Fig. 3.1

Aplicando la holgura complementaria

Restricción1 W1 + e1 = 200

Restriccion2 W2 + e2 = 130

Restricción3 13W1 - 7W2 + e3 =2200

Restricción4 14W1 + 45W2 + e4 = 7480

Restriccion5 40W1 + 65W2 + e5 = 13890

De la gráfica: El punto óptimo ocurre en el punto C (156, 177.7)


Góptimo = 11742
W1 = 156
W2 = 117.7

Aplicando holgura complementario

Investigación de Operaciones I
159
Ing. Mauro Pérez Estrella

W1 + e1 = 200
e1= 44 ........... X1= 0
W2 + e2 = 130
e2= 12.3 ....... X2 = 0
13W1 - 7W2 + e3 = 2200
e3=1204.1 .... X3 = 0
14W1 + 45W2 + e4 = 7480
e4= 0 ............. X4 ≠ 0
40W1 + 65W2 + e5 = 13890
e5= 0 ………. X5 ≠= 0
Por lo tanto:
14X4 + 40X5 = 30
45X4 + 65X5 = 60

Solución óptimo primal:

X3 = 0.506
X2 = 0.573
Z optima = 11743.8

Interpretación Económica del Dual

La interpretación económica de la dualidad se basa directamente en la interpretación más


frecuente del problema primal.

Como: min G = b w i i

s.a: a w ij i  cj
wi  0
Cada biwi puede interpretarse como la “contribución a la ganancia”, por disponer de b i unidades
del recurso i para el problema primal. Asi,

La variable wi se interpreta como la contribución a la ganancia por unidad del recurso


i (i = 1,2,….n).

Cuando se usa el conjunto actual de variables básicas para obtener la solución primal.

Como cada unidad de la actividad j en el problema primal consume cij unidades del recurso i.

m
 aij wi se interpreta como la contribución actual a la ganancia, de esa mezcla de
c 1
recursos que se consumiría si se usara 1 unidad de la actividad j (j =1,2,…..n).

Al interpretar Cj como la ganancia unitaria debido a la actividad j, cada restricción funcional en


el problema dual se interpreta como sigue:

m
 aij wi  cj
c 1

Investigación de Operaciones I
160
Ing. Mauro Pérez Estrella

Dice que la contribución actual a la ganancia de la mezcla de recursos debe ser, por lo menos tan
grande como si se utilizara por 1 unidad de la actividad j; de otra manera no se estaría llevando a
cabo la mejor utilización de estos recursos.

De igual manera, la interpretación de las restricciones de no negatividad es la siguiente:

wi  0 , dice que la contribución a la ganancia por parte del recurso i (i = 1,2,…..n) debe
ser no negativa, de lo contrario sería mejor no usar este recurso en absoluto.

Así por ejemplo:


 max Z   c j x j   min G   bi wi 
   
P   aij x j  bi  D   aij wi  c j 
 x j  0   wi  0 
   

Z = utilidad máx. G = Valor total de los recursos


cj = utilidad por unidad de producto j wi = precio, costo, valor intrínsico
del recurso.
Aijwi= valor tot. asociada a los
recursos

Aplicación

Productos Disponibilidad
(hr/mes)
A B
Proceso 1 3 2 2000
Proceso 2 1 2 1000
(Utilidad $) 40 60

Max Z = 40x1 + 60x2


s.a:
3x1 + 2x2  2000  w1
x1 + 2 x2  1000  w2
 xj  0

Formulación del Dual

Variables de decisión: w1, w2 : precios a los recursos.

F.O. min G = 2000 w1 + 1000w2  es la rentabilidad misma de las ventas


de los productos.

s.a:
3w1 + w2  40  Los precios que se fijan para los recursos para hacer A,
debe ser mayor que la contribución que ofrece el
producto A cuando se ofrece.

2w1 + w2  60  Los precios que se establecen para los recursos para


hacer B debe ser mayor o igual que la contribución
que ofrece el producto B, cuando se ofrece.

Análisis de la Solución Óptima primal

Investigación de Operaciones I
161
Ing. Mauro Pérez Estrella

Tablero óptimo para el primal

cj 40 60 0 0
ck xk bi x1 x2 S1 S2
e1 40 x1 500 1 0 0.5 -0.5
e2 60 x2 250 0 1 -0.25 0.75
Zj 35000 40 60 5 25
cj Zj 0 0 -5 -25
e1 e2 W1 W2

Solución óptimo: x1 = 500


x2 = 250
Zópt. = 35000

Tablero Óptimo Dual

bi 2000 1000 0 0 M M
bk wk cj w1 w2 e1 e2 q1 q2
2000 w1 5 1 0 -0.5 0.25 0.5 -0.25
1000 w2 25 0 1 0.5 -0.75 -0.5 0.75
gi 35000 2000 1000 -500 -250 500 250
bi - gi 0 0 500 250 M-500 M-250
Valor de
intersección entre x1 y e1 = 0.5 y se coloca con el signo cambiado en la intersección w1 y e1.

Los valores de q1 y q2 serán los mismos valores de e1 y e2 respectivamente pero con el signo
cambiado.

ANÁLISIS DE SENSIBILIDAD – POST OPTIMAL

Investigación de Operaciones I
162
Ing. Mauro Pérez Estrella

ANALISIS DE SENSIBILIDAD

En aplicaciones prácticas a menudo, no solamente interesa la solución del problema, sino también
se desea saber como varía esta solución si las condiciones iniciales se modifican (por ejemplo los
coeficientes de la función objetivo cj , la disponibilidad de recursos bi y las cantidades de recursos
aij utilizadas. Las investigaciones que tratan los cambios de la solución óptima, son llamadas
“Análisis de Sensibilidad”.

En el presente capítulo trataremos del análisis de sensibilidad que determinan los rangos de
variación de los (cj, bi, aij), para el cual la solución, tal como se anunció originalmente, permanece
óptimo.

1) Sensibilidad de los Coeficientes de la Función Objetivo (cj)

a) Coeficientes de V.N. Básicas en la función objetivo para el siguiente problema:

maxZ = 3x1 + 2x2 + x3


s.a:
x1 + 2x2 + x3  100
x1 + x2 + 2x3  90
2x1 + 3x3  120
 xj  0 ; j = 1,2,3

Tablero óptimo

cj 3 2 1 0 0 0
ck xk bi x1 x2 x3 S1 S2 S3
0 x2 20 0 1 -1/4 1/2 0 -1/4
0 S2 10 0 0 3/4 -1/2 1 -1/4
3 X1 60 1 0 3/2 0 0 1/2
Zj 220 3 2 4 1 0 1
cj Zj 0 0 -3 -1 0 -1

V.N. Básicas : x3 , S1, S3

Caso de maximización: Caso minimización

   c j  c j  c j c j  c j  c j  

- Considerando para x3  c3

    c3  c3  c3

Hallamos:
c3  Z 3  c3  3

Investigación de Operaciones I
163
Ing. Mauro Pérez Estrella

    c3  1  3     c3  4

- Considerando para S1  c4

    c4  c4  c4

 c4  Z 4  c4  1     c4  0  1

    c4  1

- Considerando para S3  c6

    c6  c6  c6

 c6  Z 6  c6  1

    c6  0  1     c6  1

b) Coeficientes de V. Básicos en la fun..obj.

Z j cj
ck'  ck  ck donde: ck 
aij
min

Relación que deben cumplir los coeficientes de la función objetivo, su signo, su variación y el
signo de esta, el signo de los aij y el objetivo del problema para provocar variaciones de la solución
óptima.

Para el caso de maximización

Cuando:
aij  0    cj
No existe:
aij  0  cj  

Para el caso de minimización

Cuando:
aij  0  cj  
No existe:
aij  0    cj

En nuestro ejemplo:

V. Básicas : x1, x2, S2

Investigación de Operaciones I
164
Ing. Mauro Pérez Estrella

Caso maximización:

 c j  c 'j  c j  c j  c 'j

Z j cj
c 'j 
aij
min

a ij  0 ( Límite Superior )

a ij  0 ( Límite Inferior )

- Considerando para x1  c1

 c1  c1'  c1  c1  c1'

Límite Superior:

Coeficiente ck Objetivo del Problema


Maximizar Minimizar
Positivo + aij < 0 aij > 0
- aij > 0 aij < 0

Negativo +  aij > 0 aij < 0


- aij < 0 aij > 0

Z1  c1
c1'  ; aij  0 
aij
aij  0 min

 c1  

0 3
Límite Inferior: c1'  0 c1'  2
aij  0 1 3/ 2

1
c1'  2  el menor es c1  0
'

1/ 2
 c1  c1'  c1  c1  c1'  3  0  c1  

Luego 3  c1  

Para S2 : c5

Investigación de Operaciones I
165
Ing. Mauro Pérez Estrella

c5  c5'  c5  c5  c5'

Límite Superior
1 1
c 5'   2 ; c 5'  4
 1/ 2  1/ 4

 el menor es c5'  2

Límite Inferior:

Z j cj
c5' 
aij
aij  0 min

0 3
 c5   0 ; c5'  4
'

1 3/ 4

 el menor es c5'  0

 0  0  c5  0  2  0  c5  2

Considerando para x2  c2

c2  c2'  c2  c2  c2'

Límite Superior:

Z j cj 3
c2'  ;  c2'   12
aij aij  0  1/ 4
aij  0 min

1
c 2'  4 ;
1/ 4

 el menor es c2'  4

Límite Inferior:

Z j cj
c2' 
aij
aij  0 min

0 1
c2'  0 ; c2'  2
1/ 2 1/ 2

Investigación de Operaciones I
166
Ing. Mauro Pérez Estrella

 el menor es c2  0
'

 2  0  c2  2  4  2  c2  6

2. Sensibilidad en las constantes del lado derecho (b i)

Procedimiento:

1) Formular el dual del primal correspondiente


2) Determinar el tablero óptimo dual
3) Encontrar el rango de variación de las V:B. y V.N.B. del modelo dual, ya que los
coeficientes de la función objetivo del dual constituyen las constantes del lado derecho del
modelo primal.

bi  bi  bi  bi  bi

g i  bi
bi  g i  bi ; bi' 
aij
min

Problemas propuestos

P1) Resolver el siguiente P.L.L., empleando el teorema de holgura complementaria.


Utilice el método gráfico

Min Z = 43x1+34x2+28x3+46x4+57x5
s. a:
10x1+12x2+9x3+6x4+8x4 >=560
7x1+8x2+12x3+11x4+9x5>=400

 xj  0

P2) Dado el siguiente problema de P.P.L.

Max Z = 12x1 + 14x2+1 3x3

s.a:
x1 + 3x2 + 2x3 ≤ 330…….horas máquina dpto. mecanizado
x1 + x2 + x3 ≤ 324 ……hrs. máquina dpto. pulido
3x1 + 5x2 + 3x3 ≤ 660 ….. kgs. de materia prima  xj  0

Se pide:
c) Determinar la solución óptima, empleando el método primal Simplex.
d) Determine el rango de variación de los coeficientes “Cj” asociados a la s V.N.B.
y V.B., así como el de los términos independientes.
e) Si el coeficiente C1 = 12 se cambia por C’1 = 14. Se modifica la solución óptima?
Justifique su respuesta.

Investigación de Operaciones I
167
Ing. Mauro Pérez Estrella

f)
Por efecto de demanda la cantidad de materia prima disminuye a 450 kg. Se
modifica la solución óptima? Usar análisis de sensibilidad.
P3) Dado el siguiente modelo:

Max Z = 22x1 +11 x2+24x3

s.a:
4x1 + 3x2 + 8x3 ≤ 120
4x1 + x2 + 12x3 ≤ 86
4x1 - x2 + 3x3 ≤ 90  xj  0 ; j = 1, 2, 3
Cuyo tablero de solución es el siguiente:

cj 22 11 24 0 0 0
ck xk bi x1 x2 x3 S1 S2 S3
11 x2 17 0 1 -2 0.5 -0.5 0
0 S3 38 0 0 -13 1 -2 1
22 x1 17.25 1 0 3.5 -0.125 0.375 0
Zj 566.5 22 11 55 2.75 2.75 0
Cj - Zj 0 0 31 2.75 2.75 0

Se pide:

a) Formular el modelo dual del problema.

b) Hallar el tablero óptimo dual a partir del tablero primal.

P4) Dado el siguiente problema de P.P.L.


MaxZ = 2x1 + 4x2+ 3x3 - 3x4 +3x5
st
x1 + 3x2 + 2x3 + 4x4 + x5 <= 300
x1 + x2 + x3 + 2x4 + 3x5 <= 240
3x1 + 5x2 + 3x3 +4 x4 <=600  xj  0

Se pide:
a) Determinar la solución óptima
b) Formular el dual correspondiente.
c) Determine el rango de variación de los coeficientes “Cj” asociados a las
actividades 3 y 4.

P5) Resolver el siguiente P.L.L., empleando el teorema de holgura complementaria.


Utilice el método gráfico

Investigación de Operaciones I
168
Ing. Mauro Pérez Estrella

Min 25x1 + 43.75x2 + 30x3 + 12x4


s.a:
2.8x1 + 6x2 + 7x3 >= 25
2x1 + 3.5x2 + 2.4x3 + x4 >= 35  xj  0

P6) Una Cía. Produce diversos cuchillos para cacería. Cada cuchillo es fabricado por
cuatro máquinas. En la tabla siguiente se muestra los tiempos de procesamiento
requeridos (en horas), las capacidades de horas-máquinas son: 1500 para la máquina 1,
1400 para la máquina 2, 1700 para la máquina 3 y 1600 para la máquina 4.
Cuchillo Tiempo de procesamiento(h)
Máq. 1 Máq. 2 Máq. 3 Máq. 4
A 0.05 0.10 0.15 0.05
B 0.15 0.10 0.05 0.05
C 0.20 0.05 0.10 0.20
D 0.15 0.10 0.10 0.10

Cada producto contiene una cantidad diferente de dos materias primas básicas. La
materia prima 1 cuesta $ 0.5 por onza y la materia prima 2 cuesta $ 1.50 por onza. Las
cantidades disponibles son: 75000 onzas de la materia prima 1 y de 120000 onzas de la
materia prima 2.

Cuchillo Requisitos (onzas/unidad)


Materia prima 1 Materia prima 2 Precio de venta ($/unidad)
A 4 2 15.00
B 6 8 24.50
C 1 3 14.30
D 2 5 18.70
Suponiendo que los costos de mano de obra son insignificantes y el objetivo es maximizar
las ganancias, se pide:
a) Resolver y hallar el plan de producción óptimo
b) Cuál es efecto que produce la reducción en el precio de venta del cuchillo B a 22
$/unidad. Use análisis de sensibilidad.
c) Si se incrementa las horas de la máquina 1 hasta 2140 horas, ¿cambia la solución
óptima?. Justifique su respuesta.

Investigación de Operaciones I
169
Ing. Mauro Pérez Estrella

d) Los clientes solicitaron que los cuchillo A deben de contener 6 y 3 onzas/unidad


de las materias primas 1 y 2 respectivamente, ¿qué sucede con la solución
óptima?. Justifique su respuesta.

P7) Dado el siguiente problema de P.P.L.


MaxZ = 2x1 + 4x2+ 3x3 - 3x4 +3x5
st
x1 + 3x2 + 2x3 + 4x4 + x5 <= 300
x1 + x2 + x3 + 2x4 + 3x5 <= 240
3x1 + 5x2 + 3x3 +4 x4 <=600  xj  0
Se pide:
g) Determinar la solución óptima
h) Formular el dual correspondiente y elaborar el tablero óptimo dual a partir del
tablero óptimo primal.
i) Determine el rango de variación de los coeficientes “C j” asociados a la s V.N.B.

y V.B., así como el de los términos independientes.

P8) dado el siguiente modelo de P.L.


Max 12x1 + 21x2- 8x3 +13x4
s.a:
x1 + 3x2 + 2x3 + 4x4 <= 700
x1 + x2 + x3 + 2x4 >=180
3x1 + 5x2 + 3x3 +4x4 <= 600  xj  0
Cuyo tablero óptimo es:

cj 12 21 -8 13 0 0 0 -M
Ck xk bi X1 X2 X3 X4 S1 e1 S2 q1
0 S1 460 0 0 1 4 1 -2 -1 2
12 X1 150 1 0 1 3 0 -2.5 -0.5 2.5
21 X2 30 0 1 0 -1 0 1.5 0.5 -1.5
Zj 2430 12 21 12 15 0 1.5 4.5 -1.5
Zj-Cj 0 0 20 2 0 1.5 4.5 M-1.5

Investigación de Operaciones I
170
Ing. Mauro Pérez Estrella

Determine el tablero óptimo dual a partir del tablero óptimo primal dado.

P9) Un taller tiene tres tipos de máquinas, A, B y C; puede fabricar tres productos 1,2 y
3; todos los productos tienen que ir a cada máquina y cada uno va en el mismo orden:
primero a la máquina A, luego a la B y luego a la C. La tabla siguiente muestra:
1) Las horas requeridas en cada máquina, por unidad de producto.
2) Las horas totales disponibles en cada máquina, por semana
3) La ganancia por unidad vendida de cada producto.

Tipo de máquina Producto Producto 2 Producto 3 Horas disponibles por


1 semana
A 2 2 3 20
B 1 2 2.5 16
C 4 2 4.5 33
Horas de
inspección 0.20 0.26 0.30 10
Ganancia por 1 1.50 2.0
unidad

a) Resolver por el método simplex.


b) Cuántas horas semanales sobran en cada máquina?.
c) Determine la variación de la ganancia, de modo que se conserve la solución
óptima.
d) Determine el rango de variación para las horas disponibles de cada máquina.

P10) Resolver el siguiente problema, utilizando el teorema de holgura complementaria


(hacer uso del método gráfico).
Max Z = 20X1 + 230X2 + 4560X3 + 4260X4 + 10X5 + 55X6
s.a :
X1 + 2X2 + 30X3 + 10X4 - 6X5 ≤ 16
X2 + 22X3 + 13X4 + 20X5 + X6 ≤ 20
 Xi ≥ 0

P11) Una fábrica produce cuatro productos A, B, C, y D. Cada unidad del producto A
requiere de dos horas de maquinado, una hora de montaje y cuesta $10 en el inventario

Investigación de Operaciones I
171
Ing. Mauro Pérez Estrella

de proceso. Cada unidad del producto B requiere de una hora de maquinado, tres horas
de montaje y cuesta $5 en el inventario de proceso. Cada unidad C necesita dos horas y
media de maquinado, dos horas y media de montaje y cuesta $2 en el inventario de
proceso. Finalmente cada unidad del producto D requiere de cinco horas de maquinado,
no necesita tiempo de montaje y cuesta $12 en el inventario de proceso. La fábrica
dispone de 1400 horas de maquinado y 1800 horas de montaje. Además, no puede
disponer más de $12000 en el inventario de proceso. Cada unidad del producto A tiene
una utilidad de $40; cada unidad de B de $24; cada unidad de C de $36 y cada unidad de
D, de $23. Puede venderse cualquier cantidad de unidades de los productos A, B, C y D.
Sin embargo para cumplir con un contrato debe producirse y venderse por lo menos 100
unidades del producto D. El objetivo de la fábrica es maximizar la utilidad resultante de
la venta de los cuatro productos.
Se pide:
a) Resolver el problema para determinar el plan de producción óptimo
b) Qué sucede con la solución óptima si se incrementa las horas de montaje en un
14%,. Usar análisis de sensibilidad.
c) Debido a la demanda del producto B el precio de éste se incrementa, obteniéndose
una utilidad de $ 32 la unidad. Se modifica la solución óptima? Justifique su
respuesta.

P12) dado el siguiente modelo de P.L.


Max = 12x1 + 21x2- 8x3 +13x4
s.a:
x1 + 3x2 + 2x3 + 4x4 <= 700
x1 + x2 + x3 + 2x4 >=180
3x1 + 5x2 + 3x3 +4x4 <= 600  xj  0
Cuyo tablero óptimo es:
cj 12 21 -8 13 0 0 0 -M
Ck xk bi X1 X2 X3 X4 S1 e1 S2 q1
0 S1 460 0 0 1 4 1 -2 -1 2
12 X1 150 1 0 1 3 0 -2.5 -0.5 2.5
21 X2 30 0 1 0 -1 0 1.5 0.5 -1.5
Zj 2430 12 21 12 15 0 1.5 4.5 -1.5
Zj-Cj 0 0 20 2 0 1.5 4.5 M-1.5

Investigación de Operaciones I
172
Ing. Mauro Pérez Estrella

Determine el tablero óptimo dual a partir del tablero óptimo primal dado.

P13)
Una companía emplea especialistas en recursos forestales con amplia experiencia (senior)
y poca experiencia (junior) que son asignados a diferentes trabajos de acondicionamiento
de medio ambiente. Los salarios diarios son de $70 para cada especialista senior y de $45
para cada junior. Trabajando solo, un especialista senior procesa una hectárea de terreno
en cuatro días. Un especialista junior requiere de siete días para realizar la misma tarea.
Sin embargo si ambos tipos de personal son asignados a un proyecto dos días de trabajo
senior y 3 dias de trabajo junio serán suficientes para completar una hectárea. La
compañía recibe $600 por cada hectárea que procesa. Los requisitos de supervisión
depende del tipo de especialistas forestales que se asignan a un proyecto; 0,8 días de
tiempo de supervisor se requiere para cada tipo de hectárea procesada por un especialista
senior; 1,0 día de supervisión se requiere por hectárea procesada por un especialista
junior, y 2,0 días de supervisor por hectárea se requiere para proyectos que emp`lean a
especialistas senior y junior. En total 450 días de supervisió, 1200 días de mano de obra
de especialista junior y 1000 días de habilidades de especialista senior están disponibles.
¿Cómo debería emplearse la mano de obra para maximizar el ingreso para la compañía?
a. Formular el problema como uno de Programación Lineal.
b. Hallar la solución óptima del problema formulado en (a), aplicando el método
simplex. Mostrar la tabla óptima y comentar la solución.
c. Plantear el modelo dual del problema formulado en (a). hallara la solución óptima
del modelo dual empelando la solución óptima del modelo original.

P14)

Una compañía fabrica dos tipos de caramenlo: A y B, para exportación que vende en
cajas. Cada producto requiere de tiempos (minutos/caja) entre procesos: mezclado, cocido
y en empaque). La compañía desea conocer cuántas cajas se deben producir de los
caramelos tipo A y B, para maximizar la utilidad total. El siguiente modelo de
programación Lineal describe el problema de producción de la compañía:

Max Z = 40XA +50XB Utilidad


s.a:
XA +2XB ≤ 720 Mezclado
5XA +4XB ≤ 1800 Cocido
3XA +XB ≤ 900 Empaque
 xj  0
a. Hallar la solución óptima del modelo, aplicando el método simplex. Mostrar la
tabla óptima.
b. Identificar e interpretar el precio sombra de cada restricción.
c. Determinar los intervalos de los coeficientes de la función objetivo ( C j) que
mantiene óptima la solución. Analizar y comentar los resultados
d. Determianr los intervalos de las constantes del lado derecho (b i) que mantiene
óptima la solución y los precios sombra. Analizar y comentar los resultados.
e. Usar la información obtenida en a, b, c y d para construir el reporte lindo, según
formato adjunto.

