Capitulo V

INVESTIGACION DE OPERACIONES I Eduardo Quiroz ................................................................................................................................................................................................................................
CAPITULO V EL METODO SIMPLEX En l capitulo anterior se desarrollo la parte relacionada a como resolver problemas de programacin lineal con dos variables de manera grfica. Cuando se hayan implicadas mas de tres variables, este enfoque no es posible. Adems, los programas lineales del mundo real se resuelven con la ayuda de computadoras, que utilizan lgebra lineal, no-geometra. En este capitulo desarrollaremos el mtodo simplex, un mtodo algebraico para resolver todos los problemas de programacin lineal. El mtodo simplex prevee un sistema rpido y efectivo para resolver problemas de programacin lineal. Es la tcnica empleada en las aplicaciones prcticas y permite resolver una gran cantidad de problemas de real importancia industrial. Este mtodo llega a la solucin ptima por medio de iteraciones o pasos sucesivos, utilizando los conceptos bsicos del lgebra matricial, para determinar la interseccin de dos o mas lneas hiperplanas. Comienza con alguna solucin factible, y sucesivamente obtiene soluciones en las intersecciones que ofrecen mejores funciones de la funcin objetivo. Finalmente, este mtodo proporciona un indicador que determina el punto en el cual se logra la solucin ptima. 5.1. PROCEDIMIENTO 5.1.1. CASO DE MAXIMIZACION Dado el siguiente programa lineal en forma general: Max (z) = c1x1 + c2x2 + .........+ cnxn s.a. a11x1 + a12x2 + .......+ a1nxn b1 a21x1 + a22x2 + .......+ a2nxn b2 ................................................. ................................................ am1x1 + am2x2 + .......+ amnxn bm x
j
0 (j=1,n)
En este programa, se observa que todas las restricciones son del tipo . Para la aplicacin del mtodo simplex, todas las restricciones del programa tienen que convertirse a la forma =, es decir a la forma estandarizada de un programa lineal (funcin objetivo de maximizacin, restricciones estructurales del tipo , y las variables de decisin solo admiten valores positivos). Para lograr esto se introducen las llamadas variables de holgura, una por cada restriccin del tipo que exista, de la siguiente manera: Max (z) = c1x1 + c2x2 + .........+ cnxn + 0 x n+1 +0 x s.a. a11x1 + a12x2 + .......+ a1nxn + x n+1 a21x1 + a22x2 + .......+ a2nxn + x n+2
n+2
+...+0 x
n+m
= b1 = b2
................................................. ................................................ am1x1 + am2x2 + .......+ amnxn x

