Documente Academic
Documente Profesional
Documente Cultură
GUA DE PRCTICAS
Investigacin Operativa I
Realizado por:
Ing. Efran Rafael Murillo Quispe
AREQUIPA PERU
2016
Investigacin Operativa I
Sesin
Software de Aplicacin
I
OBJETIVOS
II
TEMAS A TRATAR
Significado de Lindo, WinQsb y PomQm.
Uso del software Lindo, WinQsb y PomQm para solucionar problemas de Programacin Lineal.
Planteamiento de problemas.
III
MARCO TEORICO
INVESTIGACIN OPERATIVA
Algunas definiciones por diferentes autores:
TAHA.
La Investigacin de Operaciones aspira a determinar el mejor curso de accin ptimo de un
problema de decisin con la restriccin de recursos limitados, aplicando tcnicas matemticas para
representarlo por medio de un modelo y analizar problemas de decisin.
PRAWDA.
Es la aplicacin por grupos interdisciplinarios de Mtodo Cientfico a problemas relacionados con
el control de las organizaciones o de sistemas en relacin al hombre-mquina, con el fin de
producir soluciones ptimas para dichas organizaciones.
THIERAUF Y GROSSE.
La Investigacin de Operaciones utiliza el enfoque planeado (Mtodo Cientfico) y un grupo
interdisciplinario a fin de representar las complicadas relaciones funcionales como modelos
Investigacin Operativa I
matemticos para suministrar una base cuantitativa en la toma de decisiones y descubrir nuevos
problemas para un anlisis cuantitativo.
SOCIEDAD AMERICANA DE INVESTIGACIN DE OPERACIONES (ORSA).
La Investigacin de Operaciones est relacionada con el mejor diseo y operacin del sistema
(hombre-mquina) usualmente bajo ciertas condiciones y requiriendo la asignacin de recursos
escasos.
PROGRAMACIN LINEAL
Tomado de www.sites.upiicsa.ipn.mx/polilibros/portal/.../P.../UNIDAD113.htm
Sin duda alguna uno de los mtodos analticos ms viables econmicamente para la solucin de
problemas de administracin es el de la Programacin Lineal, el cual tiene diversas aplicaciones y
ha sido aplicado exitosamente en las industrias petrolera, automotriz, qumica, forestal,
metalrgica, agrcola, militar, etc. Incluso en mercadotecnia, se le ha empleado para seleccionar los
medios de publicidad y los canales adecuados de distribucin.
Para comprender lo que es la Programacin Lineal es importante entender los siguientes conceptos
bsicos:
a.
Variables de Decisin: Con las variables de decisin nos referimos al conjunto de variables
cuya magnitud deseamos determinar resolviendo el modelo de programacin lineal.
b.
Restricciones: Estn constituidas por el conjunto de desigualdades que limitan los valores
que puedan tomar las variables de decisin en la solucin.
c.
d.
Linealidad: Se refiere a que las relaciones entre las variables, tanto en la funcin objetivo
como en las restricciones deben ser lineales.
e.
Desigualdades: Las desigualdades utilizadas para representar las restricciones deben ser
cerradas o flexibles, es decir, menor - igual (<=) o mayor igual (>=). No se permiten
desigualdades de los tipos menor- estrictamente o mayor estrictamente, o abiertas.
f.
HERRAMIENTAS DE SOFTWARE:
Ing. Efran Murillo Msc.
Investigacin Operativa I
WinQsb: Quantitative Systems for Business for Windows (Sistema Cuantitativo para Negocios
para Windows)
Lindo: Linear INteractive and Discrete Optimization (Optimizacin Lineal Interactiva y discreta).
PomQm: Quantitative Methods and Production and Operations Management (Mtodos Cuantitativos y
Produccin y Administracin de Operaciones)
Linear programming (LP) and integer linear programming (ILP): este mdulo incluye los
programas necesarios para resolver el problema de programacin lineal grficamente o
utilizando el algoritmo del Simplex; tambin permite resolver los problemas de programacin
lineal entera utilizando el procedimiento de Ramificacin y Acotacin (Branch&Bound).
Linear goal programming (GP) and integer linear goal programming (IGP): resuelve
modelos de programacin multiobjetivo con restricciones lineales.
Network modeling (NET): incluye programas especficos para resolver el problema del
transbordo, el problema del transporte, el de asignacin, el problema del camino ms corto,
flujo mximo, rbol generador, y problema del agente viajero.
PERT/CPM: mdulo de gestin de proyectos en los que hay que realizar varias actividades
con relaciones de precedencia.
A cada uno de estos mdulos se accede directamente desde la entrada a WinQSB en el men
principal, seleccionando respectivamente la opcin respectiva.
1.1 CREANDO UN NUEVO PROBLEMA DE PROGRAMACIN LINEAL O ENTERA
Para resolver problemas de programacin Lineal o Entera seleccionamos la siguiente opcin:
Investigacin Operativa I
Luego la opcin Nuevo Problema (New Problem) genera una plantilla en el cual se introducirn
las caractersticas de nuestro problema:
Ttulo del problema (Problem Title): Se escribe el ttulo con que identificamos el
problema.
Nmero de variables (Number of Variables): Se escribe la cantidad de variables con que
cuenta el sistema en el modelo original.
