Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
= +
= +
x
x
x
x x
x x
x x
x x
Gua Prctica para Investigacin de Operaciones
Julio Rito Vargas Avils/UNI Pgina 42
Para encontrar la solucin ptima es necesario que evaluemos todos los valores de los vrtices
en la funcin objetivo.
6. Soluciones factibles.
Valores permitidos ( )
2 1
, x x
de la regin factible
Funcin Objetivo
2 1
2 x x Z + =
Soluciones factibles
(FEV)
(0,0)
= + = 0 ) 0 ( 2 Z
0
(0,6)
= + = 6 ) 0 ( 2 Z
6
(18/7, 30/7)
= + = 7 / 30 ) 7 / 18 ( 2 Z
66/7
(4,0)
= + = 0 ) 4 ( 2 Z
8
La solucin ptima se puede analizar de la siguiente manera.
7. Soluciones ptimas:
18 3 2
2 1
s + x x
12 3
2 1
s + x x
(18/7,30/7)
(0,0)
(4,0)
(0,6)
Para alcanzar la mxima utilidad es necesario que la empresa produzca 18/7 kg de masa de
tipo I y 30/7 Kg de masa de tipo II, para alcanzar una utilidad mxima de 66/7 de euros.
Gua Prctica para Investigacin de Operaciones
Julio Rito Vargas Avils/UNI Pgina 43
GUA PRCTICA # 2
Solucin Grfica de PPL
Unidad 2: Programacin lineal
Contenidos:
Construccin del modelo de programacin lineal.
Solucin grfica del problema bidimensional
Objetivos: A l finalizar la prctica el estudiante adquiera las siguientes habilidades:
- Resolver problemas de programacin lineal con dos y tres restricciones a
travs del Mtodo Grfico.
- Graficar la regin de factibilidad en un sistema de coordenadas, haciendo uso
de las restricciones del problema de programacin lineal.
- Hacer uso del IOR Tutoral para encontrar la regin de factibilidad del problema
de programacin lineal.
- Encontrar la solucin al problema de programacin lineal de dos y tres
restricciones.
I. Resuelva los siguientes problemas por el mtodo grafico.
Problema 1:
La compaa INTEL produce dos dispositivos para computadoras, (producto 1 y
producto 2) y requiere partes de metal y componentes elctricos. La administracin
desea determinar cuantas unidades de cada producto fabricar para maximizar la
ganancia. Por cada unidad del producto 1 se requiere 1 unidad de partes de metal y 2
unidades de componentes elctricos. Por cada unidad del producto 2 se necesitan 3
unidades de partes de metal y 2 unidades de componentes elctricos. La compaa
tiene 200 unidades de partes de metal y 300 componentes elctricos. Cada unidad del
producto 1 da una ganancia de $ 2 y cada unidad del producto 2 da una ganancia de $
3.00
a) formule un modelo de programacin lineal.
b) Utilice el mtodo grafico para resolver este modelo. Cul es la
ganancia total que resulta?
Materiales
Unidades de Material para cada
dispositivo
Total de unidades
disponibles de
cada material Producto 1 Producto 2
Ganancias por unidad
Gua Prctica para Investigacin de Operaciones
Julio Rito Vargas Avils/UNI Pgina 44
1. Variables de decisin
2. Funcin Objetivo
3. Restricciones
4. Formule el modelo matemtico del PPL.
Ahora se puede formular el modelo matemtico del problema para lo cual
definimos la funcin objetivo a maximizar, sujeta a las restricciones que
se sealan.
5. Con la forma estndar del modelo, graficamos para encontrar la regin
factible.
Forma estndar del modelo:
Gua Prctica para Investigacin de Operaciones
Julio Rito Vargas Avils/UNI Pgina 45
6. Soluciones factibles.
Valores permitidos ( )
2 1
, x x
de la regin factible
Funcin Objetivo Soluciones factibles
(FEV)
7. Soluciones ptimas:
Problema 2:
Una fbrica de bombones tiene almacenados 500 Kg.. de chocolate, 100 Kg.. de
almendras y 85 Kg.. de frutas. Produce dos tipos de cajas: las de tipo A contienen 3
Kg. de chocolote, 1 Kg. de almendras y 1 Kg. de frutas; la de tipo B contiene 2 Kg. de
chocolate, 1,5 Kg. de almendras y 1 Kg. de frutas. Los precios de las cajas de tipo A y
B son 13 y 13,50 , respectivamente. Cuntas cajas de cada tipo debe fabricar para
maximizar sus ventas?
Gua Prctica para Investigacin de Operaciones
Julio Rito Vargas Avils/UNI Pgina 46
Caja tipo A Caja tipo B Disponibles
Chocolate
Almendras
Frutas
Precio en euros
1. Variables de decision
2. Funcin Objetivo
Gua Prctica para Investigacin de Operaciones
Julio Rito Vargas Avils/UNI Pgina 47
Restricciones
3. Formule el modelo matemtico del PPL.
Ahora se puede formular el modelo matemtico del problema para lo cual
definimos la funcin objetivo a maximizar, sujeta a las restricciones que
se sealan.
4. Con la forma estndar del modelo, graficamos para encontrar la regin
factible.