j
+ x n+m 0 (j=1,n+m)
= bm
Cabe indicar que las variables de holgura son no negativas. Adems, en la funcin objetivo, los coeficientes asociados a estas variables tomas el valor cero, ya que no deben afectar el valor de la funcin en caso de ser positivas. As mismo en las restricciones estructurales, los coeficientes de las variables de holgura son 1 y positivo. Si al resolver el programa lineal, se halla que la variable de holgura es cero, nos indica que los recursos correspondientes a dicha restriccin se han agotado, es decir se ha ocupado la totalidad de los recursos. Por otro lado, si el valor de la variable de holgura es mayor que cero, entonces el recurso correspondiente no es realmente limitante, y si la produccin no puede ser incrementada, esto se deber a la limitacin impuesta por otros recursos. Si el resultado final fuese de un valor positivo, nos indica que estn sobrando recursos en la restriccin correspondiente. EJEMPLO 5.1. PROBLEMA DE PLANEACION DE PRODUCCION La Cia. ALFA fabrica artculos para el hogar y manufactura dos productos: A y B. Ambos sufren 3 procesos en el mismo orden que son: - Maquinado - Armado - Montaje La disponibilidad de minutos diarios de cada proceso es: 160,120 y 280 minutos respectivamente. El producto A requiere 2, 1 y 4 minutos de maquinado, armado y montaje respectivamente; mientras que el producto B, necesita 2, 2 y 2 minutos de maquinado, armado y montaje respectivamente. El gerente de produccin debe decidir que cantidad de cada producto debe manufacturarse con el objeto de hacer el mejor empleo de los medios limitados de produccin, sabiendo que la ganancia por cada unidad del producto A es $10 y del producto B es de $15. Solucin: Las variables de decisin son: x1: nmero de unidades del producto A que se va a producir x2: nmero de unidades del producto B que se va a producir El programa lineal es: Max Z = 10 x 1 + 15 x 2 s.a. 2x 1 + 2x 2 160 x
1
+ 2x
120
4x
+ 2x
2
280
x 1, x
Convirtiendo las restricciones a la forma =, se introducirn 3 variables de holgura, una por cada restriccin del tipo , con lo cual el programa lineal queda de la siguiente manera: Max Z = 10 x 1 + 15 x 2 + 0 x s.a. 2x 1 + 2x 2 + x 3 x 4x
1 3
+0x
+0x
= 160 = 120
5
+ 2x + 2x
+x
+x
4
= 280
5
x 1, x 2, x 3, x
En el programa, se observa que este tiene ahora 5 variables y solo 3 ecuaciones, lo cual implica que 5 3 = 2 variables tienen que hacerse cero. Esto nos indica que en este caso la solucin optima estar compuesta por 3 variables bsicas y 2 variable no bsicas. Se observa tambin que las variables de holgura forman en su conjunto una matriz identidad, ya que tienen una diagonal de unos, el cual es la condicin del simplex en cada solucin bsica factible a ser analizada. Y con la cual se empieza a aplicar el mtodo El programa convertido, se presenta en la tabla del simplex de la siguiente manera: Tablero N 1 cj xk x3 x4 x5 Z cj 10 X1 2 1 4 0 10 15 X2 2 (2) 2 0 15 0 x3 1 0 0 0 0 0 x4 0 1 0 0 0 0 x5 0 0 1 0 0
ci 0 0 0
bi 160 120 280 0 zj
80 60 140
Del tablero 1,se tiene que: En la primera fila, se colocan los coeficientes de las variables en la funcin objetivo. En la segunda fila se distinguen las siguientes columnas: c i : que representa los coeficientes asociados a las variables que estn en la base(variables bsicas) x k : que representa a las variables que estn en la base(variables bsicas) b i : que representa al valor que asumen las variables bsicas. X 1 : que representa a los coeficientes de la variable X 1 en el programa lineal X 2 : que representa a los coeficientes de la variable X 2 en el programa lineal X 3 : que representa a los coeficientes de la variable X 3 en el programa lineal X 4 : que representa a los coeficientes de la variable X 4 en el programa lineal X 5 : que representa a los coeficientes de la variable X 5 en el programa lineal
En la penltima fila, se distinguen dos valores: Z= ci . bi el cual representa el valor de la funcin objetivo. Z j = ci . a ij En la ultima fila, se encuentran las diferencias c j z j, que nos indica: Si todas las variables presentan diferencias iguales a ceros o negativas, entonces se ha llegado a la solucin ptima. Generalmente esto no ocurre el primer tablero. Si al menos una o mas variables presentan diferencias positiva, eso implica que existe una mejor solucin, por consiguiente habr que determinar la variable a ingresar a la base. Esto se logra viendo que variable presenta una diferencia positiva mayor.
En la ultima columna, del tablero se distingue la regla del mnimo de los : Min = min (bi / a ij) donde a
ij
>0
Esta regla permite determinar que variable debe salir de la base, a fin de que ingrese otra variable para mejorar la solucin. Para tal efecto la variable a salir ser aquella que tenga el menor valor de . Del tablero 1 se ha obtenido la primera solucin bsica factible donde las variables bsicas y sus valores correspondientes son: x 3 = 160 x 4 = 120 x 5 = 280 Y las variables no bsicas son: x1=x2=0 Donde el valor de la funcin objetivo se calcula de la siguiente manera: Z = 0x160 + 0x120 + 0x280 = 0 El calculo de los Z j es de la siguiente manera: Z 1 = 0x2 + 0x1 + 0x4 = 0 Z 2 = 0x2 + 0x2 + 0x2 = 0 Z 3 = 0x1 + 0x0 + 0x0 = 0 Z 4 = 0x0 + 0x1 + 0x0 = 0 Z 5 = 0x0 + 0x0 + 0x1 = 0 La fila c j z j ser obtiene restando de cada elemento de la primera fila c j el correspondiente elemento de z j. Esto se hace solamente para las variables que no estn en la base, ya que para las variables bsicas la diferencia es cero. c1 c2 c3 c4 c5 z1 z2 z3 z4 z5 = 10 0 = 10 = 15 0 = 15 = 00= 0 = 00= 0 = 00= 0 4
Con esto se ha completado el tablero 1. Obtencin de la segunda solucin Aqu vamos a analizar mas en detalle el significado de los coeficientes de transformacin. Del tablero 1 se observa por ejemplo que x 1 no figura en esta solucin y deseamos saber que ocurre econmicamente si ingresa x 1. Si se introduce x 1, se reduce las cantidades de x 3, x4 y x5 en la proporcin indicada por los coeficientes de x 1. Por lo tanto, se deber disminuir: 2 unidades de x3 1 unidad de x4 4 unidades de x5 Cmo se sabe si se gana o se pierde con el cambio? Se calcula la influencia de introducir x1 y de quitar unidades de x3, x4 y x5. Entonces se tiene que: Beneficio de introducir una unidad de x1 = $3 (valor dado por su coeficiente de ganancia c j = c 1 = 3). La reduccin indirecta de la ganancia al eliminar unidades de x3, x4 y x5 = 2x0 + 1x0 + 4x0 = $0, valor dado por z j = z 1 = 0 La ganancia neta del cambio es: cj zj = c1 z1 = 3 0 = $ 3 Valor que se encuentra en el tablero 1 en la fila cj zj y columna de x1. Este valor de $3 se denomina costo de oportunidad y es lo que se deja de ganar al no introducir x1 en la solucin. Se aprecia en definitiva que cj zj es en realidad un balance econmico que analiza la mejora potencial en la funcin objetivo que puede lograrse introduciendo x j, de donde se desprende que: z j = a lo que se pierde al introducir x j. c j = a lo que se gana al introducir x j Por lo tanto cuando se maximiza un problema, esto admite una solucin mejor, siempre que haya un valor positivo de cj zj. Este paso que se acaba de explicar constituye el medio de conocer si la solucin obtenida anteriormente puede o no ser mejorada. Eleccin de la variable que entra Ahora bien, del tablero 1 se observa que hay dos variable que tienen diferencias positivas, siendo x 2 la que tienen mayor valor, por consiguiente x 2 debe ingresar a la base ya que proporciona la mayor ganancia y se denota en el tablero con una flecha hacia adentro. Eleccin de la variable que sale
As mismo, la variable que deber salir de la base para que ingrese x 2, ser la variable x 4, ya que presenta el menor valor de los , y se denota tambin en el tablero con una flecha hacia fuera El valor de a ij que se encuentra en la interseccin de la variable que sale con la variable que entra (2), se llama elemento pivote y se encierra en un circulo. En el tablero 2, la nueva base estar formada por x 3, x 2 y x 5 En la fila donde esta el elemento pivote(tablero 1), dicha fila se divide por el elemento pivote y el resultado se traslada a la fila correspondiente en el tablero 2. Para completar las otras filas, se har uso del pivoteo, mediante la siguiente formula: Tablero N 2 cj xk x3 x2 x5 Z cj 10 X1 (1) 1/2 3 7.5 2.5 15 X2 0 1 0 15 0 0 x3 1 0 0 0 0 0 x4 -1 -1 7.5 -7.5 0 x5 0 0 1 0 0
ci 0 15 0
bi 40 60 160 900 zj
40 120 53.3
Del tablero 2 se ha obtenido la segunda solucin bsica factible donde las variables bsicas y sus valores correspondientes son: x 3 = 40 x 2 = 60 x 5 = 160 Y las variables no bsicas son: x1=x4=0 Donde el valor de la funcin objetivo es: Z = 0x40 + 15x60 + 0x160 = $900 Obtencin de la tercera solucin Del tablero 2, se observa que todava no se ha llegado a la solucin ptima en vista que existe aun un cj zj positivo. Eleccin de la variable que entra Puesto que solo existe una diferencia positiva en la fila de c j zj, que corresponde a la variable x1, esta es la que ingresa a la base. Eleccin de la variable que sale Del tablero 2, se observa que la variable que tiene el mnimo de los es la variable x3 y por consiguiente esta variable sale de la base. En el tablero 3, la nueva base estar formada por x 1, x 2 y x 5 En la fila donde esta el elemento pivote(tablero 2), dicha fila se divide por el elemento pivote y el resultado se traslada a la fila correspondiente en el tablero 3. Para completar las otras filas del tablero 3, se har uso del pivoteo.
Tablero N 3 c
j
10 X1 1 0 0 10 0
15 X2 0 1 0 15 0
0 x3 1 -1/2 -3 2.5 -2.5
0 x4 -1 1 2 5 -5
0 x5 0 0 1 0 0
ci 10 15 0
xk Bi x3 40 x2 40 x5 40 Z 1000 cjzj
Como todas las diferencias de cj zj son ceros o negativas, se ha llegado a la solucin ptima, donde las variables bsicas y sus valores correspondientes son: x 1 = 40 x 2 = 40 x 5 = 40 Y las variables no bsicas son: x3=x4=0 Donde el valor de la funcin objetivo es: Z = 10x40 + 15x40 + 0x40 = $1000 En resumen, el resultado del tablero 3 nos indica que la Cia. ALFA, debe producir diariamente 40 unidades del producto A y 40 unidades del producto B, lo que dara una ganancia mxima de $1000. Adems nos indica que estn sobrando 40 minutos de montaje por da(valor que corresponde a la variable x5 en la tercera restriccin) . 5.1.2. CASO DE MINIMIZACION Cuando un programa lineal tiene restricciones del tipo menor o igual que( ) o de limite mnimo y por consiguiente se desea convertir las desigualdades en igualdades, entonces es necesario sustraer variables en lugar de agregar variables de holgura. A estas variables se les llama variables de exceso. Se sustraen tantas variables de exceso como restricciones del tipo menor o igual que existan. Las variables de exceso son no negativas y el coeficiente de costo en la funcin objetivo es cero. EJEMPLO 5.2 Dos fabricas de papel producen 3 tipos diferentes de papel de bajo grado, medio grado y alto grado. Se tiene un contrato de venta para proveer: 16 ton. De bajo grado, 5 ton. De medio grado y 20 ton. De alto grado. La fabrica 1, produce 8 ton de bajo grado, 1 ton de medio grado y 2 ton de alto grado en un da de operacin. La fabrica 2 produce 2 ton de bajo grado, 1 ton de medio grado y 7 ton de alto grado por da de operacin. Los costos de operacin son de $1000/dia para la fabrica 1 y de $2000/dia para la fabrica 2.
Cuantos das debe trabajar cada fabrica a fin de cumplir con el mencionado contrato de venta en la forma ms econmica? SOLUCION Sean las variables de decisin: x1 = nmero de das de trabajo de la fabrica 1 x2 = nmero de das de trabajo de la fabrica 1 Min (z) = 1x1 +2x2 s.a. 8x1 +2x2 16 1x1 +1x2 5 2x1 +7x2 20 x1, x2 0 Se sustraen 3 variables de exceso: Min (z) = 1x1 +2x2 + 0x3 + 0x4 + 0x5 s.a. 8x1 +2x2 - x3 = 16 1x1 +1x2 - x4 = 5 2x1 +7x2 - x5 = 20 x1, x2, x3, x4, x5 0 En esta parte del simplex, se observa que al hacer que las 2 variables estructurales sean iguales a cero(x1 = x2 =0) se tendra que: x3 = -16 x3 = -5 x3 = -20 Lo cual viola la condicin de no negatividad de las variables. Para el caso de minimizacin, se propone una modificacin a partir de esta etapa del simplex. Esta consiste en hacer que las variables estructurales puedan tomar un valor nulo en las ecuaciones precedentes, en forma tal que las variables de exceso, permaneciendo positivas, satisfagan dichas ecuaciones. Esto se logra introduciendo adems de las variables de exceso, las llamadas variables artificiales. Representaremos a las variables artificiales por la letra con un subndice apropiado. Estas variables tambin cumplen la condicin de no negatividad. Por consiguiente nuestro programa lineal original con la sustraccin de las variables de exceso y la adicin de las variables artificiales quedara de la siguiente manera: Min (z) = 1x1 +2x2 + 0x3 + 0x4 + 0x5 + M1 +M 1 +M1 s.a. 8x1 +2x2 - x3 + 1 = 16 1x1 +1x2 - x4 + 2 = 5 2x1 +7x2 - x5 +3 = 20 x1, x2, x3,x4 ,x5, 1 , 2, 3 0
En este problema, las variables artificiales 1, 2 y nmero de das imaginarios.
3 pueden interpretarse como
Cabe indicar que las variables de exceso y las variables artificiales no guardan correspondencia con relacin a su influencia en los costos. Es decir, mientras que las variables de exceso tienen coeficientes nulos de costos en la funcin objetivo, cada variable artificial recibe una asignacin de costo igual a M, siendo M una cantidad infinitamente grande. Esto asegura que estas variables no pueden tomar parte en ningn caso en la solucin ptima. Si estuvisemos en un caso de maximizacin, el coeficiente asociado de beneficio de la variable artificial recibe una asignacin de M, es decir un valor tan pequeo que la variable correspondiente no tendra cabida en la solucin. As mismo, se observa que las variables artificiales permiten obtener un inicio conveniente y correcto para hallar la solucin ptima aplicando el mtodo simplex, ya que estas variables se usan para formar o completar, segn sea el caso la matriz identidad. Al aplicar el simplex a este problema, que corresponde a un caso de minimizacin, solo hay que tener presente el punto relacionado con la variable que entra a la base, es decir con c j z j; esto por que mientras exista una diferencia de c j z j negativa, habr una mejor solucin. En el caso de que existan varias diferencias negativas, se eligira a la variable que tenga la diferencia mas negativa. En el problema, llega a la solucin ptima cuando todas las c j z j son ceros o positiva Pasando al tablero simplex, se tiene que: Tablero 1 cj xk 1 2 3 Z 1 X1 (8) 1 2 11M 111M 2 X2 2 1 7 10M 210M 0 X3 -1 0 0 -M M 0 X4 0 -1 0 -M M 0 X5 0 0 -1 -M M M 1 1 0 0 M 0 M 2 0 1 0 M 0 M 3 0 0 1 M 0
