Manual Investigacion de Operaciones 2013

Material de Apoyo y Consulta
MANUAL DE INVESTIGACIN DE OPERACIONES (Versin Preliminar para Revisin)
Ing. Giovanny Rodrguez Martnez
Bogot, D.C. Mayo de 2013
grm7777@gmail.com
Facebook: Giovanny Rodriguez
CONTENIDO
Pgina 1. Definiciones bsicas de programacin lineal .3 2. Aplicaciones y modelos lineales..6 3. Solucin por mtodo grfico20 4. Solucin por Solver23 5. Solucin por el mtodo Simplex.28 6. Dualidad ..38 7. Anlisis de sensibilidad.46 8. Modelos de Asignacin y Transporte.48 9. Programacin Entera 63
grm7777@gmail.com
DEFINICIONES BSICAS PROGRAMACION LINEAL

La programacin lineal satisface un tipo especial de problema, uno en el cual todas las relaciones entre las variables son lineales, tanto en las restricciones como en la funcin objetivo.
CARACTERSTICAS - La funcin objetivo maximiza o minimiza. Maximiza = Utilidades/recursos Minimiza = Costos/recursos Se llama solucin factible a la solucin que satisfaga la condicin de no negatividad. PAUTAS PARA UN BUEN PLANTEAMIENTO DE UN MODELO DE PROGRAMACION LINEAL
Formule cada restriccin con sus propias palabras, teniendo en cuenta si es de la signo >= (mayor o igual que, al menos, por lo menos, como mnimo), o =< (menor o igual que, no mayor que, como mximo), o = (igual). Exprese las restricciones de forma que en ambos lados del smbolo se manejen bien sea horas, pesos, kilogramos, etc. Formule el modelo con la rapidez que le sea posible no intente colocar mas datos de los que le piden, puede llegar a confundir o a desviar el objetivo
ANLISIS DE PROBLEMAS Metodologa de Investigacin de Operaciones
Definir el problema Desarrollar un modelo matemtico Resolucin del modelo Validacin de la solucin Poner en prctica y supervisar la solucin
Facebook: Giovanny Rodriguez 3
grm7777@gmail.com
PROGRAMACION LINEAL ELEMENTOS
Variables = cambios Restricciones =limite o Funcin objetivo = Max o Min Z = C1X1 + C2X2..+ CnXn
Sujeto a = a11x1 + aijxj b1 ai 1 + aijxj bi
x1, x2 0
APLICACIONES DE LA PROGRAMACION LINEAL Finanzas: El problema del inversor podra ser un problema de seleccin del mix de su cartera de inversiones. En general, la variedad de carteras puede ser mucho mayor que lo que indica el ejemplo y se pueden agregar muchas ms restricciones distintas. Otro problema de decisin implica determinar la combinacin de mtodos de financiacin para una cantidad de productos cuando existe ms de un mtodo de financiacin disponible. El objetivo puede ser maximizar las ganancias totales cuando las ganancias de un producto determinado dependen del mtodo de financiacin. Administracin de Produccin y Operaciones: En las industrias de proceso, una materia prima en particular puede transformarse en una gran variedad de productos. Por ejemplo, en la industria petrolera, el crudo puede refinarse para producir nafta, kerosene, aceite. Segn el margen de ganancia actual de cada producto, el problema es determinar la cantidad que se debera fabricar de cada producto. Esta decisin est sujeta a numerosas restricciones tales como lmites de las capacidades de diversas operaciones de refinado, disponibilidad de materia prima, demandas de cada producto y polticas gubernamentales con respecto a la fabricacin de determinados productos. En la industria de productos qumicos y de procesamiento de alimentos existen problemas similares.
grm7777@gmail.com
Recursos Humanos: Los problemas de planificacin de personal tambin se pueden analizar con programacin lineal. Por ejemplo, en la industria telefnica, la demanda de servicios de personal de instalacin / reparacin son estacionales. El problema es determinar la cantidad de personal de instalacin / reparacin y reparacin de lneas que debemos tener incorporada en la fuerza laboral por cada mes a fin de minimizar los costos totales de contratacin, despido, horas extras y salarios en horas ordinarias. El conjunto de restricciones comprende restricciones con respecto a la demanda de servicio que se debe satisfacer, uso de horas extra, acuerdos con los sindicatos y la disponibilidad de personal calificado para contratar. Este ejemplo es opuesto a la hiptesis de divisibilidad. Sin embargo, los niveles de fuerza laboral de cada mes normalmente son lo suficientemente altos como para poder redondear al nmero entero ms cercano sin problemas, siempre y cuando no se violen las restricciones.
grm7777@gmail.com
APLICACIONES Y MOLDELOS DE PROGRAMACIN LINEAL
PROBLEMAS DE PRODUCCION Un taller tiene (3) tipos de maquina A,B,C ; puede fabricar (2) productos 1y2, todos los productos tienen que ir a cada mquina y cada mquina y cada una va en el mismo orden: primero a la maquina A, luego a la B y luego a la C. La tabla siguiente muestra:
Las horas requeridas en cada mquina, por unidad de producto. Las horas totales disponibles para cada mquina por semana. La ganancia por unidad vendida de cada producto.
Tipo de Mquina
Producto 1
Producto2
Horas disponibles Por semana
A B C Ganancia por unidad
2 1 4
2 2 2
16 12 28
1.50
Qu cantidad de cada producto (1y2) se debe manufacturar cada semana, para obtener la mxima ganancia? Cuantas horas semanales sobran en cada departamento?
grm7777@gmail.com
Solucin Formulacin: Definicin de las variables: Xj = Unidades semanales a producir del articulo j- esimo (j=1 y 2) X1= Cantidad de Producto 1. X2= Cantidad de Producto 2.
Funcin Objetivo: Maximizar Z = X1 + 3/2 X2
Restricciones: 2X1 + 2X2 16 Restriccin debida a las horas disponibles por semana de la MQ A X1 + 2x2 12 Restriccin debida a las horas disponibles por semana de la MQ B 4X1 + 2X2 28 Restriccin debida a las horas disponibles por semana de la MQ C Condicin de no negatividad Xj 0 ; j= 1y2
BODEGAS Un barco de carga tiene tres bodegas: Proa, Popa y Centro cuya capacidad mxima de peso a transportar en cada una de ellas es: 2000, 1500 y 3000 toneladas respectivamente. Cada bodega tiene un volumen de: 100.000, 200.000 y 135.000 pies cbicos respectivamente. Se ofrecen tres tipos de carga denominadas A, B, C en las siguientes cantidades: 6000, 4000 y 2000 toneladas respectivamente. Si cada tonelada de los productos A, B, C ocupa 60, 50 y 25 pies cbicos y el capitn del barco tiene como poltica de seguridad cargar el mismo porcentaje de toneladas en cada bodega, de tal forma que maximice las utilidades de la carga, sabiendo que por cada tonelada de los productos A, B, C obtiene una utilidad de $6, $8, $5 respectivamente.
grm7777@gmail.com
Definicin de Variables Toneladas de producto A, B, C Transportar a bodegas (1)Proa, (2)Popa, (3)Centro
Funcin Objetivo Max Z= 6(Xa1+ Xa2 + Xa3) + 8(Xb1+ Xb2 + Xb3) + 5(Xc1+ Xc2 + Xc3)
Restricciones - Capacidad de bodega: (Peso) * Proa: Xa1+Xb1+Xc1 =< 2000 * Popa: Xa2+Xb2+Xc2 =<1500 * Centro: Xa3+Xb3+Xc3 =< 3000 - Capacidad de bodega: (Volumen) * Proa: 60Xa1 + 50Xb1 + 25Xc1 =< 100.000 * Popa: 60 a2 + 50b2 + 25c2 =< 300.000 * Centro: 60 a3 + 50b3 + 25c3 =< 135.000
Condicin de No Negatividad A, B, C, 1, 2, 3 >= 0
TUERCAS Y TORNILLOS Un distribuidos de ferreteria planea vender paquetes de tuercas y tornillos mezclados. Cada paquete pesa por lo menos 2Lb. Tres tamaos de tornillos y tuercas componen el paquete y se compran en lotes de 200 Lb. Los tamaos 1,2,3 cuestan respectivamente $20, $8, $12, adems: El peso combinado de los tamaos 1 y 3 debe ser al menos la mitad del peso total del paquete. El peso de los tamaos 1, 2 no debe ser mayor que 1,6Lb. Cualquier tamao de tornillo debe ser al menos el 10% del paquete total.
grm7777@gmail.com
Variables de decisin - Tamao tuercas y tornillos que conforman el paquete: 1, 2, 3.
Funcin objetivo Min Z: 20/200X1 + 8/200X2 + 12/200X3
Restricciones X1+X2+X3 >= 2 X1 + X3 =< X1 + X2 + X3 / 2 X1 + X2 =< 1,6 X1 >= (X1 + X2 + X3)0,1 X2 >= (X1 + X2 + X3)0,1 X3 >= (X1 + X2 + X3)0,1
Condicin de no negatividad X1, X2, X3 >= 0
EL PROBLEMA DE LAS JOYAS Una pequea empresa de muebles JBC produce sillas y mesas . cada silla vendida representa una ganancia neta de $ 3000 y cada mesa $ 5000 . se dispone de 30 horas-hombre de capacidad de corte y fabricacin por da y de 18 horas hombre de capacidad de terminado y pintura por da. Igualmente existe un suministro de madera de 30 tablas diarias. Se asume por ahora que estas capacidades no son necesariamente en juegos completos. Para fabricar una silla se requieren dos horas de corte y fabricacin , una hora de acabado y pintura y consume una tabla. A su vez cada mesa requiere una hora de corte y fabricacin, una hora de acabado y pintura y consume dos tablas. Se desea conocer cuantas sillas y cuantas mesas debern fabricarse para maximizar las ganancias diarias de la empresa.