Forma estndar del modelo:
Gua Prctica para Investigacin de Operaciones
Julio Rito Vargas Avils/UNI Pgina 48
5. Soluciones factibles.
Valores permitidos ( )
2 1
, x x
de la regin factible
Funcin Objetivo Soluciones factibles
(FEV)
6. Soluciones ptimas:
Problema 3:
Un laboratorio de Cmputos, almacena, al menos 300 Computadoras de un tamao y
400 de un segundo tamao. Se ha decidido que el nmero total de computadoras
almacenadas no debe exceder de 1200. Determine las cantidades posibles de estos
dos tipos de computadoras que pueden almacenarse.
Restricciones
Tipo de Computadoras Total
Computadoras Computadora 1 Computadora 2
Tipos de Computadoras
1. Variables de decisin
2. Funcin Objetivo
3. Restricciones
Gua Prctica para Investigacin de Operaciones
Julio Rito Vargas Avils/UNI Pgina 49
4. Formule el modelo matemtico del PPL.
Ahora se puede formular el modelo matemtico del problema para lo cual
definimos la funcin objetivo a maximizar, sujeta a las restricciones que
se sealan.
5. Con la forma estndar del modelo, graficamos para encontrar la regin
factible.
6. Soluciones factibles.
Valores permitidos ( )
2 1
, x x
de la regin factible
Funcin Objetivo Soluciones factibles
(FEV)
7. Soluciones ptimas:
Forma estndar del modelo:
Gua Prctica para Investigacin de Operaciones
Julio Rito Vargas Avils/UNI Pgina 50
El Mtodo Simplex
Para la solucin de un problema de PL
Para resolver los problemas de PL se utilizan varios Algoritmos. El ms antiguo y ms
utilizado sigue siendo el Algoritmo del Simplex debido a Dantzig.
La solucin de los problemas de programacin lineal parte de dos teoremas
fundamentales:
El conjunto factible de un problema de PL puede representarse mediante un
poliedro convexo.
Si un PL tiene solucin ptima y finita sta se encuentra en uno de los vrtices
del poliedro convexo.
De ellos se deduce que:
Puesto que el nmero de vrtices de un poliedro factible es finito, el nmero de
posibles soluciones de un PL tambin es finito.
Esto sugiere, inicialmente, un algoritmo para calcular la solucin ptima:
Calcular el valor de la funcin objetivo en cada vrtice del conjunto factible y escoger
el mejor. Sin embargo, el nmero de vrtices de un conjunto factible es:
m = nmero de restricciones
n =nmero de variables
Ejemplo: S m=3; y n=2; entonces el nmero de Vrtices=10
El concepto de vrtice es de naturaleza geomtrica y es poco adecuado para construir
un algoritmo utilizable por ordenadores.
Conceptos importantes:
Variable bsica: Una de las variables restantes, diferentes a las no-bsicas, de un
programa lineal en forma estndar (igual en nmero al total de restricciones de
igualdad)
Variable no bsica: conjunto seleccionado de variables de un programa lineal en
forma estndar (en nmero igual al total de variables menos el nmero de
restricciones de igualdad) cuyos valores se toman como cero.
Forma estndar: Una forma particular de un problema de programacin lineal en el
que la funcin objetivo debe ser maximizada; solamente existen restricciones de
igualdad y todos los lados derechos de las variables son no negativos
m)! - n (m m!
n)! (m
m
n m
+
+
=
|
|
.
|
\
|
+
Gua Prctica para Investigacin de Operaciones
Julio Rito Vargas Avils/UNI Pgina 51
Solucin bsica: Valores de las variables que satisfacen las restricciones de igualdad
de un programa lineal en forma estndar, despus de que las variables no bsicas se
toman como cero.
Solucin bsica factible inicial: Valores de las variables que satisfacen las
restricciones de igualdad y de no negatividad de un programa lineal en forma
estndar, despus de que las variables no bsicas se toman como cero.
Variable de sobrante: variable no negativa que se aade al lado izquierdo de una
restriccin menor o igual que, para obtener una restriccin de igualdad equivalente.
Variable de faltante: variable no negativa que se aade al lado izquierdo de una
restriccin mayor o igual que, para obtener una restriccin de igualdad equivalente.
Iteracin: una serie de pasos de un algoritmo que se repien.
Prueba de optimalidad: Mtodo para determinar si la solucin obtenida es la ptima.
Mejora: proceso de encontrar soluciones factibles con valores de la funcin objetivo
cada vez mejores.
El Mtodo Simplex se basa en el concepto de la SOLUCIN BSICA FACTIBLE
Es aquella que tiene al menos n-m componentes nulos o variables no bsicas. Las m
restantes variables se denominan bsicas.
A partir de: Ax = b
x 0
Se dice que x es una SBF si puede realizarse la particin:
A = [ N|B]
x
N
= 0 x
B
= B
-1
b
Existen varios tipos de solucin bsica:
SB Factible: Todas las variables bsicas x
B
0
SBF No Degenerada: x
B
> 0
SBF Degenerada: algn x
B
= 0
Cada SBF representa un vrtice del Conjunto Factible.
Sin embargo, un vrtice puede estar representado por ms de una SBF si esta es
degenerada.
Cualquier conjunto polidrico no vaco contiene al menos un vrtice, y si hay un
vrtice, siempre habr por lo menos una SBF.