Investigación de Operaciones I
173
Ing. Mauro Pérez Estrella

LP OPTIMUM FOUND AT STEP 2

OBJECTIVE FUNCTION VALUE

1) ………………

VARIABLE VALUE REDUCED COST


XA …………… ……………..
XB …………… …………….

ROW SLACK OR SURPLUS DUAL PRICES


2) ………….. ……………
3) …………. …………….
4) ………….. …………….

NO. ITERATIONS= 2

RANGES IN WHICH THE BASIS IS UNCHANGED:

OBJ COEFFICIENT RANGES


VARIABLE CURRENT ALLOWABLE ALLOWABLE
COEF INCREASE DECREASE
XA ……. ………… ……….
XB ……. ………… ……….

RIGHTHAND SIDE RANGES


ROW CURRENT ALLOWABLE ALLOWABLE
RHS INCREASE DECREASE
2 …….. …………… ………….
3 …….. ………….. ………….
4 …….. …………. ………….

ANALISIS POST-OPTIMAL

Investigación de Operaciones I
174
Ing. Mauro Pérez Estrella

Para el siguiente problema

Max Z = 3x1 + 2x2+ x3

s.a:
x1 + 2x2 + x3 ≤ 100
x1 + x2 + 2x3 ≤ 90
2x1 + 3x3 ≤ 120
 xi  0

Tablero óptimo

cj 3 2 1 0 0 0
ck xk bi x1 x2 x3 S1 S2 S3
2 X2 20 0 1 -1/4 1/2 0 -1/4
0 S2 10 0 0 3/4 -1/2 1 -1/4
3 X1 60 1 0 3/2 0 0 1/2
Zj 220 3 2 4 1 0 1
Cj - Zj 0 0 -3 -1 0 -1

Análisis post-optimal

A) Modificación de los coeficientes de la F.O. correspondientes a V.N.B.

Variables no básicas: x3, S1, S3


Para x3  c3
c3 = 1 cambiar por c 3' = 5

Cálculo:
Zj - c ' j = ( Zj - cj ) + ( cj - c ' j )

 Zj - c 'j = 3 + ( 1 - 5 )

Zj - c ' j = -1

Como: Zj - cj  0  la solución óptima se modifica, ingresa x3 a la bas

B) Modificaciones en los coeficientes de la F.O. correspondiente a V.B.

Variables básicas: x1, x2, S2

Cálculo:
Zj - c ' j = ( Zj - cj ) - (c' j - c j )
 

Cambio neto

Investigación de Operaciones I
175
Ing. Mauro Pérez Estrella

Para x1  c1

 c1 =3 cambiar por 6  c 1' = 6

Luego  el cambio neto = c ' j - cj = 6 -3 = 3

Para obtener el nuevo reglón de x1, multiplicar cada término del reglón x1 por el cambio
neto y sumar luego esta cantidad a cada término del reglón x 1 original, excepto los
términos de la matríz identidad.

cj 6 2 1 0 0 0
ck xk bi x1 x2 x3 x4 x5 x6
2 x2 20 0 1 -1/4 1/2 0 -1/4
0 x5 10 0 0 3/4 -1/2 1 -1/4
6 x1 60 1 0 6 0 0 2
Zj 400 6 2 71/2 1 0 23/2
-
Cj - Zj 0 0 -1 0 -23/2
69/2

Nuevos términos:

(3/2) x 3 + 3/2 = 6
Z se incrementa apreciablemente.
0 x 3 + 0 = 0  La base permanece óptima.

1/2 x 3 + 1/2 = 2
cambio neto

C) Modificación en la matriz de restricciones.

1) Columna no básica : x3, S1, S3

Para x3 :

 1   3 
   
a3   2  cambiar por a3   1 
'

 3   4 
   

 1/ 2 0  1/ 4   3   1/ 2 
     
 x3'  B 1a3'    1 / 2 1  1 / 4   1     3/ 2 
 0 0 1/ 2   4   
     2 

 1/ 2 
 
ckT .B 1.a3'  c3  c B .B 1
.a3'  c3   2,0,3    3/ 2  1

 
Z3  2 
Investigación de Operaciones I
176
Ing. Mauro Pérez Estrella

Zj – Cj = 7-1 = 6  sigue siendo óptima.


2) Columna básica: x1, x2, S2

Cálculo:


 si x j  0 :
' La base sigue siendo óptima, analizar la siguiente iteración
x 'j  B 1a 'j  
 si x j  0 :

' Añadir una variable artificial, se modifica la base

a) Si consideramos para la columna de x 1

 1   3 
   
a1   1  cambiar por a1   2 
'

 2   4 
   

 1/ 2 0  1/ 4   3   1/ 2   x2
     
 x 'j  B 1a1'    1 / 2 1  1 / 4   2     1/ 2   S2

 0 0 1 / 2   4   2
  
 x

  1

vemos que:
x1'  0
 1/ 2 
 
 c B .B .a  c1   2,0,3
1 '
   1/ 2 3  73  4
   1
 2 
Z3
 
Zj – Cj = 4 ; sigue siendo óptima, la solución es columna x1' .

b) Si consideramos:

 1   1 
   
a1   1  por a1'  2 
 2   0 
   

 1/ 2 0  1/ 4  1   1/ 2   x2
     
 x 'j  B 1a1'    1 / 2 1  1 / 4   2    3/ 2   S2
   0   0  x
 0 0 1 / 2     
 1

x1'  0

Investigación de Operaciones I
177
Ing. Mauro Pérez Estrella

 1/ 2 
 
 1
c B .B .a1'  c1   2,0,3   3/ 2   3  1 3
 
 0 
 
Z1– C1 = -2 , se modifica la solución

Solución previa es columna x1' : x1'

x2 = 1/2
S2 = 3/2
x1 == 0

En el tablero simplex (reemplazar el reglón x 1 por q1)

cj 3 2 1 0 0 0 M
ck xk bi x1 x2 x3 S1 S2 S3 q1
X
2 20 1/2 1 -1/4 1/2 0 -1/4 0
2
0 S2 10 3/2 0 3/4 -1/2 1 -1/4 0
Q
-M 60 0 0 3/2 0 0 1/2 1
1
60M+ M/2-
Zj 1 2 3/2M-1/2 1 0 M
400 1/2
M/2-
Cj - Zj -2 0 3/2M-3/2 1 0 0
1/2
↑ingresa

E) Adición de una nueva actividad


Podemos considerar que la adición de una nueva actividad es una actividad no básica que se
inició originalmente en el modelo con todos los coeficientes cero en la función objetivo y en
las restricciones.

Los coeficientes de la nueva actividad representarán entonces los cambios de cero a los
nuevos valores.

Nueva actividad : xn+1


Coeficiente : cn+1
Columna de consumo : an+1
¿Conviene producir xn+1 ?
 xn 1  x4  0; c4  5
 3 
 
a4   1 
 1 
 
Calculamos:

Investigación de Operaciones I
178
Ing. Mauro Pérez Estrella

x4  B 1.a4  ?
 1/ 2 0  1/ 4  3   5/ 4 
     
x4  B 1a 4'    1/ 2 1  1/ 4  1     3/ 2 
   1   1/ 2 
 0 0 1 / 2     

 5/ 4 
 
cb .B 1 .a 4'  c 4  (2,0,3)   3 / 4   5  1
   1/ 2 
Z4  

 Zj – Cj < 0 ingresa x4 a la base.

cj 3 2 1 5 0 0 0
ck xk bi x1 x2 x3 x4 S1 S2 S3 θ
-
2 X2 20 0 1 -1/4 5/4 1/2 0
1/4
- -
0 S2 10 0 0 3/4 -3/4 1
1/2 1/4
3 X1 60 1 0 3/2 1/2 0 0 1/2
Zj 3 2 4 4 1 0 1
Cj - Zj 0 0 -3 1 -1 0 -1

ingresa

No se puede admitir una nueva actividad en la solución a menos que esta mejore el valor de
la función objetivo.

F) Adición de una nueva restricción.


La adición de una nueva restricción puede dar origen a una de dos condiciones:
1. La restricción satisface la solución actual y en este caso, la restricción es de no
enlace o redundante, y por lo tanto, su adición no altera la solución.
2. La solución actual no satisface la restricción por lo tanto se volverá de enlace y la
nueva solución tiene un valor menos óptimo de Z original.

Ejemplo: Sea la nueva restricción:

x1  70

 x1 + S4 = 70
Luego:
cj
ck xk bi x1 x2 x 3 S1 S2 S3 S4
2 x2 20 0 1 -1/4 1/2 0 -1/4 0
0 S2 10 0 0 3/4 -1/2 1 -1/4 0
3 x1 60 1 0 3/2 0 0 1/2 0
0 S4 70 1 0 0 0 0 0 1

Investigación de Operaciones I
179
Ing. Mauro Pérez Estrella

debe ser “cero” para formar la matriz identidad, entonces se


multiplica el reglón x1  por -1 y luego se suma a los términos iniciales del reglón S4.
Así:
60(-1) + ; 4(-1)+ ; 0+ ; -3/2+ ; 0+ ; 0+ ; -1/2+ ; 0+
70 1 0 0 0 0 0 1
10 0 0 -3/2 0 0 -1/2 1

cj 3 2 1 0 0 0 0
ck xk bi x1 x2 x3 S1 S2 S3 S4
2 x2 20 0 1 -1/4 1/2 0 -1/4 0
0 S2 10 0 0 3/4 -1/2 1 -1/4 0
3 x1 60 1 0 3/2 0 0 1/2 0
0 S4 10 0 0 -3/2 0 0 0 1
Zj 220 3 2 4 1 0 1 0
cj - Zj 0 0 -3 -1 0 -1 0

La solución sigue siendo óptima.

Desarrollo de la tercera practica calificada tomada en la facultad de ingenieria Química y


Textil de la Universidad Nacional de Ingeniería

Problema

Fred Marvin administra la granja de su familia. Para complementar varios alimentos que se
cultivan en la granja, Fred también cría cerdos para venta y desea determinar las cantidades de
los distintos tipos de alimentos disponibles (maíz, grasas y alfalfa) que debe dar a cada cerdo.
Como los cerdos se comerán cualquier mezcla de estos tipos de alimento, el objetivo es determinar
qué mezcla cumple ciertos requisitos nutritivos a un costo mínimo. En la siguiente tabla se dan
las unidades de cada tipo de ingrediente nutritivo básico contenido en 1 kilogramo de cada tipo
de alimento, junto con los requisitos de nutrición diarios y los costos de los alimentos.

Ingrediente Kilogramo de Kilogramo de Kilogramo de Requisito


nutritivo maíz grasas alfalfa mínimo diario
Carbohidratos 90 20 40 940
Proteínas 30 80 60 450
Vitaminas 10 20 60 170
Costo (pesos) 68 76 78
a) Formular y resolver el problema. Utilice el método simplex.
b) Formular el Dual y elaborar el tablero óptimo dual a partir del tablero óptimo primal.
c) Determine el rango de variación para los coeficientes de la función objetivo y de los
términos del lado derecho
d) Si se desea incrementar la cantidad de carbohidratos en 22 unidades cuál sería la
contribución a la utilidad de la mezcla óptima. Usar análisis de sensibilidad.
e) El incremento de la producción de maíz en el mercado hace que el precio de la misma se
reduce un 40%, se modifica la mezcla óptima hallada en a)? justifique su respuesta
utilizando análisis de sensibilidad.

Investigación de Operaciones I
180
Ing. Mauro Pérez Estrella

f) Se desea utilizar un cuarto tipo de alimento (afrecho) cuyo costo es de 56 pesos; se sabe
que cada kilogramo de la misma contiene 80 unidades de carbohidrato, 40 unidades de
proteínas y 20 unidades de vitaminas. Modifica la solución actual?. Si es así muestre la
nueva solución.
g) Si el requisito mínimo diario de proteínas es de 590 unidades, se modifica la solución
actual; si es así muestre la nueva solución óptima.
h) Si el contenido de ingredientes nutritivos por kilogramo de maíz se modifica a 80, 20 y
25 unidades de carbohidratos, proteínas y vitaminas respectivamente, muestre la nueva
solución si se modifica.

Solución

a)

Variables de decisión:

X 1 : Cantidad de kilogramos de maíz


X 2 : Cantidad de kilogramos de grasas
X 3 : Cantidad de kilogramos de alfalfa

Función objetivo:

Min Z= 68 X 1 +76 X 2 +78 X 3

Restricciones:

90 X 1 +20 X 2 +40 X 3 ≥940


30 X 1 +80 X 2 +60 X 3 ≥450
60 X 1 +20 X 2 +60 X 3 ≥170

Usando el método simplex obtenemos la siguiente tabla óptima:


Cj 68 76 78 0 0 0 0 0 0

Ck Xk bi X X2 X3 E1 E2 E3 Q3 Q2 Q1
1
68 X1 9.8 1 0 0 -1.23 1.37 6.85 -6.85 -1.37 1.23
x10-2 x10-3 x10-3 x10-3 x10-3 x10-2
76 X2 1.4 0 1 0 4.1 -1.71 1.44 -1.44 1.71 4.1
x10-3 x10-2 x10-2 x10-2 x10-2 x10-3
78 X3 0.73 0 0 1 6.85 5.48 -0.023 0.023 5.48 6.85
x10-4 x10-3 x10-3 x10-4
Zj 830.31 68 76 78 -0.47 -0.78 -0.2 0.2 0.78 0.2

Zj-Cj 0 0 0 -0.47 -0.78 -0.2 - - -


999.8 999.2 999.5
3

Investigación de Operaciones I
181
Ing. Mauro Pérez Estrella

Y los siguientes resultados:

X 1 =9.8 Kg.
X 2 =1.4 Kg.
X 3 =0.73 Kg.
Min Z = 830.31 pes

b) formando el dual y obteniendo el tablero optimo dual partir del primal:

Max G= 940 W1 +450 W 2 +170 W 3

Restricciones:

90 W1 +30 W 2 +10 W 3 ≤68


20 W1 +80 W 2 +20 W 3 ≤76
40 W1 +60 W 2 +60 W 3 ≤78

Cj 940 450 170 0 0 0

Y los
bk Wk bi W1 W2 W3 S1 S2 S3

68 W1 0.47 1 0 0 1.23 -4.1 -6.85


2 3
 10 10 103
76 W2 0.78 0 1 0 -1.37 1.7 -5.48
3 2
10  10 103
78 W3 0.2 0 0 1 -6.85 -1.44 0.023
4 2
 10  10
Gi 830.31 940 450 170 9.8 1.4 0.73

Gi-bi 0 0 0 9.8 1.4 0.73

siguientes resultados:
W1 = 0.47
W 2 = 0.78 Max G = 830.31
W 3 =0.2

c)

Para determinar el rango de variación de los coeficientes de la función objetivo procedemos de


la siguiente forma:

Tomando en cuenta que X 1 , X 2 , X 3 son variables básicas , la forma de hallar los límites tanto
superior e inferior es la siguiente:

Investigación de Operaciones I
182
Ing. Mauro Pérez Estrella

Zj  Cj
Cj 
a ij
Para X 1 sus límites son:

Superior Inferior
 0.47  0.78
Cj  = 38.2 Cj  =569.3
 1.23  10  2 1.37  10 3

 999.8 0.2
Cj  = 1459.35 Cj  =29.2
 6.85  10 3 6.85  10 3

 999.2  999.2
Cj  = 729343.1 Cj  =81235.8
 1.37  10 3 1.23  10  2

68 – 29.2 ≤ C1 ≤ 69 +38.2

38.8 ≤ C1 ≤106.2

Para X 2 sus límites son:

Superior

- 0.78
Cj  = 45.6
- 1.71 10  2

- 999.8
Cj  = 69430.5
 1.44  10  2

Inferior

 0.47  0.2
Cj  = 114.63 Cj  =13.88
4.1  103 1.44  10  2

- 999.53 - 999.2
Cj  = 243787.8 Cj  =58432.74
3 1.71 102
4.1  10

76 – 13.88 ≤ C2 ≤ 76 + 45.6

62.12 ≤ C2 ≤121.6

Para X 3 sus límites son:

Superior

Investigación de Operaciones I
183
Ing. Mauro Pérez Estrella

0 .2
Cj  = 8.69
 0.023

Inferior
 0.47
Cj  =686.13
6.85  104

 0.78
Cj  =142.33
5.48  10 3

78 – 8.69≤ C3 ≤ 78 + 142.33

-64.33≤ C3 ≤ 220.33

Para saber el rango de variación del lado derecho lo trabajaremos como los coeficientes de la
función objetivo del dual , para lo cual utilizamos el tablero óptimo dual.

Para W1 sus límites son:

Superior Inferior
1.4 9.8
Cj  =341.46 Cj  = 796.75
 4.1  10 3 1.23  10  2

0.73
Cj  = 106.57
 6.85  10 3

143.25≤ W1 ≤1046.57

Para W 2 sus límites son:

Superior Inferior
9.8 1.4
Cj  = 7153.28 Cj  =82.35
1.37  10 3 1.7  102

0.73
Cj  = 133.21
 5.48  10 3

367.65≤ W2 ≤583.21

Para W 3 sus límites son:

Superior Inferior
9.8 0.73
Cj  = 14306.6 Cj  =31.74
 6.85  10  4 0.023

Investigación de Operaciones I
184
Ing. Mauro Pérez Estrella

1.4
Cj  = 97.22
 1.44  10  2

138.26≤ W3 ≤267.22

d)

940 962
Usando el análisis post-optimal: b  450 b´ 450
170  170 

1
Se conoce, según la tabla optima la matriz B

 1.23  10 2 1.37  10 3 6.85  10 3 


 
B 1   4.1  10 3  1.71 10  2 1.44  10  2 
 6.85  10  4 5.48  10 3  0.023 

Entonces operando:

 1.23  10 2 1.37  10 3 6.85  10 3  962 10.05


   
B 1 × b´=  4.1  10 3  1.71 10  2 1.44  10  2  × 450 = 1.3 
 6.85  10  4 5.48  10 3  0.023  170  0.79 

X 1 = 10.05Kg.
X 2 =1.3 Kg.
X 3 =0.79 Kg.

Remplazando en la función objetivo obtenemos: Min Z= 824.98 pesos

e)

Si los precios se reducen quiere decir que los coeficientes de la función objetivo han
disminuido, veremos si esta variación se encuentra dentro del rango anteriormente hallado:

Cj´ ( X 1 )= 40.8
Cj´ ( X 2 )=45.6
Cj´ ( X 3 )=46.8

Vemos que para el caso de X 1 y X 3 se encuentran dentro del rango de variación, pero X 2 esta
fuera del rango (62.12 ≤ C2 ≤121.6) así que la solución óptima cambia.

f)

Si aumentamos un cuarto tipo de alimento tendremos:


Cj ( X 4 )= 56

Investigación de Operaciones I
185
Ing. Mauro Pérez Estrella

80 
a 4  40
20

Usando el método simplex obtenemos la siguiente tabla óptima:

Cj 68 76 78 56 0 0 0 M M M

Ck Xk bi X1 X2 X3 X4 E1 E2 E3 Q3 Q2 Q1

M E2 20 15 -70 -40 0 -0.5 1 0 0 -1 0.5

M E3 65 12.5 15 -50 0 -0.25 0 1 -1 0 0.25

56 X4 11.75 1.12 0.75 0.5 1 -1.25 0 0 0 1 0.25


5  102
Zj 657.9 63 14 28 56 -0.7 0 0 0 0 0.7

Zj-Cj -5 -62 -50 0 -0.7 0 0 - - -999.3


1000 1000

Min Z= 657.9 pesos

Tablero óptimo utilizando WINQSB


Final Simplex Tableau

X1 X2 X3 X4 SurpC1 SurpC2 SurpC3 Art_C1 Art_C2


Art_C3
Basis C(j) 68,0 76,0 78,0 56,0 0 0 0 0 0 0 R. H. S.
Surp_C2 0 15,0 -70,0 -40,0 0 -0,5 1,0 0 0,5 -1,0 0 20,0
Surp_C3 0 -37,5 -15,0 -50,0 0 -0,25 0 1,0 0,25 0 -1,0 65,0
X4 56,0 1,125 0,25 0,5 1,0 -0,0125 0 0 0,0125 0 0 11,75
C(j)-Z(j) 5,0 62,0 50,0 0 0,7 0 0 -0,7 0 0 658,0
* Big M 0 0 0 0 0 0 0 1,0 1,0 1,0
0

Investigación de Operaciones I
186
Ing. Mauro Pérez Estrella

g)

940 940
b  450 b´ 590
170  170 

1
Se conoce, según la tabla optima la matriz B

 1.23  10 2 1.37  10 3 6.85  10 3 


 
B 1   4.1  10 3  1.71 10  2 1.44  10  2 
 6.85  10  4 5.48  10 3  0.023 

Entonces operando:

 1.23  10 2 1.37  10 3 6.85  10 3  940 9.59


 
B 1 × b´=  4.1  10 3  1.71 10  2 1.44  10  2  × 590 = 3.79
 6.85  10  4 5.48  10 3  0.023  170 0.03

X 1 = 9.59Kg.
X 2 =3.79Kg.
X 3 =0.03Kg.

