TECNOLÓGICO NACIONAL DE

MÉXICO

TECNOLÓGICO DE ESTUDIOS SUPERIORES DE

TIANGUISTENCO

DIVISION DE INGENIERÍA INDUSTRIAL

INVESTIGACION DE OPERACIONES

2018-2019
EJERCICIO 1
Un empresario pretende fabricar dos tipos de congeladores denominados A y B.
Cada uno de ellos debe pasar por tres operaciones antes de su comercialización:
Ensamblaje, pintura y control de calidad. Los congeladores requieren,
respectivamente, 2,5 y 3 horas de ensamblaje, 3 y 6 Kg. de esmalte para su pintura
y 14 y 10 horas de control de calidad. Los costos totales de fabricación por unidad
son, respectivamente, 30 y 28, y los precios de venta 52 y 48, todos ellos en miles
de pesos.
El empresario dispone semanalmente de máximo, 4500 horas para ensamblaje, de
máximo 8400 Kg. de esmalte y 20000 horas máximo, para control de calidad. Los
estudios de mercado muestran que la demanda semanal de congeladores no
supera las 1700 unidades y que, en particular, la de tipo A es de, al menos 600
unidades.

CONGELADORES ENSAMBLE PINTURA CONTROL COSTO COSTO

C. F. V.
A 2.5 hrs. 3kg 14kg 36mil 52mil
B 3 hrs. 6kg 10 28mil 48mil
Función objetivo
600(A) + 1100(B)= Z
Restricciones
2.5A + 3B < 4500
3A + 6B < 8400
14A + 10B < 20000

1.- 2.5 +3B = 4500 2.5 A=4500 3B=0

2.5=0 3B=4500 A=4500/2.5
B=4500/3
A=1800
B=1500
2.- 3A + 6B = 8400 3A=8400 6B=0
3A= 0 6B=8400 A=8400
B=8400/6 A=2800
B=1400

3.- 14A + 10B= 20000 14A=20000 10B=0

14A =0 10B=20000 A=20000/14
B=20000/10 A=1428.57
B=2000
 GRAFICA

-3(2.5A + 3B =4500)
2.5(3A + 6B=8400) 2.5A+3(1250)=4500
-7.5A - 9B=-13500 2.5A+3750=4500
7.5+ 15B=21000 2.5A=4500-3750
6B=7500 A=750/3
B=7500/6 A=300
B=1250

-14(2.5A +3B = 4500) 2.5A + 3(764.70)=4500

2.5(14A +10B= 20000) 2.5A + 2294.11=4500
-35A-42B=63000 2.5A = 4500-2294.11
35A + 25B=50000 A=2205.89/2.5
-17B=-13000 A=882.35
B=13000/17
B=764.70

-14(3A + 6B=8400) 3A + 6B=8400

3(14A +10B= 20000) 3A + 6(1066.66)=8400
-42A-84B=-117600 3A + 6399.96=8400
42A + 30B= 60000 3A =8400-6399.96
-54B=-57600 A=2000/3
B=-57600/-54 A= 666.67
B=1066.66 SOLUCIONES
A) 600(300)+1100(1250)=1555000
B) 600(882.35)+1100(764.70)=1370580
C) 600(666.67)+1100(1066.669)=1573337.9
3 EJERCICIO
El granjero Leary cultiva trigo y maíz en su granja con un terrero cultivable de 45
acres. El puede vender a lo más 140 bultos de trigo y 120 bultos de maíz. Cada acre
que él planta con trigo produce 5 bultos, mientras que cada acre plantado con maíz
produce 4 bultos. El trigo se vende a 30 dólares el bulto, mientras que el maíz a 50
dólares el bulto. Para cosechar un acre de trigo requiere 6 horas de labor; cosechar
un acre de maíz requiere 10 horas. Se pueden contratar hasta 350 horas de labor a
10 dólares la hora. Para maximizar las ganancias, el granjero formuló y resolvió un
modelo lineal.
Variables

X = Cantidad de bultos de trigo a producir.

Y = Cantidad de bultos de maíz a producir.

Restricciones

5x1+4x2 <= 45 x,y

X <= 140 (140,0)
Y <= 120 (0,120)
30x1+50x2 <= 350

Función Objetiva

max = 30x1+ 50x2

Solución
Función objetiva

Utilidad de la operación:
= 4250

Variables de decisión GRAFICA

Cantidad de bultos de trigo a producir 125

Cantidad de bultos de maíz a producir 80

Restricciones

Acres cultivados en total 45

Horas totales de mano de obra 350
Cantidad de bultos de trigo a producir 125
Cantidad de bultos de maíz a producir 80
EJERCICIO 4
SUCAFÉ, produce y distribuye dos tipos de café a los supermercados de la ciudad:
normal y procesado. Para éste mes Sucafé tiene 180 toneladas de grano de café
en inventario y tiene programadas hasta 50 horas de tiempo de procesamiento para
el tostado. Cada tonelada de café normal necesita una tonelada de grano, dos horas
de tostado y produce una ganancia de $8.000. Cada tonelada de café procesado
necesita también una tonelada de grano pero necesita cuatro horas de tostado y
produce una ganancia de $9.000. Plantee un modelo e programación lineal que le
permita a Sucafé planear su producción para este mes.
Toneladas Horas/Tiempo Utilidad
Normal 1 tonelada 2 hrs 8000

