Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
21
Unidad 1
22
Investigacin de operaciones
Ejemplo 1
Verten de Mxico desea aumentar recursos de sistemas computacionales
para el departamento de contabilidad. En la actualidad cuenta con ocho
computadoras PC Pentium a 233 Mhz, con 64 MB en RAM y discos
duros de 1.2 GB. El ingeniero en sistemas debe tomar una decisin sobre
cul de las siguientes opciones es la que ms conviene:
a) Aumentar la memoria de 64 a 128 MB, colocar discos duros de 9.7
GB, cambiar de microprocesador a uno con velocidad de 600 Mhz.
23
Unidad 1
Ejemplo 2
Una fbrica de medicamentos produce dos tipos de pastillas, un
analgsico y un antihistamnico. La fbrica opera 48 horas a la semana
y emplea a ocho trabajadores de tiempo completo y cuatro de tiempo
parcial que generan 300 horas de trabajo en el rea de produccin.
Despus del proceso de produccin, las medicinas tienen que ser
empaquetadas, en este departamento trabajan seis personas de tiempo
completo y dos de tiempo parcial que en total producen 250 horas.
Para fabricar 1 000 pastillas del tipo analgsico se requieren tres
horas de fuerza de trabajo en el departamento de produccin y una
en empaquetado; para producir 1 000 pastillas del tipo antihistamnico
se requieren dos horas de fuerza de trabajo en el departamento de
produccin y 1.5 horas en empaquetado.
No se tienen problemas con la materia prima y se pueden vender hasta
10 000 pastillas de analgsicos y 12 000 de antihistamnicos. Se sabe
que cada uno de los analgsicos deja una ganancia de $ 0.23 por pastilla,
mientras que los antihistamnicos $ 0.13. Cul es la combinacin de
pastillas que optimiza la ganancia de la empresa?
24
Investigacin de operaciones
Ejercicio 2
1. Relaciona las siguientes columnas.
a) Resuelve problemas
de tipo operacional.
( ) Administracin de operaciones.
b) Toma de decisiones.
( ) La I. O.
c) Resuelve problemas
de tipo administrativo.
( ) El ingeniero.
Morse, P.M. y G.E. Kimball, Methods of Operations Research, Nueva York: John Wiley & Sons.
25
Unidad 1
26
Investigacin de operaciones
Asignacin de recursos.
Redes de distribucin.
Programacin lineal.
Programacin no lineal.
Inventarios.
Lneas de espera.
Redes.
27
Unidad 1
28
Investigacin de operaciones
Ejemplo 3
La empresa Patito produce dos tipos de detergente, uno para ropa blanca
y otro para ropa de color. El detergente de ropa blanca deja una ganancia
de $ 2.00 por litro vendido, mientras que el de ropa de color deja una
ganancia de $ 3.00. La empresa slo puede producir 10 litros del de color
y 15 del de ropa blanca al da. Los vendedores pueden vender como
mximo 15 litros de detergente al da sin importar de cul se trate. Cul
es la combinacin que maximiza las ganancias de la empresa?
Primero hay que identificar las variables.
Variables controlables.
Sea x la cantidad en litros producida del detergente para ropa blanca.
Sea y la cantidad en litros producida del detergente para ropa de color.
Ahora escribimos los datos:
La ganancia por litro vendido del detergente para ropa blanca $ 2.00.
La ganancia por litro vendido del detergente para ropa de color $ 3.00.
29
Unidad 1
30
Investigacin de operaciones
Maximizar f ( x, y ) 2 x 3 y sujeto a
x 15
y 10
x y 15
x, y 0
En el ejemplo anterior, el modelo que se obtuvo es de tipo programacin
lineal, el cual est formado por una funcin objetivo y una serie de
desigualdades o igualdades que tienen la caracterstica de limitar el
valor de las variables controlables.
Ejercicio 3
1. Son las variables del problema que puedo medir.
a) Variables no controlables.
b) Variables controlables.
c) Datos.
d) Funcin objetivo.
2. Son las variables de tipo aleatorio o que no podemos modificar.
a) Variables no controlables.
b) Variables controlables.
c) Datos.
d) Objetivos.
3. Cantidades relacionadas con nuestro proceso que no cambian de
valor.
a) Variables no controlables.
b) Variables controlables.
c) Funciones.
d) Datos.
31
Unidad 1
32
Investigacin de operaciones
Ejemplo 3 (continuacin 1)
El modelo que obtuvimos es:
Maximizar f ( x, y ) 2 x 3 y sujeto a
x 15
y 10
x y 15
x, y 0
Utilizando el mtodo grfico (Unidad 4) se encuentra la siguiente
solucin ptima.
x = 5,
y = 10
33
Unidad 1
34
Investigacin de operaciones
Ejemplo 3 (continuacin 2)
En el caso de la fbrica de detergente se obtuvo que la solucin ptima es:
x = 5 y y = 10, esto es, producir 5 litros de detergente para ropa blanca
y 10 litros de detergente para ropa de color da una ganancia de $ 40.00.
Observamos que esta combinacin es factible, ya que cumple con todas
las restricciones de nuestro problema:
x es menor a 15 litros.
y es igual a 10 litros.
La suma de x + y es igual a 15.
Tanto x como y son positivas.
Pero, qu pasa si la empresa adquiere una mquina con la que puede
producir hasta 12 litros de detergente para ropa de color? En este
caso debemos replantear nuestro modelo, el cual queda de la siguiente
forma:
Maximizar f ( x, y ) 2 x 3 y sujeto a
35
Unidad 1
x 15
y 12
x y 15
x, y 0
Que tiene por solucin:
x = 3,
y = 12
Ejercicio 4
1. El mtodo para resolver problemas lineales es:
a) Multiplicadores de Lagrange.
b) Mtodo smplex.
c) Mtodo de gradiente conjugado.
d) Mtodo de mximo descenso.
2. Debido a la gran cantidad de operaciones que involucra la solucin de
un problema de I. O. stos se tienen que resolver:
a) Usando logaritmos.
b) En computadoras.
c) Por matemticos.
d) Analticamente.
3. Una vez que se tiene la solucin ptima del problema de I. O. Entonces
debemos:
a) Justificar.
b) Implementar.
c) Modificar.
d) Validar.
36
Investigacin de operaciones
37
Unidad 1
38
Investigacin de operaciones
Programacin no lineal
Cuando la funcin objetivo o las restricciones son no lineales, tenemos
un problema de programacin no lineal. Este tipo de modelos se obtienen
cuando las relaciones entre las variables y los datos no son lineales, por
ejemplo:
Problemas de mezcla de productos con elasticidad en los precios.
Problema de transporte con descuentos por volumen en los precios
del embarque.
Seleccin de una cartera de inversiones riesgosas.
Mtodo grfico.
Mtodo de mximo descenso.
Mtodo de multiplicadores de Lagrange.
Mtodo de gradiente conjugado.
39
Unidad 1
40
Investigacin de operaciones
Permite tomar decisiones del tipo global; esto es, decisiones que
tomen en cuenta los puntos de vista de cada uno de los
departamentos de la empresa.
Resumen
En esta unidad estudiamos los orgenes, metodologa y usos de la I. O.
Definimos que la administracin de operaciones, se encarga de resolver
problemas de tipo estratgico, mientras que la I. O. resuelve problemas
de tipo operacional. Para estudiar la metodologa de la I. O. se sigue el
siguiente esquema:
41
Unidad 1
42
Investigacin de operaciones
43
Unidad 1
44
Investigacin de operaciones
Introduccin
51
Unidad 2
Ejemplo 1
En Francia existe un tnel de viento donde se prueban los fuselajes
de los aviones para determinar su resistencia al viento y a las
turbulencias. Sera muy costoso construir un tnel de viento lo
suficientemente grande para probar un avin de dimensiones reales,
adems resultara muy costosa la construccin del prototipo. En lugar
de hacer esto, se construyen modelos a escala de los aviones que se
desean probar.
Ejemplo 2
En una empresa se tiene una lnea de produccin que consta de 12
pasos, si queremos mostrar esta lnea de produccin a un grupo de
inversionistas para inducirlos a la compra de acciones de la compaa,
sera complicado llevarlos directamente a la lnea de produccin, ya que
el ruido y los obreros no permitiran una buena comunicacin; en su
lugar podemos construir un diagrama de flujo que represente la lnea de
produccin.