ci M M M
bi 16 5 20 41M cj - zj
2 5 10
Tablero 2 cj xk X1 2 3 Z 1 X1 1 0 0 1 2 0 X2 X3 2/8 -1/8 6/8 1/8 (52/8 2/8 ) 2/8+ 1/8+ 58/8 3/8M M 0 X4 0 -1 0 -M 0 X5 0 0 -1 -M M 1 1/8 -1/8 -2/8 1/83/8M M 2 0 1 0 M M 3 0 0 1 M
ci 1 M M
bi 2 3 16 2+19 M
8 4 2.26
cj - zj
6/8 58/8 M
-1/8 + 3/8M
-1/8 + 11/8 M
Tablero 3 cj xk X1 2 X2 Z 1 X1 1 0 0 1 2 X2 0 0 1 2 0 X3 -7/52 5/52 2/52 -3/52 + 5M/5 2 3/52 5M/5 2 0 X4 0 -1 0 -M 0 X5 2/52 (6/52 ) -8/52 M 1 7/52 -5/52 -2/52 M 2 0 1 0 0 M 3 -2/52 -6/52 8/52 14/52 58M/52
ci 1 M 2
bi 72/52 60/52 32/13 328/5 2 +60M /52 cj - zj
36 10
3/52 14/5 57M/5 2 2 +6M/ 52 14/5 -3/52 2+ 6M/5 57M/5 2 2
14/52+ 58M/52
Tablero 4 cj xk bi X1 3 X5 12 X2 2 Z 7 cj - zj 1 X1 1 0 0 1 0 2 X2 0 0 1 2 0 0 X3 -8/6 5/6 2/6 -4/6 4/6 0 X4 -1/6 -1/6 1/6 -1/6 1/6 0 X5 0 1 0 0 0 M 1 8/6 -5/6 -2/6 4/6 M4/6 M 2 1/6 1/6 -1/6 1/6 M1/6 M 3 0 -1 0 0 M
ci 1 0 2
La X1 X2 X5
solucin del problema es: = 3 das = 2 das = 12 tn.
Z = $7,000 Adems, x3 = x4 = 0 Esto nos indica que para cumplir con el mencionado contrato de venta, la fabrica 1, deber trabajar 3 das, la fabrica 2 solo 2 das, lo cual nos dar un costo total de operacin mnimo de $7,000
10
CAPITULO VI PROGRAMACION LINEAL: USO DE LA COMPUTADORA En el presente capitulo se examina como los que tienen que tomar decisiones utilizan la computadora para resolver problemas con mucha variables y restricciones, y como interpretan los resultados de la computadora para formular el plan ptimo. Ahora que comprende la forma en que el algoritmo simplex soluciona los problemas de programacin lineal, puede confiar en la computadora para realizar los clculos detallados. Como pudo observar en el capitulo 5, el algoritmo simplex no solo produce la solucin ptima, sino que tambin proporciona informacin econmica adicional til en el proceso de toma de decisiones, como los valores de los precios sombra, costos reducidos, intervalos de sensibilidad y anlisis parametrico. Todo el software para solucin de programas lineales proporciona esta informacin. 6.1 USO DEL LINDO FOR WINDOWS S har uso del software de programacin lineal llamado LINDO (Linear, INteractive, and Discrete Optimizer) para resolver y analizar un problema de programacin lineal. EJEMPLO 6.1.: PROBLEMA DE PLANEACION DE PRODUCCION 6.1.1. Definicin del problema La Cia. ALFA fabrica artculos para el hogar y manufactura dos productos: A y B. Ambos sufren 3 procesos en el mismo orden que son: Maquinado Armado Montaje
La disponibilidad de minutos diarios de cada proceso es: 160,120 y 280 minutos respectivamente. El producto A requiere 2, 1 y 4 minutos de maquinado, armado y montaje respectivamente; mientras que el producto B, necesita 2, 2 y 2 minutos de maquinado, armado y montaje respectivamente. El gerente de produccin debe decidir que cantidad de cada producto debe manufacturarse con el objeto de hacer el mejor empleo de los medios limitados de produccin, sabiendo que la ganancia por cada unidad del producto A es $10 y del producto B es de $15. 6.1.2. Formulacin del problema Las variables de decisin son:
11
x1: nmero de unidades del producto A que se va a producir x2: nmero de unidades del producto B que se va a producir La combinacin de la funcin objetivo de maximizar la ganancia total y las tres restricciones estipuladas en funcin de los recursos disponibles da como resultado el siguiente problema de programacin lineal: Max Z = 10 x s.a.
1
+ 15 x
2x 1 + 2x 2 160 x 1 + 2x 2 120 4x 1 + 2x 2 280 x 1, x 2 0 6.1.3. solucin de computadora
maquinado armado montaje
El modelo de produccin puede solucionarse usando cualquier paquete de software de programacin lineal disponible como lindo. El primer paso es introducir los datos del modelo en el formato requerido por LINDO de la forma como se muestra en la figura 6.1. MAX 10 x 1 + 15 x ST 2x 1 + 2x 2 < 160 x 4x
1
+ 2x + 2x
< 120 < 280
END Figura 6.1. Entrada del programa Ahora puede ordenarle a la computadora que use LINDO para resolver el problema usando la opcin SOLVE. La solucin, se muestra en la figura 6.2., Donde la parte (a) del reporte representa la formulacin Del programa y la parte (b) representa en primer lugar los valores ptimos de las variables estructurales. La segunda parte proporciona informacin referente a las restricciones. MAX 10 X1 + 15 X2 SUBJECT TO 2) 2 X1 + 2 X2 <= 160 3) X1 + 2 X2 <= 120 4) 4 X1 + 2 X2 <= 280 END (a) LP OPTIMUM FOUND AT STEP OBJECTIVE FUNCTION VALUE 1) VARIABLE 1000.000 VALUE REDUCED COST 2
12
X1 X2
40.000000 40.000000
0.000000 0.000000 DUAL PRICES 2.500000 5.000000 0.000000 (b)
ROW SLACK OR SURPLUS 2) 0.000000 3) 0.000000 4) 40.000000 NO. ITERATIONS= 2
Figura 6.2. (a) Entrada de Lindo (b) Reporte ptimo del lindo 6.2. INTERPRETACION DE LA SOLUCION OPTIMA La computadora realizo los pasos el algoritmo simplex, como se describe en l capitulo 5, para resolver el problema de Planeacin de la produccin presentado en la seccin 6.1. los resultados se dan en la figura 6.2. Recuerde que el algoritmo simplex esta diseado para resolver un problema en su forma estndar. Como la entrada del programa no estaba en forma estndar, la computadora tuvo que aadir tres variables de holgura correspondientes a las tres restricciones de desigualdad. En la figura 6.2, la salida de la seccin (b) en la primera parte corresponde a las dos variables originales, mientras que la segunda parte corresponde a las tres variables de holgura, una por cada restriccin de desigualdad. 6.2.1. Interpretacin de los valores de las variables originales. La fila 1) representa el valor de la funcin objetivo, mientras que la columna etiquetada como VALUE, indica que la solucin ptima a este problema es producir 40 unidades Del producto A y 40 unidades Del producto B por da, lo que nos da una ganancia mxima de $1,000 por da. La columna etiquetada como REDUCED COST, pertenece a los costos reducidos de estas dos variables. Sin embargo, los costos reducidos tienen significado slo para las variables no bsicas 6.2.2. Interpretacin de los valores de las variables de holgura . La segunda parte de la seccin (b) contiene informacin similar perteneciente a las tres variables de holgura. En particular, de la columna etiquetada VALUE, los valores ptimos de las tres variables de holgura(cuyos nombres son los de las correspondientes tres restricciones) son 0, 0 y 40, respectivamente. Que significan estos valores en el contexto de este problema?. Recuerde que la variable de holgura para la restriccin 1 representa en nmero de minutos no utilizados en el proceso de maquinado. El tener un valor 0 para esta variable en la solucin optima de la figura 6.2 significa que no hay tiempo de holgura, todos los minutos disponibles para este proceso se utilizan. De manera similar, todos los minutos Del proceso de armado s utilizan por que el valor de su variable de holgura es 0. El valor de 30 para la tercera variable de holgura correspondiente a la restriccin 3, (proceso de montaje), indica que hay una desocupacin de 40 minutos, es decir que el nmero de minutos disponible Del proceso de montaje para producir ambos productos es 40 minutos menos que l limite de 280 minutos.
13
Por otra lado en la columna etiquetada con DUAL PRICES, proporciona los precios duales de las variables de holgura. Por ejemplo el precio dual para la primera variable de holgura es 2.50, lo que nos indica que cada incremento unitario en el valor de esta variable de holgura, manteniendo las dems variables bsica en el valor 0, tienen como resultado un aumento de $2.50 de ganancia en la funcin objetivo. Como una unidad de esta variable de holgura corresponde a usar un minuto mas en el proceso de maquinado, el uso de 1 minuto mas aumenta las ganancias en $2.50. De manera similar, p[ara la segunda variable de holgura, el precio dual es 5.00, significa que cada incremento unitario en la segunda variable de holgura, manteniendo las otras variables no bsicas en el valor 0, resulta en un aumento de $5.00 de ganancia en la funcin objetivo. Como una unidad de esta variable de holgura corresponde a usar un minuto mas en el proceso de armado, el uso de 1 minuto mas aumenta las ganancias en $5.00. Recuerde que los precios duales tienen significado solo para las variables no bsicas, como las dos primeras variables de holgura no son bsicas(no son parte de la solucin ptima). En contraste, la tercera variable de holgura es bsica, y por lo tanto, su precio dual es 0, esto significa que el incremento Del limite de 280 minutos para el proceso de montaje no tendr ninguna ganancia adicional. Esto tiene sentido, pues la solucin ptima indica que solo se han usado 240 minutos del proceso de montaje, el cual esta por debajo Del limite especificado de 280 minutos. EJEMPLO 6.2.: PROBLEMA DE POLITICA DE PRESTAMOS Un banco tiene $ 1 milln disponible para prestamos. Puede prestar dinero a empresas, proporcionar hipotecas o conceder prestamos personales. Las polticas del banco limitan los prestamos personales a un mximo del 25% de todos los prestamos, mientras que los prestamos a empresas no pueden exceder la cantidad de hipotecas. Tambin el banco quiere que los prestamos a empresas sean por lo menos 10% mas que los prestamos personales. Los interese promedio son: 12% en prestamos personales, 10% en prestamos a empresas y 8% sobre hipotecas. Los fondos que no se han prestado, se invierten en valores a corto plazo al 5%. El banco quiere un programa para maximizar el inters. Solucin Variables de decisin: X 1 = prestamos personales X 2 = prestamos a empresas X 3 = prestamos por hipotecas X 4 = inversin en valores a corto plazo El programa lineal es: Max (z) = 0.12 x 1 + 0.10 x 2 + 0.08 x s.a. X 1 + x 2 + x 3 + x 4 = 1 000,000 X X
1 3
+ 0.05 x
(capital de inversin) (prestamos personales) (prestamos a empresas)
0.25 (X x3
+x
+ x 3)
14
1.10 x
1
(prestamos a empresas)
,x
,x
,x
Para la entrada del programa en el LINDO, es necesario reescribir el programa de la siguiente manera: Max (z) = 0.12 x 1 + 0.10 x s.a. x
1 2
+ 0.08 x
+ 0.05 x
+x
1
+ x 3+ x
2
= 1 000,000 0 0
(capital de inversin) (prestamos personales) (prestamos a empresas) (prestamos a empresas)
0.75 x x2 -x x x
1 2
- x
-x
- 1.10 x ,x
2
0
4
,x
,x
Aplicando el LINDO, se tiene: MAX 0.12 X1 + 0.1 X2 + 0.08 X3 + 0.05 X4 SUBJECT TO 2) X1 + X2 + X3 + X4 = 1000000 3) 0.75 X1 - 0.25 X2 - 0.25 X3 <= 0 4) X2 - X3 <= 0 5) - 1.1 X1 + X2 >= 0 END LP OPTIMUM FOUND AT STEP 4
OBJECTIVE FUNCTION VALUE 1) VARIABLE X1 X2 X3 X4 ROW 2) 3) 4) 5) 97500.00 VALUE REDUCED COST 250000.000000 0.000000 375000.000000 0.000000 375000.000000 0.000000 0.000000 0.047500 SLACK OR SURPLUS 0.000000 0.000000 0.000000 100000.000000 DUAL PRICES 0.097500 0.030000 0.010000 0.000000
15
EJEMPLO 6.3.: PROBLEMA DE POLITICA DE PRESTAMOS Una institucin financiera, ALFA BANK, se encuentra en el proceso de formular su poltica de prstamos para el prximo trimestre. Para este fin se asigna un total de $ 12 millones. Siendo una institucin de servicios integrales, esta obligada a otorgar prestamos a diversos clientes. En la siguiente tabla, se seala los tipos de prestamos, la tasa de inters que cobra el banco y la posibilidad de que el cliente no cubra sus pagos, irrecuperables o incobrables, segn se estima por su experiencia.
Tipo de prstamo Personal Automvil Casa Agrcola Comercial
Tasa de inters 0.140 0.130 0.120 0.125 0.100
Probabilidad de incobrables 0.10 0.07 0.03 0.05 0.02
Se supone que los pagos que no se cubren son irrecuperables y, por lo tanto no producen ingreso por concepto de intereses. La competencia con otras instituciones financieras del rea requiere que el banco asigne cuando menos el 40% de los fondos totales a prestamos agrcolas y comerciales. Para dar asistencia a la industria de la habitacin en la regin, los prestamos para casa deben ser iguales cuando menos al 50% de los prestamos personales, para automvil y para casa. El banco tiene asimismo una poltica establecida que especifica que la relacin global de pagos irrecuperables no puede ser superior a 0.04 . Solucin: Variables de decisin: X X X X X : 2: 3: 4: 5:
1
Prestamos Prestamos Prestamos prestamos prestamos
personales en millones de $ para automviles. para casa. agrcolas comerciales
El objetivo es maximizar el rendimiento neto: diferencia entre ingreso por concepto de inters y los fondos perdidos por adeudos no cubiertos. Como los adeudos no cubiertos son irrecuperables, tanto el inters como el principal en la funcin objetivo es: Max(z) = 0.14(0.9 x 1) + 0.13(0.93 x 2) + 0.12(0.97 x 3) + 0.125(0.55 x 4) + 0.1(0.98 x 5) sujeto a: 0.1 x
1
0.07 x
0.03 x
0.05 x
0.02 x
16
X 1+ X X x
4
+X
+X
+X
12
(Fondos totales) (prestamos comerciales y agrcolas)
+X
0.4 (12)
2
0.5(X 1 + X
+X
(prestamos para casa)
0.1X 1 + 0.07 X 2 +0.03 X 3 +0.05 X 4 + 0.02 X 5 ------------------------------------------------------ 0.04 (limites sobre adeudos X 1+ X 2 + X 3 + X 4 + X 5 no cubiertos) O bien: 0.06X 1 + 0.03 X 2 - 0.01 X 3 + 0.01 X 4 - 0.02 X 5 0 X j 0 (j=1,5) Reescribiendo el programa, se tendra: Max(z) = 0.126 x 1 + 0.1209 x 2 + 0.1164 x 3 + 0.068875 x 0.07 x 2 0.03 x 3 0.05 x 4 0.02 x 5 s.a. X 1+ X X
4 2 4
+ 0.098 x
- 0.1 x
+X
+X
+X
12
+X
4.8
2
0.5x 3 0.5 X 1 0.5 X 0.06X 1 + 0.03 X