Remplazando en la función objetivo obtenemos: Min Z= 942.5 pesos

h) Función objetivo:

Min Z= 68 X 1 +76 X 2 +78 X 3

Restricciones:
80 X 1 +20 X 2 +40 X 3 ≥940
20 X 1 +80 X 2 +60 X 3 ≥450
25 X 1 +20 X 2 +60 X 3 ≥170

Usando el método simplex obtenemos la siguiente tabla óptima:

Cj 68 76 78 0 0 0 0 0 0

Ck Xk Bi X1 X2 X3 E1 E2 E3 Q3 Q2 Q1

0 E2 16.3 0 0 -38.3 -0.26 - 1 1 0.183 0.27


2 0.183
76 X2 2.86 0 1 0.66 003. - 0 0 01.37 -003.33
33 01.33

Investigación de Operaciones I
187
Ing. Mauro Pérez Estrella

78 X1 11.0 1 0 0.33 - 003.3 0 0 -003.33 01.33


3 01.3 3
3
Zj 968. 68 76 73.3 - -0.79 0 0 0.79 0.65
1 0.65
3
Zj-Cj 0 0 -4.66 - -0.79 0 - - -999.35
0.65 1000 999.21
3 3

Min Z= 968.1 pesos

Problemas resueltos

Problema 1

Una fábrica produce cuatro productos A, B, C, y D. Cada unidad del producto A requiere de dos
horas de maquinado, una hora de montaje y cuesta $10 en el inventario de proceso. Cada unidad
del producto B requiere de una hora de maquinado, tres horas de montaje y cuesta $5 en el
inventario de proceso. Cada unidad C necesita dos horas y media de maquinado, dos horas y
media de montaje y cuesta $2 en el inventario de proceso. Finalmente cada unidad del producto
D requiere de cinco horas de maquinado, no necesita tiempo de montaje y cuesta $12 en el
inventario de proceso. La fabrica dispone de 1200 horas de maquinado y 1600 horas de montaje.
Además, no puede dispone mas de $10000 en el inventario de proceso. Cada unidad del producto
A tiene una utilidad de $40; cada unidad de B de $24; cada unidad de C de $36 y cada unidad de
D, de $23. Puede venderse cualquier cantidad de unidades de los productos A, B, C y D. Sin
embargo para cumplir con un contrato debe producirse y venderse por lo menos 100 unidades del
producto D. El objetivo de la fábrica es maximizar la utilidad resultante de la venta de los cuatro
productos.

Formule y encuentre la solución y valor óptimo que maximice las utilidades de la empresa.

Investigación de Operaciones I
188
Ing. Mauro Pérez Estrella

Formulacion:

 Variable de decisión:
i = A, B, C, D.
X i  cantidad de unidades producidas de i

 Funcion Objetivo: Maximizar utilidades

MaxZ  40 X A  24 X B  36 X C  23 X D

 Restricciones:
i) Disposición de horas de maquinado

2 X A  X B  2.5 X C  5 X D  1200

j) Disposición de horas de montaje

X A  3 X B  2.5 X C  0 X D  1600

k) Disposición de capital en el inventario del proceso

10 X A  5 X B  2 X C  12 X D  10000

l) Mínima cantidad de producción de D

X D  100

Solución:

Tablero óptimo (M = -100):

Cj 40 24 36 23 0 0 0 0 -
100
bi XA XB XC XD e4 S1 S2 S3 q4
40 XA 100 1 0 1 0 3 0.6 -0.2 0 -3
24 XB 500 0 1 0.5 0 -1 -0.2 0.4 0 1
0 S3 5300 0 0 - 0 -13 -5 0 1 13
10.5
23 XD 100 0 0 0 1 -1 0 0 0 1

Zj 18300 40 24 52 23 73 19.2 1.6 0 -73


Z j  Cj 0 0 16 0 73 19.2 1.6 0 27

Observación:
-Se producirá 100 unidades de A, 500 unidades de B y 100 unidades de D.
-El valor óptimo o utilidad máxima es 18300.

Investigación de Operaciones I
189
Ing. Mauro Pérez Estrella

b) ¿Cuánto es el valor de una hora adicional de maquinado? ¿Cuánto el de una hora adicional
de montaje? ¿Cuánto el de $1 adicional en el capital de trabajo para el inventario de
proceso?. Usar análisis post – óptimo.

- Una hora adicional de maquinado:

 1200   1201 
 1600   1600 
Actual: b    Modificado: b   
10000 10000
   
 100   100 

 3 0.6  0.2 0 3 
 1  0.2 0.4 0 1 
Considerando: B 1  
  13 5 0 1 13 
 
 1 0 0 0 1 

 3 0.6  0.2 0 3  1201  100.6   X A


 1  0.2 0.4 0 1  1600  499.8  X
B b  
1
    B

  13 5 0 1 13 10000  5295   S 3


     
 1 0 0 0 1   100   100   X D

Luego: Max Z = 40(100.6) + 24(499.8) + 36(0) + 23(100) = 18319.2

Observación:
-El cambio en el recurso horas de maquinado implica producir 100.6 unidades de
A, 499.8 unidades de B y 100 unidades de D.
-El nuevo valor óptimo es 18319.2

- Una hora adicional de montaje:

 1200   1200 
 1600   1601 
Actual: b    Modificado: b   
10000 10000
   
 100   100 

 3 0.6  0.2 0 3 
 1  0.2 0.4 0 1 
Considerando: B 1  
  13 5 0 1 13 
 
 1 0 0 0 1 

Investigación de Operaciones I
190
Ing. Mauro Pérez Estrella

 3 0.6  0.2 0 3  1200   99.8   X A


 1  0.2 0.4 0 1  1601  500.4  X
B 1  b      B

  13 5 0 1 13 10000  5300   S 3


     
 1 0 0 0 1   100   100   X D

Luego: Max Z = 40(99.8) + 24(500.4) + 36(0) + 23(100) = 18301.6

Observación:
-El cambio en el recurso horas de montaje implica producir 99.8 unidades de A,
500.4 unidades de B y 100 unidades de D.
-El nuevo valor óptimo es 18301.6

- Un dólar adicional en el capital:

 1200   1200 
 1600   1600 
Actual: b    Modificado: b    
10000 10001
   
 100   100 

 3 0.6  0.2 0 3 
 1  0.2 0.4 0 1 
Considerando: B 1  
  13 5 0 1 13 
 
 1 0 0 0 1 

 3 0.6  0.2 0 3  1200   100   X A


 1  0.2 0.4 0 1  1600   500   X
B  b  
1    B

  13 5 0 1 13 10001 5301  S 3


     
 1 0 0 0 1   100   100   X D

Luego: Max Z = 40(100) + 24(500) + 36(0) + 23(100) = 18300

Observación:
-El cambio en el recurso disposición del capital implica producir 100 unidades de
A, 500 unidades de B y 100 unidades de D. por lo tanto no hay cambio con
respecto a las cantidades halladas en a
-El valor óptimo sigue siendo 18300

c) Si la utilidad por unidad del producto C fuera de $46 (y no de $36), ¿Cómo


cambiaría la solución?. Usar análisis post – óptimo.

-Como Xc es una variable no bàsica:

Investigación de Operaciones I
191
Ing. Mauro Pérez Estrella

Z j  C j  ( Z j  C j )  (C j  C j )
  ( Z C  CC )  (CC  CC
Z C  CC  )
  16  (36  46)
Z C  CC
 6
Z C  CC
Observación: El numero 6 significa que la base no se modifica por lo tanto el valor optimo
sigue siendo el mismo, como se muestra en el tablero que se obtiene:

Cj 40 24 46 23 0 0 0 0 -
100
bi XA XB XC XD e4 S1 S2 S3 q4
40 XA 100 1 0 1 0 3 0.6 - 0 -3
0.2
24 XB 500 0 1 0.5 0 -1 -0.2 0.4 0 1
0 S3 5300 0 0 - 0 -13 -5 0 1 13
10.5
23 XD 100 0 0 0 1 -1 0 0 0 1

Zj 18300 40 24 52 23 73 19.2 1.6 0 -73


Z j C j 0 0 6 0 73 19.2 1.6 0 27

d) Si el contrato para el producto D fuera de 130 unidades (en lugar de 100), ¿Qué efecto
tendría la utilidad?.Usar análisis post – óptimo.

 1200   1200 
 1600   1600 
Actual: b    Modificado: b   
10000 10000
   
 100   130 

 3 0.6  0.2 0 3 
 
1  0.2 0.4 0 1 
Considerando: B 1 
  13 5 0 1 13 
 
 1 0 0 0 1 

 3 0.6 0.2 0 3   1200   10   X A


     
B 1  b  
 1  0.2 0.4 0 1    1600    530   X B
  13  5 0 1 13  10000 5690  S 3
     
  1 0 0 0 1   130   130   X D

Luego: Max Z = 40(10) + 24(530) + 36(0) + 23(130) = 16110

Observación:
-El cambio en el recurso cantidad mínima producida por D implica producir 10
unidades de A, 530 unidades de B y 130 unidades de D.

Investigación de Operaciones I
192
Ing. Mauro Pérez Estrella

-El nuevo valor óptimo es 16110

e) Un nuevo producto E requiere de 2 horas de maquinado, 5 horas de montaje y de $20 en


capital de trabajo. La utilidad por unidad es de $50. ¿Debe producirse alguna unidad del
producto E?. Usar análisis post – óptimo.

-Nuevo producto: E ( X E )
2
5
-Datos: a E    , C E  $50
20
 
0

 3 0.6  0.2 0 3  2  0.2


 1  0.2 0.4 0 1  5  1.6 
XE  B 1  a 4       
  13 5 0 1 13 20  10 
     
 1 0 0 0 1  0  0 
0.2
1.6 
Ci  X E  C E  40 24 0 23     50  3.6
 10 
 
0

-Como es valor es negativo, entonces el valor óptimo cambiará debido a que se perdió la
optimidad, por lo tanto se continúa:

Cj 40 24 36 23 50 0 0 0 0 -
100
Ck Xk bi XA XB XC XD XE e4 S1 S2 S3 q4
40 XA 100 1 0 1 0 0.2 3 0.6 - 0 -3
0.2
24 XB 500 0 1 0.5 0 1.6 -1 -0.2 0.4 0 1
0 S3 5300 0 0 - 0 10 -13 -5 0 1 13
10.5
23 XD 100 0 0 0 1 0 -1 0 0 0 1

Zj 18300 40 24 52 23 46.4 73 19.2 1.6 0 -73


Z j C j 0 0 16 0 -3.6 73 19.2 1.6 0 27

Investigación de Operaciones I
193
Ing. Mauro Pérez Estrella

-Entra X E y sale X B ; y se obtiene el siguiente tablero:

Cj 40 24 36 23 50 0 0 0 0 -100

Ck Xk bi XA XB XC XD XE e4 S1 S2 S3 q4

40 XA 37.5 1 -0.125 0.9375 0 0 3.125 0.625 - 0 -3.125


0.25
50 XE 312.5 0 0.625 0.3125 0 1 -0.625 -0.125 0.25 0 0.625

0 S3 175 0 -6.25 -13.625 0 0 -6.75 -3.75 -2.5 1 6.75

23 XD 100 0 0 0 1 0 -1 0 0 0 1

Zj 19425 40 26.25 53.125 23 50 70.75 18.75 2.5 0 -


70.75
Zj Cj 0 2.25 17.125 0 0 70.75 18.75 2.5 0 29.25

-Al encontrar todos los valores positivos deducimos que se trata del tablero óptimo.

Observación:
-La adición de una nueva actividad (producción del producto E) implica producir 37.5
unidades de A, 312.5 unidades de E y 100 unidades de D.
-Se obtendrá un incremento en las utilidades; el nuevo valor óptimo será $19425.

Problema 2

Una empresa dedicada a la exportación fabrica el producto A y B a partir de una determinada


materia prima. La empresa puede comprar hasta 90 libras de materia prima a un costo de $ 10
/libra. Se puede utilizar una libra de materia prima a un costo de $10/ libra. Se puede utilizar una
libra de materia prima para producir 1 libra del producto A, 0.33 libras del producto B. Usar una
libra de materia prima para producir una libra del producto A, requiere 2 horas de mano de obra.
Usar una libra de materia prima para producir 0.33 libras del producto B, requiere 3 horas de
mano de obra. Se disponen 200 horas de mano de obra; se pueden vender a lo más 40 libras del
producto B. Se vende el producto A a 13$/libra y el producto B a 40$/libra.

a) Formule y encuentre la solución y valor óptimo que maximice las utilidades de la


empresa.
b) Si se pudiera comprar solamente 87 libras de materia prima. ¿Cuáles serían las
utilidades para la empresa? Usar análisis post- óptimo.
c) Si se vendiera el producto B a 39.50$/libra. ¿Cuál sería la nueva solución óptima
para el problema. Usar análisis post- óptimo.
d) ¿Cuál es la máxima cantidad que tendría que estar dispuesto a pagar por otra libra de
materia prima? Usar análisis post- óptimo.
e) Supóngase que se puede utilizar una libra de materia prima para fabricar 0.80 libras
de un producto C. El producto C se vende a 24$/libra y procesar una libra de materia
prima en 0.80 libras del producto C, requiere 7 horas de mano de obra. ¿Tendría que
la empresa producir el producto C? Usar análisis post-óptimo.
Variables
X1 = Cantidad de producto A fabricado
X2 = Cantidad de producto B fabricado
X1 = Cantidad de materia prima utilizada

Investigación de Operaciones I
194
Ing. Mauro Pérez Estrella

F.O= max Z = 13X1 + 40(0.33X2) – 10X3

Restricciones:
- Cantidad máx de materia prima a comprar
X3  90

- Mano de obra para productos


2X1 + 3X2  200

- Venta del producto B


0.33X2  40

- Cantidad de materia prima


X1 + X2  X3

Condición de no negatividad
X1 , X2 , X3  0

2. Tabla óptima

C 13 13.2 -10 0 0 0 0
CK XK bi X1 X2 X3 S1 S2 S3 S4
13 X1 70 1 0 0 3 -1 0 3
13.2 X2 20 0 1 0 -2 1 0 -2
0 S3 33.4 0 0 0 0.66 -0.33 1 0.66
-10 X3 90 0 0 1 0.99 0 0 0
Zj 247 13 13.2 -10 2.6 0.2 0 12.6
Zj - Cj 0 0 0 2.6 0.2 0 12.6

Nuestro valor óptimo Zj = 274


X1 = 70 libros del producto A
X2 = 20 libros del producto B
X3 = 90 libros de materia prima.

S3 = 33.4 no informa que se cumple con el requerimiento de A lo más 40 libras del


producto B.

b) Si usa 87 libras: usamos el lado derecho.


 3 1 0 3   87   61   X 1
 2 1 0  2  200  26   X
    2

0.66  0.33 1 0.66  40  31.42  S3


     
0.59 0 0 0   0   86.9   X 3

Considerando este caso Zóptimo = 266.6 y comparando con el anterior tendríamos una
pérdida.

Investigación de Operaciones I
195
Ing. Mauro Pérez Estrella

c) Si cambiamos los coeficientes de la función objetivo.


Se trata de una variable básica cambio neta.
$ $
39.5 x0.33lb  40 x0.33lb  0.165$
lb lb
Zj – Cj = [0 0 0 3.92 -0.46 0 13.92]
Zóptimo = 270 X1 = 90 S3 = 40
S2 = 20 X3 = 90

d) Este comentario lo obtenemos de la T.O. prima que corresponde a S1 se estaría pagando


2.6$ por materia prima.

e) Añadiendo actividad
MaxZ = 13X1 + 13.2X2 – 10X3 + 19.2X4
 4 
Ncol   5 
 1.65
Zj – Cj = [0 0 0 -5.2 2.6 0.2 0 12.6]

Cambio el óptimo

Zóptimo = 294.8$
X1 = 86 libros S3 = 40 libros
X4 = 4 libros X3 = 90 libros

PROBLEMAS PROPUESTOS

Problema 1

Investigación de Operaciones I
196
Ing. Mauro Pérez Estrella

Resolver el siguiente P.L.L., empleando el teorema de holgura complementaria.

Min Z = 28.4 x1 + 57 x2 + 32 x3 + 12 x4
s.a:
1.08x1 + 3x2 + 2x3 ≥ 15
2x1 + 3.5x2 + 1.4x3 + x4 ≥ 22.5
 xj  0

Problema 2

Dado el siguiente problema de P.P.L.

Max Z = 2x1 + 4x2+ 3x3


s.a:
x1 + 3x2 + 2x3 ≤ 30
x1 + x2 + x3 ≤ 24
3x1 + 5x2 + 3x3 ≤ 60  xj  0

Se pide:
j) Determinar la solución óptima, empleando el método primal Simplex.
k) Determine el rango de variación de los coeficientes “C j” asociados a la s V.N.B. y V.B.,
así como el de los términos independientes.
l) Si el coeficiente C1 = 2 se cambia por C’1 = 4. Se modifica la solución óptima? De ser
afirmativa su respuesta diga por qué y señale el nuevo valor de la solución óptima.
m) Determine la nueva solución si:

 2   3 
   
a3   1  se cambia a  2 
'
3
 3   4 
   

Problema 3

Dado el siguiente modelo:

Max Z = 2x1 + x2+ 2x3


s.a:
4x1 + 3x2 + 8x3 ≤ 12
4x1 + x2 + 12x3 ≤ 8
4x1 - x2 + 3x3 ≤ 8  xj  0 ; j = 1, 2, 3
Cuyo tablero de solución es el siguiente:

Investigación de Operaciones I
197
Ing. Mauro Pérez Estrella

ck xk bi x1 x2 x3 x4 x5 x6
0 x6 4 0 0 -13 1 -2 1
1 x2 2 0 1 -2 1/2 -1/2 0
2 x1 3/2 1 0 9/4 -1/8 3/8 0
Zj 5 2 1 5/2 1/4 1/4 0
Cj - Zj 0 0 -1/2 -1/4 -1/4 0

Se pide:

c) Formular el modelo dual del problema.

d) Hallar el tablero óptimo dual a partir del tablero primal.

e) Usando análisis de sensibilidad, encontrar la solución para los siguientes casos:

1) Si el coeficiente de x2 en la función objetivo se cambia de 1 a 4.


2) Si se modifica el término del lado derecho:

 12   12 
   
b1   8  por b   10 
'
13
 8   8 
   

Problema 4

Dado el siguiente problema:


MaxZ = 30x1+12x2+15x3
s.a:
9x1+3x2+5x3 ≤ 500
5x1+4x2 ≤ 350
3x1+2x2 ≤ 150
x3 ≤ 20
¥Xi ≥ 0
Se pide:
a) Usando análisis post-óptimo, encuentre la nueva solución para los siguientes casos:
i) Cuando el coeficiente de x1 en la función objetivo cambia a 36.
 3  4
   
 4 1
ii) Cuando la columna: a1    cambia por a1'   
0 2
   
 0  0
   
b) Qué sucede con la solución óptima si se introduce la restricción:
X1 + 3X2 ≤ 180
c) Determine la nueva solución óptima si se incrementa en un 30% el segundo recurso.

Problema 5

Investigación de Operaciones I
198
Ing. Mauro Pérez Estrella

Una empresa dedicada a la exportación fabrica el producto A y B a partir de una determinada


materia prima. La empresa puede comprar hasta 90 libras de materia prima a un costo de $10/libra.
Se puede utilizar una libra de materia prima para producir 1 libra del producto A, 0.33 libras del
producto B. Usar una libra de materia prima para producir una libra del producto A, requiere 2
horas de mano de obra. Usar una libra de materia prima para producir 0.33 libras del producto B,
requiere 3 horas de mano de obra. Se disponen 200 horas de mano de obra; se pueden vender a lo
más 40 libras del producto B. Se vende el producto A a 13 $/libra y el producto B a 40 $/libra.
a) Formule y encuentre la solución y valor óptimo que maximice las utilidades de la
empresa.
b) Si se pudiera comprar solamente 87 libra de materia prima. ¿Cuáles serían las utilidades
para la empresa?. Usar análisis post- óptimo.
c) Si se vendiera el producto B a 39.50 $/libra ¿Cuál sería la nueva solución óptima para el
problema. Usar análisis post-óptimo.
d) ¿Cuál es la máxima cantidad que tendría que estar dispuesto a pagar por otra libra de
materia prima?. Usar análisis post-óptimo.
e) Supóngase que se puede utilizar una libra de materia prima para fabricar 0.80 libras de
un producto C. El producto C se vende a 24 $/libra y procesar una libra de materia prima
en 0.80 libras del producto C, requiere 7 horas de mano de obra. ¿Tendría que la empresa
producir el producto C?. Usar análisis post-óptimo.

Problema 6

Una fábrica produce cuatro productos A, B, C y D. Cada unidad del producto A requiere de dos
horas de maquinado, una hora de montaje y cuesta $10 en el inventario de proceso. Cada unidad
del producto B requiere de una hora de maquinado, tres horas de montaje y cuesta $5 en el
inventario de proceso. Cada unidad C necesita dos horas y media de maquinado, dos horas y
media de montaje y cuesta $2 en el inventario de proceso. Finalmente cada unidad del producto
D requiere de cinco horas de maquinado, no necesita tiempo de montaje y cuesta $12 en el
inventario de proceso. La fábrica dispone de 1200 horas de maquinado y 1600 horas de montaje.
Además, no puede dispone más de $10000 en el inventario de proceso. Cada unidad del producto
A tiene una utilidad de $40; cada unidad de B de $24; cada unidad de C de $36 y cada unidad de
D, de $23. Puede venderse cualquier cantidad de unidades de los productos A, B, C y D. Sin
embargo para cumplir con un contrato debe producirse y venderse por lo menos 100 unidades del
producto D. El objetivo de la fábrica es maximizar la utilidad resultante de la venta de los cuatro
productos.

f) Formule y encuentre la solución y valor óptimo que maximice las utilidades de la


empresa.
g) ¿Cuánto es el valor de una hora adicional de maquinado? ¿Cuánto el de una hora adicional
de montaje? ¿Cuánto el de $1 adicional en el capital de trabajo para el inventario de
proceso?. Usar análisis post- óptimo.
h) Si la utilidad por unidad del producto C fuera de $46 (y no de $36), ¿Cómo cambiaría la
solución?. Usar análisis post-óptimo.
i) Si el contrato para el producto D fuera de 130 unidades (en lugar de 100), ¿Qué efecto
tendría en la utilidad?. Usar análisis post-óptimo.
j) Un nuevo producto E requiere de 2 horas de maquinado, 5 horas de montaje y de $20 en
capital de trabajo. La utilidad por unidad es de $50. ¿Debe producirse alguna unidad del
producto E?. Usar análisis post-óptimo.

Investigación de Operaciones I
199
Ing. Mauro Pérez Estrella

Problema 7

Resolver el siguiente P.L.L., empleando el teorema de holgura complementaria. Use el método


gráfico.
Min Z = 28.4 x1 + 57 x2 + 32 x3 + 12 x4
s.a: 1.08x1 + 3x2 + 2x3 ≥ 15
2x1 + 3.5x2 + 1.4x3 + x4 ≥ 22.5
 xj  0

Problema 8

Dado el siguiente problema de P.P.L.


MaxZ = 2x1 + 4x2+ 3x3 - 3x4 +3x5
s.a:
x1 + 3x2 + 2x3 + 4x4 + x5 <= 300
x1 + x2 + x3 + 2x4 + 3x5 <= 240
3x1 + 5x2 + 3x3 +4 x4 <=600  xj  0
Se pide:
a) Determinar la solución óptima
b) Formular el dual correspondiente y elaborar el tablero óptimo dual a partir
del tablero óptimo primal.
c) Determine el rango de variación de los coeficientes “C j” asociados a la s
V.N.B. y V.B., así como el de los términos independientes.