grm7777@gmail.com
Solucin Formulacin
Definicin de las variables X1= Cantidad de sillas vendidas X2= Cantidad de mesas vendidas
Funcin Objetivo Max Z = 3000 X1 + 5000 X2
Restricciones - Restriccin en horas en el departamento de corte y pintura 2X1 + X2 30 horas-hombre - Restriccin en horas en el departamento de terminado y pintura X1 + X2 18 horas-hombre - Restriccin en materia prima cantidad de tablas X1 + 2X2 30 tablas - Restricciones de no negatividad X1, X2 0
Una empresa fabrica PCs de dos tipos:
Procesador intel Celeron440 (2.00GHz, 800FBS), Sistema Operativo Windows VIstaHome Basic original SP1, Memoria. 2GB Dual Channel DDR2 SDRAM at 800MHz-2DIMMs Disco Duro Disco Duro de 160Gb Serial ATA (7200RPM) c/Data Burst Cache Unidades de CD/DVD
grm7777@gmail.com Facebook: Giovanny Rodriguez 10
Quemador de DVD 16X DVD+/-RW
El otro: Procesador Procesador intelPentiumdual-core E2180 (1MB L2 Cache, 2.00GHz,80) Sistema Operativo Ubuntu Linux, versin 7-1 con DVD Playback Memoria Disco Duro Disco Duro de 16GB Serial ATA (7200RPM) c/DataBurst Cache Unidades de CD/DVD Unidad Quemadora de DVD+/RW de 16X-
Su costo de fabricacin, para el primero es de $8 dlares y para el segundo es de $6 dlares. La fabricacin de sus componentes se realiza en dos laboratorios.
En el laboratorio 1 (L1) se necesitan dos horas para la fabricacin del primer equipo y 1 hora para la fabricacin del segundo equipo. En L1 se quiere tener al menos de 10 horas de trabajo.
En el laboratorio 2 (L2) se necesitan 2 horas para la fabricacin del primer equipo y 2 horas para la fabricacin del segundo equipo. En L2 se quiere tener al menos de 16 horas de trabajo.
Plantee el modelo de manera tal que minimice los costos de fabricacin.
Solucin Formulacin
grm7777@gmail.com
11
Definicin de variables X1= Cantidad de PC1 X2= Cantidad de PC2
Funcin Objetivo Min Z= 6X1 + 8X2
Restricciones Laboratorio 1 (L1) = 2X1 + X2 >= 10 h Laboratorio 2 (L2) = 2X1 + 2X2 >= 16h
Restricciones no Negatividad X1, X2 0
EJERCICIOS
Problema 3.1
Definir Variables A= Cantidad de Producto Aritex B= Cantidad de Producto Extendex R= Cantidad de Producto Resistex
Funcin Objetivo Max Z = 7A + 7E + 6R
grm7777@gmail.com
12
Restricciones - De la Demanda
Aritex
Demanda Producto A 1000
Extendex Demanda Producto B 500 Resistex Demanda Producto C 400
- De Inventarios Polimero A 4A + 3E + 6R 500 Lb 8000 Oz Polimero B 2A + 2E + 3R 425 Lb 6800 Oz Polimero C 4A + 2E + 5R 650 Lb 10400 Oz Base 6A + 9E + 2R 1100 Lb 17600 Oz
Problema 3.2
Definir Variables A= Tubos de Tamao A B= Tubos de Tamao B C= Tubos de Tamao C AJ= Tubos de Japon A BJ = Tubos de Japon B CJ= Tubos de japon C
Funcin Objetivo Max Z = 7 + 8B + 5C + 3AJ + 2BJ + 3 CJ
Restricciones
- Por Demanda A + AJ = 2000 B + BJ = 4000 C + CJ = 5000
- Por Fabricacin 0.5 A + 0.45B + 0.6 2400
- Material a Soldar A + B + C 5500 Problema 3.3
Definicin de las Variables Espagueti = E Pavo Papas =P = Pa
Espinacas = Es Pastel de Manzana= Ma
Funcin Objetivo Min Z = 5000E + 5000P + 7900Pa + 3000Es + 14300Ma
Restricciones Por Protenas 5000E + 29300P + 5300Pa + 3000Es + 4000Ma 63000(mg) Por Hierro 1.1E + 1.8P + 0.5Pa + 2.2Es + 1.2 Ma 10(mg)
Por Tiacina 1.4E + 5.4P + 0.9Pa + 0.5Es + 0.6Ma 15(mg) Por Tiamina 0.18E + 0.06P + 0.06Pa + 0.07Es + 0.15Ma 1(mg) Por Vitamina C
0.0E + 0.0P + 10.0Pa + 28.0Es +3.0Ma 50 (mg)
Una joyeria produce dos tipos de joyas: Tipo 1 y Tipo 2. Cada joya tipo 1 contiene, 2 Rubies y 4 diamantes y se vende a $ 10 Unidad y tiene un costo de produccin de $5 Unidad. Cada joya tipo 2 contiene 1 Rubi y 1 diamante, se vende a $6 Unidad y tiene un costo de produccin de $4 unidad. La joyeria dispone de 30 Rubies y 40 diamantes para producir las joyas. Por la situacin del mercado, se deben producir al menos 10 joyas del tipo 2.
Formule el problema de programacin lineal para maximizar la utilidad neta de la joyeria.
Solucin Definicin de las Variables X1 = Joyas tipo 1 X2 = Joyas tipo 2
Funcin Objetivo Max Z = 5X1 + 2X2
Restricciones Rubies: 2X1 + 1X2 Diamantes: 4X1 + 1X2 No Negatividad: X1, X2 >= 0.
grm7777@gmail.com
15
UN PROBLEMA DE DIETA Como es conocido cada ser viviente necesita cantidades diarias de caloras, vitaminas, protenas, minerales y otros elementos. Tambin se tienen preferencias por los tipos de comidas y marcas. La dieta optima ser aquella combinacin de alimentos que cumpla con los requerimientos nutricionales y a un costo mnimo. Para simplificar el estudio del problema, se va a suponer que solo existen los requerimientos relacionados con la cantidad minima diaria de tres vitaminas que llamaremos V1, V2, V3. Tambin se supone que solo se estn considerando dos tipos de alimentos y productos comerciales que contienen dichas vitaminas y a la vez minimizar el costo de la dieta. Tenemos informacin que el producto comercial A cuesta $12 el gramo y contiene 2 unidades de vitamina V1, 4 unidades de vitamina V2 y 12 unidades de vitamina V3 por gramo. El producto B cuesta $8 el gramo y contiene 3.75 unidades de V1 gramo, 4 de V2 y 4 de V3. Se requiere que la dieta diaria individual contenga por lo menos 30 unidades de V1, 40 unidades de V2 y 60 unidades de V3. Como deber formularse un modelo para la dieta a un costo mnimo que satisfaga estos requerimientos?
Solucin Definicin de Variables X1: Cantidad de producto A X2: Cantidad de producto B
Funcin objetivo Min Z: 12X1 + 8X2 Restricciones 2X1 + 3,75X2 >= 30 4X1 + 4X2 >= 40 12X1 + 4X2 >= 60 Condicin de No Negatividad X1, X2 >= 0
UN PROBLEMA DE TRANSPORTE
grm7777@gmail.com
16
X,Y,Z productora de motores Diesel tiene cuatro plantas establecidas en Europa. Estn ubicadas en Leipzing, Alemania oriental (1); Nancy, Francia (2); Lieja, Belgica (3) y Tilburgo, Holanda (4). Las maquinas ensambladoras usadas en esas plantas se produce en Estado Unidos y se embarcan a Europa. Llegaron a los puertos de de Amsterdan (A), Amberes (B) y el Havre (C).
Los planes de produccin del primer trimestre (julio Septiembre ) ya ha sido formulados. Los requerimientos de motores diesel E4 son los siguientes: PLANTA Leipzing Nancy Lieja Tilburgo 400 900 200 500 2000 CANTIDAD DE MOTORES
La cantidad disponible de maquinas E4 en los puertos a tiempo para usarse en el tercer trimestre se muestran enseguida: PUERTO A) Amsterdam B) Amberes C) El Havre CANTIDAD DE MOTORES 500 700 800 2000
Solucin Definicin de Variables -Cantidad de Planta: 1,2,3 -Cantidad de Puertos: a,b,c.
grm7777@gmail.com
17
Funcin Objetivo Max Z: 400X1 + 900X2 + 200X3 + 500X4
Restricciones Oferta: Xa1 + Xa2 + Xa3 + Xa4 =< 500 Xb1 + Xb2 + Xb3 + Xb4 =< 700 Xc1 + Xc2 + Xc3 + Xc4 =< 800 Demanda: X1a + X1b + X1c =< 400 X2a + X2b + X2c =< 900 X3a + X3b + X3c =< 200 X4a + X4b + X4c =< 500 Condicin de No negatividad: 1,2,3,a,b,c >= 0
CENTROS DE DISTRIBUCION Y DETALLISTAS Un fabricante tiene tres centros de distribucin en Bogota, Medelln y Cali. Estos centros tiene disponibilidad de 20, 40, y 40 unidades respectivamente. Sus detallistas requieren cantidades: Pereira 25, Tulua 10, Ansermo 20, Ibague 30 y Armenia 15. El costo de transporte por unidad en pesos entre cada centro de distribucin y las localidades de los detallista se dan en la siguiente tabla: DETALLISTAS CENTRO DE DISTRIBUCIO N PEREIR A BOGOT A MEDELI N CALI 55 35 40 TULU A 35 30 60 ANSERM O 40 100 95 IBAGU E 50 45 35 ARMENI A 40 60 30
Cuantas unidades debe mandar el fabricante desde cada centro de distribucin a cada detallista, de manera que los costos totales de transporte sean minimos?
grm7777@gmail.com
18
Variables de decisin Centros de Distribucin: (1)Bogota, (2)Medelln, (3)Cali; (1), (2), (3), (4), (5)
Funcin objetivo Min Z: 55 X11 + 30 X12 + 40 X 13 + 50 X14 + 40 X15 + 35 X21 + 30 X22 + 100 X23 + 45 X24 + 60X25 + 40X31 + 60X32 + 95 X 33 + 35 X 34 + 30X 35
Restricciones Oferta: * Bogota: X11 + X12 + X13 + X14 + X15 =< 20 * Medelln: X21 + X22 + X33 + X44 + X45 =< 40 * Cali: X31 + X32 + X33 + X34 + X35 =< 40 - Demanda: * Pereira: X11 + X21 + X31 = 25 * Tulua: X21 + X212+ X23 = 10 * Armensa: X31 + X32 + X33 = 20 * Ibague: X41 + X42 + X43 = 30 * Armenia: X51 + X52 + X53 = 25
Condicin de no negatividad: 1,2,3 , 1,2,3,4,5 >= 0
grm7777@gmail.com
19
SOLUCIN POR EL MTODO GRFICO