Ejemplo 3
Una compaa que fabrica pasta dental desea saber cuntas personas
en Mxico conocen su producto. Una forma de saberlo es preguntarle
a cada mexicano, lo que resultara muy costoso para la empresa, en
su lugar podemos utilizar un modelo estadstico que nos permita
hacer la pregunta solamente a un grupo reducido (muestra), y
con base en los resultados inferir el comportamiento en toda la
poblacin.
Cada uno de los ejemplos anteriores, representa un tipo de modelo,
el primero es un modelo tangible construido en tres dimensiones, el
segundo utiliza un esquema que es anlogo a la lnea de produccin
mientras que el ltimo es un modelo matemtico para representar la
realidad.
52
Investigacin de operaciones
53
Unidad 2
Modelos matemticos
Este tipo de modelos representan la realidad mediante smbolos y
cantidades relacionadas matemticamente; por ser abstractos no estn
restringidos a un nmero especfico de dimensiones, ya que podemos
manejar tantas variables como queramos. Un ejemplo de este tipo de
modelo simblico es una ecuacin, la cual puede representar las relaciones
entre el tiempo que tarda en caer un cuerpo y el valor de la velocidad
inicial, la masa del cuerpo, la friccin del aire, la temperatura, etctera.
Ejemplos de modelos matemticos:
La ecuacin de la relatividad de Einstein, E = mc2
La segunda ley de Newton, F = ma
t
La funcin de costos de un proceso, C (t ) 1 000
2
El modelo de programacin lineal de un problema de
optimizacin.
Zmx = 10x + 50y
2x + 3y < 5
7x 14y > 6
x, y > 0
54
Investigacin de operaciones
Ejercicio 1
1. Un modelo matemtico es:
a) Una ecuacin.
b) Un avin a escala.
c) Una fotografa.
d) Un diagrama de flujo.
2. Un ejemplo de un modelo icnico es:
a) Una ecuacin.
b) Un avin a escala.
c) Una frmula qumica.
d) Un diagrama de flujo.
3. Es una abstraccin simplificada de la realidad:
a) Un problema.
b) Un experimento.
c) Un modelo.
d) Una hiptesis.
4. Escribe la definicin de modelo
____________________________________________________________________________________________________________________________________________.
5. De la clasificacin de modelos, cul es el tipo de modelo que se
utiliza para resolver problemas en I. O.?
______________________________________________________________________.
55
Unidad 2
56
De programacin lineal.
Del problema de transporte.
De redes.
De lneas de espera.
Investigacin de operaciones
El tipo de variables.
El tipo de restricciones.
El tipo de funcin objetivo.
Tipo de distribucin de llegadas y de servicio.
Nmero de lneas.
Costos de produccin.
Ganancias.
Costos de transporte.
Recursos limitados.
57
Unidad 2
Ejemplo 4
La empresa NINTEN se dedica a la fabricacin de impresoras.
Producen tres modelos distintos, la impresora de matriz de puntos,
la lser y la de inyeccin de tinta. El ingeniero de produccin
decidir sobre el nmero de impresoras (de cada tipo) que deben
fabricar. Para ello debe tomar en cuenta los datos contenidos en la
siguiente tabla:
Tabla 1
58
Investigacin de operaciones
59
Unidad 2
60
Investigacin de operaciones
Estos factores son los que se deben ver reflejados en la funcin objetivo,
la cual debe medir de una manera matemtica los costos o utilidades de
producir y vender una combinacin de productos.
61
Unidad 2
62
Investigacin de operaciones
63
Unidad 2
30 IM 40 IT 60 IL
Pero este tiempo debe ser a lo ms de 265 horas. Para representarlo
matemticamente, primero se convierten 265 horas en minutos (para
trabajar con las mismas unidades)
60 min
265hr
15 900 mn
1hr
Con lo cual la restriccin se escribe como:
30 IM 40 IT 60 IL 15 900
Restriccin externa. Para asegurarnos que todas las impresoras
producidas sean vendidas, la cantidad de IM debe ser menor o igual
a 100, las de IT debe ser menor o igual a 80 y las IL deben ser a lo
ms 50. Para escribir esto en forma matemtica:
IM 100
IT 80
IL 50
Restricciones lgicas o condicin de no negatividad de las
variables. No podemos producir cantidades negativas de impresoras
y en este caso, tampoco podemos producir fracciones de ellas, por
tanto, los valores de las variables deben ser enteros positivos:
IM 0
IT 0
IL 0
IM , IT , IL Z
64
Investigacin de operaciones
Funcin objetivo
Z mx = 800 IM 700 IT 1 000 IL
sujeto a las restricciones:
1 000 IM 1 500 IT 2 400 IL 595 000
30 IM 40 IT 60 IL 15 900
IM 100
IT 80
IL 50
Con condicin de no negatividad:
IM 0
IT 0
IL 0
Adems: IM , IT , IL
Ejercicio 2
1. Escribe la definicin de un modelo de programacin lineal.
______________________________________________________________________________________________________________________________________.
2. Los modelos que vamos a utilizar en I. O. son:
a) Modelos icnicos.
b) Modelos simblicos o matemticos.
c) Modelos crticos.
d) Modelos analgicos.
65
Unidad 2
66
Investigacin de operaciones
67
Unidad 2
68
Investigacin de operaciones
t p 4t to
6
Donde:
te = tiempo esperado.
t p = tiempo pesimista.
t = tiempo probable.
to = tiempo optimista.
Creacin de la red de proyectos
Para comenzar a disear la red de proyectos, primero se realiza una tabla
que muestre la relacin de precedencia** de cada uno de los procesos. Por
ejemplo, en el proyecto de preparar a los astronautas, el primer proceso
* Para ms detalles consultar Spiegel, Estadstica, McGraw-Hill.
** Precedencia: Antelacin, prioridad de una cosa con respecto a otra en el tiempo o en el espacio
(Larousse 2000).
69
Unidad 2
Figura 2.1.
Ahora, para construir la red se dibuja un nodo con el nmero cero, el cual
indica el inicio de nuestro proyecto. Tomando como punto de partida este
nodo, se dibujan los nodos que no son precedidos por ningn otro; stos
se unen con el nodo cero mediante arcos de flecha, los cuales se nombran
con la etiqueta del proceso como se muestra en la figura 2.2.
Figura 2.2.
El nodo uno representa un punto en el tiempo, en el cual el proceso A
ya se concluy, por lo tanto, a partir de este punto se dibujan los nodos
que representen los procesos que siguen al proceso A. Esto se facilita
si observamos la tabla de precedencia, supongamos que el proceso que
sigue a A es B como se muestra en la figura 2.3.
70
Investigacin de operaciones
Figura 2.3.
Y que al proceso C le sigue el proceso D, si se aaden estos dos procesos,
se obtiene el esquema presentado en la figura 2.4.
Figura 2.4.
Se contina de esta manera hasta representar todos los procesos del
proyecto. Finalmente, se coloca el nodo que represente el final del
proyecto. Si algunos de los nodos no estn unidos con otros para que la
red se cierre, se colocan procesos artificiales, los cuales se representan
con una lnea punteada y se les asigna un tiempo nulo. Con esto se
obtiene una red que representa los pasos a seguir en la elaboracin
del proyecto. En la figura 2.5., se muestra el ejemplo de una red de
proyecto:
Figura 2.5.
Por ltimo, se colocan los tiempos estimados para cada proceso, con esto
se obtiene una red que representa el proyecto (figura 2.6.), la cual va a
permitir posteriormente buscar la ruta crtica, para tratar de optimizar
el tiempo de terminacin del proyecto. Esto ltimo se estudiar en la
unidad 10.
71
Unidad 2
Figura 2.6.
Ejemplo 5
Para poder generar energa elctrica en una planta termoelctrica, se
utiliza la energa qumica que tiene el combustleo para calentar el
agua y convertirla en vapor sobrecalentado, el cual proporciona la
presin necesaria para mover las turbinas, las cuales lo convierten en
energa mecnica que es trasmitida al generador elctrico. El proyecto de
convertir el agua en vapor para generar energa elctrica, consta de los
siguientes procesos:
72
Investigacin de operaciones
Etiqueta
A
B
C
D
E
F
G
H
Tiempo (minutos)
30
120
65
50
25
5
35
5
Procesos precedentes
Ninguno
A
H, B
C
D
E
Ninguno
G
Figura 2.7.