Problema 9

Un taller tiene tres tipos de máquinas, A, B y C; puede fabricar tres productos 1,,2 y 3; todos los
productos tienen que ir a cada máquina y cada uno va en el mismo orden: primero a la máquina
A, luego a la B y luego a la C. la tabla siguiente muestra:
4) Las horas requeridas en cada máquina, por unidad de producto.
5) Las horas totales disponibles en cada máquina, por semana
6) La ganancia por unidad vendida de cada producto.

Tipo de Producto Producto Producto Horas disponibles por


máquina 1 2 3 semana

A 2 2 3 20
B 1 2 2.5 16
C 4 2 4.5 33
Horas de
inspección 0.20 0.26 0.30 10

Ganancia por 1 1.50 2.0


unidad

e) Formular el resolver por el método simplex.

Investigación de Operaciones I
200
Ing. Mauro Pérez Estrella

f) Cuántas horas semanales sobran en cada máquina?.


g) Determine la variación de la ganancia, de modo que se conserve la solución óptima.
h) Determine el rango de variación para las horas disponibles de la máquina B.

Problema 10

Resolver el siguiente problema, utilizando el teorema de holgura complementaria (hacer uso del
método gráfico).
Max Z = 20X1 + 230X2 + 4560X3 + 4260X4 + 10X5 + 55X6
s.a :
X1 + 2X2 + 30X3 + 10X4 - 6X5 ≤ 16
X2 + 22X3 + 13X4 + 20X5 + X6 ≤ 20
 Xi ≥ 0

Problema 11

Una fábrica produce cuatro productos A, B, C, y D. Cada unidad del producto A requiere de dos
horas de maquinado, una hora de montaje y cuesta $10 en el inventario de proceso. Cada unidad
del producto B requiere de una hora de maquinado, tres horas de montaje y cuesta $5 en el
inventario de proceso. Cada unidad C necesita dos horas y media de maquinado, dos horas y
media de montaje y cuesta $2 en el inventario de proceso. Finalmente cada unidad del producto
D requiere de cinco horas de maquinado, no necesita tiempo de montaje y cuesta $12 en el
inventario de proceso. La fabrica dispone de 1200 horas de maquinado y 1600 horas de montaje.
Además, no puede disponer mas de $10000 en el inventario de proceso. Cada unidad del producto
A tiene una utilidad de $40; cada unidad de B de $24; cada unidad de C de $36 y cada unidad de
D, de $23. Puede venderse cualquier cantidad de unidades de los productos A, B, C y D. Sin
embargo para cumplir con un contrato debe producirse y venderse por lo menos 100 unidades del
producto D. El objetivo de la fábrica es maximizar la utilidad resultante de la venta de los cuatro
productos.
Se pide:
d) Formular el problema como uno de programación lineal
e) Resolver el problema para determinar el plan de producción óptimo
f) Qué sucede con la solución óptima si se incrementa las horas de montaje en un 12.5%,
determine la nueva solución si se modifica la solución original. Usar análisis post-optimal
g) Debido a la demanda del producto B el precio de éste se incrementa, obteniéndose una
utilidad de $ 32 la unidad. Se modifica la solución óptima? Si es así muestre la nueva
solución.
h) Si se introduce un nuevo producto, cuya utilidad es de 34 $/unidad, la cual requiere 2.5
horas de montaje, 4 horas de maquinado, con un costo de $ 12 en el inventario. ¿Será
conveniente su producción?. Muestre la nueva solución.

Problema 12

Investigación de Operaciones I
201
Ing. Mauro Pérez Estrella

Una fábrica de cerveza produce cuatro variedades distintas de esta bebida ( Ligth, Dark, Ale y
Premiun). En la siguiente tabla se indican las cantidades de malta, lúpulo y levadura necesarias
para producir una unidad de volumen de cada una de las cuatro modalidades. También se indican
la cantidad total disponible de cada una de estas tres materias primas y el beneficio en euros
producido por la venta de una unidad de volumen de cada una de las cuatro modalidades de
cerveza.
Plantear el problema de optimización adecuado para determinar la producción en unidades de
volumen de cada tipo de cerveza de manera que se maximice el beneficio del fabricante.
Ligth Dark Ale Premium Disponible
Malta 1 1 0 3 110
Lúpulo 2 1 2 1 168
Levadura 1 1 1 4 180
Beneficio 10.6 10.5 10 12

Se pide:
a) formular y resolver el problema
b) formular el dual asociado y elaborar el tablero dual a partir del tablero primal.
c) Debido al cambio de estación el precio de las cervezas Light y Premium se incrementa
en un 20% y 25% respectivamente. Diga Ud. Si estos incrementos por separado
modifican la solución actual. Usar análisis de sensibilidad
d) Se desea incrementar la disponibilidad de malta y levadura en 20 unidades en cada caso.
Modifica la solución óptima?. Use análisis de sensibilidad.
e) Actualmente se tiene en stok 300 unidades de levadura, el precio en el mercado es de
0.7 $/unidad, conviene a la empresa comprar ó vender este producto?. Justifique su
respuesta.

Problema 13

Utilizando holgura complementaria y método gráfico resolver el siguiente problema de P.L.


max 20x1+25x2+33x3+26.5x4+27x5+28x6
s.a:
x1+2x2+2.5x3+2x4+3x6<=1245
2x1+x2+3x3+x4+2.2x5+1.8x6<=2143, ұ Xi ≥0

Problema 14

Dado el siguiente tablero óptimo, se pide elaborar el tablero óptimo dual respectivo.

Cj 40 24 36 23 0 0 0 0 -100
bi XA XB XC XD e4 S1 S2 S3 q4
40 XA 100 1 0 1 0 3 0.6 -0.2 0 -3
24 XB 500 0 1 0.5 0 -1 -0.2 0.4 0 1

0 S3 5300 0 0 -10.5 0 -13 -5 0 1 13

Investigación de Operaciones I
202
Ing. Mauro Pérez Estrella

23 XD 100 0 0 0 1 -1 0 0 0 1

Zj 18300 40 24 52 23 73 19.2 1.6 0 -73

Z j Cj 0 0 16 0 73 19.2 1.6 0 27

Problema 15

Para producir 2 toneladas de trigo se requieren 4 hectáreas, 2 bolsas de semillas de trigo por
hectárea y 5 meses/hombre.
Para producir 3 toneladas de centeno se requieren 2 hectáreas, 1.5 bolsas de semillas de centeno
por hectárea y 9 meses/hombre.
El precio del trigo y del centeno por tonelada asciende a 300 y 230 pesos respectivamente. El
costo de la bolsa de semillas de cada uno de estos productos es $20 la de trigo y $30 la de centeno.
El empresario que espera maximizar sus beneficios dispone de 90 hectáreas y de 270
meses/hombre. Asimismo cuenta de un contrato que le otorga la opción de arrendar un campo
lindero de 70 hectáreas a razón de $30 la hectárea utilizada. La ley laboral, por otra parte, le brinda
el beneficio de contratar mano de obra adicional a un costo de $50 por meses/hombre, sin
limitación.
a) Formule el problema en términos de programación lineal.
b) formular el dual asociado y elaborar el tablero dual a partir del tablero primal.
c) Para la próxima temporada el terreno para arrendamiento sufre un incremento en un 20%.
Diga Ud. Si este incremento modifica la solución actual. Usar análisis de sensibilidad
d) Se desea incrementar la disponibilidad de horas hombre en 30 meses/hombre. Modifica
la solución óptima?. Use análisis de sensibilidad.
e) Actualmente se tiene en un excedente de 25 meses/hombre, el precio en el mercado es de
0.7 $/unidad, conviene a la empresa comprar ó vender este producto?. Justifique su
respuesta.

Problema 16

NWAC Electronics fabrica cuatro clases de cables para un contratista gubernamental. Cada cable
debe pasar por cuatro operaciones consecutivas: corte, estañado, encamisado e inspección. La
siguiente tabla muestra los datos más importantes del caso:

Minutos/unid
Cable Corte estañado encamisado inspección Ganancia
Euros/unid
SC320 10.5 20.4 3.2 5 9.4
SC325 9.3 24.6 2.5 5 10.8
SC340 11.6 17.7 3.6 5 8.75
SC370 8.2 26.5 5.5 5 7.8

Investigación de Operaciones I
203
Ing. Mauro Pérez Estrella

Capacidad 4800 9600 4700 4500


diaria(minutos)

Se pide:
(a) Formular el problema de PL para resolver el problema de planificación.
(b) Obtener una solución óptima, así como otras variables de interés (costos reducidos, holguras,
precios sombra y rangos de optimalidad).
(c) Si se pudieran incrementar la capacidad diaria de corte en 400 minutos, ¿cual será el beneficio
total?
(d) Si se vendiera el cable SC325 con una utilidad de 12 euros/unidad.¿cual será la nueva solución
óptima?
(d) ¿Cual sería la máxima cantidad que NWAC Electronics debería estar dispuesto a pagar por
una hora adicional de encamisado?
(e) ¿Cual sería la máxima utilidad que NWAC Electronics debería generar si el requerimiento de
tiempo(minutos) para el cable SC320 para las operaciones de corte, estañado, encamisado e
inspección son de 12, 18, 4, y 6 minutos respectivamente?

Problema 17

Wivco fabrica dos productos (indicados por P1 y P2) procesando materia prima. Se puede
comprar hasta 90 TN semanales de materia prima a un costo de 10 Euros/Ton. Para producir 1
Ton del producto P1 se necesita 1 Ton de materia prima y se requieren 2 horas de mano de obra;
y para producir una Ton del producto P2 se necesitan 0.33 Ton de materia prima y 3 horas de
mano de obra. Otros datos del problema son: se dispone de 200 horas semanales de mano de obra
y se pueden vender como mucho 40 Ton del producto P2. Por último, el producto P1 se vende a
13 Euros/Ton, y el producto P2 a 40 Euros/Ton.
Se pide:
(a) Formular el problema de planificación de la producción para maximizar los ingresos
semanales.
(b) Obtener una solución óptima, así como otras variables de interés (costos reducidos, holguras,
precios sombra y rangos de optimalidad).
(c) Si se pudieran comprar solamente 87 Ton de materia prima, ¿cual será el beneficio semanal?
Si se vendiera el producto P2 a 39.50 Euros/Ton .¿cual será la nueva solución óptima?
(d) ¿Cual sería la máxima cantidad que Wivco debería estar dispuesto a pagar por otra Ton
adicional de materia prima?
(e) ¿Cual sería la máxima cantidad que Wivco debería estar dispuesto a pagar por cada hora
adicional de mano de obra?

Problema 18

Resolver el siguiente ejemplo específico donde van a procesarse 4 productos a través de 3


máquinas diferentes. Los tiempos (en minutos) requeridos por unidad de cada producto, la
capacidad de operación diaria de cada máquina, en minutos, así como las cantidades a producir
mínimas y máximas para cada producto, los precios de venta y los costes por unidad fabricada de
cada producto vienen en la siguiente tabla:

Investigación de Operaciones I
204
Ing. Mauro Pérez Estrella

Minutos/unid
P1 P2 P3 P4 Capacidad de operación
M1 1 1.25 2 1 450
M2 3 2 0 2 400
M3 2 0.5 3 1 620
Cant. Mín 2 20 30 30
Cant. Máx 200 200 150 100
Precio venta ($/unid) 25 20 30 15
Costo ($/unid) 10 15 18 5

Se pide:
(a) Formular el problema de planificación de la producción para maximizar las utilidades.
(b) Obtener una solución óptima, así como otras variables de interés (costos reducidos, holguras,
precios sombra y rangos de optimalidad).
(c) Si se contara con una capacidad de operación en la máquina 1 de solamente 400 horas, ¿cual
será la utilidad total?
(d) Si se vendiera el producto P2 a 30 $/u .¿cual será la nueva solución óptima?
(e) ¿Cual sería la máxima cantidad que Wivco debería estar dispuesto a pagar por una hora
adicional de cada máquina?
(f) ¿Cual sería la máxima utilidad para Wivco si el tiempo en las máquinas 1, 2, y 3 son de 1, 1,
y 2 minutos respectivamente para el producto P3?

Problema 19

Un fabricante tendrá que atender 4 pedidos de producción, A, B, C y D, en este mes. Cada trabajo
puede ser llevado a cabo en cualquiera de sus tres talleres. El tiempo necesario para completar
cada trabajo en cada uno de esos talleres, el costo por hora y la cantidad de horas disponibles que
tendrá cada taller durante este mes aparecen en la siguiente tabla. También existe la posibilidad
de dividir cada uno de los trabajos entre los distintos talleres, en cualquier proporción que se
desee. Por ejemplo, una cuarta parte del trabajo A puede hacerse en 8 horas en el taller 1 y una
tercera parte del trabajo C puede hacerse en 19 horas en el taller 3. el fabricante desea determinar
la cantidad de horas de cada trabajo que deberá realizarse en cada taller, para minimizar el costo
total de terminación de los cuatro trabajos.

TALLER TIEMPO REQUERIDO COSTO POR TIEMPO DE


(Hr) HORA DE TALLER
A B C D TALLER ($) DISPONIBLE (HR)
1 32 151 72 118 89 160
2 39 147 61 126 81 160
3 46 155 57 121 84 160

Se pide:
a) Determinar la solución óptima
b) Qué sucede con la solución óptima si se incrementa las horas disponibles en el taller 1 en
40 horas adicionales. Use análisis pos-óptimo.

Problema 20

Investigación de Operaciones I
205
Ing. Mauro Pérez Estrella

Dado el siguiente problema:


Max Z = 3X1 + 2X2 + 5X3
s.a: X1 + 2X2 + X3 ≤ 430
3X1 + 2X3 ≤ 460
X1 + 4X2 ≤ 420 ¥Xi ≥0
Se pide:
a) Determinar la solución óptima.
b) Realizar un cambio en:
1  2
   
a1   3  cambiar por a1 ´  1 
1  2
   
c) Determinar el rango de variación del coeficiente de X1 de la función objetivo.

Problema 21

Para el siguiente problema:


Min z = 4X1 + 6X2 + 3X3 + 2X4
s.a: 3X1 + 5X2 + 2X3 +3X4 ≥ 3
7X1 + 4X2 + 2X3 +8X4 ≥ 5
5X1 + 6X2 + 6X3 +2X4 ≥ 4
X1 + X2 + X3 + X4 = 1 ¥Xi ≥0
Se pide:
a) Resolver el problema utilizando el método SIMPLEX. Mostrar el tablero óptimo.
b) A partir del tablero anterior construir el tablero óptimo DUAL.

Problema 23

Investigación de Operaciones I
206
Ing. Mauro Pérez Estrella

PROBLEMAS DE TRANSPORTE Y DE
ASIGNACIÓN

PROBLEMA DE TARNSPORTE

Formulación de un problema de transporte

Todo problema de transporte está definido, considerando lo siguiente:


1. Se tiene un conjunto de “m” orígenes ó puntos de oferta. Cada punto de
oferta “i” tiene una capacidad de oferta “ai”.
2. Se tiene un conjunto de “n” destinos ó puntos de demanda. Cada punto de
demanda “j” tiene un requerimiento asociado “b j”.
3. Cada unidad enviada desde un punto de oferta “i” hacia un punto de
demanda “j” tiene un costo de transporte C ij

Considerando:
Xij = número de unidadse enviados desde un punto de oferta “i” hacia un punto de demanda “j”

Luego la formulación del problema de transporte queda definido por:

m n
MinZ   C X
i 1 j 1
ij ij

s.a:
m

X
i 1
ij  ai si (i = 1,….m) Restricción de oferta
n

X
j 1
ij  bj si (j = 1, ….. n) Restricción de demanda

X ij  0 (i = 1, …m ; j = 1,….n) Condición de no negatividad


Debe satisfacer:
m n


i 1
ai  b
j 1
j

En este caso el problema se dice que está balanceado, por lo que todas las restricciones estarán al
límite, quedando la formulación de la siguienet froma:

Investigación de Operaciones I
207
Ing. Mauro Pérez Estrella

X
i 1
ij  ai
n

X
j 1
ij  bj

X ij  0
Ejenmplo de problema de transporte balanceado

Una fábrica cuenta con cuatro almacenes situados en diferentes lugares. El almacén 1 cuenta con
100 ton de mercadería, el 2 con 120 ton, el 3 con 50 ton y el 4 con 130 ton. Con la existencia de
estas mercaderías se debe abastecer a 5 cetros de consumo, cuyas demandas son: 60, 80, 60, 90 y
110 ton respectivamente. Los costos de transporte de cada almacén a cada centro de consumo se
dá en la tabla siguiente.

Almacén Centro de
consumo
1 2 3 4 5
1 4 2 5 5 1
2 2 1 6 1 4
3 3 4 2 2 3
4 2 2 1 4 2

En este caso la suma de ofertas es de 400 y la suam de las demandas es de 400, por lo que el
problema es balanceado.

Problemas de transporte no balanceados

Si la sumatoria de ofertas (capacidad) supera a la sumatoria de las demandas, o viceversa, se


puede balancear el problema de transporte introduciendo un punto de demanda (oferta) artificial
que tenga como demanda (oferta) el excedente de oferta (demanda) del problema. Dado que las
asignaciones al punto artificial no son reales, se le asigna un costo unitario de cero. En general, el
costo unitario no necesariamente debe ser iguaal a cero basta con que tenga igual valor a todos
los puntos de oferta (demnada) disponibles de forma de no generar preferencia, por simplicidad
se prefiere utilizar ceros.
Ejemplo
Una fábrica cuenta con cuatro almacenes situados en diferentes lugares. El almacén 1 cuenta con
100 ton de mercadería, el 2 con 120 ton, el 3 con 50 ton y el 4 con 130 ton. Con la existencia de
estas mercaderías se debe abastecer a 5 cetros de consumo, cuyas demandas son: 60, 80, 30, 90 y
110 ton respectivamente. Los costos de transporte de cada almacén a cada centro de consumo se
dá en la tabla siguiente.
Almacén Centro de
consumo

Investigación de Operaciones I
208
Ing. Mauro Pérez Estrella

1 2 3 4 5
1 4 2 5 5 1
2 2 1 6 1 4
3 3 4 2 2 3
4 2 2 1 4 2

El mismo ejemplo anterior pero en este caso la suma de ofertas (400) excede a la suma de las
demandas (370)

Método de solución de la Esquina Nor-Oeste

Problema 1

MTI posee tres plantas de ensamblado de microcomputadoras. La que se encuentra localizado en


San Francisco tiene una capacidad de producción mensual de 1700 unidades, la que esta
localizada en los Ángeles tiene una capacidad mensual de 2000 unidades y la de Phoenix tiene
una capacidad de producción mensual de 1700 unidades.
Las microcomputadoras son vendidas a través de tiendas al menudeo. Para el mes siguiente, la
tienda que se encuentra en San Diego ha hecho un pedido de 1700 unidades, la que esta en
Barstow tiene un pedido de 1000 unidades, la de Tucson ha pedido 1500 unidades y la situada en
Dallas tiene un pedido de 1200 unidades. El costo de envió de una microcomputadora desde cada
planta de ensamblado a cada una de las diferentes tiendas se presenta en la tabal siguiente.

Costo de embarque (dólares/maquina)

Plantas Tiendas
San Diego Barstow Tucson Dallas
San francisco 4.8 3 2.9 6.4
Los Angeles 3.5 6.5 8.2 10.2
Phoenix 6 5 3 8.7

Resolver el problema utilizando el método de la esquina Nor-Oeste.

Solución:

La suma de ofertas = 1700 + 2000 + 1700= 5400


la suma de demandas = 1700 + 1000 + 1500 + 1200 = 5400

Formulación SIMPLEX

Min Z = 5XA1 + 3XA2 + 2XA3 + 6XA4 + 4XB1 + 7XB2


+ 8XB3 + 10XB4 + 6XC1 + 5XC2 + 3XC3 + 8XC4

S.a :
XA1 + XA2 + XA3 + XA4= 1700

XB1 + XB2 + XB3 + XB4= 2000

Investigación de Operaciones I
209
Ing. Mauro Pérez Estrella

XC1 + XC2 + XC3 + XC4= 1700

XA1 + XB1 + XC1= 1700

XA2 + XB2 + XC2= 1000

XA3 + XB3 + XC3= 1500

XA4 + XB4 + XC4= 1200 Xi; j ≥ o (i= A, B, C) (J= 1…...4)

SAN
DIEGO BARTOW TUCSON DALLAS OFERTA
A = SAN Matriz de
FRANCISCO 5 3 2 6 1700 asignación por el
B= LOS método de la
ANGELES 4 7 8 10 2000 Esquina Nor-
Oeste
C= PHOENIX 6 5 3 8 1700
1
DEMANDA 1700 1000 1500 1200 2 3
4 OFERTAS

A 1700 1700 0

B 0 1000 1000 2000 1000 0

C 500 1200 1700 1200 0

DEMANDA 1700 1000 1500 1200

0 0 0 0

a.1) Matriz: I

1 2 3 4

A 1700

0 1000 1000
Investigación de Operaciones I
500 1200 210
Ing. Mauro Pérez Estrella

Evaluación de la matriz

Matriz Zj:
Cij= Ri + Kj
5 8 9 14 R1= 1
Ecuaciones:
4 7 8 13 R2= 0
R1 + K1= 5
-1 2 3 8 R3= -5 R2 + K2= 7
R2 + K3= 8
K1=4 K2=7 K3=8 K4=13 R3 + K3= 3
R3 + K4= 8
R2 + K1= 4
Haciendo R2=0
Matriz Cij – Zij

0 -5 -7 -8
La matriz no es óptima.
0 0 0 -3

7 3 0 0

a.2) Mejorando la matriz


1700 - x x x
x = 1000
X 1000 1000 - x

500 + x 1200 - x

Matriz II
1600 1000

1000 1000 0
CTR= 26 600 dólares
1500 200

Matriz Zj

5 6

4 7 8

3 8

R1 + K1= 5

Investigación de Operaciones I
211
Ing. Mauro Pérez Estrella

R2 + K1= 4
R2 + K2= 7
R2 + K3= 8 R2= 0
R3 + K3= 3
R1 + K3= 6
R3 + K4= 8

Matriz Cij – Zij

0 -5 1 0

0 0 8 5

-1 -5 0 0

Mejorando la matriz II

1600-x x 1000
X=1000
1000+x 1000-x 0

1500 200

Matriz III

0 700 0 1000
CTR= 23100 dolares
1700 300 0 0

0 0 1500 200

Matriz Zij
0 3 1 6

4 7 5 10

2 5 3 8
Matriz optima:

5 0 1 0

0 0 3 0

4 0 0 0

Se verifica que la Matriz de Asignación III es la óptima.

CTR= 23100 dólares valor optimo.

