Sunteți pe pagina 1din 48
¡La universidad para todos! ¡La Universidad para todos! Tema: MÉTODO GRAFICO Y METODO SIMPLEX Docente:

¡La universidad para todos!

¡La Universidad para todos!

Tema: MÉTODO GRAFICO Y METODO SIMPLEX

Docente: MG. MÁXIMO TEJERO ALEGRE

Escuela Profesional CIENCIAS CONTABLES Y FINANCIERAS

Periodo académico: 2018-1

Semestre:1

Unidad:II

¡La universidad para todos! III Unidad Método Gráfico – Método Simplex 2

¡La universidad para todos!

III Unidad Método Gráfico Método Simplex

¡La universidad para todos! III Unidad Método Gráfico – Método Simplex 2
¡La universidad para todos! III Unidad Método Gráfico – Método Simplex 2
¡La universidad para todos! Objetivos de la Unidad  Plantear un enunciado. problema de P.L

¡La universidad para todos!

Objetivos de la Unidad

Plantear

un

enunciado.

problema

de

P.L

partiendo

de

su

Dar a conocer a los decisorios que existe una manera

simple de observar la solución óptima.

Saber

representar

los

regiones

factibles

y determinar

la

gráficamente

puntos

donde

puede

darse

solución.  Saber encontrar esa solución óptima.  Usar el algoritmo del método simplex para
solución.
 Saber encontrar esa solución óptima.
 Usar el algoritmo del método simplex para resolver
problemas de P.L.
 Aprender a solucionar problemas de real importancia
industrial, mediante los métodos formales: gráfico y
analítico (método simplex)
problemas de real importancia industrial, mediante los métodos formales: gráfico y analítico (método simplex)
¡La universidad para todos! ORIENTACIONES • Cuando Usted estudie; contraste y relacione la información recién

¡La universidad para todos!

ORIENTACIONES

Cuando Usted estudie; contraste y relacione

la información recién adquirida con su

conocimiento y experiencia anterior. Para

ello es útil que revise los resúmenes, esquemas, cuadros comparativos o mapas

conceptuales elaborados previamente en su

texto.

Recuerde que la Investigación Operativa se aprende practicando, utilice un block para

repetir los ejercicios.

• Recuerde que la Investigación Operativa se aprende practicando, utilice un block para repetir los ejercicios.
¡La universidad para todos! Ejercicio: El problema de la industria de juguetes “Galaxia”  Galaxia

¡La universidad para todos!

Ejercicio: El problema de la industria de juguetes “Galaxia”

Galaxia produce dos tipos de juguetes:

Los recursos están limitados a:

* 1200 libras de plástico especial. * 40 horas de producción semanalmente.
* 1200 libras de plástico especial.
* 40 horas de producción semanalmente.
* Space Ray
* Space Ray
* Zapper
* Zapper
RESTRICCIONES
RESTRICCIONES

Requerimientos de Marketing.

* La producción total no puede exceder de 800 docenas. * El número de docenas
* La producción total no puede exceder de 800 docenas.
* El número de docenas de Space Rays no puede exceder al número de

docenas de Zappers por más de 450. Requerimientos Tecnológicos.

* Space Rays requiere 2 libras de plástico y 3 minutos de producción por docena.
* Space Rays requiere 2 libras de plástico y 3 minutos de producción por docena.
* Zappers requiere 1 libra de plástico y 4 minutos de producción por docena.

Plan común de producción para:

Fabricar la mayor cantidad del producto que deje mejores ganancias, el cual corresponde a Space
Fabricar la mayor cantidad del producto que deje mejores ganancias, el cual
corresponde a Space Ray ($8 de utilidad por docena).
Usar la menor cantidad de recursos para producir Zappers, porque estos dejan una
menor utilidad ($5 de utilidad por docena).
la menor cantidad de recursos para producir Zappers, porque estos dejan una menor utilidad ($5 de
1. Matriz ¡La universidad para todos! Planteamiento de Modelo Matemático de PL Requerimiento Space Ray

1. Matriz

¡La universidad para todos!

Planteamiento de Modelo Matemático de PL

Requerimiento Space Ray Zapper DISPONIBILIDAD Plástico especial 2 1 1200 libras Horas producció 3 min
Requerimiento
Space Ray
Zapper
DISPONIBILIDAD
Plástico especial
2
1
1200 libras
Horas producció
3 min
4 min
40 hrs Sem
2400 min
Producc. total = <
1
1 800 doc.
Exceso Prod = <
1
1 450 doc. Diferencia
UTILIDAD
$ 8
$ 5
OPTIMIZACIÓN
Fabricar la mayor cantidad del producto que deje mejores ganancias, el cual
corresponde a Space Ray ($8 de utilidad por docena). Usar la menor cantidad de
recursos para producir Zappers, porque estos dejan una menor utilidad ($5 de
utilidad por docena).