73
Unidad 2
74
Investigacin de operaciones
75
Unidad 2
76
Investigacin de operaciones
Ejemplo 6
Pensemos en una clnica de consulta externa donde atienden dos
doctores. El horario de atencin es de 8 a.m. a 5 p.m. El tiempo de
consulta por paciente oscila entre 6 y 30 minutos. Los pacientes llegan a
la clnica de manera aleatoria, con una frecuencia dada por la siguiente
tabla:
Nm. de pacientes por hora
6
7
8
9
10
Frecuencia
20%
30%
25%
15%
10%
77
Unidad 2
Ejercicio 3
1. Es el nombre que se les da a las variables cuyo valor depende del
azar.
a) Discreta.
b) Aleatoria.
c) Continua.
d) Determinstica.
2. Es el proceso de anlisis de proyectos que utiliza tiempos aleatorios.
a) PERT
b) CPM
c) PETR
d) PCM
3. Proceso donde los clientes deben esperar ser atendidos por una
estacin de servicio.
a) Redes.
b) Programacin lineal.
c) Inventarios.
d) Lneas de espera.
78
Investigacin de operaciones
79
Unidad 3
92
Investigacin de operaciones
93
Unidad 3
y 1 j m
Como los recursos son limitados, las restricciones sern vlidas tanto para
las personas como para las empresas. Si denotamos por: b1, b2, ..., bm las
disponibilidades mximas de cada uno de los recursos de las m etapas
del proceso productivo, entonces debemos reconocer que el nmero de
unidades producidas de cada tipo de bien deber estar limitado por la
disponibilidad mxima de los recursos que se requieren para la produccin
total. Esta condicin expresada matemticamente toma la forma de un
conjunto de m desigualdades con n variables:
a11 x1 + a12 x2 + ... + a1n xn b1
a21 x1 + a22 x2 + ... + a2n xn b 2
am1 x1 + am2 x2 + ... + amn xn bm
Una restriccin adicional al conjunto de desigualdades es la condicin de
no negatividad. Esto significa que las variables xi con i = 1, 2, ..., n, siempre
debern tomar un valor positivo o cero; es decir: xi 0, con i = 1, 2, ... n.
94
Investigacin de operaciones
95
Investigacin de operaciones
99
Unidad 3
Ejemplo 2
La fbrica de chocolates La Azteca elabora dos tipos de productos; el
chocolate dulce y el amargo. Para producir una tonelada de chocolate
amargo necesita 700 horas de mano de obra. Para hacer la misma
cantidad de chocolate dulce requieren slo 500 horas.
Debido a recientes ajustes que se han hecho en la plantilla de personal,
slo se puede disponer de 60 000 horas de mano de obra al mes; adems,
se sabe que ser necesario producir cuando menos 8 toneladas mensuales
de chocolate, independientemente de la proporcin en cuanto a los
sabores que se produzcan. Es importante tomar en consideracin que la
demanda de chocolate dulce es el doble de la del chocolate amargo, por
lo tanto, este criterio deber ser tomado en cuenta cuando se disee el
esquema de produccin.
Si cada tonelada de chocolate amargo deja una utilidad de $ 1 000 y cada
tonelada de chocolate dulce de $ 1 500, cuntas toneladas de cada sabor
de chocolate se deben producir, si se espera que la utilidad sea mxima?
Denotemos con la letra x el nmero de toneladas que se desean producir
del chocolate dulce, y con la letra y el nmero de toneladas de chocolate
sabor amargo. La funcin objetivo, misma que describe la utilidad del
fabricante y que deseamos sea mxima, est dada por:
Z mx 1 000 x 1 500 y
Por lo que a las restricciones se refiere, stas se pueden expresar de la
manera siguiente:
La produccin mnima debe ser de 8 toneladas; por lo tanto, la
suma de las dos cantidades a producir debe ser mayor o igual que
8; donde:
x+y8
La especificacin de la demanda nos dice que la cantidad de
chocolate dulce debe ser el doble que la del chocolate amargo; por
lo tanto:
x 2y = 0
100
Investigacin de operaciones
Ejercicio 2
1. Una compaa lder en la fabricacin de aparatos elctricos tiene una
planta de ensamblado en el Estado de Mxico donde produce televisores
de 14, 20, 27 y 29 pulgadas. Para esto cuenta con una lnea automatizada
que ensamblan las partes ms pequeas. Esta lnea puede trabajar hasta
5 000 horas a la semana.
Adems, cuenta con una plantilla de personal operativo de 4 800 horas
a la semana de trabajo efectivo. En la tabla siguiente se muestran la
utilidad, el tiempo de mano de obra requerido en el proceso y el tiempo
consumido en la lnea automatizada de ensamble. Todo esto de acuerdo
con el tamao de televisor que se est fabricando.
Una restriccin adicional es que la empresa no debe producir ms de
3 000 televisores a la semana.
101
Investigacin de operaciones
Introduccin
125
Unidad 4
y y0
x x0
Ejemplo 1
Obtener la grfica de la ecuacin 3x 2y = 8.
Sabemos que dados dos puntos, slo existe una recta que pasa por ellos,
por lo tanto, basta conocer estos dos puntos que pertenecen a la lnea
recta para poderla trazar.
126
Investigacin de operaciones
Ejercicio 1
1. La pendiente de una lnea recta es ______________________ del ngulo
de inclinacin.
2. Euclides defini la lnea recta como _____________________ms corta
entre dos puntos en el plano.
127
Unidad 4
c) 0,
3
d) 0,
10
y
x
y
x
y
x
b)
c)
d)
128
Investigacin de operaciones
Figura 4.2.
En este caso los puntos de la recta no pertenecen al conjunto solucin, ya
que estos puntos hacen que se cumpla la igualdad y no la desigualdad.
En los modelos de I. O. generalmente se permiten ambos, es decir, la
igualdad y la desigualdad. Esto lo denotamos utilizando los smbolos
< (menor o igual que) o > (mayor o igual que). En estos casos la lnea
recta pertenece al conjunto solucin y se marca como una lnea continua.
Si queremos graficar una desigualdad lineal, se procede como sigue:
1. Graficar la igualdad asociada a la restriccin. Con esto obtenemos una
lnea recta, la cual divide al plano cartesiano en dos regiones.
2. Para saber cul de las dos regiones satisface la desigualdad, tomamos
un punto cualquiera del plano cartesiano. Este punto se sustituye en la
desigualdad.
129
Unidad 4
Ejemplo 2
Obtener la grfica de la desigualdad 5x1 + 3x2 < 10
1. Se traza la grfica de la igualdad asociada: 5x1 + 3x2 = 10
2. Se toma un punto, por ejemplo, (5, 10) que est por encima de la
recta.
3. Lo sustituimos en la desigualdad 5(5) + 3(10) < 10 y verificamos que
sta se cumpla:
5(5) + 3(10) < 10
25 + 30 < 10
55 < 10
Observamos que esta expresin es falsa, por lo tanto se toma la
regin que no incluye al punto seleccionado. Esto quiere decir que la regin
solucin es la sombreada en la siguiente figura:
130
Investigacin de operaciones
Figura 4.3.
Ejemplo 3
Obtener la grfica de la desigualdad 2x1 + 3x2 < 6
1. Se traza la grfica de la igualdad asociada 2x1 + 3x2 = 6
131
Unidad 4
Figura 4.4.
Ejemplo 4
Obtener la grfica de la desigualdad 2x1 + 6x2 > 12
1. Se traza la grfica de la igualdad asociada.
132
Investigacin de operaciones
Figura 4.5.
Ejercicio 2
1. La grfica de la desigualdad 3x1 5x2 > 15 es:
133
Unidad 4
x2
y1
b)
x2
x1
134
Investigacin de operaciones
135
Unidad 4
Ejemplo 5
Obtener la regin de soluciones factibles del siguiente conjunto de
desigualdades.
3x1 + 2x2 < 6
x1 + x 2 > 0
Graficamos por separado cada una de las desigualdades y obtenemos:
3x1 + 2x2 < 6
x1 + x 2 > 0
136
Investigacin de operaciones
1+1>0
2>0
4+5>0
9>0
Verdadero
137
Unidad 4
Ejemplo 6
Obtener la regin factible del siguiente conjunto de desigualdades.
