Escolar Documentos
Profissional Documentos
Cultura Documentos
http://indoperaciones.blogspot.pe/p/metodos.html
Definicin
La Investigacin de operaciones es la aplicacin de cualquier mtodo cientfico, matemtico
o lgico, para hacer frente a los problemas relacionados con el control de las organizaciones
o sistemas a fin de que se produzcan soluciones que mejor sirvan a los ejecutivos para
lograr con la finalidad de optimizar (minimizar o maximizar) su funcionamiento; ya sea con la
maximizacin de ganancias, velocidad, eficiencia, etc. o minimizacin de tiempo, riesgo,
error, etc.
Objetivos de la I.O
El objetivo ms importante de la Investigacin de operaciones es encontrar la solucin
ptima para un determinado problema.
Enfoques de la I.O
El enfoque fundamental de la Investigacin de operaciones es el enfoque de sistemas, por el
cual, a diferencia del enfoque tradicional, se estudia el comportamiento de todo un conjunto
de partes o sub-sistemas que interaccionan entre s, se identifica el problema y se analizan
sus repercusiones, buscndose soluciones integrales que beneficien al sistema como un
todo.
Tcnicas de la I.O
La resolucin de un modelo analtico de I.O., se apoya matematicamente sobre una o ms
de las siguientes teoras (entre las ms usadas):
Teora de juegos
Teora de colas de espera
Teora de la decisin
Programacin lineal
Teora de los grafos
Probabilidad y estadstica matemtica
Modelos de procesos de Markov
Programacin dinmica
3. Relativa a movimientos:
Transporte
Almacenamiento, distribucin y manipulacin
Comunicaciones
Historia y antecedentes
Lnea de tiempo
maximizaban el buen uso de los radares que apenas estaban surgiendo, esto para poder ir
un paso adelante de los bombarderos y cazas de la Luftwaffe, se disearon planes sencillos
como apagar todas las luces de las ciudades cuando llegaba la noche para despistar a los
pilotos alemanes de sus posiciones. Los cientficos posicionaron radares alrededor de las
islas britnicas para detectar con tiempo las invasiones areas, este sistema de deteccin
temprana conocido como Chain Home fue una de las ventajas que le permiti vencer a los
alemanes, de otra forma hubiese sido muy difcil hacerlos.
La carrera por el desarrollo de nuevas tecnologas contribuyo a la aplicacin de la ciencia a
la optimizacin de recursos ya que esta era una de las restricciones que tenan ambos
bandos. Los cientficos alemanes dieron el paso de los motores de pistn por los de
reaccin para alcanzar mayores velocidades y alturas cosa que daba mejor rendimiento.
Muchos avances se lograron gracias a la unin de la ciencia y la guerra que hoy en da
vemos de manera cotidiana, como los aviones modernos, los viajes al espacio y muchas
cosas que necesitaron de estos episodios para que se pudieran desarrollar.
En tiempos modernos hubo un gran personaje que logro lo impensable en esos tiempos,
que por falta de sencillas calculadora de bolsillo se vio obligado a buscar una manera para
resolver esos problemas que necesitaban de muchos clculos y de noches sin dormir.
George Dantzig que nada tena que ver con guerras ni nada por el estilo, todo lo contrario
buscaba la mejor o por decirlo de esta manera la solucin optima a problemas de la vida
cotidiana, de empresas de cualquier tipo de actividad, desarroll un algoritmo llamado
SIMPLEX en 1947 que revolucion la Investigacin de Operaciones y dio paso a muchos
otros campos para que se beneficiaran de este gran aporte.
Con el tiempo surgieron otros grandes aportes de muchos cientficos, fsicos, matemticos,
etc. y con la llegada de las computadoras ahora disponemos de muchas herramientas para
poder optimizar nuestros recursos.
KarendraKarmakar
NarendrakarmakarB.tech( abreviacin en ingles de licenciado en tecnologa ) en ingeniera
elctrica del IIT de Bombay promocin 1978, MS del instituto de tecnologa de California Y
Doctor en en ciencias de la computacin de la universidad de California, Berkeley. Nacido en
Gwalior ciudad localizada al norte del estado de Madhya Pradesh en la india central.
Creador de un algoritmo polinmico para la programacin lineal tambin conocido como
mtodo de punto interior, el cual es una piedra angular en el campo de la programacin
lineal.
Este hind sorprende al mundo matemtico en 1984 al publicar su famoso resultado
mientras trabajaba para los laboratorios Bell en Nueva Jersey. Karmarkar fue profesor en
el Instituto Tata de Investigacin Fundamental en Mumbai . Actualmente est trabajando en
una nueva arquitectura para la supercomputacin.
Karmarkar recibi varios premios por su algoritmo, entre ellos:
Paris Premio Kanellakis de 2000 otorgado por la Associationfor Computing
Machinery .
Premio al Alumno Distinguido, Ciencias de la Computacin e Ingeniera de la
Universidad de California, Berkeley (1993)
Ramanujan Premio a la Informtica, a cargo de Informtica del Instituto de Asia
(1989)
Fulkerson Premio en Matemticas Discretas determinado conjuntamente por
la American MathematicalSociety y la Sociedad de Programacin Matemtica (1988)
Miembro de los Laboratorios Bell (1987 -)
Texas Instruments Fundadores 'Premio (1986)
Internacional Marconi Young Scientist Award (1985)
LeonidVitaliyevichKantorvich
Naci en San Petersburgo, el 19 de enero de 1912 (Imperio Ruso) y muri 7 de abril de
1986 en Mosc, Rusia (URSS). Su padre, VitalijKantorirvich, muri en 1922 y fue su madre,
Paulina Saks quien lo crio. Economista, ingeniero y matemtico ruso. Kantorvich impuls la
aplicacin de las matemticas a los problemas econmicos, con especial nfasis en las
cuestiones relacionadas con la optimizacin., obtuvo el Premio Nobel de Economa en 1975,
compartido conTjallingKoopmans, por sus contribuciones a la teora de la ptima
asignacin y localizacin optima de recursos escasos.
Kantorvich ingres como estudiante en el departamento de matemticas de la Universidad
de Leningrado en 1926 interesado en las ciencias pero tambin en la economa poltica y la
historia moderna. Su actividad cientfica empez durante su segundo ao de estudios, de
esta forma los resultados de su primera investigacin se presentaron en 1930 durante el
Congreso de Matemticas de la Unin Sovitica. Al principio de la dcada de los 1930 estas
estaban relacionadas con las operaciones de anlisis de series y conjuntos proyectivos,
Kantorvich continu con su investigacin en ciencias exactas en la misma Universidad pero
estas se basaban en aplicaciones, tarea que sum a su actividad de docente.
En 1934, tras reinstaurarse el sistema de grados educativos, se le concedi el grado de
doctor y se le confirm en el puesto de profesor titular de la Universidad de Leningrado. A
mediados de esa dcada, cuando Leonid V. Kantorvichconpaginaba su labor acadmica
con los trabajos para el Instituto de Ingeniera de Construccin Industrial, comenz a
interesarse por las ordenaciones topolgicas de los espacios vectoriales. En la dcada de
los 30 fue una poca de intenso desarrollo del anlisis funcional que se convirti en unas de
las partes fundamentales de las matemticas modernas.