Función objetivo:

Max 8X1 + 5X2

Sujeto a RESTRICCIONES:

2X1 + 1X2 <= 1200 (Cantidad de plástico) 3X1 + 4X2 <= 2400 (Tiempo de producción min.) X1 + X2 <= 800 (Limite producción total doc.) X1 - X2 <= 450 (Producción en exceso) X1 >= 0 , X2 >= 0 (Condición de no negatividad)

Variables

X1 Cantidad de Space a fabricar

(ganancia semanal)

X2 Cantidad de Zapper a fabricar

de no negatividad) Variables X 1 Cantidad de Space a fabricar (ganancia semanal) X 2 Cantidad
de no negatividad) Variables X 1 Cantidad de Space a fabricar (ganancia semanal) X 2 Cantidad
1200 600 ¡La universidad para todos! Región Factible acotada X 2 Cantidad de plástico: 2X

1200

600

¡La universidad para todos!

Región Factible acotada

X2

Cantidad de plástico:

2X1+X2<=1200

Limite de producción:

X1+X2<=800

Max 8X1 + 5X2

(ganancia semanal)

Sujeto a RESTRICCIONES:

2X1 + 1X2 <= 1200 (Cantidad de plástico)

3X1 + 4X2 <= 2400

(Tiempo de producción)

X1

+

X2

<=

800

(Limite producción total)

X1

- X2 <= 450 (Producción en exceso)

X j >= 0 , j= 1, 2. (Resultados positivos)

No Factible

Tiempo de Producción

3X1+4X2<=2400

Factible

Punto Inferior

Punto Extremo

600 800

Punto Medio

Producción en exceso:

X1-X2<=450

X1

Tipos de puntos de

factibilidad

Inferior Punto Extremo 600 800 Punto Medio Producción en exceso: X 1 -X 2 <=450 X
¡La universidad para todos! Determinación de la Región Factible X2 Cantidad de plástico: 2X1+X2<=1200 Limite

¡La universidad para todos!

Determinación de la Región Factible

X2 Cantidad de plástico: 2X1+X2<=1200 Limite de producción: X1+X2<=800 800 las inecuaciones 600 X1 –
X2
Cantidad de plástico:
2X1+X2<=1200
Limite de producción:
X1+X2<=800
800
las inecuaciones
600
X1 – X2<=450
Factible

600

800

1. Se resuelve cada inecuación por separado

2. La RF está formada

por la intersección o región común de todas

las soluciones de todas

1200

Producción en exceso:

Tiempo de Producción

3X1+4X2<=2400

(0) X2 <= 450 entonces X2 = 450 X1 (0) <= 450 entonces X1 = 450

3(0)+4X2<=2400 entonces X2 = 600 3X1+4(0)<=2400 entonces X1 = 800

X1

450

2 (0) + X2 <= 1200 entonces X2 = 1200 2 X1 + (0) <= 1200 entonces X1 = 600

(0) + X2 <= 800 entonces X2 = 800 X1 + (0) <= 800 entonces X1 = 800

+ (0) <= 1200 entonces X 1 = 600 (0) + X 2 <= 800 entonces
Las variables y los nombres de las restricciones pueden ser cambiados aquí. ¡La universidad para

Las variables y

los nombres de

las restricciones pueden ser

cambiados aquí.

¡La universidad para todos!

WINQSB datos de entrada para el problema de las industrias galaxia
WINQSB datos de entrada
para el problema de las
industrias galaxia

Las variables son restringidas a >=0

Ningún límite

superior

Click para

resolver

problema de las industrias galaxia Las variables son restringidas a >=0 Ningún límite superior Click para
¡La universidad para todos!

¡La universidad para todos!

¡La universidad para todos!
¡La universidad para todos!
¡La universidad para todos!  Resumen de la solución óptima Space Rays = 480 docenas

¡La universidad para todos!

Resumen de la solución óptima

Space Rays = 480 docenas Zappers = 240 docenas

Ganancia = $5040

* Esta solución utiliza todas las materias primas (plástico) y todas las horas de producción.
* Esta solución utiliza todas las materias primas (plástico) y
todas las horas de producción.
* La producción total son 720 docenas (no 800).
* La producción de Space Rays excede a la de Zappers por
solo 240 docenas y no por 450.

Soluciones óptimas y puntos extremos.

* Si un problema de programación lineal tiene una solución óptima, entonces esta corresponde a
* Si un problema de programación lineal tiene una solución óptima,
entonces esta corresponde a un punto extremo.

Múltiples soluciones óptimas.

* Cuando existen múltiples soluciones óptimas implica que la función objetivo es una recta paralela
* Cuando existen múltiples soluciones óptimas implica que la función
objetivo es una recta paralela a uno de los lados de la región factible.
* Cualquier promedio ponderado de la solución óptima es también una
solución óptima.
lados de la región factible. * Cualquier promedio ponderado de la solución óptima es también una
¡La universidad para todos! a. Formulación de dieta Una dieta debe contener al menos 16

¡La universidad para todos!

a. Formulación de dieta Una dieta debe contener al menos 16 unidades

de carbohidratos y 20 de proteínas. El alimento A contiene 2 unidades de carbohidratos y 4 de proteínas; el alimento B contiene 2 unidades de

carbohidratos y 1 de proteínas. Si el alimento A cuesta $1.20 por unidad y

el B $0.80 por unidad, ¿Cuántas unidades de cada alimento deben

comprarse para minimizar el costo?¿cuál es el costo mínimo?