3x1 + 2x2 < 18
x2 < 6
x1 < 4
x1 > 0
x2 > 0
a) Graficamos la primera desigualdad que es 3x1 + 2x2 < 18
138
Investigacin de operaciones
6
3
3
6
139
Unidad 4
Figura 4.6.
140
Investigacin de operaciones
Ejemplo 7
Obtener la regin factible del siguiente problema de P. L.
s.a.: Z mx = 3x1 + x2
3x1 + 2x2 < 12
x1 + x2 > 1
x2 < 3
x1 > 0
x2 > 0
Graficamos cada una de las desigualdades:
3x1 + 2x2 < 12
(1)
x2 0
3(0) 2 x2 12
3 x1 2(0) 12
12
6
2
(0, 6)
12
4
3
(4, 0)
x2
x1
141
Unidad 4
142
x1 0
x2 0
0 x2 1
x1 0 1
x2 1
x1 1
(0, 1)
(1, 0)
(2)
Investigacin de operaciones
(3)
143
Unidad 4
x1
2
3
4
144
Investigacin de operaciones
Para saber cul de los cinco vrtices es el punto solucin ptima, tenemos
que graficar la funcin objetivo. Para hacerlo, tomamos un punto arbitrario
de la regin factible y lo sustituimos en la funcin objetivo para obtener un
valor inicial. Por ejemplo, tomemos el punto (2, 2).
Z mx=3x1 + x2
Z(2, 2)=3(2) + 2
Z(2, 2)=8
Ahora buscamos todos los puntos del plano para los cuales la funcin
objetivo tiene el valor 8. Estos puntos los encontramos graficando la
ecuacin 3x1 + x2=8
145
Unidad 4
146
Investigacin de operaciones
Ejemplo 8
Recordemos que en la primera unidad se plante el siguiente problema:
La empresa Patito produce dos tipos de detergentes, uno para ropa blanca
y otro para ropa de color. El detergente de ropa blanca deja una ganancia
de $ 2 por litro vendido, mientras que el de ropa de color deja una
ganancia de $ 3. La empresa slo puede producir 10 litros del de color
y 15 del de ropa blanca al da. Los vendedores pueden vender como
mximo 15 litros de detergente al da sin importar de cual se trate. Cul
es la combinacin que maximiza las ganancias de la empresa?
El modelo de programacin lineal asociado es:
Z mx = 2x + 3y
s.a.: x + y < 15
(1)
x < 15
(2)
y < 10
(3)
x>0
(4)
y>0
(5)
147
Unidad 4
y
20
1
15
10
3
5
10
15
20
2x
148
Investigacin de operaciones
149
Unidad 4
Ejercicio 3
1. Un modelo de P. L. est formado por una funcin _________________
que se tiene que maximizar o minimizar.
2. El mtodo grfico se utiliza para resolver problemas en __________
dimensiones.
3. El rea donde coinciden todas las grficas de las desigualdades se
llama:
a) Solucin.
b) Regin factible.
c) Regin no factible.
4. Si la regin factible es acotada, lo que obtenemos es un:
a) Cuadrado.
b) Tringulo.
c) Polgono irregular.
5. Los candidatos a solucin del problema son:
a) Los puntos interiores.
b) Los puntos exteriores.
c) Los vrtices.
6. Obtener la regin factible del siguiente modelo de programacin
lineal, adems de la solucin ptima con el valor de Z mx:
Zmx = 4x1 + x2
s.a.: 6x1 + 2x2 < 12
x1 + 2x2 > 1
x2 < 3
x1 > 0
x2 > 0
150
Investigacin de operaciones
Ejemplo 9
x x 1
Resolver el siguiente problema de P.1 L. 2
x2 3
Zmn = 3x1 + x2x1 0
x2 0
s.a.:
151
Unidad 4
152
Investigacin de operaciones
Ejercicio 4
Obtener la regin factible de los siguientes modelos de programacin
lineal, adems de la solucin ptima
1. Z mn=4x1 + x2
s.a.: 6 x1 2 x2 12
x1 2 x2 1
x2 3
x1 0
x2 0
2. Zmn=x1 + 4x2
s.a.: 6 x1 2 x2 12
x1 2 x2 2
x1 3
x1 0
x2 0
153
Investigacin de operaciones
Ejemplo 13
Una empresa fabrica bocinas de 3 y 8 de dimetro. Las bocinas de
3 dejan una utilidad de $ 20, mientras que las de 8 de $ 30. La
empresa puede fabricar como mximo 300 bocinas al da, por polticas
del departamento de ventas se deben producir al menos 100 bocinas de
3 y como mximo 150 bocinas de 8. Cuntas bocinas de cada tamao
se deben producir para maximizar la utilidad?
159
Unidad 4
160
Investigacin de operaciones
161
Unidad 4
162
Investigacin de operaciones
163
Unidad 4
164
Investigacin de operaciones
Introduccin
223
Unidad 6
Ejemplo 1
Problema de costo fijo (ejemplo de modelo puro)
Una fbrica produce tres tipos de herramientas, taladros, mquina
caladora y desarmador elctrico. Los costos para producir cada
herramienta estn dados por un costo fijo que es aplicable slo si se
produce al menos una unidad, ms un costo por unidad. En la siguiente
tabla mostramos los datos correspondientes.
224
Investigacin de operaciones
225
Unidad 6
Ejemplo 2
Problema de produccin (ejemplo de modelo mixto)
Una empresa produce tornillos y clavos. Los tornillos se venden por
cajas de 100 unidades cada una, mientras que los clavos se venden a
granel. La produccin de cada 100 tornillos tiene un costo de $ 20,
mientras que el kg de clavos tiene un costo de $ 10. La empresa tiene un
capital disponible de $ 10 000 y desea saber cul es la combinacin que
optimiza sus ganancias.
El precio de venta por caja de tornillos es de $ 25 mientras que el kg de
clavos se vende a $ 20, la empresa debe entregar por lo menos 20 cajas
de tornillos. Hallar el modelo de P. L. E. asociado a este problema.
Las variables de decisin son las siguientes:
x1 = nmero de cajas de tornillos producidas y vendidas.
x2 = cantidad producida y vendida de clavos (en kg).
El objetivo es maximizar las ganancias de la empresa, por lo tanto
la funcin objetivo debe cuantificar las ganancias producidas por las
diferentes combinaciones de produccin:
Z mx = 5x1 + 10x2
La primera restriccin tiene que ver con el capital disponible para la
produccin:
20x1 + 10x2 < 10 000
La segunda restriccin est en funcin de la demanda mnima de cajas
de tornillos:
x1 > 20
Finalmente la condicin de positividad:
x1, x2 > 0
226
Investigacin de operaciones
Como los tornillos se venden por caja, entonces la variable x1 slo toma
valores enteros, mientras que la variable x2 puede tomar cualquier valor
ya que la venta de clavos es a granel, esto es, podemos vender 123.4 kg
de clavos.
Por lo tanto el modelo de P. L. E. es mixto, y lo escribimos a
continuacin:
Z mx = 5x1 + 10x2
s. a.: 20x1 + 10x2 < 10 000
x1 > 20
con x1, x2 > 0 y x1 Z
Ejemplo 3
Problema de produccin (ejemplo de modelo binario)
Una asociacin crediticia de asistencia pblica debe colocar como
mnimo $ 15 000 en crditos personales de $ 1 000 y crditos para tiles
escolares por $ 1 500. La asignacin de estos crditos tiene un costo, el
cual se divide en dos partes: un costo fijo que se aplica en caso de que
se asigne al menos un crdito y otra que depende del nmero de crditos
otorgados. En la siguiente tabla presentamos estos costos:
227
Unidad 6
228
Investigacin de operaciones
Ejercicio 1
1. Un modelo de P. L. cuyas variables de decisin slo pueden tomar
valores enteros se clasifica como entero:
a) Puro.
b) Mixto.
c) Binario.
d) Dual.
229
Unidad 6
230
Investigacin de operaciones
231
Unidad 6
Ejemplo 4
Resolver el siguiente modelo de P. L. E. puro.
