Professional Documents
Culture Documents
INVESTIGACIÓN DE OPERACIONES I
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
Investigación de Operaciones I
3
Ing. Mauro Pérez Estrella
ÍNDICE
Investigación de Operaciones I
4
Ing. Mauro Pérez Estrella
Investigación de Operaciones I
5
Ing. Mauro Pérez Estrella
INVESTIGACIÓN DE OPERACIONES
Investigación de Operaciones I
6
Ing. Mauro Pérez Estrella
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
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
Investigación de Operaciones I
9
Ing. Mauro Pérez Estrella
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
Investigación de Operaciones I
10
Ing. Mauro Pérez Estrella
2. Una vez establecido las variables de decisión adecuadamente, debemos definir la función
objetivo que pueda ser: como una maximización o de minimización.
X = progreso de la actividad
Requerimientos.
Costos y
Utilidades.
Investigación de Operaciones I
11
Ing. Mauro Pérez Estrella
Certidumbre. Todos los parámetros que se manejan deben ser pasados con certeza.
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.
Investigación de Operaciones I
12
Ing. Mauro Pérez Estrella
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)
Solución
Investigación de Operaciones I
13
Ing. Mauro Pérez Estrella
Variables de decisión:
Restricciones:
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
Investigación de Operaciones I
15
Ing. Mauro Pérez Estrella
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
Investigación de Operaciones I
16
Ing. Mauro Pérez Estrella
Problema
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
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:
Ahora usted quiere determinar los valores para esas dos variables de decisión para
maximizar las ganancias de la panadería.
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.
Investigación de Operaciones I
18
Ing. Mauro Pérez Estrella
Resumiendo la Formulación
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.
Fuente
http://maximal-usa.com/es/mpltutor/Session2.html
Investigación de Operaciones I
19
Ing. Mauro Pérez Estrella
Problema
Investigación de Operaciones I
20
Ing. Mauro Pérez Estrella
¿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:
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:
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
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
X A 3 X B 2.5 X C 0 X D 1600
10 X A 5 X B 2 X C 12 X D 10000
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:
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
Restricciones
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.
Investigación de Operaciones I
26
Ing. Mauro Pérez Estrella
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
Investigación de Operaciones I
27
Ing. Mauro Pérez Estrella
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
Sea:
Xi = numero de varillas a cortar de la forma “i”
i= 1, 2 y 3
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
Formulación
Unidad completa
del producto
7 X1 6 X 2 8 X 3 5X 9X2 4X3
MaxZ ( )( 1 )
4 3
s.a:
Investigación de Operaciones I
29
Ing. Mauro Pérez Estrella
Problema
Solución
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 :
Problema
Investigación de Operaciones I
31
Ing. Mauro Pérez Estrella
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
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 $5. Caben 3000 gallinas en el gallinero
y el corral limita el ganado a un máximo de 32 vacas. Las estimaciones de las horas-hombres
y el ingreso por acre plantado con cada tipo de cosecha son:
La familia quiere determinar cuántos acres debe sembrar con cada tipo de cosecha y cuántas
vacas y gallinas debe mantener para maximizar su ingreso neto. Formule el modelo de
programación lineal para este problema.
Solución
Sea: Xi = # de horas- hombre utilizado en el campo vecino, durante los meses “i”
i = 1, 2 (invierno, verano)
Yij = # de acres de cultivo “i”,en los meses “j”
i = 1, 2, 3 (soya, maíz, avena)
j = 1, 2 (invierno, verano)
Zi = # de animales “i”
i = 1, 2 (vacas, gallinas)
F. O.: maximizar ingresos
Investigación de Operaciones I
33
Ing. Mauro Pérez Estrella
C.N.
Xi ,Yij , Zi 0
Caso 1
Investigación de Operaciones I
34
Ing. Mauro Pérez Estrella
Tabla 1
Producto Etapa 1 Etapa 2 Etapa 3 Etapa Sal Costo Precio
4 ario ($)
$/h MP
Billetera H 42 min. 30 min 60 min 6 min 1.2 4.24 $ 17
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
Investigación de Operaciones I
35
Ing. Mauro Pérez Estrella
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.
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.
Z = 10 X1 + 9 X2
Investigación de Operaciones I
36
Ing. Mauro Pérez Estrella
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
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
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:
Tabla 1
Emisión de contaminantes
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.
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.
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:
Consideración 1: Divisibilidad.
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.
