Iind 105 Analisis de Decisiones Murciac1@upao - Edu.pe

IIND 105 ANALISIS DE
murciac1@upao.edu.pe
DECISIONES
Análisis de decisiones
Modelos cuantitativos:
Alternativas de localización
TÍTULO DEL TEMA

Planificacion de la producción (programación lineal con dos
variables)
A DESARROLLAR
Elaborado por: Dr.Ing° MANUEL URCIA CRUZ, unidad I /
semana 3, semestre 2018 - 10

DECISIONES
Reflexión sobre las siguientes
interrogantes:
¿Determinar la localización de una planta solo se
puede dar por gustos y preferencias de quienes
deciden?
¿Qué busca un empresario de su negocio?

¿Puede un modelo matemático cumplir con sus
expectativas?

DECISIONES
AGENDA.
• 1.-Seleccionar la mejor alternativa de

localización de una planta priorizando factores
o criterios locacionales
• 2.-Aplicación de la programación lineal en el
planeamiento de la producción.

DECISIONES
Localización por puntajes ponderados
• 1.-Identificar que se va a producir.

• 2.-Que se requiere para producir de manera
eficiente y rentable.
• 3.-Que criterios o factores se deben tomar en
cuenta para producir de manera eficiente.
• 4.-Que alternativas de localización se deben
tomar en cuenta.
• 5.-Otorgar pesos a cada criterio o factor de
localización
DECISIONES
Evaluación de alternativas de localizacion
• 1.-Calificar cada alternativa en función de

cada criterio o factor de localización.
• 2.-Ponderar la calificación de cada factor y su
peso respectivo.
• 3.-Sumar los puntajes ponderados, resultantes
de cada alternativa.
• 4.-Elegir la mejor alternativa de acuerdo al
mayor puntaje ponderado.
DECISIONES
Ejemplo: Elegir la mejor alternativa de
localización para una planta agroindustrial
• 1.-producto: Conservas de alcachofa
• 2.-Requerimientos: Materia prima, envases de
vidrio y hojalata, mano de obra, maquinas y
equipos, etc.
• 3.-Factores:
• 1.-Tierras de cultivo.
• 2.-Clima favorable para el cultivo.
• 3.-Agua asegurada.
DECISIONES
Factores…
• 4.-Energia industrial
• 5.-Vias de acceso.
• 6.-Mano de obra disponible.
• 7.-Seguridad ciudadana.
• 8.-Facilidad para la comunicación.
• Seleccionar alternativas: A: CHAO, B:
CHICAMA, C: VIRU, D: PAIJAN

DECISIONES
Pesos y calificación.
Facto peso Alternati CHICAM VIRU Paija Ponderación B C D
ro va CHAO A n A
criter
io
1 0.20 70 40 60 50 14 8 12 10
2 0.25 70 50 70 60 17.5 12.5 17.5 15
3 0.25 80 30 80 30 20 7.5 20 7.5
4 0.05 60 50 70 40 3 2.5 3.5 2
5 0.05 50 40 60 40 2.5 2 3 2
6 0.05 70 50 50 40 3.5 2.5 2.5 2
7 0.10 50 50 50 60 5 5 5 6
8 0.05 60 40 60 50 3 2 3 2.5
total 1.00 68.5 42 66.5 42

DECISIONES
Ranking de prioridades
• Primera opción: Chao

• Segunda Opción: Virú

DECISIONES
Programación lineal: Planificacion de la
producción – 2 variables
• La programación lineal es una técnica matemática relativamente
reciente (siglo XX), que consiste en una serie de métodos y
procedimientos que permiten resolver problemas de optimización en
el ámbito, sobre todo, de las Ciencias Sociales.
• Nos centraremos en este tema en aquellos problemas simples de
programación lineal, los que tienen solamente 2 variables,
problemas bidimensionales.
• Para sistemas de más variables, el procedimiento no es tan sencillo y
se resuelven por el llamado método Simplex (ideado por G.B.Danzig,
matemático estadounidense en 1951).
• En (1984), el matemático indio establecido en Estados Unidos,
Narenda Karmarkar, ha encontrado un algoritmo, llamado algoritmo
de Karmarkar, que es más rápido que el método simplex en ciertos
casos. Los problemas de este tipo, en el que intervienen gran
numero de variables, se implementan en ordenadores
DECISIONES
Supuestos del Modelo
Linealidad: Las relaciones Insumo/Producto (Coeficientes
técnicos) son fijos y constantes, y no dependerían de la
dimensión (escala) de la actividad.
Aditividad: Los efectos de las actividades se suman en forma