2
0
3
- 0.01 X
+ 0.01 X X
ij
- 0.02 X
Aplicando el LINDO, tendriamos la formulacin correspondiente y la solucin: 0.026 X1 + 0.05089999 X2 + 0.0864 X3 + 0.018875 X4 + 0.07799999 X5 SUBJECT TO 2) X1 + X2 + X3 + X4 + X5 <= 12 3) X4 + X5 >= 4.8 4) - 0.5 X1 - 0.5 X2 + 0.5 X3 >= 0 5) 0.06 X1 + 0.03 X2 - 0.009999999 X3 + 0.009999999 X4 - 0.02 X5 <= END LP OPTIMUM FOUND AT STEP 3 MAX
OBJECTIVE FUNCTION VALUE 1) 0.9964800 VALUE 0.000000 0.000000 REDUCED COST 0.060400 0.035500
VARIABLE X1 X2
17
X3 X4 X5
7.200000 0.000000 4.800000
0.000000 0.059125 0.000000 DUAL PRICES 0.086400 -0.008400 0.000000
ROW SLACK OR SURPLUS 2) 0.000000 3) 0.000000 4) 3.600000 5) 0.168000 0.000000 NO. ITERATIONS= 3
EJEMPLO 6.4.: PROBLEMA DE INVERSION Al gerente de cartera de la AFP BUENA VIDA SE LA HA PEDIDO INVERTIR $1000,000 de un gran fondo de pensiones. El departamento de investigacin de inversiones ha identificado seis fondos mutuos con estrategias de inversin variables, resultando en diferentes rendimientos potenciales y riesgos asociados, como se resume en la siguiente tabla: FONDO 4 17 12 Mediano
Precio($/accin) Devolucin esperada(%) Categora de riesgo
1 45 30 Alto
2 76 20 Alto
3 110 15 Alto
5 23 10 Mediano
6 22 7 Bajo
Una forma de controlar el riesgo es limitar la cantidad de dinero invertido en los diferentes fondos. Para este fin, la administracin de la AFP, ha especificado las siguientes pautas: La cantidad total invertida en fondos de alto riesgo debe estar entre 50% y 75% de la cartera. La cantidad total invertida en fondos de mediano riesgo debe estar entre 20 y 30% de la cartera. La cantidad total invertida en fondos de bajo riesgo debe ser al menos de 50% de la cartera. Una segunda forma de controlar el riesgo es diversificar, esto es, esparcir el riesgo invirtiendo en muchas alternativas diferentes. La gerencia de la AFP ha especificado que la cantidad invertida en los fondos de alto riesgo 1,2 y 3 deben estar en la tasa 1:2:3 , respectivamente. La cantidad invertida en los fondos de mediano riesgo 4 y 5 debe ser 1:2 . Con estas pautas, qu cartera debera usted, gerente de cartera, recomendar para maximizar la tasa esperada de retorno?. Solucin Variables de decisin:
18
X j : fraccin de la cartera por invertir en el periodo j Tasa esperada de rendimiento = rendimiento total esperado / cantidad invertida Funcin objetivo: Max(z) = 0.30 X1 + 0.20 X2 + 0.15X3 + 0.12 X4 + 0.10 X5 + 0.07 X6 Restricciones: Por inversin X1 + X2 + X3 0.50 X1 + X2 + X3 0.75 X4 + X5 0.20 X4 + X5 0.30 X6 0.05 Debido a las proporciones: X2 = 2 X1 X3 = 3 X1 - 2 X1 + X2 = 0 - 3 X1 + X3 = 0 (proporcin X1 a X2 ) (proporcin X1 a X3 ) (proporcin X4 a X5 ) (mnimo alto riesgo) (mximo alto riesgo) (mnimo mediano riesgo) (mximo mediano riesgo) (mnimo bajo riesgo)
X5 = 2 X4 - 2 X4 + X5 = 0 Agenda Total de cartera X1 + X2 + X3 + X4 + X5 + X6 = 1 Condicin de no negatividad: Xj0 (j = 1,6)
Max 0.30 X1 + 0.20 X2 + 0.15X3 + 0.12 X4 + 0.10 X5 + 0.07 X6 s.a. X1 + X2 + X3 0.50 X1 + X2 + X3 0.75 X4 + X5 0.20 X4 + X5 0.30 X6 0.05 - 2 X1 + X2 = 0 - 3 X1 + X3 = 0
19
- 2 X4 + X5 = 0 X1 + X2 + X3 + X4 + X5 + X6 = 1
PROBLEMAS DESARROLLADOS 1. PetroPer obtiene tres tipos de petrleo crudo de sus pozos de Talara, Pavayacu y Trompeteros. La gasolina obtenida de estos petrleos crudos se mezcla junto con dos aditivos para obtener el producto final. Estos petrleos crudos y aditivos contienen azufre, plomo y fsforo, como se muestra en la siguiente tabla: PETROLEOS CRUDOS ADITIVOS Talara Pavayacu Tompeteros 1 2 Azufre(%) 0.07 0.08 0.10 --Plomo(g/gal) ---7 6 Fsforo(g/gal) ---0.052 0.02 Costo($/gal) 0.55 0.47 0.33 0.08 0.12 Debido a los residuos e impurezas, cada galn de petrleo crudo de Talara resulta solo en 0.35 de galn del producto final, que contiene 0.07% de azufre. De manera similar, cada galn de crudo Pavayacu produce 0.40 de galn del producto final que contiene 0.08% de sulfuro y cada galn de crudo de Trompeteros resulta en 0.30 de galn del producto final que contiene 0.10% de azufre. La gerencia ha establecido las siguientes especificaciones para controlar la cantidad de azufre, plomo y fsforo: Cada galn debe tener a lo mas 0.07% de azufre Cada galn debe tener entre 1.25 y 2,5 gramos de plomo Cada galn debe tener entre 0/0025 y 0.0045 gramos de fsforo La cantidad total de los aditivos no puede exceder de 1.9% de la mezcla Como gerente de produccin, determine un plan de mezclado que produzca una gasolina aceptable al mnimo costo. 2. La Cia. BETA STEEL produce tres tamaos de tubos: A,B y C que son vendidos, respectivamente en $10, $12 y $9 por pie. Para fabricar cada pie del tubo A se requieren 0.5 minutos de tiempo de procesamiento sobre un tipo particular de maquina de modelado. Cada pie de tubo B requiere 0.45 minutos y cada pie del tubo C requiere 0.6 minutos. Despus de la produccin, cada pie de tubo, sin importar el tipo, requiere 1 onza de material de soldar. El costo total se estima en $3, $4 y $4 por pie de los tubos A,B y C respectivamente. Para la siguiente semana, BETA ha recibido pedidos excepcionalmente grandes que totalizan 2000 pies de tubo A, 4000 pies de tubo B y 5000 pies de tubo C. Como solo se dispone de 40 horas de tiempo de maquina esta semana y solo se tienen en inventario 5500 onzas de material de soldar, el departamento de produccin no podr satisfacer esta demanda, que requiere de un total de 97 horas de tiempo de maquina y 11,000 onzas de material de soldar. No se espera que contine este alto nivel de demanda. En vez de expandir la 20
capacidad de las instalaciones de produccin, la gerencia de BETA esta considerando la compra de algunos de estos tubos a proveedores de Japn a un costo de entrega de $6 por pie del tubo A, $6 por pie del tubo B y $7 por pie del tubo C. Estos diversos datos se resumen en la siguiente tabla.
TIPO PRECIO DE VENTA ($/ft) A 10 B 12 C 9
DEMAND TIEMPO DE MATERIAL A MAQUINA PARA (ft) (min/ft) SOLDAR (oz/ft) 2000 0.50 1 4000 0.45 1 5000 0.60 1
COSTO DE PRODUCCI N ($/ft) 3 4 4
COSTO DE COMPRA ($/ft) 6 6 7
Como gerente del Dpto. de produccin, se le ha pedido hacer recomendaciones respecto a la cantidad de produccin de cada tipo de tubo y la cantidad de compra a Japn para satisfacer la demanda y maximizar las ganancias de la compaa. Formulacin de Programas: 1. X1 : numero de X2 : numero de X3 : numero de X4 : numero de X5 : numero de Min s.a. galones de petrleo crudo de Talara galones de petrleo crudo de Pavayacu galones de petrleo crudo de Trompeteros galones del aditivo 1 para hacer un galn de gasolina galones del aditivo 2 para hacer un galn de gasolina
0.55X1 + 0.47X2 + 0.33X3 + 0.08X4 +0.12x5 (produccin) (azufre) (lim. Superior plomo) (lim. Inferior plomo) (lim. Superior fosforo) (lim. inferior fosforo) (lim. Superior en
0.35X1 + 0.40X2 + 0.30X3 + X4 + x5 = 1.0 0.00025X1 + 0.00032X2 + 0.0003X3 0.0007 7X4 + 6X5 2.50 7X4 +6 X5 1.25 0.025X4 +0.02X5 0.0045 0.025X4 +0.02X5 0.0025 X4 + X5 0.19 aditivos) Xj 2. X1 : numero de X2 : numero de X3 : numero de X4 : numero de X5 : numero de X6 : numero de Max 0 (j=1,2,3,4,5)
pies de tubo pies de tubo pies de tubo pies de tubo pies de tubo pies de tubo
de tipo de tipo de tipo de tipo de tipo de tipo
A por producir A por producir A por producir A que comprar a Japn A que comprar a Japn A que comprar a Japn
7X1 + 8X2 + 5X3 + 4X4 +6x5 + 2X6
21
s.a. X1 + X4 + X5 X3 + X6 0.5X1 + 0.45X2 + 0.6X3 X1 + X2 + X3 X2 Xj = 2000 = 4000 = 5000 2400 5500 0 (demanda A) (demanda B) (demanda C) (tiempo de maquina) ( material para soldar)
(j=1,2,3,4,5,6)
A) PROBLEMA 1: REPORTE DEL LINDO LP OPTIMUM FOUND AT STEP 7 OBJECTIVE FUNCTION VALUE 1) 0.9494500 VALUE 0.000000 1.375000 0.866666 0.140000 0.050000 REDUCED COST 0.127500 0.000000 0.000000 0.000000 0.000000 DUAL PRICES -1.475000 374.999878 0.000000 0.000000 8.000000 0.000000 1.195000
VARIABLE X1 X2 X3 X4 X5 ROW 2) 3) 4) 5) 6) 7) 8)
SLACK OR SURPLUS 0.000000 0.000000 1.220000 0.030000 0.000000 0.002000 0.000000 7
NO. ITERATIONS=
RANGES IN WHICH THE BASIS IS UNCHANGED: VARIABLE X1 X2 X3 X4 X5 ROW 2 3 4 5 OBJ COEFFICIENT RANGES CURRENT ALLOWABLE ALLOWABLE COEF INCREASE DECREASE 0.550000 INFINITY 0.127500 0.470000 0.102000 0.030000 0.330000 0.022500 0.255000 0.080000 0.040000 0.298750 0.120000 0.239000 0.040000 RIGHTHAND SIDE RANGES CURRENT ALLOWABLE ALLOWABLE RHS INCREASE DECREASE 1.000000 0.065000 0.110000 0.000700 0.000110 0.000052 2.500000 INFINITY 1.220000 1.250000 0.030000 INFINITY
22
6 7 8
0.004500 0.002500 0.190000
0.000250 0.002000 0.035000
0.000150 INFINITY 0.010000
PROBLEMA 2: REPORTE DEL LINDO LP OPTIMUM FOUND AT STEP 4 OBJECTIVE FUNCTION VALUE 1) VARIABLE X1 X2 X3 X4 X5 X6 ROW 2) 3) 4) 5) 6) 55000.00 VALUE 2000.000000 0.000000 2333.333252 0.000000 4000.000000 2666.666748 REDUCED COST 0.000000 0.250000 0.000000 0.500000 0.000000 0.000000 DUAL PRICES 4.500000 6.000000 2.000000 5.000000 0.000000
SLACK OR SURPLUS 0.000000 0.000000 0.000000 0.000000 1166.666626
NO. ITERATIONS= 4 RANGES IN WHICH THE BASIS IS UNCHANGED: VARIABLE X1 X2 X3 X4 X5 X6 ROW 2 3 4 OBJ COEFFICIENT RANGES CURRENT ALOWABLE ALLOWABLE COEF INCREASE DECREASE 7.000000 INFINITY 0.500000 8.000000 0.250000 INFINITY 5.000000 0.600000 0.333333 4.000000 0.500000 INFINITY 6.000000 INFINITY 0.250000 2.000000 0.333333 0.600000
RIGHTHAND SIDE RANGES CURRENT ALLOWABLE ALLOWABLE RHS ICREASE DECREASE 2000.000000 2800.000000 2000.000000 4000.000000 INFINITY 4000.000000 5000.000000 INFINITY 2666.666748
23
5 6
2400.000000 5500.000000
700.000000 INFINITY
1400.000000 1166.666626