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
Tabla 2
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:
Investigación de Operaciones I
41
Ing. Mauro Pérez Estrella
Consideración 3: Linealidad.
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.
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)
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).
X1 + X2 ≤ 20
(1/16).X1 + (1/24).X2 ≤ 1
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
X1 X2
1800 3800 3000
1
X X 2 1
X X 2
1200.X1 - 800.X2 ≥ 0
CONCLUSIONES:
CASO 3
RESUMEN
Investigación de Operaciones I
44
Ing. Mauro Pérez Estrella
INTRODUCCIÓN
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:
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
Investigación de Operaciones I
46
Ing. Mauro Pérez Estrella
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:
Minimizar:
4 2
Z X ij
i 1 j 1
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 1i 1,2,3,4
j 1 j
Investigación de Operaciones I
47
Ing. Mauro Pérez Estrella
Trabajador Nº1:
Trabajador Nº2:
Trabajador Nº3:
Trabajador N°4:
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:
Máquina N°2:
Para la máquina Nº2 este rango es de 6.5 a 7.5 horas/turno. Luego se tiene:
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:
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.
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
COMENTARIO FINAL
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
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.
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
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.
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
Problema 5
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
Problema 7
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.
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:
Investigación de Operaciones I
55
Ing. Mauro Pérez Estrella
Problema 11
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.
B 12 4000 0.45 1 4 6
C 9 5000 0.6 1 4 7
Investigación de Operaciones I
58
Ing. Mauro Pérez Estrella
MÉTODOS DE SOLUCIÓN
1. Método Gráfico
2. Método Algebraico
3. Método Simplex
1. MÉTODO GRÁFICO
Investigación de Operaciones I
59
Ing. Mauro Pérez Estrella
Procedimiento:
Si el modelo es de 2 variables:
Investigación de Operaciones I
60
Ing. Mauro Pérez Estrella
Si el modelo es de 3 variables:
Procedimiento:
I. Caso de maximización:
Ejm.
Investigación de Operaciones I
61
Ing. Mauro Pérez Estrella
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
F.O.
= representan los niveles máximos y
Restricciones: ≤ mínimos de los recursos disponibles
≥
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
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.
Si x1 = 0 ; x2 = 300
x2 = 0 ; x1 = 200
Analíticamente:
Punto D =L1∩L3
Análisis:
Dpto. de mecanizado:
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
Dpto. de armado:
x1 ≤ 60 37.5 + S4 = 60
S4 = 22.5 Exceso de aspiradoras
X2 ≤ 45 25 + S5 = 45
S5 = 205 Exceso de lustradoras
Problema
Solución
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
x1 = 0 x2 = 0.25
x2 = 0 x1 = 0.45
De la gráfica:
A = (90,105)
B = (60,120)
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.
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.
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.
Y2* = 2.66
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 básica.- Son los puntos donde se cortan las rectas, dos ejes, o una recta con un eje.
Ejemplo:
Investigación de Operaciones I
68
Ing. Mauro Pérez Estrella
Estandarizando:
2x1 + 2x2 + S1 = 60
4x1 + 5x2 + S2 = 120
3x1 + 6x2 + S3 = 180
Solución básica:
x1 = 0, x2 = 0 V.N.B S1 = 60
S2 = 120 V.B.
S3 = 180
x2 = S3 = 0 V.N.B x1 = 60
S2 = -120
S1 = - 60
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.
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
x1 = 0 ; x2 = 500
x2 = 0 ; x1 = 2000
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).
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.
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:
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
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.
Considerando el problema:
Investigación de Operaciones I
72
Ing. Mauro Pérez Estrella
Para C1:
0 ≤ C1 ≤ 3/2
Para C2:
-3/2 ≤ - 500/C2 ≤ 0
Investigación de Operaciones I
73
Ing. Mauro Pérez Estrella
Límite inferior
Investigación de Operaciones I
74
Ing. Mauro Pérez Estrella
Por lo tanto: 30 ≤ b 1 ≤ ∞
- ∞ ≤ b2 ≤ 72
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
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
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
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
.
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
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.