Lo utilizamos para resolver problemas de programacin lineal con 2 variables. Se grafican las restricciones del modelo y la funcin objetivo. Regin Factible: Conjunto de posibles soluciones -> Cumplen todas las restricciones Se encuentra la solucin ptima(mejor) o soluciones optimas si las hay.
PASOS 1. En las restricciones, transformar los trminos de las desigualdades en igualdades =. 2. Igualar una de las variables a cero, con el fin de encontrar los puntos de corte con los ejes 3. Trazar las rectas en el plano cartesiano. 4. Hallar los puntos de corte entre las rectas, puede utilizar igualacin 5. Tener en cuenta las condiciones de no negatividad(debe trabajar en el cuadrante 1, del plano cartesiano) 6. Los puntos de solucin ptima, deben ser reemplazados en la funcin objetivo, a fin de encontrar el valor mximo o mnimo, que cumpla todas las restricciones. 7. Hallar los puntos rea de soluciones factibles que satisfagan todas las restricciones
Para poder graficar la solucin factible ptima existen dos procedimientos: Evaluar la funcin objetivo en cada punto del rea de soluciones factibles, lo tedioso es que si se tienen muchas restricciones van a generar muchos puntos que por supuesto implica la solucin de ecuaciones.
grm7777@gmail.com
20
Usando la funcin objetivo para determinar el punto de soluciones factible que la optimiza. Lo ineficiente de este mtodo es que cuando la FO es paralela a uno de los lados del punto de soluciones factibles causa una duda sobre cual de los puntos es que se hace que la FO sea optima.
Problema sin solucin: Este caso se presenta cuando entre las restricciones existe al menos una de ellas que sean excluyentes
RESOLUCIN POR EL MTODO GRFICO Revise el ejercicio de fabricacin de sillas y mesas Max Z = 3000X1 + 5000X2
Sa = 2X1 + X2 30 X1 + X2 18 X1 + X2 30 X1, X2 0 VARIABLES X1= Cantidad de Sillas a fabricar X2 = Cantidad de Mesas a fabricar Resolver por el mtodo grfico
Solucin: En las restricciones, transformar los trminos de las desigualdades en igualdades =. 2X1 + X2 = 30 X1 + X2 = 18 X1 + X2 = 30
Pasos 2,3,4,5
grm7777@gmail.com
21
X1 + X2 = 18 Si X1=0 , X2= 18 Si X2=0 , X2=18
2X1 + X2 = 30 SI X1 = 0 , X2=15 SIX2= 0 , X1 = 15
X1 + 2X2 = 30 SI X1= 0 , X2= 15 SI X2 = 0 , X1= 30
GRFICA
Paso 6
grm7777@gmail.com
22
Reemplazamos en la Funcin Objetivo
(0,15 ) = (3000)(0) + (15)(5000)= 75000 (0,12) = (3000)(6) + (12)(5000)= 78000 Punto de solucin optima (12,6) = (3000)(12) + (6)(5000) = 66000 (15,0) =
El punto de solucin ptima debe satisfacer las restricciones
2X1 + X2 30 (2)(6) + 12 30 12 + 12 30 24 30
X1 + X2 18 6 + 12 18 18 = 18
X1 + 2X2 30 6 + 24 30 30 = 30
RESPUESTA Se deben producir 6 sillas y 12 mesas para maximizar la ganancia que es de $ 78000
grm7777@gmail.com
23
UTILIZACION DE COMPLEMENTO SOLVER DE MS EXCEL

Es una herramienta para resolver y optimizar ecuaciones mediante el uso de mtodos numricos. Con solver se puede buscar el valor ptimo para una celda, denominada objetivo , en donde se escribe la frmula de la funcin objetivo F(X1, X2, X3, ). Solver cambia los valores de un grupo de celdas, denominadas celdas cambiantes y que estn relacionadas, directa o indirectamente, con la frmula de la celda objetivo. En estas celdas se encuentran los valores de las variables controlables X1, X2, X3,Xn. Puede agregar restricciones a Solver, escribiendo una formula Gi(X, X2, X3 Xn) en una celda y especificando que la celda deber ser mayor o igual, igual, o menor o igual que otra celda que contiene constante Cj. Tambin puede especificar valores sea enteros, para evitar dar resultados absurdos de algunos problemas, tales como que se necesitan 3.5 empleados. Solver ajustara los valores de las celdas cambiantes, para generar el resultado especificado en la frmula de la celda objetivo. Solver es un excelente complemento de MS Excel que permite la resolucin de pequeos y medianos problemas de Programacin Lineal. En la mayora de las aplicaciones con fines estudiantiles es suficiente para resolver dichas instancias. Ahora, veamos cmo funciona con un simple ejemplo1:
MAX 10X + 16Y S.A. 2X + 2Y <= 8 ...... 1X + 2Y <= 6 ..... .X>= 0, Y>= 0
PASO 1. Se ingresan los parmetros a una planilla de clculo. Las celdas marcadas en amarillo corresponde a las "Celdas Cambiantes" o variables de
1
http://www.programacionlineal.net/programacion_lineal.html.
grm7777@gmail.com
24
decisin del modelo. La Celda C2 corresponde al Valor de la Funcin Objetivo que esta dada por: A2*A3 + C2*C3. Las Celdas C5 Y C6 almacenan el valor o lado izquierdo de las restricciones 1 y 2, quedando definidas como A2*A5 + B2*B5 y A2*A6 + B2*B6, respectivamente.
PASO 2. Se inicia la aplicacin Solver y se cargan los datos de la planilla.
PASO 3. Una vez ingresados los parmetros se selecciona "Opciones". Una vez dentro de este menu se deben activar las opciones de "Adoptar modelo lineal" y "Asumir no negativos". Luego se selecciona "Aceptar" y luego "Resolver.
PASO 4. Si el modelo admite solucin se obtienen los resultados. Se recomienda seleccionar los Informes que sugiere Solver para una mayor comprensin del modelo resuelto.
PASO 5. Los resultados son desplegados en las celdas cambiantes y se verifica el cumplimiento de las restricciones del problema. La Solucin ptima es X=2,Y=2 con Valor ptimo V(P)=52. Adicionalmente, ambas restricciones se encuentran activas, es decir, se cumplen en igualdad.
PASO 6. Al seleccionar los Informes de Respuesta, en particular el "Informe de Sensibilidad" se obtiene informacin relevante sobre el modelo propuesto.
Respecto a las celdas cambiantes (variables de decisin) se incluye un intervalo de variacin para los coeficientes en la funcin objetivo que mantienen la actual Solucin ptima. Por ejemplo C1 (Coeficiente que acompaa a X en la funcin objetivo, actualmente igual a 10) puede variar en el siguiente intervalo garantizando la actual Solucin ptima: {10 - 2, 10 + 6} = {8, 16}. De la misma forma el intervalo para C2 (Coeficiente que acompaa a Y en la funcin objetivo, actualmente igual a 16) es {10, 20}
grm7777@gmail.com
26
En cuanto a las restricciones, el precio sombra de la restriccin 1 es 2, el cual es vlido siempre y cuando la variacin en el lado derecho se encuentre en el intervalo {8 - 2, 8 + 4} = {6, 12}. De la misma forma, el precio sombra para la restriccin 2 es 6, vlido en el intervalo de variacin del lado derecho entre {4, 8}.
grm7777@gmail.com
27
SOLUCIN POR EL MTODO SIMPLEX