Procesado 1 Tonelada 4 hrs 9000

Disponibilidad 180 Toneladas 50 hrs

Función objetiva:
8000x + 9000y= Z

Restricciones:
2x1 + 4x2 ≤ 50
X1 + x2 ≤ 180

1.- 2X1 + 4X2 =50 2X2 + 4X2 = 50

2X1= 0 4X2 = 0
2X2 = 50/2
4X2= 50/4
=25
= 12.5

2.- X1 + X2 = 180 X1 + X2 = 180

X1 = 0 X2 = 0
X2 = 180 X1 = 180
GRAFICA

EJERCICIO 5
Como gerente de una asociación de empresas para el reciclaje en la región, ha
sido asignado para tomar la decisión de a quién debe venderse unos desperdicios
de metal que fueron recolectados. Dos empresas: Metales Ltda. Y Hierros Unidos,
están interesados en la compra de los desperdicios. La primera empresa, que
paga la tonelada de metal a: $500 no está interesada en comprar más de 500
toneladas, en cambio la segunda, que está dispuesta a pagar $400 por tonelada
de metal, ofrece comprar un límite máximo de 600 toneladas. Sin embargo la
financiación local ha limitado las compras formulando la siguiente condición: La
cantidad de desperdicio vendida a la empresa Metales Ltda. NO puede superar el
doble de la cantidad vendida a Hierros Unidos.

Conociendo que la asociación de empresas dispone de 1.000 toneladas de

desperdicios metálicos, formule un modelo de programación lineal que permita
alcanzar la mejor decisión para el gerente.
Metales Ltda Hierros Unidos Disponibilidad
Pago 500 400 1000
Compra 500 600
Función Objetiva
=500x1-400x2
X.Y˃=0
Restricciones
X1+X2˂=1000
X1˂=500
X2˂=600
X1˂=2X2
PUNTOS
X1+x2=1000
X1=0 x2=1000 x1=1000 x2=0 GRAFICA

X1=500
X1=0 x2=500 x1=500 x2=0
X2=600
X1=0 x2=600 x1=600 x2=0
X1-2x2=0

X1=0 x2=0 x1=0 x2=0

 INVESTIGACIÓN

METODO SIMPLEX
El Método Simplex es un método analítico de solución de problemas de
programación lineal capaz de resolver modelos más complejos que los resueltos
mediante el método gráfico sin restricción en el número de variables.

El Método Simplex es un método iterativo que permite ir mejorando la solución en

cada paso. La razón matemática de esta mejora radica en que el método consiste
en caminar del vértice de un poliedro a un vértice vecino de manera que aumente
o disminuya (según el contexto de la función objetivo, sea maximizar o minimizar),
dado que el número de vértices que presenta un poliedro solución es finito siempre
se hallará solución.

Este popular método fue creado en el año de 1947 por el estadounidense George
Bernard Dantzig y el ruso Leonid Vitalievich Kantorovich, con el ánimo de crear un
algoritmo capaz de solucionar problemas de m restricciones y n variables.

VARIABLES DE HOLGURA Y EXCESO

El Método Simplex trabaja basándose en ecuaciones y las restricciones iniciales que

se modelan mediante programación lineal no lo son, para ello hay que convertir
estas inecuaciones en ecuaciones utilizando unas variables denominadas de
holgura y exceso relacionadas con el recurso al cual hace referencia la restricción
y que en el tabulado final representa el "Slack or surplus" al que hacen referencia
los famosos programas de resolución de investigación de operaciones, estas
variables adquieren un gran valor en el análisis de sensibilidad y juegan un rol
fundamental en la creación de la matriz identidad base del Simplex.

Estas variables suelen estar representadas por la letra "S", se suman si la restricción
es de signo "<= " y se restan si la restricción es de signo ">=".

Por ejemplo:
VARIABLE ARTIFICIAL / MÉTODO DE LA "M"

Una variable artificial es un truco matemático para convertir inecuaciones ">=" en

ecuaciones, o cuando aparecen igualdades en el problema original, la
característica principal de estas variables es que no deben formar parte de la
solución, dado que no representan recursos. El objetivo fundamental de estas
variables es la formación de la matriz identidad.

Estas variables se representa por la letra "A", siempre se suman a las restricciones, su
coeficiente es M (por esto se le denomina Método de la M grande, donde M
significa un número demasiado grande muy poco atractivo para la función
objetivo), y el signo en la función objetivo va en contra del sentido de la misma, es
decir, en problemas de Maximización su signo es menos (-) y en problemas de
Minimización su signo es (+), repetimos con el objetivo de que su valor en la solución
sea cero (0).