(
=
B
N
x
x
x
Gua Prctica para Investigacin de Operaciones
Julio Rito Vargas Avils/UNI Pgina 52
El algoritmo del Simplex busca el ptimo de un problema de PL recorriendo algunos de
los vrtices del poliedro del conjunto de soluciones factibles.
En cada iteracin, el algoritmo se desplaza de un vrtice a otro de forma que el valor
de la funcin objetivo mejore con el desplazamiento.
La optimizacin de un PL puede dar 4 posibles resultados:
ptimo nico
Soluciones Alternativas: Existen varias soluciones que dan el mismo valor en
la funcin objetivo.
No factible: No existe ninguna solucin que satisfaga simultneamente todas
las restricciones del problema
No acotado: El valor de la funcin objetivo en el ptimo es tan grande o
(pequeo) como se desee en caso de maximizacin (o minimizacin).
LAS 3 PARTES DEL ALGORITMO DEL SIMPLEX:
Costes reducidos (c
j
-z
j
):
Miden el efecto sobre la funcin objetivo de un aumento unitario en el valor de cada
una de las variables no bsicas. Por tanto:
Si una variable no bsica que tenga asociado un (c
j
-z
j
) > 0 entrara en la
base, el valor de z aumentara.
Si una variable no bsica que tenga asociado un (c
j
-z
j
) < 0 entrara en la
base, el valor de z disminuira.
Si una variable no bsica que tenga asociado un (c
j
-z
j
) = 0 entrara en la
base, el valor de z permanecera inalterado.
TEST DE OPTIMALIDAD
En problemas de maximizacin: La solucin es ptima si todos los
costes reducidos (c
j
-z
j
) son 0.
En problemas de minimizacin: La solucin es ptima si todos los
costes reducidos (c
j
-z
j
) son 0.
REGLA DE ENTRADA EN LA BASE
La variable que entra en la base debe ser aquella que tenga el mayor coste reducido
(absoluto) en el caso de maximizacin (o mayor coste reducido en el caso de
minimizacin), ya que sta es la variable que aumenta (o disminuye) ms rpidamente
el valor de la funcin objetivo.
La interpretacin de este cociente:
Representa el mximo valor que puede tomar la variable entrante antes de que la
variable que se est considerando viole su restriccin de no negatividad.
Gua Prctica para Investigacin de Operaciones
Julio Rito Vargas Avils/UNI Pgina 53
Si todos los a
ik
son 0 la solucin no est acotada:
La variable entrante puede crecer indefinidamente sin prdida de factibilidad.
En el PL se transforman las inecuaciones en ecuaciones.
Dentro de la matriz A de coeficientes deber encontrarse una submatriz
identidad (I) de orden mxm:
A = [N | I ]
Las variables cuyos coeficientes tcnicos (a
ij
) se corresponden con la submatriz
identidad, sern las variables consideradas bsicas (x
B
) en la solucin inicial y
sus valores de solucin sern los trminos independientes de las restricciones
(b).
El resto de variables sern consideradas no bsicas (x
N
) y, por tanto, su valor de
solucin ser cero.
Si A no contiene una submatriz identidad o existe algn componente negativo en b, no
resulta inmediato determinar una SBF inicial.
(
=
(
=
b
0
x
x
x
B
N
Gua Prctica para Investigacin de Operaciones
Julio Rito Vargas Avils/UNI Pgina 54
Gua Prctica para Investigacin de Operaciones
Julio Rito Vargas Avils/UNI Pgina 55
EJEMPLO APLICADO EL METODO SIMPLEX
El P.L. correspondiente es:
Max z = 23x + 32y
sujeto a:
10x + 6y 2500
5x + 10y 2000
x + 2y 500
x, y 0
Para convertir las inecuaciones en ecuaciones se aade una variable de holgura si por
cada ecuacin:
Max (z) = 23x + 32y + 0 h1+ 0 h2 + 0 h3
10x + 6y + h
1
= 2500
5x + 10y + h
2
= 2000
x + 2y + h
3
= 500
x, y 0
El proceso de clculo de la solucin utilizando el mtodo del Simplex en forma de
tableau es el siguiente:
Operacin Producto Disponibilidad
X Y (horas/periodo)
Cortado 10 6 2500
Cosido 5 10 2000
Empaquetado 1 2 500
Beneficio unitario 23 32
Gua Prctica para Investigacin de Operaciones
Julio Rito Vargas Avils/UNI Pgina 56
PASO 1: Formar el tableau inicial
a) Forma Algebraica b) Forma Tabular
Variable
Bsica
Ec.
Coeficiente de : Lado
Derecho
Z X Y h
1
h
2
h
3
(0) Z - 23x - 32y =0 Z (0) 1 -23 -32 0 0 0 0
(1) 10x + 6y + h
1
= 2500
h
1
(1) 0 10 6 1 0 0 2500
(2) 5X+10Y + h
2
= 2000 h
2
(2) 0 5 10 0 1 0 2000
(3) X+ 2Y + h
3
=500 h
3
(3) 0 1 2 0 0 1 500
PASO 2. Test de Optimalidad. Los costes reducidos de las variables x e y son
negativos. Luego no estamos en el ptimo y debe aplicarse la regla de entrada en la
base.