Es muy dispendioso, en razn a que trabaja con todos los datos de las ecuaciones, para mejorar este aspecto se creo el mtodo simplex cuya virtud es su sencillez, este mtodo solo trabaja con los coeficientes de la funcin objetivo y de las restricciones. Criterio de decision Variable que entra Variable que entra Variable que sale Maximizar -M La ms negativa de los Zj Cj La menos positiva de los b/a, siendo a>0, de lo contrario no restringe Minimizar +M La ms positiva de los Zj - Cj La menos positiva de los b/a, siendo a>0, de lo contrario no restringe a la variable que entra Cuando todos los Zj Cj <=0
Solucin optima
Cuando todos los Zj Cj >=0
Para tener en cuenta: Si en el tablero simplex de la solucin optima queda al menos una variables de Superavit o artificial dentro de las variables bsicas, con un valor .0, el problema no tiene solucin, esto quiere decir que al menos existen dos restricciones excluyentes, por lo tanto no existe rea de soluciones factible y menos una solucin, en este caso se debe revisar la formulacin del problema. Si al escoger la variable que sale ninguna de las variables bsicas restringe el crecimiento de la variable no bsica escogida para entrar, el problema tiene solucin indeterminada y se debe revisar la formulacin en busca de una nueva restriccin que no se tuvo en cuenta en la formulacin inicial. Si en el tablero simplex del optimo, al menos una de las variables no bsicas tiene coeficiente cero (0) en la funcin objetivo, esto es si Zj Cj = 0, el problema tiene mltiples soluciones y se nos esta ofreciendo una de ellas.
grm7777@gmail.com
Proceso interactivo que permite solucionar modelos de programacin lineal de tamao n restricciones y m variables.
ACTIVIDADES FUNDAMENTALES
- Prueba de Optimidad
- Identificar las variables que entran y salen
- Realizar un anlisis de la tabla caracterstica para desarrollar una nueva solucin
PROCEDIMIENTO 1. Estandarize el modelo de programacin lineal 2. Construya la tabla caracterstica 3. Identificar las variables que entran y salen 4. Determine la solucin bsica 5. Probar la optimalidad de la funcin
ESTANDARIZACION DEL MODELO
Tiene que ver con las restricciones aumentadas es decir cada restriccin del problema se debe aumentar utilizando variables de holgura y/o variables artificiales
grm7777@gmail.com
29
Cualquier desigualdad se puede conventir en una igualdad agregando variables de holgura Si i= 1,2,3,4. Para que represente el Superavit Cualquier desigualdad se puede convertir en una igualdad restando variables de excedente o de holgura Si y sumando una variable artificial. Agregar una variable artificial se justifica para dar cumplimiento al criterio de no negatividad A las restricciones donde el signo es una igualdad se le agrega una variable artificial para que represente la expresin de lado izquierdo en ausencia de las variables de holgura o excedente La estandarizacin del modelo de programacin lineal , tambin tiene que ver con la funcin objetivo por lo que deben agregarse a esta funcin todas las variables que aparecen como extras en las restriccin Los coeficientes o contribuciones de las variables extras que deben aparecer en la funcin objetivo tienen valores : 0, +M, -M, teniendo en cuenta: toda variable de holgura tiene una contribucin de 0 para problemas de maximizacin o minimizacin. Las variables artificiales deben tener un coeficiente positivo aproximadamente 100 veces mayor que el coeficiente mas grande que la funcin objetivo , cuando el problema es de minimizacin ; esto con el fin de evitar que estn en la solucin final Cuando el problema es de maximizacin el coeficiente de la variable artificial debe ser negativo y muy pequeo, para que la variable artificial no se mantenga en la base . este coeficiente se representa con la letra M y la variable artificial con la letra A. Todo problema de programacin lineal que se formule de la forma Maximice, con todas sus restricciones,<= y con la condicin de no negatividad, le llamaremos Forma estndar o forma normal. Aqu al igual que en el mtodo algebraico debemos conseguir una solucin bsica factible, empleando las variables de holgura y/o artificiales.
EJEMPLO
Min Z = 8X1 + 2X2
Sa = 2X1 + 3X2 40
4X1 + 6X2 10 5X1 + 2X2 = 20
ESTANDARIZACIN
2X1 + 3X2 + S1 4X1 + 6X2 5X1 + 2X2 + -S2 + A1
=40 =10 + A2= 20
Funcin objetivo
Min Z = 8X1 + 2X2 + 0S1 0S2 + MA1 + MA2
CARACTERISTICAS DE LAS VARIABLES DE ESTANDARIZACION
VARIABLE Si = representan el supervit o dficit de recursos excasos. Puede ser variable bsica en la solucin ptima. VARIABLE ARTIFICIAL Ai = son ficticias ya que solo se usan al comienzo del proceso simplex para la estandarizacin del modelo y cumplir con el criterio de no negatividad . no pueden ser variables bsicas en la solucin optima. Si esto llega a suceder el problema no tiene solucin. Son instrumentos de calculo que se usan en las restricciones =.
DISEO DE LA TABLA
EJEMPLO
Max Z = C1X1 + C2X2+ CnXn
grm7777@gmail.com
31
Sa = a11X1+ a12X2+ a1nXn B1 a21X1 + .+ a2nXn B2
Xi 0
Ci
X1
X2
.Xn
C1 C2 C3
X1 X2 X3
B1 B2 B3
a 11 .. ..
a 12 .. ..
a1n .. ..
1 2 3
Zj Cj - Zj
Cj Zj = Parmetro de optimizacin ( costos reducidos ).
i = Bi = Parametro de factibilidad (marca la pauta de la variableque sale) aij m Zj = B = i=1 CiBi
Ci = contribucin de la variable bsica (VB ) Xj = Variables Basicas y No Basicas. Bi = Disponibilidad de recursos al comienzo y valor de las variables bsicas al final o sobrante de un recurso B = Valor del Z optimo
DETERMINACION DE LA VARIABLE QUE ENTRA Y SALE
COLUMNA PIVOTE = variable que entra a partir de Cj Zj se busca el numero mas positivo a partir de cero para problemas de maximizacin.
VARIABLE QUE ENTRA = se obtiene a partir de Cj Zj desde cero buscando el mas negativo para el caso de minimizacin.
FILA PIVOTE (variable que sale)= se optiene a partir de i mas cercano a cero para cualquier criterio de optimizacin en la interseccin de la columna y la fila se encuentra la celda pivote
DETERMINACION DE LA NUEVA SOLUCIN
Introducir a la base la variable correspondiente a la columna pivote que tomara el puesto que corresponde a la fila pivote. Una vez se haga el intercambio se aplica Gauss Jordan para hacer la interaccion simplex.
PROBAR LA OPTIMALIDAD DE LA FUNCIN
El proceso simplex se termina cuando todos los Cj Zj son ceros o negativos en problemas de Maximizacion ; y ceros o positivos en problemas de minimizacion las iteraciones tienen en cuenta la eleccin de la celda pivote y luego la iteraccion simplex.
ELECCIN DE LA CELDA PIVOTE
Se tienen en cuenta 2 criterios
grm7777@gmail.com
33
Criterio de optimalidad = El mayor o menor negativo, segn el caso, costo reducido dado por Cj Zj este valor es llamado costo de oportunidad neto y esta dado por la suma de algebraica de la contribucin de la variable que sale y la variable que entra.
Criterio Dos = seleccionada la fila pivote se toma como base los aij de la columna anterior para relacionarlos con los recursos disponibles Bi, al fin de obtener el valor de i que permite aplicar el criterio de factibilidad a partir del i mas cercano a cero. La excogencia del menor i se debe a que explica la relacin existente entre la disponibilidad del recurso y la tasa de susutitucion , es decir permite visualizar cuanto es lo mximo que puede producir.
Se llama tasa de susutitucion porque susutituye el recurso disponible por un recurso determinado o durante el proceso sustituye lo requerido entre dos variables.
INTERACCIN SIMPLEX
Para hacer la iteraccion simplex debe elaborarse un nuevo tablero donde en la base debe aparecer la variable que entra con sus respectivas contribuciones y a partir de esta fila aplicar Gauss Jordan a fin de obtener el nuevo valor de a funcin objetivo . la solucin optima se encuentra en aquel tablero en que los costos de oportunidad sean ceros o negativos o positivos segn el caso. La existencia de valores positivos como costos de oportunidad significa que hay incentivos para hacer una nueva combinacin que optimiza el valor de Z positivo en caso de Maximizacion y negativo en caso de Minimizacion.
En todos los procesos simplex donde alla costos de oportunidad o i iguales debe decidirse arbitrariamente.
EJEMPLO METODO SIMPLEX
Min Z = X1 + X2 Sa= X1 + X2 2
-X1 + X2 3 X1 +3X2 12
ESTANDARIZACIN
1X1 + 1X2 -1S1 -X1 +1X2 1X1 + 3X2 -S2 +S3
+1A1
=2 +1A2 = 3 = 12
X1,X2,Si,Ai 0 Funcion Objetivo
Min Z = X1 + 2X2 + 0S1 + OS2 + 0S3 + MA1 + MA2
Cj Ci M M 0 VB A1 A2 S3 Zj Cj-Zj Bi 2 3 12 5M
1 X1 1 -1 1 0 1
2 X2 1 1 3 2M
0 S1 -1 0 0 -M
0 S2 0 -1 0 -M M
0 S3 0 0 1 0 0
M A1 1 0 0 M 0
M A2 0 1 0 M 0
i Bi/ai 2 3 4
2-2M M
Cj Ci VB Bi
1 X1
2 X2
0 S1
0 S2
0 S3
M A1
M A2
i Bi/ai
35
grm7777@gmail.com
2 M 0
X2 A2 S3 Zj
2 1 6 4+M
1 -2 -2
1 0 0
-1 1 3
0 -1 0
0 0 1 0
1 -1 -3 2-M
0 1 0 M 1 2
2-2M 2 1+2M 0
-2+M -M
Cj-Zj
2-M
2+2M 0
Cj Ci 2 0 0 VB X2 S1 S3 Zj Cj-Zj Bi 3 1 3 6
1 X1 -1 -2 4 -2 3
2 X2 1 0 0 2 0
0 S1 0 1 0 0 0
0 S2 -1 -1 3 -2 2
0 S3 0 0 1 0 0
M A1 0 -1 0 0 M
M A2 1 1 -3 2 M-2
i Bi/ai
CASOS ESPECIALES Un problema de programacin lineal tiene soluciones multiples cuando en el tablero optimo existe una variable no bsica con Cj Zj = 0 Existe una solucin degenerada cuando el tablero optimo aparece una variable bsica en cero Existe una solucin ilimitada cuando las iteraciones son infinitas Sin solucin o no factible aquellas en el que el tablero optimo aparece una variable bsica artificial.
grm7777@gmail.com
36
DUALIDAD
Si el primal tiene criterio de optimizacin maximizacin, en el dual se incluye minimizacin y viceversa