Su contacto inicial con la economa apareci en 1938 cuando el laboratorio de la firma
Plymood le encarg el anlisis de la distribucin de materias primas para la maximizacin
del equipo productivo. La solucin planteaba la maximizacin de una funcin lineal sujeta a
restricciones, metodologa que observ adecuada para su aplicacin en muchos problemas
de referencia econmico. A raz de estas consideraciones, el profesor Kantorvich escribi
un libro sobre mtodos matemticos de organizacin y planificacin de la produccin, que
no fue publicado hasta 1959. Este contena las ideas fundamentales de las teoras y
algoritmos de programacin lineal, esta permaneci desconociasda durante muchos aos
hasta que Tjallinjkoopmans, George Dantzing, encontraron pruebas de estas teoras y
adems, a su manera.
Se le considera uno de los creadores del mtodo de programacin lineal para la
optimizacin de recursos en la planificacin. Algunas de sus obras son: Mtodos
matemticos para la organizacin y la produccin (1939), Sobre la transferencia de masas
(1942), La asignacin ptima de recursos (1959) y Solucin ptima en economa (1972).
En la dcada de 1950 continu sus progresos en esta lnea de investigacin, que expuso en
1959 junto a los trabajos realizados en la dcada de 1940 en su libro "El mejor uso de los
recursos econmicos". En el Congreso auspiciado por la Academia de Ciencias de la Unin
Sovitica sobre Mtodos Matemticos en la Economa y la Planificacin, se aprob y apoy
esta lnea de investigacin. Como resultado, se fundaron un laboratorio de matemtica
aplicada y escuelas destinadas a formar economistas matemticos a lo largo de todo el pas.
En 1958 Leonid V. Kantorvich fue nombrado director del Centro para el Empleo de Mtodos
Estadsticos y Matemticos en Economa, a la vez que miembro de la Academia de Ciencias
de la URSS. En 1960 pas a formar parte del Instituto Matemtico de Novosibirsk y desde
1970 se encarg del laboratorio de investigacin del Instituto Nacional de Planificacin
Econmica en Mosc.
Fue miembro de mltiples organizaciones como la Academia de Ciencias de la Unin
Sovitica, la Academia de Ciencias Hngara, la Academia Americana de las Artes y de las
Ciencias o la Sociedad Economtrica. Entre sus obras destacan Thebest use of
economicresources (1959); Approximatemethods of higheranalysis (1958);
Calculconomique et utilisation des ressources (1963);
Tablitsydliachislennogoresheniiagranichnykhzadach
(1963);
Functionalanalysis
in
normedspaces (1964); Analysefonctionnelle (1981) y La asignacin ptima de los recursos
econmicos (1968), entre otras.
En 1947 comienza sus estudios de medicina y muestra poco inters hacia la poltica y los
movimientos de protesta de los estudiantes, an cuando sus padres, y ms particularmente
su madre, son militantes anti-peronistas.
Pero a fin del ao conoce a Berta Gilda Infante, conocida bajo el nombre de Tita. Ella es
miembro de la Juventud Comunista Argentina. Se vuelven pronto buenos amigos y Ernesto
lee con ella los textos marxistas y discuten sobre la realidad poltica de la poca.
Es en octubre de 1950, que l decide hacer su primer viaje por Amrica Latina, pasando por
Chile, Per y Colombia. Es el espectador atento de los problemas sociales de los pobres de
estos pases, y cita en sus notas la frase de Jos Marti: "Quiero unir mi destino al de los
pobres del mundo".
El 29 de diciembre de 1951, parte con su amigo Alberto Granados a travs del continente
sudamericano. Pero la moto sobre la cual ellos hacen el viaje, una Norton 500 cc, los
abandona, y deben trabajar, sea como asistente mdico o efectuando pequeos trabajos,
para continuar su viaje.
Ernesto regresa a Buenos Aires en agosto de 1952 para proseguir sus estudios de medicina.
Recibe el ttulo de Doctor en Medicina y Ciruga el 11 de abril de 1953 en la Universidad de
Buenos Aires.
El 7 de julio de 1953 parte una vez ms de viaje a travs de Amrica del Sur y Central. Es
acompaado por Carlos Ferrer "Calica". Observa en Bolivia los cambios sociales aportados
por el Movimiento Nacionalista Revolucionario llegado al poder. Despus visitan Per,
Ecuador, Panam y Costa Rica, donde conocen a los cubanos Calixto Garca y Severino
Rosell, que haban participado del asalto del Cuartel Moncada. Prosiguen el viaje y visitan
Nicaragua, Honduras y El Salvador, para finalmente llegar a Guatemala en 1953.
Ernesto Guevara se traslada a Mxico, donde trabajar de mdico en la Sala de Alergia del
Hospital Central y ve nuevamente con ico Lpez, quien lo conducira a Ral Castro, a
travs del cual conoce a Fidel Castro y se vincula a sus preparativos revolucionarios.
Ernesto permanece 57 das en la prisin Miguel Schultz despus de haber sido arrestado
por la polica mexicana en la hacienda "Santa Rosa", Popocatpetl, a 35 kilmetros de la
capital, que era el campo de entrenamiento de los revolucionarios cubanos que preparaban
un ataque contra Cuba, y que eran dirigidos por el general Alberto Bayo, un antiguo coronel
del Ejrcito Republicano durante la Guerra Civil en Espaa.
El domingo 25 de Noviembre de 1956, de la desembocadura del ro Tuxpn en Mxico,
Ernesto Che Guevara se va en el "Granma" con otros 81 hombres a bordo, un yacht de una
capacidad de 25 personas solamente, que Fidel Castro haba comprado a una empresa
norteamericana.
Una semana ms tarde, el domingo 2 de diciembre, desembarcan en Los Cayelos, al este
de Cuba, comenzando la guerrilla revolucionaria en las montaas de la Sierra Maestra.
Desde el comienzo, el Che se distingue como combatiente de la lucha revolucionaria en
Cuba contra la tirana del dictador Fulgencio Batista. El 1 de marzo de 1958, es difundida
por primera vez Radio Rebelde, una radio creada por el Che.
A fin del mes de abril de 1958, Ernesto es enviado desde Jibaro, en la Sierra Maestra, a la
cabeza del comando de la 8 Columna hacia la regin central del pas.
Llegan hasta la Sierra del Escambray, provincia de Las Villas, donde van a montar un
campamento de base.
El Che participa con mucho ardor en los combates y ms particularmente en la Batalla de
Santa Clara el 1 de diciembre de 1958, la cual se revela muy importante en su objetivo
principal: hacer caer la dictadura y hacer triunfar la Revolucin Cubana.
El 1 de enero de 1959, Cuba es liberada, y Batista parte en exilio.
El 2 de enero, Camilo Cienfuegos Gorriarn entra en La Habana, paralizada por una huelga
general. El da siguiente el Che hizo su entrada, y el domingo 8 de enero, Fidel Castro entra
victoriosamente en la capital.
Revolucin en el Poder
PROGRAMACIN LINEAL
Organiza tus ideas
Piensa y calcula
Escribe una funcin f(x, y) que calcule los ingresos que se obtienen al vender x chaquetas a
30 e y pantalones a 20
DEFINICION
La programacin lineal es actualmente la tcnica matemtica utilizada ms actualmente
gracias a que el algoritmo simplex es muy eficiente y al desarrollo de la computacin.