Nmero de restricciones (Number of Constraints): Se anotan la cantidad de restricciones
con que cuenta el modelo (no se debe contar la restriccin de no negatividad).
Objetivo (Objective Criterion): Los problemas de programacin lineal y entera se
clasifican en dos: problemas de Maximizacin (Maximization) y Minimizacin
(Minimization).
Formato de entrada de datos (Data Entry Format): Permite elegir entre dos plantillas
distintas para introducir los datos del modelo. La primera alternativa se asemeja a una hoja
de clculo, mientras que la segunda, es una plantilla diseada especialmente para este fin.
Tipo de variable (Default Variable Type): En esta parte se indica las caractersticas del
modelo:
Continuas no negativas (Nonnegative continuous): Indica que el modelo lo
componen variables continuas no negativas (iguales o mayores a cero).
Enteras no negativas (Nonnegative Integer): Variables enteras no negativas.
Binarias (Binary): Variables cuyo valor solo sern 0 o 1.
Sin asignar / Irrestrictas (Unsigned/unrestricted): Variables irrestrictas.
Investigacin Operativa I
Una vez llenados todos los campos pulsamos el botn OK, generando nuevas opciones dentro del
programa.
1.3 INGRESANDO EL MODELO
Si se escogi por la plantilla tipo hoja de calculo (Spreadsheet Matrix Form), se mostrar una
nueva ventana dentro de la ZONA DE TRABAJO, la cual servir para introducir el modelo
matemtico.
Investigacin Operativa I
La primera fila (Variable -->) corresponde a los encabezados de las variables (en gris) definidas
automticamente por el sistema como X1, X2, X3 y X4 (son las tres variables del ejemplo),
seguido por el operador de relacin (Direction) y la solucin de las restricciones o Lado de la
mano derecha (Right Hand Side -R.H.S.). El nombre de las variables se puede cambiar
accediendo al submen Nombre de variables (Variables Names) del men Editar (Edit).
La segunda fila (Maximize) permite introducir los coeficientes de la funcin objetivo. Luego
aparecen una serie de filas identificadas por la letra C y un consecutivo, las cuales corresponden a
la cantidad de restricciones con que cuenta el modelo:
Por ltimo aparecen tres filas donde definimos el valor mnimo aceptado por cada variable (Lower
Bound), el valor mximo (Upper Bound) y el tipo de variable (Variable Type). En el caso del valor
mximo, M significa que la variable podr recibir valores muy grandes (tendientes a infinito).
1.4 EL MODELO DE EJEMPLO
Para ingresar nuestro modelo propuesto en el ejemplo, el primer paso es llenar la segunda fila con
los coeficientes de la funcin objetivo:
Investigacin Operativa I
Usted podr cambiar los operadores de relacin pulsando dos veces seguidas sobre ellos con el
botn izquierdo del Mouse. Las otras filas se mantienen iguales.
1.5 RESOLVIENDO UN PROBLEMA
Cuando haya terminado de ingresar el modelo en la plantilla, podr utilizar las herramientas que
provee el men Resolver y Analizar (Solve and Analyze).
Este men cuenta con las siguientes opciones:
Investigacin Operativa I
La columna Valores de la solucin (Solution Value) presenta los valores ptimos encontrados. En
este ejemplo se tiene que X1 es 1250 unidades, X2 es 100 unidades X3 y X4 es 0 unidades.
La columna Costo o Utilidad Unitaria (Unit Cost or Profit) muestra los coeficientes de la funcin
objetivo para cada variable.
La columna Contribucin Total (Total Contribution) representa el costo o utilidad generado por
cada variable. Por ejemplo, si el valor de la variable X2 es 100 unidades y la utilidad unitaria es $5,
el beneficio total resultar de la multiplicacin de ambos valores dando como resultado $500. Justo
debajo de la ltima contribucin aparece el valor de Z ptimo ($3250).
La columna Costo Reducido (Reduced Cost) identifica el costo que genera incrementar una unidad
para cada variable no bsica. La siguiente columna llamada Estatus de la Variable (Basis Status)
muestra si una variable es bsica (Basic) o no (at bound).
La siguiente parte de la matriz final (Constraint Summary), presenta las variables de holgura del
sistema (C1, C2, C3, C4 y C5).
La columna Lado de la mano derecha (Left Hand Side) muestra el valor alcanzado al reemplazar
los valores de X1, X2, X3 y X4 en cada restriccin (recuerde que cada restriccin se identifica con
su variable de holgura).
Las dos columnas siguientes (Direction y Right Hand Side) muestran las especificaciones dadas a
las restricciones en cuanto al operador de relacin ( o ) y los valores originales de las
restricciones (6000, 4000, 100, 200 y 250).
La columna Dficit o Supervit (Slack or Surplus) muestran los valores de las variables de holgura
y la columna Precios Sombras (Shadow Price) corresponde a los precios sombras o precios duales;
cunto se estara dispuesto a pagar por una unidad adicional de cada recurso.