Método de asignación VOGEL

Investigación de Operaciones I
212
Ing. Mauro Pérez Estrella

El procedimiento consiste en realizar las llamadas penalizaciones, la cual consiste en:


1. Determinar dos menores valores (si existen dos valores iguales, se consideran estas dos)
por filas y columnas.
2. Restar estos dos menores valores, constituyéndose en la penalización correspondiente.
3. Elegir la máxima penalización.
4. Determinar el mínimo elemento donde ocurre la máxima penalización, considerando ésta
como un punto de asignación.
5. Si existen dos ó más penalizaciones máximas iguales (empate), se procede a realizar la
penalización secundaria.
6. La penalización secundaria se procede de la siguiente manera:
a) En ambas penalizaciones empatadas, se ubica un segundo
mínimo elemento y en la columna (fila) del segundo mínimo
elemento se ubica un mínimo elemento.
b) La diferencia entre estos dos ultimos elementos, se considera
como la penalización secundaria.
c) Si persiste el empate en estas penalizaciones secundarias, se
elige arbitrariamente una de ellas, para ubicar el punto de
asignación, como en la parte (4).

7. Una vez determinado el punto de asignación, se elimina fila ó columna correspondiente


al punto de asignación.
8. Para elegir la fila ó la columna a eliminar se compara los valores correspondientes a la
demanda y oferta a este punto de asignación. Se eliminará aquella que registra el menor
de ellos.
9. Seguir con las asignaciones de acuerdo a las penalizaciones hasta terminar con las
mismas.
10. Verificar que el número de asignaciones debe corresponder a el valor de “m + n – 1”, si
no es así se completará con los casilleros en blanco de la tabla de asignaciones.
11. Concluido con la elaboración de la matriz de asignaciones, se procede a evaluar, al igual
como en el método de la Esquian Nor-Oeste.

Problema

Una empresa que tiene 3 fábricas: A, B y C y 4 depósitos distribuidores: 1, 2, 3 y 4. Los costos


unitarios, oferta y demanda mensual es:

1 2 3 4 Oferta
A 7 9 9 6 300
B 6 10 12 8 100
C 9 8 10 14 500
Dda 200 240 280 340

a) Halle el programa óptimo de distribución y su costo asociado. Usar el método de Vogel.


b) La solución es única?, es degenerada?. Justifique
c) Existe oferta o demanda insatisfecha, de ser así, quién la absorve? Cuántas unidades?
d) Si se tiene que la capacidad de transporte esta limitado a 250 unidades, se modifica la
solución óptima del problema, de ser así, cómo obtiene la nueva solución? (sólo indíquelo)

Solución

Investigación de Operaciones I
213
Ing. Mauro Pérez Estrella

a) Usando Vogel, la soluc.bas.ini es:


Penalización
7 9 9 6 3 3
6 10 12 8 2 2 2 4
9 8 10 14 1 1 1 1
0 0 0 0 0
6 8 9 6
1 1 1 6
3 2 2
3 2 2

1 2 3 4 Oferta
A 7 9 9 6 300 300
B 6 60 10 12 8 40 100 60
C 9 140 8 240 10 140 14 500 260
0 0 0 160 0 160
Demanda 200 240 280 340
140 140 40

Matriz Zij:

4 3 5 6 R1=-5
6 5 7 8 R2=-3
9 8 10 11 R3=0
-1 -2 0 1 R4=-10
K1=9 K2=8 K3=10 K4=11

Matriz Cij -Zij

3 6 4 0
0 5 5 0
0 0 0 3
1 2 0 -1

Mejora de la matriz de asignación

300
60+X 40-X
140-X 240 140+X
160-X X

X= 40

300
100
100 240 180

Investigación de Operaciones I
214
Ing. Mauro Pérez Estrella

120 40

Matriz Zij:
5 4 6 6 R1=-4
6 5 7 7 R2=-3
9 8 10 10 R3=0
-1 -2 0 0 R4=-10
K1=9 K2=8 K3=10 K4=10

Matriz Cij – Zij:


2 5 3 0
0 5 3 1
0 0 0 4
1 2 0 0

b) La solución es única pues el número de ceros en la matriz Cij-Zij es igual al número de


asignaciones y no es degenerada ya que hay m+n-1 asignación no nula

c) Existe una demanda insatisfecha de 160 unidades, absorvida por 3 en 120 unidades y por 4 en
40 unidades.

d) Se modifica la solución ya que la demanda supera a la oferta en 310 unidades por lo que hay
que crear una fábrica ficticia.

Problema de ASIGNACIÓN

Formulación de un problema de Asiganción

En algunos problemas en la cual la toma de decisiones es la de asignar un elemento de un grupo


(una máquina, un empleado, vehículos, plantas ó intervalos de tiempo) a un elemento de un
segundo grupo ( como una tarea, un proyecto, cargas, elaboración de productos, a tareas).
Para ser consideradas, como un problema de asignación, se debe cumplir con las siguientes
condiciones:
El número de asignados es igual al número de tareas. (este número se denota por “n”).
establecido de forma matricial ésta deb ser una matriz cuadrada de orden “n”.
Cada asignado se asigna a exactamente una tarea.
Cada tarea debe realizarla exactamente un asignado.
Existe un costo Cij asociado con el asignado “i” (i = 1, 2, …, n) que realiza la tarea “j” (j
= 1, 2, …, n).
El objetivo es determinar cómo se debe asignar, las “n” asignaciones con la finalisdad de
minimizar los costos totales.

El modelo de asignación utiliza las siguientes variables de decisión:

Si el asignado i realiza la asignación j


Investigación de Operaciones I
215
Ing. Mauro Pérez Estrella

1
X ij  
0 En caso contario
Cada Xij es una variable binaria (toma valores 0 o 1). Estas variables son de suma importancia en
investigación de operaciones para representar las decisiones de sí ó no (¿debe el asignado i
realizar la tarea j?)
Modelo matemático de asignación:

n n
MinZ    Cij Xij
i 1 j 1
s.a:
n

X
i 1
ij 1 si (i = 1,….n)
n

X
j 1
ij  1 si (j = 1, ….. n)

X ij  0 (i = 1, …n ; j = 1,….n) Condición de no negatividad


( Xij binaria para toda i, j )

Algoritmo de solución – Método HÚNGARO

1. Verificar que la matriz sea de orden “n” (cuadrada), si no es así completar con fila ó
columna ficticia cuyo costo sea cero.
2. Si el problema es de maximización, previamente multiplicar por -1 a toda la tabla de
utilidades.
3. En las llamadas rutas prohibidas asignar un costo bastante alto tal como M (caso de
minimización) ó –M (caso de maximización)
4. Detreminar la matriz reducida, para lo cual identificar los valores mínimos por filas, restar
luego a cada fila por su elemento mínimo correspondiente, luego identificar los valores
mínimos por columnas y restar a cad columan por su elemento mínimo correspondiente,
obteniédo así la matriz reducida.
5. Ubicar los puntos de asignación en aquellos lugares donde se tiene un valor cero,
una sola vez por fila y columna. Si el número de ceros de asignación es igual al
número de asignaciones, se ha llegado al óptimo. El número de asignaciones es
igual al órden de la matriz
6. Si no se ha llegado al óptimo, se cubre los ceros (considerando la fila ó columna donde
haya mayor número de ceros) con líneas, luego identificar el elemento mínimo no
cubierto.
7. Restar este elemento mínimo a todos los punto no cubiertos, los valores que están
cubiertos una sola vez, se mantienen, los valores que están cubiertos dos veces, se suman
el valor mínimo no cubierto.
8. Nuevamente se buscan los ceros de asignación, hasta llegar al número de asignaciones
óptuimo.

Ejemplo
Considere el siguiente problema de asignación, resolver utilizando el método Húngaro

Investigación de Operaciones I
216
Ing. Mauro Pérez Estrella

Recurso
1 2 3 4 5
Origen 1 13 10 22 29 11
2 14 13 16 21 M
3 11 8 M 11 12
4 18 9 19 23 11
5 30 24 34 36 28

Solución

El número de asignaciones = 5 (orden de la matriz)


Obtención de la matriz reducida:
El elemento mínimo por filas (color rojo)

13 10 22 29 11 10
14 13 16 21 M 13
11 8 M 11 12 8
18 9 19 23 11 9
30 24 34 36 28 24

3 0 12 19 1
1 0 3 8 M-13
3 0 M-9 3 4
9 0 10 14 2
6 0 10 12 4

Elemento mínimo por columnas (color rojo)

3 0 12 19 1
1 0 3 8 M-13
3 0 M-9 3 4
9 0 10 14 2
6 0 10 12 4
1 0 3 3 1

Matriz reducida
2 0 9 16 0
0 0 0 5 M-14
2 0 M-12 0 3
8 0 7 11 1
5 0 7 9 3

Ubicando los ceros de asignación

2 0 9 16 0
0 0 0 5 M-14
2 0 M-12 0 3
8 0 7 11 1
5 0 7 9 3

Investigación de Operaciones I
217
Ing. Mauro Pérez Estrella

Se tiene cuatro ceros, lo cual es menor al número de asignaciones ( debemos tener 5 ceros)
Entonces cubrimos con líneas, filas y columnas de ceros, así:

2 0 9 16 0
0 0 0 5 M-14
2 0 M-12 0 3
8 0 7 11 1
5 0 7 9 3

Elemneto mínimo no cubierto = 1

2 1 9 16 0
0 1 0 5 M-14
2 1 M-12 0 3
7 0 6 10 0
4 0 6 8 2

Ubicando nuevamente los ceros de asignación:

2 1 9 16 0
0 1 0 5 M-14
2 1 M-12 0 3
7 0 6 10 0
4 0 6 8 2

Aún no es el óptimo, continuamos iterando:


2 1 9 16 0
0 1 0 5 M-14
2 1 M-12 0 3
7 0 6 10 0
4 0 6 8 2

Elemneto mínimo no cubierto = 2

0 1 7 16 0
0 3 0 7 M-12
0 1 M-14 0 3
5 0 4 10 0
2 0 4 8 2

El número de ceros es igual al orden de la matriz por lo tanto se ha llegado a la solucón óptima.
Los asignados son:
X11 = 1
X23 = 1
X34 = 1
X45 = 1
X52 = 1
Con un costo total mínimo = 13 + 16 + 11 + 11 + 24 = 75

Investigación de Operaciones I
218
Ing. Mauro Pérez Estrella

Problemas resueltos

Problema

Una empresa tiene un trabajo compuesto de 5 módulos para ser desarrollado por 5 programadores,
se desea que cada módulo sea desarrollado por un solo programador y que cada programador
desarrolle un solo módulo. Debido a los diferentes grados de dificultad de los módulos y a las
diferencias individuales de los programadores, el tiempo (en días) que ellos emplean es diferente
y se da en la siguiente tabla:

A B C D E
Módulo 1 2 4 4 3 6
Módulo 2 2 6 5 4 6
Módulo 3 5 6 5 3 7
Módulo 4 3 5 7 2 4
Módulo 5 8 5 6 2 1

d) Determinar la asignación óptima de modo de minimizar el tiempo total, utilizar el método


Húngaro.
e) Para cuándo debe comprometerse a entregar el trabajo
f) Cómo sería la formulación si un programador puede desarrollar más de un módulo?
g) Cuál es la opción que más le conviene hacer a la empresa?.

SOLUCION

1.-a obtención de la matriz reducida

A B C D E A B C D E
Módulo 1 0 0 0 1 5 Módulo 1 0 0 0 1 5
Módulo 2 0 2 1 2 5 Módulo 2 0 2 1 2 5
Módulo 3 3 2 1 1 6 Módulo 3 2 1 0 0 5
Módulo 4 1 1 3 0 3 Módulo 4 1 1 3 0 3
Módulo 5 6 1 2 0 0 Módulo 5 6 1 2 0 0
(1) (1)

Tiempo tot = 4 + 2 + 5 + 2 + 1 = 14

1 b.- Debe comprometerse a terminar el trabajo en 5 dias

Investigación de Operaciones I
219
Ing. Mauro Pérez Estrella

1 c.- La formulación sería PL

MinZ= 2X1A+4X1B+4X1C+......2X5D+X5E
s.a:

X1A+X1B+X1C+X1D+X1E = 1.......... módulo hace un solo programador


X5A+X5B+X5C+X5D+X5E = 1
X1A+X2A+X3A+X4A+X5A > 1......... programador hace uno o más módulos
X1E+X2E+X3E+X4E+X5E > 1
X ij = 0 o 1

1 d. Conviene la opción en la cual la duración de los proyectas sea mínima.

Problema

La Heinson Fisheries Incorporated (HFI) tiene cuartos fríos en sus almacenes localizadas en
Boston, Nueva Cork y Washington D.C. , en cada almacén la HFI procesa y distribuye langostas
para vendedores de pescado localizados en varias ciudades del país. La demanda semanal
estimada por
Pedido langostas es como sigue:
Ciudad Número de cajas
Miami 30
Chicago 50
Philadelphia 65
Dallas 55

Los costos de transporte aéreo por caja entre las plantas y los vendedores son como sigue:

Hacia Miami Chicago Philadelphia Dallas


Desde
Boston 14 16 12 20
Nueva York 12 14 10 8
Washington DC 10 16 8 15

En la próxima semana se espera tener el siguiente suministro de langostas disponible.

Plantas Suministro
Boston 100
Nueva York 40
Washington DC 60

Resolver el problema utilizando el método de la esquina Nor – Oeste.

Solución:

Matriz (i)

Hacia Miami Chicago Philadelphia Dallas Oferta


Desde
Boston 14 16 12 20 100
Nueva York 12 14 10 8 40

Investigación de Operaciones I
220
Ing. Mauro Pérez Estrella

Washington DC 10 16 8 15 60
Demanda 30 50 65 55

La suma de ofertas: 100 + 40 + 60 = 200


La suma de demandas: 30 + 50 + 65 + 55 =200
El problema es balanceado:

Hallando la Matriz I

1 2 3 4

A 30 50 20 100 70 20 0

B 40 40 0

C 5 55 60 55 0

Demanda 30 50 65 55
0 0 45 0
5
0

Matriz I

1 2 3 4

A 30 50 20

B 40 CTR=2725, 00 dólares

C 5 55

Evaluación de la Matriz de Asignación I

Matriz Zij

1 2 3 4
R1 + K1=14 Sea R1=0
A 14 16 12 19 R1=0 R1 + K2=16
R1 + K3=12
B 12 14 10 17 R2=-2 R2 + K3=10
R3 + K3=8
C 10 12 8 15 R3=-4 R3 + K4=15

K1 K2 K3 K4
14 16 12 19

Matriz
Cij – Zij

Investigación de Operaciones I
221
Ing. Mauro Pérez Estrella

1 2 3 4

A 0 0 0 1

B 0 0 0 -9 La matriz no es óptima

C 0 4 0 0

Mejorando la solución

Punto de Mejora (2:4)

Matriz II

1 2 3 4

A 30 50 20
X=40
B 40-X X

C 5+X 55-X

1 2 3 4

A 30 50 20
CTR=2365, 00 dólares
B 40

C 45 15

Evaluación de la Matriz II
Matriz Zij

1 2 3 4
R1 + K1=14
A 14 16 12 19 R1=0 R1 + K2=16
R1 + K3=12 Sea R1=0
B 3 5 1 8 R2=-11 R2 + K4=8
R3 + K3=8
C 10 12 8 15 R3=-4 R3 + K4=15

K1 K2 K3 K4
14 16 12 19

Investigación de Operaciones I
222
Ing. Mauro Pérez Estrella

Matriz Cij – Zij

1 2 3 4

A 0 0 0 1
La Matriz II, es la óptima.
B 9 9 9 0

C 0 4 0 0

Finalmente el patrón de embarque de costo mínimo es:

Destinos
1 2 3 4

A 30 50 20

Orígenes B 40

C 45 15

Es decir:

De A se envía a 1: 30 cajas

De A se envía a 2: 50 cajas

De A se envía a 3: 20 cajas

De C se envía a 3: 45 cajas

De B se envía a 4: 40 cajas

De C se envía a 4: 15 cajas.

Min (z) = 30(14) + 50(16) + 20(12) + 45(8) + 40(8) + 15(15)

Min z).= 2365.00 dólares

Problema

La Santa Bárbara Oil Company tiene refinerías en los Ángeles, Houston y St Louis. La
gerencia necesita un plan de distribución óptimo entre las refinerías y lasa instalaciones

Investigación de Operaciones I
223
Ing. Mauro Pérez Estrella

regionales de almacenamiento, localizadas en Denver, Seattle, Chicago y Buffalo. Los datos


siguientes son representativos para las operaciones de un mes tipico.

Hacia Buffalo Seatle Chicago Denver


Desde
Los Angeles 8 5 8 4
Houston 9 5 5 5
St. Louis 9 8 4 4

Instalación regional de Ventas mensuales (millones


almacenamiento de Barriles)
Buffalo 50
Seatle 100
Chicago 50
Denver 100

Refineria Capacidad mensual Costo variable


disponible (millones de ($/barril)
barriles)
Los Angeles 150 5
Houston 80 4
St. Louis 100 3

Resolver este problema utilizando el método de VOGEL

Solución:

Matriz de costos totales:

Buffalo Seatle Chicago Denver Oferta


13 10 13 9 150
13 9 9 9 80
12 11 7 7 100
Demanda 50 100 50 100

Costo total = costo de envió + costo variable

Suma de ofertas: 150 + 80 + 100 = 330


Suma de demandas: 50 + 100 + 50 + 100 = 300

Se sabe que: Demanda tiene que ser igual a la oferta por lo tanto se le adiciona columna.

Ofertas
13 10 13 9 0 150
13 9 9 9 0 80
12 11 7 7 0 100
Demandas 50 100 50 100 30

Investigación de Operaciones I
224
Ing. Mauro Pérez Estrella

La suma de ofertas: 150 + 80 + 100= 330

Aplicando Vogel:

Mayor penalización
Ps Ps
13 10 13 9 0 9 2 1 1 1 0

9 2 0 0 0
13 9 9 9 0
7 0
12 11 7 7 0
1 2 2 2 0

1 1 2 2 0
Ps 0 0
0 1 4 0
0 1 0
Ps 1

Para determinar la matriz asignación consideramos lo sgte:

Completando los valores obtenemos la siguiente MATRIZ DE ASIGNACION.

50 70 0 30 150 120 50 0

30 50 80 30 0

100 100 0

50 100 50 100 30

0 70 0 0 0
0

Matriz Zj Matriz Cj – Zj

13 10 9 9 0 0 0 4 0 0

12 9 8 8 -1 1 0 1 1 1
Investigación de Operaciones I
11 8 7 7 -2 225 1 3 0 0 2
Ing. Mauro Pérez Estrella

Cj – Zj >=0

Entonces se ha llegado al óptimo

Finalmente la distribución óptima es:

Buffalo Seattle Chicago Denver Otro

Los Ángeles 50 70 0 30

Origen Houston 30 50

V.T Louis
100

Observamos que para llegar a tener un resultado optimo deberíamos buscar otra instalación
adicional para cumplir con las demandas requeridas.
Teniendo como costo: 2720 dólares

Problema

Considere el siguiente problema de transporte con la tabla de costos y requerimientos que se


muestran en seguida:

Destino
1 2 3 4 5 6 Recurso

1 13 10 22 29 18 0 5
Origen 2 14 13 16 21 M 0 6
3 3 0 M 11 6 0 7
4 18 9 19 23 11 0 4
5 30 24 34 36 28 0 3

Demanda 3 5 4 5 6 2

Utilice cada uno de los siguientes criterios para obtener una solución básica factible. Compare
los valores de la función objetivo para estas soluciones.
a) Regla de la esquina noroeste
b) Método de aproximación de Vogel

Solución:

a) Regla de la esquina noroeste

Investigación de Operaciones I
226
Ing. Mauro Pérez Estrella

Siendo:
Matriz Ci j
13 10 22 29 18 0
14 13 16 21 M 0
3 0 M 11 6 0
18 9 19 23 11 0
30 24 34 36 28 0

Matriz asignación I:

3 2 5 2 0
3 3 6 3 0
1 5 1 7 6 1 0
4 0
4
3 2 0
1 2
3 5 4 5 6 2
0 3 1 0 5 0
0 0 1
0

En la matriz asignación I , Zopt = $ 379

b) Método de aproximación de Vogel

Según este método se tiene la siguiente matriz:

Oferta penalizaciones (fila)


13 10 22 29 18 0 5 10
14 13 16 21 M 0 6 13
3 0 M 11 6 0 7 0
4 9
18 9 19 23 11 0 3 24
30 24 34 36 28 0
Demanda 3 5 4 5 6 2
10 9 3 10 5 0 penalizaciones (columna)

Menor costo unitario en la fila 5= 0, X56=2, se elimina la columna 6 en la cual la demanda se


hace 0 y la oferta en la fila 5 disminuye 2 unidades.

Oferta penalizaciones (fila)

Investigación de Operaciones I
227
Ing. Mauro Pérez Estrella

13 10 22 29 18 - 5 3
14 13 16 21 M - 6 1
3 0 M 11 6 - 7 3
18 9 19 23 11 - 4 2
1 4
30 24 34 36 28 -
Demanda 3 5 4 5 6 0
10 9 3 10 5 - penalizaciones (columna)

Empate
Penalización secundaria: (2do menor en la columna)-(menor en la fila correspondiente)
3 8

Menor costo unitario en la columna 1= 3, X31=3, se elimina la columna 1 en la cual la demanda


se hace 0 y la oferta en la fila 3 disminuye 3 unidades.

