CASOS ESPECIALES DEL MTODO GRFICO EN LA INVESTIGACIN DE

OPERACIONES

LUIS FERNANDO DAZ HERNNDEZ

UNIVERSIDAD DEL ATLNTICO

FAULTAD DE INGENIERA
INGENIERA QUMICA
BARRANQUILLA-ATLNTICO
2016
CASOS ESPECIALES DEL MTODO GRFICO EN LA INVESTIGACIN DE
OPERACIONES

LUIS FERNANDO DAZ HERNNDEZ

TRABAJO INVESTIGATIVO

ENTREGADO A: NELSON FABRICIO ZUIGA PORTILLO

UNIVERSIDAD DEL ATLNTICO

FAULTAD DE INGENIERA
INGENIERA QUMICA
BARRANQUILLA-ATLNTICO
2016

2
 TABLA DE CONTENIDO
Pg.
INTRODUCCION ..................................................... Error! Marcador no definido.
1. CASOS ESPECIALES....................................................................................... 6
1.1 SOLUCION PTIMA MULTIPLE ............................................................... 6
1.2 SOLUCIN NO ACOTADA ........................................................................ 9
1.3 SOLUCION NO FACTIBLE....................................................................... 11
1.4 REDUNDANTES O SOBRANTES .............. Error! Marcador no definido.
CONCLUSIN ....................................................................................................... 15
BIBLIOGRAFIA ...................................................................................................... 15

3
GLOSARIO

MODELO MATEMATICO: Un modelo es producto de una abstraccin de un

sistema real: eliminando las complejidades y haciendo suposiciones pertinentes,
se aplica una tcnica matemtica y se obtiene una representacin simblica del
mismo. Un modelo matemtico consta al menos de tres conjuntos bsicos de
elementos: variables de decisin y parmetros, restricciones y funcin objetivo.
VARIABLES DE DECISIN Y PARMETROS: Las variables de decisin son
incgnitas que deben ser determinadas a partir de la solucin del modelo. Los
parmetros representan los valores conocidos del sistema o bien que se pueden
controlar.

RESTRICCIONES: Las restricciones son relaciones entre las variables de decisin

y magnitudes que dan sentido a la solucin del problema y las acotan a valores
factibles. Por ejemplo si una de las variables de decisin representa el nmero de
empleados de un taller, es evidente que el valor de esa variable no puede ser
negativo.

FUNCIN OBJETIVO: La funcin objetivo es una relacin matemtica entre las

variables de decisin, parmetros y una magnitud que representa el objetivo o
producto del sistema. Por ejemplo si el objetivo del sistema es minimizar los
costos de operacin, la funcin objetivo debe expresar la relacin entre el costo y
las variables de decisin. La solucin PTIMA se obtiene cuando el valor del
costo sea mnimo para un conjunto de valores factibles de las variables. Es decir
hay que determinar las variables x1, x2,, xn que optimicen el valor de Z = f(x1,
x2,, xn) sujeto a restricciones de la forma g(x1, x2,, xn) b. Donde x1, x2,,
xn son las variables de decisin Z es la funcin objetivo, f es una funcin
matemtica.

4
RESUMEN
En el presente trabajo se describen las principales caractersticas de los diferentes
casos especiales del mtodo grfico en la investigacin de operaciones, los cuales
se presentan cuando es complicado encontrar una solucin a un problema de
optimizacin de una funcin objetivo. A la vez se plantean y desarrollan ejemplos
aplicativos de cada uno de estos casos y as mismo un anlisis de cada uno.
Palabras clave: LINEAL, FUNCIN, RESTRICCIONES.

INTRODUCCIN
La Investigacin de Operaciones y en particular una de sus reas la programacin
lineal ha tenido bastante difusi n y aplicaci n en los ltimos a os. a necesidad de
asignar en forma ptima, entre diversas actividades, recursos en general escasos
como; dinero, mano de obra, energa, materia prima y muchos otros factores
limitados; su importancia recae en el proceso de tomar decisiones. Sin embargo
no todos los problemas de programacin lineal tienen finales felices, por una parte,
puede ocurrir que las restricciones sean inconsistentes en el sentido de que no
exista ninguna solucin factible. Y por otra, la regin factible puede estar abierta
en alguna direccin de manera que la funcin objetivo pueda incrementarse de
forma indefinida y no exista solucin finita (la solucin es no acotada).

Estos casos son poco frecuentes en la prctica. A menudo, tales soluciones

son el resultado de errores o de representaciones incorrectas en la formulacin
matemtica. Por lo tanto para la resolucin de ciertos problemas de programacin
lineal podemos encontrarnos ante cuatro distintas variantes de solucin, las cuales
estudiaremos ms a fondo a continuacin en el presente trabajo para lograr un
mejor conocimiento y manejo de las mismas.

Con este trabajo se pretende conocer los diferentes casos especiales del
mtodo grfico que son: solucin mltiple, solucin no acotada, solucin
degenerada y solucin no factible, las cuales se utilizan en la programacin lineal.
De igual manera se busca identificar las diferencias entre los distintos casos,
reconocer sus aplicaciones y analizar sus ventajas y desventajas.

5
 1. CASOS ESPECIALES

1.1 SOLUCION PTIMA MULTIPLE

Este tipo de solucin se conoce tambin como modelos con infinitas

soluciones ptimas. Siendo una de las variantes que puede presentar un ejercicio
de programacin lineal consistente en la cantidad de soluciones ptimas, gran
cantidad de ellos presenta ms de una solucin ptima, es decir una solucin en la
cual la funcin objetivo es exactamente igual en una combinacin cuantitativa de
variables diferente. Es decir si un problema tiene solucin mltiple, los coeficientes
de las variables en la funcin objetivo son respectivamente mltiplos o
submltiplos de los coeficientes de las mismas variables de una o varias de las
restricciones matemticas.

Para dejar ms claro el concepto se puede observar grfico 1 donde ms de

un punto extremo proporciona el ptimo valor del objetivo o ms de un punto
extremo limita el valor de la recta objetivo. La recta objetivo al desplazarse dentro
de la regin solucin cae paralelamente sobre alguna restriccin antes de salir
totalmente de la regin solucin. Este tipo de casos se ilustra en el grfico 1.

Grfico 1. Soluciones mltiples en el mtodo grfico

Donde el segmento de lnea AB representa el conjunto de soluciones optimas de
la funcin objetivo FO.
EJEMPLO

La ebanistera "SALAZAR LTDA" ha recibido una gran cantidad de partes

prefabricadas para la elaboracin de mesas, sin embargo no ha podido iniciar un
plan de produccin enfocado a estas por la alta demanda que tiene de sus
productos restantes. Las mesas que pueden elaborarse de las partes
prefabricadas son de dos modelos, modelo A y B, y estas no requieren ms que
ser ensambladas y pintadas. Esta semana se ha determinado dedicar 10 horas de

6
ensamble y 8 de pintura para elaborar la mayor cantidad de mesas posibles
teniendo en cuenta que cada mesa modelo A requiere de 2 horas de ensamble y 1
de pintura respectivamente, y que cada mesa modelo B requiere de 1 hora de
ensamble y 2 de pintura respectivamente. Si el margen de utilidad es de $20000
por cada mesa modelo A y $10000 por cada mesa modelo B. Determine el modelo
adecuado de produccin para esta semana.

Variables:
X1: Cantidad de mesas de modelo A a fabricar esta semana.
X2: Cantidad de mesas de modelo B a fabricar esta semana.

Funcin objetivo:

Restricciones:
Horas de ensamble
Horas de pintura

No negatividad:

7
La grafica resultante sera:

Grfico 2. Solucin ptima mltiple

Se puede observar que mediante la geometra de dos vrtices la lnea imaginaria

perpendicular a la funcin objetivo no atraviesa el conjunto solucin, por ende en
los dos ltimos puntos se presentan soluciones ptimas, que son los puntos B y C.
Observemos la solucin ptima mltiple:

Entonces existen dos soluciones ptimas

8
Solucin ptima 1
X1= 4 X2=2
Solucin ptima 2
X1= 5 X2=0
La pregunta es la siguiente, Cul decisin tomar?, pues depende de factores
tales como un anlisis de sensibilidad donde se tenga en cuenta el consumo
distintos de determinados recursos (horas de ensamble vs horas de pintura) y
factores extras al modelo como lo pueden a llegar a ser en este caso una
necesidad de espacio de almacenamiento, dado que existe una alternativa en la
que se elaboran ms mesas que en la otra, de todas formas es interesante el paso
posterior a esbozar los resultados pues requerir de la capacidad de quien toma
las decisiones.

1.2 SOLUCIN NO ACOTADA

En ocasiones, podemos encontrarnos con problemas que no tengan una solucin
finita; as por ejemplo, en un problema de maximizacin podramos tener alguna
variable que pudiese incrementarse indefinidamente sin violar ninguna de las
restricciones, permitiendo a la funcin objetivo tomar valores tan grandes como se
desee. Grficamente, tendramos una regin factible no acotada como la del
grafico 3.

Grfico 2. Solucin no acotada en el mtodo grfico.

Ejemplo:
a compa a comercializadora de bebidas energticas CI ANTRO SA VAJE se
encuentra promocionando dos nuevas bebidas, la tipo A y la tipo B, dado que se
encuentran en promocin se puede asegurar el cubrimiento de cualquier cantidad
de demanda, sin embargo existen dos polticas que la empresa debe tener en
cuenta. Una de ellas es que la cantidad de bebidas tipo A que se vendan no

9
pueden ser menor que las de tipo B, y la segunda es que deben vender por lo
menos 1500 bebidas de cualquier tipo.
Solucin:
Planteamiento del problema
- Definicin de las variables

X1 = Numero o cantidad de bebidas tipo A a vender.

X2 = Numero o cantidad de bebidas tipo B a vender

- Funcin objetivo F.O

- R o S.A

(Restriccin 1)

(Restriccin 2)

- No negatividad

Se grafican las restricciones

Grfico 4. Solucin ptima no acotada.

10
Es claro que en este ejercicio las variables pueden aumentar mejorando
indefinidamente la funcin objetivo, en estos casos se dice que la solucin ptima
no es acotada, por lo cual las posibles soluciones son infinitas.

1.3 SOLUCION NO FACTIBLE

Podra ocurrir que el problema propuesto no tuviese soluci n. ste sera el caso
en que las restricciones fuesen incompatibles, i.e., que ning n punto del plano (o,
en general, del espacio real n-dimensional) puede cumplir simultneamente todas
las limitaciones a las que estamos sometidos, es decir, la regi n factible es un
conjunto vaco. En el grafico 5 se ilustra este tipo de casos.

Grfico 5. Solucin no factible en el mtodo grfico.

Ejemplo:
a compa a de galletas NOE desea planificar la producci n de galletas que
tendr que entregar a su cliente en dos semanas, el contrato indica que la
compa a NOE se compromete a entregar por lo menos 300 cajas de galletas
cualquiera sea su tipo (presentacin D, presentacin N o una combinacin de
ambas presentaciones), cada caja de galletas presentacin D tiene un tiempo de
elaboracin de 2 horas, y un tiempo de horneado de 3 horas, mientras cada caja
de presentacin N tiene un tiempo de elaboracin de 3 horas y un tiempo de
horneado de 1 hora. La compaa cuenta esta semana con 550 horas para
elaboracin y con 480 horas de horneado.
Teniendo en cuenta que el margen de utilidad de cada caja de galletas
presentacin D y N es de $8500 y $8100 respectivamente, determine mediante un
modelo de programacin lineal el plan de produccin que maximice las utilidades.

11
Solucin:
Planteamiento del problema
- Definicin de las variables

X1 = Numero o cantidad de cajas de galletas presentacin D a producir en 2

semanas.
X2 = Numero o cantidad de cajas de galletas presentacin N a producir en 2
semanas.

- Funcin objetivo F.O

- R o S.A

(Restriccin 1)
(Restriccin 2)
(Restriccin 3)

- No negatividad

Al graficar las restricciones, resulta:

Grfico 6. Solucin infactible

12
Evidentemente no existe forma alguna de satisfacer todas las restricciones, por
ende se concluye que no existe conclusin factible.

1.4 SOLUCIN DEGENERADA O REDUNDANTE

Algunas restricciones pueden estar de ms por no aportar nada nuevo a la
forma de la regi n factible, ya que hay otras que resultan ser ms restrictivas
(esto suele ocurrir en problemas extensos, donde resulta difcil reconocer
restricciones redundantes). En el grafico 7 se ilustra este tipo de casos.

Grfico 7. Solucin degenerada del mtodo grfico

Ejemplo:
a compa a CONJE ADORES ARTICO pretende fabricar dos tipos de
congeladores denominados A y B. cada uno de ellos debe pasar por tres
operaciones antes de su comercializacin: Ensamblaje, pintura y control de
calidad. Los congeladores tipo A requieren 2 horas de ensamblaje, 3 kg de pintura
y 4 horas de control de calidad; los congeladores tipo B requieren 3 horas de
ensamblaje, 6 kg de pintura y 5 horas de control de calidad. El margen
contribuyente por cada congelador tipo A y B es de $102000 y $98000
respectivamente.
La compaa dispone como mximo semanalmente 300 horas de ensamblaje, 840
kg de pintura y 450 horas de control de calidad. Con base a la informacin
suministrada determine las unidades a producir semanalmente de cada referencia
para maximizar las utilidades.

13
Solucin:
Planteamiento del problema
Definicin de las variables:
X1: Cantidad de congeladores tipo A a producir semanalmente
X2: Cantidad de congeladores tipo B a producir semanalmente

Funcin objetivo:

Restricciones o S.A

(Restriccin 1)
(Restriccin 2)
(Restriccin 3)

No negatividad

Obtenemos la siguiente grfica:

Grfico 8. Solucin redundante y sobrante

14
De esta manera la solucin ptima corresponde a:
X1= 150
X2= 0
Finalmente la funcin objetivo quedara as:
Zmax= $15300000
Podemos notar claramente que las restricciones 1 y 2 no determinan el conjunto
solucin, por ende se les llama restricciones redundantes o sobrantes.

CONCLUSIN
Se estudiaron los diferentes casos especiales que presenta el mtodo grfico para
resolver problemas de dos variables, los cuales son situaciones poco comunes
que se presentan al buscar una solucin a un modelo de programacin lineal (PL).
Adems, se logr analizar las diferentes aplicaciones que tienen los casos
especiales por medio de los ejemplos, los cuales nos ofrecen una idea clara
acerca del tema, de esta manera se obtuvo una mayor comprensin de los
conceptos bsicos desarrollados durante la clase y los cuales fueron empleados
para el desarrollo de esta tcnica.

BIBLIOGRAFIA
[1] a. Gonzales; manual de operaciones I; Universidad del norte; 2010, pgs. 12,71
[2] S. Cabrera; Aplicacin de la programacin lineal; Universidad Simn Bolvar;
Venezuela, 2011.
[3] H. Arsham; Modelos deterministas: optimizacin lineal; 8 edicin; extrado de:
http://home.ubalt.edu/ntsbarsh/business-stat/opre/SpanishD.htm
[4] Lpez, B. S. (25 de marzo de 2015). Ingenieros industriales. Extrado de:
http://www.ingenieriaindustrialonline.com/
[5] LOBO, Cesar et al. Casos especiales de investigacin de operaciones. { En
linea}. {04-09-16}. Disponible en: (https://www.clubensayos.com/Temas-
Variados/Casos-Especiales-De-Investigacion-De-Operaciones/1055935.html).

15
[6] bkike. Mtodo grfico. {En linea}. {04-09-16}. Disponible
en:(http://es.slideshare.net/bkike/metodo-grafico-7290591?next_slideshow=2).
[7] BORGES, Guillermo. Mtodo grfico. {En linea}. {04-09-16}. Disponible en:
(http://es.slideshare.net/GuillermoBorgesCamejo/2-metodo-grafico)

16