1.8 LA OPCIN IMPRIMIR
Cada ventana mostrada puede ser impresa mediante la opcin Imprimir (Print) que se encuentra en
el men Archivo (File) o mediante el botn
1.9 GUARDANDO UN PROBLEMA
Investigacin Operativa I
Investigacin Operativa I
Investigacin Operativa I
Interpretacin:
LP OPTIMUN FOUND AT STEP 2
Lo que seala que LINDO encontr la solucin ptima despus de dos iteraciones del algoritmo
simple.
OBJECTIVE FUNCTION VALUE 3250.000000
Indica que el valor de Z ptimo es 3250.
VALUE
Da el valor de la variable en la solucin ptima del PL. Por lo tanto la solucin ptima le
recomienda producir 1250 unidades del modelo 1, 100 del modelo 2 y 0 unidades de los modelos 3
y 4 (X1 = 1250, X2 = 100, X3 = 0 y X4 = 0)
SLACK OR SURPLUS
Proporciona el valor de holgura o excedente de los recursos en la solucin ptima. Por lo tanto,
representa el recurso no utilizado o excedente en la restriccin.
REDUCED COST
Investigacin Operativa I
Proporciona el coeficiente de la variable en el regln cero del arreglo ptimo; el costo reducido
para las variables bsicas es cero. En el caso de una variable no bsica, el costo reducido es la
cantidad que decrece el valor de z ptimo. Esto quiere decir que si fuera forzado a producir una
unidad del modelo 3, la utilidad disminuira en 0.85 dlares y por una unidad del modelo 4, 1.5
dlares.
De igual forma nos muestra el anlisis de sensibilidad que lo interpretaremos posteriormente.
IV
ACTIVIDADES
Para responder las inquietudes de cada problema, utilice el software Lindo, WinQsb o
PomQm.
1.- Una empresa de produccin de muebles dispone de dos diferentes tipos de madera; tiene 1500 pies tabla
del tipo A y 1000 del tipo B, tambin dispone de 800 horas-hombre para efectuar el trabajo. La
demanda semanal que ha estimado es la siguiente: cuando menos 40 mesas, 130 sillas, 30
escritorios y no ms de 10 libreros. Las cantidades de madera Ay B, las horas-hombre que
requiere la elaboracin de cada unidad de artculo y las utilidades unitarias, estn indicadas en el
siguiente cuadro:
Madera Horas
Artculo
A
B Hombre
Mesa
5
2
3
Silla
1
3
2
Escritorio
9
4
5
Librero
12
1
10
Disponibilidad semanal 1500 1000
800
Demanda
Utilidades
Estimada
por unidad
no menos de 40
$ 12
no menos de 130
5
no menos de 30
15
no ms de 10
10
Tomado el modelo matemtico mostrado abajo, resuelva y responda las siguientes inquietudes:
a)
Pies de Madera A
Pies de Madera B
horas hombre
demanda mnima de mesas
demanda mnima de sillas
demanda mnima de escritorios
demanda mxima de libreros
2.- Lupita est preocupada por su sobrepeso y el costo de la comida diaria, ella sabe que para bajar de peso,
debe consumir a lo ms 1350 Kcaloras, pero requiere un mnimo de 500 mgr. de vitamina A, 350 mgr. de
Investigacin Operativa I
Calcio, 200 mgr. de protenas y 150 mgr de minerales. Con los alimentos de la tabla siguiente, formule el
Modelo de Programacin Lineal que resuelva la dieta de Lupita.
Alimento
Leche
Huevo
Espinacas
Chancho
Pescado
Pastel
Porcin
1 taza
2 unidades
1 racin
2 chuletas
2 trozos
2 rebanadas
Vitam. A
105
75
100
25
150
30
Calcio
75
80
10
50
5
Protenas Minerales
50
35
50
15
125
78
55
100
50
8
Costo
S/. 1.0
S/. 0.7
S/. 0.5
S/. 4.0
S/. 2.0
S/. 1.5
Kcaloras
80
50
175
150
200
mximo de caloras
mnimo de mgr de vitamina A
mnimo de mgr de calcio
mnimo de mgr de protena
mnimo de mgr de minerales
3.- Ozark Farms utiliza diariamente por lo menos 800 libras de alimento especial. El alimento
especial es una mezcla de maz y semilla de soya, con las siguientes composiciones:
Alimento para ganado
Maz
Semilla de soya
Los requerimientos dietticos diarios del alimento especial estipula por lo menos un 30% de
protenas y cuando mucho un 5% de fibra. Ozark Farms desea determinar el costo mnimo diario de
la mezcla de alimento. (TAHA)
a) Formule el modelo matemtico respectivo.
b) Determine la mezcla de alimentos que permita obtener el menor costo. Cual es el costo?
4.- Un agricultor cultiva trigo y maz en sus tierras de 45 acres. Es capaz de vender cuando ms
140 toneladas de trigo y 120 toneladas de maz. Cada acre sembrado con trigo rinde 5 toneladas, y
cada acre sembrado con maz produce 4 toneladas. El trigo se vende en 30 dlares la tonelada y el
maz se vende en 50 dlares la tonelada. La cosecha de un acre con trigo requiere de 6 horas de
mano de obra, y la de u acre con maz consume 10 horas. Se puede comprar hasta 350 horas de
mano de obra a 10 dlares la hora. Determine la cantidad de acres de trigo y maz que debe cultivar
el agricultor con la finalidad de maximizar sus ganancias.