Si el primal tiene signos el dual tiene signos y viceversa Las constantes de beneficio Cj de la funcin objetivo se reemplazan por las constantes de capacidad Bi y viceversa. En las desigualdades de restriccin los coeficientes que se encontraron de izquierda a derecha se coloca en ellos de arriba hacia abajo y viceversa. Los coeficientes tecnolgicos que componen las filas de cada uno de los modelos conforman las columnas del modelo dual y viceversa. Ignorando el numero de condiciones de no negatividad si en el primal hay n variables y m desigualdades , en el dual abra m variables y n desigualdades. Se desea generalmente en los problemas de minimizacin que sus restricciones sean si no es asi se multiplican ambos trminos de lado derecho e izquierdo por -1 y se cambia la desigualdad.
EJEMPLO
Min Z = Sa =
40 X1+ 200 X2 4X1 + 40X2 3X1 + 10X2 8X1 + 10X2 160 60 80
X1, X2 0
Primal 2 variables 3 desigualdades Max Z = Sa = 160Y1 + 60Y2 + 80Y3 4 Y1 + 3Y2 + 8Y3 40Y1 + 10Y2 + 10Y3 40 200
grm7777@gmail.com
38
Y1,Y2,Y3 0 Dual 3 Variables 2 Desigualdades
METODO SIMPLEX, DUALIDAD Y SENSIBILIDAD
Utilice el mtodo simplex para resolver los siguientes problemas:
1-
MAXIMIZAR Z = X1 +X2
C.S.R:
5X1 + 3X2 15 3X1 + 5X2 15 CON X1,X2 0
Solucin:
Maximizar Z = X1 + X2 + 0S1 +0S2
S.a:
5X1 + 3X2 + S1 3X1 + 5X2
15 + S2 15
X1, X2, S1, S2 0
Cj
grm7777@gmail.com
i
39
Ci 0 0
Vb S1 S2 Zj Cj-Zj
Bi 15 15 0
X1 5 3 0 1
X2 3 5 0 1
S1 1 0 0 0
S2 0 1 0 0
Bi/ai 3 5
Cj Ci 1 0 Vb X1 S2 Zj Cj-Zj Bi 3 6 3
1 X1 1 0 1 0
1 X2 0.6 3.2 0.6 0.4
0 S1 0.2 -0.6 0.2 -0.2
0 S2 0 1 0 0
i Bi/ai 5 1.875
Cj Ci 1 1 Vb X1 X2 Zj Cj-Zj Bi 1.875 1.875 3.75
1 X1 1 0 1 0
1 X2 0 1 1 0
0 S1 0.3125
0 S2 -0.188
i Bi/ai
-0.1875 0.3125 0.125 -0.125 0.125 -0.125
Z= 3.75 X1= 1.875 X2= 1.875
grm7777@gmail.com
40
2- La cia Peer fabrica cuatro productos (1,2,3,4) . En la siguiente tabla se enumeran, los requerimientos de materia prima , el especio de almacenamiento necesario, las tasas de produccin y ganancia. La cantidad total de material, disponible diariamente, para todos los cuatro productos es 180 libras. El espacio total disponible para almacenamiento es de 230 pies cuadrados y en produccin se utilizan 7 horas por da .
CUADRO RESUMEN Materia Prima, libras/unidad Espacio, pies cuadrado/unidad
Producto 1 Producto 2 Producto 3 Producto 4 2 2 2 2,5 30 6,5 1,5 2 10 5 4 1,5 15 5,5
Tasa de produccin, unidades/ hora 15 Ganancia, $/unidad 5
Cuntas unidades de cada producto deben fabricarse para maximizar la ganancia?
Maximizar Z= 5X1 + 6.5X2 + 5X3 +5.5X4
S.A.: 2X1 + 2X2 + 1.5X3 + 4X4 180
2X1 + 2.5X2 + 2X3 + 1.5X4 180 15X1 + 30X2 + 10X3 + 1.5X4 180 X1, X2, X3, X4 0
Solucin:
Maximizar Z= 5X1 + 6.5X2 + 5X3 + 5.5X4 + 0S1 + 0S2 + 0S3

