Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Ejemplo
Una compañía especializada en ornamentación llamada “Puro Hierro” se dedica
a la fabricación de puertas, rejas y ventanas; productos para los cuales he
establecido una utilidad de $6, $2 y $5 por unidad respectivamente.
Para la manufacturación de dichos artículos la empresa cuenta con una
disponibilidad semanal de 300 metros de lámina, 400 metros de ángulo y 240
metros de tubo. Además, se sabe que para producir una puerta se requieren 3
metros de lámina, 2 metros de ángulo y 2 metros de tubo; para producir una reja
se necesitan 5 metros de lámina, 4 metros de ángulo y 3 metros de tubo,
mientras; mientras que para producir una ventana se requieren 2 metros de
lámina, 5 metros de ángulo y un metro de tubo.
¿Qué cantidad de cada uno de los artículos se debe fabricar para que la
compañía “PURO HIERRO” obtenga la máxima utilidad posible?
Solución:
Tabla 1 presenta la solución de este problema por medio del método simplex
Con base en esta solución la compañía “PURO HIERRO” debe producir 700/11
de puertas por semana 600/11 de ventanas por semana, para obtener una
utilidad de $7200/11. Además, no debe producir rejas (la variable esta fuera de
la base) y de los 240 metros de tubo no se utilizan 640/11.
CB =
B-1 =
CBB-1 =
X1, X2, X3 ≥ 0
XB* = B-1b* =
Como se puede observar en este nuevo vector solución, todos sus componentes son
mayores o iguales que cero. Entonces, esta es la nueva solución del problema en el
mismo orden para las variables básicas
El nuevo valor de la función objetivo se calcula de la siguiente manera
Z*=CBXB* =
Entonces la nueva solución es X1=700/11, X2=600/11, H3=90/11 y las demás variables
toman valor cero (son variables no básicas)
Ejemplo cuando
• Se ha decido en la compañía “PURO HIERRO” incrementar en $2 la utilidad de
cada reja. Este cambio genera que la utilidad de cada reja pase a ser de $4 por
unidad; lo que genera la siguiente modificación al problema:
Max Z = 6X1 + 4X2 + 5X3 (utilidad máxima)
S.A.
3X1 + 5X2 + 2X3 ≤ 300 Metros de lamina
2X1 + 4X2 + 5X3 ≤ 400 Metros de ángulo
2X1 + 3X2 + X3 ≤ 240 Metros de tubo
X1, X2, X3 ≥ 0
Tal como se dijo anteriormente, se lleva este cambio al tablero óptimo del
problema original y se recalculan los valores de la fila :
Ejemplo cuando
• Suponga que se decrementa en $3 la utilidad de cada puerta y se incrementa en
$3 la utilidad de cada ventana.
El nuevo problema generado con base en estas modificaciones es el siguiente:
x1 x2 x3 s1 s2 s3 z b
s1 3 0 2 1 0 0 0 300
s2 2 5 5 0 1 0 0 400
s3 2 3 1 0 0 1 0 240
z -6 -2 -5 0 0 0 1 0
x1 x2 x3 s1 s2 s3 z b
x1 1 0 2/3 1/3 0 0 0 100
s2 0 5 3 2/3 - 2/3 1 0 0 200
s3 0 3 - 1/3 - 2/3 0 1 0 40
z 0 -2 -1 2 0 0 1 600
x1 x2 x3 s1 s2 s3 z b
x1 1 -10/11 0 5/11 - 2/11 0 0 700/11
X3 0 15/11 1 - 2/11 3/11 0 0 600/11
S3 0 38/11 0 - 8/11 1/11 1 0 640/11
z 0 - 7/11 0 1 9/11 3/11 0 1 7200/11
NUEVAS RESTRICCIONES
Cuando se dé el caso en el que se aumenten otras restricciones a un problema de P.L.
se deberá aplicar el siguiente procedimiento:
• Verificar si la solución óptima del problema original satisface todas las nuevas
restricciones. Si es así la solución sigue siendo la misma
• Caso contrario se llevarán estas restricciones al tablero optimo del problema
original (agregando las V. holgura, exceso y artificiales que sean necesarias);
restituir o recomponer todos los vectores unitarios que se hayan dañado con la
adición de las nuevas restricciones.
• Aplicamos el método simplex o dual simplex, según sea el caso.