Investigacin Operativa I
Sesin
Programacin Lineal
Mtodo Grfico
I
OBJETIVOS
II
TEMAS A TRATAR
Planteamiento de problemas.
Mtodo Grfico.
III
MARCO TEORICO
PROGRAMACIN LINEAL
Tcnica de modelado matemtico diseada para optimizar el empleo de recursos limitados.
Todo problema de programacin lineal tiene tres elementos bsicos en su modelado o
planteamiento:
(1)
Variables de decisin, que es lo que se va a determinar.
(2)
Objetivo o meta, lo que se trata de optimizar.
(3)
Las restricciones o limitaciones que se deben satisfacer.
MTODO DE SOLUCIN GRFICA
Mtodo aplicable a problemas de dos variables, el cual sigue los siguientes pasos:
(1)
Graficar cada una de las restricciones (lneas), indicado el espacio de soluciones
que delimita por s sola.
(2)
Determinar el espacio de soluciones factibles del problema (interseccin de todas
las restricciones).
Ing. Efran Murillo Msc.
Investigacin Operativa I
(3)
EJEMPLO
Reddy Mikks produce pinturas tanto para interiores como para exteriores, a partir de 2
materias primas, M1 y M2. La siguiente tabla proporciona los datos bsicos del problema:
Tonelada de materia prima por
tonelada de:
Pintura para
Pintura para
Exteriores
interiores
6
4
1
2
5
4
Materia prima M1
Materia prima M2
Utilidad por tonelada
(miles de dlares)
Disponibilidad mxima
diaria (Tn.)
24
6
Una encuesta de mercado restringe la demanda mxima diaria de pintura para interiores a 2
Tn. Adems, la demanda diaria de pintura para interiores no puede exceder a la de pintura
para exteriores por ms de una tonelada. Reddy Mikks quiere determinar la mezcla de
producto ptima de pinturas para interiores y para exteriores que maximice la utilidad total
diaria. (TAHA)
PLANTEAMIENTO
SOLUCIN GRFICA
(1) Se graficarn todas las restricciones en el primer cuadrante del plano cartesiano
(ya que ambas variables son positivas), con X1 como eje X y X2 como eje Y.
*
8
Los puntos para la primera restriccin (6X1 + 4X2 <= 24) son:
Si X1 = 0 ==> X2 = 6 (0,6)
X2
Si X2 = 0 ==> X1 = 4 (4,0)
*
6
4
2
2
Ing. Efran Murillo Msc.
X1
Investigacin Operativa I
X2
1
4
2
4
X1
X1
Investigacin Operativa I
X2
6
4
2
X1
Este punto est formado por la interseccin de las restricciones 6X 1 + 4X2 <= 24 y
X1 + 2X2 <= 6, entonces resolviendo un simple sistema de ecuaciones se obtiene
los siguientes valores:
X1 = 3
X2 = 1.5
Esto quiere decir que se debe producir 3 toneladas diarias de pintura para
exteriores y 1.5 toneladas de pintura para interiores, lo cual nos da una utilidad de:
Z = 5(3) + 4(1.5) ==> Z = 21 ==> $ 21 000.00
IV
(La prctica tiene una duracin de 02 horas)
1.
Utilizando el software POMQM, en el problema del ejemplo, realice las siguientes modificaciones en la
funcin objetivo y analice su resultado: (No modifique las restricciones)
1.1 Z = 3X1 + X2
1.2 Z = X1 + 3X2
1.3 Z = 6X1 + 4X2
Emita sus comentarios.
2.
ACTIVIDADES
Investigacin Operativa I
a) Utilizando el software POMQM, para cada uno de los modelos anteriores, muestre el
grfico respectivo y su solucin ptima (valor de las variables de decisin y valor de la
funcin objetivo).
b) Determine el efecto en la funcin objetivo que se produce al aumentar una unidad el lado
derecho de cada restriccin y anote sus resultados en el cuadro siguiente:
a) Utilizando el software POMQM, para cada uno de los modelos anteriores, muestre el
grfico respectivo y su solucin ptima (valor de las variables de decisin y valor de la
funcin objetivo).
b) Analizar los grficos del punto a) e indicar de qu caso se trata: Problema con soluciones
ptimas mltiples, problema sin solucin o problema con solucin no acotada o infinita
4.
Investigacin Operativa I
5.
Tele mvil est tratando de determinar cuntas unidades de telfonos mviles debe producir
cada da. Uno de ellos es el modelo estndar, el otro es el modelo de lujo. El beneficio unitario
del modelo estndar es de $40 y el modelo de lujo es de $60. cada unidad requiere 30 minutos
de tiempo de montaje. El modelo estndar necesita 10 minutos de tiempo de inspeccin y el de
lujo necesita 15. La produccin mnima debe ser de seis telfonos. Se dispone de 450 minutos
de montaje y 180 de inspeccin cada da. Cuntas unidades de cada producto deben
fabricarse al da?. Resuelva utilizando el software POMQM.
6.
Investigacin Operativa I
Sesin
Anlisis de Sensibilidad
3
I
OBJETIVOS
II
TEMAS A TRATAR
Formulacin de problemas de programacin lineal y Anlisis de Sensibilidad.
