1

UNIVERSIDAD NACIONAL DE SAN CRISTÓBAL DE HUAMANGA

FACULTAD DE INGENIERIA MINAS GEOLOGIA Y CIVIL

ESCUELA DE FORMACIÓN PROFESIONAL DE INGENIERÍA DE MINAS

¨PROGRAMACION LINEAL POR METODOS GRAFOS Y METODO

TABLERO SIMPLEX¨

ASIGNATURA: CONTROL DE OPERACIONES MINERAS.

Docente: BERROCAL ARGUMEDO, Kelvis

Alumnos: ACOSTA GUIZADO, Nicanor Jesús

CAMPOS CONDE, Andree
PERLACIOS QUISPE, Jesús Edward

AYACUCHO – PERU
2019
 2

RESUMEN EJECUTIVO

Para realizar análisis cuantitativo, con Investigación de Operaciones mediante la teoría y

presentación de casos prácticos, darle solución mediante la aplicación de algoritmos,

interpretar los resultados de solución óptima, dar a conocer el funcionamiento del método

grafos y simplex y sus amplias aplicaciones en la minería. Comparar el método gráfico y el

método simplex, Clasificar de manera adecuado las variables a analizar, para luego dar una

solución adecuada al problema.

Maximizar utilidades o beneficios a la empresa minimizando los costos mediante la

aplicación de un problema.

El método grafico nos permite resolver problemas de programación lineal de manera

intuitiva y visual y con el marco teórico se dio a conocer de manera precisa el funcionamiento

del método simplex y su aplicación en la minería. Con estos métodos se hizo una

comparación obteniendo por ambos métodos los mismos resultados.

Mediante los ejercicios de aplicación se lograron clasificar de manera adecuada las

variables a analizar, como manufactura, transporte, telecomunicación, planeación, industria

minera entre otras. Con esto se pretende implementar estos métodos en nuestra vida laboral

teniendo en cuenta sus condiciones y restricciones.

 3

ÍNDICE
INTRODUCCION ...................................................................................................... 5

OBJETIVOS ............................................................................................................... 6

CAPITULO I .................................................................................................................. 7

1.1. PROGRAMACIÓN LINEAL ....................................................................... 7

1.1.1. LA IMPORTANCIA DE LA LINEALIDAD ............................................... 7

1.1.2. MODELO DE PROGRAMACIÓN LINEAL DETERMINÍSTICA .............. 8

1.1.3. FUNCIÓN OBJETIVO DEL MODELO LINEAL ........................................ 8

1.1.4. RESTRICCIONES DEL MODELO LINEAL .............................................. 8

1.2.1. METODO SIMPLEX ....................................................................................... 9

1.2.1.1. IMPORTANCIA DEL METODO SIMPLEX ............................................ 10

1.2.1.2. VENTAJAS DEL METODO SIMPLEX .................................................... 10

1.2.1.4. MAXIMIZAR ............................................................................................ 11

1.2.1.7. CONDICIONES PARA LAS RESTRICCIONES....................................... 14

1.2.1.8 FUNCION BASICA FACTIBLE ................................................................ 15

1.2.1.9 VARIABLES DE DECISION ..................................................................... 15

1.2.1.10. DIAGRAMA DE FLUJO DE METODO SIMPLEX ................................ 16

1.2.1.11. PROBLEMAS DESARROLLADOS USANDO LA TABLA DEL

MÉTODO SIMPLEX .................................................................................................. 17

1.2.2. MÉTODO GRÁFICO ..................................................................................... 24

1.2.2.1. DEFINICIÓN:............................................................................................ 24
 4

1.2.2.2. PROBLEMAS DESARROLLADOS USANDO MÉTODO GRAFICO ..... 33

CAPITULO II ............................................................................................................... 37

2.1. CONCLUSIONES.............................................................................................. 37

CAPITULO III ............................................................................................................. 38

3.1. RECOMENDACIONES .................................................................................... 38

CAPITULO IV ............................................................................................................. 39

8. BIBLIOGRAFIA. ................................................................................................. 39
 5

INTRODUCCION

El presente trabajo monográfico consta del método gráfico y simplex el cual se utiliza para

la solución de problemas de Programación Lineal, representando geométricamente a las

restricciones, enseguida graficar en el plano cartesiano hasta obtener la solución óptima.

El método simplex es un procedimiento iterativo que progresivamente permite obtener una

solución óptima para la programación lineal.

En la actualidad nos vemos enfrentados a diario a problemas de escasez, agotamiento de

recursos y gastos excesivos lo cual nos conlleva a platearnos una interrogante, ¿cómo se

deben usar adecuadamente los recursos de manera que nos genere mayores benéficos,

haciendo menores esfuerzos?, como respuesta a ello surge la investigación de operaciones

como una respuesta a la interrogante planteada anteriormente trayendo nuevas aplicaciones

con respecto a la toma de decisiones en los diferentes campos tales como la industria, la

agricultura la minería, la economía, etc. siendo el método grafos y el método simplex una de

las variantes de las múltiples aplicaciones que trae la investigación de operaciones, siendo

uno de los métodos más eficientes el cual permite resolver problemas de muchas variables,

minimizando o maximizando según sea el caso y con ello llegar a la solución más factible.
 6

OBJETIVOS

OBJETIVO GENERAL:

Presentar conceptos y aspectos relevantes del enfoque cuantitativo en la toma de

decisiones, los cuales deben proveer al estudiante con un entendimiento básico de las

habilidades iniciales necesarias para realizar análisis cuantitativo, con Investigación de

Operaciones, mediante la teoría y presentación de casos prácticos.