Lo que se busca con la aplicacin de la programacin lineal es resolver problemas comunes
y a la vez muy variados de la empresa en donde en general se tienen necesidades por
satisfacer con cierto nmero de recursos limitados o escasos y con el objetivo de lograrlo en
forma ptima. Esto significa la bsqueda de un valor mximo cuando se trata de beneficios;
o bien la bsqueda de un mnimo cuando se trata de esfuerzos a desarrollar.
Entrate!!!
Un modelo de programacin lineal es un conjunto de expresiones matemticas las cuales
deben cumplir la caracterstica de linealidad que puede cumplirse siempre y cuando las
variables utilizadas sean de primer grado. Adems un modelo de P.L debe tener las
propiedades de:
Proporcionalidad
Aditividad (adicin)
Divisibilidad
Certidumbre(certeza)
SOLUCION PRCTICA
o
o
o
o
12x1 + 8x2 96
La segunda restriccin es el total de horas de mano de obra. Una mesa se lleva 6
horas, una silla 12 horas y se dispone de un total de 72 horas. As:
6x1 + 12x2 72
Existe una limitacin ms. El fabricante prometi producir por lo menos dos
mesas. Esto puede expresarse como:
x1 2
Por ltimo, las restricciones de no negatividad son:
x1 0, x2 0
Poniendo todo junto el modelo se tiene:
Maximizar Z = 5x1 + 5x2
Restricciones: 12x1 + 8x2 96
6x1 + 12x2 72
x1 2
x1 0, x2 0
MODELOS
APLICACIONES DE LA PROGRAMACIN LINEAL
1.
APLICACIONES DE LA PROGRAMACIN LINEAL
MARKETING
1.1. SELECCIN DE MEDIOS PUBLICITARIOS
EN
SELECCIN DE MEDIOS
Variables
X1= anuncios en TV por semana
2.
2.1
APLICACIONES DE LA PROGRAMACIN
PRODUCCIN
COMBINACIN PTIMA DE BIENES
LINEAL
EN
COSTE
METRO ()
POR METROS
DISPONIBLES/MES
Seda
21
800
Polister
3.000
Algodn
1.600
MINIMO
A
SERVIR
DEMAND
METROS
A
NECESARIO
MENSUAL S
COMPOSICIO
N
()
Seda
6.70
Polister
3.55
Algodn # 4.31
1
Algodn # 4.81
2
6.000
10.000
13.000
7.000
14.000
16.000
0.125
0.08
0.10
6.000
8.500
0.10
100% seda
100% polister
50% polister
50% algodn
30%polister
70% algodn
2.2
PLANIFICACIN DE LA PRODUCCIN
El establecer un plan de produccin para un perodo de semanas o meses resulta ser
una tarea difcil e importante en la mayora de las plantas de produccin. El director
de operaciones debe considerar muchos factores: mano de obra, costes de
inventario y almacenamiento, limitaciones de espacio, demanda, etc. Por lo general
la mayora de las plantas producen ms de un bien, con lo que la tarea anterior se
complica an ms. Como veremos en el siguiente ejemplo, el problema de la
planificacin se asemeja bastante al de la combinacin ptima de bienes, pudiendo
ENERO
800
1.000
FEBRERO
700
1.200
MARZO
1.000
1.400
ABRIL
1.100
1.400
3.
3.1
ABOGADO
DIVORCIO
A1
A2
A3
A4
6
9
4
6
FUSION
EMPRESAS
2
3
8
7
ABSORCION
EMPRESAS
8
5
3
6
EXHIBICIONISMO
5
8
4
4
DESPACHO DE ABOGADO
Variable
Para resolver esta situacin, consideraremos las variables Xij, donde i = 1, 2, 3, 4
segn abogado, y j = 1, 2, 3, 4 segn caso. As, la variable Xij tomar el valor 1 si el
abogado i es asignado al caso j, y 0 en caso contrario.
Funcin objetivo
Funcin obj. (Max) = 6X11 + 2X12 + 8X13 + 5X14 + 9X21 + 3X22 + 5X23 + 8X24 + 4X31 +
8X32 + 3X33 + 4X34 + 6X41 + 7X42 + 6X43 + 4X44
Maximizamos la efectividad total
Restricciones
X11 + X21 + X31 + X41 = 1
Caso divorcio
X12 + X22 + X32 + X42 = 1
Caso fusin
X13 + X23 + X33 + X43 = 1
Caso absorcin
X14 + X24 + X34 + X44 = 1
Caso exhibicionismo
X11 + X12 + X13 + X14 = 1
Abogado 1
X21 + X22 + X23 + X24 = 1
Abogado 2
X31 + X32 + X33 + X34 = 1
Abogado 3
X41 + X42 + X43 + X44 = 1
Abogado 4
Queda claro pues que el abogado 1 se ocupar del caso de absorcin empresarial, el
abogado 2 del caso de exhibicionismo, el abogado 3 del caso de la fusin, y el
abogado 4 del divorcio.
3.2
PLANIFICACIN DE HORARIOS
La planificacin de horarios intenta dar una respuesta efectiva a las necesidades de
personal durante un perodo concreto de tiempo. La aplicacin de la PL a este tipo de
problemas resulta especialmente til cuando los directivos disponen de cierta
flexibilidad a la hora de asignar tareas a empleados polifuncionales. Un sector tpico
donde se hace uso de la PL para tomar decisiones sobre planificacin de horarios
son las entidades bancarias.
Supongamos que una oficina bancaria necesita diariamente entre 10 y 18 cajeros en
funcin de la hora segn se especifica en la tabla siguiente:
FRANJA HORARIA
9 a.m. 10 a.m.
N DE CAJEROS
NECESARIOS
10
10 a.m. 11 a.m.
12
11 a.m. 12 a.m.
14
12 a.m. 1 p.m.
16
1 a.m. 2 p.m.
18
2 a.m. 3 p.m.
17
3 a.m. 4 p.m.
15
4 a.m. 15 p.m.
10
4.
4.1
LIMITE
DE
INVERSION
(MILLONES DE )
Crdito al consumo
7%
1.0
Bonos corporativos
11%
2.5
Depsitos de oro
19%
1.5
Prestamos a la construccin 15%
1.8
Adems, la Directiva requiere que al menos un 5% de los fondos se dediquen a
depsitos de oro y prstamos a la construccin, mientras que el porcentaje dedicado
a crditos al consumo no debe superar el 15%.
SELECCIN DE UNA CARTERA
Variables
X1 = Cantidad invertida en crditos al consumo
X2 = Cantidad invertida en bonos corporativos
X3 = Cantidad invertida en depsitos de oro
X4 = Cantidad invertida en prstamos a la construccin
Funcin
objetivo
Funcin obj. (Max.)= 0.07 X1 + 0.11 X2 + 0.19 X3 + 0.15 X4
Restricciones
X1 <= 1.000.000
X2 <= 2.500.000
X3 <= 1.500.000
X4 <=1.800.000
X3 + X4 0.55X1 0.55X2 0.55X3 0.55X4 >= 0
X1- 0.15X1 0.15X2 0.15X3 0.15X4 >= 0
X1 + X2 + X3 + X4 <= 5.000.000
5.
5.1
INTERS
ESPERADO
La oficina de Madrid presenta una demanda anual de 10.000 bicicletas, mientras que
la de Barcelona solicita 8.000 y la de Vitoria 15.000. La planta de Castelln puede
producir hasta 20.000 bicicletas anuales, por 15.000 la de Sabadell. Los costes de
transporte por unidad son los siguientes:
DESTINO
ORIGEN
Madrid
Barcelona
Victoria
Castellon
2
3
5
Sabadell
3
1
4
La compaa pretende establecer un plan de distribucin que minimice sus costes
anuales de transporte.