Solución:
Planteamos nuestras variables de decisión
Investigación de Operaciones I
81
Ing. Mauro Pérez Estrella
Función Objetivo
Min Z = 200X1 + 160X2
Restricciones
Investigación de Operaciones I
82
Ing. Mauro Pérez Estrella
Pto B : L3 ∩ L2 B = (9 ; 70)
Pto M : L3 ∩ L5 M = (300/13 ; 300/13)
L3 : 3X1 + 4X2 = b1
B = (9 ; 70) → b 1 = 307
L3 : 3X1 + 4X2 = b2
M = (300/13 ; 300/13) → b2 = 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 $
Investigación de Operaciones I
83
Ing. Mauro Pérez Estrella
X1 + 2X2 = 6 (1)
2X1 + X2 = 8 (2)
-X1 + X2 = 1 (3)
X2 = 2 (4)
X1 =0 (5)
X2 = 0 (6)
Soluciones
Investigación de Operaciones I
84
Ing. Mauro Pérez Estrella
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
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
Problema
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
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
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.
Investigación de Operaciones I
91
Ing. Mauro Pérez Estrella
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.
Problema 5
Investigación de Operaciones I
92
Ing. Mauro Pérez Estrella
Problema 6
Problema 7
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.
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
Problema 10
Cirugia Ginecobstetricia
Hr. Enfermera 3 2
Hr. Anestesista 2 1
Hr. Médico 1 3
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
2. MÉTODO ALGEBRAICO
Ejemplo:
Procedimiento
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
x1 0
x2 0V .N .B.
x3 0
S1 1000
S2 2000V .B .
S3 500
Z 0
Considerar el producto que ofrece la mayor contribución por unidad de producto. Solución
mejorada.
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 5100 2 x1 3 10 x 3
5
S1 500 5 x1 S 3 x3 .......(5)
(4) en (2):
S
S 2 2000 10 x1 8100 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
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
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 :
- El óptimo se alcanza cuando los términos de la función objetivo son ceros o valores
negativos.
- Este método solo trabaja con restricciones de tipo ya sea de max o minimización.
Problema
Investigación de Operaciones I
100
Ing. Mauro Pérez Estrella
Solución:
x1 + x2 + S1 = 70
30x1 + 40x2 + S2 = 2500
900x1 + 650x2 + S3 = 57000
1200x1 + 850x2 + S4 = 115200
S1 = 70 - x1 - x2 …………… (1)
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
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
2500 30 S
max Z 135x1 150( x1 2 )
40 40 40
90 15
max Z 9375 x1 S 2
4 4
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
(9) en (8):
2250 S 85
S4 62075 ( 30 4 S1 2 ) S2
4 10 4
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
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
Investigación de Operaciones I
105
Ing. Mauro Pérez Estrella
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 (8) : Z = 40 + 2/3 (30/4 + 1/4 X3 + 5/4 S1 -1/4 S3) + 1/3 X3 – 4/3 S1
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
Investigación de Operaciones I
107
Ing. Mauro Pérez Estrella
Problema 2
Cirugia Ginecobstetricia
Hr. Enfermera 3 2
Hr. Anestesista 2 1
Hr. Médico 1 3
Problema 3
Investigación de Operaciones I
108
Ing. Mauro Pérez Estrella
Problema 4
Problema 5
Problema 6
Investigación de Operaciones I
109
Ing. Mauro Pérez Estrella
Problema 7
Sujeto a restricciones:
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:
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.
Investigación de Operaciones I
113
Ing. Mauro Pérez Estrella
( m n)!
N sol .bás
m! n!
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
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.)
Máx(óptimo) : C1 - Z1 ≤ 0
Míx(óptimo) : C1 - Z1 0
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
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
Caso de maximización:
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
Cj - Zj ≤ 0 el tablero es el óptimo
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
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
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
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
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
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
2. Dividir cada uno de los términos de las filas empatadas entre su correspondiente número
de la columna clave.
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
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.
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
1) 1485.000
Investigación de Operaciones I
124
Ing. Mauro Pérez Estrella
NO. ITERATIONS= 2
RANGES IN WHICH THE BASIS IS UNCHANGED:
THE TABLEAU
Problema
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:
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:
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
Investigación de Operaciones I
127
Solución.
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
-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
Un problema puede tener más de una solución óptima. Este hecho se observa en el problema
siguiente:
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
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
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
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
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
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
Solución:
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
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:
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.
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
Investigación de Operaciones I
135
Ing. Mauro Pérez Estrella
X A 3 X B 2.5 X C 0 X D 1600
10 X A 5 X B 2 X C 12 X D 10000
X D 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 – 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
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
Solución.
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.
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
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
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
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
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
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
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.
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
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.
Investigación de Operaciones I
145
Ing. Mauro Pérez Estrella
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.