OBJETIVO ESPECÍFICOS.

• Darle solución mediante la aplicación de algoritmos.

• Interpretar los resultados de solución óptima.

• Dar a conocer el funcionamiento del método grafos y simplex sus amplias aplicaciones

en la minería.

• comparar el método gráfico y el método simplex.

• Clasificar de manera adecuado las variables a analizar, para luego dar una solución

adecuada al problema.

• Maximizar utilidades o beneficios a la empresa minimizando los costos mediante la

aplicación de un problema.

• Implementar este método en nuestra vida laboral teniendo en cuenta sus condiciones y

restricciones.
 7

CAPITULO I

1.1. PROGRAMACIÓN LINEAL

Programación Lineal es una técnica cuantitativa ampliamente aplicada en sistemas que

presenten relaciones lineales, para utilizar los recursos escasos de la mejor manera posible.

Este Modelo de Programación Lineal es un modelo matemático con variables de decisión,

coeficientes y/o parámetros, restricciones y una Función Objetivo. La formulación y

construcción del modelo lineal implica definir claramente las variables de decisión y

expresarlas simbólicamente o convencionalmente.

La programación lineal (PL), que trata exclusivamente con funciones objetivos y

restricciones lineales, es una parte de la programación matemática, y una de las áreas más

importantes de la matemática aplicada. Se utiliza en campos como la ingeniería, la economía,

la gestión, y muchas otras áreas de la ciencia, la técnica y la industria.

Esta programación lineal tiene sus modelos de solución y estas son:

• Método gráfico

• Método simplex

• Método de la gran M

• Método de las dos fases

• Método dual simplex

1.1.1. LA IMPORTANCIA DE LA LINEALIDAD

Los modelos de Programación Lineal exigen que la función objetivo y las restricciones se

hagan de modo lineal. Para muchos problemas prácticos ésta es una consideración que impide

el uso de la Programación Lineal.

 8

1.1.2. MODELO DE PROGRAMACIÓN LINEAL DETERMINÍSTICA

El término determinista indica un conocimiento exacto y preciso de los coeficientes

utilizados en la función objetivo y en las restricciones. Este concepto permite establecer que

los coeficientes de la función objetivo y de las restricciones no son aleatorios más bien son

exactos.

1.1.3. FUNCIÓN OBJETIVO DEL MODELO LINEAL

En un problema de programación lineal, la función por maximizar o minimizar se llama

función objetivo. Aunque por lo regular existe un número infinito de soluciones para el

sistema de restricciones (llamadas soluciones factibles o puntos factibles), la meta es

encontrar una que sea óptima (esto es, una que presente el valor máximo o mínimo de la

función objetivo)

En la formulación matemática una función objetivo lineal a ser maximizada o minimizada

tiene la siguiente forma general:

Optimizar Z = β1X1 + β2X2 + β3X3 + β4X4 +...................+ βjX

1.1.4. RESTRICCIONES DEL MODELO LINEAL

Las restricciones, desde el punto de vista matemático, son funciones lineales expresadas

como igualdades o desigualdades, que limitan el valor de las variables de decisión a valores

permisibles. Representan recursos, condiciones o requerimientos establecidos. Las

restricciones del modelo lineal general tienen la forma siguiente:

a11 X1 + a12 X2 + a13 X3 + a14 X4 +………………+ a1n Xn ≥ ≤ = b1

a21 X1 + a22 X2 + a23 X3 + a24 X4 +………………+ a2n Xn ≥ ≤ = b2

a31 X1 + a32 X2 + a33 X3 + a34 X4 +………………+ a3n Xn ≥ ≤ = b3

am1 X1 + am2 X2 + am3X3 + am4 X4 +………………+ amn Xn ≥ ≤ = bm Xi≥0

 9

1.2.1. METODO SIMPLEX

El método simplex en realidad es un algoritmo. De hecho, cualquier procedimiento

iterativo de solución es un algoritmo. Por consiguiente, un algoritmo es sencillamente

un proceso en el que se repite un procedimiento sistemático una y otra vez hasta que

se obtiene el resultado que se desea. El método Simplex respecto a otros métodos es más

complejo en cuanto a sistemas reales, permite ir mejorando la solución a cada paso, con

tres o más variables de decisión hasta encontrar la solución óptima. El proceso concluye

cuando no es posible mejorar dicha solución, partiendo del valor de la función objetivo

se puede maximizar o minimizar

 10

1.2.1.1. IMPORTANCIA DEL METODO SIMPLEX

El método simplex permite localizar de manera más eficiente la óptima solución entre los

puntos extremos de un problema de programación lineal, la gran virtud del método simplex

es su sencillez método muy práctico ya que solo trabaja con los coeficientes de la función

objetivo y las restricciones.

Es importante en el área empresarial ya que permite obtener solución a las empresas en

cuanto a inventario de ganancias y pérdidas.

Este método permite visualizar cuanto se debe producir o cuanto se debe comprar para

obtener mayores beneficios y ser competitivo en el mercado.