PASO 3. Regla de entrada. Se introduce la variable con mayor coste (absoluto)
reducido, en este caso, la variable y.
PASO 4. Regla de salida. Para determinar que variable sale de la base se calculan los
ratios:
Mn {b
i
/y
ik
} = Mn {2500/6, 2000/10, 500/2} = 200
El mnimo es 200, por tanto, sale h
2
PASO 5. Actualizacin de la solucin:
Se divide la fila entrante por el pivote
El resto de las filas se actualizan restndoles la fila correspondiente a la nueva
variable bsica, multiplicada por y
ik
El tableau resultante es:
Primer Iteracin
c) Forma Algebraica d) Forma Tabular
Variable
Bsica
Ec.
Coeficiente de : Lado
Derecho
Z X Y h
1
h
2
h
3
(4) Z - 23x - 32y =0 Z (0) 1 -7 0 0 3.2 0 6400
(5) 10x + 6y + h
1
= 2500
h
1
(1) 0 7 0 1 -0.6 0 1300
(6) 5X+10Y + h
2
= 2000 Y (2) 0 0.5 1 0 0.1 0 200
(7) X+ 2Y + h
3
=500 h
3
(3) 0 0 0 0 -0.2 1 100
Gua Prctica para Investigacin de Operaciones
Julio Rito Vargas Avils/UNI Pgina 57
Una vez recalculado el tableau, se vuelve al paso 2 y se realiza una nueva iteracin. El
tableau resultante es:
e) Forma Algebraica f) Forma Tabular
Variable
Bsica
Ec.
Coeficiente de : Lado
Derecho
Z X Y h
1
h
2
h
3
(8) Z - 23x - 32y =0 Z (0) 1 -7 0 0 3.2 0 6400
(9) 10x + 6y + h
1
= 2500
h
1
(1) 0 7 0 1 -0.6 0 1300
(10) 5X+10Y + h
2
= 2000 Y (2) 0 0.5 1 0 0.1 0 200
(11) X+ 2Y + h
3
=500 h
3
(3) 0 0 0 0 -0.2 1 100
Segunda iteracin:
g) Forma Algebraica h) Forma Tabular
Variable
Bsica
Ec.
Coeficiente de : Lado
Derecho
Z X Y h
1
h
2
h
3
(12) Z - 23x - 32y =0 Z (0) 1 0 0 1 2.6 0 7700
(13) 10x + 6y + h
1
= 2500
X (1) 0 1 0 0.14 -0.08 0 185.7142
(14) 5X+10Y + h
2
= 2000 Y (2) 0 0 1 -0.07 0.14 0 107.1428
(15) X+ 2Y + h
3
=500 h
3
(3) 0 0 0 0 -0.2 1 100
Solucin ptima para X=185.7142, Y=107.1428 con Z=7700.
Si en la matriz A no existe una submatriz identidad, se deber seguir uno de los dos
siguientes procedimientos:
Mtodo de Eliminacin o de la M Grande
Mtodo de las 2 Fases
En ambos casos se resuelve un problema de apoyo que:
En A incluye una submatriz identidad I, por lo que resulta muy sencillo
determinar una solucin inicial
Su ptimo, si existe, es una SBF del problema.
Una vez construido el problema de apoyo se aplica el algoritmo del Simplex para su
solucin final.
Gua Prctica para Investigacin de Operaciones
Julio Rito Vargas Avils/UNI Pgina 58
Ejemplo 2:
Resolveremos por el mtodo Simplex el problema de la WINDOR GLASS CO. Que produce
artculos de vidrio de alta calidad, entre ellos ventanas y puertas de vidrio. Tiene tres plantas.
Los marcos y molduras de aluminio se hacen en la planta 1, los de madera en la planta 2; la 3
produce el vidrio y ensambla los productos.
Gua Prctica para Investigacin de Operaciones
Julio Rito Vargas Avils/UNI Pgina 59
Gua Prctica para Investigacin de Operaciones
Julio Rito Vargas Avils/UNI Pgina 60
Solucin de los dos problemas anteriores por Simplex Revisado.
Gua Prctica para Investigacin de Operaciones
Julio Rito Vargas Avils/UNI Pgina 61
GUA PRCTICA # 3
Solucin por el Mtodo Simplex y Simplex Revisado
I. Resolver por el mtodo simplex y simplex revisado, los siguientes problemas.
Max
Sujeto a:
Forma Algebraica Forma Tabular
Variable
Bsica
Ec.
Coeficiente de : Lado
Derecho
Z X1 X2 X
3
X
4
X
5
(0)
(1)
(2)
(3)
II.Resolver por el mtodo simplex, el siguiente problema:
Max
Sujeto a:
Forma Algebraica Forma Tabular
Variable
Bsica
Ec.
Coeficiente de : Lado
Derecho
Z X1 X2 X
3
X
4
(0)
(1)
(2)
(3)
2 1
60 40 x x Z + =
0 ,
90 3
40
70 2
2 1
2 1
2 1
2 1
>
s +
s +
s +
x x
x x
x x
x x
2 1
3 4 x x +
0 ,
60 2
40
2 1
2 1
2 1
>
s +
s +
x x
x x
x x
Gua Prctica para Investigacin de Operaciones
Julio Rito Vargas Avils/UNI Pgina 62
DUALIDAD Y ANLISIS DE SENSIBILIDAD
Teora de dualidad:
La teora de dualidad parte que asociado a todo problema de PL tiene existe
otro problema lineal llamado dual.