Z m x 3 x1 4 x2
s. a.: x1 x2 5.5
x2 3.5
x1 , x2 enteros
x1 , x2 0
Por el mtodo smplex se obtiene la solucin ptima del modelo (sin
considerar la restriccin de que x1 y x2 deben ser enteros):
x1 = 2
x2 = 3.5
Y el valor de la funcin objetivo es: Z = 20.
Observamos que la variable x1 si satisface la restriccin de ser entera,
sin embargo, la variable x2 no lo satisface. Si redondeamos el valor de x2
obtenemos:
x1 = 2
x2 = 4
El punto (x1, x2) no est dentro de la regin factible, por lo tanto tenemos
que modificar el valor de x2, con lo cual obtenemos la solucin ptima:
x1 = 2
x2 = 3 con Z mx = 18
que satisface la condicin de que las variables sean enteras.
El mtodo de ramifica y acota toma la idea anterior, slo que ahora
analiza todas las posibilidades de redondeo. Para ello va formando
un rbol de combinaciones, como los utilizados en probabilidad. A
continuacin describimos el algoritmo del mtodo:
232
Investigacin de operaciones
Ejemplo 5
Hallar la solucin del siguiente problema de P. L. E.
Z m x x1 x2
s. a.: 8 x1 5 x2 40
4 x1 6 x2 24
x1 , x2 enteros
x1 , x2 0
Si resolvemos este problema utilizando el mtodo smplex, obtenemos la
solucin ptima:
233
Unidad 6
x1 = 4.2857
x2 = 1.1429 con Z = 3.1428
En este problema ninguna de las variables cumple con la condicin de ser
entera, por lo tanto tenemos que redondear los dos valores, obteniendo:
x1 = 4
x2 = 1 con Z = 3
Pareciera que sta es la solucin ptima, sin embargo, este punto no est
en la regin de soluciones factible. Entonces:
Cmo debemos redondear para que los valores estn dentro de la
regin factible?
Se selecciona la variable a redondear (una a la vez) y se toma el valor del
entero prximo mayor y el valor del entero prximo menor, de manera
que se plantean dos nuevos modelos de P. L. que se deben resolver.
En este ejemplo trabajaremos con x1 = 4.2857. Las restricciones que se
deben aadir a los sistemas asociados son: x1 < 4 o x1 > 5.
234
Investigacin de operaciones
Ejemplo 6
Resolver el siguiente modelo de P. L. E.
Z m x 3 x1 4 x2
s. a.: x1 x2 5.5
x2 3.5
x1 , x2 enteros
x1 , x2 0
Resolviendo por mtodo smplex se obtiene la solucin ptima (sin
considerar la restriccin de que las variables sean enteras):
x1 = 2
x2 = 3.5 con Z = 20
Seleccionamos la variable que no cumple la condicin de ser entera. En
este caso es x2. Escribimos los enteros prximos (mayor y menor) al
valor que obtuvimos de esta variable: 4 y 3.
Se plantean dos nuevos modelos de P. L., los cuales se obtienen al agregar
una de las siguientes restricciones al modelo de P. L. E. original:
x2 < 3 o x2 > 4
235
Unidad 6
Problema asociado 1
x1 , x2 enteros
x1 , x2 0
Z m x 3 x1 4 x2
s. a.: x1 x2 5.5
x2 3.5
x2 4
Problema asociado 2
x1 , x2 enteros
x1 , x2 0
A continuacin se resuelve cada uno de estos modelos utilizando el
mtodo smplex.
La solucin ptima del problema asociado 1 es:
x1 = 2.5
x2 = 3
Z = 19.5
Mientras que el problema asociado 2 no tiene solucin, ya que no existe
regin de solucin factible.
Como el problema asociado 1 s tiene solucin pero no es entera,
entonces tomamos la variable x1 cuyo valor es 2.5, tomamos los enteros
mayor (3) y menor (2) prximos y escribimos dos modelos asociados
aadiendo al problema asociado 1 una de las siguientes desigualdades:
x1 < 2 o x1 > 3
236
Investigacin de operaciones
Problema asociado 3
x1 2
x1 , x2 enteros
x1 , x2 0
Z m x 3 x1 4 x2
s. a.: x1 x2 5.5
x2 3.5
x2 3
Problema asociado 4
x1 3
x1 , x2 enteros
x1 , x2 0
Resolvemos el problema asociado 3 con el mtodo smplex y se obtiene
la solucin ptima:
x1 = 2
x2 = 3
Z = 18
Resolviendo el problema asociado 4 con el mtodo smplex se obtiene la
solucin ptima:
x1 = 3
x2 = 2.5
Z = 19
La solucin del problema asociado 3 satisface la condicin de ser entera,
pero no sabemos si es ptima, por lo que tenemos que continuar con el
mtodo.
La solucin del problema asociado 4 presenta la variable x2 con un valor
no entero, por lo tanto nuevamente se plantean dos problemas asociados,
al aadir al problema asociado 4 una de las siguientes restricciones:
237
Unidad 6
x2 < 2 o x2 > 3
Obtenemos los problemas asociados:
Z m x 3 x1 4 x2
s. a.: x1 x2 5.5
x2 3.5
x2 3
Problema asociado 5
x1 3
x2 2
x1 , x2 enteros
x1 , x2 0
Z m x 3 x1 4 x2
s. a.: x1 x2 5.5
x2 3.5
x2 3
Problema asociado 6
x1 3
x2 3
x1 , x2 enteros
x1 , x2 0
238
Investigacin de operaciones
x1 = 2
x2 = 3 con Z mx = 18
Por el llamado mtodo del rbol:
239
Unidad 6
Ejercicio 2
1. En cada iteracin del mtodo de ramifica y acota, la regin factible
se:
a) Divide.
b) Reduce.
c) Corta.
d) Aumenta de tamao.
2. En el mtodo de ramifica y acota cada variable no entera da origen a:
a) Una restriccin nueva.
b) Dos restricciones nuevas.
c) Ninguna restriccin.
d) No se sabe.
3. Si el valor de una de las variables de decisin en un modelo de P. L. es
x = 2.8, entonces debemos agregar las siguientes desigualdades:
a) x > 3 o x < 3
b) x > 3 o x > 2
c) x > 3 o x < 2
d) x > 2 o x < 2
4. La solucin ptima de un modelo de P. L. E. slo acepta valores:
a) Positivos.
b) Reales.
c) Positivos y enteros.
d) Positivos y reales.
5. Si la solucin por mtodo smplex de un modelo de P. L. E. sin tomar en
cuenta la condicin de que las variables sean enteras es x1 = 2.3, x2 = 5.8,
entonces la solucin ptima se obtiene al:
a) Redondear hacia arriba.
b) Redondear hacia abajo.
240
Investigacin de operaciones
241
Unidad 6
Ejemplo 7
Para explicar el mtodo descrito vamos a resolver el siguiente modelo de
P. L. E.:
Z m x 2 x1 x2
s. a.: 2 x1 5 x2 17
x1 , x2 enteros
x1 , x2 0
Resolvemos el problema utilizando el mtodo smplex tabular sin tomar
en cuenta las restricciones de que las variables sean enteras. La tabla
ptima se presenta a continuacin:
242
Investigacin de operaciones
Modelo 2
x1 , x2 , x3 0
x1 , x2 , x3 enterass
Aqu la variable artificial s1 se renombr como la variable x3.
Resolvemos este problema por mtodo smplex y repetimos los pasos
1 a 3.
La tabla ptima del mtodo smplex asociado al modelo 2 es:
243
Unidad 6
Ejemplo 8
Utilizando el mtodo de Gomory resolver el siguiente modelo de P. L. E.
Z m x 2 x1 x2
s. a.: 2 x1 5 x2 17
5 x1 3 x2 16
x1 , x2 enteros
x1 , x2 0
Paso 1. Resolvemos el problema utilizando el mtodo smplex y tabular
sin tomar en cuenta las restricciones de que las variables sean enteras.
La tabla ptima es:
244
Investigacin de operaciones
Regresamos al paso 2.
Paso 2. La solucin obtenida es:
1
1
x1 3, x2 , con Z 18
3
3
245
Unidad 6
246
Investigacin de operaciones
Regresamos al paso 2.
La solucin ptima entera que obtenemos es:
x1 = 3
x2 = 0 con Z mx = 6
Realicemos el siguiente ejemplo para ver qu tipo de obstculos podemos
tener al resolver un modelo de P. L. E. con este mtodo.