1.2.1.2. VENTAJAS DEL METODO SIMPLEX

 Es un método, heurístico se basa en consideraciones geométricas y no requiere de

derivadas de la función objetivo.

 Es de gran eficiencia incluso para ajustar gran número de parámetros.

 Es fácil implementar.

 Tiene alta eficiencia

1.2.1.3. DESVENTAJAS DEL METODO SIMPLEX

 Converge más lentamente que otros métodos.

 En el caso de que la función tenga todas sus variables básicas positivas y las

restricciones sean de desigualdad “≤” al hacer el cambio se quedan negativas y en

la fila del valor de la función objetivo se quedan positivos por lo que se cumple la

condición de parada y por defecto el valor optimo que se obtendrá será 0

 11

1.2.1.4. MAXIMIZAR

Es el procedimiento donde los factores, variables de decisión y restricciones dan la

óptima solución con una simple característica de maximizar la función objetivo. Para una

maximización en el método simplex, se debe utilizar como característica esencial el signo

menor o igual qué, expresado en forma matemática como “≤”, el signo debe ser

homogéneo para todos los requerimientos y dar solución al planteamiento del problema,

esta característica fundamental, indica que las restricciones deben ser menores o igual a los

requerimientos establecidos, para cumplir con la función de maximizar lo asignado

1.2.1.5. MINIMIZAR

Es el procedimiento donde los factores, variables de decisión y restricciones dan la

óptima solución con una simple característica de minimizar la función objetivo. Para una

minimización en el método simplex, se debe utilizar como característica esencial el signo

mayor o igual qué, expresado en forma matemática como “≥”, el signo debe ser homogéneo

para todos los requerimientos y dar solución al planteamiento del problema, esta

característica fundamental, indica que las restricciones deben ser mayores o igual a los

requerimientos establecidos, para cumplir con la función de minimizar lo asignado

1.2.1.6. FUNCIONAMIENTO DEL METODO SIMPLEX

Es necesario conocer las siguientes definiciones para el manejo del método simplex:

1.2.1.6.1. VARIABLES DE HOLGURA Y EXCESO

Aplicada a las restricciones de tipo (≥ y ≤) donde el lado derecho de la desigualdad

representa el límite sobre la disponibilidad de recursos y el lado izquierdo representa la

utilización de ese recurso limitado que hacen las variables del modelo. Esto quiere decir que

una holgura representa la cantidad disponible del recurso que excede a la utilización que se

le da. Siempre se le agregara una variable (Si) para convertirla en igualdad

 12

1.2.1.6.2. VARIABLE ARTIFICIAL / METODO DE LA M

Una variable artificial es un artificio matemático de convertir inecuaciones de tipo (≥) en

ecuaciones o cuando aparecen igualdades en el problema original. La característica

principal de esta variable es que no debe de formar parte de la solución, dado que no

representan recursos, el objetivo de estas variables es formar la matriz identidad. Estas

variables se representan con la letra “A”

Y su coeficiente es “M” (por eso se le llama el método de la M grande) A modo general el

método simplex consta de los siguientes pasos:

 Determinar una solución básica factible inicial.

 Definir una variable de entrada empleando la condición de factibilidad. El

algoritmo se detiene cuando ya no hay variables de entrada.

 Seleccionar una variable de salida empleando la condición de factibilidad.

Determinar las nuevas so luc io nes básicas factibles aplicando cálculo s

apropiados a través del método de eliminación de Gauss- Jordán

1.2.1.6.3. MATRIZ IDENTIDAD

Una matriz se define como un orden rectangular de elementos o listado finito de

elementos los cuales pueden ser números reales o complejos los cuales pueden estar

dispuestos en filas y columnas.

La matriz identidad es aquella que tiene forma cuadrada con el mismo número de filas y

columnas de orden n donde la diagonal principal con elementos igual a uno y en el resto

todos los elementos son cero.

La definición de matrices es fundamental para la resolución con el método simplex

 13

1.2.1.6.4. FUNCION OBJETO

Es la función que expresa la cantidad a ser maximizada o minimizada en términos de otras

variables

1.2.1.6.5. RESTRICCIONES

Una restricción sobre los valores de variables en un modelo matemático típicamente

impuestos por condiciones externas. Las limitaciones o mejor conocidas como restricciones,

representan los límites del escenario de la situación planteada, y son los valores de las

variables asignadas en un modelo matemático, que deben cumplir con requerimientos que la

empresa asigna para obtener su valor. La presencia de limitaciones, o restricciones, limita el

grado al cual se puede lograr el objetivo.

1.2.1.6.6. VARIABLE DE HOLGURA

Es una variable que se utiliza para convertir una desigualdad de la forma ≤ en una

igualdad y estas variables son no negativas.

1.2.1.6.7. COLUMNA PIVOTE

Es la columna de la tabla simplex que representa una variable que entra en la solución

óptima

1.2.1.6.8 FILA PIVOTE

Es la fila de la tabla simplex cuya variable es que sale de la solución óptima

1.2.1.6.9. ELEMENTO PIVOTE

Es el elemento que resulta de la intersección entre la fila y la columna pivote.

Los pasos a seguir en el algoritmo del Simplex son:

 Todas las restricciones deben estar establecidas como ecuaciones.