Las relaciones entre el problema dual y el problema original o (llamado
tambin primal) son en extremos tiles en una gran variedad de situaciones.
Uno de los aspectos ms importantes de la teora de dualidad es la
interpretacin y realizacin del anlisis de sensibilidad.
Esencia de la teora de dualidad:
Dada la forma estndar para el problema primal (izquierda), su problema dual tiene la
forma que se muestra a la derecha.
Max Min
El problema dual usa exactamente los mismos parmetros que el problema primal, pero en
diferentes lugares.
Dada la forma matricial del problema primal (izquierda), y del problema dual.
Max Min
Donde c, y son vectores fila y b y x son vectores columna.
0
:
1
1
>
s
=
=
=
j
i
n
j
j ij
n
j
j j
x
b x a
a sujeto
x c Z
0
:
>
>
=
y
c yA
a sujeto
yb W
0
:
>
s
=
x
b Ax
a sujeto
c Z x
0
:
>
>
=
y
c yA
a sujeto
yb W
Gua Prctica para Investigacin de Operaciones
Julio Rito Vargas Avils/UNI Pgina 63
Problema primal y dual para el caso del problema de Wyndor Glass Co.
El problema primal El problema Dual
Max Min
A la izquierda se muestra el problema primal en forma algebraica y a la derecha el problema
dual en forma algebraica.
El problema dual se puede resolver por los mismos mtodos que hemos resueltos los
problemas PL. Por lo que para efectos de anlisis vamos resolverlo usando WinQSB.
Max
Min
A la izquierda se muestra el problema primal en forma matricial y a la derecha el problema
dual en forma matricial.
Solucin del P. dual, para el ejemplo Wyndor Glass Co. (usando WinQSB)
La solucin ptima es: Y1=0 , Y2=1.5, Y3=1 para z= 36.
0
0
18 2 3
12 2
4
:
5 3
2
1
2 1
2
1
2 1
>
>
s +
s
s
+ =
x
x
x x
x
x
a sujeta
x x Z
0
0
0
5 2 2
3 3
:
18 12 4
3
2
1
3 2
3 1
3 2 1
>
>
>
> +
> +
+ + =
y
y
y
y y
y y
a sujeta
y y y W
| |
(
>
(
(
(
(
s
(
(
(
(
=
0
0
18
12
4
2 3
2 0
0 1
:
5 3
2
1
2
1
2
1
x
x
x
x
a sujeta
x
x
Z
| |
| | | |
| | | | 0 0 0
5 3
2 3
2 0
0 1
:
18
12
4
3 2 1
3 2 1
3 2 1
>
>
(
(
(
(
(
(
=
y y y
y y y
a sujeta
y y y W
Gua Prctica para Investigacin de Operaciones
Julio Rito Vargas Avils/UNI Pgina 64
La solucin ptima es: X1=2 y X2=6 para z= 36
Anlisis comparativo: (Solucin dual y primal)
En cuadro anterior se puede ver que la solucin de las variables de decisin del problema
primal son: X1=2 y X2=6, estos resultados corresponden los precios sombras de la solucin
del problema dual.
La solucin de las variables de decisin del problema dual son: Y1=0 , Y2=1.5, Y3=1. Estos
valores corresponden a los precios sombra del problema primal.
El ptimo de la funcin objetivo tanto del problema dual como primal es el mismo ( Z=36).
Los valores mnimos permitidos en las variables de decisin del primal (X1=0; X2=2)
corresponden a los mnimos permitidos en las restricciones del problema dual.
Los valores mximos permitidos en las variables de decisin del primal (X1=7.5 ; X2= M)
corresponden a los mximos permitidos en las restricciones del problema dual.
Los valores mnimos permitidos en las variables de decisin del dual (Y1=2; Y2=6;Y3=12)
corresponden a los mnimos permitidos en las restricciones del problema primal.
Los valores mximos permitidos en las variables de decisin del dual (Y1=M ; Y2= 18 ;Y3=24)
corresponden a los mximos permitidos en las restricciones del problema primal.
La reduccin de costos para las variables de decisin de problema primal (X1=0;X2=0)
corresponden a los precios sombras del problema del problema dual.
La reduccin de costos para las variables de decisin de problema dual (Y1=2;Y2=0;Y3=0)
corresponden a los precios sombras del problema del problema primal.
Problema primal (original):
MAX Z= 3X
1
+ 4X
2
2X
3
Variables duales
Sujeto a: 4X
1
12X
2
+ 3X
3
< 12 Y
1
2X
1
+ 3X
2
+ X
3
< 6 Y
2
5X
1
+ X
2
6X
3
< -40 Y
3
3X
1
4X
2
2X
3
< 10 Y
4
Gua Prctica para Investigacin de Operaciones
Julio Rito Vargas Avils/UNI Pgina 65
X
1
> 0, X
2
< 0, X
3
no restringida en signo
Problema Dual
Min W = 12Y
1
+ 6Y
2
40Y
3
+ 10Y
4
Sujeto a:
4Y
1
2Y
2
5Y
3
+ 3Y
4
>= 3
12Y
1
+ 3Y
2
+ Y
3
- 4Y
4
>= 4
3Y
1
+ Y
2
6Y
3
2Y
4
>= -2
Y
1
> 0, Y
2
< 0, Y
3
> 0, Y
4
no restringida en signo
Usando WinQSB. Obtenemos la solucin de ambos problemas.