algebraica, lo que implicaría que no hay complementariedad
sino competencia entre actividades
No negatividad de actividades. Un requisito obvio pero no

redundante desde el punto de vista matemático.
Límites: Toda variable debe estar limitada en forma explícita

o implícita.
Continuidad: Las relaciones son continuas. Las variables

(x1,x2...xn) (magnitudes de cada actividad o rubro productivo)
y los recursos pueden tener valores continuos, es decir no
solo enteros sino también fraccionarios.
Certeza de datos: Los datos empleados son ciertos y se les

asigna seguridad de ocurrencia.

DECISIONES
Representación matemática de un problema de
PL
• Función objetivo
Z = c1X1 + c2X2 + ... + cnXn
• Reactions entre Requerimientos y

Disponibilidad de Recursos
a11X1 + a12X2 + ..... + a1nXn <= b1
............................................. <= ..
am1X1 + am2X2 + ..... + amnXn <= bm
Xj = variables de decisión
cj = costos o ingresos por unidad
aij = coeficientes insumo producto
bi = disponibilidad de recursos

DECISIONES
APLICACIONES DE LA PROGRAMACION
LINEAL
• 1.-Planeacion de la producción.
• 2.-Mezcla de alimentos.
• 3.-Control de Calidad.
• 4.-Sistemas de inventarios.
• 5.- Líneas de ensamble.

DECISIONES
Secuencia para el desarrollo de problemas
de programación lineal.
• 1.-Entender el Problema.
• 2.-Describir el objetivo.
• 3.-Identificar las restricciones.
• 4.-Definir las variables de decisión.
• 5.-Plantear el objetivo en forma matemática en función de las
variables de decisión.
• 6.-Plantear las restricciones .
• 7.-Agregar las restricciones de NO NEGATIVIDAD .

DECISIONES
.
• .
CASO PRÁCTICO A DESARROLLAR
La empresa Camposol S.A desea optimizar su producción de conservas de
mandarinas y conservas de mangos en tajadas. Se conoce que la
elaboración de estos productos requiere del paso de 3 áreas (Preparación,
envasado y esterilizado). Sin embargo se conoce que cada área presenta
límites de capacidad de procesamiento en horas hombre y/o horas
maquina. Los tiempos de procesamiento en cada área y para lote de 1,000
conservas se muestran en la tabla siguiente:

DECISIONES
.
Conservas Área de Área de envasado Área de

Preparación A B esterilizado
C
Mandarina 2 horas 1 hora 4 horas
Mango 2 horas 2 horas 2 horas.
Capacidad máxima 160 horas 120 horas 280 horas

DECISIONES
PASOS A SEGUIR PARA LA SOLUCION DEL CASO DE
PLANIFICACION.
• 1.-Definicion del Objetivo: Maximizar las

Utilidades.
• 2.-Definir las Variables, Sea:
• X1: Cantidad de conservas de mandarina a
procesar.
• X2: Cantidad de conservas de mango a
procesar.
• 3.-Formulacion de la función Objetivo:
• MAX (U) = 1X1 + 1.5 X2
DECISIONES
4.- MATRIZ para elaborar las restricciones del problema:
Conservas Área A Área B Área C Utilidad

($)
Mandarina 2 1 4 1
Mango 2 2 2 1.5
Capacidad Máxima ( Horas) 160 120 280

DECISIONES
.
• . 5.-FORMULACION ALGEBRAICA DE LAS RESTRICCIONES:
1.- 2X1+2X2<= 160

2.- X1 + 2X2 <=120
3.- 4X1+2X2<=280
Para todo Xi >= 0

DECISIONES
.
• Solución: METODO SIMPLEX. Usando el programa DS POM.

• X1 = 40
• X2 = 40
• Máxima ganancia en la función Objetivo:
• Z = X1 + 1.5X2
• Z= 40 + 1.5 (40)
• Z= 100
• Como las líneas de producción son para 1000 unidades por
turno de 8 horas, entonces la máxima ganancia seria $100,000
para 40,000 conservas de mandarina y 40,000 conservas de
mango.
•

DECISIONES
SOLUCION CON DS POM
• X1 X2 RHS Dual
• Maximize 1 1.5
• RESTRICCION 1 2 2 <= 160 0.25
• RESTRICCION 2 1 2 <= 120 0.5
• RESTRICCION 3 4 2 <= 280 0
• Solution-> 40 40 $100.