Ejemplo 9
Resolver el siguiente modelo de P. L. E.:
Z m x 3 x1 4 x2
s. a.: x1 x2 5.5
x2 3.5
x1 , x2 enteros
x1 , x2 0
Resolvemos el modelo por mtodo smplex tabular (sin tomar en cuenta
las restricciones de que las variables tomen valores enteros). La tabla
final se muestra a continuacin:
247
Unidad 6
1
2
248
Investigacin de operaciones
Ejemplo 10
Resolver el modelo de P. L. E. de costo fijo, obtenido en el ejemplo 1:
Z m x 100 x1 50 x2 20 x3
s. a.: 25 x1 20 x2 10 x3 20 700
x1 50
x2 80
x3 100
xi 0 i 1, 2, 3
xi enteros
La tabla smplex ptima asociada es:
249
Unidad 6
250
Investigacin de operaciones
Ejercicio 3
1. En el mtodo de Gomory la zona factible se:
a) Reduce.
b) Divide.
c) Rota.
d) Secciona.
2. En el primer paso del mtodo de Gomory seleccionamos la restriccin
con:
a) Coeficientes enteros.
b) Limitantes negativas.
c) Limitantes no enteras.
d) Coeficiente cero.
251
Unidad 5
180
Investigacin de operaciones
181
Unidad 5
182
Investigacin de operaciones
Ejemplo 1
Z m x 3 x1 5 x2
s. a.: 3x1 2 x2 18
x1 4
x2 6
x1 , x2 0
1. Lo primero es sumar a cada una de las desigualdades una variable de
holgura, lo cual nos permite escribir:
Z mx 3 x1 5 x2
s. a.: 3 x1 2 x2 h1 18
x1 h2 4
x2 h3 6
x1 , x2 , h1 , h2 , h3 0
2. Creamos la tabla smplex:
183
Unidad 5
Funcin objetivo
Primera restriccin
Segunda restriccin
Tercera restriccin
De la tabla smplex inicial, la solucin asociada es:
h1 = 18
h2 = 4
h3 = 6
Z=0
Esta solucin se obtiene al tomar slo las columnas asociadas a las
variables bsicas y los trminos independientes que forman una matriz
identidad aumentada:
184
Investigacin de operaciones
185
Unidad 5
186
Investigacin de operaciones
Regresamos al punto 1.
3. El coeficiente asociado a la columna de x1 es negativo, por lo tanto la
solucin actual no es ptima y pasamos al punto 2.
4. La columna de x1 es la nica con coeficiente negativo en R0, por lo
tanto, sta es la variable que pasar a formar parte de la base.
5. Realizamos la divisin de los elementos de la columna solucin entre
los elementos de la columna seleccionada.
7. Usamos el elemento pivote 1 para hacer cero los coeficientes que estn
arriba y debajo de l. Empezamos con R0. El coeficiente de este rengln en
la columna seleccionada es 3, por lo tanto su inverso aditivo es 3, entonces
multiplicamos R1 (actual) por 3 y el resultado se lo sumamos a R0.
187
Unidad 5
188
Investigacin de operaciones
Regresamos al punto 1.
Como todos los coeficientes del rengln R0 son positivos, entonces hemos
llegado a la solucin ptima del problema donde el valor de z mxima es 36.
Ejercicio 1
Selecciona la respuesta que completa de manera correcta los siguientes
enunciados:
1. Para poder convertir una desigualdad de la forma menor o igual que
en una igualdad, se debe sumar una variable de:
a) Supervit.
b) Holgura.
c) Complementaria.
d) Global.
2. La solucin del mtodo smplex es ptima si todos los coeficientes del
rengln asociado con la funcin objetivo en la tabla smplex son:
a) Cero.
b) Negativos.
c) Positivos.
d) Mayores o iguales a cero.
3. La variable que entra a formar parte de la base es la que en el rengln
asociado con la funcin objetivo en la tabla smplex tiene el coeficiente:
a) Positivo.
b) Cero.
c) Menor negativo.
d) Mayor negativo.
4. Para hacer 1 el elemento pivote, multiplicamos por:
a) Su inverso aditivo.
b) El elemento neutro.
c) El mismo.
d) Su inverso multiplicativo.
189
Unidad 5
5. Los elementos que estn arriba y abajo del elemento pivote deben
convertirse en:
a) Positivos.
b) Negativos.
c) Cero.
d) Uno.
6. Resolver por mtodo smplex el siguiente modelo de P. L.
Z m x 5 x1 4 x2
s. a.: 6 x1 4 x2 24
x1 2 x2 6
x2 2
x1 , x2 0
190
Investigacin de operaciones
b1
b2
#
bm
(1)
191
Unidad 5
Ejemplo 2
Tomemos el modelo del ejemplo 1 que resolvimos en la seccin anterior.
Z m x 3 x1 5 x2
s. a.: 3 x1 2 x2 18
x1 4
x2 6
x1 , x2 0
El grupo de restricciones sin tomar en cuenta las de no negatividad son:
3x1+2x2 < 18
x1 < 4
x2 < 6
Escritas en forma de igualdad son:
3x1 + 2x2+h1 = 18
x1 + h 2 = 4
x2 + h3 = 6
Este es un sistema de ecuaciones con 5 variables (2 del modelo y 3 de
holgura) y 3 ecuaciones (n = 5, m = 3), por lo tanto tenemos 53 = 2
grados de libertad. Esto quiere decir que tenemos 3 variables bsicas y 2 no
bsicas. Debemos seleccionar dos variables no bsicas y determinar el
valor de las bsicas al resolver un sistema de 3 por 3. El nmero de
combinaciones para seleccionar el acomodo de las variables est dado
por la frmula:
5!
10
5 C2
2!(5 2)!
Estas combinaciones son:
192
Investigacin de operaciones
193
Unidad 5
194
Unidad 5
196
Investigacin de operaciones
Z m n c1 x1 " cn xn
s. a.: a11 x1 " a1n xn b1
a21 x1 " a2 n xn b2
(2)
# # #
am1 x1 " amn xn bm
xi 0 i 1, 2, ...n
Definimos el modelo dual asociado con el modelo (2), como el modelo
de programacin lineal que tiene como objetivo maximizar la funcin
objetivo (todas sus restricciones son de la forma menor o igual que):
Z m x b1 y1 " bm ym
s. a.: a11 y1 " am1 ym c1
a12 y1 " am 2 ym c2
(3)
# # #
a1n y1 " amn ym cn
yi 0 i 1, 2, ...m
Observamos que si el modelo dual tiene m variables y n restricciones
(sin incluir las de no negatividad), entonces el modelo primal tiene
n variables y m restricciones. Las variables y1 son las variables del
problema dual.
Para formar la tabla primal-dual se procede como sigue:
El tamao de la tabla es de m + 2 renglones y n + 2 columnas. (m nmero
de variables y n nmero de restricciones).
1. La celda de la esquina superior izquierda se divide en dos con una
diagonal, en la parte superior escribimos la palabra primal (mn) y en
la parte inferior dual (mx).
2. En la celda de la esquina superior derecha se escribe el smbolo >,
mientras que en la primera columna del ltimo rengln se escribe el
smbolo <.
197
Unidad 5
Ejemplo 3
Resolver el siguiente modelo de P. L.:
Z m n 4 x1 x2 x3
s. a.: 2 x1 x2 2 x3 4
3 x1 3 x2 x3 3
x1 , x2 , x3 0
198
Investigacin de operaciones
199
Unidad 5
Ejemplo 4
Continuando con el ejemplo 3 de la seccin anterior, el modelo que se
obtiene al sumar las variables de holgura es:
Ym x 4 y1 3 y2
s. a.: 2 y1 3 y2 h1 4
y1 3 y2 h2 1
2 y1 y2 h3 1
yi 0 h j 0 i 1, 2 j 1, 2, 3
La tabla inicial que obtenemos es:
Funcin objetivo
Primera restriccin
Segunda restriccin
Tercera restriccin
200
Investigacin de operaciones
sta ya es la tabla ptima, la cual tiene como solucin del problema dual
la siguiente:
y1 = 0.40
y2 = 0.20
Z mx = 2.20
Sin embargo, nuestro inters est en la solucin del problema primal de
minimizacin, la cual obtenemos del rengln R0, al tomar los coeficientes
de las variables de holgura, es decir:
x1 = h1 = 0
x2 = h2 = 0.40
x3 = h3 = 1.80
Al sustituir en la funcin objetivo, tenemos:
Z mn = 4x1+x2+x3
Z mn = 4(0)+0.40+1.80
Z mn = 2.20
Se comprueba que efectivamente la funcin objetivo del problema dual
tiene el mismo valor que la funcin objetivo del primal.