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
i: 1 y 2
j: 1 y 2
Función Objetivo
Investigación de Operaciones I
147
Ing. Mauro Pérez Estrella
Restricciones
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
Investigación de Operaciones I
148
Ing. Mauro Pérez Estrella
I TABLERO DE SIMPLEX
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
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
II TABLERO
0 S1 128 1 0 1 0 0 1 0 0 0 0 ω
0 S4 36 0 0 0 0 0.999 0 0 0 1 -0.999 36
-
CJ-ZJ -2.76 0 -4.154 -1.434 89.814 0 0 0 0
1089.81
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 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
-
57.308 X11 5.3684 1.00 0 0.9773 2.2727 0 0 -1.00 0 1.495 0
*10-2
11840.
Zj 57.308 60.068 56.005 58.765 0 0 2.76 0 85.68 0
70
PROBLEMAS PROPUESTOS
Investigación de Operaciones I
150
Ing. Mauro Pérez Estrella
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.
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.
Investigación de Operaciones I
151
Ing. Mauro Pérez Estrella
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.
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
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 aspectos más importantes de la teoría de dualidad es la interpretación y realización del
“análisis de sensibilidad”.
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
Min Max
0
0 Restricciones
Variables
Libre =
Restricciones 0
0 Variables
= Libre
Investigación de Operaciones I
155
Ing. Mauro Pérez Estrella
Lema 1
El dual del dual es el primal.
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”
Cx0 bw0
Ejemplo:
Investigación de Operaciones I
156
Ing. Mauro Pérez Estrella
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
Para un problema de P.L. cuyo primal está asociado a un Dual, sólo una de las proposiciones es
cierta.
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
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.
s.a:
x1 + x2 + 2x3 + x4 + 3x5 4 w1
2x1 + 2x2 + 3x3 + x4 + x5 3 w3
xi 0
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
Problema
Investigación de Operaciones I
158
Ing. Mauro Pérez Estrella
Solución:
Modelo dual:
Fig. 3.1
Restricción1 W1 + e1 = 200
Restriccion2 W2 + e2 = 130
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
X3 = 0.506
X2 = 0.573
Z optima = 11743.8
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,
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).
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.
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.
Aplicación
Productos Disponibilidad
(hr/mes)
A B
Proceso 1 3 2 2000
Proceso 2 1 2 1000
(Utilidad $) 40 60
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.
Investigación de Operaciones I
161
Ing. Mauro Pérez Estrella
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
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.
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.
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
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
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.
Cuando:
aij 0 cj
No existe:
aij 0 cj
Cuando:
aij 0 cj
No existe:
aij 0 cj
En nuestro ejemplo:
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:
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
Procedimiento:
bi bi bi bi bi
g i bi
bi g i bi ; bi'
aij
min
Problemas propuestos
Min Z = 43x1+34x2+28x3+46x4+57x5
s. a:
10x1+12x2+9x3+6x4+8x4 >=560
7x1+8x2+12x3+11x4+9x5>=400
xj 0
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:
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:
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.
Investigación de Operaciones I
168
Ing. Mauro Pérez Estrella
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.
Investigación de Operaciones I
169
Ing. Mauro Pérez Estrella
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.
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.
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:
Investigación de Operaciones I
173
Ing. Mauro Pérez Estrella
1) ………………
NO. ITERATIONS= 2
ANALISIS POST-OPTIMAL
Investigación de Operaciones I
174
Ing. Mauro Pérez Estrella
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
Cálculo:
Zj - c ' j = ( Zj - cj ) + ( cj - c ' j )
Zj - c 'j = 3 + ( 1 - 5 )
Zj - c ' j = -1
Cálculo:
Zj - c ' j = ( Zj - cj ) - (c' j - c j )
Cambio neto
Investigación de Operaciones I
175
Ing. Mauro Pérez Estrella
Para x1 c1
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
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
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
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 73 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
x2 = 1/2
S2 = 3/2
x1 == 0
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
Los coeficientes de la nueva actividad representarán entonces los cambios de cero a los
nuevos valores.
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
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.
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
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
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.
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:
Función objetivo:
Restricciones:
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
Investigación de Operaciones I
181
Ing. Mauro Pérez Estrella
X 1 =9.8 Kg.
X 2 =1.4 Kg.
X 3 =0.73 Kg.