CAPITULO VII ANALISIS DE SENSIBILIDAD En una situacin real, algunos datos de un modelo de programacin lineal pueden cambiar con el tiempo debido a la naturaleza dinmica del negocio. Que sucede con la solucin ptima si los precios del mercado caen? Si suben los costos de mano de obra o de la materia prima? Si se contratan empleados adicionales en una lnea de produccin?. El decisor ante tales situaciones deseara saber qu tan sensible es la solucin ptima a estos valores de datos. Las respuestas a estas preguntas pueden usarse de diversas maneras. Por ejemplo si la solucin ptima es muy sensible a algunos coeficientes, y se espera que estos valores flucten con el tiempo, entonces el decisor puede desear usar el modelo solo para planeacin a corto plazo, o tal vez tenga que resolver el modelo peridicamente al cambiar los datos. Despus de formular y resolver un problema de programacin lineal, un decisor debe hacerse un nmero de preguntas importantes de la forma: Que sucede si.....? . Por ejemplo: 1. Que le sucede a la solucin ptima y al valor de la funcin objetivo correspondiente si un coeficiente particular de la funcin objetivo se modifica? 2. Que le sucede a la solucin ptima y al valor de la funcin objetivo correspondiente si se modifica un valor particular del extremo derecho de las restricciones? Estas preguntas tienen que ver con el tema del anlisis de sensibilidad. El decisor se pregunta qu tan sensibles son la solucin ptima y el valor de la funcin objetivo con respecto a los cambios en los datos del problema, es decir, los coeficientes en la funcin objetivo y las restricciones. Que tanto impacto tendr en la solucin un cambio en cualquiera de los datos?. Estas preguntas de sensibilidad son importantes para un decisor por que los datos Del problema a menudo tienen que estimarse y por tanto estn sujetos a inexactitudes. Antes de implantar la solucin obtenida de un programa lineal, es ventajoso para el gerente saber lo que podra suceder si las estimaciones de los datos son ligeramente inexactas. El anlisis de sensibilidad indica que coeficientes afectan mas significativamente la solucin ptima.
24
Para ilustrar otro uso del anlisis de sensibilidad, suponga que las restricciones de un programa lineal particular tienen que ver con la asignacin de recursos escasos, como capita, mano de obra y materias primas. El anlisis de sensibilidad puede ayudar a determinar si es rentable o no adquirir cantidades adicionales de recursos. 7.1. USO DEL REPORTE DE SENSIBILIDAD DEL LINDO FOR WINDOWS En esta parte se utiliza el paquete de programacin lineal LINDO para hallar la solucin ptima y analizar los reportes de sensibilidad. Como se aprendi en la seccin 6.1, el algoritmo simplex proporciona mas informacin que simplemente la solucin ptima. EJEMPLO 7.1.: Problema de planeacin de produccin de ALFA La Cia. ALFA fabrica artculos para el hogar y manufactura dos productos: A y B. Ambos sufren 3 procesos en el mismo orden que son: Maquinado Armado Montaje
La disponibilidad de minutos diarios de cada proceso es: 160,120 y 280 minutos respectivamente. El producto A requiere 2, 1 y 4 minutos de maquinado, armado y montaje respectivamente; mientras que el producto B, necesita 2, 2 y 2 minutos de maquinado, armado y montaje respectivamente. El gerente de produccin debe decidir que cantidad de cada producto debe manufacturarse con el objeto de hacer el mejor empleo de los medios limitados de produccin, sabiendo que la ganancia por cada unidad del producto A es $10 y del producto B es de $15. Formulacin del problema Las variables de decisin son: x1: nmero de unidades del producto A que se va a producir x2: nmero de unidades del producto B que se va a producir La combinacin de la funcin objetivo de maximizar la ganancia total y las tres restricciones estipuladas en funcin de los recursos disponibles da como resultado el siguiente problema de programacin lineal: Max Z = 10 x 1 + 15 x 2 s.a. 2x 1 + 2x 2 160 x 1 + 2x 2 120 4x 1 + 2x 2 280 x 1, x 2 0
maquinado armado montaje
25
solucin de computadora LP OPTIMUM FOUND AT STEP 2
OBJECTIVE FUNCTION VALUE 1) VARIABLE 0.000000 0.000000 ROW 2.500000 SLACK OR SURPLUS 2) 3) DUAL PRICES 0.000000 0.000000 1000.000 VALUE X1 X2 REDUCED COST 40.000000 40.000000
Con respecto al problema de ALFA, surgieron las siguientes preguntas de sensibilidad: 1. Debido a una competencia reciente en el mercado por el producto B, la gerencia ha decidido disminuir la ganancia en $2 por unidad. Cmo debera cambiar el plan de produccin para A y B?. 2. Que sucede con el margen de ganancia de ALFA, si el tiempo disponible para maquinado disminuye en 20 minutos? 3. Que sucede con el margen de ganancia de ALFA, si el tiempo disponible para montaje aumenta en 40 minutos? Utilizando el reporte de sensibilidad del LINDO, que se muestra en la figura 6.3, se tiene que: La primera pregunta tiene que ver con un decremento de $2 en la ganancia del producto B, lo cual hace que la ganancia sea ahora de $13 por unidad del producto B. En otras palabras, Ud. desea saber qu sucede con la solucin ptima anterior de x 1 = 40 y x2 = 40 Cuando el coeficiente de x2 en la funcin objetivo disminuye de 15 a 13. La primera parte del reporte de sensibilidad(OBJ COEFFICIENT RANGES) proporciona la respuesta. Para x2 el coeficiente de la funcin objetivo original es 15, como se indica en la columna titulada CURRENT COEF. Las siguientes dos columnas proporcionan los intervalos de sensibilidad para cada uno de los coeficientes de la funcin objetivo. Lindo proporciona estos intervalos reportando el incremento y decremento mximos permisibles de los valores actuales.
26
RANGES IN WHICH THE BASIS IS UNCHANGED: VARIABLE X1 X2 ROW 2 3 4 OBJ COEFFICIENT RANGES CURRENT ALLOWABLE ALLOWABLE COEF INCREASE DECREASE 10.000000 5.000000 2.500000 15.000000 5.000000 5.000000 RIGHTHAND SIDE RANGES CURRENT ALLOWABLE ALLOWABLE RHS INCREASE DECREASE 160.000000 13.333333 40.000000 120.000000 40.000000 20.000000 280.000000 INFINITY 40.000000 Reportes del anlisis de sensibilidad del LINDO para el
FIGURA N 6.3. problema de ALFA
En este ejemplo mientras el coeficiente de ganancia de x2 permanezca en el intervalo de 10 a 20, que el valor mnimo y mximo permisibles respectivamente, y mientras los dems coeficientes no cambien, la solucin ptima de x 1 = 40 y x2 = 40 no cambia. Un valor fuera de este intervalo sin embargo, puede ocasionar un cambio en la solucin ptima. Como el nuevo valor de 13 para este coeficiente esta dentro Del intervalo de 10 a 20, la solucin actual sigue siendo ptima. Sin embargo, la ganancia mxima cambia Max Z = (10 * 40) + (13 * 40) Max Z = $920 La segunda pregunta se refiere a un decremento en el lado derecho de la primera restriccin de su valor original de 160 a 140. La segunda parte del reporte de la figura 6.3, titulada RIGHTHAND SIDE RANGES ayuda a contestar esta pregunta. Recuerde que el precio dual o precio sombra de una restriccin representa la cantidad de cambio en la funcin objetivo por unidad de incremento en el valor del lado derecho. Para la primera restriccin, que limita los minutos totales usados en el departamento de maquinado a menos de 160, el precio sombra de 2.50 se da en la seccin 6 de figura 6.2. Sin embargo, ese precio sombra es aplicable slo si el valor del lado derecho permanece dentro de cierto intervalo. De hecho, ese intervalo se proporciona en la segunda parte del reporte de la figura 6.3 en las columnas rotuladas ALLOWABLE INCREASE y DECREASE ALLOWABLE. Mientras el limite de minutos de maquinado este entre 120 y 173.33 el precio sombra de 2.50 es vlido. Esto significa que cada minuto adicional de maquinado del actual nivel de 160 a 173.33 minutos incrementan la ganancia en $2.50. de manera alternativa, cada minuto disminuido del actual nivel de 160 hasta 120 disminuye la ganancia en $2.50. Puede usarse esta informacin para responder la segunda pregunta de la manera siguiente. Para la primera restriccin correspondiente al proceso de maquinado, el nuevo valor del lado derecho de la restriccin que es 140 est dentro del intervalo de
27
120 a 173.33, por lo que el precio sombra de 2.50 es vlido. El nuevo valor de la funcin objetivo ptima correspondiente a 140 minutos disponibles en el proceso de maquinado es: Z1 = Z + (precio sombra)*(Cambio en el valor ld) Z1 = 1000 + (2.50)*(-20) Z1 = 950 As pues, la reduccin de 160 a 140 minutos provoca que la ganancia ptima disminuya de $1000 a $950. La tercera pregunta tiene que ver con un incremento en el valor ld de la tercera restriccin, de su valor original de 280 a 320. Usando la misma parte Del reporte de sensibilidad de la figura 6.3, puede verse que el nuevo valor esta dentro Del intervalo 240 a infinito, y por lo tanto, el precio sombra de 0.00 sigue siendo valido. Esto significa que cada minuto adicional en el proceso de montaje Del actual nivel de 280 hasta el infinito, el incremento de la ganancia es nulo. De manera alternativa, cada minuto disminuido del actual nivel de 280 hasta 240 minutos la disminucin de la ganancia es nula. 6.4.2. Interpretacin de reportes de anlisis parametrico En la seccin 6.4.1., el reporte de sensibilidad del lado derecho para el problema de ALFAQUIM indica que el precio sombra de 2.50 para la restriccin (1) es valido mientras el valor ld permanezca dentro del intervalo 120 a 173.33. De igual forma el precio dual de 5.00 para la restriccin (2) es vlida mientras el valor ld permanezca dentro del intervalo 100 a 160. Sin embargo, qu sucede si un coeficiente se cambia a un valor fuera de estos intervalos? El anlisis parametrico proporciona la respuesta. El lindo proporciona un reporte parametrico que se presenta en la figura 6.4 En la figura 6.5, la seccin (A) indica lo que sucede cuando el ld de la primera restriccin se incrementa de su valor actual de 160. La seccin (B) indica lo que sucede cuando el ld s decrementa de su valor actual de 160. De manera similar, la figura 6.5, la seccin (C) indica lo que sucede cuando el ld de la segunda restriccin se incrementa de su valor actual de 120. La seccin (D) indica lo que sucede cuando el ld s decrementa de su valor actual de 120. Las dos primeras lneas de la seccin A de la figura 6.5 confirman lo que ha aprendido Del reporte del anlisis de sensibilidad, esto es, al incrementarse el valor ld de 160 a 173.33, el valor de la funcin objetivo se incrementa de 1000 a 1000.33 en la proporcin Del precio sombra de 2.50. La siguiente lnea indica que un incremento mas all de 173.33 no tiene efectos sobre el valor ptimo de la funcin objetivo por que l; precio sombra para este intervalo es 0.000 La seccin B proporciona informacin similar sobre el decremento en el valor ld. Las dos primeras lnea establecen que al disminuir este valor ld de 160 a 120, el valor de ptimo de la funcin objetivo decrece de 1000 a 900 en la proporcin del precio sombra de 2.50. la siguiente lnea indica que al disminuir todava mas este valor de ld de 120 a 100, el valor ptimo decrece de 900 a 750 en la proporcin del nuevo precio sombra de 7.50