 14

 El segundo miembro de una limitante (término independiente) no puede ser

negativo

 Todas las variables están restringidas a valores no negativos

1.2.1.7. CONDICIONES PARA LAS RESTRICCIONES

Para transfor mar las restricciones estándar a la forma canónica se aplicará

condiciones:

 Si es ≤ se aumentará: + variable de holgura (Si).

 Si es ≥ se quitará y aumentará: - variable de holgura (Si) + variable artificial

(Mi).

 Si es = + variable artificial Mi.

Criterio de decisión Maximizar Minimizar

Gran M en la función - MXj +MXj

objetivo
La más positiva de los
Variable que entra La más negativa de los Zj – Cj
Zj - Cj

La menos positiva de los b/a , La me no s po s it iva de los

Siendo a > 0 , de lo
b/a, Siendo a > 0 , de lo
Variable que sale contrario no restringe
contrario no restringe a la

variable que entra

Solución óptima Cuando todos los Zj – Cj > 0 Cuando todos los Zj – Cj < 0
 15

1.2.1.7.1. NO NEGATIVIDAD DE LAS VARIABLES

En la mayoría de los problemas de la vida real, las variables representan cantidades

físicas, éstas no deben ser negativas porque representan cantidades físicas reales, ya que no

es posible que exista el signo negativo en cantidades reales

1.2.1.8 FUNCION BASICA FACTIBLE

Una solución básica factible es el valor que satisface todas las restricciones de

variables, que se forman en el planteamiento del problema para encontrar el más favorable.

“En este caso, la solución única resultante incluye una solución básica. Si todas las variables

asumen valores no negativos, entonces la solución básica es factible.”

1.2.1.9 VARIABLES DE DECISION

Una cantidad cuyo valor se puede controlar y es necesario determinar para

solucionar un problema de decisión” Las variables son asignaciones con características

distintivas que se establecen para diferenciar un elemento de otro en estudio, cuyo valor se

puede establecer. Estas variables de decisión también se denominan variables controlables,

porque se tiene cierto control sobre sus valores y son de mucha utilidad para darle

solución al problema. Para las variables de decisión se utiliza la expresión X

 16

1.2.1.10. DIAGRAMA DE FLUJO DE METODO SIMPLEX

 17

1.2.1.11. PROBLEMAS DESARROLLADOS USANDO LA TABLA DEL MÉTODO

SIMPLEX

1.2.1.11.1 EJERCICIO DE MAXIMIZACION

Max z= 1.5𝑋1 + 1.2𝑋2

𝑋1 ≤ 6000 𝑋1 +𝑆1 = 6000

𝑋1 +𝑋2 ≤800 𝑋1 +𝑋2 + 𝑆2 =800

2𝑋2 +𝑋1 ≤700 𝑋1 +2𝑋2 + 𝑋3 = 700

1.5 1.2 0 0 0
cj
X1 X2 S1 S2 S3 b
0 S1 1 0 1 0 0 6000
0 S2 1 1 0 1 0 800
0 S3 1 2 0 0 1 700
Zj 0 0 0 0 0 0
cj-zj 1.5 1.2 0 0 0

Max z= 1.5𝑋1 + 1.2𝑋2

𝑋1 ≤ 6000 𝑋1 +𝑆1 = 6000

𝑋1 +𝑋2 ≤800 𝑋1 +𝑋2 + 𝑆2 =800

2𝑋2 +𝑋1 ≤700 𝑋1 +2𝑋2 + 𝑋3 = 700

(-1) 1 2 0 0 1 700
+ 1 1 0 1 0 800
0 -1 0 1 -1 100

(-1) 1 2 0 0 1 700
+ 1 0 1 0 0 6000
0 -2 1 0 -1 5300
 18

Max z= 1.5𝑿𝟏 + 𝟏. 𝟐𝑿𝟐

𝑿𝟏 ≤ 𝟔𝟎𝟎𝟎 𝑿𝟏 +𝑺𝟏 = 𝟔𝟎𝟎𝟎

𝑿𝟏 +𝑿𝟐 ≤800 𝑿𝟏 +𝑿𝟐 + 𝑺𝟐 =800

2𝑿𝟐 +𝑿𝟏 ≤700 𝑿𝟏 +2𝑿𝟐 + 𝑿𝟑 = 𝟕𝟎𝟎

1.5 1.2 0 0 0
cj X1 X2 S1 S2 S3 b
0 S1 0 -2 1 0 -1 5300
0 S2 0 -1 0 1 -1 100
1.5 X1 1 2 0 0 1 700
Zj 1.5 3 0 0 1.5 1050
cj-zj 0 -1.8 0 0 -1.5
 19

1.2.1.11.2. EJERCICIO DE MINIMIZACION

Dos empresas mineras extraen dos tipos diferentes de minerales los cuales son sometidos a

un proceso de trituración con tres grados (alto, medio, bajo). Las compañías han firmado un

contrato para proveer mineral a una plata de fundición cada semana, 12 toneladas de mineral

de grado alto, 8 de grado medio y 24 de grado bajo, cada una de las empresas tiene diferentes

procesos de fabricación. En el primer frente el costo es de 180$, mientras que el segundo

cuesta 160$

¿Cuantos días a la semana deberían de operar cada empresa para cumplir el contrato con la

planta de fundición?