EL PROBLEMA DEL TRANSPORTE
Variables
CM = n bicicletas a transportar desde Castellon hasta Madrid
CB = n bicicletas a transportar desde Castellon hasta Barcelona
CV = n bicicletas a transportar desde Castellon hasta Victoria
SM = n bicicletas a transportar desde Sabadell hasta Madrid
SB = n bicicletas a transportar desde Sabadell hasta Barcelona
SV = n bicicletas a transportar desde Sabadell hasta Victoria
Funcin Objetivo
Funcin obj. (Min.)= 2 CM + 3 CM + 5 CV + 3 SM + 1 SB + 4 SV
Restricciones
CM + SM = 10.000
CB + SB = 8.000
CV + SV = 15.000
CM + CB + CV <=20.000
SM +SB + SV <= 15.000
6.
6.1
COST
E POR
KG.
0.33
0.47
0.38
PROTEINAS
(Unidades/Kg.
)
22
28
21
HIDRATOS C
(Unidades/Kg.
)
16
14
25
FSFORO
(Unidades/Kg
.
8
7
9
MAGNESIO
(Unidades/Kg
.
5
0
6
Bibliografa
1.
2.
3.
4.
Eppen, G.D., Gould, F.J., Schmidt, C.P., Moore, J.H., Weatherford, L.R. (1998):
Introductory
Management
Science.
DecisionModelingwithSpreadsheets.
UpperSaddleRiver. (Existe versin en espaol)
EJERCICIOS
Ejercicios resueltos
1. Una refinera produce gasolina Corriente, Extra y ACPM para las cuales a establecido un
precio de venta de $4000, $4500 y $4100 por galn respectivamente. Para la produccin
de estos combustibles, la compaa cuenta con una disponibilidad de 5000 galones de
petrleo crudo y 7000 galones de petrleo refinado. Adems se a establecido que el
costo de galn de petrleo crudo es 3000 y el refinado a 3500. Por requerimientos de
calidad, se sabe que la gasolina corriente debe contener 40% de petrleo crudo y 60%
de petrleo refinado; la gasolina extra debe contener 30% de petrleo crudo y 70% de
petrleo refinado; mientras que el ACPM debe contener 50% de ambos petrleos.
Plantee el modelo de programacin lineal con el fin de obtener el beneficio de la
empresa.
---------------
P. CRUDO
CORRIENTE
EXTRA
ACPM
DISPONIBILIDA
D
PRECIO/GALON
40%
30%
50%
5000
galones
$3000
P.
REFINADO
60%
70%
50%
7000
galones
$3500
PRECIO/GALO
N
$4000
$4500
$4100
->Lo primero que hacemos es definir las variables a usar en el modelo de programacin
lineal:
X1= Galn de gasolina corriente; X2= Galn de gasolina extra; X3= Galn de ACPM; X4=
Galn de petrleo crudo; X5= Galn de petrleo refinado.
->Ahora definimos nuestra funcin objetivo, que es:
Zmax= 4000X1+4500X2+4100X3-(3000X4+3500X5)
->Y las restricciones a las que esta sometido nuestro problema son:
RESTRICCION DE PORCENTAJE DE P. CRUDO:
R1= 0.4X1+0.3X2+0.5X3 5000
RESTRICCION DE PORCENTAJE DE P. REFINADO:
R2= 0.6X1+0.7X2+0.5X3 7000
RESTRICCIONES DE POSITIVIDAD:
X1,X2,X3,X4,X5 0
2.
Una compaa de petrleo produce tres tipos de gasolina Sper, Normal y Euro. Se
obtienen por la mezcla de tres calidades de crudo que contienen tres componentes A, B
y C. La participacin de esos componentes en la fabricacin de cada crudo
es:Restricciones:
CRUDO
1
2
3
A
80%
10%
5%
B
45%
30%
20%
C
30%
40%
25%
Las especificaciones de los tres tipos de gasolina son:
TIPO
DE A
B
GASOLINA
SUPER
60%
25%
NORMAL
50%
30%
EURO
40%
35%
C
10%
15%
20%
Xij=> i= Tipo de crudo= {A, B, C}; j=Tipo de gasolina= {S, N, E}; en unidades de barriles.
Y como ayuda tenemos de variable C, con respecto a cada componente de los crudos.
->Nuestra funcin objetivo es, teniendo en cuenta que la empresa desea maximizar la
produccin de gasolina Euro:
Zmax= XAE+XBE+XCE
->Restricciones de cantidades:
0.8C1+ 0.1C2+ 0.05C3 0.6 (XAS+XBS+XCS)
0.45C1+ 0.3C2+ 0.2C3 0.25 (XAS+XBS+XCS)
0.3C1+ 0.4C2+ 0.25C3 0.1 (XAS+XBS+XCS)
0.8C1+ 0.1C2+ 0.05C3 0.5 (XAN+XBN+XCN)
0.45C1+ 0.3C2+ 0.2C3 0.3 (XAN+XBN+XCN)
0.3C1+ 0.4C2+ 0.25C3 0.15 (XAN+XBN+XCN)
0.8C1+ 0.1C2+ 0.05C3 0.4 (XAE+XBE+XCE)
0.45C1+ 0.3C2+ 0.2C3 0.35 (XAE+XBE+XCE)
0.3C1+ 0.4C2+ 0.25C3 0.2 (XAE+XBE+XCE)
->Restriccin de costos diarios:
650 (XAS+XAN+XAE)+500 (XBS+XBN+XBE)+450 (XCS+XCN+XCE) 50 millones
->Restriccin de disponibilidad diaria de los crudos B y C:
XBS+XBN+XBE 3000 barriles.
XCS+XCN+XCE 7000 barriles.
->Restriccin de demandas de gasolina Sper y Normal:
(XAS+XBS+XCS) 2000 barriles
(XAN+XBN+XCN) 2500 barriles
->Restriccin de mnimo de compras de crudo A:
(XAS+XAN+XAE) 2500 barriles.
->Restriccin de positividad:
Xij0 i= Tipo de crudo= {A, B, C}; j=Tipo de gasolina= {S, N, E}.
3. Una compaa produce bibliotecas y escritorios para los cuales a establecido un precio de
venta por unidad de $9000 y $10000 respectivamente. Para la produccin de dichos
artculos, la compaa cuenta con una disponibilidad mensual de 700 metros de madera,
800 metros de tubo y 900 pliegos de papel de lija. Qu cantidad de bibliotecas y
escritorios se deben fabricar mensualmente, si se sabe que una biblioteca consume 7
metros de madera, 10 metros de tubo y 6 pliegos de papel de lija; mientras que el
escritorio consume 10 metros de madera, 8 metros de tubo y 15 pliegos de papel de lija?
Determinamos primero que todo, nuestras variables que son:
X1= Nmero de bibliotecas; X2= Nmero de escritorios.