28
RIGHTHANDSIDE PARAMETRICS REPORT FOR ROW: 2 VAR OUT SLK VAR (B) OUT VAR IN 4 SLK VAR IN 3 2 PIVOT ROW 4 PIVOT ROW 2 RHS VAL 160.000 173.333 200.000 RHS VAL DUAL PRICE BEFORE PIVOT OBJ VAL (A)
2.50000 1000.00 2.50000 1033.33 0.000000E+00 1033.33 DUAL PRICE OBJ VAL 1000.00 900.000 750.000
BEFORE PIVOT 2.50000 2.50000 7.50000
X1 SLK
160.000 120.000 100.000
RIGHTHANDSIDE PARAMETRICS REPORT FOR ROW: 3 VAR OUT VAR IN 3 PIVOT RHS ROW VAL 2 DUAL PRICE BEFORE PIVOT OBJ (C) VAL
X1 SLK
120.000 160.000 200.000
5.00000 1000.00 5.00000 1200.00 0.000000E+00 1200.00
VAR OUT SLK
VAR IN 4 SLK 2
PIVOT ROW 4
RHS DUAL PRICE OBJ (D) VAL BEFORE PIVOT VAL 120.000 5.00000 1000.00 100.000 5.00000 900.000 80.0000 6.66667 766.667
FIGURA 6.4. Reporte Parametrico
EJEMPLO 7.2.: Problema de inversin de BETA BETA es una compaa de manejo de efectivo que esta considerando invertir $100,000 en una o ms de las siguientes acciones con la tasa anticipada de rendimiento que a continuacin se muestra: Inversin Tasa de rendimiento Proyectada (%) Acciones preferenciales de Eastern Oil 9.00 Acciones comunes de Alaskan Oil 8.00 Acciones comunes de American Steel 7.00 Bonos municipales de Cleveland 6.00 La gerencia de BETA ha impuesto las siguientes pautas de inversin: 1. La inversin en bonos municipales debe ser de al menos $20 000. 2. La inversin en bonos municipales no debe exceder 20% de la inversin total en acciones, ms $50 000. 3. La inversin total en acciones no debe ser mayor a 60% de la inversin total.
29
4. La inversin total no debe exceder los fondos disponibles. Como administrador de la cartera, es probable que quiera determinar la estrategia de inversin que maximice el rendimiento total anual esperado sin violar ningn lineamiento de inversin. Formulacin del problema. Usando tcnicas de formulacin del captulo 2, se llega a definir las siguientes variables de decisin: X1= X2= X3= X4= el el el el nmero nmero nmero nmero de de de de dlares dlares dlares dlares por por por por invertir invertir invertir invertir en en en en las las las los acciones preferentes de Eastern Oil. acciones comunes de Alaskan Oil. acciones comunes de American Steel. bonos municipales de Cleveland.
La combinacin de la funcin objetivo de maximizar la devolucin esperada total y las cuatro restricciones estipuladas en las pautas de inversin dan como resultado el siguiente problema de programacin lineal: Maximizar 0.09x1+ 0.08x2+0.07x3+0.06x4 Sujeto a: -0.2x1 0.2x2 0.2x3 x4 50000 0.4x1 + 0.4x2 + 0.4x3 x4 0 x1 + x2 + x3 + x4 100000 x4 20000 Solucin de computadora. El modelo de inversin puede solucionarse usando cualquier paquete de software de programacin lineal disponible como LINDO. El primer paso es introducir los datos del modelo en el formato requerido por LINDO. Como de ilustra en la figura 6.8(a), escriba el problema en el mismo formato que en la formulacin. Ahora puede ordenarle a la computadora que use LINDO para resolverle el problema tecleando la instruccin SOLUTION. La primera parte del reporte proporciona los valores ptimos de las variables originales. La segunda proporciona informacin referente a las restricciones. OBJECTIVE FUNCTION VALUE 1) 7800.000 REDUCED COST 0.000000 0.010000 0.020000 0.000000
VARIABLE VALUE X1 60000.000000 X2 0.000000 X3 0.000000 X4 40000.000000
ROW SLACK OR SURPLUS DUAL PRICES 2) 22000.000000 0.000000 3) 0.000000 0.030000 4) 0.000000 0.078000 5) 20000.000000 0.000000
30
RANGES IN WHICH THE BASIS IS UNCHANGED: VARIABLE X1 X2 X3 X4 ROW 2 3 4 5 OBJ COEFFICIENT RANGES CURRENT ALLOWABLE COEF INCREASE 0.090000 INFINITY 0.080000 0.010000 0.070000 0.020000 0.060000 0.030000 RIGHTHAND SIDE RANGES CURRENT ALLOWABLE RHS INCREASE 50000.000000 INFINITY 0.000000 20000.000000 100000.000000 78571.429688 20000.000000 20000.000000 ALLOWABLE DECREASE 0.010000 INFINITY INFINITY 0.195000 ALLOWABLE DECREASE 22000.000000 18333.332031 50000.000000 INFINITY
Sobre la base de la primera parte, su recomendacin a la gerencia de BETA es invertir $60 000 en las acciones preferentes de Eastern Oil, nada en las acciones comunes de Alaska Oil o American Steel y $40 000 en los bonos municipales de Cleveland. Como lo indica el valor optimo de la funcin objetivo, esta cartera tiene un rendimiento anual esperado de $7800, que es una tasa de devolucin de 7.8%. En la segunda parte, las restricciones estn numeradas secuencialmente, comenzando con el nmero 2 (el nmero se refiere a la funcin objetivo). Por ejemplo, en la fila titulada 2, corresponde a la primera restriccin en la formulacin, el valor de 20 000 para la variable de supervit indica que el valor del lado izquierdo de esta restriccin es 20 000 ms que el Del lado derecho. En otras palabras, los $40 000 invertidos en los bonos municipales de Cleveland son $20 000 ms que el mnimo requerido. Ms an, el precio dual (tambin llamado el precio sombra) para esta restriccin, mostrado en la ltima columna, es 0. Como otro ejemplo, en la fila titulada 5, correspondiente a la ltima restriccin en la formulacin anterior, el valor de 0 para la variable holgada indica que esta restriccin es obligatoria, es decir, los $10 000 son invertidos usando el plan actual. Ms an, el precio dual de 0.078 asociado con esta restriccin indica que cada dlar adicional que BETA puede invertir (hasta una cantidad dada en el reporte de sensibilidad, como se muestra en la figura 6.9) gana una tasa esperada de 7.8%.
31
Uso de los reportes de sensibilidad Durante la presentacin de sus resultados la gerencia formul las siguientes preguntas: 1. El gerente de finanzas advirti que una incertidumbre reciente en el mercado petrolero podra bajar la tasa esperada de devolucin de las acciones de Eastern Oil a 8%. Si esto sucede, Debera BETA reconsiderar su estrategia de inversin? 2. El presidente de BETA probablemente pueda negociar un prstamo a largo plazo del banco local a 7%. Debera BETA intentar obtener este prstamo? . Si es as, por que cantidad? 3. El vicepresidente de Finanzas ha estudiado el prospecto de una empresa ligeramente ms riesgosa (comparada con las cuatro acciones y bonos bajo consideracin) que requiere una inversin de exactamente $60,000 y ofrece una tasa de devolucin de 8%. Debera BETA considerar esta alternativa, dejando slo $40,000 para invertir en las acciones y bonos bajo consideracin? Para responder la primera pregunta, identifique el impacto que este cambio tiene en el modelo matemtico. Si la tasa de devolucin de las acciones preferentes de Eastern Oil desciende a 8%, el coeficiente de la variable de E-Oil en la funcin objetivo cambia de 0.09 a 0.08. para determinar si este cambio tiene como resultado un cambio en el plan de inversin, examine el reporte de sensibilidad de la figura 6.4 obtenida del LINDO. esta el nuevo valor de 0.08 para el coeficiente de la funcin objetivo dentro Del intervalo donde la solucin actual sigue siendo ptima?. La primera linea Del reporte de sensibilidad indica que el valor actual de 0.09 para este coeficiente puede incrementarse infinitamente o disminuir en 0.01 sin cambiar la solucin ptima. Por lo tanto el intervalo de sensibilidad para este coeficiente va desde 0.08 a + infinito. Como este nuevo valor de 0.08 para este coeficiente sta dentro Del intervalo de 0.08 a infinito, no hay cambio en el plan de inversin. Sin embaro la devolucin esperada total decrece en 1% de la cantidad invertida en acciones de la EOil, es decir: Max(Z)= 7800 0.01(60,000) = 7,200 Por lo tanto, una disminucin en la tasa de rendimiento de las acciones de Eastern Oil de 8% no afecta el plan de inversin de BETA, pero disminuye la devolucin hasta $7,200. Para responder a la segunda pregunta, a saber, si BETA debe obtener un prstamo al 7% de inters y, si es as, por que cantidad, pregntese como afecta este cambio el modelo matemtico. La respuesta es que la obtencin de fondos de inversin adicionales a travs del prstamo propuesto tiene como resultado un incremento Del lado derecho de la penltima restriccin. El precio dual de 0.078 asociado con esta restriccin es mayor que el costo Del prstamo como se muestra en el reporte de la figura 6.4, indica que cada dlar adicional disponible para inversin regresa 7.8 centavos. Como esta devolucin de 7.8% es mayor que el costo Del prstamo a 7%, realmente vale la pena que BETA asegure este prstamo. Pero el siguiente punto es por qu cantidad?. Ciertamente hasta el limite para el cual este precio dual de 0.078 es valido. Puede calcularse este limite a partir de la informacin de la ltima lnea de la segunda parte del reporte de sensibilidad de la figura 6.4. este valor es el mximo incremento permisible de 78,571.43 sobre el valor actual de 100,000, esto es, BETA debera obtener un prstamo por al menos $78,571.43, pero, debera la compaa obtener mas?.
32
La respuesta a esta pregunta depende de lo que suceda al precio dual fuera de este intervalo. Para esto se recurre al anlisis parametrico que proporciona el lindo, que se utiliza para estudiar el impacto de cambio de este tipo.
PROBLEMAS PROPUESTOS 1. La Compaa ALFA fbrica 3 productos de caucho: Airtex(material esponjoso), Extendex(material elstico) y Resistex(material rgido). Los tres productos requieren los mismos tres polmeros qumicos y una base. La cantidad de cada ingrediente usada por libra del producto final se muestra en la siguiente tabla: PRODUCT O Airtex Extendex Resistex INGREDIENTES(oz./lb de producto) POLIMERO A POLIMERO B POLIMERO C BASE 4 3 6 2 2 3 4 2 5 6 9 2
33