SOLUCIÓN MODELO MATEMÁTICO

 

Carbohidratos

Proteínas

Costos

Alimento A

2

4

1.2

Alimento B

2

1

0.80

Rendimiento

16

20

 

Variables de decisión Sea X 1 en Nº de unidades de alimentos A comprar Sea X 2 en Nº de unidades de alimentos B comprar

F.O

costo min Z = 1.2 X 1 +0.8 X 2

Restricciones 2X 1 +2X 2 >= 16 4X 1 +1X 2 >=20 X 1 , X 2 >=0

requerimento mínimo de carbohidratos

requerimento mínimo de proteínas condición de no negatividad

, X 2 >=0 requerimento mínimo de carbohidratos requerimento mínimo de proteínas condición de no negatividad
¡La universidad para todos! MÉTODO GRAFICO Tabulando para cada una de las rectas, pues usted

¡La universidad para todos!

MÉTODO GRAFICO Tabulando para cada una de las rectas, pues usted sabe que por dos puntos pasa una recta

L1: 2X 1 +2X 2 = 16

 

X

1

X

2

 

0

8

(0,8)

8

0

(8,0)

L2: 4X 1 +1X 2 =20

 

X

1

X

2

 

0

20

(0,20)

5

0

(5,0)

X 2 20 L2: 4X 1 +1X 2 >=20 se Región Factible no acotada la
X 2
20
L2: 4X 1 +1X 2 >=20
se
Región Factible no acotada
la
8
L1: 2X 1 +2X 2 = 16
5
8

La

encuentra

región factible

solución

en

El punto extremo

es la solución

óptima

X 1

la 8 L1: 2X 1 +2X 2 = 16 5 8 La encuentra región factible solución
¡La universidad para todos! b. Resolver gráficamente max z  x 1  x 2

¡La universidad para todos!

b. Resolver gráficamente

max z x

1

x

2

Restricciones

SOLUCIÓN MÚLTIPLE:

l

1

: x x

1

2

4

Despejando

x 1  0  x  4  x  4 2 tenemos (0,4)
x 1
 0  x  4
 x
 4
2
tenemos (0,4)
x
1
2
x
 0  x  4
x
 1
2
1
tenemos (4,0)
1
x
 2
2
l
:
x 1
l
: x
 2
1
1
2
2
Condición
de
X
no
x
,
x
 0
2
1
2
negatividad
4
Payoff:
1
x1 +
1 x2 =
4
Tiene
región
factible
x2
2
:
0 x1 +
1 x2 =
2
Hay
múltiples
solución óptima
1
:
1 x1 +
1 x2 =
4
:
1 x1 +
0 x2 =
1
0
X
x1
1
0
1
2
3
4
Optimal Decisions(x1,x2): (
2,
2) (
4,
0)
: 1x1 +
1x2 <=
4
: 1x1 +
0x2 >=
1
: 0x1 +
1x2 <=
2
4 Optimal Decisions(x1,x2): ( 2, 2) ( 4, 0) : 1x1 + 1x2 <= 4 :
¡La universidad para todos! C. REGIÓN FACTIBLE VACÍA El ejemplo siguiente ilustra una situación en

¡La universidad para todos!

C. REGIÓN FACTIBLE VACÍA

El ejemplo siguiente ilustra una situación en la que no que existe solución óptima

max z  x  x X 1 2 2 Restricciones 12 x  x
max z  x
 x
X
1
2
2
Restricciones
12
x
x
 4
1
2
x
2
x
2
1
2
Condición
de
Payoff:
1 x1 +
1 x2 =
0
no
x x 
,
0
1
2
negatividad
6
4
:
1 x1 +
1 x2 =
4
No
hay
región
:
1 x1 +
2 x2 =
2
factible
4
0
0
10
20
No
hay solución
óptima
:
1x1 +
1x2 >=
4
:
1x1 +
2x2 <=
2

X 1

¡La universidad para todos! D. SOLUCIÓN ÓPTIMA ÚNICA SOLUCIÓN: por dos puntos pasa una recta

¡La universidad para todos!

D. SOLUCIÓN ÓPTIMA ÚNICA

SOLUCIÓN: por dos puntos pasa una recta

max z x x

1

Restricciones

3

2 x

x 1 6

2

2

x

1

4

x

2

de

x , x

1

2

0

8

l :3 x  2 x  6 2 x 1  0 1 
l
:3 x  2 x
 6
2
x
1
 0
1
 x  3
2
tabulando si:
X
1
2
x
 0
 x  2
2
tenemos (0,3)
2
1
tenemos (2,0)
6
l
: 2 x
 4 x
 8
x
2
1
2
tabulando si:
x
1
tenemos (0,2)
  0 0
x x   2 4
2
2
1
tenemos (4,0)
3
:
3.0 x1 +
2.0 x2 =
6.0
se
la
2
Payoff:
1.0 x1 +
1.0 x2 =
2.5
:
2.0 x1 +
4.0 x2 =
8.0
X
1
2
4
0
0
10

Condición

no

negatividad

La

encuentra

región factible

solución

en

El punto extremo

es la solución

óptima

Optimal Decisions(x1,x2): ( 1.0, 1.5)

: 3.0x1 +

2.0x2 <=

6.0

: 2.0x1 +

4.0x2 <=

8.0

óptima Optimal Decisions(x1,x2): ( 1.0, 1.5) : 3.0x1 + 2.0x2 <= 6.0 : 2.0x1 + 4.0x2
¡La universidad para todos! E.- Un fabricante de juguetes prepara un programa de producción para

¡La universidad para todos!

E.-Un fabricante de juguetes prepara un programa de producción para

dos nuevos juguetes, cosas y cositas, utilizando la información

concerniente a sus tiempos de producción dados en la tabla que sigue.

Por ejemplo, cada cosa requiere de 2 horas en la máquina A. Las

horas disponibles empleadas por semana son: Para operación de la

máquina A, 70 horas; para B, 40 horas; para terminado, 90 horas. Si

las utilidades en cada cosa y cada cosita son de $4 y $6, respectivamente, ¿Cuántos de cada juguete debe producir por semana

con el fin de maximizar la utilidad? ¿Cuál sería la utilidad máxima?

 

Máquina A

Máquina B

Terminado

 

Cosa

2 horas

1 hora

1 hora

Cosita

1 hora

1 hora

3 horas

Variables de decisión:

X1 el numero de juguetes a producir del juguete cosa X2 el número de juguetes a producir del juguete cosita

Función Objetivo Restricciones:

2 X1 +

1 x2 <=

70

1 x2 <=

40

3 x2 <=

90

1 X1 +

1 X1 +

Maximizar Z =

4 X1 +

6 x2

X 1 , X 2 >=0 condición de no negatividad

90 1 X 1 + 1 X 1 + Maximizar Z = 4 X 1 +
Matriz ¡La universidad para todos!     Máquina A Máquina B Terminado UTILIDADES. Cosa 2

Matriz

¡La universidad para todos!

   

Máquina A

Máquina B

Terminado

UTILIDADES.

Cosa

2 horas

1 hora

1 hora

$ 4

 

Cosita

1 hora

1 hora

3 horas

$ 6

Hrs disponibles sem.

Hrs 70

Hrs 40

Hrs 90

 

Variables de decisión:

X1 el numero de juguetes a producir del juguete cosa X2 el número de juguetes a producir del juguete cosita

Función Objetivo

Restricciones:

2 X1 +

1 X1 +

1 x2 <=

70

1 x2 <=

40

3 x2 <=

90

1 X1 +

Maximizar Z =

4 X1 +

6 x2

X 1 , X 2 >=0 condición de no negatividad

<= 90 1 X 1 + Maximizar Z = 4 X 1 + 6 x 2
cosita
cosita

¡La universidad para todos!

X 2 54 1 x2 <= 1 x2 <= 3 x2 <= 70 40 48
X 2
54
1 x2 <=
1 x2 <=
3 x2 <=
70
40
48
2 X1 +
1 X1 +
1 X1 +
90
42
Respuesta:
36
Payoff:
4 x1 +
6 x2 =
210
Plan de producción x1=15 juguetes
cositas y X2 =25 juguetes cosas
30
25
Utilidad máxima= $210
24
18
12
:
1 x1 +
3 x2 =
90
6
:
1 x1 +
1 x2 =
40
X 1
0
:
2 x1 +
1 x2 =
70
35
0
10
15 20
30
40
50
60
cosa
Optimal Decisions(x1,x2): ( 15,
25)
: 2x1 +
1x2 <=
70
: 1x1 +
1x2 <=
40
: 1x1 +
3x2 <=
90
Función Objetivo
Maximizar Z =
4 X1 +
6 x2

F.O.

Maximizar Z =

4 (15)

+

6 (25)

=

210

40 : 1x1 + 3x2 <= 90 Función Objetivo Maximizar Z = 4 X1 + 6
¡La universidad para todos! F.- En un almacén se guarda aceite girasol y de oliva.

¡La universidad para todos!

F.- En un almacén se guarda aceite girasol y de oliva. Para atender a los clientes se han de tener almacenados un mínimo de 20 bidones de aceite de girasol y 40 de aceite de oliva y, además, el número de

bidones de aceite de oliva no debe ser inferior a la mitad del número

de bidones de aceite girasol. La capacidad total de almacén es de 150 bidones. Sabiendo que el gasto de almacenaje es el mismo para los dos tipos de aceite ( S/. 1) ¿Cuántos bidones de cada tipo habrá que almacenar para que el gasto sea máximo?

Obs. Puede parecer algo absurdo maximizar los gastos, pero se ha

enunciado de esa forma que el ejemplo sea lo más completo posible.

Obj. Hallar cuántos bidones de cada tipo hay que almacenar para

maximizar los gastos.

 

A. Girasol

A. Oliva

Disponibilidad

 

Atención Cliente

1

 

20

Atención Cliente

 

1

40

Diferencia

1

1

>= 1/2

Capacidad Almacén

1

1

150

Maximizar Gasto

S/.1

S/.1

Optimizar

1 1 >= 1/2 Capacidad Almacén 1 1 150 Maximizar Gasto S/.1 S/.1 Optimizar
¡La universidad para todos!   A. Girasol A. Oliva Disponibilidad Atención Cliente 1 20

¡La universidad para todos!