Sensibilidad:
El anlisis de sensibilidad concierne el estudio de posibles cambios en la solucin ptima
obtenida como resultado de hacer cambios en el modelo original.
Como en cualquier aspecto de decisin gerencial, es til realizar un anlisis de sensibilidad
para determinar cmo afecta a la decisin la asignacin de probabilidades.
Mediante el anlisis de sensibilidad pueden existir diferentes tipos de cambios en el modelo
original como:
1. Cambios en los coeficientes de la funcin objetivo, C
ij
2. Cambios en los recursos, b
i
3. Cambios en los coeficientes tecnolgicos, a
ij
4. Adicin de una nueva variable X
i
5. Adicin de una nueva restriccin. a
ij
>= b
i
Ejemplo de anlisis de sensibilidad:
La empresa KAMIR se dedica a la fabricacin de tres producto; A, B y C. El procedimiento de
produccin involucra tres operaciones: formacin, acabado e inspeccin. El departamento de
ingeniera industrial, ha establecido los siguientes estndares de produccin en cada
operacin.
Datos de produccin para la compaa (minutos por producto)
Gua Prctica para Investigacin de Operaciones
Julio Rito Vargas Avils/UNI Pgina 66
El departamento de contabilidad por su parte, pronostica los siguientes costos e ingresos para
la compaa.
Datos de costo e ingreso para la compaa
Se desea saber el nmero de cada tipo de producto que debern producirse de tal manera que
se optimice el beneficio por las 8 horas de trabajo del da. Considerando la informacin, se
plante el modelo de programacin lineal:
X1: nmero de productos tipo A.
X2: nmero de productos tipo B.
X3: nmero de productos tipo C.
Solucin: Modelo de PPL
Dual del Problema anterior.
Min W= 480Y1 + 480Y2 + 480y3
Sujeto a:
2y1 + 3y2 + 2y3 20
6y1 + 6y2 + 2y3 35
2y1 + 2y2 + 4y3 45
y1 0
( )
( )
( ) acabado x x x
inspeccin x x x
formacin x x x
a sujeto
x x x Z
480 4 2 2
480 2 6 3
480 2 6 2
:
45 35 20
3 2 1
3 2 1
3 2 1
3 2 1
s + +
s + +
s + +
+ + =
Gua Prctica para Investigacin de Operaciones
Julio Rito Vargas Avils/UNI Pgina 67
y2 0
y3 0
Responda las siguientes preguntas.
1. Determine los rangos de variacin de las variables bsicas en donde la base actual
permanece
2. Cul es el rango de los recursos en donde la base actual permanece?
3. En cules de las operaciones recomendara usted contratar tiempo extra y por que?
4. Que pasara si se programaran 20 minutos extras en el departamento de inspeccin,
cambiara la funcin objetivo?
5. En cunto se incrementara la utilidad ptima actual si se programan 50 minutos en el
departamento de formado?
6. Qu pasara con la solucin ptima actual si se programaran 30 minutos de
mantenimiento en el departamento de acabado?
7. Si se logran reducir los costos de produccin en el producto B en un 25%, cmo se
afecta la base actual y el objetivo?
8. Si los trabajadores ofrecen trabajar minutos extras a razn de $5/minuto,
recomendara usted tiempo extra?, si lo recomienda, en que departamento y cuanto
tiempo extra puede programarse sin cambiar la mezcla actual?
Problema PPL con anlisis de sensibilidad.
Es problema de PL con varias variables
Ken & Larry Inc. surte su helado a los expendios en cuatro sabores: chocolate, vainilla,
chicle y pltano. Debido al calor extremo y la alta demanda, la compaa tiene un
dficit en el abastecimiento de los ingredientes: leche, azcar y crema.
Esto no le permite satisfacer todas las rdenes recibidas de sus expendios. Por estas
circunstancias, la compaa a decidido seleccionar la cantidad que debe producir de
cada sabor para maximizar la ganancia total, dadas las restricciones en las cantidades
de ingredientes bsicos.
Gua Prctica para Investigacin de Operaciones
Julio Rito Vargas Avils/UNI Pgina 68
Sujeto a:
La compaa tiene solo 220 galones de leche, 170 libras de azcar y 70
galones de crema. (por mes)
Un galn de helado de chocolate consume: 0.45 galn de leche, 0.5 libra de
azcar y 0.10 galn de crema.
Un galn de helado de Vainilla consume: 0.5 galn de leche, 0.4 libra de
azcar y 0.15 galn de crema.
Un galn de helado de banano consume: 0.4 galn de leche, 0.4 libra de
azcar y 0.2 galn de crema.
Un galn de helado de chicle consume: 0.4 galn de leche, 0.4 libra de azcar
y 0.3 galn de crema.
La compaa para mantener su mercado cautivo de sabores a decidido
tambin producir al menos 30 galones de helados de cada uno de los cuatro
sabores.