Alfa, tiene el compromiso de producir al menos 1000 lbs. De Airtex, 500 lbs. De Extendex y 400 lbs. De Resistex para la prxima semana, pero la gerencia de la Cia. Sabe que puede vender ms de cada uno de los tres productos. Los inventarios actuales de los ingredientes son: 500 lbs. De polmero A, 425 lbs. De polmero B, 650 lbs. De polmero C y 1,100 lbs. De la base. Cada libra de Airtex produce a la Cia. Una ganancia de $7, cada libra de Airtex una ganancia de $7 y cada libra de Resistex una ganancia de $6. Como gerente del departamento de produccin, usted necesita determinar un plan de produccin ptimo para esta semana. a) Formule el programa lineal para este problema b) Cul es el plan de produccin ptimo? c) Con el plan de produccin actual, para cual de los tres productos se puede cumplir con una demanda adicional de 5%?. Explique d) Que coeficiente o coeficientes de ganancia podran duplicarse, mientras se mantienen fijos todos los dems coeficientes, sin que afecte el plan de produccin ptimo?. Explique e) El compromiso de producir 400 libras de Resistex acaba de caer en 10%. Que le sucede a la ganancia ptima?. Explique f) Si la demanda de Airtex aumenta en 2%, cual es el nuevo plan de produccin optimo?. Explique. g) La Cia. Desea aumentar sus ganancias a $18,000 adquiriendo ms cantidad de polimero A. Cuanto mas de polmero A se necesita?. Explique. 2. La Cia. Gamma dirige sus gastos de venta en diversos rubros con el objeto de producir ventas. Uno de los tipos de actividad que es efectiva es la Conferencia Regional de Ventas. Existen 6 regiones (designadas I a VI) en las cuales estas conferencias toman lugar semanalmente y en algunas mensualmente. Cada una de las conferencias puede ser de un da completo o de medioda. Existe un costo por persona y un resultado esperado de ventas para cada uno de estos tipos de conferencias. Los tipos de conferencias disponibles, sus costos y sus ventas resultantes se listan a continuacin. Conferencias de Ventas Mensual I - Todo el da Semanal II - Todo el da Semanal II - Medioda Semanal III - Todo el da Mensual IV - Todo el da Mensual IV - Medioda Semanal V - Todo el da Semanal VI Todo el da Semanal VI - Medioda Costo($) 120 130 80 60 100 60 200 600 350 Ventas resultantes($) 13,000 21,500 11,500 7,500 11,800 9,500 22,000 90,000 50,000
Adems de estas actividades, un comercial de tv que cuesta $1,350 debe producir $118,500 en ventas. Un anuncio en un grupo de peridicos locales costar $330 y producir $59,000 en ventas. Finalmente, el tener abierta una oficina de consultas durante un da costar $180 y producir $21,800 en ventas. A la Cia. Le gustara maximizar sus ventas manejando sus gastos de venta, pero desea mantener algunas restricciones. El plan fue cubrir un perodo de 6 meses y para ese periodo el presupuesto de gastos de ventas es $52,500. Se 34
decidi que al menos la mitad del presupuesto deba ir a las conferencias semanales y mensuales de ventas. Al menos una persona deba ser enviada a la semanal VI y mensual I (das completos). El comercial de tv debe ser usado al menos una vez, adems no debe enviarse mas de una persona a las conferencias Mensual IV como a la semanal II (das completos) a) Explique la distribucin ptima de los gastos de venta. Dar alguna explicacin de los resultados que aparezcan con fraccin. b) Calcule los ingresos por dlar gastado en el plan optimo de 6 meses. c) Cul debe ser el total de ventas ptimo si el presupuesto se elevara a $62,500?. Dnde debe colocarse los $10,000 adicionales?. Cual es el retorno por unidad de $10,000 extras y por qu este es diferente del monto obtenido en la parte b. d) Cul seria la solucin ptima si se requieren 3 comerciales de TV? e) Piensa usted que el requerimiento de que la mitad del presupuesto se gaste en conferencia de ventas influye mucho en el retorno de ventas? Explique y justifique su respuesta. Cul es el retorno de ventas si solo se dispone de $16,500 para conferencias de ventas? f) Si usted tuviera la oportunidad de eliminar las restricciones con respecto al nmero de personas enviadas a semanal Vi y mensual I, Cul eliminara y por que? g) Cul ser el retorno de ventas si se eliminara totalmente el requerimiento Del comercial de Tv?. Donde debe localizarse los $1250 (i.e. Cul es la nueva solucin?) 3. Hacker Company fabrica tableros de circuitos electrnicos para computadoras PC. Cada tablero de fax-modem, de compresin de datos y de sintetizacin de sonido requiere una cierta cantidad de tiempo de maquina para insertar los chips, soldarlos, ensamblarlos y probarlos. Estos datos(en minutos), junto con la cantidad de minutos de tiempo de maquina disponible para cada operacin, el nmeros mnimo de produccin de cada tablero, las ganancias netas se resumen en la tabla siguiente:
Fax -Modem Insercin de chips Soldado Ensamblado Prueba Ganancia($) Produccin mnima 0.333 0.5 2.0 1.5 10 500
Tablero Comprensin Sintetizador de datos de sonido 0.25 0.5 0.5 0.5 2.0 1.0 2.0 3.5 10 300 8 250
Minutos disponibles 500 600 2000 2400
a) Cuntos tableros de cada uno debe fabricar la empresa?. Cul es la ganancia total?
35
b) Que pasa con la solucin ptima, si se debe producir un mnimo de 550 faxmodems? c) Qu sucede con la solucin ptima si se tienen disponibles 400 minutos adicionales de tiempo de maquina para el ensamblado? d)Qu sucede con la solucin ptima, si la ganancia por cada fax-modem se incrementa en $8? e) Qu sucede con la solucin ptima si se tienen disponibles 200 minutos adicionales de tiempo de insercin de chips? f) Explique como afectan a la solucin las restricciones de disminucin del 20% del tiempo de ensamblado y prueba? g) Qu sucede con la solucin ptima, si la ganancia por cada sintetizador de sonido se incrementa en $5? h) Cul seria la solucin ptima, si se requiere producir un mnimo de 400 sintetizadores? 4. La Cia. BETA STEEL produce tres tamaos de tubos: A,B y C que son vendidos, respectivamente en $10, $12 y $9 por pie. Para fabricar cada pie del tubo A se requieren 0.5 minutos de tiempo de procesamiento sobre un tipo particular de maquina de modelado. Cada pie de tubo B requiere 0.45 minutos y cada pie del tubo C requiere 0.6 minutos. Despus de la produccin, cada pie de tubo, sin importar el tipo, requiere 1 onza de material de soldar. El costo total se estima en $3, $4 y $4 por pie de los tubos A,B y C respectivamente. Para la siguiente semana, BETA ha recibido pedidos excepcionalmente grandes que totalizan 2000 pies de tubo A, 4000 pies de tubo B y 5000 pies de tubo C. Como solo se dispone de 40 horas de tiempo de maquina esta semana y solo se tienen en inventario 5500 onzas de material de soldar, el departamento de produccin no podr satisfacer esta demanda, que requiere de un total de 97 horas de tiempo de maquina y 11,000 onzas de material de soldar. No se espera que contine este alto nivel de demanda. En vez de expandir la capacidad de las instalaciones de produccin, la gerencia de BETA esta considerando la compra de algunos de estos tubos a proveedores de Japn a un costo de entrega de $6 por pie del tubo A, $6 por pie del tubo B y $7 por pie del tubo C. Estos diversos datos se resumen en la siguiente tabla.
TIPO A B C
PRECIO DE DEMANDA VENTA (ft) ($/ft) 10 2000 12 4000 9 5000
TIEMPO DE MAQUINA (min/ft) 1 1 1
MATERIAL PARA SOLDAR (oz/ft) 3 4 4
COSTO DE COMPRA ($/ft) 6 6 7
a) Formule el programa lineal para este problema b) Cul es el plan de produccin/adquisicin ptimo para la BETA STEEL? c) Si pudiera obtener mas material para soldar o ms tiempo de maquina, pero no ambas cosas, cual escogera? . Explique.
36
d) Los japoneses acaban de aumentar el precio de sus tubos tipo C de $7 a $8 por pie, de que manera cambia el plan de produccin/adquisicin actual?. Explique. e) La Cia. puede vender su material para soldar con una ganancia de $32 por libra. Cunto deber vender?. Explique. f) La Cia. desea aumentar sus ganancias a $57,500. Cuantas horas mas de tiempo de maquina se necesitan para lograr este objetivo?. Explique. 5. Al gerente de cartera de ALFA Pension, Inc. Se la ha pedido invertir $ 1 milln de un gran fondo de pensiones. EL Departamento de investigacin de inversiones ha identificado seis fondos mutuos con estrategias de inversin variables, resultando en diferentes rendimientos potenciales y riesgos asociados, como se resume en la siguiente tabla: FONDO 1 45 30 Alto
Precio($/accin) Devolucin esperada(%) Categora de riesgo
2 76 20 Alto
3 110 15 Alto
4 17 12 Median
5 23 10 Mediano
6 22 7 Bajo
a) b) c) d)
Una forma de controlar el riesgo es limitar la cantidad de dinero invertido en los diversos fondos. Para ese fin, la administracin de Alfa Pension ha especificado las siguientes pautas: i) La cantidad total invertida en fondos de alto riesgo debe estar entre 50% y 75% de la cartera. ii) La cantidad total invertida en fondos de mediano riesgo debe estar entre 20 y 30% de la cartera. iii) La cantidad total invertida en fondos de bajo riesgo debe ser al menos 5% de la cartera. Una segunda forma de controlar el riesgo es diversificar, esto es, esparcir el riesgo invirtiendo en muchas alternativas diferentes. La gerencia de Alfa, ha especificado que la cantidad invertida en los fondos de alto riesgo 1,2 y 3 deben estar en la tasa 1:2:3, respectivamente. La cantidad invertida en los fondos de mediano riesgo 4 y 5 debe ser 1:2. Con estas pautas, qu cartera debera usted, gerente de cartera, recomendar para maximizar la tasa esperada de retorno? Utilice el LINDO para determinar la solucin ptima de ALFA y para escribir un informe en el que usted: Indique la mayor tasa de recuperacin que se puede permitir si no se invierte en el fondo 6 Analice el efecto que tendra sobre la tasa ptima de recuperacin un aumento de la cantidad que debe ser invertida en la inversin de bajo riesgo. Proporcione la estrategia de inversin ptima si la cantidad invertida en el fondo 4 debe ser la misma que la invertida en el fondo 5. Analice el efecto de los aumentos y disminuciones individuales en las devoluciones esperadas de cada fondo.
37