III
MARCO TEORICO
El anlisis de sensibilidad permite determinar el impacto que ocasiona en la solucin ptima del
problema, la variacin de los parmetros de un modelo matemtico (coeficientes de la funcin
objetivo, lados derechos de las restricciones, etc.).
Una Empresa industrial produce 4 modelos de Teclados cada uno de los cuales es tratado en los
departamentos de ensamblado y acabado. El nmero de horas hombre de mano de obra necesaria,
por teclado en cada departamento es:
Ensamblado
Acabado
Investigacin Operativa I
Podemos ver claramente que estamos ante un problema de Maximizacin, con cinco
restricciones y cuatro variables (las cuales trabajaremos como variables continuas de tipo
No Negativas).
Investigacin Operativa I
Investigacin Operativa I
Investigacin Operativa I
Investigacin Operativa I
5. Otro ejemplo:
Una empresa fabrica dos productos, A y B. Cada uno requiere tiempo en dos mquinas. La
primera mquina tiene 24 horas disponibles y la segunda tiene 16. Cada unidad del
producto A requiere dos horas en ambas mquinas y cada unidad del producto B necesita
tres horas en la primera mquina y una hora en la segunda. Los beneficios son de seis
dlares por unidad de A y de siete dlares por unidad de B, la empresa puede vender todas
las unidades que fabrique del producto A y por limitaciones del mercado slo puede vender
6 unidades del producto B. Suponga que el objetivo es maximizar el beneficio; Cuntas
unidades de los productos A y B debe producir?
En la tabla 1 siguiente se observa la solucin y los comentarios para el problema.
Tabla 1: Solucin en computador con el paquete LINDO
MAX 6X1+7X2
Investigacin Operativa I
SUBJECT TO
2) 2X1+3X2<=24
3) 2X1+X2<=16
3) X2<=6
END
2) Restriccin de la mquina 1
3) Restriccin de la mquina 2
4) Restriccin de la demanda de mercado
64.000
VARIABLE
X1
y4
X2
REDUCED COST
0.000
0.000
cantidad
de cada producto.
ROW
SLACK OR SRPLUS
2)
0.00
3)
0.00
demanda no
4)
2.00
duales
DUAL PRICES
2.00
1.00
0.00
NRO INTERACTIONS = 2
RANGES IN WHICH THE BASIS IS UNCHANGED:
OBJ COEFFICIENT RANGES
VARIABLE
CURRENT ALLOWABLE ALLOWABLE
COEF
INCREASE
DECREASE
X1
6.00
8.00
1.3333
X2
7.00
2.00
4.0000
RIGHTHAND SIDE RANGES
ROW CURRENT ALLOWABLE ALLOWABLE
RHS
INCREASE
DECREASE
donde
2
24.00
4.00
8.00
3
16.00
8.00
4.00
4
6.00
Infinito
2.00
IV
ACTIVIDADES
Plantee los siguientes problemas, luego ingrselos al LINDO o WINQSB y responda las
inquietudes en base a los resultados de los reportes.
1. Una
Investigacin Operativa I
cantidad de los productos B y D. Sin embargo, para cumplir con un contrato, deben producirse y
venderse por lo menos 100 unidades del producto D. El objetivo de la fbrica es maximizar la
utilidad resultante de la venta de los cuatro productos.
a)
b)
c)
d)
e)
f)
g)
h)
Cuntas unidades se deben producir de cada producto para alcanzar la mxima utilidad?,
Cul es la utilidad mxima de la empresa?
Existe tiempo ocioso en maquinado y montaje? Cunto?
Cunto de capital para inventario en proceso no se utiliza?
Cunto debera pagar como mximo por una hora adicional de maquinado?
En cunto disminuye la utilidad de la empresa por una hora de montaje incumplida?
Cunto genera $1 adicional en el capital de trabajo para el inventario en proceso?.
Dentro de qu rangos puede variar los coeficientes de la funcin objetivo, sin que afecte el
plan de produccin?.
i) Qu pasara con la utilidad total de la fbrica si el contrato para el producto D exige producir
al menos 101 unidades?.
j) En cunto debera de mejorar la utilidad unitaria del producto C para justificar su produccin.
k) Un nuevo producto, el producto E, est en consideracin. Requiere de 2 horas de maquinado,
5 horas de montaje y $20 en capital de trabajo. La utilidad por unidad es de $50 Debe
producirse alguna unidad del producto E?.
2.
HAL produce dos tipos de computadoras: PC y VAX. Las computadoras se fabrican en dos
sitios: Nueva York y Los ngeles. Nueva York puede producir hasta 800 computadoras, y Los
ngeles hasta 1000. HAL puede vender hasta 900 PC y 900 VAX. Las utilidades asociadas a cada
sitio de produccin y venta, son los siguientes: Nueva York, PC, 1000 dlares; VAX, 800 dlares;
Los ngeles, PC, 1000 dlares; VAX, 1300 dlares. El tiempo de mano de obra especializada
requerida para construir una computadora en cada sitio se da a continuacin: Nueva York, PC, 2
horas; VAX, 2 horas; Los ngeles, PC, 3 horas; VAX, 4 horas. Se dispone de un total de 4000
horas de trabajo. Sea:
XNP = PC producidas en Nueva York
XLP = PC producidas en Los ngeles
XNV= VAX producidas en Nueva York
XLV= VAX producidas en Los ngeles
a) Cul es la utilidad mxima alcanzada por HAL?