Los sabores de chocolate, vainilla, banano y chicle generan ganancias
respectivas de $1.10, $1.0, $0.9 y $.95 por galn.
Variables de decisin
X1 = Nmeros de Galones de helados de chocolate
X2 = Nmeros de Galones de helados de vainilla
X3 = Nmeros de Galones de helados de banano
X4= Nmeros de Galones de helados de chicle
Funcin objetivo
Max. Z = 1.1 X1 + 1.0 X2 + 0.90X3 + 0.95X4
$ = ($/galn de chocolate) x (Nmero galones chocolate)
+ ($/galn de vainilla) x (Nmero galones vainilla)
+ ($/galn de pltano) x (Nmero galones banano)
+ ($/galn de chicle) x (Nmero galones chicle)
Restriccin de produccin
0.45X1 es el total de galones de leche que se requieren para producir X1 galones de
chocolates
0.5X2 es el total de galones de leche que se requieren para producir X2 galones de
vainilla
0.4X3es el total de galones de leche que se requieren para producir X3 galones de
banano
0.4X4 es el total de galones de leche que se requieren para producir X4 galones de
chicle
Gua Prctica para Investigacin de Operaciones
Julio Rito Vargas Avils/UNI Pgina 69
0.45X1 + 0.5X2 + 0.4X3 + 0.4X4 s 220
0.5X1 es el total de libras de azcar que se requieren para producir X1 galones de
chocolates
0.4X2 es el total de libras de azcar que se requieren para producir X2 galones de
vainilla
0.4X3es el total de libras de azcar que se requieren para producir X3 galones de
banano
0.4X4 es el total de libras de azcar que se requieren para producir X4 galones de
chicle
0.5X1 + 0.4X2 + 0.4X3 + 0.4X4 s 170
0.1X1 es el total de galones de crema que se requieren para producir X1 galones de
chocolates
0.15X2 es el total de galones de crema que se requieren para producir X2 galones de
vainilla
0.2X3es el total de galones de crema que se requieren para producir X3 galones de
banano
0.3X4 es el total de galones de crema que se requieren para producir X4 galones de
chicle
0.1X1 + 0.15X2 + 0.2X3 + 0.3X4 s 70
Compromisos de demanda
X1 galones de chocolate > 30 galones
X2 galones de vainilla > 30 galones
X3 galones de banano > 30 galones
X4 galones de chicles > 30 galones
Modelo de PPL
Max. Z = 1.1 X1 + 1.0 X2 + 0.90X3 + 0.95X4
Gua Prctica para Investigacin de Operaciones
Julio Rito Vargas Avils/UNI Pgina 70
No se necesitan las condiciones de no negatividad puesto que existen restricciones de
demanda para todas las variables.
Solucin
PREGUNTAS ADICIONALES
Suponga que la ganancia por galn de pltano a $1.00 cambia la solucin
ptima y que se puede decir de la ganancia total?
Sujeto a:
0.45X
1
+ 0.5X
2
+ 0.4X
3
+ 0.4X
4
s 220
0.5X1 + 0.4X2 + 0.4X3 + 0.4X4 s 170
0.1X1 + 0.15X2 + 0.2X3 + 0.3X4 s 70
X1 > 30
X2 > 30
X3 > 30
X4 > 30
Gua Prctica para Investigacin de Operaciones
Julio Rito Vargas Avils/UNI Pgina 71
- Cambia la ganancia total
- Cambia la solucin ptima.
Suponga que la ganancia por galn de pltano a $0.92 cambia la solucin
ptima y que se puede decir de la ganancia total?
- Cambia levemente la ganancia total
- No cambia la solucin ptima
- Se podra decir que no hay cambios relevantes en la optimizacin.
Suponga que descubren tres galones de crema agrio que tienen que tirarse
cambia la solucin ptima y que se puede decir de la ganancia total?
Se podra decir que no hay cambios en la optimizacin ni en la ganancia, eran
Sobrantes.
Gua Prctica para Investigacin de Operaciones
Julio Rito Vargas Avils/UNI Pgina 72
Suponga que tienen la oportunidad de comprar 15 libras adicionales de azcar
por un costo total de $15.00Deben comprarlas ? explique
- Se recomienda comprarlos, eso permite mejorar la solucin ptima
- El precio es inferior a lo permitido de $2.50 por libra, por tanto es una
buena opcin.
Nota: Se utiliz el software WINQSB para la solucin del modelo.
Gua Prctica para Investigacin de Operaciones
Julio Rito Vargas Avils/UNI Pgina 73
9. Que paseara si se programara la produccin de 10 unidades del producto A ?
10. Qu pasara si por cambios en maquinara y procesos el producto A cambiara sus
tiempos de fabricacin en
11. a
1
= (2,3,2) a a
1
= (1,2,2)
12. Por polticas de la empresa es necesario producir un nuevo producto con las siguientes
caractersticas C
4
=60, a
4
= (2,1,3), Qu recomendara?
Solucin del primal con WinQSB.