Ahora, la funcin objetivo es:
Zmax=9000X1+10000X2
Restricciones:
Restriccin de cantidad de madera a emplear:
7X1+10X2 700 m
4. Una compaa de petrleo produce tres tipos de gasolina Sper, Normal y Euro. Se
obtienen por la mezcla de tres calidades de crudo que contienen tres componentes A, B
y C. La participacin de esos componentes en la fabricacin de cada crudo es:
CRUDO
1
2
3
A
80%
10%
5%
B
45%
30%
20%
C
30%
40%
25%
Las especificaciones de los tres tipos de gasolina son:
TIPO
DE 1
1
GASOLINA
SUPER
60%
25%
NORMAL
50%
30%
EURO
40%
35%
1
10%
15%
20%
DEFINIMOS LAS VARIABLES: Xij=> i= Tipo de crudo= {A, B, C}; j=Tipo de gasolina= {S,
N, E}; en unidades de barriles. Y como ayuda tenemos de variable C, con respecto a
cada componente de los crudos.
Nuestra funcin objetivo es, teniendo en cuenta que la empresa desea maximizar la
produccin de gasolina Euro:
Zmax= XAE+XBE+XCE
->Restricciones de cantidades:
0,80XAS+0,45XBS+0,30XCS 0,60(XAS+XBS+XCS)
0,10XAS +0,30XBS+0,40XCS 0,25(XAS+XBS+XCS)
0,05XAS+0,20XBS+0,25XCS 0,10 (XAS+XBS+XCS)
0,80XAN+0,45XBN+0,30XCN 0,50(XAN+XBN+XCN)
0,10XAN +0,30XBN+0,40XCN 0,30(XAN+XBN+XCN)
0,05XAN+0,20XBN+0,25XCN 0,15 (XAN+XBN+XCN)
0,80XAE+0,45XBE+0,30XCE 0,40(XAE+XBE+XCE)
0,10XAE +0,30XBE+0,40XCE 0,35(XAE+XBE+XCE)
0,05XAE+0,20XBE+0,25XCE 0,20(XAE+XBE+XCE)
->Restriccin de costos diarios:
650 (XAS+XAN+XAE)+500 (XBS+XBN+XBE)+450 (XCS+XCN+XCE) 50 millones
->Restriccin de disponibilidad diaria de los crudos B y C:
XBS+XBN+XBE 3000 barriles.
6. Problema de Dieta
El problema de la dieta fue uno de los primeros sobre optimizacin. Se trataba hallar
la manera ms econmica de alimentar al ejercito pero asegurando al mismo tiempo
unos determinados niveles nutricionales.
Este tipo de problema se puede plantear en distintas formas tales como minimizar los
gastos de la compra, dieta para el ganado, una dieta adelgazante que cumpla unos
determinados niveles de caloras, protenas, hidratos de carbono, etc.
Ejemplo
Nos proponemos alimentar el ganado de una granja con una dieta que sea la ms
econmica posible. Dicha dieta debe contener cuatro tipos de nutrientes que
llamamos A, B, C, y D. Estos componentes se encuentran en dos tipos de piensos M
y N. La cantidad, en gramos, de cada componente por kilo de estos piensos viene
dada en la tabla siguiente:
A
B
C
D
M
100
100
200
N
100
200
100
La dieta diaria de un animal debe estar compuesta por al menos 0.4Kg del
componente A, 0.6Kg del componente B, 2Kg del componente C, y 1.7Kg del
componente D. El compuesto M cuesta 0.2/Kg y el compuesto N 0.08/Kg. Qu
cantidades de piensos M y N deben adquirirse para que el gasto de comida sea el
menor posible?
Solucin
Se determinan las variables de decisin y se representan algebraicamente. En este
caso:
X1 0
X2 0
7. Transporte de tropas
Un destacamento militar formado por 50 soldados ingenieros, 36 zapadores, 22 de
las fuerzas especiales, y 120 soldados de infantera como tropa de apoyo, ha de
transportarse hasta una posicin estratgica importante. En el parque de la base se
dispone de 4 tipos de vehculos A, B, C, y D, acondicionados para transporte de
tropas. El nmero de personas que cada vehculo puede transportar es 10, 7, 6, y 9,
de la forma en que se detalla en la siguiente tabla:
Ingeniero
Zapatero
Fuerzas
Infanter
s
s
especiales a
A
3
2
1
4
B
1
1
2
3
C
2
1
2
1
D
3
2
3
1
El combustible necesario para que cada vehculo llegue hasta el punto de destino se
estima en 160, 80, 40, y 120 litros respectivamente. Si queremos ahorrar
combustible, cuntos vehculos de cada tipo habr que utilizar para que el consumo
sea el mnimo posible?
Se determinan las variables de decisin y se representan algebraicamente. En este
caso:
Xi: nmero de vehculos de cada tipo que se usen
X1: nmero de vehculos de tipo A
X2: nmero de vehculos de tipo B
X3: nmero de vehculos de tipo C
8. Transporte de mercancas
Para este tipo de problemas, aunque pueden ser resueltos por el mtodo del
Simplex, existe un mtodo especfico de ms fcil resolucin: el mtodo del
transporte o mtodo simplificado del Simplex para problemas de transporte. Este
mtodo ahorra bastante tiempo y clculos frente al mtodo del Simplex tradicional.
Sin embargo el problema se modela de la misma forma.
Ejemplo
Un fabricante desea despachar varias unidades de un artculo a tres tiendas T1, T2,
y T3. Dispone de dos almacenes desde donde realizar el envo, A y B. En el primero
dispone de 5 unidades de este artculo y en el segundo 10. La demanda de cada
tienda es de 8, 5, y 2 unidades respectivamente. Los gastos de transporte de un
artculo desde cada almacn a cada tienda estn expresados en la tabla:
T1
T2
T3
A
1
2
4
B
3
2
1
Cmo ha de realizar el transporte para que sea lo ms econmico posible?
Solucin
Se determinan las variables de decisin, en este caso:
Xi: nmero de unidades transportadas desde cada almacn a cada tienda
X1: nmero de unidades transportadas desde el almacn A hasta la tienda T1
X2: nmero de unidades transportadas desde el almacn A hasta la tienda T2
X3: nmero de unidades transportadas desde el almacn A hasta la tienda T3
X4: nmero de unidades transportadas desde el almacn B hasta la tienda T1
X5: nmero de unidades transportadas desde el almacn B hasta la tienda T2
X6: nmero de unidades transportadas desde el almacn B hasta la tienda T3
Se determina la funcin objetivo:
Minimizar Z = X1 + 2X2 + 4X3 + 3X4 + 2X5 + X6
Se determinan las restricciones y se expresan como ecuaciones o inecuaciones de
las variables de decisin. Dichas restricciones se deducen de la disponibilidad de
unidades que hay en cada almacn as como de la demanda de cada tienda:
Disponibilidad en el almacn A: X1 + X2 + X3 = 5
Disponibilidad en el almacn B: X4 + X5 + X6 = 10
9. rboles frutales
Un agricultor tiene una parcela de 640m para dedicarla al cultivo de rboles frutales:
naranjos, perales, manzanos y limoneros. Se pregunta de qu forma debera repartir la
superficie de la parcela entre las variedades para conseguir el mximo beneficio
sabiendo que:
cada naranjo necesita un mnimo de 16m, cada peral 4m, cada manzano 8m y
cada limonero 12m.
dispone de 900 horas de trabajo al ao, necesitando cada naranjo 30 horas al
ao, cada peral 5 horas, cada manzano 10 horas, y cada limonero 20 horas.
a causa de la sequa, el agricultor tiene restricciones para el riego: le han
asignado 200m de agua anuales. Las necesidades anuales son de 2m por cada
naranjo, 1m por cada peral, 1m por cada manzano, y 2m por cada limonero.
los beneficios unitarios son de 50, 25, 20, y 30 por cada naranjo, peral,
manzano y limonero respectivamente.