Oferta penalizaciones (fila)

- 10 22 29 18 - 5 8
- 13 16 21 M - 6 3
- 0 M 11 6 - 4 6
4 2
- 9 19 23 11 -
1 4
- 24 34 36 28 -
Demanda 0 5 4 5 6 0
Penalizaciones (columna) - 9 3 10 5 -

Menor costo unitario en la columna 4= 11, X34=4, se elimina la fila 3 en la cual la oferta se hace
0 y la demanda en la columna 4 disminuye 4 unidades.
Oferta penalizaciones (fila)

- 10 22 29 18 - 5 8
- 13 16 21 M - 6 3
- - - - - - 0 -
4 2
- 9 19 23 11 -
1 4
- 24 34 36 28 -
Demanda 0 5 4 1 6 0
Penalizaciones (columna) - 1 3 2 7 -

Menor costo unitario en la fila1= 10, X12=5, como ambas fila y columna se satisfacen
simultáneamente según el método de vogel para este caso se debe escoger una de ellas para hacer
la oferta o la demanda 0 y la otra fila o columna que no se escoge no debe ser considerada para
las siguientes penalizaciones, de esta manera se elimina la fila1 en la cual la oferta se hace 0 y la
columna 2 en la cual la demanda es 0, no se considera para las siguientes penalizaciones, queda
Oferta penalizaciones
(fila)

- - - - - - 0 -
- - 16 21 M - 6 5
- - - - - - 0 -
4 8

Investigación de Operaciones I
228
Ing. Mauro Pérez Estrella

- - 19 23 11 - 1 6
- - 34 36 28 -
Demanda 0 - 4 1 6 0
Penalizaciones (columna) - - 3 2 17 -

Menor costo unitario en la columna 5= 11, X 45=4, se elimina la fila 4en la cual la oferta se hace
0 y la demanda en la columna 5 disminuye 4 unidades.
Oferta penalizaciones
(fila)

- - - - - 0 -
- - 16 21 M - 6 5
- - - - - - 0 -
0 -
- - - - - -
1 6
- - 34 36 28 -
Demanda 0 - 4 1 2 0
Penalizaciones (columna) - - 18 15 M-18 -

Menor costo unitario en la columna 5= 28, X55=1, se elimina la fila 5 en la cual la oferta se hace
0 y la demanda en la columna 5 disminuye 1 u

Oferta
- - - - - 0
- - 16 21 M - 6
- - - - - - 0
0
- - - - - -
0
- - - - - -
Demanda 0 - 4 1 1 0

Como sólo queda una fila sin tachar, se terminan las penalizaciones y la primera matriz
asignación queda:

Matriz asignación I:
5
0 4 1 1
3 4
4
1 2

En la matriz asignación I , Zopt = $ 360

Podemos concluir que la matriz de asignación mediante el método Vógel reporta un menor
costo de transporte, siendo la más cercana al óptimo cuyo valor es de 256.

A continuación cofirmamos esta diferencia con la solución completa

Investigación de Operaciones I
229
Ing. Mauro Pérez Estrella

Método de la esquina Nor-Oeste

Evaluamos si la matriz I es óptima:


Matriz Zi j:
13 10 13 24-M 19-M -3-M 13-M
16 13 16 27-M 22-M -6-M 16-M
M M-3 M 11 6 -22 0
M+5 M+2 M+5 16 11 -17 5
M+22 M+19 M+22 33 28 0 22

M M-3 M 11 6 -22

Donde: M es una ruta prohibida a la cual se le debe asignar un costo unitario muy grande
comparado con los demás costos, en este caso M=100
Matriz Ci j – Zi j :

0 0 9 5+M M-1 M+9


-2 0 0 -6+M 2M-22 M+6
3-M 3-M 0 0 0 22
13-M 7-M 14-M 7 0 17
8-M 5-M 12-M 3 0 0

Como aún quedan valores negativos en la matriz Ci j – Zi j , la matriz asignación I no es óptima.


Mejorando la matriz asignación I:

3-X 2+X
3-X 3+X
X 1-X 5 1
X=1
4
1 2

Matriz asignación II:

2 3
2 4
1 5 1
4
1 2
En la matriz asignación I , Zopt = $ 282

Evaluamos si la matriz I I, es óptima:


Matriz Zi j:
13 10 13 21 16 -12 10
16 13 16 24 19 -9 13
3 0 3 11 6 -22 0
5
8 5 8 16 11 -17
22
25 22 25 33 28 0
3 0 3 11 6 -22

Matriz Ci j – Zi j :

Investigación de Operaciones I
230
Ing. Mauro Pérez Estrella

0 0 9 8 2 12
-2 0 0 -3 M-19 9
0 0 M-3 0 0 22
10 4 11 7 0 17
5 2 9 3 0 0

Como aún quedan valores negativos en la matriz Ci j – Zi j , la matriz asignación II no es óptima.


Mejorando la matriz asignación II:

2-X 3+X
2-X 4 X
1+X 5-X 1
X=2
4
1 2
Matriz asignación III:

0 5
4 2
3 3 1
4
1 2
En la matriz asignación I , Zopt = $ 276

Evaluamos si la matriz III es óptima:

Matriz Zi j:
13 10 16 21 16 -12 10
16 13 16 21 16 -12 10
3 0 6 11 6 -22 0
5
8 5 11 16 11 -17
22
25 22 28 33 28 0
3 0 6 11 6 -22
Matriz Ci j – Zi j :

0 0 6 8 2 12
1 3 0 0 M-16 12
0 0 M-6 0 0 22
10 4 8 7 0 17
5 2 6 3 0 0

Como los valores en la matriz Ci j – Zi j son positivos, la matriz asignación III es óptima, en la
matriz se observa que el numero de ceros que es 11, excede al número de asignaciones básicas
(m+n-1=10), por lo que se debe tener en cuenta que existen soluciones [optimas alternativas) lo
que significa que existe otra manera de asignar los embarques de mercadería a igual costo, Zopt =
$ 276.

c) Método de aproximación de Vogel

Investigación de Operaciones I
231
Ing. Mauro Pérez Estrella

Según este método se tiene la siguiente matriz:

Oferta penalizaciones (fila)


13 10 22 29 18 0 5 10
14 13 16 21 M 0 6 13
3 0 M 11 6 0 7 0
4 9
18 9 19 23 11 0 3 24
30 24 34 36 28 0
Demanda 3 5 4 5 6 2
10 9 3 10 5 0 penalizaciones (columna)

Menor costo unitario en la fila 5= 0, X56=2, se elimina la columna 6 en la cual la demanda se hace
0 y la oferta en la fila 5 disminuye 2 unidades.

Oferta penalizaciones (fila)

13 10 22 29 18 - 5 3
14 13 16 21 M - 6 1
3 0 M 11 6 - 7 3
18 9 19 23 11 - 4 2
1 4
30 24 34 36 28 -
Demanda 3 5 4 5 6 0
10 9 3 10 5 - penalizaciones (columna)

Empate
Penalización secundaria: (2do menor en la columna)-(menor en la fila correspondiente)
3 8

Menor costo unitario en la columna 1= 3, X31=3, se elimina la columna 1 en la cual la demanda


se hace 0 y la oferta en la fila 3 disminuye 3 unidades.

Oferta penalizaciones (fila)

- 10 22 29 18 - 5 8
- 13 16 21 M - 6 3
- 0 M 11 6 - 4 6
- 9 19 23 11 - 4 2
1 4
- 24 34 36 28 -
Demanda 0 5 4 5 6 0
- 9 3 10 5 - Penalizaciones (columna)

Menor costo unitario en la columna 4= 11, X34=4, se elimina la fila 3 en la cual la oferta se hace
0 y la demanda en la columna 4 disminuye 4 unidades.
Oferta penalizaciones (fila)

Investigación de Operaciones I
232
Ing. Mauro Pérez Estrella

- 10 22 29 18 - 5 8
- 13 16 21 M - 6 3
- - - - - - 0 -
4 2
- 9 19 23 11 -
1 4
- 24 34 36 28 -
Demanda 0 5 4 1 6 0
Penalizaciones (columna) - 1 3 2 7 -

Menor costo unitario en la fila1= 10, X12=5, como ambas fila y columna se satisfacen
simultáneamente según el método de vogel para este caso se debe escoger una de ellas para hacer
la oferta o la demanda 0 y la otra fila o columna que no se escoge no debe ser considerada para
las siguientes penalizaciones, de esta manera se elimina la fila1 en la cual la oferta se hace 0 y la
columna 2 en la cual la demanda es 0, no se considera para las siguientes penalizaciones, queda

Oferta penalizaciones (fila)

- - - - - - 0 -
- - 16 21 M - 6 5
- - - - - - 0 -
4 8
- - 19 23 11 -
1 6
- - 34 36 28 -
Demanda 0 - 4 1 6 0
Penalizaciones (columna) - - 3 2 17 -

Menor costo unitario en la columna 5= 11, X45=4, se elimina la fila 4en la cual la oferta se hace
0 y la demanda en la columna 5 disminuye 4 unidades.

Oferta penalizaciones
(fila)

- - - - - 0 -
- - 16 21 M - 6 5
- - - - - - 0 -
0 -
- - - - - -
1 6
- - 34 36 28 -
Demanda 0 - 4 1 2 0
Penalizaciones (columna) - - 18 15 M-18 -

Menor costo unitario en la columna 5= 28, X55=1, se elimina la fila 5 en la cual la oferta se hace
0 y la demanda en la columna 5 disminuye 1 u
Oferta
- - - - - 0
- - 16 21 M - 6
- - - - - - 0
0
- - - - - -
0
- - - - - -
Demanda 0 - 4 1 1 0

Investigación de Operaciones I
233
Ing. Mauro Pérez Estrella

Como sólo queda una fila sin tachar, se terminan las penalizaciones y la primera matriz asignación
queda:

Matriz asignación I:
5
0 4 1 1
3 4
4
1 2

En la matriz asignación I , Zopt = $ 360

Evaluamos si la matriz I , es óptima:

Matriz Zi j:

10 10 13 18 M-3 M-31 -3
13 13 16 21 M M-28 0
-10
3 3 6 11 M-10 M-38
11-M
24-M 24-M 27-M 32-M 11 -17
28-M
41-M 41-M 44-M 49-M 28 0
13 13 16 21 M M-28

DONDE: M es una ruta prohibida a la cual se le debe asignar un costo unitario muy grande
comparado con los demás costos, en este caso M=100

Matriz Ci j – Zi j :

3 0 9 11 21-M 31-M
1 0 0 0 0 28-M
0 -3 M-6 0 16-M 38-M Como aún quedan valores negativos
M-6 M-15 M-18 M-19 0 17 en la matriz Ci j – Zi j , la matriz
M-11 M-17 M-10 M-13 0 0 asignación I no es óptima.
Mejorando la matriz asignación I:

5
0 4 1+X 1-X
3 4-X X
X=1
4
1 2
Matriz asignación II:

Investigación de Operaciones I
234
Ing. Mauro Pérez Estrella

0 4 2
3 3 1
4
1 2
En la matriz asignación I I, Zopt = $ 276

10 10 13 18 13 -15 -3
13 13 16 21 16 -12 0
3 3 6 11 6 -22 -10
8 8 11 16 11 -17 -5
25 25 28 33 28 0 12

13 13 16 21 16 -12

DONDE: M es una ruta prohibida a la cual se le debe asignar un costo unitario muy grande
comparado con los demás costos, en este caso M=100

Matriz Ci j – Zi j :

3 0 9 11 5 15
1 0 0 0 M-16 12
0 -3 M-6 0 0 22 Como aún quedan valores negativos
10 1 8 7 0 17 en la matriz Ci j – Zi j , la matriz
5 -1 6 3 0 0 asignación II no es óptima.
Mejorando la matriz asignación II:

X 5-X
0 4 2
3-X X 3 1
4 X=3
1 2

Matriz asignación III:


3 2
0 4 2
3 3 1
4
1 2

En la matriz asignación I II, Zopt = $ 276, en esta matriz mejorada el número de elementos (11)
excede al numero de soluciones bàsicas (m+n-1=10), por lo que se debe tener en cuenta que
existen soluciones òptimas alternativas.

Comparando los mètodos de esquina Nor - oeste y Vogel para el mismo problema se tiene las
siguientes soluciones bàsicas factibles: lo que varia son las rutas, pero el Zóptimo es el mismo
para ambos casos como se esperaba, es decir, se pueden cubrir las ofertas y demandas de
diferentes maneras pero a un costo total constante, eso es lo que indica cada soluciòn bàsica
factible alternativa.

Comparación de los resultados por ambos métodos


MÈTODO ESQUINA NOR-OESTE

Investigación de Operaciones I
235
Ing. Mauro Pérez Estrella

RUTAS UNIDADES COSTO UNITARIO($)


del origen 1 al destino 1 0 13
del origen 1 al destino 2 5 10
del origen 2 al destino 3 4 16
del origen 2 al destino 4 2 21
del origen 3 al destino 1 3 3
del origen 3 al destino 4 3 11
del origen 3 al destino 5 1 6
del origen 4 al destino 5 4 11
del origen 5 al destino 5 1 28
del origen 5 al destino 6 2 0
Z OPTIMO= $ 276

MÈTODO VOGEL
RUTAS UNIDADES COSTO UNITARIO($)
del origen 1 al destino 1 3 13
del origen 1 al destino 2 2 10
del origen 2 al destino 3 4 16
del origen 2 al destino 4 2 21
del origen 3 al destino 2 3 0
del origen 3 al destino 4 3 11
del origen 3 al destino 5 1 6
del origen 4 al destino 5 4 11
del origen 5 al destino 5 1 28
del origen 5 al destino 6 2 0
Z OPTIMO= $ 276

Problema

Suponga que Inglaterra, Francia y España producen todo el trigo, cebada y avena en el mundo.
La demanda de trigo requiere que se dediquen 125 millones de acres a la producción de este
cereal. De igual manera se necesitan 60 millones de acres para cebada y 75 millones de acres
para avena. La cantidad total de tierra disponible es suficiente para los tres productos en los tres
países. El número de horas de mano de obra necesarios para producir un acre de trigo en los
respectivos países es 18, 13 y 16 horas. La producción de un acre de cebada requiere 15, 12 y 12
horas de mano de obra en Inglaterra, Francia y España y el número de horas de mano de obra
necesarias para producir un acre de avena es 12, 10 y 16 respectivamente. El costo de mano de
obra por hora en los tres paises respectivotes $3.00, $2.40, $3.30 para la produccion de trigo;
$2.70, $3.00 y $2.80 para la producción de cebada y $2.30, $ 2.50 y $ 2.10 para la producción de
avena. El problema es asignar un solo producto a uno de los paises. El objetivo al hacerla
asignación es de minimizar el costo total de la producción
a) Formular el problema como uno de asignación.
b) Resolver utilizando el metodo Húngaro

Solución

a)

Trigo Cebada Avena

Investigación de Operaciones I
236
Ing. Mauro Pérez Estrella

Inglaterra 54 $ / acre 40.5 $ / acre 27.6 $ / acre


Francia 31 $ / acre 36 $ / acre 25 $ / acre
España 52 $ / acre 33 $ / acre 33.6 $ / acre

Costo total de producción para cada cereal

Trigo Cebada Avena


Inglaterra 6750 $ 2430 $ 2070 $
Francia 3875 $ 2160 $ 1875 $
España 6500 $ 1980 $ 2520 $

b)

6750 2430 2070 2070 4680 360 0

3875 2160 1875 1875 2000 285 0

6500 1980 2520 1980 4520 0 54

2000 0 0
2680 360 0
 Inglaterra solo debe producir avena.
0 285 0
Costo total de producci  Francia solo debe producir trigo.
2520 0 0
 España solo debe producir cebada.

Costo total de producción = 7925 millones $.

Problema

(Modelo de transporte estándar)

MG Auto Company tiene plantas en Los Ángeles, Detroit y Nueva Orleáns. Sus centros de
distribución principales son Denver y Miami. Las capacidades de las plantas durante el trimestre
próximo son 1 000, 1 500, y 1 200 automóviles. Las demandas trimestrales en los dos centros de
distribución son de 2 300 y 1 400 vehículos. El costo del transporte de un automóvil por tren es
de 8 centavos por milla. El diagrama de las distancias recorridas entre las plantas y los centros de
distribución son:

Denver Miami
Los Ángeles 1 000 1 690
Detroit 1 250 1 350
Nueva Orleans 1 275 850

Esto produce en costo por automóvil a razón de 8 centavos por milla recorrida. Produce los costos
siguientes (redondeados a enteros), que representan a C i j del modelo original:

Denver Miami
Los Ángeles 80 215

Investigación de Operaciones I
237
Ing. Mauro Pérez Estrella

Detroit 100 108


Nueva Orleans 102 68

Mediante el uso de códigos numéricos que representan las plantas y centros de distribución,
hacemos que X i j represente el número de automóviles transportados de la fuente i al destino j.
Como la oferta total ( = 1 000 + 1 500 + 1 200 = 3 700) es igual a la demanda ( = 2 300 + 1 400
= 3 700), el modelo de transporte resultante está equilibrado. Por lo tanto, el siguiente modelo de
PL que representa el problema tiene todas las restricciones de igualdad.
Minimizar Z = 80X 11 + 215X 12 + 100X 21 + 108X 22 + 102X 31 + 68X 32
Sujeto a:

X 11 X 12 = 1 000
X 21 X 22 = 1 500
X 31 X 32 = 1 200
X 11 X 21 X 31 = 2 300
X 12 X 22 X 32 = 1 400

X ij ≥ 0 para todas las i y j

Un método mas resumido para representar el modelo de transporte consiste en utilizar lo que se
llama tabla de transporte. Esta es una forma de matriz donde sus renglones representan las fuentes
y sus columnas los destinos. Los elementos de costo C i j se resumen en la esquina noroeste de la
celda de la matriz (i, j). Por lo tanto, el modelo de MG se puede resumir en la tabla siguiente:

Destinos Oferta
Denver Miami
Los Angeles 80 215 1000
X11 X12
Detroit 100 108 1500
X21 X22
Nueva Orleans 102 68 1200
X31 X32
Demanda 2300 1400

Problema

Una empresa productora de pepinos envasados que dispone de 100 horas operario y dos plantas
ubicadas en distintos puntos geográficos del país debe satisfacer los pedidos diarios de tres
comerciantes en distintas zonas. Las horas hombre por paquete requeridas en la planta I es de 0.5
horas y en la planta II es de 0.75 horas. De igual forma las horas máquina por paquete de envasado
en la planta I es de 4/3 horas y en la planta II es de 2 horas. Los costos de transporte de cada planta
a cada cliente por paquete de envasado se resumen en la siguiente tabla:
Planta I Planta II
Comerciante A $4 $7
Comerciante B $6 $5
Comerciante C $5 $8
Los pedidos los son: 50, 60 y 40 paquetes de envasado para los comerciantes A, B y C
respectivamente. Los comerciantes obtienen una ganacia de 13 $/paquete y los costos de
producción en cada planta es de $ 2 en la planta I y $3 en la planta II.

Investigación de Operaciones I
238
Ing. Mauro Pérez Estrella

a) plantee el problema de optimización que se le presenta al empresario en términos de PL


b) Si cada planta, en el planteo anterior, produjera 50 y 100 paquetes respectivamente, obtenga
un plan de transporte óptimo, independientemente de los costos de producción. Utilice el método
Vogel

Solución
a) Formulación

1) Variables de decisión
Variable Destino (comerciante):
X planta, comerciante
Ejemplo: para señalar el número de paquetes de envasado enviados de la planta I al
comerciante A: X1A

Donde para todas las variables anteriores se cumple:


Planta: I ó II
Comerciante: A, B ó C

2) Función Objetivo:

F.O = MAX [Ganancia – Costos producción – Costos de transporte]

Ganancia:

13(XIA + XIB + XIC)

13(XIIA + XIIB + XIIC)

Costo de Producción:

Costo de producción (insumos) = 2(XIA + XIB + XIC) + 3(XIIA + XIIB + XIIC )

Costo de Transporte:

Costo de transporte = 4XIA + 6XIB + 5XIC + 7XIIA + 5XIIB + 8XIIC

Finalmente, la función objetivo resulta:

MaxZ = 13(XIA + XIB + XIC + XIIA + XIIB + XIIC) - 2(XIA + XIB + XIC) - 3(XIIA +
XIIB + XIIC) – (4XIA + 6XIB + 5XIC + 7XIIA + 5XIIB + 8XIIC)

MaxZ = 7 XIA + 5XIB +6 XIC + 3XIIA + 5XIIB + 2XIIC

3) Restricciones:
Restricciones de horas hombre:

0.5 (XIA + XIB + XIC) + 0.75 (XIIA + XIIB + XIIC) <= 100

Restricciones de capacidad de horas maquina:

4/3(XIA + XIB + XIC) + 2(XIIA + XIIB + XIIC ) <= 100

Investigación de Operaciones I
239
Ing. Mauro Pérez Estrella

b) Si cada planta, en el planteo anterior, produjera 50 y 100 paquetes respectivamente, obtenga


un plan de transporte óptimo, independientemente de los costos de producción. Utilice el método
Vogel

Comenzamos formulado nuestro problema como un problema exclusivamente de transporte.

Min Z = 4XIA + 6XIB + 5XIC + 7XIIA + 5XIIB + 8XIIC

Sujeto a:

XIA + XIB + XIC = 50


XIIA + XIIB + XIIC =100
XIA + XIIA = 50
XIB + XIIB = 60
XIC + XIIC = 40

Para todo Xij => 0 i= I, II


J=A,B,C
Numero de variables básicas: 2+3-1=4
Obtención de la primera solución basica factible inicial (Metodo de vogel)

Matriz Cij

4 6 5 1 1
7 5 8 2 3

3 1 3
1 3

Matriz de asignación inicial:


Oferta
50 50
0 60 40 100
50 60 40

Evaluación de la matriz I
Matriz Zij Cj-Zj >=0 es el óptimo
4 2 5 0 0 4 0
7 5 8 3 0 0 0
4 2 5
Luego: Ctr = 820$

Debido a que existe un cero de más (numero de VB=4) podemos afirmar que existe solución
alternativas.
Determinación de la solución alternativa:

10+x 40-x 50 0
40-x 60 x 60 40

Ctr = 50x4 +60x5 + 40x 8 = 820 $

Investigación de Operaciones I
240
Ing. Mauro Pérez Estrella

Problema

Una corporación ha decidido producir tres productos nuevos. En este momento, cinco de sus
plantas tienen exceso de capacidad de producción. El costo unitario de fabricación del primer
producto será de $ 31, $ 29, $ 32, $ 28 y $ 29 en las plantas 1, 2,3 ,4 y 5 respectivamente. El costo
unitario de fabricación del segundo producto será $ 45, $ 41, $46, $ 42 y $ 43 en las plantas 1, 2,
3,4 y 5. El costo de fabricación del tercer producto es de $38, $35 y $40 en las plantas 1, 2 y 3
respectivamente, mientras que las plantas 4 y 5 no pueden fabricar este producto. Los pronósticos
indican que la producción diaria para los respectivos productos son 240, 400, 320 unidades diarias
para los respectivos productos 1,2 y 3. Así cada planta tiene ahora capacidad para producir todo
lo que se requiere de cualquiera de ellos. La gerencia ha decidido que cada nuevo producto. El
objetivo al hacer esta asignación es minimizar el costo total de producción para estas cantidades
de los tres productos. Formular el problema como uno de asignación. Resolver utilizando el
método húngaro.

Solucion

Formulando:
Se desea minimizar el costo de prodición entonces se tiene:

A B C
PI 31 45 38
P II 29 41 35
P III 32 46 40
P IV 28 42 M
PV 29 43 M

Para aplicar el método Húngaro, se requiere que se tenga una matriz cuadrada.