Solución

Costo/día Producción (tonelada/ día)

Minas
Alto Medio Bajo
X1 180 6 3 4
X2 160 1 1 6

Función objetivo

Min(Z) = 180X1+160X2

Restricciones

6X1+X2≥12

3X1+X2≥8

4X1+6X2≥24

X1; x2≥0
 20

Pasando de la forma canónica a la forma estándar:

6X1+X2-S1+A1=12

3X1+X2-S2+A2=8

4X1+6X2-S3+A3=24

Min(Z) = 180x1+160x2-0S1-0S2-0S3+MA1+MA2+MA3

Z-180X1-160X2+0S1+0S2+0S3-MA1-MA2-MA3=0

Utilizamos nuestro tablero de simplex

VARIABLE Z X1 X2 S1 S2 S3 A1 A2 A3 SOLUCION
Z 1 -180 -160 0 0 0 -M -M -M 0
A1 0 6 1 -1 0 0 1 0 0 12
A2 0 3 1 0 -1 0 0 1 0 8
A3 0 4 6 0 0 -1 0 0 1 24

VARIABLE Z X1 X2 S1 S2 S3 A1 A2 A3 SOLUCION
Z 1 -180+13M -160+8M -M -M -M 0 0 0 44M
A1 0 6 1 -1 0 0 1 0 0 12
A2 0 3 1 0 -1 0 0 1 0 8
A3 0 4 6 0 0 -1 0 0 1 24

VARIABLE Z X1 X2 S1 S2 S3 A1 A2 A3 SOLUCION
-
Z 1 -160+8M -M -M -M 0 0 0 44M
180+13M
A1 0 6 1 -1 0 0 1 0 0 12
A2 0 3 1 0 -1 0 0 1 0 8
A3 0 4 6 0 0 -1 0 0 1 24

VARIABLE Z X1 X2 S1 S2 S3 A1 A2 A3 SOLUCION
Z 1 -180+13M -160+8M -M -M -M 0 0 0 44M
X1 0 1 0.17 -0.17 0 0 0.17 0 0 2
A2 0 3 1 0 -1 0 0 1 0 8
A3 0 4 6 0 0 -1 0 0 1 24
 21

Primera iteración

1 -180+13M -160+8M -M -M -M 0 0 0 44M

X) 180-13M 0 180-13M 30-2.21M -30+2.21M 0 0 30-2.21M 0 0 360-26M
-
1 0 -30+1.21M -M -M 30-2.21M 0 0 360+18M
130+5.79M

0 3 1 0 -1 0 0 1 0 8
X) -3 0 -3 -0.51 0.51 0 0 -0.51 0 0 -6
0 0 0.49 0.51 -1 0 -0.51 1 0 2

0 4 6 0 0 -1 0 0 1 24
X) -4 0 -4 -0.68 0.68 0 0 -0.68 0 0 -8
0 0 5.32 0.68 0 -1 -0.68 0 1 16

VARIABLE Z X1 X2 S1 S2 S3 A1 A2 A3 SOLUCION
Z 1 0 -130+5.79M -30+1.21M -M -M 30-2.21M 0 0 360+18M
X1 0 1 0.17 -0.17 0 0 0.17 0 0 2
A2 0 0 0.49 0.51 -1 0 -0.51 1 0 2
A3 0 0 5.32 0.68 0 -1 -0.68 0 1 16

VARIABLE Z X1 X2 S1 S2 S3 A1 A2 A3 SOLUCION
Z 1 0 -130+5.79M -30+1.21M -M -M 30-2.21M 0 0 360+18M
X1 0 1 0.17 -0.17 0 0 0.17 0 0 2
A2 0 0 0.49 0.51 -1 0 -0.51 1 0 2
A3 0 0 5.32 0.68 0 -1 -0.68 0 1 16

VARIABLE Z X1 X2 S1 S2 S3 A1 A2 A3 SOLUCION
Z 1 0 -130+5.79M -30+1.21M -M -M 30-2.21M 0 0 360+18M
X1 0 1 0.17 -0.17 0 0 0.17 0 0 2
A2 0 0 0.49 0.51 -1 0 -0.51 1 0 2
X2 0 0 1 0.13 0 -0.19 -0.13 0 0.19 3.01
 22

Segunda iteración

1 0 -130+5.79M -30+1.121M -M -M 30-2.21M 0 0 360+18M

X) 130-5.79M 0 0 130-5.79M 16.90-0.75M 0 -24.70+1.1M -16.90+0.75M 0 24.70-1.10M 390-17.37M
1 0 0 -13.10+0.46M -M -24.70+0.1M 13.10-1.46M 0 24.70-1.10M 750-0.57M

0 1 0.17 -0.17 0 0 0.17 0 0 2

X)-0.17 0 0 -0.17 -0.02 0 0.03 0.02 0 -0.03 -0.51
0 1 0 -0.19 0 0.03 0.19 0 -0.03 1.49

0 0 0.49 0.51 -1 0 -0.51 1 0 2

X) -0.49 0 0 -0.49 -0.06 0 0.09 0.06 0 -0.09 -1.47
0 0 0 0.45 -1 0.09 -0.45 1 -0.09 0.53

VARIABLE Z X1 X2 S1 S2 S3 A1 A2 A3 SOLUCION
Z 1 0 0 -13.10+0.46M -M -24.70+1.10M 13.10-1.46M 0 24.70-1.10M 750-0.63M
X1 0 1 0 -0.19 0 0.03 0.19 0 -0.03 1.49
A2 0 0 0 0.45 -1 0.09 -0.45 1 -0.09 0.53
X2 0 0 1 0.13 0 -0.19 -0.13 0 0.19 3.01

VARIABLE Z X1 X2 S1 S2 S3 A1 A2 A3 SOLUCION
Z 1 0 0 -13.10+0.46M -M -24.70+1.10M 13.10-1.46M 0 24.70-1.10M 750-0.63M
X1 0 1 0 -0.19 0 0.03 0.19 0 -0.03 1.49
A2 0 0 0 0.45 -1 0.09 -0.45 1 -0.09 0.53
X2 0 0 1 0.13 0 -0.19 -0.13 0 0.19 3.01

VARIABLE Z X1 X2 S1 S2 S3 A1 A2 A3 SOLUCION
Z 1 0 0 -13.10+0.46M -M -24.70+1.10M 13.10-1.46M 0 24.70-0.10M 750-0.63M
X1 0 1 0 -0.19 0 0.03 0.19 0 -0.03 1.49
S1 0 0 0 1 -2.22 0.2 -1 2.22 -0.2 1.18
X2 0 0 1 0.13 0 -0.19 -0.13 0 0.19 3.01
 23

Tercera iteración

-
1 0 0 -M 13.10-1.46M 750-0.63M
13.10+0.46M -24.70+0.10M 0 24.70-1.10M
X) 13.10-
0.46M 0 0 0 13.10-0.46M -29.08+1.02M 2.62-0.09M 13.10+0.46M 29.80-1.02M 22.08-1.01M 15.46-0.54M
1 0 0 0 -29.08 -22.08 -M 29.80-1.02M 22.08-1.01M 765.46-1.11M

0 1 0 -0.19 0 0.03 0.19 0 -0.03 1.49

X) 0.19 0 0 0 0.19 -0.42 0.04 -0.19 0.4218 -0.04 0.22
0 1 0 0 -0.42 0.07 0 0.4218 -0.07 1.71

0 0 1 0.13 0 -0.19 -0.13 0 0.19 3.01

-0.13 0 0 0 -0.13 0.29 -0.03 0.13 -0.29 0.03 -0.15
0 0 1 0 0.29 -0.22 0 -0.29 0.22 2.86

VARIABLE Z X1 X2 S1 S2 S3 A1 A2 A3 SOLUCION
Z 1 0 0 0 -29.08 -22.08+0.01M -M 29.80-1.02M 22.08-1.01M 765.46-1.11M
X1 0 1 0 0 -0.42 0.07 0 0.42 -0.07 1.71
S1 0 0 0 1 -2.22 0.2 -1 2.22 -0.2 1.18
X2 0 0 1 0 0.29 -0.22 0 -0.29 0.22 2.86

La solución óptima consiste en:

 que la empresa X1 opere 1.71 días a la semana

 que la empresa X2 opere 2.86 días a la semana

Logrando a un 1.13 por encima de la producción mínima el costo total es de (765.46-

1.11M)
 24

1.2.2. MÉTODO GRÁFICO

1.2.2.1. DEFINICIÓN:
Consiste en representar las restricciones sobre unos ejes de coordenadas, para delimitar la

región dónde se encuentran las soluciones factibles. Las soluciones óptimas se encontrarán en

el perímetro del polígono resultante. Si nuestra función objetivo es una maximización y la

línea que delimita nuestro dominio no es convexa, entonces nuestro problema, bajo estas

condiciones, no tiene solución.

El método gráfico también llamado método geométrico nos permite resolver los problemas

de programación lineal de manera intuitiva y visual. Este método se encuentra limitado a

problemas de dos o tres variables de decisión ya que no es posible graficar más de tres

dimensiones.

Ejemplo: Problema de mezcla de productos.

Un fabricante está tratando de decidir sobre las cantidades de producción para dos

artículos: mesas y sillas. Se cuenta con 96 unidades de material y con 72 horas de mano de

obra. Cada mesa requiere 12 unidades de material y 6 horas de mano de obra. Por otra parte,

las sillas usan 8 unidades de material cada una y requieren 12 horas de mano de obra por

silla. El margen de contribución es el mismo para las mesas que para las sillas: $5.00 por

unidad. El fabricante prometió construir por lo menos dos mesas.

Paso 1: formulación del problema.

El primer paso para resolver el problema es expresarlo en términos matemáticos en el

formato general de PL.

¿Cuál es el objetivo? Es maximizar la contribución a la ganancia. Cada unidad de mesas o

sillas producidas contribuirá con $5 en la ganancia. Así las dos alternativas son la

producción de mesas y la producción de sillas.

Ahora puede escribirse la función objetivo:

 25

𝑀𝑎𝑥𝑖𝑚𝑖𝑧𝑎𝑟 𝑍 = 5𝑋1 + 5𝑋2

En donde: X1 = número de mesas producidas

X2 = número de sillas producidas

¿Cuáles son las restricciones o limitaciones del problema? Existen tres restricciones.