DECISIONES
Ejemplo
BASSA, manufactura muñecos y trenes de madera.
Cada muñeco:
• Produce un beneficio neto de 3 €.
• Requiere 2 horas de trabajo de acabado.
• Requiere 1 hora de trabajo de carpinteria.
Cada tren:
• Produce un beneficio neto de 2 €.
• Requiere 1 hora de trabajo de acabado.
• Requiere 1 hora trabajo de carpinteria.
Cada semana BASSA puede disponer de:
• Todo el material que necesite.
• Solamente 100 horas de acabado.
• Solamente 80 horas de carpinteria.
También:
• La demanda de trenes puede ser cualquiera (sin límite).
• La demanda de muñecos es como maximo 40.
BASSA quiere maximizar sus beneficios.

¿Cuántos muñecos y cuántos trenes debe fabricar?

DECISIONES
Este problema es un ejemplo típico de un problema de
programación lineal (PPL).
Variables de Función Objetivo. En cualquier Restricciones
Decisión PPL, la decisión a tomar es Son desigualdades que
como maximizar (normalmente limitan los posibles
x = nº de muñecos el beneficio) o minimizar (el valores de las variables
producidos a la coste) de alguna función de las de decisión.
semana variables de decisión. Esta En este problema las
y = nº de trenes función a maximizar o minimizar restricciones vienen
producidos a la se llama función objetivo. dadas por la
semana disponibilidad de horas
de acabado y
El objetivo de Bassa carpintería y por la
es elegir valores de x demanda de muñecos.
También suele haber
e y para maximizar 3x restricciones de signo o
+ 2y. Usaremos la no negatividad:
x≥0
variable z para
y≥0
denotar el valor de la
Max zobjetivo.
función = 3x + 2y
La
función objetivo de
Bassa es:

DECISIONES
Restricciones
Cuando x e y crecen, la función objetivo de BASSA
también crece. Pero no puede crecer indefinidamente
porque, para BASSA, los valores de x e y están limitados
por las siguientes
Restricción treshoras
1: no más de 100 restricciones:
de tiempo de acabado pueden ser usadas.
Restricción 2: no más de 80 horas de tiempo de carpinteria pueden ser usadas.
Restricción 3: limitación de demanda, no deben fabricarse más de 40 muñecos.
Estas tres restricciones pueden expresarse

matematicamente por las siguientes desigualdades:
Restricción 1: 2 x + y ≤ 100
Restricción 2: x + y ≤ 80
≤ 40
Restricción 3: x
Además, tenemos las restricciones de signo: x ≥ 0 e
y≥0

DECISIONES
Formulación matemática del PPL
Variables de Decisión x = nº de muñecos producidos a la semana
y = nº de trenes producidos a la semana
Muñeco Tren
Beneficio 3 2 Max z = 3x + 2y (función objetivo)
≤
Acabado 2 1
100 2 x + y ≤ 100 (acabado)
Carpintería 1 1 ≤ 80 x + y ≤ 80 (carpinteria)
Demanda ≤ 40 x ≤ 40 (demanda muñecos)
x ≥0 (restricción de
signo)
y ≥0 (restricción de signo)
Formulación matemática del PPL
Para el problema de BASSA, combinando las

restricciones de signo x ≥ 0 e y ≥ 0 con la función
objetivo y las restricciones, tenemos el siguiente
modeloMaxdez optimización:
= 3x + 2y (función objetivo)
Sujeto a (s.a:)
2 x + y ≤ 100 (restricción de acabado)
x + y ≤ 80 (restricción de carpinteria)
x ≤ 40 (restricción de demanda de
muñecos)
x ≥0 (restricción de signo)
y ≥0 (restricción de signo)

DECISIONES
Región factible
La región factible de un PPL es el conjunto de todos

los puntos que satisfacen todas las restricciones. Es la
región del plano delimitada por el sistema de
desigualdades que forman las restricciones.
x = 40 e y = 20 está en la Restricciones de BASSA
región factible porque 2x + y ≤ 100 (restricción finalizado)
satisfacen todas las x + y ≤ 80 (restricción carpintería)
restricciones de BASSA x ≤ 40 (restricción demanda)

x ≥0 (restricción signo)
Sin embargo, x = 15, y = 70 y ≥0 (restricción signo)
no está en la región factible
porque este punto no
satisface la restricción de
carpinteria
[15 + 70 > 80].