Ejemplo 5
Obtener la solucin ptima del siguiente modelo de P. L.
Z m n x1 x2 3x3 2 x4
s. a.: x1 2 x2 4 x3 8
x1 3 x3 x4 10
3 x2 4 x3 x4 7
x1 , x2 , x3 , x4 0
Lo primero es formar la tabla primal-dual, asociada con el modelo:
201
Unidad 5
202
Investigacin de operaciones
Ejemplo 7
Hallar la solucin ptima del siguiente modelo de P. L.
Z m n 5 x1 10 x2
s. a.: 4 x1 2 x2 10
3 x1 8 x2 16
x2 5
x1 , x2 0
209
Unidad 5
Este modelo tiene todas las desigualdades de la forma menor igual que,
por lo tanto, parece que lo podemos resolver por mtodo smplex, sin
embargo, el objetivo de la funcin es minimizar. Para transformar el
problema multiplicamos la funcin objetivo por 1.
1(Z mn= 5x110x2)
Z mx= 5x1+10x2
Con este cambio nos queda el modelo:
Z m x 5 x1 10 x2
s. a.: 4 x1 2 x2 10
3 x1 8 x2 16
x2 5
x1 , x2 0
Este modelo ya lo podemos resolver por el mtodo smplex. La tabla
inicial es:
210
Investigacin de operaciones
Ejercicio 5
Resolver los siguientes modelos utilizando la tcnica vista en esta
seccin.
Z m n 3 x1 8 x2 x3
1.
s. a.: x1 x2 3 x3 10
3 x1 x2 7 x3 15
x2 x3 20
x1 , x2 , x3 0
2.
Z m x 5 x1 7 x2 x3
s. a.: 2 x1 4 x2 8
x2 x3 10
x1 , x2 , x3 0
Resumen
En esta unidad aprendimos el mtodo smplex y algunas de sus variantes,
en la siguiente tabla describimos las caractersticas que puede tener un
modelo y el mtodo ms recomendado para su solucin:
211
Investigacin de operaciones
285
Unidad 7
Ejemplo 6
Resolver el problema de la fbrica de computadoras (ejemplo 4), que
tiene la tabla inicial siguiente.
286
Investigacin de operaciones
287
Unidad 7
288
Investigacin de operaciones
> 0
2 500 > 0
500 + > 0
2 250 > 0
El costo de esta nueva solucin es $682 500, por lo tanto, esta solucin es
mejor, para determinar si es la ptima calculamos el valor de las variables
ui y vj y los costos marginales asociados a cada una de las celdas no
bsicas. La informacin completa se presenta en la siguiente tabla.
Por lo tanto, como todos los costos marginales son positivos esta solucin
es la ptima. El valor de las variables bsicas es:
x11 = 250, x12 = 2 750, x21 = 2 250, x23 = 1 750 con un costo mnimo de
$682 500.
289
Unidad 7
Ejercicio 4
1. La variable que entra en el sistema es la que tiene el costo marginal:
a) Ms positivo.
b) Ms negativo.
c) Cero.
d) Uno.
2. La solucin actual es ptima si los costos marginales son:
a) Mayores a cero.
b) Menores a cero.
c) Negativos.
d) No negativos.
3. Una trayectoria incluye slo una celda:
a) Positiva.
b) Bsica.
c) No bsica.
d) Por fila.
4. Para calcular el costo marginal de las celdas no bsicas utilizamos la
ecuacin:
a) c. m. = cij ui vj
b) c. m. = cij + ui vj
c) c. m. = cij ui + vj
d) c. m. = cij + ui + vj
5. Hallar la solucin ptima del siguiente modelo de transporte, utilizando
la tcnica de Modi:
290
Investigacin de operaciones
Introduccin
Esquina noroeste.
Vogel.
Modi.
263
Unidad 7
Z m n cij xij
i 1 j 1
x
j 1
ij
x
i 1
264
ai i 1, 2, m
ij
b j j 1, 2, n
Investigacin de operaciones
i 1
j 1
ai b j
Si ste no es el caso, debemos agregar un origen artificial, el cual
va a producir la cantidad de bienes que haga falta para cubrir la
demanda faltante, o bien, si es mayor la oferta, se crea un destino
artificial que absorba el excedente de la oferta. En ambos casos los
costos de transporte asociados con estos orgenes o destinos ficticios
es cero. Veremos ejemplos relacionados con lo anterior en la seccin de
problemas desbalanceados.
Condiciones de no negatividad:
xij > 0 i = 1, 2,... m
j = 1, 2, n
x
j 1
ij
x
i 1
ij
c x
i 1 j 1
ij ij
ai i 1, 2, m
b j j 1, 2, n
j = 1, 2, n
Ejemplo 1
Obtn el modelo de transporte asociado con el siguiente problema.
Una empresa dedicada a la fabricacin de automviles tiene dos
265
Unidad 7
266
Investigacin de operaciones
c x
i 1 j 1
ij ij
100 x11 50 x12 300 x13 120 x21 200 x22 180 x23
a
i 1
b
j 1
x
j 1
1j
x
j 1
2j
Por su parte las restricciones de demanda que tiene cada una de las
distribuidoras se expresan mediante las igualdades:
267
Unidad 7
i1
i 1
2
i2
i 1
2
i3
i 1
a
i 1
b
j 1
3
x
j 1
1j
x
j 1
2j
x
i 1
i1
x
i 1
i2
x
i 1
i3
xij 0 con i = 1, 2 y j = 1, 2, 3
268
Investigacin de operaciones
Ejemplo 2
Obtn el modelo de transporte asociado con el siguiente problema.
Una fbrica de computadoras tiene 2 plantas ensambladoras, la primera
en Guadalajara y la segunda en Toluca. La oferta mensual de cada una de
ellas es: 3 000 y 4 000, respectivamente. Se tiene un pedido por parte del
gobierno federal de 7 000 computadoras que deben ser entregadas a ms
tardar en un mes. La siguiente tabla indica el nmero de computadoras
requeridas y el lugar donde deben ser entregadas.
269
Unidad 7
270
Investigacin de operaciones
Ejemplo 3
Construir la tabla inicial asociada con el siguiente modelo de transporte
(ejemplo 2):
Z m n 50 x11 150 x12 80 x13 60 x21 200 x22 70 x23
s. a: x11 x12 x13 3 000
x21 x22 x23 4 000
x11 x21 2 500
x12 x22 2 750
x13 x23 1 750
xi , j 0 i 1, 2 j 1, 2, 3
Si formamos la tabla smplex inicial de este modelo de transporte como
modelo de programacin lineal, sin considerar variables de holgura,
obtenemos lo siguiente:
Nos damos cuenta de que la mayora de las entradas de la tabla son ceros.
El resto de las entradas son unos, con excepcin de las entradas de la
funcin objetivo. Este tipo de tabla hace necesario que se busque un
mtodo alterno ms eficiente para resolver este modelo y que tome en
cuenta las caractersticas particulares del modelo de transporte.
271
Unidad 7
272
Investigacin de operaciones
273
Unidad 7
Ejercicio 1
1. El objetivo del modelo de transporte es _____________ el costo de
transporte.
2. Se dice que un problema de transporte est _______________ si la
oferta total es igual a la demanda total.
3. La mayora de las entradas en la tabla smplex asociada con el modelo
de transporte son _____________ y unos.
4. El mtodo ___________ es el que vamos a utilizar para resolver el
modelo de transporte de forma eficiente.
5. El costo de transportar una unidad de la fuente i al destino j se
designa por_________.
6. Construir la tabla inicial del siguiente problema de trasporte:
Una empresa dedicada a la fabricacin de autos desea transportarlos
desde sus tres plantas de produccin a sus cuatro centros de distribucin.
La oferta de cada una de las plantas es: 300, 200 y 100, respectivamente,
mientras que la demanda es 100, 200, 150 y 100, respectivamente. Los
costos de transporte asociados por unidad son:
274
Investigacin de operaciones
Ejemplo 4
Hallar la solucin ptima para el ejemplo 2 de la fbrica de computadoras.