S.A.: 2X1 + 2X2 + 1.5X3 + 4X4 + S1 180 2X1 + 2.5X2 + 2X3 + 1.5X4 15X1 + 30X2 + 10X3 + 1.5X4 X1, X2, X3, X4, S1, S2, S3 0 + S2 180 + S3 180
Cj Ci 0 0 0 Vb S1 S2 S3 Zj Cj-Zj Bi 180 230 7 0
5 X1 2 2 15 0 5
6.5 X2 2 2.5 30 0 6.5
5 X3 1.5 2 10 0 5
5.5 X4 4 1.5 15 0 5.5
0 S1 1 0 0 0 0
0 S2 0 1 0 0 0
0 S3 0 0 1 0 0
i Bi/ai 90 92 0.2333
Cj Ci 0 0 6.5 Vb S1 S2 X2 Zj Bi 179.5 229.4 0.233 1.517
5 X1 1 0.75 0.5 3.25
6.5 X2 0 0 1 6.5
5 X3
5.5 X4
0 S1 1 0 0 0
0 S2 0 1 0 0
0 S3
i Bi/ai
0.833333 3 1.166667 0.25 0.333333 0.5 2.166667 3.25
-0.067 215.44 -0.083 196.64 0.033 0.217 0.7
grm7777@gmail.com
42
Cj-Zj
1.75
2.833333 2.25
-0.217
Cj Ci 0 0 5 Vb S1 S2 X3 Zj Cj-Zj Bi 179 228.6 0.7 3.5
5 X1
6.5 X2
5 X3 0 0 1 5 0
5.5 X4 1.75 -1.5 1.5 7.5 -2
0 S1 1 0 0 0 0
0 S2 0 1 0 0 0
0 S3 -0.15 -0.2 0.1 0.5 -0.5
i Bi/ai
-0.25 -2.5 -1 1.5 7.5 -2.5 -3.5 3 15 -8.5
De acuerdo al primal del ejercicio anterior:
Transfrmelo en un problema dual.
Minimizar C= 180Y 1 + 230Y2 + 7Y3 S.A.: 2Y1 + 2Y2 + 15Y3 5
2Y1 + 2.5Y2 + 30Y3 6.5 1.5Y1 + 2Y2 + 10Y3 5 4Y1 + 1.5Y2 + 15Y3 5.5
VARIABLES Y1 180 CANTIDAD 0
Y2
Y3
230 7 0 0.5 3.5
grm7777@gmail.com
43
S.A. 2 2 1.5 4 2 15 7.5 15 5 7.5 >= >= >= >= 5 6.5 5 5.5
2.5 30 2 10
1.5 15
Cul es su interpretacin econmica?
Y1= costo de una unidad de materia prima. Y2= costo de una unidad de espacio de almacenamiento. Y3= costo de unidad de tiempo de produccin por cada unidad de producto.
Para el Producto 1: 2Y1 + 2Y2 + 15 Y3, la suma es el valor total de los insumos para producir una unidad de este producto. El valor de los insumos que entran en la produccin de una unidad de este producto, que es $7.5 debe ser mayor o igual al beneficio que la empresa hace al producir una unidad del Producto 1, el cual es $5.
Y asi sucesivamente se va realizando el anlisis con cada uno de los productos.
Resulvalo por Solver, realice el anlisis de sensibilidad y explique:
Variables Ganancia Cantidad Utilidad
X1 5 0
X2
X3
X4 5.5 0 3.5
6.5 5 0 0.7
grm7777@gmail.com
44
S.A mat prim lb/u espacio, pies cua tasa prod unid/h 2 2 15 2 1.5 4 1.5 15 1.05 1.4 7 <= <= <= 180 230 7
2.5 2 30 10
ANLISIS DE SENSIBILIDAD
INFORME DE SENSIBILIDAD:
Celdas cambiantes Valor Gradiente Coeficiente Aumento Celda Nombre $C$11 x1 $D$11 x2 $E$11 x3 $F$11 x4 Igual reducido 0 0 0.7 0 -2.5 -8.5 0 -2 objetivo 5 6.5 5 5.5 Disminucin
permisible permisible 2.5 8.5 1E+30 2 1E+30 1E+30 1.333333333 1E+30
Restricciones
grm7777@gmail.com
45
Valor Sombra Celda Nombre $G$4 $G$5 $G$6 Igual precio
Restriccin Aumento lado derecho 180 230 7
Disminucin
permisible permisible 1E+30 1E+30 1143 178.95 228.6 7
mat prim lb/u Suma Prod 1.05 0 espacio, pies cua Suma Prod tasa prod unid/h Suma Prod 1.4 7 0 0.5
Informe de lmites:
Celda objetivo Celda Nombre $C$13 Utilidad x1 Igual 3.5
Celdas cambiantes Celda Nombre $C$11 x1 $D$11 x2 $E$11 x3 $F$11 x4 Igual 0 0 0.7 0
Lmite Celda inferior objetivo 0 0 0.7 0 3.5 3.5 3.5 3.5
Lmite
Celda
superior objetivo 0 0 0.7 0 3.5 3.5 3.5 3.5
- Cul es el valor de la funcin objetivo y los valores de cada variable?
grm7777@gmail.com
46
El valor de la funcin objetivo es 3.5 y los valores de las variables X1, X2, X3, y X4 son 0, 0, 0.7 y 0 respectivamente.
-Qu interpretacin tienen los precios sombra, los costos reducidos, limites, Aumento permisible, disminucin permisible?
Precio sombra: Si se dispone de mas horas en la produccin, se podra mejorar la utilidad global incrementndose en $ 0.5 por cada hora extra.
Costos reducidos: Las variables X1, X2 y X4 son negativas, es decir no conviene producir estos productos, en cambio X3 es positiva (conviene producir este producto), por lo que su costo reducido es cero.
Limites: El menor valor que puede tomar las variables X1, X2, X3, X4 es 0, 0, 0, y 0 respectivamente (suponiendo que las dems mantienen el valor optimo encontrado), el cual es el mismo valor mayor que pueden tomar y as satisfacer todas las restricciones.
Aumento permisible: Los coeficientes de la funcin objetivo tienen un incremento admisible de 2.5, 8.5,1E+30, 2 respectivamente sin que cambien los valores ptimos de las variables controlables.
Disminucin permisible: Es lo contrario de aumento, es decir que es la disminucin admisible en los coeficientes de la funcin objetivo que para este caso son: 1E+30, 1E+30, 1.333333, 1E+30 respectivamente, sin que los valores ptimos de las variables controlables cambien.
grm7777@gmail.com
47
MODELO DE ASIGNACIN Y TRANSPORTE
MTODO HNGARO:
En cada fila establezca el menor costo y reste este a toda la fila. Contine esta operacin con las filas siguientes
Establezca el menor costo por columnas
Establezca la menor cantidad de lneas rectas que agrupen los ceros (Horizontal o vertical).
De acuerdo a la matriz nxn se debe establecer que el nmero de lneas horizontales y verticales sea igual o mayor al nmero de filas o columnas. Una vez se cumple con el criterio, hemos encontrado una solucin ptima.
Asigne los elementos a cada centro de trabajo, teniendo en cuenta que cada elemento asignado a un centro de trabajo excluye su operacin o asignacin.
EJEMPLO:
Una organizacin tiene 3 centros de trabajo (CT1, CT2, CT3), elabora piezas especiales para aviones boing. A continuacin se detallan los costos que tendra que realizar en cada centro de trabajo para la fabricacin de cada producto:
Encontramos el costo menor por filas:

CT1 R34 S67 T-50 11 12 3
CT2 9 8 4
CT3 6 10 9
El costo menor se resta a cada valor de la fila con el fin de buscar la solucin ptima:
CT1 R34 S67 T-50 5 4 0
CT2 3 0 1
CT3 0 2 6
Se traza el menor nmero de lneas que pasen por los valores iguales a cero:
CT1 R34 S67 T-50 5 4 0
CT2 3 0 1
CT3 0 2 6
grm7777@gmail.com
49
Por ltimo se realiza la asignacin de cada uno teniendo en cuenta que se deben elegir valores que estn dentro de las lneas trazadas y los de menor costo, es decir, costo=0:
R34 CT3 S67 CT2 T-50 CT1
MTODO DE LA ESQUINA NOROESTE:
Consiste en igualar el elemento e la esquina superior izquierda con el menor valor entre su disponibilidad y su demanda. Se completa la fila o columna correspondiente hasta saturarla, es decir, hasta que se haya agotado la disponibilidad correspondiente o se haya satisfecho la demanda de este destino. Repetiremos este proceso, eliminando la fila o columna que se encuentre saturada, hasta completar la solucin.
EJEMPLO:
Cierto fabricante dispone de tres centros de distribucin para sus productos que denominaremos A, B y C, y cuyas disponibilidades de materia prima son respectivamente 100, 120 y 120 Tm. Esta materia prima debe ser entregada en cinco fbricas donde se elabora el producto final. Las necesidades en Tm de materia prima de cada una de las fbricas son 40, 50, 70, 90 y 90. Seala una solucin factible utilizando el mtodo de la esquina noroeste.
Construimos la tabla de transporte del problema:
grm7777@gmail.com
50
1 A B C dj 40
bi 100 120 120
50
70
90
90
340
Comenzamos asignando en la casilla superior izquierda, es decir, en la casilla noroeste el primer valor de dj. o sea transportaremos 40 Tm de materia prima desde el centro de distribucin A hasta la fbrica , satisfaciendo as las necesidades de este destino, con lo cual saturamos la primera columna, pues ya no se transportarn ms unidades de materia prima a esta fbrica.
1 A B C dj 40 40
bi 100 120 120
50
70
90
90
340
Seguiremos asignando en la casilla de la esquina noroeste, en este caso X12. La asignacin ser igual al mnimo entre su disponibilidad (una vez ajustado el efecto de la asignacin anterior) y su demanda. De esta forma se satisface la demanda del destino 2, por lo que esta columna queda saturada y la eliminaremos en los siguientes pasos.
grm7777@gmail.com
51
1 A B C dj 40 40
2 50
bi 100 120 120
50
70
90
90
340
La nueva casilla noroeste es la X13 en la que asignaremos el mnimo entre su disponibilidad y su demanda, es decir, 10 en este caso. De esta forma se satura la primera fila al haberse agotado la disponibilidad de materia prima del centro de distribucin A.
1 A B C dj 40 40
2 50
3 10
bi 100 120 120
50
70
90
90
340
La siguiente asignacin en la casilla noroeste ser X23, que equivale a 60, con lo que saturamos la tercera columna, correspondiente a la fbrica 3.
1 A B C dj 40 40
2 50
3 10 60
bi 100 120 120
50
70
90
90
340
Volvemos a seleccionar la casilla noroeste y asignamos hasta saturar la fila o la columna correspondiente, es decir, X24=60
1 A B C dj 40 40
2 50
3 10 60
bi 100
60
120 120
50
70
90
90
340
Completamos el proceso de bsqueda de una solucin inicial factible a travs de la esquina noroeste, obteniendo X34=30, con lo que restara la nica asignacin ms en la casilla X35=90. De esta forma, una solucin inicial factible sera la sealada en la siguiente tabla:
1 A 40
2 50
3 10
bi 100
grm7777@gmail.com
53
B C dj 40 50
60
60 30 90 90
120 120 340
70
90
MTODO DEL MNIMO DE FILAS Y COLUMNAS:
MNIMO DE FILAS:
Siendo C1j el menor costo de transporte correspondiente a la primera fila de la tabla de transporte, igualaremos X1j al menor valor entre su disponibilidad (b1) y su demanda (dj), saturando de esta forma la fila o la columna respectiva. Si es la fila la que resulta saturada, seguiremos asignando en la misma fila hasta saturar la capacidad de dicho origen (bi).
MNIMO DE COLUMNAS:
Es similar al anterior, pero se acta por columnas en lugar de hacerlo por filas.
EJEMPLO:
Resolver el problema anterior utilizando el mtodo del mnimo de filas y del mnimo de columnas. Teniendo en cuenta que presentaremos a continuacin la tabla de datos:
grm7777@gmail.com
54
1 A B C 10 2 1
2 20 10 20
3 5 8 7
4 9 30 10
5 10 5 4
Aplicando el mtodo de mnimo de filas, la tabla de transporte sera:
O D 1 A B C dj 10 2 1 40
2 X11 20 X21 10 X31 20 50 X12 X22 X32
3 5 8 7 70
4 X13 9 X23 30 X33 10 90
5 X14 10 X24 5 X34 4 90
bi X15 100 X25 120 X35 120 340
Comenzando con la primera fila, seleccionamos la casilla de menor costo unitario de transporte y asignamos hasta saturar la fila o la columna correspondiente. En este caso, la variable de menor costo unitario de transporte es X13 (C13=5), por lo que el valor de dicha variable ser 70, satisfaciendo de esta forma las necesidades de materia prima en la fbrica 3 y eliminaremos, por tanto, esta columna.
grm7777@gmail.com
55
O D 1 A B C dj 10 2 1 40
2 X11 20 X21 10 X31 20 50 X12 X22 X32
3 5 8 7 70 70
4 9 30 10 90
5 X14 10 X24 5 X34 4 90
bi X15 100 X25 120 X35 120 340
Como no hemos saturado la fila con la que estamos trabajando, volvemos a iterar el procedimiento. La variable de menor costo unitario ser ahora X14, de manera que X14=30, saturando la fila 1 al haber transportado toda la disponibilidad del origen A.
O D 1 A B C dj 10 2 1 40
2 20 X21 10 X31 20 50 X22 X32
3 5 8 7 70 70
4 9 30 10 90 30
5 10
bi 100 X25 120 X35 120 340
X24 5 X34 4 90
Continuamos desarrollando el proceso de bsqueda de una solucin factible a travs de las filas de la matriz de transporte obteniendo el siguiente resultado:
grm7777@gmail.com
56
O D 1 A B C dj 10 2 1 40 40
2 20 10 20 50 50
3 5 8 7 70 70
4 9 30 10 90 60 30
5 10 5 4 90 80 10
bi 100 120 120 340
Aplicando el mtodo de mnimo de columnas se genera la siguiente solucin inicial factible:
O D 1 A B C dj 10 2 1 40 40
2 20 10 20 50 50
3 5 8 7 70 70
4 9 30 10 90 60 30
5 10 5 4 90 70 20
bi 100 120 120 340
MTODO DE VOGEL:
Se trata de un procedimiento de bsqueda que podemos examinar a travs del siguiente proceso:
Para cada fila y cada columna calculamos la diferencia en valor absoluto entre el menor costo unitario y el siguiente menor, seleccionando aquella fila o columna que proporcione MAYOR diferencia.
grm7777@gmail.com
57
En dicha fila o columna seleccionamos la variable (Xij) con menor costo unitario y asignamos hasta completar la demanda (dj) o la disponibilidad (bi). La fila o columna que resulte saturada no se considerar en posteriores iteraciones.
Volvemos a iniciar el proceso hasta completar una solucin inicial factible.
EJEMPLO:
A continuacin aplicaremos el mtodo de Vogel al ejemplo que venimos utilizando anteriormente. Tener en cuenta la siguiente tabal de datos:
1 A B C 10 2 1
2 20 10 20
3 5 8 7
4 9 30 10
5 10 5 4
Comenzaremos calculando las diferencias de costo en cada fila y cada columna:
O A B C dj
1 10 2 1 40
2 X11 20 X21 10 X31 20 50
3 X12 5 X22 8 X32 7 70
4 X13 9 X23 30 X33 10 90
5 X14 10 X24 5 X34 4 90
bi
Diferencia de costos
X15 100 4 X25 120 3 X35 120 3 340
grm7777@gmail.com
58
Dif de costos
10
Seleccionamos la diferencia de mayor valor, que se corresponde con la columna 2, y asignamos en la casilla de menor costo de este columna (X22) el mnimo entre su disponibilidad y su demanda, es decir, 50. Con lo que saturamos la columna que dejaremos de considerar en las siguientes iteraciones de este proceso de bsqueda de Vogel.
A continuacin, volvemos a calcular diferencias de costo para cada fila y cada columna:
O A B C dj
1 10 2 1 40 1
2 X11 20 X21 10 X31 20 50 -50
3 5 8 7 70 2
4 X13 9 X23 30 X33 10 90 1
5 X14 10 X24 5 X34 4 90 1
bi
X15 100 4 X25 120 3 X35 120 3 340
Dif de costos
En esta segunda iteracin, la mayor diferencia se encuentra en la fila 1 para la que seleccionamos la variable de menor costo unitario de transporte (X13) en la que asignaremos X13=70, saturando, de esta forma, la columna 3:
grm7777@gmail.com
59
O A B C dj
1 10 2 1 40 1
2 X11 20 X21 10 X31 20 50 -50
3 5 8 7 70 -70
4 9 30 10 90 1
5 X14 10 X24 5 X34 4 90 1
bi
X15 100 1 X25 120 3 X35 120 3 340
Dif de costos
En la tercera iteracin se produce un empate para las menores diferencias de costo entre los orgenes B y C que, o bien se rompe arbitrariamente, o bien se examina cul de las dos columnas posee la casilla de menor costo, seleccionando esta. Nosotros optamos por la segunda alternativa y elegimos la fila 3, que incluye la variable de menor costo unitario (C31=1), asignando hasta saturar la fila o la columna correspondiente: X31=40
O A B C dj
1 10 2 1 40 -40
2 20 10 20 50 -50
3 5 8 7 70 -70
4 9 30 10 90 1
5 X14 10 X24 5 X34 4 90 1
bi
X15 100 1 X25 120 25 X35 120 6 340
Dif de costos
Nuevamente calculamos las diferencias de costo y seleccionamos la de mayor valor absoluto, que en este caso corresponde a la fila 2, en l que asignaremos en su variable de menor costo unitario, X25=70
grm7777@gmail.com
60
O A B C dj
1 10 2 1 40 -40
2 20 10 20 50 -50
3 5 8 7 70 -70
4 9 30 10 90 1
5 X14 10 5 X34 4 90 6
bi
X15 100 1 70 120 --
X35 120 6 340
Dif de costos
El clculo de las nuevas diferencias de costo seala como variable bsica X35 en la que asignaremos hasta saturar la fila o columna correspondiente X35=20
O A B C dj
1 10 2 1 40 40
2 20 10 20 50 50
3 5 8 7 70 70
4 9 30 10 90
5 X14 10 5 X34 4 90 70 20
bi 100 120 120 340
Finalmente, completaremos la solucin inicial factible con las variables restantes de manera que se satisfagan las restricciones del problema, obteniendo el siguiente resultado:
grm7777@gmail.com
61
O A B C dj
1 10 2 1 40 40
2 20 10 20 50 50
3 5 8 7 70 70
4 9 30 10 90 60 30
5 10 5 4 90 70 20
bi 100 120 120 340
grm7777@gmail.com
62
PROGRAMACIN ENTERA
MTODO DE EGON Y BALAS (Min):
Este es un mtodo iterativo que permite encontrar soluciones enteras cuando se tienen problemas de ms de dos variables.
Pasos de solucin:
En la primera iteracin iguala cada una de las variables de las restricciones a cero.
Iguala una de las variables de las restricciones a uno (1) y las dems se toman como un valor igual a cero. Contine repitiendo este punto con cada variable presente.
Cada respuesta se compara al reemplazar cada valor en la restriccin y si cumple con el signo que presenta se toma como verdadero, lo cual no se penaliza y se pone cero; de lo contrario se toma como falso y se penaliza con el monto obtenido en valor absoluto. Luego se suma esto y la respuesta es la infactibilidad.
Elije la menor infactibilidad y reemplaza el valor elegido en cada una de las restricciones.
Realiza la segunda iteracin realizando cada paso anterior con las nuevas restricciones obtenidas.
Reemplaza en la funcin objetivo y elije la e menor costo.