Decisin
Variable
Solution
Value
Unit Cost
or
Profit c[i]
Total
Contribution
Reduced
Cost
Basis
Status
Allowable
Min c[i]
Allowable
Max c[i]
X1 0 20 0 -5.00
at bound
-M 25.00
X2 48 35 1,680.00 0 Basic 22.50 135.00
X3 96 45 4,320.00 0 Basic 32.50 70.00
Objective Function Max= 6,000.00
Constraint Left
Hand
Side
Direction Right Hand
Side
Stack
Or
Surplus
Shadow
Price
Allowable
Min RHS
Allowable
Max RHS
C1 480.00 <= 480.00 0 2.50 240.00 480.00
C2 480.00 <= 480.00 0 0 480.00 M
C3 480.00 <= 480.00 0 10.00 160.00 960.00
Respuestas a las preguntas:
1. Determine los rangos de variacin de las variables bsicas en donde la base actual
permanece: X2 est entre 22.5 y 135.00, X3 est entre 32.5 y 70, la variable X1 no es
bsica, es decir no se recomienda producir del producto A.
2. Cul es el rango de los recursos en donde la base actual permanece?
Para formacin se puede tener entre 240 y 1440 minutos.
Para inspeccin se puede tener entre 288 y M (ilimitado) minutos.
Para acabado se puede tener entre 160 y 960 minutos.
3. En cules de las operaciones recomendara usted contratar tiempo extra y por que?
En acabado, por ejemplo con 2 horas ms en acabado se produciran 132 unidades del
producto C, actualmente son 96. Con una nueva utilidad de 7,200.00 contra 6,000 que
actualmente se obtienen. El intervalo lo permite con una costo de por minuto de
U$10.
4. Qu pasara si se programaran 20 minutos extras en el departamento de inspeccin,
cambiara la funcin objetivo? No cambiara la funcin objetivo, la cual permanecer
Gua Prctica para Investigacin de Operaciones
Julio Rito Vargas Avils/UNI Pgina 74
igual porque no se afectara la produccin. Los 20 minutos que daran como sobrantes,
es decir no se aprovecharan.
5. En cunto se incrementara la utilidad ptima actual si se programan 50 minutos en el
departamento de formado? La utilidad ptima seguira siendo la misma que la actual,
no habra incremento en la produccin, y los 50 minutos no seran utilizados.
6. Qu pasara con la solucin ptima actual si se programaran 30 minutos de
mantenimiento en el departamento de acabado? Si se programan 30 minutos de
acabado solo contaramos con 450 minutos para este proceso, lo que afectara la
produccin de la siguiente manera: se produciran 51 unidades tipo B y 87 unidades
tipo C, para una utilidad ptima de 5,700.00, tenindose una prdida de U$ 300 por el
tiempo perdido en mantenimiento.
7. Si se logran reducir los costos de produccin en el producto B en un 25%, cmo se
afecta la base actual y el objetivo? Actualmente los costos de produccin del producto
B es U$50.00 con 25% menos los costos de produccin sern de U$ 37.50. Por lo tanto
la utilidad por unidad producida ser de (U$37.50+U$15.00=U$52.50) y es vendida en
U$100.00 por lo que la utilidad ser de U$ 47.50. Esto afectar la funcin objetivo, la
que lgicamente aumentar su ptimo a U$6,600.00 produciendo los mismos
productos.
8. Si los trabajadores ofrecen trabajar minutos extras a razn de $5/minuto,
recomendara usted tiempo extra?, si lo recomienda, en que departamento y cuanto
tiempo extra puede programarse sin cambiar la mezcla actual? El modelo recomienda
de acuerdo a los intervalos que se pueden contratar minutos extras en inspeccin y
acabado, siendo el acabado el de mayor costo. Si hay una disminucin de costo. Se
podra aumentar al mximo recomendado de 8 horas extras o sea 480 minutos en
acabado para un total de 960 minutos en acabado. Esto permitir ptimo de U$
10,800.00 con una produccin concentrada en el producto C. que es de mayor
rentabilidad.
9. Que paseara si se programara la produccin de 10 unidades del producto A?
Si se producen 10 unidades del producto A, las utilidades se reduciran a U$ 5,925.00 o
sea se tendra una prdida de U$75.00 con respecto a la utilidad actual.
10. Qu pasara si por cambios en maquinara y procesos el producto A cambiara sus
tiempos de fabricacin en
11. a
1
= (2,3,2) a a
1
= (1,2,2)
Seguira siendo poco atractivo producir el producto A dado su poca utilidad en
comparacin con los productos B y C. de manera que se seguira produciendo la misma
cantidad de B y C y por lo tanto obtendramos el mismo ptimo actual.
12. Por polticas de la empresa es necesario producir un nuevo producto con las siguientes
caractersticas C
4
=60, a
4
= (2,1,3), Qu recomendara?
Gua Prctica para Investigacin de Operaciones
Julio Rito Vargas Avils/UNI Pgina 75
Remplazar el producto A que no es rentable y producir el nuevo producto segn el
anlisis de optimalidad con los parmetros del nuevo producto se vuelve atractivo
producirlo, ya que la nueva utilidad neta sera de U$ 9,600.00 con tiempo de
procesamiento menor. Esto implica ahorro en maquinaria y horas-hombres.
( )
( )
( ) acabado x x x
inspeccin x x x
formacin x x x
a sujeto
x x x Z
480 4 2 3
480 2 6
480 2 6 2
:
45 35 60
3 2 1
3 2 1
3 2 1
3 2 1
s + +
s + +
s + +
+ + =