b) Cul es nmero de computadoras de cada tipo que se debe producir en cada lugar?
c) Suponga que un contratista externo ofrece elevar la capacidad de Nueva York a 850
computadoras, a un costo de 5000 dlares. Tendra que aceptar HAL la oferta del contratista?.
d) En qu cantidad tendra que aumentar la utilidad por una VAX producida en Nueva York, para
que HAL considerara producir computadoras VAX en dicha ciudad?.
e) Cul es la mxima cantidad que HAL tendra que estar dispuesto a pagar por una hora extra de
trabajo?.
3.
Una compaa de transporte dispone de $ 400,000 para comprar un nuevo equipo y est
considerando tres tipos de vehculos. El vehculo A puede transportar 10 toneladas y se espera que
promedie 35 millas por hora. Su costo es de $ 8,000. El vehculo B tiene una capacidad de 20
toneladas y se espera que promedie 30 millas por hora. Su costo es de $13,000. El vehculo C es un
modelo modificado de B, tiene un sitio para que duerma el chofer, lo cual reduce su capacidad a 18
toneladas y eleva su costo a $15,000.
El vehculo A requiere de una tripulacin de un hombre y si se opera durante tres turnos por da,
puede trabajar un promedio de 18 horas por da. Los vehculos B y C requieren una tripulacin de
dos hombres cada uno, pero mientras que B se puede trabajar 18 horas por da en tres turnos, C
puede promediar 21 horas diarias. La compaa, que dispone de 150 choferes al da, tendra muchas
Ing. Efran Murillo Msc.
Investigacin Operativa I
dificultades para obtener tripulaciones adicionales. Las facilidades de mantenimiento son tales que
el nmero total de vehculos no puede exceder de 30. Formule un modelo de PL para determinar
cuntos vehculos de cada tipo debern comprarse si la compaa desea hacer mxima su capacidad
en toneladas millas por da.(Sasien)
Realice el anlisis de sensibilidad si el coeficiente de la variable X2 fuera el 70% del actual y se
tuviera un lmite de 25 vehculos.
4. Una familia de granjeros posee 100 acres de tierra y tiene $ 30,000 en fondos disponibles para
inversin. Sus miembros pueden producir un total de 3,500 horas-hombre (h-h) de mano de obra
durante los meses de invierno y 4,000 h-h durante el verano. Si no se necesitan cualquiera de estas
h-h, los miembros ms jvenes de la familia las usarn para trabajar en una granja vecina por $4.00
la hora, durante el invierno y $4.50 por hora en verano.
El ingreso de efectivo puede obtenerse a partir de tres cultivos y dos tipos de animales: vacas
lecheras y gallinas ponedoras. No se necesita invertir para los cultivos. Sin embargo, cada vaca
requerir un desembolso de $900 y cada gallina de $7.
Cada vaca requerir 1.5 acres de tierra, 100 h-h de trabajo durante el invierno y 50 h-h durante el
verano. Cada vaca producir un ingreso anual neto en efectivo de $800 para la familia. Los valores
correspondientes para las gallinas son: nada de tierra, 0.6 h-h durante el invierno, 0.3 h-h durante el
verano y producen un ingreso anual neto de $5. El gallinero puede acomodar un mximo de 3000
gallinas y el tamao del granero limita el rebao a un mximo de 32 vacas.
Las h-h y los ingresos estimados por acre plantado en cada uno de los tres cultivos son:
Horas hombre en invierno
Horas hombre en verano
Ingreso anual neto en efectivo ($)
Frijol de soya
20
50
375
Maz
35
75
550
Avena
10
40
250
La familia desea saber cuntos acres deben plantarse con cada cultivo y cuntas vacas y gallinas
deben tener para maximizar su ingreso neto de efectivo.(Hillier)
Realice el anlisis de sensibilidad suponiendo que el ingreso de anual de la soya fuera $350 por acre y que
sucedera si las horas disponibles en invierno y verano disminuyen en 100.
Investigacin Operativa I
Sesin
Anlsis Dual
4
I
OBJETIVOS
II
TEMAS A TRATAR
Problema Primal.
Problema Dual.
III
MARCO TEORICO
PROBLEMA PRIMAL.- Es el modelo matemtico que obtenemos luego de analizar y
plantear un problema de programacin lineal. En otras palabras es el modelo que
obtenemos luego de plantear un problema.
PROBLEMA DUAL.- Modelo relacionado al problema primal.
CONVERSIN DE PRIMAL A DUAL
Para obtener el dual, se siguen los siguientes pasos:
a)
Si el primal es maximizacin, el dual es minimizacin; y viceversa.
b)
Si dual es maximizacin, entonces el smbolo de todas sus restricciones es . Si dual
es minimizacin, entonces el smbolo de todas sus restricciones es .
c)
Se define una variable dual por cada restriccin primal.
d)
Se define una restriccin dual por cada variable primal.
e)
Los coeficientes en cada una de las restricciones duales son iguales a los
coeficientes de las variable primales asociadas.