DECISIONES
Solución óptima
Para un problema de maximización, una Se puede
solución óptima es un punto en la demostrar que
región factible en el cual la función la solución
objetivo tiene un valor máximo. Para un óptima de un
problema de minimización, una solución PPL está
óptima es undepunto siempre en la
PPL en la región factible
La mayoría tienen solamente una frontera de la
en el cualóptima.
la función
Sin objetivo tiene un
solución embargo, algunos región factible,
valor mínimo.
PPL no tienen solución óptima, y otros en un vértice (si
PPL tienen un número infinito de la solución es
soluciones. única) o en un
Más adelante veremos que zla=solución segmento entre
3x + 2y = 3·20dos+ vértices
2·60 =
del PPL de BASSA es x = 20 e y€= 60.
180
Cuando
Esta decimos
solución da unque x =de
valor 20lae función contiguos (si
y = 60 es la solución
óptima,de:
objetivo estamos diciendo que, en ningún punto hay infinitas
en la
soluciones)
región factible, la función objetivo tiene un valor
(beneficio) superior a 180.
DECISIONES
Representación Gráfica de las restricciones
Y
Cualquier PPL con sólo
dos variables puede 100
resolverse gráficamente. 2x + y = 100
80
Por ejemplo, para
representar gráficamente la 60
primera restricción, 2x + y
≤Elegimos
100 : el semiplano 40
Dibujamos
que cumplelalarecta 2x + y =
100
desigualdad: el punto 20
(0, 0) la cumple
(2·0 + 0 ≤ 100),
así que tomamos el 20 40 60 80 X
semiplano que lo
contiene.

DECISIONES
Dibujar la región factible
Puesto que el PPL de BASSA tiene dos variables, se

puede resolver gráficamente. La región factible es el
conjunto de todos los puntos que satisfacen las
restricciones:
2 x + y ≤ 100 (restricción de acabado)
x + y ≤ 80 (restricción de
carpintería)
x ≤ 40 (restricción de demanda)
x ≥0 (restricción de signo)
y ≥ 0 (restricción de signo)
Vamos a dibujar la región factible que satisface estas
restricciones.

DECISIONES
Y
100
2x + y = 100
Restricciones
2 x + y ≤ 100
80
x + y ≤ 80
x ≤ 40
60
x ≥0
y ≥0
40
Teniendo en
cuenta las 20
restricciones de
signo (x ≥ 0, y 20 40 60 80
X
≥ 0), nos
queda:

DECISIONES
Y
100
Restricciones 80
2 x + y ≤ 100
x + y ≤ 80 60 x + y = 80
x ≤ 40
x ≥0 40
y ≥0
20
20 40 60 80
X

DECISIONES
Y
100
Restricciones 80
x = 40
2 x + y ≤ 100
x + y ≤ 80 60
x ≤ 40
x ≥0 40
y ≥0
20
20 40 60 80
X

DECISIONES
Y
La
intersección
2x + y = 100
de todos 100
estos
semiplanos 80
x = 40
(restricciones
) nos da la 60
región x + y = 80
factible 40
Regió
n
20
Factib
le
20 40 60 80
X

DECISIONES
Vértices de la región factible
Y Restricciones
La región factible 2 x + y ≤ 100
(al estar limitada x + y ≤ 80
2x + y = 100
por rectas) es un 100
x ≤ 40
polígono. x ≥0
En esta caso, el 80 E x = 40 y ≥0
Como la solución
polígono ABCDE.
óptima está en 60 D
alguno de los
vértices (A, B, C, D x + y = 80
40
o E) de la región
factible, Región
calculamos esos
20
Factible C
vértices.
B
A 20 40 60 80
X

DECISIONES
Vértices de la región factible
Y
Los vértices de la región
factible son
100
intersecciones de dos 2x + y = 100
rectas. El punto D es la x = 40
80 E(0, 80)
intersección de las rectas
2x + y = 100 D(20, 60)
x + y = 80 60
La solución
B es delde
solución sistema x
= 20, y = 60
x =nos
40 da el
40
punto D. y = 0 Región C(40, 20)

C es solución de 20
Factible x + y = 80
x = 40
2x + y = 100 B(40, 0)
E es solución de A(0, 0) 20 40 60 80 X
x + y = 80
x=0