La tabla inicial es:
275
Unidad 7
276
Investigacin de operaciones
277
Unidad 7
278
Investigacin de operaciones
279
Unidad 7
Ejercicio 2
1. El primer paso para resolver un problema de transporte es hallar una
____________ inicial.
2. El mtodo de la esquina noroeste empieza en la celda _______________
izquierda de nuestra tabla.
3. A la celda superior izquierda se le asigna la cantidad ______________
entre la oferta y la demanda asociada con dicha celda.
280
Investigacin de operaciones
281
Unidad 7
3.
Ejemplo 5
Hallar una solucin inicial para el problema de transporte utilizando el
mtodo de Vogel.
La tabla inicial es:
282
Investigacin de operaciones
283
Unidad 7
Ejercicio 3
Califica cada una de las siguientes aseveraciones como verdaderas o
falsas, segn corresponda.
1. El mtodo de Vogel brinda la solucin ptima del modelo de transporte.
_____
284
_____
_____
_____
Investigacin de operaciones
285
Investigacin de operaciones
Introduccin
309
Unidad 8
Z mn Cij xij
i 1 j 1
En las restricciones se asigna una persona a cada una de las tareas y cada
tarea debe ser realizada por una persona. Esto lo representamos como:
n
x
j 1
ij
x
i 1
ij
1 para i 1, 2,... n
1 para j 1, 2,... n
310
Investigacin de operaciones
Z mn j 1 Cij xij
n
i 1
Sujeto a:
n
x
j 1
ij
x
i 1
ij
1 para i 1, 2,... n
1 para j 1, 2,... n
Ejemplo 1
Una empresa contrata a cuatro personas para cubrir los siguientes
puestos: supervisor de acabado, supervisor de empaque, supervisor de
produccin, supervisor de materia prima.
A cada uno se aplica un examen de aptitudes para determinar sus
habilidades. A partir del resultado de los exmenes se determina el costo
que tiene su capacitacin para cada uno de los puestos. Los costos se
presentan en la siguiente tabla.
311
Unidad 8
Ejemplo 2
Una empresa dedicada a la compra y venta de equipo de cmputo
adquiri seis mquinas para ser vendidas, sin embargo, el cliente pide
una prrroga de un mes para que le entreguen las mquinas. La empresa
tiene que almacenar las seis mquinas durante este tiempo, se cotizan los
precios de seis bodegas que pueden almacenar las mquinas, los costos
se muestran en la siguiente tabla.
312
Investigacin de operaciones
Ejercicio 1
1. El objetivo en el problema de asignacin es ________________ los
costos.
2. Las variables en el problema de asignacin son _______________.
3. Una persona debe ser asignada a ________ tarea.
4. El nmero de tareas y el nmero de personas por asignar deben ser
_____________.
5. Construir la tabla inicial del siguiente problema de asignacin.
Se abrirn 3 centros de cmputo en diferentes ciudades de la Repblica
Mexicana, por lo que se lanza una convocatoria para que se presenten
propuestas. Tres empresas interesadas hacen las siguientes ofertas:
Empresa 1: $ 3 000, $ 5 000 y $ 8 000 por cada uno de los centros.
Empresa 2: $ 4 000, $ 6 000 y $ 9 000 por cada uno de los centros.
Empresa 3: $ 3 500, $ 5 000 y $ 7 000 por cada uno de los centros.
Se desea asignar de manera ptima cada uno de los proyectos a cada una
de las empresas.
313
Unidad 8
314
Investigacin de operaciones
Ejemplo 3
Hallar la solucin ptima del siguiente problema de asignacin:
Una empresa compra 3 impresoras, una de inyeccin de tinta, una de
punto matriz y una lser. Las impresoras se deben asignar a los siguientes
departamentos: recursos humanos, facturacin y direccin. Debido a la
frecuencia de uso en cada departamento y al tipo de impresora se tiene
un costo de asignacin, el cual se muestra en la siguiente tabla:
315
Unidad 8
316
Investigacin de operaciones
Ejemplo 4
Retomando el ejemplo 1, cuya tabla de costos es:
Paso 2. El costo menor de cada una de las filas es 100, 300, 250 y
150 respectivamente. Al restar el costo mnimo de cada una de las filas
correspondientes obtenemos:
317
Unidad 8
Ejemplo 5
Se necesitan hacer trabajos de jardinera, pintura y plomera en una casa.
Se pide a Juan, Pedro y Luis que realicen un presupuesto sobre cada uno
de los trabajos de manera independiente. A continuacin se muestra el
costo que presentaron para las diferentes tareas.
318
Investigacin de operaciones
Debemos asignar una tarea a cada uno de ellos, de tal manera que se
minimice el costo total.
Paso 1. La tabla inicial es:
Paso 2. Los costos mnimos de cada una de las filas son 15, 25 y 18
respectivamente. Al restar cada uno de ellos a cada una de las filas
respectivas obtenemos:
Paso 3. Los costos mnimos de esta nueva tabla por columna son 0, 0 y
3. Al restar cada uno de estos valores a la columna respectiva obtenemos
la siguiente tabla:
319
Unidad 8
Trazamos el menor nmero de lneas rectas que cubran todas las celdas
con entradas cero
Regresamos al paso 4.
Paso 4. Si intercambiamos la fila tres con la fila uno, obtenemos los
ceros de asignacin en la diagonal principal:
320
Investigacin de operaciones
Ejemplo 6
Hallar la solucin ptima del problema del ejemplo 3, pero con la
condicin de que Juan no realiza trabajos de plomera.
Paso 2. Los costos mnimos por fila son 15, 25 y 18, se restan a los
valores en la fila correspondiente:
321
Unidad 8
Paso 3. Los costos mnimos por columna son 0, 0 y 12, se restan a los
valores de su columna correspondiente:
Ejercicio 2
1. El mtodo de matriz reducida fue desarrollado por dos matemticos:
a) Ingleses.
b) Rusos.
c) Estadounidenses.
d) Hngaros.
2. El tamao de la tabla inicial del mtodo de matriz reducida es de:
a) m n
b) n m
c) n n
d) n1 n1
322
Investigacin de operaciones
Z mn j 1 Cij xij
n
i 1
323
Unidad 8
Sujeto a:
n
x
j 1
ij
x
i 1
ij
1 para i 1, 2,... n
1 para j 1, 2,... n
Sea pi el costo menor de cada fila, al restar esta cantidad de cada fila nos
queda un nuevo costo, dado por: C ij = Cij pi
La tabla actualizada es:
324
Investigacin de operaciones
i 1 j 1
i 1
j 1
( pi q j ) xij pi q j
i 1 j 1
i 1
j 1
i i j 1
Debido a que esta funcin objetivo difiere de la original por slo una
constante, ambas deben tener los mismos valores de xij, por lo tanto
tienen la misma solucin. Con esto demostramos que los pasos realizados
en el algoritmo hngaro son vlidos.
325
Unidad 8
Ejemplo 7
Una empresa compra 3 compresoras de diferentes capacidades, una
grande, una mediana y una chica. Las compresoras se deben asignar a
los siguientes departamentos: pintura de interiores, pintura de exteriores
y pintura de detalle. Debido a la frecuencia de uso en cada departamento
y al tipo de compresora se tiene un costo de asignacin, el cual se
muestra en la siguiente tabla:
326
Investigacin de operaciones
Al resolver obtenemos:
Paso 2. Los costos menores por fila son 11, 2.20 y 5.50, respectivamente,
se restan de los costos en su fila correspondiente:
327
Unidad 8
La solucin ptima del problema es: x11=1, x22=1, x33=1 con un costo
mnimo de asignacin de Z=$ 20.90. Observamos que la solucin es la
misma, es decir, tenemos las mismas variables con valor uno, lo nico
que cambia es el valor de Z, el cual se incrementa en $ 1.90.
Ejemplo 8
Una empresa de transportes tiene cuatro diferentes modelos de camiones.
Dependiendo de la pericia del conductor para manejar los cambios de la
caja de velocidades, el camin consume ms o menos combustible. En
la actualidad la planta cuenta con tres conductores. Los costos por uso
adicional de combustible se muestran en la siguiente tabla:
328