 

A. Girasol

A. Oliva

Disponibilidad

Atención Cliente

1

20

Atención Cliente

 

1

40

Diferencia

1

1

>= 1/2

Capacidad Almacén

1

1

150

Maximizar Gasto

S/.1

S/.1

Optimizar

Variables

x

y La cantidad bidones de Oliva a almacenar

La cantidad bidones de Girasol a almacenar

Función objetivo

Restricciones

Max Z = f(x,y) = x + y

x >= 20 Un mínimo de 20 bid. de aceite girasol

y >= 40 Un mínimo de 40 bid. de aceite oliva

y >= x/2 El nro. de oliva no debe ser inferior a la mitad del nro. de girasol

x + y <= 150

capacidad del almacén

x, y >=0 condición de no negatividad

inferior a la mitad del nro. de girasol x + y <= 150 capacidad del almacén
¡La universidad para todos! Oliva Max Z = x + y x >= 20 y

¡La universidad para todos!

Oliva

Max Z = x + y

x >= 20

y >= 40 y >= x/2

x + y <= 150

Condición

no

negatividad

de

x,

y >=0

y 150 En la resolución de todo problema es necesario criticar la solución y cerciorarse
y
150
En la resolución de todo problema es
necesario criticar la solución y cerciorarse
de que la solución hallada es lógica y
correcta.
En este ejemplo, no todos los puntos que
se encuentran entre los PUNTOS
OPTIMOS MULTIPLES son soluciones
75
válidas, ya que no podemos admitir
valores de x e y NO ENTEROS, lo que
ocurriría en el punto ( 90.5, 59.5 )
40
20
20 40
x
150

Girasol

podemos admitir valores de x e y NO ENTEROS, lo que ocurriría en el punto (
¡La universidad para todos! Graficador Programaci ó n Lineal http://www.zweigmedia.com/MundoReal/LPGrapher/lpg.html

¡La universidad para todos!

Programa para Resolver problemas de Programación Lineal Usando el Algoritmo Simplex http://soft.arquimedex.com/programacion_lineal.php

problemas de Programaci ó n Lineal Usando el Algoritmo Simplex http://soft.arquimedex.com/programacion_lineal.php
¡La universidad para todos! Método Gráfico Es un algoritmo matemático que, gráficamente, resuelve problemas de

¡La universidad para todos!

Método Gráfico

Es un algoritmo matemático que, gráficamente, resuelve

problemas de Programación Lineal de 2 variables únicamente.

Este procedimiento consta de cuatro pasos:

1. Graficar las restricciones.

2. Hallar la región factible (RF)

3. Graficar la Función Objetivo (FO)

4. Hallar la solución óptima en esa región.

Objetivo (FO) 4. Hallar la solución óptima en esa región. Además cabe resaltar que la solución

Además cabe resaltar que la solución óptima siempre está

asociada a un punto de esquina de la región factible.

REGION FACTIBLE.- Es el conjunto de puntos que cumplen

todas las restricciones incluyendo la restricción de no

todas las restricciones incluyendo la restricción de no negatividad. SOLUCION OPTIMA.- Es el punto o puntos

negatividad.

SOLUCION OPTIMA.-Es el punto o puntos que optimizan a la

Función Objetivo, es decir donde se halla el máximo o el

mínimo.

OPTIMA.- Es el punto o puntos que optimizan a la Función Objetivo, es decir donde se
¡La universidad para todos! Región Factible 1. Graficar las restricciones 4. Hallar la solución óptima

¡La universidad para todos!

Región Factible

1. Graficar las restricciones

4. Hallar la solución óptima

1. Graficar las restricciones 4. Hallar la solución óptima 3. Graficar la Función Objetivo (FO) en

3. Graficar la Función Objetivo

(FO)

en esa región.

2. Hallar la región factible (RF)

4. Hallar la solución óptima 3. Graficar la Función Objetivo (FO) en esa región . 2.
¡La universidad para todos! Ejercicio: El problema de la industria de juguetes “Galaxia”  Galaxia

¡La universidad para todos!

Ejercicio: El problema de la industria de juguetes “Galaxia”

Galaxia produce dos tipos de juguetes:

Los recursos están limitados a:

* 1200 libras de plástico especial. * 40 horas de producción semanalmente.
* 1200 libras de plástico especial.
* 40 horas de producción semanalmente.
* Space Ray
* Space Ray
* Zapper
* Zapper
RESTRICCIONES
RESTRICCIONES

Requerimientos de Marketing.

* La producción total no puede exceder de 800 docenas. * El número de docenas
* La producción total no puede exceder de 800 docenas.
* El número de docenas de Space Rays no puede exceder al número de

docenas de Zappers por más de 450. Requerimientos Tecnológicos.

* Space Rays requiere 2 libras de plástico y 3 minutos de producción por docena.
* Space Rays requiere 2 libras de plástico y 3 minutos de producción por docena.
* Zappers requiere 1 libra de plástico y 4 minutos de producción por docena.

Plan común de producción para:

Fabricar la mayor cantidad del producto que deje mejores ganancias, el cual corresponde a Space
Fabricar la mayor cantidad del producto que deje mejores ganancias, el cual
corresponde a Space Ray ($8 de utilidad por docena).
Usar la menor cantidad de recursos para producir Zappers, porque estos dejan una
menor utilidad ($5 de utilidad por docena).
la menor cantidad de recursos para producir Zappers, porque estos dejan una menor utilidad ($5 de
¡La universidad para todos! El plan común de “Galaxia” para producción es : Space Rays

¡La universidad para todos!

El plan común de “Galaxia” para producción es:

Space Rays = 550 docenas

Zappers

= 100 docenas

Utilidad

= $4900 por semana

Zappers = 100 docenas Utilidad = $4900 por semana El gerente siempre buscará un esquema de
El gerente siempre buscará un esquema de producción que incrementre las ganancias de su compañía.
El gerente siempre buscará un esquema
de producción que incrementre las
ganancias de su compañía.

EL MODELO DE PROGRAMACIÓN LINEAL PROVEE UNA

SOLUCIÓN INTELIGENTE PARA ESTE PROBLEMA

Solución

Variables de decisión

X1 = Cantidad producida de Space Rays (en docenas por semana). X2 = Cantidad producida
X1 = Cantidad producida de Space Rays (en docenas por semana).
X2 = Cantidad producida de Zappers (en docenas por semana).

Función objetivo

Maximizar la ganancia semanal.
Maximizar la ganancia semanal.
por semana). X2 = Cantidad producida de Zappers (en docenas por semana). Función objetivo Maximizar la
¡La universidad para todos! Modelo de Programación Lineal Método Grafico Función objetivo: Max 8X 1

¡La universidad para todos!

Modelo de Programación Lineal

Método Grafico

Función objetivo:

Max 8X1 + 5X2

(ganancia semanal)

Sujeto a RESTRICCIONES:

2X1 + 1X2 <= 1200 (Cantidad de plástico) 3X1 + 4X2 <= 2400 (Tiempo de producción min.) X1 + X2 <= 800 (Limite producción total doc.)

X1

X j >= 0 , j= 1, 2.

- X2 <= 450 (Producción en exceso)

(Resultados positivos)

producción total doc.) X 1 X j >= 0 , j= 1, 2. - X 2
1200 600 ¡La universidad para todos! Región Factible acotada X 2 Cantidad de plástico: 2X

1200

600

¡La universidad para todos!

Región Factible acotada

X2

Cantidad de plástico:

2X1+X2<=1200

Limite de producción:

X1+X2<=800

Max 8X1 + 5X2

(ganancia semanal)

Sujeto a RESTRICCIONES:

2X1 + 1X2 <= 1200 (Cantidad de plástico) 3X1 + 4X2 <= 2400 (Tiempo de producción)

X1

+

X2

<=

800

(Limite producción total)

X1

- X2 <= 450 (Producción en exceso)

X j >= 0 , j= 1, 2. (Resultados positivos)

No Factible

Tiempo de Producción

3X1+4X2<=2400

Factible

Punto Inferior

Punto Extremo

600

Punto Medio

Producción en exceso:

X1-X2<=450

800

X1

Tipos de puntos de

factibilidad

Inferior Punto Extremo 600 Punto Medio Producción en exceso: X 1 -X 2 <=450 800 X
1200 800 600 ¡La universidad para todos! Solución Básica X2 Solución básica degenerada Solución básica

1200

800

600

¡La universidad para todos!

Solución Básica

X2 Solución básica degenerada Solución básica factible Solución Básica Solución básica degenerada Factible
X2
Solución básica degenerada
Solución básica factible
Solución Básica
Solución básica degenerada
Factible
X1
450
600
800
degenerada Solución básica factible Solución Básica Solución básica degenerada Factible X1 450 600 800
¡La universidad para todos! Propiedades de una Solución al Prob. P.L. X2 1200 1ero. Hallar

¡La universidad para todos!

Propiedades de una Solución al Prob. P.L. X2 1200 1ero. Hallar la región factible 2do.
Propiedades de una Solución al Prob. P.L.
X2
1200
1ero. Hallar la región factible
2do. Hallar los puntos óptimos sobre la RF
Teorema 1. El conjunto de todas las
soluciones factibles al problema de P.L. es
800
un conjunto convexo
600
Teorema 2. La función objetivo alcanza su
máximo o mínimo en un punto extremo del
conjunto convexo.
Factible
X1
450
600
800
La función objetivo alcanza su máximo o mínimo en un punto extremo del conjunto convexo. Factible
¡La universidad para todos! Determinación de la Región Factible X2 Cantidad de plástico: 2X1+X2<=1200 Limite

¡La universidad para todos!

Determinación de la Región Factible

X2 Cantidad de plástico: 2X1+X2<=1200 Limite de producción: X1+X2<=800 800 600 X1 – X2<=450
X2
Cantidad de plástico:
2X1+X2<=1200
Limite de producción:
X1+X2<=800
800
600
X1 – X2<=450
Factible

600

800

1. Se resuelve cada inecuación por separado

2. La RF está formada por la intersección o

región común de todas

las soluciones de todas las inecuaciones

1200

Producción en exceso:

Tiempo de Producción

3X1+4X2<=2400

(0) X2 <= 450 entonces X2 = 450 X1 (0) <= 450 entonces X1 = 450

3(0)+4X2<=2400 entonces X2 = 600 3X1+4(0)<=2400 entonces X1 = 800

X1

450

2 (0) + X2 <= 1200 entonces X2 = 1200 2 X1 + (0) <= 1200 entonces X1 = 600

(0) + X2 <= 800 entonces X2 = 800 X1 + (0) <= 800 entonces X1 = 800

+ (0) <= 1200 entonces X 1 = 600 (0) + X 2 <= 800 entonces
¡La universidad para todos! comenzar con una ganancia dada de = $2,000 1200 X 2

¡La universidad para todos!

comenzar con una ganancia dada de = $2,000

1200 X2

Entonces aumente la ganancia

y continúe hasta que salga de la región factible

800

600

Ganancia =$5040 Utilid. = $ 3,4, 2,000
Ganancia =$5040
Utilid. = $
3,4,
2,000

Factible

450

600

800

X1

hasta que salga de la región factible 800 600 Ganancia =$5040 Utilid. = $ 3,4, 2,000
¡La universidad para todos! Método gráfico: Esquema práctico de solución X 2 1200 Se toma

¡La universidad para todos!

Método gráfico: Esquema práctico de

solución

X2

1200

Se toma un valor cercano al

punto óptimo

Región Feasible Factible region
Región
Feasible
Factible
region

Factible

Región No

800

600

X1

Se toma un valor cercano al punto óptimo Región Feasible Factible region Factible Región No 800

450

600

800

Se toma un valor cercano al punto óptimo Región Feasible Factible region Factible Región No 800
¡La universidad para todos!  Los efectos del cambios en un coeficiente de la función

¡La universidad para todos!

Los efectos del cambios en un coeficiente de la

función objetivo, sobre la solución óptima

1200

800

600

X2 Max 8X1 + 5X2 (ganancia semanal) Región No Factible Región Factible X1 450 600
X2
Max 8X1 + 5X2
(ganancia semanal)
Región No
Factible
Región
Factible
X1
450
600
800
óptima 1200 800 600 X2 Max 8X1 + 5X2 (ganancia semanal) Región No Factible Región Factible
¡La universidad para todos!  Los efectos del cambio de un coeficiente de la función

¡La universidad para todos!

Los efectos del cambio de un coeficiente de la

función objetivo, sobre la solución óptima

1200

800

600

X2 Rango de optimalidad Región Factible X1 450 600 800
X2
Rango de optimalidad
Región
Factible
X1
450
600
800
función objetivo, sobre la solución óptima 1200 800 600 X2 Rango de optimalidad Región Factible X1
¡La universidad para todos!  Conceptos de análisis de sensibilidad: * Reducción de costos. *

¡La universidad para todos!

Conceptos de análisis de sensibilidad:

* Reducción de costos. * Rango de optimalidad. * Precios sombra. * Rango de factibilidad.
* Reducción de costos.
* Rango de optimalidad.
* Precios sombra.
* Rango de factibilidad.
* Holgura complementaria.
*
Agregar restricciones/variables.
Agregar restricciones/variables.

Obtención de una solución por métodos compu-

tacionales:

* WINQSB * EXCEL * LINDO
* WINQSB
* EXCEL
* LINDO
restricciones/variables.  Obtención de una solución por métodos compu- tacionales: * WINQSB * EXCEL * LINDO
¡La universidad para todos!  Resumen de la solución óptima Space Rays = 480 docenas

¡La universidad para todos!

Resumen de la solución óptima

Space Rays = 480 docenas

Zappers = 240 docenas

Ganancia = $5040

* Esta solución utiliza todas las materias primas (plástico) y todas las horas de producción.
* Esta solución utiliza todas las materias primas (plástico) y
todas las horas de producción.
* La producción total son 720 docenas (no 800).
* La producción de Space Rays excede a la de Zappers por
solo 240 docenas y no por 450.

Soluciones óptimas y puntos extremos.

* Si un problema de programación lineal tiene una solución óptima, entonces esta corresponde a
* Si un problema de programación lineal tiene una solución óptima,
entonces esta corresponde a un punto extremo.

Múltiples soluciones óptimas.

* Cuando existen múltiples soluciones óptimas implica que la función objetivo es una recta paralela
* Cuando existen múltiples soluciones óptimas implica que la función
objetivo es una recta paralela a uno de los lados de la región factible.
* Cualquier promedio ponderado de la solución óptima es también una
solución óptima.
¡La universidad para todos! Análisis de sensibilidad para la solución óptima.  ¿Es sensible la

¡La universidad para todos!

Análisis de sensibilidad para la solución óptima.

¿Es sensible la solución óptima a cambios en los

parámetros de entrada?

Posibles

anterior:

razones

para

responder

la

pregunta

*Los valores de los parámetros usados fueron los mejores estimados. *Medio ambiente por ser dinámico
*Los valores de los parámetros usados fueron los mejores
estimados.
*Medio ambiente por ser dinámico puede producir cambios.
*El análisis del “qué pasa si” puede proveer información
económica y operacional.
puede producir cambios. *El análisis del “qué pasa si” puede proveer información económica y operacional.
¡La universidad para todos! Análisis de sensibilidad de los coeficientes de la función objetivo Rango

¡La universidad para todos!

Análisis de sensibilidad de los coeficientes de la función objetivo

Rango de optimalidad

La solución óptima permanecerá inalterable mientras: •Un coeficiente de la función objetivo se encuentre dentro
La solución óptima permanecerá inalterable mientras:
•Un coeficiente de la función objetivo se encuentre dentro del rango
de optimalidad.
•No hay cambios en ningún otro parámetro.
El valor de la función objetivo cambiará si el coeficiente
multiplica una variable cuyo valor es distinto de cero.