DECISIONES
Resolución gráfica
Y
Max z = 3x + 2y
100
Para hallar la
solución (0, 80)
80
óptima,
dibujamos las
(20, 60)
rectas en las 60
cuales los
puntos tienen 40
el mismo valor
Región
de z. 20 (40, 20)
Factible
La figura (40, 0)
muestra estas
lineas para (0, 0) 20 40 60 80
X
z = 180
z=0 z = 100
z = 0, z = 100,
y z = 180
DECISIONES
Resolución gráfica
Y
Max z = 3x + 2y
100
La última 80
(0, 80)
recta de z que
interseca 60
(20, 60)
(toca) la
región factible 40
indica la
solución Región (40, 20)
20
óptima para el Factible
PPL. Para el (40, 0)
problema de (0, 0) 20 40 60 80 X
BASSA, esto z = 100
z = 180
z=0
ocurre en el
punto D (x =
20, y = 60, z =
IIND 105 ANALISIS180).
DE
DECISIONES
Resolución analítica
Y
Max z = 3x + 2y
También podemos 100
encontrar la solución
óptima calculando el valor 80 (0, 80)
de z en los vértices de la
Vértice z = 3x + 2y
región factible. 60
(20, 60)
(0, 0) z = 3·0+2·0 = 0
(40, 0) z = 3·40+2·0 = 120 40
(40, 20) z = 3·40+2·20 = 160
(20, 60) z = 3·20+2·60 = 180 Región
(0, 80) z = 3·0+2·80 = 160
20
Factible (40, 20)
La solución óptima es:
(40, 0)
x = 20 muñecos
(0, 0) 20 40 60 80 X
y = 60 trenes
z = 180 € de beneficio

DECISIONES
Hemos identificado la región factible
para el problema de BASSA y buscado
la solución óptima, la cual era el punto
en la región factible con el mayor valor
posible de z.

DECISIONES
Recuerda que:
• La región factible en cualquier PPL

está limitada por segmentos (es un
polígono, acotado o no).
• La región factible de cualquier PPL

tiene solamente un número finito de
vértices.
• Cualquier PPL que tenga solución

óptima tiene un vértice que es óptimo.

DECISIONES
Un problema de minimización
Dorian Auto fabrica y vende coches y

furgonetas.La empresa quiere emprender una
campaña publicitaria en TV y tiene que decidir
comprar los tiempos de anuncios en dos tipos
de programas: del corazón y fútbol.
• Cada anuncio del programa del corazón es visto por 6 millones de mujeres y 2
millones de hombres.
• Cada partido de fútbol es visto por 3 millones de mujeres y 8 millones de
hombres.
• Un anuncio en el programa de corazón cuesta 50.000 € y un anuncio del fútbol
cuesta 100.000 €.
• Dorian Auto quisiera que los anuncios sean vistos por por lo menos 30 millones de
mujeres y 24 millones de hombres.
Dorian Auto quiere saber cuántos anuncios debe contratar en cada tipo de
programa para que el coste de la campaña publicitaria sea mínimo.

DECISIONES
Formulación del problema:
• Cada anuncio del programa del

corazón es visto por 6 millones de
mujeres y 2 millones de hombres.
• Cada partido de fútbol es visto por 3
millones de mujeres y 8 millones de
hombres. Corazón Fútbol
• Un anuncio en el programa de (x) (y)
corazón cuesta 50.000 € y un
anuncio del fútbol cuesta 100.000 €.
mujeres 6 3 6x + 3y ≥ 30
• Dorian Auto quisiera que los
anuncios sean vistos por por lo
menos 30 millones de mujeres y 24
hombres 2 8 2x + 8y ≥ 24
millones de hombres.
Dorian Auto quiere saber cuántos
anuncios debe contratar en cada tipo Coste
50 100 50x +100y
de programa para que el coste de la 1.000€
campaña publicitaria sea mínimo.
Formulación del problema:
Variables de decisión: x = nº de anuncios en programa de

corazón
y = nº de anuncios en fútbol
Min z = 50x + 100y (función objetivo

en 1.000 €)
s.a: 6x + 3y ≥ 30 (mujeres)
2x + 8y ≥ 24 (hombres)
x, y ≥ 0 (no negatividad)

DECISIONES
Dibujamos la región factible.
Y
14
Min z = 50 x + 100y 12
6x + 3y = 30
s.a. 6x + 3y ≥
10
30
2x + 8y ≥ 8
24
x, y ≥ 0 6
4
2x + 8y = 24
2
X
2 4 6 8 10
12 14
Calculamos los vértices de la región factible:
Y
El vértice A es La región
14
solución del sistema factible
6x + 3y = 30 12
no está
x=0
10 A acotada
Por tanto, A(0, 10)
Región
El vértice B es 8
Factible
solución de
6
6x + 3y = 30
2x + 8y = 24 4
Por tanto, CB(4,