Investigacin Operativa I
f)
Los lmites de cada una de las restricciones duales, son iguales a los coeficientes de
la funcin objetivo primal.
g)
Los coeficientes de la funcin objetivo dual son los lmites del problema primal.
NOTA: Desde el mometo que se define una variable dual, sta es no restringida (puede ser
negativa), solamente cambiar esta concepto si el problema dual dice lo contrario
(nos dice que no es negativa).
NOTA: Si el problema dual, nos da una variable redundante (nos afirma que una variable
sigue siendo no restringida), entoces esa variable debe ser considerada como una
restriccin completa..
Ejemplo 1:
Max Z = 5X1 + 4X2
6X1 + 4X2 24
X1 + 2X2 6
-X1 + X2 1
X2 2
El dual es:
Min B = 24Y1 + 6Y2 + Y3 + 2Y4
6Y1 + Y2 Y3 5
4Y1 + 2Y2 + Y3 + Y4 4
Y1 0
Y2 0
Y3 0
Y4 0
Las soluciones son:
Primal
Z 21
X1 3
X2 3/2
Dual
B 21
Y1
Y2
Y3 0
Y4 0
Investigacin Operativa I
Tipo de recurso
R1
R2
Contribucin unitaria
Actividad
A
B
1 h-h
1 h-h
4 h-m
2 h-m
$3.5
$2.5
Cantidad
de recurso
disponible
3 h-h
8 h-m
Investigacin Operativa I
Como se mencion antes, sera un error vender los recursos por menos de lo que puede
obtenerse al usarlos en la fabricacin de los productos A y B. As, el precio de cada
producto proporciona un lmite inferior o una restriccin sobre el precio del recurso. Para
el producto A, se tiene la restriccin:
r1 + 4r2 3.5
Es decir, si se venden directamente 1 unidad del recurso R1 y 4 unidades del recurso R2,
entonces, por lo menos deben recibirse $3.50, ya que esa es la cantidad que se recibira por
una unidad del producto A que se fabrique. De igual manera, para el producto B
r1 + 2r2 2.5
La solucin grfica del problema dual se muestra en la figura siguiente:
Los precios mnimos que debe cobrar el fabricante son $1.50 por unidad de recurso R1 y
$0.50 por unidad de recurso R2. Ntese que tanto el problema primal como el problema
dual dan el mismo valor de la funcin objetivo: $8.50. Esto era de esperarse, ya que el
fabricante no aceptara menos dinero por los recursos del que podra obtener usndolos en
su produccin.
IV
ACTIVIDADES
1.
Ingrese el problema ejemplo 1 y 2 de la presente prctica en sus dos formas (Primal y dual) al
LINDO, WinQsb o POMQM, compare los resultados de las tablas generadas y emita sus conclusiones.
2.
Convierta los siguientes problemas en sus respectivos duales, y halle los resultados de ambos
modelos (Primal y Dual) por el LINDO, WinQsb o POMQM. Verifique cada una de las respuestas y
analice.
Una fbrica ha seguido constantemente una poltica de fabricacin de aquellos productos que
contribuyan con la mayor cantidad a los costos fijos y a las ganancias. Sin embargo, siempre se ha
procurado producir los requerimientos mnimos semanales de ventas, que son los siguientes para los
productos K, L, M y N:
Producto K 25 unidades
Producto L 30 unidades
Ing. Efran Murillo Msc.
Investigacin Operativa I
Producto M 30 unidades
Producto N 25 unidades
Los requerimientos de produccin y el tiempo disponible para la semana siguiente son:
Departamento 1
Departamento 2
Departamento 3
Departamento 4
Contribucin unitaria
K
0.25
0.3
0.25
0.25
$10.50
Tiempo disponible
la prxima semana
(horas)
400
1000
500
500
Una empresa manufacturera est considerando la fabricacin de una nueva lnea de productos,
compuesta por cuatro productos. Cada producto puede fabricarse con dos mtodos diferentes y
completamente distintos, uno de los cuales consta de dos procesos y el otro de tres. Se fabricarn
basndose en un segundo turno. El precio de venta de esos productos y sus costos variables, as como
las cantidades que probablemente puedan venderse, de acuerdo con el grupo de investigaciones de
mercadotecnia, son los siguientes:
1
Precio de venta al mayoreo
(40% de descuento)
Costos variables mtodo A
Costos variables mtodo B
Cantidad que puede venderse
PRODUCTO
2
3
$100
80
110
1000
$150
135
150
3000
4
$125
120
100
4000
$140
135
110
6000
PRODUCTO
2
3
Mtodo A
Dpto. 20
Dpto. 21
Dpto. 22
3.0
9.0
1.0
3.6
10.0
1.0
2.0
8.0
0.5
3.5
9.0
0.5
Mtodo B
Dpto. 31
Dpto. 32
4.0
5.0
4.0
8.0
2.0
4.0
4.0
3.0
15000
50000
8000
10000
10000
Investigacin Operativa I
Investigacin Operativa I
Sesin
Mtodo Smplex
I
OBJETIVOS
II
TEMAS A TRATAR
Conceptos generales.
Mtodo Smplex.
Uso del LINDO, winQsb, PomQm y Excel.