Se determinan las variables de decisin y se representan algebraicamente. En este
caso:
X1: nmero de naranjos
X2: nmero de perales
X3: nmero de manzanos
X4: nmero de limoneros
Se determina la funcin objetivo:
Maximizar Z = 50X1 + 25X2 + 20X3 + 30X4
Se determinan las restricciones y se expresan como ecuaciones o inecuaciones de las
variables de decisin. Dichas restricciones se deducen de las necesidades de cada rbol
de terreno, horas de trabajo anuales, y necesidades de riego:
Necesidades de terreno: 16X1 + 4X2 + 8X3 + 12X4 640
Necesidades de horas anuales: 30X1 + 5X2 + 10X3 + 20X4 900
Necesidades de riego: 2X1 + X2 + X3 + 2X4 200
Se expresan todas las condiciones implcitamente establecidas por la naturaleza de
las variables: que no puedan ser negativas, que sean enteras, que solo puedan tomar
determinados valores, ... En este caso las restricciones son que el nmero de rboles no
puede ser negativo y adems debe ser un nmero entero:
Xi 0
Xi son enteros
en las 4 mquinas, realizando el mismo trabajo todos ellos en cada una de las
mquinas, obteniendo los siguientes tiempos:
Maquina 1 Maquina 2 Maquina 3 Maquina 4
Candidato 1
10
6
6
5
Candidato 2
8
7
6
6
Candidato 3
8
6
5
6
Candidato 4
9
7
7
6
Candidato 5
8
7
6
5
Determinar qu candidatos debe seleccionar la empresa y a qu mquinas debe
asignarlos.
Se determinan las variables de decisin, en este caso:
Xij: accin de que el trabajador i es asignado a la mquina j (0 indica que el
trabajador no ha sido asignado y 1 que s ha sido asignado)
Se determina la funcin objetivo:
Minimizar Z = 10X11 + 8X21 + 8X31 + 9X41 + 8X51 + 6X12 + 7X22 +
6X32 + 7X42 + 7X52 + 6X13 + 6X23 + 5X33 + 7X43 + 6X53 + 5X14 +
6X24 + 6X34 + 6X44 + 5X54
Se determinan las restricciones y se expresan como ecuaciones o inecuaciones de
las variables de decisin. Dichas restricciones son que cada trabajador debe ser
asignado a una sola mquina y no debe quedar ninguna mquina sin un trabajador
asignado a ella:
Cada trabajador debe estar asignado a una sola mquina o a ninguna si no
se selecciona:
<!--[if !supportLists]-->
<!--[endif]-->X11 + X12 + X13 + X14 1
<!--[if !supportLists]-->
<!--[endif]-->X21 + X22 + X23 + X24 1
<!--[if !supportLists]-->
<!--[endif]-->X31 + X32 + X33 + X34 1
<!--[if !supportLists]-->
<!--[endif]-->X41 + X42 + X43 + X44 1
<!--[if !supportLists]-->
<!--[endif]-->X51 + X52 + X53 + X54 1
En cada mquina debe haber un trabajador:
X11 + X21 + X31 + X41 + X51 = 1
X12 + X22 + X32 + X42 + X52 = 1
X13 + X23 + X33 + X43 + X53 = 1
<!--[if !supportLists]-->
<!--[endif]-->X14 + X24 + X34 + X44 + X54 = 1
Se expresan todas las condiciones implcitamente establecidas por la naturaleza de
las variables: que no puedan ser negativas, que sean enteras, que solo puedan
tomar determinados valores. En este caso las restricciones son que las asignaciones
de trabajadores a mquinas no puede ser negativa y debe ser adems una variable
booleana (0 no se asigna, 1 se asigna):
Xij 0
Xij es booleano
Una persona tiene que desplazarse a diario de un pueblo 1 a otro 7. Est estudiando
cual es el trayecto ms corto usando un mapa de carreteras. Las carreteras y sus
distancias estn representadas en la figura siguiente:
Solucin
Se determinan las variables de decisin, en este caso:
Xij: accin de desplazarse del pueblo i al j (0 indica que no hay
desplazamiento y 1 que s hay desplazamiento)
Se determina la funcin objetivo:
Minimizar Z = 12X12 + 4X13 + 5X24 + 3X25 + 2X34 + 10X36 + 5X42 +
2X43 + 10X45 + 3X52 + 10X54 + 2X57+ 10X63 + 4X67
Se determinan las restricciones y se expresan como ecuaciones o inecuaciones de
las variables de decisin. Dichas restricciones se deducen del balance entre los
posibles caminos que parten desde cada pueblo y los que llegan hasta l (obviando
los caminos que nos devuelvan al punto de partida y los que provengan del punto de
destino):
Balance de caminos del pueblo 1: X12 + X13 = 1
Balance de caminos del pueblo 2: X24 + X25 - X12 - X42 - X52 = 0
Balance de caminos del pueblo 3: X34 + X36 - X13 - X43 - X63 = 0
Balance de caminos del pueblo 4: X42 + X43 + X45 - X24 - X34 - X54 = 0
Balance de caminos del pueblo 5: X52 + X54 + X57 - X25 - X45 = 0
Balance de caminos del pueblo 6: X63 + X67 - X36 = 0
Balance de caminos del pueblo 7: - X57 - X67 = -1
Se expresan todas las condiciones implcitamente establecidas por la naturaleza de
las variables: que no puedan ser negativas, que sean enteras, que solo puedan
tomar determinados valores, ... En este caso las restricciones son que las variables
deben ser booleanas (0 no se toma el camino, 1 se toma), y por lo tanto no pueden
ser negativas:
Xij 0
Xij es booleano
12. Localizacin
Una empresa tiene la exclusiva para la distribucin de un producto en 4 poblaciones.
En un estudio de mercado se ha determinado la demanda potencial, segn se
muestra en la siguiente tabla:
Poblacin 1
Poblacin 2
Poblacin 3
Poblacin 4
3000 Unidades
2000 unidades
2500 unidades
2700 unidades
Se sabe que los costes de transporte son de 0.02 por Km y unidad transportada. La
distancia en Km existente entre los pueblos es la que figura en la tabla siguiente:
Poblacin 1
Poblacin 2
Poblacin 3
Poblacin 4
Poblacin 1
25
35
40
Poblacin 2
25
20
40
Poblacin 3
35
20
30
Poblacin 4
40
40
30
Para abaratar los costes de transporte se decide instalar un almacn con capacidad
para 6000 unidades en dos de estas cuatro poblaciones. Determinar en qu
poblaciones se deben instalar los almacenes.