El vértice es 2) 2
B
solución de C
2x + 8y = 24 2 4 6 8 10 12 14
X
y=0
Por tanto, C(12, 0)

DECISIONES
Resolvemos por el método analítico
Evaluamos la función objetivo z en los

vértices. Y
Vértice z = 50x + 100y
14
z = 50·0 + 100·10 =
A(0, 10)
= 0+10000 = 10 000 12
z = 50·4 + 100·2 = A(0, 10)

B(4, 2) 10
Región
= 200+200 = 400
z = 50·12 + 100·0 = 8 Factible
C(12, 0)
= 6000+0 = 6 000 6
El coste mínimo se obtiene 4
en B. B(4, 2)
Solución: 2
x = 4 anuncios en pr. C(12, 0)

corazón 2 4 6 8 10 12 14
X
y = 2 anuncios en futbol
Coste z = 400 (mil €)
Resolvemos por el método gráfico
Min z = 50 x + 100y Y
s.a. 6x + 3y ≥ 14
30
2x + 8y ≥ 12
24
10 A(0, 10)
x, y ≥ 0
El coste Región
8
mínimo se Z = 600 Factible
obtiene en el Z = 400
6
punto B. 4
B(4, 2)
2
Solución:
C(12, 0)
x = 4 anuncios en pr. corazón X
y = 2 anuncios en futbol 2 4 6 8 10 12 14
Coste z = 400 (mil €)

DECISIONES
Número de Soluciones de un PPL
Los dos ejemplos anteriores, BASSA y Dorian Auto,
tienen, cada uno, una única solución óptima.
No en todos los PPL ocurre esto. Se pueden dar también
las siguientes posibilidades:
•
Algunos PPL tienen un número infinito de
soluciones óptimas (alternativas o múltiples
soluciones óptimas).
• Algunos PPL no tienen soluciones factibles (no
tienen región factible).
• Algunos PPL son no acotados: Existen puntos
en la región factible con valores de z
arbitrariamente grandes (en un problema de
maximización).
Veamos un ejemplo de cada caso.

DECISIONES
Número infinito de soluciones óptimas
Y
Consideremos el 60
siguiente problema:
50 C
max z = 3x + 2y
40
s. 3x + 2y ≤ 120
a: x + y ≤ 50 B
x,y≥0
30
Región
Factible z = 120
Cualquier punto 20
(solución) situado en el
z = 60
segmento AB puede ser 10
z = 100
una solución óptima de z
=120. A
10 20 30 40 50
X

DECISIONES
Sin soluciones factibles
Y
Consideremos el 60
siguiente problema: No existe
Región Factible
max z = 3x1 + 50
x ≥ 30
2x2
s.a: 3x + 2y ≤ 120 40
y ≥ 30
x + y ≤ 50 x + y ≤ 50
x ≥ 30 30
y ≥ 30
x,y≥0 20
10 3x + 2y ≤ 120
No existe región
factible 10 20 30 40 50
X

DECISIONES
PPL no acotado
max z = 2x – Y
y 6
Región Factible
s.a: x–y≤
5
1
2x + y ≥ 4
6 z=4
x, y ≥ 3
0
2
La región factible es no
acotada. Se muestran en el z=6
gráfico las rectas de nivel 1
para z = 4 y z = 6. Pero
podemos desplazar las
rectas de nivel hacia la 1 2 3 4 5
X
derecha indefinidamente sin
abandonar la región factible.
Por tanto, el valor de z
DECISIONES
puede crecer murciac1@upao.edu.pe
indefinidamente.
NO OLVIDAR!!
• SI OPTIMIZAMOS LOS RECURSOS

MAXIMIZAMOS LOS BENEFICIOS!!!!

DECISIONES
Trabajo Individual.
• Desarrolle el planteamiento y solución grafica de 3
ejercicios relacionados a procesos en cualquier
empresa.
• Presentar próxima semana en dia de practica.
• Dr. Manuel Urcia Cruz.

DECISIONES

Iind 105 Analisis de Decisiones Murciac1@upao - Edu.pe

Caricato da

Informazioni sul documento

Descrizione originale:

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Iind 105 Analisis de Decisiones Murciac1@upao - Edu.pe

Caricato da

Copyright:

Formati disponibili

IIND 105 ANALISIS DE

TÍTULO DEL TEMA