Primero, el material está limitado a 96 unidades. Cada mesa se lleva 12 unidades de material

y cada silla usa 8 unidades. La primera restricción es, entonces:

12X1 + 8X2 ≤ 96

La segunda restricción 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. Así:

6X1 + 12X2 c72

Existe una limitación más. El fabricante prometió producir por lo menos dos mesas. Esto

puede expresarse como:

X1 ≥ 2

Por último, 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
 26

Paso 2: gráfica de las restricciones.

El siguiente paso en el método gráfico es dibujar todas las restricciones en una gráfica.

Esto puede hacerse en cualquier orden. Por conveniencia se comenzará con las restricciones

de no negatividad. Éstas se muestran en la siguiente figura:

Referencia: (Sánchez M., 2004)

En esta gráfica, una solución se representaría por un punto con coordenadas x1 (mesas) y

x2 (sillas). Las coordenadas representarían las cantidades de cada artículo que se deben

producir. El cuadrante superior derecho se llama Región Factible puesto que es el único

cuadrante en que pueden estar las soluciones. Los otros tres cuadrantes no son factibles, ya

que requerirían la producción de cantidades negativas de mesas o de sillas o de ambas.

La siguiente restricción es x1 ≥ 2. La manera más sencilla de dibujar las restricciones de

recursos es en dos pasos: (1) convertir una desigualdad en una ecuación y graficar la

ecuación y (2) sombrear el área apropiada arriba y abajo de la línea que resulta en el paso
 27

1. Convertir una igualdad en una ecuación aquí significa ignorar la parte de “mayor que” o

“menor que” de la restricción.

Así, en el ejemplo, x1 ≥ 2 se convierte en x1 = 2. Esta ecuación está trazada en la siguiente

figura:

Referencia: (Sánchez M., 2004)

Cualquier punto en la línea x1 = 2 satisface la ecuación. Sin embargo, la restricción es más

amplia, ya que cualquier punto X1 > 2 también la cumplirá. Esto incluye todos los puntos que

están a la derecha de la línea X1 = 2. Entonces, la región factible incluye todos los valores de

x1 que están sobre o a la derecha de la línea X1 = 2.

La limitación sobre las horas de mano de obra es la siguiente restricción. Como antes,

primero se convierte en una ecuación: 6 X1 + 12 X2 = 72. Puede graficarse esta línea si se

encuentran dos puntos sobre ella. El par de puntos más sencillos de localizar son las
 28

intersecciones con los ejes X1 y X2. Para encontrar la intersección con el eje X2 se hace X1

= 0. La ecuación se reduce, entonces, a:

12X2 = 72

X2 = 6

La intersección con el eje X1 se encuentra haciendo X2 = 0. Así:

6X1 = 72

X1 = 12

Estos dos puntos y la línea que los une se muestran en la siguiente figura:

Referencia: (Sánchez M., 2004)

Cualquier punto que está sobre o abajo de esta línea cumplirá con la restricción. Cualquier

punto arriba de esta línea requerirá más de 72 horas de mano de obra y no es aceptable. En la

siguiente figura se combina esta restricción con la anterior. En la región factible, ambas

restricciones se cumplen.
 29

Referencia: (Sánchez M., 2004)

La última restricción es la de material. Siguiendo el procedimiento anterior, primero se

encuentran las intersecciones para la igualdad. Éstas son x1 = 0, x2 = 12 y x1 = 8, x2 =0. Se

localizan los dos puntos en la gráfica; se traza la línea, y como la restricción es del tipo menor

o igual que, se sombrea el área que está abajo de la línea. El resultado se muestra en la

siguiente figura:
 30

Referencia: (Sánchez M., 2004)

Cualquier solución que esté en la frontera o dentro del área sombreada cumplirá con todas

las restricciones. Ahora se utilizará la función objetivo para seleccionar la solución óptima.

Pasó 3: obtención de la solución óptima: líneas de indiferencia.

Para encontrar la solución óptima, se grafica la función objetivo en la misma gráfica de las

restricciones. La función objetivo en este problema es Z = 5X 1 + 5X2. Como todavía no se

conoce el máximo valor factible de Z, no puede trazarse el óptimo de la función objetivo. No

obstante, es posible suponer algunos valores para Z y graficar las líneas resultantes. En la

siguiente figura se muestran las líneas para Z = 25 y Z = 50:

 31

Referencia: (Sánchez M., 2004)

Las líneas de este tipo se llaman líneas de indiferencia, porque cualquier punto sobre una

línea dada da la misma ganancia total. Nótese que la distancia perpendicular del origen a la

línea aumenta al aumentar el valor de Z. También, todas las líneas de indiferencia son

paralelas entre sí. Estas propiedades gráficas pueden usarse para resolver el problema.

En la siguiente figura, se ilustran todas las restricciones y las dos líneas de indiferencia

supuestas. En la gráfica puede observarse que la línea de indiferencia para Z = 50 está

completamente fuera de la región factible. Para Z = 25, parte de la línea cae dentro de la

región factible. Por tanto, existe alguna combinación de X1 y X2 que satisface todas las

restricciones y da una ganancia total de $25. Por inspección, puede observarse que hay

ganancias más altas que son factibles.