Ejemplo 1:
Suponga que, por presentación de los productos, se entregarán pintados, para lo cual
se ha establecido que hay disponibilidad de 5000ml de pintura semanalmente. Además,
se sabe que una puerta consume 15ml de pintura, una reja 50ml y una venta consume
20ml de pintura.
SOLUCIÓN:
Max Z=6X1+2X2+5X3 (utilidad máxima)
S.A.
3X1+5X2+2X3≤300
2X1+4X2+5X3≤400
2X1+3X2+X3≤240
15X1+50X2+20X3≤5000
X1, X2, X3>0
Tomamos la nueva restricción de la pintura y remplazamos en la solución óptima del
problema original (X1=700/11, X2=0, X3=600/11) se tiene:
15(700/11)+50(0)+20(600) ≤5000
10500/1+0+12000/11 ≤5000
22500/11 ≤5000
2045.4545 ≤5000
Al cumplirse dicha relación, se dice que la solución óptima del problema original si
satisface la nueva restricción, por lo que se concluye que la solución óptima sigue
siendo la misma.
Ejemplo 2:
Suponga que mediante un estudio de mercados se ha establecido que máximo se
venderán 60 puertas por semana. Si se sabe que máximo se venderán 60 puertas por
semana, hay que restringir el modelo a producir como máximo 60 puertas:
SOLUCIÓN:
Max Z=6X1+2X2+5X3 (utilidad máxima)
S.A.
3X1+5X2+2X3≤300
2X1+4X2+5X3≤400
2X1+3X2+X3≤240
X1≤60
X1, X2, X3>0
Ahora si sustituimos con la solución óptima en la nueva restricción notamos que no se
cumple, (X1=700/11)
700/11≤60, 63,63≤60 no se cumple
En este caso se lleva la nueva restricción al tablero optimo del problema original. La
nueva restricción a llevar al tablero es X1+H4=60
zj 60 35 20 0 10 10 280
Así los coeficientes de si (ci) asociados a nuestra FO son todos cero, y los coeficientes
o indicadores finales asociados a cada si están determinados por zj, quedándonos de
tal manera los costos de oportunidad para cada restricción las siguientes:
Restricción 1 (ci-zj) = 0
Restricción 2 (ci-zj) = -10
Restricción 3 (ci-zj) = -10
Ahora tomando en cuenta los requerimientos de la nueva variable determinados
anteriormente, el costo marginal de producir x4 tenemos:
Restricción 1 1 x (ci-zj) = 0
Restricción 2 2 x (ci-zj) = -20
Restricción 3 1 x (ci-zj) = -10
Sumando los costos tenemos que, producir una unidad de x4 disminuirá en treinta
unidades nuestra función objetivo
Ahora contrastando estos costos con los beneficios marginales que generara la nueva
variable tenemos:
Ahora podemos ver que la incorporación de una unidad de esta nueva variable crea un
efecto neto de disminuir en 5 nuestra función objetivo, lo cual nos indica q la
incorporación de esta nueva variable al modelo, el óptimo se mantendrá ya que esta
nueva variable no estará en la base.
Como los elementos del segundo miembro se mantienen ni negativos, las variables
básicas actuales permanecen sin cambios. Solo sus nuevos valores se transforman
X1=3X2=2X5=2X3=X4=X6=0.2(2)=13
EJEMPLO NO. 1
ANALISIS DE SENSIBILIDAD DE LOS COEFICIENTES DE LA FUNCIÓN
OBJETIVO Y DE LAS RESTRICCIONES
ANÁLISIS DE SENSIBILIDAD DE LOS COEFICIENTES DE LA FUNCIÓN
OBJETIVO. (SOLUCION GRÁFICA)
Hay que considerar que la teoría de dualidad, que incluye el método símplex dual para
trabajar con soluciones básicas óptimas, juega un papel de gran importancia en el
análisis de sensibilidad.
Los valores usados como parámetros de un modelo de programación lineal son sólo
estimaciones. Por lo tanto, es necesario llevar a cabo el análisis de sensibilidad para
investigar lo que ocurre si las estimaciones están equivocadas. La idea fundamental es
proporcionar la clave para realizar esta investigación de manera eficiente.
Los objetivos generales del análisis de sensibilidad son identificar los parámetros
relativamente sensibles que afectan la solución óptima, para tratar de estimarlos con
más cuidado y después elegir una solución que se mantenga como buena en un cierto
intervalo de valores posibles de estos parámetros sensibles. No hay que olvidar que
este análisis constituye una parte muy importante de los estudios de programación
lineal.
Bibliografía: