Sunteți pe pagina 1din 42

Investigacin de Operatciones I

UNIVERSIDAD NACIONAL DE SAN


AGUSTN
FACULTAD DE INGENIERA DE PRODUCCIN Y
SERVICIOS
Escuela Profesional de Ingeniera Industrial

GUA DE PRCTICAS

Investigacin de Operaciones I

Realizado por:
Ing. Efran Rafael Murillo Quispe

AREQUIPA PERU

2016

Ing. Efran Murillo Msc.

Investigacin de Operatciones I

Sesin

Software de Aplicacin

I
OBJETIVOS

Conocer y aplicar el Lindo, WinQsb y PomQm, como herramientas computacionales de


solucin de problemas de programacin lineal.
Plantear problemas de programacin lineal.

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

Ing. Efran Murillo Msc.

Investigacin de Operatciones 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.

Funcin Objetivo: Es la funcin matemtica que relaciona las variables de decisin.

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.

Condicin de no negatividad: En la programacin lineal las variables de decisin slo


pueden tomar valores de cero a positivos. No se permiten valores negativos.

Modelo General de la Programacin Lineal.


La estructura matemtica general de la programacin lineal es la siguiente:

Como podemos ver en el modelo la funcin que se va maximizar o minimizares la funcin


objetivo, sujeta a (s.a.) las restricciones. Xj >= 0, es la condicin de no negatividad.
Las Xj son las variables de decisin cuyo valor se desea conocer. aij, bi, cj son parmetros.
El vector Cj [ C1, C2,...Cn] se llama vector de costos o vector de precios.

HERRAMIENTAS DE SOFTWARE:
Ing. Efran Murillo Msc.

Investigacin de Operatciones 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)

1. Solucin mediante el Software WinQSB.


El paquete WinQSB es una herramienta de Aprendizaje asistido por el computador para ganar una
experiencia prctica" slida de los conceptos y tcnicas usadas en el curso de Investigacin
Operativa.
El QSB (Quantitative Systems for Business Sistemas Cuantitativo para Negocios) es
desarrollado y mantenido por Yih-Long Chang. Este paquete de software contiene los algoritmos
de solucin de problemas de Investigacin de Operaciones y Gerencia (OR/MS) ms ampliamente
usados.
WinQSB es un sistema interactivo de ayuda a la toma de decisiones que contiene herramientas
muy tiles para resolver distintos tipos de problemas en el campo de la investigacin operativa. El
sistema est formado por distintos mdulos, uno para cada tipo de modelo o problema. Entre ellos
destacaremos los siguientes:

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.

Quadratic programming (QP) and integer quadratic programming (IQP): resuelve el


problema de programacin cuadrtica, es decir, problemas con funcin objetivo cuadrtica y
restricciones lineales. Utiliza un mtodo Simplex adaptado. Los modelos de IQP los resuelve
utilizando algoritmos de ramificacin y acotacin.

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.

Nonlinear programming (NLP): permite resolver problemas no lineales irrestringidos


utilizando mtodos de bsqueda lineal, y problemas no lineales con restricciones utilizando el
mtodo SUMT (funcin objetivo con penalizaciones sobre el incumplimiento de las
restricciones).

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:

Ing. Efran Murillo Msc.

Investigacin de Operatciones I

Luego la opcin Nuevo Problema (New Problem) genera una plantilla en el cual se introducirn
las caractersticas de nuestro problema:

A continuacin se describirn cada una de las casillas de esta ventana:

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.

1.2 UN PROBLEMA EJEMPLO


Mediante un ejemplo demostraremos como se introducen los datos para la creacin de un nuevo
problema de programacin lineal.
ENUNCIADO
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

Modelo1 Modelo2 Modelo3 Modelo4


4
10
7
10
1
1
3
4

Ing. Efran Murillo Msc.

Investigacin de Operatciones I

Se dispone de 6000 horas hombre en el departamento de ensamblado y de 4000 en el de acabado en


los prximos 6 meses. Las utilidades en dlares para cada modelo de teclado son: 2.2, 5, 3 y 4
respectivamente para los teclados 1, 2, 3 y 4.
Existen restricciones de producir al menos 100 unidades del modelo 2, a lo ms 200 unidades del
modelo 3 y a lo ms 250 unidades del modelo 4. La produccin del modelo 1 es irrestricta.
Sea X1, X2, X3 y X4 las variables del problema que representan el nmero de teclados modelo 1,
2, 3 y 4 respectivamente a producir los prximos 6 meses.
Determine la cantidad debe producir el fabricante de cada modelo, de manera que las utilidades
sean las mximas.
Una vez analizado el enunciado el lector proceder a crear el modelo matemtico.
MODELO MATEMTICO
Funcin Objetivo:
Max Z = $2.2X1+$5X2+$3X3+$4X4
Restricciones (St)
4X1+10X2+7X3+10X4<=6000 Hrs. Hombre de Ensamblado
X1+X2+3X3+4X4<=4000 Hrs. Hombre de Acabado
X2>=100 Demanda mnima del producto 2
X3<=200 Demanda Mxima del producto 3
X4<=250 Demanda Mxima del producto 4
X1,X2,X3,X4>=0
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).
Teniendo claro esto, se alimenta el programa desde la ventana Nuevo Problema (New Problem):

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.

Ing. Efran Murillo Msc.

Investigacin de Operatciones 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:

Se sigue con las restricciones C1, C2, C3, C4 y C5:

Ing. Efran Murillo Msc.

Investigacin de Operatciones 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:

Resolver el problema (Solve the Problem): Resuelve el problema mediante el mtodo


Simplex Primal. Muestra la solucin final completa.
Resolver y mostrar los pasos (Solve and Display Steps): Muestra cada uno de los pasos o
las interacciones realizadas por el Simplex hasta llegar a la solucin ptima.
Mtodo Grfico (Graphic Method): Resuelve el problema de programacin lineal
mediante el mtodo grfico (para problemas que trabajan con dos variables).

1.6 RESOLVIENDO EL PROBLEMA EJEMPLO


Seleccionamos la primera opcin del men Resolver y Analizar (Solve and Analyze), donde se
mostrar una pequea ventana con el mensaje El problema ha sido resuelto. La solucin ptima
ha sido lograda.

Pulsamos el botn ACEPTAR y automticamente el programa generar la solucin optima.

Ing. Efran Murillo Msc.

Investigacin de Operatciones I

1.7 ENTENDIENDO LA MATRIZ FINAL


Esta matriz presenta suficiente informacin sobre el modelo resuelto. La primera parte (Solution
Summary) corresponde al anlisis de las variables definidas (X1, X2, X3 y X4).

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

Ing. Efran Murillo Msc.

desplegado en la barra de herramientas.

Investigacin de Operatciones I

Si quiere acceder a un problema posteriormente simplemente seleccione la opcin Salvar como


(Save As) o pulsando sobre el botn

Ing. Efran Murillo Msc.

Investigacin de Operatciones I

2. Solucin mediante el Software LINDO 6.0


LINDO (Linear INteractive and Discrete Optimization)
Es un paquete para computadora de fcil uso, trabaja en entorno WINDOWS, y mediante el cual se
puede resolver problemas de programacin lineal, entera y binaria, fue creada en 1986 por Linus
Schrage.
Programacin lineal en LINDO
Para resolver un problema de programacin lineal en LINDO, asegrese que la pantalla tenga una
ventana, o rea de trabajo, vaca, con Untitled en la parte superior del rea de trabajo. Si es
necesario se abre una nueva ventana mediante la seleccin de New (nuevo) en el men File
(archivo), o presionando el botn de New File (Nuevo archivo).
Utilizamos el editor de texto del LINDO, para editar el modelo matemtico, de la siguiente
manera:

Para resolver el modelo se procede de la siguiente manera:


* Seleccione la opcin Solve en el men Solve (Resolver).
* Cuando pregunte si usted desea el anlisis de sensibilidad, escoja por ahora no. Esto se
explicar ms adelante.
* Cuando este terminada la solucin, aparecer una pantalla que muestra el estado del comando
del Solve. Despus de revisar la informacin mostrada, seleccione Close (Cerrar).
* Ahora debe usted ver la informacin que introdujo en una ventana que se llama Reports
Window. De un clic en cualquier parte de esta ventana, y sus datos desaparecern del primer
plano. Desplcese hasta la parte superior de la ventana usando la flecha nica de la parte
derecha de la pantalla, y enseguida esta se ver con los siguientes resultados:
* Si desea el anlisis de sensibilidad, al solucionar el problema aparece la siguiente consulta:

Slo debe darle SI y aparecer la siguiente salida:

Ing. Efran Murillo Msc.

Investigacin de Operatciones 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

Ing. Efran Murillo Msc.

Investigacin de Operatciones 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.

(La prctica tiene una duracin de 02 horas)

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)

Cul es la utilidad mxima?

b) Cunto se produce de cada artculo?


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

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

Ing. Efran Murillo Msc.

Investigacin de Operatciones 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

Utilizando el modelo matemtico mostrado abajo, resuelva las siguientes inquietudes:


a) Cuntas porciones de cada alimento deber consumir Lupita de manera ptima?
b) Cul ser el costo de la dieta de Lupita.
MODELO MATEMTCIO:
Variables:
Xi: porcin a consumir del alimento i
i=1,2,3,4,5,6 (1:Leche, 2:Huevo, 3:Espinacas, 4:chancho, 5:pescado, 6:pastel)
Min x1+0.7x2+0.5x3+4x4+2x5+1.5x6
St
80x1+50x2+175x4+150x5+200x6<=1350
105x1+75x2+100x3+25x4+150x5+30x6>=500
75x1+80x2+10x4+50x5+5x6>=350
50x1+50x2+125x3+55x4+100x5+8x6>=200
35x1+15x2+78x3+50x5>=150
xi>=0

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

Libra x libra de alimento para ganado


Protenas
Fibra
Costo x libra
0.09
0.02
0.30
0.60
0.06
0.90

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.

Ing. Efran Murillo Msc.

Investigacin de Operatciones I

Sesin

Programacin Lineal
Mtodo Grfico

I
OBJETIVOS

Plantear problemas de programacin lineal.


Aplicar el mtodo grfico para solucionar problemas de programacin lineal.
Utilizar una herramienta de software para encontrar la solucin grfica.

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 de Operatciones I

(3)

Graficar la funcin objetivo, denotada por Z, y de acuerdo a su inclinacin y


objetivo del problema, determinar la solucin ptima del problema.

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

Max Z = 5X1 + 4X2, lo cual est restringido a:


6X1 + 4X2 <= 24
X1 + 2X2 <= 6
X2 <= 2
-X1 + X2 <= 1
X1, X2 >= 0

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

Su representacin grfica es:

Se debe notar que la lnea divide al plano en


dos espacios I y II. Entonces se debe
determinar en cul de ellos estn las
soluciones, para esto se elige un punto; por
ejemplo (0,0), este punto se reemplaza en la
restriccin 6(0) + 4(0) <= 24 y como cumple

Investigacin de Operatciones I

la condicin, entonces el espacio de soluciones que crea esta restriccin se encuentra en el


espacio I.
*
8

De la misma forma se deben graficar las tres restricciones restantes y


hallar su espacio de soluciones.

X2

1
4

2
4

X1

(2) Al final se obtiene el siguiente grfico, en el cual la parte sombreada representa el


espacio de soluciones factibles de este problema (interseccin de todas las
restricciones).
(3) Ahora se debe graficar Z, para determinar su inclinacin. Se grafica Z asignndole
un valor arbitrario, por ejemplo 10.
10 = 5X1 + 4X2, ahora se reemplaza X1 y X2 por cero, para hallar los puntos
respectivos:
10 = 5(0) + 4X2 ==> (0, 2.5)
10 = 5X1 + 4(0) ==> (2, 0)
X2
8
6
4
2
2

X1

Si se comienza a desplazar Z hacia arriba (ya que crece en valor, se est


maximizando), existe un ltimo punto con el que choca antes de dejar el espacio
de soluciones, ste es la solucin ptima:

Ing. Efran Murillo Msc.

Investigacin de Operatciones 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

Dado los siguientes modelos matemticos:

Ing. Efran Murillo Msc.

Investigacin de Operatciones 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:

Nota: Por ejemplo en el cuadro se observa que al aumentar a 71 el valor de la


restriccin 1 del Problema 1, la funcin objetivo no aumenta, luego volvemos a su
valor original dicho valor modificado (70) y aumentamos el valor de la segunda
restriccin a 41 y la funcin objetivo aumenta en 30, hacemos lo mismo con el
valor de la restriccin 3 y el aumento en la funcin objetivo es 10.
3.

Dado los siguientes modelos matemticos:

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.

Dado el siguiente modelo matemtico:

Min Z = 30X1 + 50X2


Restringido a:
X1 + X2 = 500
3X1 + 2X2 <= 1200
X1 / X2 <= 3 / 2
X2 <= 0.8(X1 + X2)
X1, X2 >= 0
Utilice el POMQM y muestre la solucin grfica y la solucin numrica. Edite el
grfico e indique la direccin de las rectas. Emita sus comentarios de la solucin
encontrada.

Ing. Efran Murillo Msc.

Investigacin de Operatciones 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.

Plantee el siguiente problema:


Jos es un estudiante emprendedor de primer ao. Comprende que solo el trabajo y nada de
diversin hacen de l un muchacho aburrido. Como resultado, Jos quiere distribuir su
tiempo disponible, de alrededor de 10 horas al da, entre el trabajo y la diversin. Calcula que
el juego es dos veces ms divertido que el trabajo. Tambin quiere estudiar por lo menos tanto
como juega. Sin embargo, Jos comprende que si quiere terminar todas sus tareas
universitarias, no puede jugar ms de 4 horas al da. Cmo debe distribuir su tiempo para
maximizar su satisfaccin tanto en el trabajo como en el juego? (TAHA). Resuelva utilizando
el POMQM.

Ing. Efran Murillo Msc.

Investigacin de Operatciones I

Sesin

Anlisis de Sensibilidad

3
I
OBJETIVOS

Plantear problemas de programacin lineal.


Realizar anlisis de sensibilidad
Utilizar el LINDO, WINQSB POMQM para el anlisis de sensibilidad.

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.).

1.- Un Problema Ejemplo:


Mediante un ejemplo demostraremos como se utiliza la informacin de los reportes para la
toma de decisiones.
ENUNCIADO

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

Modelo1 Modelo2 Modelo3 Modelo4


4
10
7
10
1
1
3
4

Ing. Efran Murillo Msc.

Investigacin de Operatciones I

Se dispone de 6000 horas hombre en el departamento de ensamblado y de 4000 en el de acabado en


los prximos 6 meses. Las utilidades en dlares para cada modelo de teclado son: 2.2, 5, 3 y 4
respectivamente para los teclados 1, 2, 3 y 4.
Existe restricciones de producir al menos 100 unidades del modelo 2, a lo ms 200 unidades del
modelo 3 y a lo ms 250 unidades del modelo 4. La produccin del modelo 1 es irrestricta.
Sea X1, X2, X3 y X4 las variables del problema que representan el nmero de teclados modelo 1,
2, 3 y 4 respectivamente a producir los prximos 6 meses.
Determine la cantidad debe producir el fabricante de cada modelo, de manera que las utilidades
sean las mximas.

Una vez analizado el enunciado el lector proceder a crear el modelo matemtico.


MODELO MATEMTICO
Funcin Objetivo:
Max Z = $2.2X1+$5X2+$3X3+$4X4
Restricciones (St)
4X1+10X2+7X3+10X4<=6000 Hrs. Hombre de Ensamblado
X1+X2+3X3+4X4<=4000 Hrs. Hombre de Acabado
X2>=100 Demanda mnima del producto 2
X3<=200 Demanda Mxima del producto 3
X4<=250 Demanda Mxima del producto 4
X1,X2,X3,X4>=0

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).

2. Solucin mediante el Software WinQsb

Ing. Efran Murillo Msc.

Investigacin de Operatciones I

3. Solucin mediante el Software LINDO 6.0

Reporte del Anlisis de Sensibilidad:

Ing. Efran Murillo Msc.

Investigacin de Operatciones I

COMO HALLAR LOS RANGOS DE VARIACION DE LOS COEFICIENTES DE LA FUNCION


OBJETIVO
Coeficiente C1:
Lmite superior = Current Coef + Allowable Increase
= 2.2 + infinito
= infinito
Lmite inferior = Current Coef + Allowable Decrease
= 2.2 - 0.2
=2
Coeficiente C2:
Lmite superior = Current Coef + Allowable Increase
= 5.0 + 0.5
= 5.5
Lmite inferior = Current Coef + Allowable Decrease
= 5.0 infinito
= - infinito
COMO HALLAR LOS RANGOS DE VARIACION DE LOS LADOS DERECHOS

Lado Derecho 1 (Row 2):


Lmite superior = Current RHS + Allowable Increase
= 6000 +10600
= 16600
Lmite inferior = Current RHS + Allowable Decrease
= 6000 - 5000
= 1000
Etc.

2. Solucin mediante el Software POM-QM for Windows

Ing. Efran Murillo Msc.

Investigacin de Operatciones I

4. Utilizando el reporte del Software Lindo o WinQsb, podemos


dar respuesta a las siguientes inquietudes:
a) Cul es la utilidad mxima de la empresa?
Z= 3250 dlares
b) . Qu cantidad se debe producir de cada modelo?
X1= 1250 unidades del modelo 1
X2=100 unidades del modelo 2
X3=0 unidades del modelo 3
X4=0 unidades del modelo 4
c) La holgura o exceso de las horas de ensamblado y de acabado.

No hay horas ociosas de ensamblado


Hay 2650 horas ociosas de acabado.
d) Cuntas horas de ensamblado y cuntas horas de acabado se utilizan en la
produccin del modelo 1?, Cuntas horas de ensamblado y cuntas horas de
acabado se emplea en la produccin del modelo 2?
Ing. Efran Murillo Msc.

Investigacin de Operatciones I

Modelo 1: 4*1250= 5000 hrs. de ensamblado


1*1250= 1250 hrs. de acabado
Modelo 2: 10*100= 1000 hrs. de ensamblado
1*100= 100 hrs. de acabado
e) Cunto debe pagar como mximo para aumentar una hora extra de ensamblado?,
Cunto por una hora extra de acabado?, Dentro de qu rangos de variacin son
vlidos estos valores?
$0.55/hra. de ensamble, Rango: 1000<=6000<=16600
$0.0/hra. de acabado, Rango: 1350<=4000< infinito
f) Qu pasara con la utilidad actual de la empresa, si la demanda mnima del modelo
2 aumenta o disminuye en 1 unidad?, Dentro de qu rango de variabilidad es
vlido este valor?
Si aumenta en 1 unidad, la utilidad disminuye en 0.5 dlares
Si disminuye en 1 unidad, la utilidad aumenta en 0.5 dlares
Rango de variabilidad: 0<=100<=600
g) En cunto debe mejorar la utilidad unitaria del modelo 3 para justificar su
produccin?, En cunto la del modelo 4?
Modelo 3: en una cantidad mayor a $0.85
Modelo 4: en una cantidad mayor a $1.50
h) Dentro de qu rangos puede variar la utilidad unitaria del modelo 1 y 2, sin afectar
el plan de produccin actual?
2<=C1<=infinito
-infinito<=C2<=5.5
i) Un quinto modelo, est en consideracin. Requiere 4 horas de ensamblado y 5
horas de acabado. La utilidad por unidad es de 2 dlares. Debe producirse?. Por
que?
Costo de oportunidad = 4*0.55+5*0.00=2.2, es mayor que la utilidad, por lo tanto
no conviene producir.

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

Ing. Efran Murillo Msc.

Formulacin: X1 y X2 son variables de decisin

Investigacin de Operatciones 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

LP OPTIMUM FOUND AT STEP 2


vrtices

LP optima encontrada despus de examinar 2

OBJETIVE FUNCTION VALUE


1)

64.000
VARIABLE
X1
y4
X2

La utilidad optima es de $ 64.00


VALOR
6.00
4.00

REDUCED COST
0.000
0.000

La solucin ptima es de 6 unidades del producto A


unidades del producto B; los costos reducidos son de
cero por que en ambos casos se produce alguna

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

No existe inactividad en las restricciones 2 y 3


La no utilizacin en la restriccin 4, implica
usada para el producto B. Se muestran los precios
(precios sombra)

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

Rangos donde la solucin ptima es la misma

Rangos donde el conjunto de variables de la solucin


bsica es la misma, adems tambin son rangos
los precios duales son los mismos.

(La prctica tiene una duracin de 02 horas)

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

fbrica produce 4 productos: A, B, C y D. Cada unidad del producto A requiere de dos


horas de maquinado, una hora de montaje y vale $10 en el inventario en proceso. Cada unidad del
producto B requiere de una hora de maquinado, tres horas de montaje y vale $5 en el inventario en
proceso. Cada unidad de C necesita de 2 horas de maquinado, 2 horas de montaje y vale $2 en
el inventario en proceso. Finalmente, cada unidad del producto D requiere de cinco horas de
maquinado, no necesita tiempo de montaje y vale $12 en el inventario en proceso.
La fbrica dispone de 1200 horas de maquinado y 1600 horas de montaje. Adems, no puede
disponer de ms de $10000 en el inventario en proceso. Cada unidad del producto A tiene una
utilidad de $40; cada unidad de B, de $24; cada unidad de C, de $36, y cada unidad de D, de $23.
No pueden venderse ms de 200 unidades de A; no ms de 160 de C, y pueden venderse cualquier
Ing. Efran Murillo Msc.

Investigacin de Operatciones 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 de Operatciones 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.

Ing. Efran Murillo Msc.

Investigacin de Operatciones I

Sesin

Anlsis Dual

4
I
OBJETIVOS

Reconocer el problema primal y el problema dual.


Convertir problemas primales en duales.

II
TEMAS A TRATAR
Problema Primal.
Problema Dual.

Concepto, pasos para llegar a l, ventajas.

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.

Ing. Efran Murillo Msc.

Investigacin de Operatciones 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

VENTAJAS DE USAR EL PROBLEMA DUAL


Nos permite realizar menos clculos al hallar las soluciones, por ejemplo un problema
de 2 variables y 4 restricciones, se convierte en uno de 2 restricciones y 4 variables.
Nos permite hacer un anlisis econmico.
Ejemplo 2:
Supngase que un fabricante tiene dos recursos disponibles, R1 y R2. Estos recursos
pueden usarse para producir dos productos diferentes A y B, de acuerdo con las siguientes
reglas:
Ing. Efran Murillo Msc.

Investigacin de Operatciones 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

Cuntas unidades de A y B se debe producir para maximizar las ganancias?


Este es un problema de mezcla de productos. Si se expresa el problema en el formato del
modelo de programacin lineal se tiene:
Max Z= 3.5A+2.5B
St
A+B3
4A+2B8
A,B0
La solucin es A=1, B=2, Z=$8.5.
Asociando las variables r1 y r2 a las restricciones 1 y 2 respectivamente, tenemos que el
modelo general del otro problema llamado dual es:
Min W= 3r1+8r2
St
r1+4r23.5
r1+2r22.5
r1,r20
INTERPRETACIN ECONMICA DEL PROBLEMA DUAL
El problema dual puede entenderse reinterpretando el problema original. Supngase que el
fabricante prefiere vender los dos recursos R1 y R2, en lugar de usarlos para fabricar los
productos A y B. Con seguridad los recursos tienen un valor, puesto que pueden usarse
para crear productos que pueden venderse. Pero, aunque se conoce el valor unitario de los
productos, no se conoce el valor unitario de los recursos. Entonces, esto es lo que se quiere
encontrar: Cunto debe cobrarse por los recursos?
Por supuesto, en un mercado libre los recursos deben venderse en la cantidad ms alta que
el mercado acepte. Sin embargo, existe un precio mnimo abajo del cual le conviene ms al
fabricante usar los recursos para los productos A y B que venderlos directamente. Por
ejemplo, supngase que el mercado slo pagara $0.10 por unidad de cada recurso. El
fabricante obtendra $1.10 por sus 11 unidades de recursos si los vende, comparado con los
$8.50 que obtiene por los productos A y B.
Sean r1 y r2 los precios unitarios por los recursos R1 y R2, respectivamente. La cantidad
total recibida de la venta directa de los dos recursos sera R1r1+R2r2. Como lo que se
busca es el precio mnimo que se debe cobrar por estos recursos, la funcin objetivo es:
Min Z= 3r1 + 8r2

Ing. Efran Murillo Msc.

Investigacin de Operatciones 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.

(La prctica tiene una duracin de 02 horas)

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.

Max Z = 5X1 + 12X2 + 4X3


X1 + 2X2 + X3 10
2X1 X2 + 3X3 = 8
3.

Min 15X1 + 12X2


X1 + 2X2 3
2X1 4X2 5

Max Z = 3X1 + 5X2


X1 4
2X2 12
3X1 + 2X2 18

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 de Operatciones 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

Tiempo requerido por producto


(horas)
L
M
N
0.2
0.15
0.25
0.4
0.5
0.3
0.3
0.25
0.3
0.25
0.25
0.25
$9.00
$8.00
$10.00

K
0.25
0.3
0.25
0.25
$10.50

Tiempo disponible
la prxima semana
(horas)
400
1000
500
500

l) Obtenga el modelo matemtico Primal y muestre su solucin.


m) Formule el modelo Dual y defnase las variables respectivas.
n) Utilizando el software Lindo o WinQsb, obtenga la solucin del problema dual y
compare con la solucin del Problema Primal.
4.

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

La seccin de manufactura de la empresa ha determinado que los tiempos de


manufactura para cada proceso son los siguientes:
1

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

Horas disponibles al mes:


Departamento 20
Departamento 21
Departamento 22
Departamento 31
Departamento 32

15000
50000
8000
10000
10000

a) Obtenga el modelo matemtico Primal y muestre su solucin.


b) Formule el modelo Dual y defnase las variables respectivas.
Ing. Efran Murillo Msc.

Investigacin de Operatciones I

c) Utilizando el software Lindo, WinQsb o POMQM, obtenga la solucin del


problema dual y compare con la solucin del Problema Primal

Ing. Efran Murillo Msc.

Investigacin de Operatciones I

Sesin

Mtodo Smplex

I
OBJETIVOS

Conocer los principales conceptos asociados al Mtodo Smplex.


Conocer y aplicar el Mtodo Smplex para la solucin de problemas de maximizacin y
minimizacin.
Identificar los casos especiales mediante el mtodo Simplex.

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 de Operatciones I

Es la variable que representa el exceso mnimo sobre el requerimiento mnimo de un


recurso, 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.
c) Reglas de estandarizacin
Reglas de
aumento
Tipo
Variables
Restricci agregad
n
as
<=
+Si
Variable de holgura
Variable de exceso + Variable
>=
-Si +Ai artificial
=
+Ai
Variable artificial
Reglas de aumento en la
F.O.
Variable Funcin Objetivo
Agregada
Max
Min
+Si
0Si
0Si
-Si
0Si
0Si
+Ai
-MAi
+MAi

Donde M es un valor muy grande


d) Reglas de decisin para la columna y fila pivot

1ra Decisin (Columna


Pivot)

2da Decisin (Fila


Pivot)

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.

e) Reglas de decisin para ver si se lleg a la tabla final (Solucin ptima).


FO
Max
Todos los valores
Zj>=0

Ing. Efran Murillo Msc.

Min
Todos los
valores Zj<=0

Investigacin de Operatciones 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

Luego se busca el pivote, con la siguiente relacin:


min [ 24/6, 6/1, 1/-1, 2/0 ] = 24/6
Nota: Solamente de deben considerar valores positivos y mayores a cero.
La variable que entra en la base (pasa a ser parte de la solucin) es X1 y la que sale es S1
Modificar fila del pivote (convertir pivote en uno):
S1

24

S1

2/3

1/6

S4
0

Solucin
4

Pasar a cero toda la columna del pivote:


X1

X1
1

X2
2/3

Ing. Efran Murillo Msc.

S1
1/6

S2
0

S3
0

(5), (-1), (1)

Investigacin de Operatciones 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

La variable que entra en la base es X2 y la que sale es S2:


min [ 6, 3/2, 3, 2 ] = 3/2
Modificar fila del pivote:
S2

4/3

-1/6 1

S2

-1/8 3/4

3/2

4/3

Pasar a cero toda la columna del pivote:


X1
X2
S3
S4
Z

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

(2/3), (-2/3), (-5/3), (-1)

Como ya no existen valores negativos en Z, entonces tenemos la solucin final.


Entonces tenemos la siguiente INFORMACIN PARA LA TOMA DE DECISIONES:
a) Valor de las variables de decisin:
X1=3
X2=3/2=1.5
b) Valor de la funcin objetivo:
Z=21
c) Holguras o excedentes:
S1=0
S2=0
S3=5/2=2.5
S4=1/2=0.5
d) Costos reducidos de los coeficientes de la funcin objetivo: (estos valores se
encuentran en la fila Z)
De X1=0
De X2=0
e) Precios Duales de los lados derechos: (estos valores se encuentran en la fila Z)
De S1=3/4=0.75
De S2=1/2=0.50
De S3=0
De S4=0
GRAFICAMENTE

Ing. Efran Murillo Msc.

Investigacin de Operatciones I

Reporte del Software WINQSB:

Obtencin de la Iteracin Final mediante el Software WINQSB (utilizar la opcin del


men Solve and Analyze/Solve and Display Steps):

En el reporte y en la Iteracin final emitidos por el software WinQsb se observa toda la


informacin para la toma de decisiones mostrada anteriormente.

(La prctica tiene una duracin de 02 horas)

Ing. Efran Murillo Msc.

IV
ACTIVIDADES

Investigacin de Operatciones 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)

Resuelva el modelo matemtico mediante el METODO SIMPLEX y muestre la primera y la ltima


Iteracin (Utilice el Excel).

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)

Utilizando el software WinQsb, resuelva el modelo matemtico y compare la informacin de la


salida del reporte con la obtenida en el punto b). Emita sus comentarios.

d)

Utilizando el software PomQm, resuelva el modelo matemtico y compare la informacin de los


reportes con la obtenida en el punto b). Emita sus comentarios.

2. Dado el siguiente modelo matemtico de programacin lineal:


Minimizar: Z 5 A 8B Costo de la dieta en base a los alimentos A y B.
Sujeto a las restricciones de requerimientos mnimos de vitaminas.
4 A 10 B 40
10 A 5 B 50

vitamina W
vitamina X

Ing. Efran Murillo Msc.

Investigacin de Operatciones I

7 A 7 B 49
A 0, B 0

vitamina Y

Utilizando el Excel, obtenga la Tabla Final mediante el MTODO SIMPLEX y resalte


lo siguiente:
a) El valor de las variables de decisin (Cunto consumir de cada alimento).
b) El Valor de la Funcin objetivo (Costo de la dieta).
c) Los precios duales de los lados derechos.
d) Los costos reducidos de los coeficientes de la funcin objetivo.
e) El estado de los recursos (lados derechos).
3.- Dado los siguientes modelos matemticos, aplique el METODO SIMPLEX y obtenga
las TABLAS DE LA ITERACIN FINAL (Utilice el Excel). Emita sus comentarios.

4.- Un fabricante de gasolina para aviacin vende dos clases de combustibles: A y B. El


combustible A tiene 25% de gasolina de grado 1, 25% de gasolina de grado 2 y 50% de
grado 3. El combustible B tiene 50% de gasolina de grado 2 y 50% de grado 3. Disponible
para produccin hay 500 gal./hr. De grado 1 y 200 gal./hr. de los grados 2 y 3. Los costos
son de 30 ctvs. ($0.30) por galn de grado 1, $0.60 por galn de 2 y $0.50 por galn de
grado 3. La clase A puede venderse a $0.75 por galn, mientras que la clase B alcanza
$0.90/galn. Qu cantidad debe producirse de cada combustible para maximizar la
utilidad?. (Shamblin)

Ing. Efran Murillo Msc.