EJEMPLO:
Mn W = 5X1 + 6X2 + 7X3 + 8X4 + 9X5
Restricciones: 3X1 - X2 + X3 + X4 - 2X5 - 2 0 X1 + 3X2 - X3 - 2X4 + X5 + 0 0 -X1 - X2 + 3X3 + X4 + X5 - 1 0
Primera iteracin:
X1= X2 = X3 = X4 = X5 =0 -2 0 F 2 00 V 0 -1 0 F 1 3 infactibilidad
X1=1
X2 = X3 = X4 = X5 =0
10 V 0 10 V 0 -2 0 F 2 2
grm7777@gmail.com
infactibilidad
X2=1
X1 = X3 = X4 = X5 =0
-3 0 F 3 30 V 0 -2 0 F 2 5 infactibilidad
X3=1
X1 = X2 = X4 = X5 =0
-1 0 F 1 -1 0 F 1 20 V 0 2 infactibilidad
X4=1
X1 = X2 = X3 = X5 =0
-1 0 F 1 -2 0 F 2 00 V 0 3 X5=1 infactibilidad
X1 = X2 = X3 = X4 =0
-4 0 F 4 10 V 0 00 V 0
infactibilidad
Reemplazo el menor valor de factibilidad en las restricciones:
X1=1
- X2 + X3 + X4 - 2X5 + 1 0 3X2 - X3 - 2X4 + X5 + 1 0 - X2 + 3X3 + X4 + X5 - 2 0
Segunda iteracin:
X2=1
X3 = X4 = X5 =0
00 V 0 40 V 0 -3 0 F 3 3 infactibilidad
X3=1
X2 = X4 = X5 =0
20 V 0 00 V 0 10 V 0 0 infactibilidad
X4=1
X2 = X3 = X5 =0
grm7777@gmail.com
20 V 0 -1 0 F 1 -1 0 F 1 2 infactibilidad
X5=1
X2 = X3 = X4 =0
-1 0 F 1 20 V 0 -1 0 F 1 2 infactibilidad
Reemplazo los valores menores e infactibilidad en la funcin objetivo:
X3=1 X1=1
W = 5X1 + 6X2 + 7X3 + 8X4 + 9X5 =12
X1 = 1 X4 =1
W = 5X1 + 6X2 + 7X3 + 8X4 + 9X5 =13

X1 = 1 X5 =1
W = 5X1 + 6X2 + 7X3 + 8X4 + 9X5 =14
La solucin ptima es la de X3=1 y X1=1, ya que es la que representa menor costos
grm7777@gmail.com
68

Manual Investigacion de Operaciones 2013

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Manual Investigacion de Operaciones 2013

Enviado por

Direitos autorais:

Formatos disponíveis

Material de Apoyo y Consulta

MANUAL DE INVESTIGACIN DE OPERACIONES (Versin Preliminar para Revisin)

Ing. Giovanny Rodrguez Martnez

Bogot, D.C. Mayo de 2013

Facebook: Giovanny Rodriguez

Facebook: Giovanny Rodriguez

DEFINICIONES BSICAS PROGRAMACION LINEAL

ANLISIS DE PROBLEMAS Metodologa de Investigacin de Operaciones

PROGRAMACION LINEAL ELEMENTOS

Sujeto a = a11x1 + aijxj b1 ai 1 + aijxj bi

Facebook: Giovanny Rodriguez

Facebook: Giovanny Rodriguez

APLICACIONES Y MOLDELOS DE PROGRAMACIN LINEAL

Horas disponibles Por semana

A B C Ganancia por unidad

Facebook: Giovanny Rodriguez

Funcin Objetivo: Maximizar Z = X1 + 3/2 X2

Facebook: Giovanny Rodriguez

Definicin de Variables Toneladas de producto A, B, C Transportar a bodegas (1)Proa, (2)Popa, (3)Centro

Condicin de No Negatividad A, B, C, 1, 2, 3 >= 0

Facebook: Giovanny Rodriguez

Variables de decisin - Tamao tuercas y tornillos que conforman el paquete: 1, 2, 3.

Funcin objetivo Min Z: 20/200X1 + 8/200X2 + 12/200X3

Condicin de no negatividad X1, X2, X3 >= 0

Facebook: Giovanny Rodriguez

Funcin Objetivo Max Z = 3000 X1 + 5000 X2

Una empresa fabrica PCs de dos tipos:

Quemador de DVD 16X DVD+/-RW

Plantee el modelo de manera tal que minimice los costos de fabricacin.

Facebook: Giovanny Rodriguez

Definicin de variables X1= Cantidad de PC1 X2= Cantidad de PC2

Funcin Objetivo Min Z= 6X1 + 8X2

Restricciones no Negatividad X1, X2 0

Funcin Objetivo Max Z = 7A + 7E + 6R

Facebook: Giovanny Rodriguez

Demanda Producto A 1000

Extendex Demanda Producto B 500 Resistex Demanda Producto C 400

Funcin Objetivo Max Z = 7 + 8B + 5C + 3AJ + 2BJ + 3 CJ

- Por Demanda A + AJ = 2000 B + BJ = 4000 C + CJ = 5000

- Por Fabricacin 0.5 A + 0.45B + 0.6 2400

- Material a Soldar A + B + C 5500 Problema 3.3

Definicin de las Variables Espagueti = E Pavo Papas =P = Pa

Espinacas = Es Pastel de Manzana= Ma

Funcin Objetivo Min Z = 5000E + 5000P + 7900Pa + 3000Es + 14300Ma

0.0E + 0.0P + 10.0Pa + 28.0Es +3.0Ma 50 (mg)

Formule el problema de programacin lineal para maximizar la utilidad neta de la joyeria.

Solucin Definicin de las Variables X1 = Joyas tipo 1 X2 = Joyas tipo 2

Funcin Objetivo Max Z = 5X1 + 2X2

Facebook: Giovanny Rodriguez

Solucin Definicin de Variables X1: Cantidad de producto A X2: Cantidad de producto B

Facebook: Giovanny Rodriguez

Solucin Definicin de Variables -Cantidad de Planta: 1,2,3 -Cantidad de Puertos: a,b,c.

Facebook: Giovanny Rodriguez

Funcin Objetivo Max Z: 400X1 + 900X2 + 200X3 + 500X4

Facebook: Giovanny Rodriguez

Condicin de no negatividad: 1,2,3 , 1,2,3,4,5 >= 0

Facebook: Giovanny Rodriguez

SOLUCIN POR EL MTODO GRFICO

Facebook: Giovanny Rodriguez

Facebook: Giovanny Rodriguez

X1 + X2 = 18 Si X1=0 , X2= 18 Si X2=0 , X2=18

2X1 + X2 = 30 SI X1 = 0 , X2=15 SIX2= 0 , X1 = 15

X1 + 2X2 = 30 SI X1= 0 , X2= 15 SI X2 = 0 , X1= 30

Facebook: Giovanny Rodriguez