Min Z = 830.31 pes
Restricciones:
Y los
bk Wk bi W1 W2 W3 S1 S2 S3
siguientes resultados:
W1 = 0.47
W 2 = 0.78 Max G = 830.31
W 3 =0.2
c)
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
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
4.1 103 1.44 10 2
- 999.53 - 999.2
Cj = 243787.8 Cj =58432.74
3 1.71 102
4.1 10
76 – 13.88 ≤ C2 ≤ 76 + 45.6
62.12 ≤ C2 ≤121.6
Superior
Investigación de Operaciones I
183
Ing. Mauro Pérez Estrella
0 .2
Cj = 8.69
0.023
Inferior
0.47
Cj =686.13
6.85 104
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.
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
Superior Inferior
9.8 1.4
Cj = 7153.28 Cj =82.35
1.37 10 3 1.7 102
0.73
Cj = 133.21
5.48 10 3
367.65≤ W2 ≤583.21
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
X 1 = 10.05Kg.
X 2 =1.3 Kg.
X 3 =0.79 Kg.
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)
Investigación de Operaciones I
185
Ing. Mauro Pérez Estrella
80
a 4 40
20
Cj 68 76 78 56 0 0 0 M M M
Ck Xk bi X1 X2 X3 X4 E1 E2 E3 Q3 Q2 Q1
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
h) Función objetivo:
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
Cj 68 76 78 0 0 0 0 0 0
Ck Xk Bi X1 X2 X3 E1 E2 E3 Q3 Q2 Q1
Investigación de Operaciones I
187
Ing. Mauro Pérez Estrella
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
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
X A 3 X B 2.5 X C 0 X D 1600
10 X A 5 X B 2 X C 12 X D 10000
X D 100
Solución:
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
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.
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
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
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
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
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
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
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
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
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
-Nuevo producto: E ( X E )
2
5
-Datos: a E , C E $50
20
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
Investigación de Operaciones I
193
Ing. Mauro Pérez Estrella
Cj 40 24 36 23 50 0 0 0 0 -100
Ck Xk bi XA XB XC XD XE e4 S1 S2 S3 q4
23 XD 100 0 0 0 1 0 -1 0 0 0 1
-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 $19425.
Problema 2
Investigación de Operaciones I
194
Ing. Mauro Pérez Estrella
Restricciones:
- Cantidad máx de materia prima a comprar
X3 90
Condición de no negatividad
X1 , X2 , X3 0
2. Tabla óptima
C 13 13.2 -10 0 0 0 0
CK XK bi X1 X2 X3 S1 S2 S3 S4
13 X1 70 1 0 0 3 -1 0 3
13.2 X2 20 0 1 0 -2 1 0 -2
0 S3 33.4 0 0 0 0.66 -0.33 1 0.66
-10 X3 90 0 0 1 0.99 0 0 0
Zj 247 13 13.2 -10 2.6 0.2 0 12.6
Zj - Cj 0 0 0 2.6 0.2 0 12.6
Considerando este caso Zóptimo = 266.6 y comparando con el anterior tendríamos una
pérdida.
Investigación de Operaciones I
195
Ing. Mauro Pérez Estrella
e) Añadiendo actividad
MaxZ = 13X1 + 13.2X2 – 10X3 + 19.2X4
4
Ncol 5
1.65
Zj – Cj = [0 0 0 -5.2 2.6 0.2 0 12.6]
Cambio el óptimo
Zóptimo = 294.8$
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
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
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
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:
12 12
b1 8 por b 10
'
13
8 8
Problema 4
Problema 5
Investigación de Operaciones I
198
Ing. Mauro Pérez Estrella
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.
Investigación de Operaciones I
199
Ing. Mauro Pérez Estrella
Problema 7
Problema 8
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.
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
Investigación de Operaciones I
200
Ing. Mauro Pérez Estrella
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
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
Investigación de Operaciones I
202
Ing. Mauro Pérez Estrella
23 XD 100 0 0 0 1 -1 0 0 0 1
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
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
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.
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
Problema 21
Problema 23
Investigación de Operaciones I
206
Ing. Mauro Pérez Estrella
PROBLEMAS DE TRANSPORTE Y DE
ASIGNACIÓN
PROBLEMA DE TARNSPORTE
Considerando:
Xij = número de unidadse enviados desde un punto de oferta “i” hacia un punto de demanda “j”
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
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.