Capitulo V

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Capitulo V

Încărcat de

Drepturi de autor:

Formate disponibile

INVESTIGACION DE OPERACIONES I Eduardo Quiroz ................................................................................................................................................................................................................................

INVESTIGACION DE OPERACIONES I Eduardo Quiroz ................................................................................................................................................................................................................................

................................................. ................................................ am1x1 + am2x2 + .......+ amnxn x

INVESTIGACION DE OPERACIONES I Eduardo Quiroz ................................................................................................................................................................................................................................

bi 160 120 280 0 zj

INVESTIGACION DE OPERACIONES I Eduardo Quiroz ................................................................................................................................................................................................................................

INVESTIGACION DE OPERACIONES I Eduardo Quiroz ................................................................................................................................................................................................................................

INVESTIGACION DE OPERACIONES I Eduardo Quiroz ................................................................................................................................................................................................................................

INVESTIGACION DE OPERACIONES I Eduardo Quiroz ................................................................................................................................................................................................................................

0 x3 1 -1/2 -3 2.5 -2.5

INVESTIGACION DE OPERACIONES I Eduardo Quiroz ................................................................................................................................................................................................................................

INVESTIGACION DE OPERACIONES I Eduardo Quiroz ................................................................................................................................................................................................................................

En este problema, las variables artificiales 1, 2 y nmero de das imaginarios.

3 pueden interpretarse como

INVESTIGACION DE OPERACIONES I Eduardo Quiroz ................................................................................................................................................................................................................................

bi 72/52 60/52 32/13 328/5 2 +60M /52 cj - zj

3/52 14/5 57M/5 2 2 +6M/ 52 14/5 -3/52 2+ 6M/5 57M/5 2 2

solucin del problema es: = 3 das = 2 das = 12 tn.

INVESTIGACION DE OPERACIONES I Eduardo Quiroz ................................................................................................................................................................................................................................

INVESTIGACION DE OPERACIONES I Eduardo Quiroz ................................................................................................................................................................................................................................

2x 1 + 2x 2 160 x 1 + 2x 2 120 4x 1 + 2x 2 280 x 1, x 2 0 6.1.3. solucin de computadora

maquinado armado montaje

< 120 < 280

INVESTIGACION DE OPERACIONES I Eduardo Quiroz ................................................................................................................................................................................................................................

0.000000 0.000000 DUAL PRICES 2.500000 5.000000 0.000000 (b)

ROW SLACK OR SURPLUS 2) 0.000000 3) 0.000000 4) 40.000000 NO. ITERATIONS= 2

INVESTIGACION DE OPERACIONES I Eduardo Quiroz ................................................................................................................................................................................................................................

(capital de inversin) (prestamos personales) (prestamos a empresas)

INVESTIGACION DE OPERACIONES I Eduardo Quiroz ................................................................................................................................................................................................................................

(capital de inversin) (prestamos personales) (prestamos a empresas) (prestamos a empresas)

INVESTIGACION DE OPERACIONES I Eduardo Quiroz ................................................................................................................................................................................................................................

Tipo de prstamo Personal Automvil Casa Agrcola Comercial

Tasa de inters 0.140 0.130 0.120 0.125 0.100

Probabilidad de incobrables 0.10 0.07 0.03 0.05 0.02

Prestamos Prestamos Prestamos prestamos prestamos

personales en millones de $ para automviles. para casa. agrcolas comerciales

INVESTIGACION DE OPERACIONES I Eduardo Quiroz ................................................................................................................................................................................................................................

(Fondos totales) (prestamos comerciales y agrcolas)

(prestamos para casa)

0.5x 3 0.5 X 1 0.5 X 0.06X 1 + 0.03 X

INVESTIGACION DE OPERACIONES I Eduardo Quiroz ................................................................................................................................................................................................................................

7.200000 0.000000 4.800000

0.000000 0.059125 0.000000 DUAL PRICES 0.086400 -0.008400 0.000000

Precio($/accin) Devolucin esperada(%) Categora de riesgo

INVESTIGACION DE OPERACIONES I Eduardo Quiroz ................................................................................................................................................................................................................................

X5 = 2 X4 - 2 X4 + X5 = 0 Agenda Total de cartera X1 + X2 + X3 + X4 + X5 + X6 = 1 Condicin de no negatividad: Xj0 (j = 1,6)

INVESTIGACION DE OPERACIONES I Eduardo Quiroz ................................................................................................................................................................................................................................

INVESTIGACION DE OPERACIONES I Eduardo Quiroz ................................................................................................................................................................................................................................

TIPO PRECIO DE VENTA ($/ft) A 10 B 12 C 9

COSTO DE PRODUCCI N ($/ft) 3 4 4

COSTO DE COMPRA ($/ft) 6 6 7

de tipo de tipo de tipo de tipo de tipo de tipo

7X1 + 8X2 + 5X3 + 4X4 +6x5 + 2X6

INVESTIGACION DE OPERACIONES I Eduardo Quiroz ................................................................................................................................................................................................................................

SLACK OR SURPLUS 0.000000 0.000000 1.220000 0.030000 0.000000 0.002000 0.000000 7

INVESTIGACION DE OPERACIONES I Eduardo Quiroz ................................................................................................................................................................................................................................

0.004500 0.002500 0.190000

0.000250 0.002000 0.035000

0.000150 INFINITY 0.010000

SLACK OR SURPLUS 0.000000 0.000000 0.000000 0.000000 1166.666626

INVESTIGACION DE OPERACIONES I Eduardo Quiroz ................................................................................................................................................................................................................................

INVESTIGACION DE OPERACIONES I Eduardo Quiroz ................................................................................................................................................................................................................................

maquinado armado montaje