A B C D’ E’
PI 31 45 38 0 0
P II 29 41 35 0 0
P III 32 46 40 0 0
P IV 28 42 M 0 0
PV 29 43 M 0 0

Valores Mínimos en filas (0 , 0 , 0 , 0 , 0)


Valores mínimos en columnas (28 , 41 , 35 , 0 , 0). se obtiene
Buscando los ceros de asignación:

3 4 3 0 0

Investigación de Operaciones I
241
Ing. Mauro Pérez Estrella

1 0 0 0 0
4 5 5 0 0
0 1 M-35 0 0
1 2 M-35 0 0

Se tiene solamente 4 ceros y no 5 que corresponde al óptimo, entonces cubrimos con líneas los
ceros de la matriz.

3 4 3 0 0
0 0 0 0
1
4 5 5 0 0
0 1 M-35 0 0
1 2 M-35 0 0

Luego tomando el elemento no cubierto de menor costo (1) se tiene:

2 3 2 0 0
1 0 0 1 1
3 4 4 0 0
0 1 M-36 1 1
0 1 M-36 0 0

2 3 2 0 0
1 0 0 1 1
3 4 4 0 0
0 1 M-36 1 1
0 1 M-36 0 0
Nuevamente buscamos los
ceros de asignación, la matriz resulta no óptimo
Entonces nuevamente cubrimos con lineas los ceros.

2 3 2 0 0
1 0 0 1 1
3 4 4 0 0
0 1 M-36 1 1
0 1 M-36 0 0

El elemento menor no cubierto es 2, luego siguiendo con el procedimiento tenemos:

0 1 0 0 0
1 0 0 3 3
1 2 2 0 0
0 1 M-36 3 3
0 1 M-36 2 2

Nuevamente buscamos los ceros de asignación:

0 1 0 0 0

Investigación de Operaciones I
242
Ing. Mauro Pérez Estrella

1 0 0 3 3
1 2 2 0 0
0 1 M-36 3 3
0 1 M-36 2 2

No es el óptimo

Cubrimos con lineas los ceros:

0 1 0 0 0
1 0 0 3 3
1 2 2 0 0
0 1 M-36 3 3
0 1 M-36 2 2

El elemento menor no cubierto es 1 y se tiene:

1 1 0 0 0
2 0 0 4 4
1 1 2 0 0
0 0 M-36 3 3
0 0 M-36 2 2

Luego los ceros de asignación son:

0 0 0 0 0
1 0 0 4 4
1 1 2 0 0
0 0 M-36 3 3
0 0 M-36 2 2

No es el óptimo, luego seguimos cubriendo con lineas:

0 0 0 0 0
1 0 0 4 4
1 1 2 0 0
0 0 M-36 3 3
0 0 M-36 2 2

El menor no cubierto es 2, luego:

Investigación de Operaciones I
243
Ing. Mauro Pérez Estrella

0 1 2 0 0
1 0 0 2 2
3 3 4 0 0
0 0 M-36 1 1
0 0 M-36 0 0

Cubrimos con lineas:

0 0 2 0 0
1 0 0 2 2
3 3 4 0 0
0 0 M-36 1 1
0 0 M-36 0 0

El elemento menor no cubierto es 2:


Entonces:

0 0 0 0 0
3 2 0 4 4
3 3 2 0 0
0 0 M-38 1 1
0 0 M-39 0 0

Ahora sí se llegó al óptimo, entonces la solución es:

Planta I produce el producto A


Planta II produce el producto C
Planta III produce el producto B

Costo minimo = 31(240) + 46(400) + 35(320) = 7440+18400+11200= 37040


Costo mínimo = 37040

Problema

Johnson Electric produce motores eléctricos pequeños para cuatro fabricantes de aparatos
domésticos, en cada una de sus tres plantas. Los costos de producción por unidad varían de una
localidad a otra, por sus diferencias en términos de equipo de producción y en la producción y en
la productividad de los trabajadores. La tabla 1 muestra los pedidos de los clientes que deberán
atenderse con la producción del mes entrante.
Johnson debe decidir cuántas unidades le conviene producir en cada planta y que proporción de
la demanda de cada cliente tendrá que ser atendida. La empresa desea minimizar los costos totales
de producción y transporte. Formule el problema como uno de transporte y resuelva para hallar
la solución óptima, utilizando el método de la Esquina Nor- Este.

Tabla 1 Tabla 2

CLIENTE DEMANDA

Investigación de Operaciones I
244
Ing. Mauro Pérez Estrella

1 300
CAPACIDAD
2 50 COSTO DE
DE
3 400 PLANTA PRODUCCION
PRODUCCION
4 600 POR UNIDAD
MENSUAL
A 17 800
B 20 600
Tabla 3 COSTOS UNITARIOS POR C 24 700
TRANSPORTE

DESTINO
ORIGEN 1 2 3 4
A 3 2 5 7
B 6 4 8 3
C 9 1 5 4

Solucion

Armaremos la tabla de costos incluyendo los costos de transporte y producción entonces

20 14 22 24 0 800
26 24 28 23 0 600
35 25 30 24 0 700

300 50 400 600 750


750

Es necesario tener una columna adicional para equilibrar la demanda y oferta

Primera matriz de asigancion

300 50 400 50
550 50

700

Costo: 29350
Veremos si es optima
Matriz Zij
20 14 22 24 1
19 13 21 23 0
19 13 21 23 0

Matriz Cij – Zij


0 0 0 0 -1
7 11 7 0 0
16 12 9 1 0

Es necesario mejorar la matriz de asignación, punto a mejorar renglón 1 y columna 5.


Para X = 50

Investigación de Operaciones I
245
Ing. Mauro Pérez Estrella

300 50 400 50-X X


550+X 50-X
700

Luego:

Costo: $ 29300
Veremos si es óptimo
Matriz Zij
20 14 22 23 0
20 14 22 23 0
20 14 22 23 0

Matriz Cij – Zij


0 0 0 0 0
6 10 6 0 0
15 1 8 1 0

Esta es la matriz 300 50 400 0 50 óptima con un costo minino de $


29300 600
700

Problema

Fernwood y Lumber fabrica madera terciada ó triples. El costo de producir 1000 pies tabla de
ese tipo de madera cambia de un mes a otro a causa de las variaciones en los costos de manejo,
el consumo de energía y el precio de las materias primas. El costo de producción de 1000 pies
tabla en cada uno de los 6 meses próximos aparece en la siguiente tabla.

Mes 1 2 3 4 5 6
Costo de producción 900 950 1250 1050 90 850

La demanda para los próximos 6 meses es el siguiente:

Mes 1 2 3 4 5 6
Demanda 60 70 110 80 70 60

Fernwood puede producir hasta 90000pies de tabla al mes. También tiene la opción de mantener
el inventario de un mes al mes siguiente, a un costo mensual de $ 25 por 1000 pies de tabla. Por
ejemplo, 1000 pies tabla producido en el mes1 para la demanda del mes 2 cuesta $25 por concepto
de mantenimiento de inventario. Además, la demanda no satisfecha en un mes puede satisfacerse
en periodos posteriores al costo de $40 por 100 pies de tabla, por cada mes de retraso. Fernwood
debe saber cuánto le conviene producir cada mes y cuantas existencias deberá mantener para
satisfacer la demanda al costo mínimo. Formule el problema como un modelo de transporte y
resuélvalo para encontrar la solución óptima. Utilice el método de la esquina nor-oeste. Mostrar
todas las iteraciones.

Investigación de Operaciones I
246
Ing. Mauro Pérez Estrella

Solucion
1.- Se está suponiendo que la demanda producida para cada mes es 90000.
2.-Los precios de producción están considerados, para sus meses respectivos.
3.- Los sobrantes de cada mes, se están considerando en el mes siguiente respectivo, tomando el
costo de inventario $25 por cada 1000. Como un costo de transporte para esa cantidad.
4.- Los demás costos de transporte son cero, ya que existe único proveedor, cuya única medida
de contingencia es reservar la oferta de un mes para el otro; este se puede considerar como otro
proveedor a otro costo.
5.- No existe oferta insatisfecha, la suposición de que la oferta es 90000 para todos los meses
hace que toda la oferta este satisfecha.

Ordenando.
Tabla de precios unitarios – Cij . Oferta y demanda. Además cumpliendo con la regla de que la
demanda debe ser igual a la oferta se agrega otra columna, en la cual aparece el precio de
inventario del último mes.

1 2 3 4 5 6 7
1 900 750 0 0 0 0 0 90
2 0 950 2500 0 0 0 0 90
3 0 0 1250 750 0 0 0 90
4 0 0 0 1050 1000 0 0 90
5 0 0 0 0 900 1500 0 90
6 0 0 0 0 0 850 2250 90
540
60 70 110 80 70 60 90
540

Método de la esquina nor-oeste


1 2 3 4 5 6 7
1 60 30 90
2 40 50 90
3 60 30 90
4 50 40 90
5 30 60 90
6 90 90
540
60 70 110 80 70 60 90
540

Costo: $749000

a) Matriz Zij

900 750 2300 1800 1750 2350 3750


1100 950 2500 2000 1950 2550 3950
-150 -300 1250 750 700 1300 2700
150 0 1550 1050 1000 1600 3000
50 -100 1450 950 900 1500 2900
-600 -750 800 300 250 850 2250

Investigación de Operaciones I
247
Ing. Mauro Pérez Estrella

b) Matriz Cij – Zij

0 0 -2300 -1800 -1750 -2350 -3750


-1100 0 0 -2000 -1950 -2550 -3950
150 30 0 0 -700 -1300 -2700
-150 0 -1550 0 0 -1600 -3000
-50 100 -1450 -950 0 0 -2900
600 750 -800 -300 -250 0 0
El valor más negativo, donde hay un beneficio potencial para mejora la matriz de
asignación.

c) Mejorando la primera asignación

60 30
40 50-X X
60+X 30-X
50+X 40-X
60-
30+X
X
90-
X
X
Donde X = 30

Se obtiene la 2da Matriz Asignación

60 30
40 20 30
90
80 40
60 30
30 60
Costo $ 630500

d) Evaluación de la 2da Matriz de asignación

Hallamos nuevamente Zij


900 750 2300 -2150 -2200 -1600 -200
1100 950 2500 -1950 -2000 -1400 0
-150 -300 1250 -3200 -3250 -2650 -1250
4100 3950 5500 1050 1000 1600 3000
4000 3850 5400 950 900 1500 2900
3350 3200 4750 300 250 850 2250

Luego Cij - Zij

0 0 -2300 2150 2200 1600 200


-1100 0 0 1950 2000 1400 0
150 300 0 3950 3250 2650 1250
-4100 -3950 -5500 0 0 -1600 -3000
-4000 -3850 -5400 -950 0 0 -2900

Investigación de Operaciones I
248
Ing. Mauro Pérez Estrella

-3350 -3200 -4750 -300 -250 0 0

La matriz no es óptima. Se elige un nuevo punto. En este caso -5500, para poder mejorar
la solución. Luego mejoramos la segunda asignación.

60 30
20-
40 30+X
X
90
X 80 40-X
60+X 30-X
30+X 60-X
Para un valor de X =10

3ra Matriz de asignación

60 30
40 10 40
90
10 80 30
70 20
40 50
Costo es de $ 575500.

Revisamos si la matriz de asignación es óptima. Hallamos nuevamente Zij.

900 750 2300 3350 -2200 -1600 -200


1100 950 2500 3550 -2000 -1400 0
-150 -300 1250 2300 -3250 -2650 -1250
-1400 -1550 0 1050 -4500 -3900 -2500
4000 3850 5400 6450 900 1500 2900
3350 3200 4750 5800 250 850 2250

Otra vez tenemos la matriz Cij – Zij

0 0 -2300 -3350 2200 1600 200


-1100 0 0 -3550 2000 1400 0
150 300 0 -1550 3250 2650 1250
1400 1550 0 0 5500 3900 2500
-4000 -3850 -5400 -6450 0 0 -2900
-3350 -3200 -4750 -5800 -250 0 0

La asignación no es la óptima. El valor saliente o el cuadro saliente es -5800

Investigación de Operaciones I
249
Ing. Mauro Pérez Estrella

Y así sucesivamente, el proceso se repite hasta que en esta matriz todos sus elementos sean
ceros o positivos.
Para evitar, los datos innecesarios se darán las tablas de asignación hasta llegar al óptimo.

4ta Matriz de Asignación Posición de la Variable de salida en Cij – Zij (2,7)

60 30
40 50
10 80
90
50 40
30 60
Costo $ 336500

5ta Matriz de Asignación Posición de la Variable de salida en Cij – Zij (2,6)

60 30
40 10 40
10 80
90
90
70 20
Costo $216500

6ta Matriz de Asignación Posición de la Variable de salida en Cij – Zij (4,3)

60 30
40 50
10 80
90
30
10 70 10
Costo $ 195500
7ta Matriz de Asignación Posición de la Variable de salida en Cij – Zij (3,1)

50 40
30 60
10 80
90
90
20 70
Costo $ 163500

8ava Matriz de Asignación Posición de la Variable de salida en Cij – Zij (5,4)

50 40
30 60

Investigación de Operaciones I
250
Ing. Mauro Pérez Estrella

10 80
90
90
20 70

Costo $ 163500. Este es el valor mínimo.

Problema

(Modelo de transporte con equilibrio)

En el ejemplo anterior suponga que la capacidad de la planta de Detroit es de 1 300 automóviles


(en vez de 1 500). Se dice que la situación esta desequilibrada debido a que la oferta total (=3
500) no es igual a la demanda total (=3 700).Nuestro objetivo consiste en volver a formular el
modelo de transporte de manera que distribuya la cantidad faltante(=3 700 – 3 500 = 200) en
forma optima entre los centros de distribución.
Como la demanda es mayor que la oferta se puede agregar una planta ficticia con una capacidad
de 200. Se permite que dicha planta, en condiciones normales, envíe su “producción” a todos los
centros de distribución. Físicamente, la cantidad de unidades enviadas a un destino desde una
planta ficticia representará la cantidad faltante en ese destino.
La única información que falta para completar el modelo son los “costos de transporte”
unitarios de la planta ficticia a los destinos. Como la planta no existe, no habrá ningún envío
físico y el costo de transporte unitario es cero. Sin embargo, podemos enfocar la situación desde
otro ángulo diciendo que se incurre en un costo de penalización por cada unidad de demanda
insatisfecha en los centros de distribución. En este caso los costos de transporte unitarios serán
iguales a los costos de penalización unitarios en los diversos destinos.

Denver Miami
Los Ángeles 80 215 1 000
Detroit 100 108 1 300
Nueva Orleáns 102 68 1 200
Planta ficticia 0 0 200

De manera análoga, si la oferta en mayor que la demanda podemos añadir un destino ficticio que
absolverá la diferencia. Por ejemplo, suponga que la demanda en Denver disminuye a 1
900cualquier automóvil enviado de una planta a un centro de distribución ficticio representa un
excedente en la planta.

Denver Miami Destino


Ficticio
Los Ángeles 80 215 0 1 000
Detroit 100 108 0 1 500
Nueva Orleans 102 68 0 1 200

La aplicación del modelo de transporte no se limita al problema de “transporte”.

Investigación de Operaciones I
251
Ing. Mauro Pérez Estrella

El siguiente ejemplo ilustra el uso del modelo del transporte en otros campos.

Problema

(Modelo de inventario de producción)


Una compañía construye una planta maestra para la producción de un artículo en un periodo de
cuatro meses. Las demandas en los cuatro meses son: 100, 200, 180 y 300 unidades. Una demanda
para el mes en curso puede satisfacerse a través de:

1. Producción excesiva en un mes anterior almacenada para su consumo posterior.


2. Producción en el mes actual.
3. Producción excesiva en un mes posterior para cubrir pedidos de meses anteriores.

El costo de producción variable por unidad en un mes cualquiera es de $4.00 una unidad producida
para consumo posterior incurrirá en un costo de almacenamiento razón de $0.50 por unidad por
mes. Por otra parte, los artículos ordenados en meses anteriores incurren en un costo de
penalización de $2.00 por unidad por mes. La capacidad de producción para elaborar el producto
varía cada mes. Los cálculos de los cuatro meses siguientes son 50, 180, 280 y 270 unidades,
respectivamente.

El objetivo es el de formular el plan de inventario de producción a costo mínimo. Este problema


se puede formular como un modelo de “transporte”. La equivalencia entre los elementos de los
sistemas de producción y transporte se establece de la manera siguiente:

Sistema de Transporte Sistema de Producción


1. Fuente i 1. Periodo de producción i
2. Destino j 2. Periodo de demanda j
3. Oferta en la fuente i 3. Capacidad de producción del periodo i
4. Demanda en el destino j 4. Demanda del periodo j
5. Costo de transporte de la fuente i 5. Costo de producto e inventario del
al destino j periodo i al j

En tabla de abajo se presenta un resumen del problema como un modelo de transporte:

Periodo
1 2 3 4 Capacidad
1 4 4.5 5 5.5 50
2 6 4 4.5 5 180
3 8 6 4 4.5 280
4 10 8 6 4 270
Demanda 100 200 180 300

Investigación de Operaciones I
252
Ing. Mauro Pérez Estrella

PROBLEMAS PROPUESTOS

P1) La BETTER PRODUCTS COMPANY ha decidido iniciar la fabricación de cuatro nuevos


productos utilizando tres plantas que por el momento tienen exceso de capacidad de producción.
Los productos requieren un gran esfuerzo productivo comparable por unidad, por lo que la
capacidad de producción disponible en las plantas se mide por el número de unidades de cualquier
producto que se pueden obtener por día, como se muestra en la tabla siguiente, así como la
producción diaria requerida para satisfacer las ventas proyectadas. Sin embargo el costo variable
por unidad de cada producto difiere entre una planta y otra, como se muestra en la tabla.
La gerencia necesita tomar la decisión de cómo dividir la producción entre las plantas, sin la
separación de los productos, cada producto debe asignarse a una sola planta.
La gerencia ha especificado que debe asignarse al menos uno de los productos a cada planta.
Se pide:
d) Formule el problema como uno de asignación, construyendo la tabla de
costos apropiada e identificando los asignados y las tareas correspondientes.
e) Resolver este problema por el método HUNGARO.

Costo unitario/producto
Planta 1 2 3 4
1 41 27 28 24
2 40 29 - 23
3 37 30 30 40

Capacidad de planta: Tasa de producción:


(1) 75 (1) 20
(2) 75 (2) 30
(3) 45 (3) 30
(4) 40

P2) La corporación S-10 fabrica un material especial de base de aceite que escasea en estos
momentos. Cuatro de los clientes S-10 ya han colocado pedidos que en total exceden la capacidad
combinada de las dos plantas de S-10. Los administradores de esta empresa enfrentan el problema
de decidir cuantas unidades deben enviar a cada cliente. Como los cuatro clientes pertenecen a
industrias distintas, la estructura de precios permite cobrar precios diferentes a los distintos
clientes. Sin embargo, algunas leves diferencias en los costos de producción en las dos plantas y
los distintos costos de transporte entre las plantas y los clientes hacen que la estrategia de “vender
a quien ofrezca más” sea inaceptable. A continuación se tienen los siguientes datos:

Clientes Precio de venta Demanda anual


$/unidad (unidades)

Investigación de Operaciones I
253
Ing. Mauro Pérez Estrella

1 95 3000
2 93 5000
3 104 3500
4 102 2500

Planta Costo de producción Capacidad anual


($/unid.) (unidades)
1 50 500
2 48 300
3 51 400

COSTOS DE TRANSPORTE (unidad)


DESDE CLIENTES
HASTA 1 2 3 4
1 13 9 22 12
Planta 2 13 15 28 16
3 14 15 22 15

a) Determinar el programa que optimice las operaciones que realiza el fabricante. Aplicar
el método Vogel.

P3). Considere el siguiente problema de transporte con la tabla de costos y requerimiento que se
muestran enseguida:

Recurso
1 2 3 4 5
1 13 10 22 29 18 5
2 14 13 16 21 M 6
Orig
3 3 0 M 11 6 7
en
4 18 9 19 23 11 4
5 30 24 34 36 28 3
Demand 3 5 4 5 6
a

Utilice cada uno de los siguientes criterios para obtener una solución inicial BF. Compare los
valores de la función objetivo para estas soluciones.
a) Regla de la esquina Nor-Oeste
b) Método de Vogel

P4) Una corporación ha decidido producir tres productos nuevos. en este momento, cinco de sus
plantas tienen exceso de capacidad de producción. el costo unitario de fabricación del primer
producto será de 31$, 29$, 32$, 28$ y 29$ en las plantas 1,2,3,4 y 5 respectivamente. el costo
unitario de fabricación del segundo producto será de 45$, 41$, 46$, 42$ y 43$ en las plantas 1,2
,3 ,4 y 5 respectivamente. el costo del tercer producto será de 38$, 35$ y 40$ en las plantas 1,2 y
3 respectivamente, mientras que las plantas 4 y 5 no pueden fabricar este producto. Los
pronósticos de ventas indican que la producción diaria de cada uno de los tres productos son 240,
400 y 320 unidades diarias para los respectivos productos 1,2 y 3. Así cada planta tiene ahora
capacidad para producir todo lo que se requiere de cualquiera de ellos. La gerencia ha decidido
que cada nuevo producto debe asignarse a una sola planta y que ninguna planta debe fabricar más
de un producto. El objetivo al hacer esta asignación es minimizar el costo total de producción
para estas cantidades de los tres productos.

Investigación de Operaciones I
254
Ing. Mauro Pérez Estrella

a) Formular el problema como uno de asignación.


b) Resolver utilizando el método húngaro.
P5) Un fabricante elabora un producto en tres plantas y lo distribuye al mercado a través de cuatro
bodegas. Se cuenta con los siguientes datos:

Bodega Precio de venta Demanda anual


$/unidad (unidades)
1 1.30 40000
2 1.20 10000
3 1.10 20000
4 1.20 25000

Planta Costo de producción($/unid.) Capacidad anual


(unidades)
A 0.40 40000
B 0.35 30000
C 0.45 45000

COSTOS DE TRANSPORTE (unidad)

DESDE BODEGA
HASTA 1 2 3 4
A 0.20 0.20 0.30 0.30
Planta B 0.20 0.10 0.35 0.40
C 0.45 0.30 0.20 0.20
Determinar el programa que optimice las operaciones que realiza el fabricante. Aplicar el
método Vogel, para determinar la asignación óptima.

P6) Magazine Inc. Imprime cada mes 5000 y 6000 copias de la revista News Monthly, en cada
una de dos imprentas; una en los Angeles y la otra en Nueva Cork, respectivamente. De ahí, las
revistas son enviadas a tres distribuciones regionales. Para el presente mes, el distribuidor de
Chicago ha ordenado 4200 copias, el de Settle 2300 copias y el de Washington D:C:, 2500 copias.
El costo de envío por revista desde cada imprenta a cada distribución se presenta en la tabla
siguiente:
Costo de embarque ($/revista)

Distribuidor Regional
Imprenta Chicago Seattle Washington D.C.
Los Angeles 0.07 0.05 0.10
Nueva York 0.03 0.11 0.04

Determine el plan óptimo de envío utilizando el método de la esquina Nor-Oeste.