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)
Problema 1
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
Solución:
Formulación SIMPLEX
S.a :
XA1 + XA2 + XA3 + XA4= 1700
Investigación de Operaciones I
209
Ing. Mauro Pérez Estrella
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
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
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
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
Investigación de Operaciones I
212
Ing. Mauro Pérez Estrella
Problema
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
Solución
Investigación de Operaciones I
213
Ing. Mauro Pérez Estrella
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
3 6 4 0
0 5 5 0
0 0 0 3
1 2 0 -1
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
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
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)
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
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
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
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
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
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
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
SOLUCION
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
Investigación de Operaciones I
219
Ing. Mauro Pérez Estrella
MinZ= 2X1A+4X1B+4X1C+......2X5D+X5E
s.a:
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:
Plantas Suministro
Boston 100
Nueva York 40
Washington DC 60
Solución:
Matriz (i)
Investigación de Operaciones I
220
Ing. Mauro Pérez Estrella
Washington DC 10 16 8 15 60
Demanda 30 50 65 55
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
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
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
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
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.
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
Solución:
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
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
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
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
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:
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
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
- 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
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.
Investigación de Operaciones I
229
Ing. Mauro Pérez Estrella
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 :
3-X 2+X
3-X 3+X
X 1-X 5 1
X=1
4
1 2
2 3
2 4
1 5 1
4
1 2
En la matriz asignación I , Zopt = $ 282
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
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
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.
Investigación de Operaciones I
231
Ing. Mauro Pérez Estrella
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.
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
- 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
- - - - - - 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
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
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.
Investigación de Operaciones I
235
Ing. Mauro Pérez Estrella
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)
Investigación de Operaciones I
236
Ing. Mauro Pérez Estrella
b)
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.
Problema
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
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
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 $3 en la planta II.
Investigación de Operaciones I
238
Ing. Mauro Pérez Estrella
Solución
a) Formulación
1) Variables de decisión
Variable Destino (comerciante):
X planta, comerciante
Ejemplo: para señalar el número de paquetes de envasado enviados de la planta I al
comerciante A: X1A
2) Función Objetivo:
Ganancia:
Costo de Producción:
Costo de Transporte:
MaxZ = 13(XIA + XIB + XIC + XIIA + XIIB + XIIC) - 2(XIA + XIB + XIC) - 3(XIIA +
XIIB + XIIC) – (4XIA + 6XIB + 5XIC + 7XIIA + 5XIIB + 8XIIC)
3) Restricciones:
Restricciones de horas hombre:
0.5 (XIA + XIB + XIC) + 0.75 (XIIA + XIIB + XIIC) <= 100
Investigación de Operaciones I
239
Ing. Mauro Pérez Estrella
Sujeto a:
Matriz Cij
4 6 5 1 1
7 5 8 2 3
3 1 3
1 3
Evaluación de la matriz I
Matriz Zij Cj-Zj >=0 es el óptimo
4 2 5 0 0 4 0
7 5 8 3 0 0 0
4 2 5
Luego: Ctr = 820$
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
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
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
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
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
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
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
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
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
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
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
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
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
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
20 14 22 24 0 800
26 24 28 23 0 600
35 25 30 24 0 700
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
Investigación de Operaciones I
245
Ing. Mauro Pérez Estrella
Luego:
Costo: $ 29300
Veremos si es óptimo
Matriz Zij
20 14 22 23 0
20 14 22 23 0
20 14 22 23 0
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
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
Costo: $749000
a) Matriz Zij
Investigación de Operaciones I
247
Ing. Mauro Pérez Estrella
60 30
40 50-X X
60+X 30-X
50+X 40-X
60-
30+X
X
90-
X
X
Donde X = 30
60 30
40 20 30
90
80 40
60 30
30 60
Costo $ 630500
Investigación de Operaciones I
248
Ing. Mauro Pérez Estrella
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
60 30
40 10 40
90
10 80 30
70 20
40 50
Costo es de $ 575500.
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.
60 30
40 50
10 80
90
50 40
30 60
Costo $ 336500
60 30
40 10 40
10 80
90
90
70 20
Costo $216500
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
50 40
30 60
Investigación de Operaciones I
250
Ing. Mauro Pérez Estrella
10 80
90
90
20 70
Problema
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.
Investigación de Operaciones I
251
Ing. Mauro Pérez Estrella
El siguiente ejemplo ilustra el uso del modelo del transporte en otros campos.
Problema
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.