Cambios Múltìples

• El rango de optimalidad es válido cuando un único coeficiente de la función objetivo
• El rango de optimalidad es válido cuando un único
coeficiente de la función objetivo cambia.
• Cuando cambia más de una variable se utiliza la regla del
100%.
único coeficiente de la función objetivo cambia. • Cuando cambia más de una variable se utiliza
¡La universidad para todos!  Regla del 100% • Para cada aumento (disminución) en un

¡La universidad para todos!

Regla del 100%

• Para cada aumento (disminución) en un coeficiente de la función objetivo calcular (y expresar
• Para cada aumento (disminución) en un coeficiente de la función
objetivo calcular (y expresar como un porcentaje) la relación de
cambio del coeficiente al máximo aumento posible (disminución)
determinada por los límites del rango de optimalidad.
• Sumar todos los cambios de porcentaje. Si el total es menor que
100%, la solución óptima no cambiará. Si este total es mayor
que 100%, la solución óptima puede cambiar.

Reducción de costos

La reducción de costos de una variable a su cota inferior (comúnmente cero) implica que:
La reducción de costos de una variable a su cota inferior (comúnmente
cero) implica que:
– Los coeficientes de la función objetivo deben cambiar antes que la
variable pueda tomar un valor sobre la cota inferior.
– Con lo anterior la cantidad de ganancia óptima cambiará según las
variables aumentadas desde la cota inferior.

Holgura complementaria

Existe holgura en la solución óptima, cuando cada variable está en su cota inferior o
Existe holgura en la solución óptima, cuando cada variable está en su cota
inferior o el costo reducido es 0.
Existe holgura en la solución óptima, cuando cada variable está en su cota inferior o el
¡La universidad para todos! Método Simplex Es un método algebraico general, que puede utilizarse para

¡La universidad para todos!

Método Simplex

Es un método algebraico general, que puede utilizarse para resolver

problemas de P.L. con un número muy grande de restricciones y variables.

Intervienen 3 o más variables de mayor complejidad.

Al igual que el método grafico , llega a la solución optima por medio de

iteraciones a pasos sucesivos. Este método es un algoritmo o conjunto de instrucciones, con el cual se examinan los puntos en las esquinas de una

manera metódica hasta conseguir la mejor solución: la mayor utilidad o el

menor costo.

¿Cuál es la idea? Partiendo del valor de la función objetivo en un vértice cualquiera, el método consiste en buscar sucesivamente otro vértice que mejore al

anterior. La búsqueda se hace siempre a través de los lados del polígono,

o las aristas del poliedro. La búsqueda continúa hasta que la función objetivo ya no admita mejoramiento.

Se basa en la propiedad: si la función objetivo, f, no toma su vañor máximo en el vértice A, entonces hay una arista que parte de A, a los largo de la cual f aumenta

Continuará ………

máximo en el vértice A, entonces hay una arista que parte de A, a los largo
¡La universidad para todos! Título del tema Inserte aquí el título o gráfico que represente

¡La universidad para todos!

Título del tema

Inserte aquí el título o gráfico que represente al tema.
Inserte aquí el título o
gráfico que represente
al tema.
¡La universidad para todos! Título del tema Inserte aquí el título o gráfico que represente al
¡La universidad para todos! Orientaciones Escriba aquí las orientaciones que sugiere al alumno.

¡La universidad para todos!

Orientaciones

Escriba aquí las orientaciones que sugiere al alumno.
Escriba aquí las
orientaciones que
sugiere al alumno.
¡La universidad para todos! Orientaciones Escriba aquí las orientaciones que sugiere al alumno.
¡La universidad para todos! Contenidos temáticos Escriba aquí en forma ordenada los Contenidos Temáticos de

¡La universidad para todos!

Contenidos temáticos

Escriba aquí en forma ordenada los Contenidos Temáticos de la semana de estudio.
Escriba aquí en forma
ordenada los Contenidos
Temáticos de la semana
de estudio.
para todos! Contenidos temáticos Escriba aquí en forma ordenada los Contenidos Temáticos de la semana de
¡La universidad para todos! Subtítulos del tema Escriba aquí los subtítulos del tema y que

¡La universidad para todos!

Subtítulos del tema

Escriba aquí los subtítulos del tema y que servirán para darle ESTRUCTURA al contenido de
Escriba aquí los subtítulos
del tema y que servirán
para darle ESTRUCTURA
al contenido de la
presentación.
tema Escriba aquí los subtítulos del tema y que servirán para darle ESTRUCTURA al contenido de
¡La universidad para todos! Conclusiones y/o actividades de investigación sugeridas Escriba aquí las conclusiones y/o

¡La universidad para todos!

Conclusiones y/o actividades de investigación

sugeridas

Escriba aquí las conclusiones y/o actividades de investigación sugeridas.
Escriba aquí las
conclusiones y/o
actividades de investigación
sugeridas.
y/o actividades de investigación sugeridas Escriba aquí las conclusiones y/o actividades de investigación sugeridas.
¡La universidad para todos! ¡Gracias!

¡La universidad para todos!

¡La universidad para todos! ¡Gracias!

¡Gracias!

¡La universidad para todos! ¡Gracias!