III
MARCO TEORICO
MTODO SIMPLEX
Usar la teora aprendida en las clases tericas. Hay que recordar que es un mtodo que se
basa en iteraciones. Debemos tener en cuenta los siguientes conceptos:
a) Variable de holgura
Es la variable que representa el resto de un recurso que no ha sido utilizado, se le usa
para que las restricciones de tipo se conviertan en igualdades (ecuaciones), el cual es
uno de los requisitos para poder trabajar el Mtodo Smplex.
b) Variable de supervit
Ing. Efran Murillo Msc.
Investigacin Operativa I
FO
FO
Max
Min
El valor Zj
El valor Zj ms menos negativo
negativo (*)
(**)
Max
Min
El < +
(*): Elegir el valor Zj ms negativo de las columnas correspondientes a las variables de decisin, de no haber
ninguna, elegir la ms negativa de las columnas correspondientes a las variables de holgura o exceso.
(**): Elegir el valor Zj menos negativo de las columnas correspondientes a las variables de decisin, de no
haber ninguna, elegir la menos negativa de las columnas correspondientes a las variables de holgura o
exceso.
Min
Todos los
valores Zj<=0
Investigacin Operativa I
EJEMPLO
Tomando el problema de la Compaa que produce pinturas (Sesin 1), hallaremos su
solucin va Mtodo Smplex:
Funcin objetivo:
max Z = 5X1 + 4X2
Restricciones:
6X1 + 4X2 24
X1 + 2X2 6
X2 X1 1
X2 2
Convertir las desigualdades en igualdades:
6X1 + 4X2 + S1 = 24
X1 + 2X2
+ S2 = 6
X1 + X2
+ S3 = 1
X2
+ S4 = 2
La nueva funcin objetivo es:
max Z = 5X1 + 4X2 + 0S1 + 0S2 + 0S3 + 0S4
Iteraciones:
Tabla inicial: Se elige la columna pivote, la que tenga el valor ms negativo en Z.
X1
6
1
-1
0
-5
S1
S2
S3
S4
Z
X2
4
2
1
1
-4
S1
S2
1
0
0
0
0
0
1
0
0
0
S3
0
0
1
0
0
S4
0
0
0
1
0
Solucin
24
6
1
2
0
24
S1
2/3
1/6
S4
0
Solucin
4
X1
1
X2
2/3
S1
1/6
S2
0
S3
0
Investigacin Operativa I
S2
S3
S4
Z
0
0
0
0
4/3
5/3
1
-2/3
-1/6
1/6
0
5/6
1
0
0
0
0
1
0
0
0
0
1
0
2
5
2
20
4/3
-1/6 1
S2
-1/8 3/4
3/2
4/3
X1
1
0
0
0
0
X2
0
1
0
0
0
S1
-1/8
3/8
1/8
S2
-1/2
-5/4
-3/4
1/2
S3
0
0
1
0
0
S4
0
0
0
1
0
Solucin
3
3/2
5/2
21
Investigacin Operativa I
IV
ACTIVIDADES
Investigacin Operativa I
1.- Una empresa de produccin de muebles dispone de dos diferentes tipos de madera;
tiene 1500 pies tabla del tipo A y 1000 del tipo B, tambin dispone de 800
horas-hombre para efectuar el trabajo. La demanda semanal que ha estimado
es la siguiente: cuando menos 40 mesas, 130 sillas, 30 escritorios y no ms de
10 libreros. Las cantidades de madera Ay B, las horas-hombre que requiere la
elaboracin de cada unidad de artculo y las utilidades unitarias, estn
indicadas en el siguiente cuadro:
Madera Horas
Artculo
A
B Hombre
Mesa
5
2
3
Silla
1
3
2
Escritorio
9
4
5
Librero
12
1
10
Disponibilidad semanal 1500 1000
800
Demanda
Utilidades
Estimada
por unidad
no menos de 40
$ 12
no menos de 130
5
no menos de 30
15
no ms de 10
10
MODELO MATEMTCIO:
Variables:
Xi: Nmero de unidades a producir semanalmente del artculo i
i=1,2,3,4 (1: Mesas, 2: Sillas, 3: Escritorios, 4: Libreros)
Max 12x1+5x2+15x3+10x4
St
5x1+x2+9x3+12x4<=1500
2x1+3x2+4x3+x4<=1000
3x1+2x2+5x3+10x4<=800
X1>=40
X2>=130
X3>=30
X4<=10
Xi>=0
Pies de Madera A
Pies de Madera B
horas hombre
demanda mnima de mesas
demanda mnima de sillas
demanda mnima de escritorios
demanda mxima de libreros
a)
b)
Tomando la tabla de la iteracin final, indique la siguiente informacin para la toma de decisiones:
b.1 El valor de las variables de decisin (Cunto producir semanalmente de cada artculo).
b.2 El valor de la funcin objetivo (Utilidad semanal de la empresa).
b.3 Las holguras o excedentes de los lados derechos.
b.4 Los costos reducidos de los coeficientes de la funcin objetivo.
b.5 Los Precios Duales de los lados derechos.
c)
d)
vitamina W
vitamina X
Investigacin Operativa I
7 A 7 B 49
A 0, B 0
vitamina Y