 32

Referencia: (Sánchez M., 2004)

Imaginando que la línea de indiferencia Z = 25 se mueve hacia la línea Z = 50, de las

propiedades de la gráfica que se hicieron notar antes, el punto óptimo estará sobre la línea de

indiferencia más lejana al origen pero que todavía toque la región factible. Esto se muestra en

la siguiente figura:

Referencia: (Sánchez M., 2004)

 33

Con el punto óptimo localizado gráficamente, la única tarea que queda es encontrar las

coordenadas del punto. Nótese que el punto óptimo está en la intersección de las líneas de

restricción para materiales y horas de mano de obra. Las coordenadas de este punto se pueden

encontrar resolviendo el sistema de ecuaciones que forman estas dos restricciones utilizando

cualquiera de los métodos de solución (suma y resta, sustitución o igualación).

Las coordenadas de este punto resultan ser (6, 3). La sustitución de este punto en la

función objetivo da la ganancia máxima:

Z = 5(6) + 5(3) = $45

1.2.2.2. PROBLEMAS DESARROLLADOS USANDO MÉTODO GRAFICO

1.2.2.2.1. EJERCICIO N° 01

Un ingeniero necesita optimizar la producción de dos frentes de trabajo en la cual se extrae

cobre y luego pasar a otros frentes; el primer frente produce 6 Tn de alta ley por día, 3 Tn de

media ley, y 4Tn de baja ley, el segundo frente produce 1Tn de alta ley, 1 Tn de media ley y

6 Tn de baja ley. El ingeniero, por orden de sus superiores, necesita abastecer semanalmente

( de ambos frentes de trabajo) a la planta de beneficio por lo menos con, 12 toneladas de

mineral de cobre de alta ley, 8 Tn de media ley y 24 de baja ley, cada uno de los frentes tiene

diferentes procesos de producción. En el primer frente el costo es de 180$, mientras que el

segundo cuesta 160$.

¿Cuantos días a la semana deberían de operar cada frente para cumplir con las exigencias?
 34

SOLUCIÓN

Minz= 180X1+160X2

Restricciones

6X1 + X2 ≥ 12

3X1 + X2 ≥ 8

4X1 + 6X2 ≥24

X1; X2 ≥ 0

 6X1 + X2 = 12……………………….(1)
X1 = 0 ; X2 = 12

X1 = 2 ; X2 = 0

 3X1 + X2 = 8………………………….(2)
X1 = 0 ; X2 = 8

X1 = 2.67 ; X2 = 0

 4X1 + 6X2 = 24……………………….(3)

X1 = 0 ; X2 = 4

X1 = 6 ; X2 = 0

Sumamos la ecuación 1 y 2
 35

6X1 + X2 = 12 6X1 + X2 = 12

3X1 + X2 = 8 (-2) -6X1 - 2X2 = -16

-X2 = -4

X2 = 4

X1 = 1.33

Sumamos la ecuación 2 y 3

3X1 + X2 = 8 (-6) -18X1 - 6X2 = -48

4X1 + 6X2 = 24 4X 1 + 6X2 = 24

-14X1 = -24

X1 = 1.71

X2 = 2.86
 36

Remplazando con los datos obtenidos

Min (Z)= 180X1+160X2

Min (Z) = 180(1.71) + 160(2.86)

Min (Z) = 765.4

 37

CAPITULO II

2.1. CONCLUSIONES

 El método grafico nos permite resolver problemas de programación lineal de manera

intuitiva y visual

 Con el marco teórico se dio a conocer de manera precisa el funcionamiento del método

simplex y su aplicación en la minería.

 Se hizo una comparación con el método grafico obteniendo por ambos métodos los

mismos resultados.

 Mediante los ejercicios de aplicación logramos clasificar de manera adecuada las

variables a analizar, para luego dar una solución adecuada al problema. Este objetivo

va ligado a que se aplique en la problemática relacionada con la conducción y

coordinación de actividades en una organización en donde su naturaleza se tiene en

cuenta ya que este método es aplicable a todo tipo de actividad comercial como

manufactura transporte telecomunicación planeación, industria minera entre otras.

 Se pretende implementar este método en nuestra vida laboral teniendo en

cuenta sus condiciones y restricciones.

 38

CAPITULO III

3.1. RECOMENDACIONES

 Determinar las restricciones del problema para determinar la maximización y

minimización de utilidades

 las gráficas de las restricciones dibujar en escala.

 La actividad minera sigue siendo uno de los grandes pilares que sostiene la economía

de nuestro país, lo que requiere la optimización de operaciones en tal sentido

tenemos que estar actualizados en temas de programación lineal y los software

respectivos, para enfrentarnos al mundo competitivo.

 Emplear en nuestra vida diaria situaciones de optimización en maximizar o

minimizar recursos, lo cual no permitirá desenvolvernos de manera eficaz y

eficiente en nuestro campo laboral.

 39

CAPITULO IV

8. BIBLIOGRAFIA.

 Sánchez M., C. (2004). INVESTIGACIÓN DE OPERACIONES I. Costa Rica:

ESCUELA DE INGENIERÍA INDUSTRIAL.

 SIGRID NOHEMI GALICIA PÉREZ (2013). MODELO MATEMÁTICO

DETERMINÍSTICO SIMPLEX PARA OPTIMIZAR LOS RECURSOS EN UNA

DISTRIBUIDORA DE MATERIA PRIMA

 GUILLERMO JIMÉNEZ LOZANO VÍCTOR MANUEL QUESADA

IBARGÜEN (2013). EJERCICIOS. UNIVERSIDAD NACIONAL DE
COLOMBIA