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
Costo unitario/producto
Planta 1 2 3 4
1 41 27 28 24
2 40 29 - 23
3 37 30 30 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:
Investigación de Operaciones I
253
Ing. Mauro Pérez Estrella
1 95 3000
2 93 5000
3 104 3500
4 102 2500
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
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
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:
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 $3
Planta X 6 7 6
Planta Y 4 2 5
P12) Tres centrales de distribución tienen que dar electricidad a tres ciudades. La tabla de costos
de transporte de electricidad es la siguiente:
CIUDAD SUMINISTRO
CENTRAL A B C (MKwh)
I 8 6 10 35
II 9 12 13 50
III 14 9 16 40
DEMANDA
(MKwh) 45 20 30
P13) Una compañía panificadora puede producir un pan especial en cualquiera de sus plantas,
en la siguiente forma:
Cuatro cadenas de restaurantes desean adquirir este pan, sus demandas y precios que desean pagar
son los siguientes:
Investigación de Operaciones I
257
Ing. Mauro Pérez Estrella
El costo ($) 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
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:
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$
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
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:
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
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 ($) MENSUAL
4 600
A 17 800
B 20 600
C 24 700
Los costos unitarios de producción y las capacidades mensuales (de oferta) aparecen en la tabla
2.
El costo por atender a estos clientes varía de una planta a otra. Los costos unitarios de transporte
en dólares aparecen en la tabla 3.
Tabla 3
Desde Hasta
1 2 3 4
A 3 2 5 7
B 6 4 8 3
C 9 1 5 4
Johnson debe decidir cuántas unidades le conviene producir en cada planta y qué proporción de
la demanda de cada cliente tendrá que ser atendida. La empresa desea minimizar los costos totales
Investigación de Operaciones I
260
Ing. Mauro Pérez Estrella
de producción y transporte. Formule el problema como uno de transporte y resuelva para hallar
la solución óptima, utilizando el método de la Esquina Nor-Oeste.
P20) Fernwood y Lumber fabrica madera terciada o triples. El costo de producir 1000 pies tabla
de ese tipo de madera cambia de un mes a otro a causa de las variaciones en los costos de manejo,
el consumo de energía y el precio de las materias primas. El costo de producción de 1000 pies
tabla en cada uno de los 6 meses próximos aparece en la siguiente tabla.
Mes
1 2 3 4 5 6
Costo de Producción 900 950 1250 1050 900 850
($)
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 $40 por 100 pies tabla, por cada mes de retraso. Fernwood debe
saber cuánto le conviene producir cada mes y cuántas existencias deberá mantener para satisfacer
la demanda al costo mínimo. Formule el problema como un modelo de transporte y resuélvalo
para encontrar la solución óptima. Utilice el método de la esquina Nor-Oeste. Mostrar todas las
iteraciones.
P21) La corporación S-10 fabrica un material especial de base de aceite que escasea en estos
momentos. Cuatro de los clientes S-10 ya han colocado pedidos que en total exceden la capacidad
combinada de las dos plantas de S-10 .Los administradores de esta empresa enfrentan el problema
de decidir cuantas unidades deben enviar a cada cliente. Como los cuatro clientes pertenecen a
industrias distintas, la estructura de precios permite cobrar precios diferentes a los distintos
clientes .Sin embargo, algunas leves diferencias en los costos de producción de las dos plantas y
los distintos costos de transporte entre las plantas y los clientes hacen que la estrategia de
‘’vender a quien ofrezca más’’sea inaceptable. A continuación se tiene los siguientes datos:
Investigación de Operaciones I
261
Ing. Mauro Pérez Estrella
1 50 4200
2 48 5200
3 51 4000
Hasta 1 2 3 4
1 13 9 22 12
2 13 15 28 16
3 14 15 22 15
Planta
P22) Una corporación ha decidido producir tres productos nuevos. En este momento, cinco de
sus plantas tienen exceso de capacidad de producción. El costo unitario de fabricación del
primer producto será de 31$, 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.
Investigación de Operaciones I
262
Ing. Mauro Pérez Estrella
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
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:
Distribuidor Regional
Imprenta Chicago Seattle Washington D.C.
Los Angeles 0.08 0.05 0.14
Nueva York 0.06 0.07 0.04
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.
Los costos de transporte aéreo por caja entre las plantas y los vendedores son como sigue:
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.
Investigación de Operaciones I
264
Ing. Mauro Pérez Estrella
3 200
4 450
5 500
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
Investigación de Operaciones I
266