Solucin
Se determinan las variables de decisin, en este caso:
Xij: cantidad enviada del almacn i a la poblacin j
Yi: almacn situado en la poblacin i (0 indica que no hay ningn almacn y 1
que s lo hay)
Se determina la funcin objetivo:
Minimizar Z = 0.5X12 + 0.7X13 + 0.8X14 + 0.5X21 + 0.4X23 + 0.8X24 +
0.7X31 + 0.4X32 + 0.6X34 + 0.8X41 + 0.8X42 + 0.6X43
Se determinan las restricciones y se expresan como ecuaciones o inecuaciones de
las variables de decisin. Dichas restricciones se deducen de la siguiente manera:
Las unidades que se envan a cada poblacin desde los almacenes deben
cumplir con la demanda de dicha poblacin:
o X11 + X21 + X31 + X41 3000
o X12 + X22 + X32 + X42 2000
o X13 + X23 + X33 + X43 2500
o X14 + X24 + X34 + X44 2700
Solo se crearn dos almacenes:
<!--[if !supportLists]-->o <!--[endif]-->Y1 + Y2 + Y3 + Y4 = 2
La cantidad de unidades que puede enviar cada almacn debe ser menor o
igual que la capacidad de ste:
o X11 + X12 + X13 + X14 6000Y1
o X21 + X22 + X23 + X24 6000Y2
o X31 + X32 + X33 + X34 6000Y3
o X41 + X42 + X43 + X44 6000Y4
Se expresan todas las condiciones implcitamente establecidas por la naturaleza de
las variables: que no puedan ser negativas, que sean enteras, que solo puedan
tomar determinados valores, ... En este caso las restricciones son que las unidades
enviadas desde cada almacn no pueden ser negativas y adems la variable que
determina si se crear o no un almacn debe ser booleana (0 no se crea, 1 se crea):
Xij 0
Yi es booleano
Bolsa X
20 %
Bolsa Y
10 %
Bolsa X
9%
Bolsa Y
11 %
25 % de P
La demanda de los distintos zumos es grande, por lo que se espera vender toda la
produccin. Por cada kg de fruta, se produce un litro del correspondiente zumo.
Determinar los niveles de produccin de los siete zumos, de manera que se tengan
beneficio mximo en el periodo entrante.
SOLUCION:
VARIABLES
Xij donde X: cantidad de litros
I: (H=1, G=2)
J: (naranja= 1, pera= 2, limn=3, tomate=4, manzana = 5)
FUNCION OBJETIVO
Z(max)= 100X1 + 120X2 + 129(X11+X21) + 125(X12+X22) + 110(X13+X23) +
88(X14+X24) + 97(X15+X25) 94(X11+X21) 87(X12+X22) 73(X13+X23)
47(X14+X24) 68(X15+X25)
Z(max)= 100X1 + 120X2 + 35(X11+X21) + 38(X12+X22) + 37(X13+X23) +
41(X14+X24) + 29(X15+X25)
RESTRICCIONES
Concentracin
X15 0,50 X1
X12 0,20 X1
X13 0,10 X1
X12 + X13 + X15 + X11 + X14 = X1
X21 = 0,40 X2
X23 = 0,35 X2
X22 =0,25 X2
X21 + X23 + X22 + X24 + X25 = X2
Disponibilidad
X11 + X21 32000
X12 + X22 25000
X13 + X23 21000
X14 + X24 18000
X15 + X25 27000
Positividad
Xij 0 para todo i= 1,2 y j= 1,2,3,4,5
Ejercicios propuestos
Formular y construir los modelos de los siguientes problemas de
programacin lineal:
1).- Un agente esta arreglando un viaje en esqus, puede llevar un mximo de 10
personas y ha decidido que debern ir por lo menos 4 hombres y 3 mujeres. Su
ganancia ser de 10 pesos por cada mujer y 15 pesos por cada hombre. Cuantos
hombres y cuantas mujeres le producen la mayorganancia?
2).- Un sastre tiene las siguientes materias primas a su disposicin: 16 m2 de
algodn, 11 m2 de seda y 15m2 de lana. Un traje requiere: 2 m2 de algodn, 1m2 de
seda y 1 m2 de lana. Una tnica requiere: 1m2 de algodn, 2m2 de seda y 3m2 de
lana. Si el traje se vende en $300 y una tnica en $500. Cuntas piezas de cada
confeccin debe hacer el sastre para obtener la mxima cantidadde dinero?.
3).- Mueblera MARY elabora dos productos, mesas y sillas que se deben procesar a
travs de los departamentos de ensamble y acabado. Ensamble tiene 60 hrs.
disponibles, acabado puede manejar hasta 40 hrs. de trabajo. La fabricacin de una
mesa requiere de 4 hrs. de ensamble y 2 hrs. de acabado, mientras que una silla
requiere de 2 hrs. de ensamble y 2 hrs. de acabado. Si la utilidad es de $80 por
mesa y $60 por silla. Cul es la mejor combinacin posible de mesas y sillas a
producir y vender para obtener la mxima ganancia?
4).- Una firma corredora de bolsa ofrece dos tipos de inversiones que producen
ingresos a razn de 4% y 5% respectivamente. Un cliente desea invertir un mximo
de $10000 y que su ingreso anual sea por lo menos de $4500. insiste en que por lo
menos del total debe ser invertido al 5%. El corredor recibe el 1% de los ingresos
de la inversin al 5% y 2% de la inversin del 4%. Cunto invertir el corredor a
cada tasa para que sus honorarios sean mximos?.
5).- Una compaa de carga area desea maximizar los ingresos que obtiene por la
carga que transporta la compaa tiene un solo avin diseado para transportar dos
clases de carga. Carga normal y carga frgil. La compaa no recibe pago extra por
transportar carga frgil; sin embargo para asegurar ciertos contratos de negocios, la
compaa ha acordado transportar cuando menos 5 toneladas de carga frgil. Este
tipo de carga debe llevarse en una cabina presurizada. La capacidad de la cabina
principal es de 20 toneladas de carga. La cabina presurizada no puede llevar mas de
10 toneladas de carga. El avin tiene restriccin de peso que le impide llevar mas de
20 toneladas de carga, para mantener en equilibrio el peso, la carga de la cabina
presurizada debe ser menor o igual que dos tercios del peso de la cabina principal,
mas una tonelada, la compaa recibe $1000 por tonelada de los dos tipos de carga
que transporta.
6).- Un inversionista tiene $10000 que quisiera produjeran tanto dinero como
sea posible; quiere invertir parte en acciones, parte en bonos y colocar el resto en
una cuenta de ahorro. El inversionista cree poder ganar 8% con el dinero que
invierta en acciones y el 7% que invierte en bonos. El banco paga el 5% de inters
sobre las cuentas de ahorros. Como las acciones son una inversin con cierto riesgo,
decide no invertir en acciones mas de lo que ponga en la cuenta de ahorro. El
inversionista se quedara con al menos $2000 en la cuenta de ahorros por si necesita
dinero en efectivo de inmediato.Cunto dinero deber invertir en cada tipo?
7).- Una mujer quiere disear un programa de ejercicios semanales, incluyendo
caminata, bicicleta y natacin. Para variar los ejercicios planea invertir al menos tanto
tiempo en bicicleta como la combinacin de caminata y natacin. Adems, quiere
nadar al menos dos hrs a la semana, por que le gusta mas nadar que los otros
ejercicios. La caminata consume 600 caloras por hora, en la bicicleta usa 300
caloras por hora nadando gasta 300 caloras por hora. Quiere quemar al menos
3000 caloras a la semana por medio de los ejercicios. Cuntas horas debe dedicar
a cada tipo de ejercicio si quiere minimizar el numero de horas invertidas.?