P7) Una fábrica cuenta con cuatro almacenes situados en diferentes lugares. El almacén 1 cuenta
con 10Ton de mercadería, el 2 con 12 ton el 3 con 5 ton y el 4 con 10 ton. Con la existencia de
estas mercaderías se debe abastecer a 5 cetros de consumo, cuyas demandas son: 6, 8, 3, 9 y 11

Investigación de Operaciones I
255
Ing. Mauro Pérez Estrella

ton respectivamente. Los costos de transporte de cada almacén a cada centro de consum9 se da
en la tabla siguiente.

Almacén Centro de
consumo
1 2 3 4 5
1 4 2 5 5 1
2 2 1 4 1 4
3 3 4 1 2 1
4 2 2 3 4 2
Determinar el programa de transporte cuyo costo sea mínimo. Aplicar el método VOGEL.

P8) Una compañía tiene tres plantas que fabrican cierto producto que debe mandarse a cuatro
centros de distribución. Las plantas 1, 2 y 3 producen 12, 17 y 11 cargas mensuales,
respectivamente. La distancia en millas desde cada planta a los respectivos centros de distribución
es la siguiente:

Plantas Centros de distribución


1 2 3 4
1 800 1300 400 700
2 1100 1400 600 100
3 600 1200 800 900
El costo del flete por cada embarque es de $100 más $0.5 por milla. Se pide:
d) Formule el problema como uno de asignación, construyendo la tabla de costos apropiada
e identificando los asignados y las tares correspondientes.
c) Resolver este problema por el método HUNGARO.

P9) Dada la matriz de costos de la tabla 2. Resolver utilizando el método NOR-OESTE, muestre
todas las iteraciones. (7P)

Plantas Destino
1 2 3 4 5 Recurso
1 13 10 22 29 18 5
2 14 13 16 21 M 6
3 3 0 M 11 6 7
4 18 9 19 23 11 4
5 30 24 34 36 28 3
Demanda 3 5 4 5 6

.
P10) Dos mataderos, P y Q, se encargan de suministrar la carne consumida semanalmente en
tres ciudades, R, S y T: 20, 22 y 14 toneladas, respectivamente. El matadero P produce cada
semana 26 toneladas de carne, y el Q, 30. Sabiendo que los costes de transporte, por tonelada de
carne, desde cada matadero de a cada ciudad, son los reflejados en la siguiente tabla:
R S T
P 1 3 1
Q 2 1 1
Utilizando el método de la Esquina Nor-Oeste, determinar cuál es la distribución de transporte
que supone un coste mínimo.

Investigación de Operaciones I
256
Ing. Mauro Pérez Estrella

P11) ) La Empresa transportista ABC posee varios camiones usados para acarrear piedra
molida para proyectos de carreteras en el municipio. El contratista de carreteras para quien
trabaja le ha dado el programa de la semana siguiente. Utilizando el método de la asignación
Vógel, determine el plan de transporte a costo mínimo.
Necesidades Disponibilidad
Semanales, Planta Semanal,
Proyecto Cargas de Cargas de
Camión Camión
A 50 W 45
B 75 X 60
C 50 Y 40

Información de Costos:
De Al proyecto A Al proyecto Al proyecto C
B
Planta W $4 $3 $3
Planta X 6 7 6
Planta Y 4 2 5

P12) Tres centrales de distribución tienen que dar electricidad a tres ciudades. La tabla de costos
de transporte de electricidad es la siguiente:

CIUDAD SUMINISTRO
CENTRAL A B C (MKwh)
I 8 6 10 35
II 9 12 13 50
III 14 9 16 40
DEMANDA
(MKwh) 45 20 30

Determine las variables de decisión y plantee el problema de minimización, determinando la


distribución eléctrica para cada ciudad, utilizando el método de la esquina Noroeste.

P13) Una compañía panificadora puede producir un pan especial en cualquiera de sus plantas,
en la siguiente forma:

Planta Capacidad de producción Costo de producción


(unidad pan) ($/unidad pan)
A 2500 23
B 2100 25

Cuatro cadenas de restaurantes desean adquirir este pan, sus demandas y precios que desean pagar
son los siguientes:

Investigación de Operaciones I
257
Ing. Mauro Pérez Estrella

Cadena Demanda Precio ofrecido ($/ unidad pan)


Máxima (unidad
pan)
1 1800 39
2 2300 37
3 550 40
4 1750 36

El costo ($) de embarcar una unidad de pan de una planta a un restaurante es:
Cadena 1 Cadena 2 Cadena 3 Cadena 4
Planta A 6 8 11 9
Planta B 12 6 8 5

Utilizando el método de asignación Vógel, determinar un programa de entregas para la compañía


panificadora maximizando su ganancia total.

P14) Un fabricante tiene tres plantas P1, P2, P3 y cinco bodegas B1,...,B5, el problema es
establecer la planta Pi que debe producir el suministro para cada bodega. La capacidad de las
plantas es limitada. En la tabla aparecen la capacidad de producción de las plantas y los
requerimientos de ventas de las bodegas en miles de cajas:

Planta Producción Bodega Venta


P1 100 B1 50
P2 60 B2 10
P3 50 B3 60
B4 30
B5 20
Total 210 Total 170

El costo de despacho de 1000 cajas desde cada planta a cada bodega aparece en la siguiente tabla:

Destino B1 B2 B3 B4 B5
Origen US$

P1 240 300 160 500 360

P1 420 440 300 200 220

P3 300 340 300 480 400


La compañía desea determinar un programa de embarques que minimice los costos generales de
transporte de la empresa, utilice el método Noroeste.

Investigación de Operaciones I
258
Ing. Mauro Pérez Estrella

P15) Considere el problema de transporte que se originan debido a un accidente. Existen tres
ambulancias con distintas capacidades para trasladar heridos hacia cuatro Servicios de Urgencia.
La siguiente tabla presenta la capacidad de las Ambulancias y los Servicios de Urgencia.

Servicio de
Ambulancia Capacidad Demanda
Urgencia
1 3 1 4
2 7 2 3
3 5 3 4
4 4
Los costos generados por el transporte se muestran en la siguiente tabla.
SU 1 SU 2 SU 3 SU 4
Ambulancia 1 2 2 2 1
Ambulancia 2 10 8 5 4
Ambulancia 3 7 6 6 8

a) Utilizando el Método de Vogel, encuentre la solución inicial. ¿Es óptima? ¿Existe


solución alternativa?
b) Realice un análisis de sensibilidad y determine los costos que permitan a las ambulancias
estar indiferentes con respecto a los Servicios de Urgencia.

P16) Una empresa de electricidad tiene 4 plantas termoeléctricas que son abastecidas por 3 minas
de carbón. La oferta total de carbón de las minas es igual a los requerimientos totales de las plantas
termoeléctricas. Existe un costo de transporte de una unidad desde cada mina a cada planta. En la
tabla que se muestra a continuación se indican la oferta disponible, los requerimientos y los costos
de transporte por unidad.
Planta
Mina Oferta
1 2 3 4
1 2 3 4 5 14
2 5 4 3 1 15
3 1 3 3 2 17
Demanda 6 11 17 12
La empresa de electricidad quiere determinar cuántas unidades debe transportar desde la mina a
cada planta para minimizar el costo de transporte. Utilice el método de la esquina Noroeste.

P17) Una empresa productora de pepinos envasados que dispone de 100 horas operario y dos
plantas ubicadas en distintos puntos geográficos del país debe satisfacer los pedidos diarios de
tres comerciantes en distintas zonas. Los costos de transporte de cada planta a cada cliente por
paquete de envasados se resúme en la siguiente tabla:

Tarifa por paquete desde Planta I Planta II


planta hasta el comercio

Comerciante A $4 $7

Comerciante B $6 $5

Comerciante C $5 $8

La elaboración diaria de cada paquete de envasados en la planta I requiere de 1/2 hora operario,
4/3 % de utilización de la capacidad de la maquinaria para envasado y de $ 2 en concepto de
insumos varios. La planta II-cuya tecnología es menos eficiente- requiere un 50% más de todos

Investigación de Operaciones I
259
Ing. Mauro Pérez Estrella

los insumos por unidad de producto. El precio uniforme por paquete es de $ 13 y las cantidades
diarias requeridas por los tres clientes es respectivamente de 50, 60 y 40 paquetes

a) Plantee el problema de optimización que se le presenta al empresario en términos de PL.

b) Si cada planta, en el planteo anterior, produjera 50 y 100 paquetes respectivamente, obtenga


un plan de transporte óptimo, independientemente de los costos de producción. Utilice el
método VOGEL.

P18) Una corporación ha decidido producir tres productos nuevos. En este momento, cinco de
sus plantas tienen exceso de capacidad de producción. El costo unitario de fabricación del primer
producto será de 31$, 29$, 32$, 28$ y 29$ en las plantas 1, 2, 3, 4 y 5 respectivamente. El costo
unitario de fabricación del segundo producto será de 45$, 41$, 46$, 42$ y 43$ en las plantas 1,2
,3 ,4 y 5 respectivamente. El costo del tercer producto será de 38$, 35$ y 40$ en las plantas 1,2 y
3 respectivamente, mientras que las plantas 4 y 5 no pueden fabricar este producto. Los
pronósticos de ventas indican que la producción diaria de cada uno de los tres productos son 240,
400 y 320 unidades diarias para los respectivos productos 1,2 y 3. Así cada planta tiene ahora
capacidad para producir todo lo que se requiere de cualquiera de ellos. La gerencia ha decidido
que cada nuevo producto debe asignarse a una sola planta y que ninguna planta debe fabricar más
de un producto. El objetivo al hacer esta asignación es minimizar el costo total de producción
para estas cantidades de los tres productos.
d) Formular el problema como uno de asignación.
e) Resolver utilizando el método húngaro.

P19) Jhonson Electric produce motores eléctricos pequeños para cuatro fabricantes de aparatos
domésticos, en cada una de sus tres plantas. Los costos de producción por unidad varían de una
localidad a otra, por sus diferencias en términos de equipo de producción y en la productividad
de los trabajadores. La tabla 1 muestra los pedidos de los clientes que deberán atenderse con la
producción del mes entrante.

Tabla 1 Tabla 2
CLIENTE DEMANDA PLANTA COSTOS DE CAPACIDAD
1 300 PRODUCCION DE
2 500 POR UNIDAD PRODUCCION
3 400 ($) MENSUAL
4 600
A 17 800
B 20 600
C 24 700

Los costos unitarios de producción y las capacidades mensuales (de oferta) aparecen en la tabla
2.
El costo por atender a estos clientes varía de una planta a otra. Los costos unitarios de transporte
en dólares aparecen en la tabla 3.

Tabla 3
Desde Hasta
1 2 3 4
A 3 2 5 7
B 6 4 8 3
C 9 1 5 4

Johnson debe decidir cuántas unidades le conviene producir en cada planta y qué proporción de
la demanda de cada cliente tendrá que ser atendida. La empresa desea minimizar los costos totales

Investigación de Operaciones I
260
Ing. Mauro Pérez Estrella

de producción y transporte. Formule el problema como uno de transporte y resuelva para hallar
la solución óptima, utilizando el método de la Esquina Nor-Oeste.

P20) Fernwood y Lumber fabrica madera terciada o triples. El costo de producir 1000 pies tabla
de ese tipo de madera cambia de un mes a otro a causa de las variaciones en los costos de manejo,
el consumo de energía y el precio de las materias primas. El costo de producción de 1000 pies
tabla en cada uno de los 6 meses próximos aparece en la siguiente tabla.

Mes
1 2 3 4 5 6
Costo de Producción 900 950 1250 1050 900 850
($)

La demanda para los próximos 6 meses es el siguiente:

Mes
1 2 3 4 5 6
Demanda 60 70 110 80 70 60

Frenwood puede producir hasta 90000 pies tabla al mes. También tiene la opción de mantener el
inventario de un mes al mes siguiente, al costo mensual de $25 por 1000 pies tabla. Por ejemplo,
1000 pies tabla producido en el mes 1 para la demanda del mes 2 cuesta $25 por concepto de
mantenimiento de inventario. Además, la demanda no satisfecha en un mes puede satisfacerse en
periodos posteriores al costo de $40 por 100 pies tabla, por cada mes de retraso. Fernwood debe
saber cuánto le conviene producir cada mes y cuántas existencias deberá mantener para satisfacer
la demanda al costo mínimo. Formule el problema como un modelo de transporte y resuélvalo
para encontrar la solución óptima. Utilice el método de la esquina Nor-Oeste. Mostrar todas las
iteraciones.

P21) La corporación S-10 fabrica un material especial de base de aceite que escasea en estos
momentos. Cuatro de los clientes S-10 ya han colocado pedidos que en total exceden la capacidad
combinada de las dos plantas de S-10 .Los administradores de esta empresa enfrentan el problema
de decidir cuantas unidades deben enviar a cada cliente. Como los cuatro clientes pertenecen a
industrias distintas, la estructura de precios permite cobrar precios diferentes a los distintos
clientes .Sin embargo, algunas leves diferencias en los costos de producción de las dos plantas y
los distintos costos de transporte entre las plantas y los clientes hacen que la estrategia de
‘’vender a quien ofrezca más’’sea inaceptable. A continuación se tiene los siguientes datos:

CLIENTES PRECIO DE VENTA $/UNIDAD DEMANDA ANUAL


(unidades)
1 95 3000
2 93 5000
3 104 3500
4 102 2500

PLANTA PRECIO DE CAPACIDAD


PRODUCCION $/UNIDAD ANUAL
(unidades)

Investigación de Operaciones I
261
Ing. Mauro Pérez Estrella

1 50 4200
2 48 5200
3 51 4000

COSTO DE TRANSPORTE (Unidad)


Desde Clientes

Hasta 1 2 3 4
1 13 9 22 12
2 13 15 28 16

3 14 15 22 15
Planta

a) Determine el programa que optimice la operaciones que realiza el fabricante


b) Aplicar el método Vogel, para determinar la asignación optima

P22) Una corporación ha decidido producir tres productos nuevos. En este momento, cinco de
sus plantas tienen exceso de capacidad de producción. El costo unitario de fabricación del
primer producto será de 31$, 29$, 32$, 28$ y 29$ en las plantas 1, 2, 3, 4 y 5
respectivamente. El costo unitario de fabricación del segundo producto será de 45$, 41$,
46$, 42$ y 43$ en las plantas 1,2 ,3 ,4 y 5 respectivamente. El costo del tercer producto será
de 38$, 35$ y 40$ en las plantas 1,2 y 3 respectivamente, mientras que las plantas 4 y 5 no
pueden fabricar este producto. Los pronósticos de ventas indican que la producción diaria
de cada uno de los tres productos son 240, 400 y 320 unidades diarias para los respectivos
productos 1,2 y 3. Así cada planta tiene ahora capacidad para producir todo lo que se
requiere de cualquiera de ellos. La gerencia ha decidido que cada nuevo producto debe
asignarse a una sola planta y que ninguna planta debe fabricar más de un producto. El
objetivo al hacer esta asignación es minimizar el costo total de producción para estas
cantidades de los tres productos.
f) Formular el problema como uno de asignación.
g) Resolver utilizando el método húngaro.

P23) La Santa Bárbara Oil Company tiene refinerías en los Angeles, Houston y St. Louis. La
gerencia necesita un plan de distribución óptimo entre las refinerías y lasa instalaciones regionales
de almacenamiento, localizadas en Denver, Seattle, Chicago y Buffalo. Los datos siguientes son
representativos para las operaciones de un mes típico.

Costos de envío ($/barril)


Hacia Buffalo Seattle Chicago Denver
Desde
Los Angeles 8 5 8 4
Houston 9 5 5 5
St. Louis 9 8 4 4

Investigación de Operaciones I
262
Ing. Mauro Pérez Estrella

Refinería Capacidad mensual Costos


disponible variables
(millones de barriles) ($/barril)
Los Angeles 150 5
Houston 80 4
St. Louis 100 3

Instalación regional Ventas mensuales


De almacenamiento (millones de barriles)
Buffalo 50
Seattle 100
Chicago 50
Denver 100

Resolver el problema utilizando el método de VOGEL

P24) Si la siguiente tabla tarifaría establece los costos unitarios de transporte de contenedores de
los centros de producción A, B y C, a los centros de consumo a, b, c y d:

DESTINOS
A b c d
A 10 5 6 7
ORÍGENES B 8 2 7 6
C 9 3 4 8

y en cada origen se dispone respectivamente de 50, 50 y 100 unidades; mientras se requieren en


los puntos de destino respectivamente de 30, 40, 60 y 70 contenedores; encuentre el programa
óptimo de transporte de los contenedores. Utilice el método de la Esquina Nor-Oeste.

P25) MTI posee tres plantas de ensamblado de microcomputadoras. La que se encuentra


localizado en San Francisco tiene una capacidad de producción mensual de 2000 unidades, la que
está localizada en los Angeles tiene una capacidad mensual de 1600 unidades y la de Phoenix
tiene una capacidad de producción mensual de 1800 unidades. Las microcomputadoras son
vendidas a través de tiendas al menudeo. Para el mes siguiente, la tienda que se encuentra en San
Diego ha hecho un pedido de 1700 unidades, la que está en Barstow tiene un pedido de 1300
unidades, la de Tucson ha pedido 1650 unidades y la situada en Dallas tiene un pedido de 1200
unidades. El costo de envío de una microcomputadora desde cada planta de ensamblado a cada
una de las diferentes tiendas se presenta en la tabla siguiente.

Costo de embarque ($/máquina)


Tiendas
Plantas San Diego Barstow Tucson Dallas
San Francisco 6 4 3 7
Los Angeles 4 5 9 9
Phoenix 5 6 4 6

Resolver el problema utilizando el método de la esquina Nor-Oeste

Investigación de Operaciones I
263
Ing. Mauro Pérez Estrella

P26) Magazine Inc. Imprime cada mes 14000 copias de la revista News Monthly, en cada una de
dos imprentas; una en los Angeles y la otra en Nueva Cork. De ahí, las revistas son enviadas a
tres distribuciones regionales. Para el presente mes, el distribuidor de Chicago ha ordenado 7000
copias, el de Settle 5000 copias y el de Washington D:C:, 4500 copias. El costo de envío por
revista desde cada imprenta a cada distribución se presenta en la tabla siguiente:

Costo de embarque ($/revista)

Distribuidor Regional
Imprenta Chicago Seattle Washington D.C.
Los Angeles 0.08 0.05 0.14
Nueva York 0.06 0.07 0.04

Determine el plan óptimo de envío utilizando el método VOGEL.

P27) La Heinson Fisheries Incorporated (HFI) tiene cuartos fríos en sus almacenes localizadas
en Boston, Nueve Cork y Washington D.C., en cada almacén la HFI procesa y distribuye langostas
para vendedores de pescado localizados en varias ciudades del país. La demanda semanal
estimada por pedido de langostas es como sigue.

Ciudad Número de cajas


Miami 60
Chicago 50
PhiladelPhia 55
Dallas 60

Los costos de transporte aéreo por caja entre las plantas y los vendedores son como sigue:

Hacia Miami Chicago Philadelphia Dallas


Desde
Boston 14 16 12 20
Nueva Cork 12 14 10 8
Washington DC 10 16 8 15
En la próxima semana se espera tener el siguiente suministro de langostas disponible.
Planta Suministro
Boston 120
Nueva York 70
Washington DC 50
Resolver el problema utilizando el método de la esquina Nor- Oeste.

P28)
Una compañía petrolera tiene 2 refinerías ubicadas en los lugares A y B. cada refinería debe
abastecer a través de un oleoducto a cinco ciudades: 1, 2, 3, 4 y 5. El oleoducto está diseñado de
forma que se puede enviar desde cada una de las refinerías a cada unade las ciudades destino.
El oleoducto no está en perfecto estado de conservación y por ello se producen fugas del producto
refinado en diferentes zonas de las rutas, fugas que los equipos de mantenimiento no han logrado
encontarr. Las refinerías deben suministrar a las ciudades las cantidades necesarias para satisfacer
la demanda estimada en ellas.

Ciudad Demanda estimada(tn)


1 150
2 250

Investigación de Operaciones I
264
Ing. Mauro Pérez Estrella

3 200
4 450
5 500

La disponibilidad de cada refinería se estima en 1000 toneladas cada una


Los costos de bombeo a través del oleoducto por cada tonelada (incluyendo las pérdidad por fuga)
son las siguientes:
Refinerías Ciudades
1 2 3 4 5
A 50 60 75 90 70
B 75 55 50 40 60

Las fugas previstas en cada una de las diferentes rutas, de forma que se expresa el porcentaje de
toneladas que llega a su destino, se tiene en la siguiente información:

Refinerías Ciudades
1 2 3 4 5
A 100 98 95 90 85
B 95 98 95 100 100

Determinar cuál sería la estartegia de envío para abastecer las ciudades de destino con el menor
costo de tarnsporte. Aplicar el método Vogel.

Investigación de Operaciones I
265
Ing. Mauro Pérez Estrella

BIBLIOGRAFÍA

1. Adam, E., Ebert, R. Administración de la Producción y las Operaciones. Edit.


Prentice/Hall International.1981.
2. Aquilano, Ch. Dirección y Administración de la Producción y de las Operaciones.
McGraw-Hill. 6a. Edición. 1995.
3. Bronson, Richard. Investigación de Operaciones. McGraw-Hill.1a Edición. 1993.
4. Carnaham, B., Redfern, M., Normans, B. Designing safe job rotation schedules using
optimization and heuristic search. Ergonomics, 2000, VOL.43, NO.4,543-560.
5. pp 9-19.
Ministerio de Salud. Decreto Supremo Núm. 594. Aprueba reglamento sobre condiciones
sanitarias y ambientales básicas en los lugares de trabajo.
6. Hillier, F., Liberman, G. Introducción a la Investigación de Operaciones. McGraw-Hill.
6a. Edición. 1997.
7. Monks, Jaseph. Administración de Operaciones. McGraw-Hill.1991.
8. Philippi, Bruno. Introducción a la Optimización de Sistemas. Ediciones Universidad
Católica de Chile. 2da. Edición. 1988.
9. Sasieni, M., Yaspan A., Friedman, L. Investigación de Operaciones. Métodos y problemas.
Edit. Limusa. 1973.
10. Taha, Hamdy. Investigación de Operaciones. Edit. Alfaomega. 5a. Edición. 1995.
11. http://www.cienciaytrabajo.cl/pdfs/04/Pagina%2045.pdf
12. Hans G., John A. George,. Dald, “Introducción a las Técnicas de Inevstigación de
Operaciones”.
13. Solow, Investigación de Operaciones

Investigación de Operaciones I
266

You might also like