8).- Cierta compaa tiene una filial que le provee de las latas que necesita para
comercializar su producto, en dicha filial que produce latas de aluminio contiene las
tapaderas a partir de hojas metlicas rectangulares. Las dimensiones de estas hojas
son de 6cms x 15cms Se requieren dos tamaos diferentes de tapas, el dimetro de
las pequeas es de 3cms y el de las grandes de 6 cms. El programa de produccin
en un da determinado es de 20000 tapas chicas y 5000 tapas grandes. Cul es el
programa que minimice el numero total de hojas metlicas usadas de tal manera de
obtener la mejor combinacin de tapas de los diferente tamaos que pueden ser
cortadas?
9).- General Motors que vende el carro mas compacto desea hacer publicidad para
este modelo a travs de canal 13 de televisin, la publicidad consistir en pequeos
comerciales de duracin variable que se intercalaran en un programa semanal de 60
min. En el cual se presentaran los mejores cantantes del continente y un cmico de
la localidad. General Motors insiste en tener al menos 5 min. De comerciales y el
14).- Una compaa fabrica tres productos: volantes, juntas y ejes, el gerente
enfrenta el problema de decidir cual debe ser el mejor programa de produccin para
el siguiente mes. Se ha determinado que hay disponibles cuando mas 1620 horas de
tiempo de produccin para el mes siguiente .no hay limite para el abastecimiento de
metal para estos tres productos, cada hora de tiempo de produccin cuesta $ 7.00 y
cada unidad de metal cuesta $2.20. todas las ventas son efectivo y todos los costos
deben pagarse en efectivo durante el siguiente mes los costos fijos para el siguiente
mes son de $ 2,200 y se requiere un flujo de efectivo de $800 debido a compromisos
previos. El saldo de efectivo a principios de mes es de $ 28,425.
TABLA DE DATOS TCNICOS.
PRODUCTO
HORAS
DE UNIDADES
DE
DEMANDA
TIEMPO
DE METAL
PRECIO
PRONOSTICADA DE
PRODUCCIN
NECESARIAS
UNITARIO
AL
LOS CLIENTES (EN
POR
UNIDAD POR
UNIDAD CLIENTE (EN $)
UNIDADES).
FABRICADA
FABRICADA
VOLANTES
4.5
3.25
$50.65
300
JUNTAS
1.8
4.70
$38.94
550
EJES
3.6
5.00
$50.20
320
La produccin puede realizarse con velocidad suficiente para permitir su distribucin
dentro del mismo mes. cul debe ser el programa de produccin para el prximo
mes, a fin de maximizar las utilidades?.
EJERCICIOS RESUELTOS TOMADOS DE:
1. Chediak, Francisco; Investigacin de operaciones Segunda
edicin; [en lnea];
pag 43 http://es.scribd.com/doc/39695565/20/Problema-de-la-mezcla; [citado el 19
de junio de 2012].
2.
Paz,
Francisco;
[en
lnea];< p://franciscopaz0.tripod.com/programacionlineal/id6.html>; [citado el 19 de
junio
de
2012].
EJERCICIOS
PROPUESTOS
TOMADOS
DE:
http://html.rincondelvago.com/investigacion-de-operaciones_8.html
MTODOS
2.
Evaluar la funcin objetivo Z en cada una de las esquinas del rea de soluciones
factibles.
Usando la funcin objetivo para determinar la esquina del rea de soluciones factible
que la optimiza.
Paso 1: Se igualan las ecuaciones
Paso 2: Se le dan valores de cero a x1 y x2 para hallar dos puntos de la recta.
Paso 3: Se traza cada recta teniendo en cuenta la direccin del espacio restringido.
Paso 4: Luego de graficar todas las restricciones y tener el rea de solucin factible
se grafica la funcin objetivo.
Paso 5: Para graficar la funcin objetivos se le dan valores arbitrarios a la funcin,
por ejemplo es la ecuacin de una familia de rectas paralelas, las que se generan
cada vez que cambiemos el valor de Z.
1. SOLUCIN NICA
La solucin es nica cuando la solucin ptima se encuentra slo en uno de los
vrtices.
2.
MULTIPLES SOLUCIONES
La solucin es mltiple cuando hay infinitas soluciones
que se ven representadas en la grfica como un
segmento de puntos que tiene por extremos dos vrtices
del rea de solucin factible y que es paralela a la recta
de la funcin objetivo.
4.
SOLUCIN NO FACTIBLE
Cuando no existe regin factible por falta de zona
comn que encierren un rea de soluciones. Este caso
se presenta cuando entre las restricciones existen al
menos dos de ellas que sean excluyentes, tal como: X
2 y X 4. Aqu nunca podremos encontrar
un nmero que al mismo tiempo sea menor igual a 2
y mayor igual a 4, las dos restricciones son
excluyentes y por lo tanto no existe rea de soluciones
factible, grficamente
se
observa
de
la
siguiente manera:
2) Mtodo Simplex
El Mtodo Simplex es un mtodo analtico de solucin
de problemas de programacin lineal capaz de resolver
modelos ms complejos que los resueltos mediante el
mtodo grfico sin restriccin en el nmero de
variables.
El Mtodo Simplex es un mtodo iterativo que permite ir
mejorando la solucin en cada paso. La razn
matemtica de esta mejora radica en que el mtodo
consiste en caminar del vrtice de un poliedro a un
vrtice vecino de manera que aumente o disminuya
(segn el contexto de la funcin objetivo, sea maximizar
o minimizar), dado que el nmero de vrtices que
presenta un poliedro solucin es finito siempre se
hallar solucin.
Este famossimo mtodo fue creado en el ao de 1947
por el estadounidense George Bernard Dantzig y el ruso
PASO
1:
MODELACIN
MEDIANTE
PROGRAMACIN LINEAL
Las variables:
X1 = Cantidad de mesas a producir (unidades)
X2 = Cantidad de sillas a producir (unidades)
X3 = Cantidad de camas a producir (unidades)
X4 = Cantidad de bibliotecas a producir (unidades)
Las restricciones:
2X1 + 1X2 + 1X3 + 2X4 <= 24
2X1 + 2X2 + 1X3 <= 20
2X3 + 2X4 <= 20
4X4 <= 16
X1, X2 ,X3 ,X4 >=0
La funcin Objetivo:
ZMAX = 20000X1 + 20000X2 + 20000X3
+ 20000X4
PASO 2: CONVERTIR LAS INECUACIONES EN
ECUACIONES
En este paso el objetivo es asignar a cada recurso una
variable de Holgura, dado que todas las restricciones
son "<=".
2X1 + 1X2 + 1X3 + 2X4 + 1S1 + 0S2 + 0S3 + 0S4 =
24
PASO
5:
REALIZAR
LAS
ITERACIONES
NECESARIAS
Este es el paso definitivo en la resolucin por medio del
Mtodo Simplex, consiste en realizar intentos mientras
el modelo va de un vrtice del poliedro objetivo a otro.
El procedimiento a seguir es el siguiente:
1.
X1 = 3
X2 = 4
X3 = 6
X4 = 4
Con una utilidad de: $ 340000
Sin embargo una vez finalizado el Mtodo Simplex se
debe observar una matriz identidad en el rectngulo
determinado por las variables de decisin, el hecho de
que en este caso no se muestre la matriz identidad
significa que existe una solucin ptima alterna.
BIBLIOGRAFIA:
INGENIEROS INDUSTRIALES. (En lnea) consultado
el 15 de mayo del 2012.Disponible en:
http://ingenierosindustriales.jimdo.com/herramienta
s-para-el-ingeniero-industrial/investigaci%C3%B3nde-operaciones/m%C3%A9todo-simplex/