Documente Academic
Documente Profesional
Documente Cultură
INVESTIGACIN OPERATIVA
Gua de Aprendizaje
2011-2012
INVESTIGACION OPERATIVA Asignatura del rea de Produccin y matemticas administrativas de la carrera de Ingeniera en Administracin de Empresas de la Universidad Tecnolgica Israel, es la base de la formacin tcnica que permite un anlisis, razonamiento y decisin crtica de los diferentes problemas que tienen los modelos de estudio empresarial, OBJETIVOS DE FORMACIN PROFESIONAL El objetivo bsico de todo proceso educativo en el mbito universitario debe respetar las siguientes secuencias en relacin al educando: - aprender a ser. - aprender a aprender. - aprender a hacer. Por lo tanto, la formacin del alumno universitario debe apuntar: 1) Al desarrollo de una slida tica universitaria. 2) A la generacin de un sentido de solidaridad y compromiso con la Universidad y con su pas. 3) A la adopcin de una fuerte responsabilidad comunitaria para con la sociedad que con su esfuerzo posibilita sus estudios. 4) A fomentar una actitud reflexiva y de crtica racional. En consonancia con lo anteriormente expuesto, se procura lograr en los egresados las caractersticas actitudinales, aptitudinales y de acervo cientfico que se describen a continuacin: En el plano actitudinal, incorporar en la personalidad del egresado las siguientes actitudes: - Innovador - creativo. - Analticos crtico. - Responsable. - Solidario hacia la Universidad y hacia la sociedad. - Conciente de su necesidad de auto superacin. - Profundamente respetuoso del disenso ajeno. - Con una slida formacin tica. - Con una adecuada jerarquizacin axiolgica que incorpore el saber entre los valores de primer orden. En el plano aptitudinal, desarrollar las siguientes aptitudes: - Para el anlisis fecundo y la sntesis que permita operar sobre los problemas. - Para comunicarse con adecuado nivel expresivo y persuasivo. - Para interactuar en el trabajo grupal e interdisciplinario. - Para realizar los anlisis contextuales imprescindibles para el posicionamiento en la toma de decisiones socioeconmicas. - Para investigar sobre los problemas y la realidad de forma de avanzar en la interpretacin y la solucin de las problemticas de su rea de competencia.
que
En cuanto al acervo cientfico, conocimientos: - Para interactuar con profesionales de otras reas en el abordaje de problemas de investigacin. - De la realidad presente y pasada con un profundo sentido de interpretacin cultural de cada tiempo y de su respectiva organizacin social. - De los mtodos y tcnicas para explorar la realidad y abordar los problemas. - Para analizar y comprender las variables endgenas y exgenas que rigen el comportamiento del hombre en sociedad y organizaciones por l creadas Para ello deber poseer un equilibrado conjunto de estructura curricular y planteo pedaggico que prevea: a) Conocimientos humansticos suficientes para analizar al hombre y su circunstancia. b) Conocimientos cientficos suficientes para fundamentar el abordaje de las tcnicas actuales y posibilitar su reciclaje permanente. c) Conocimientos tcnicos aptos para: - Abordar los problemas de su rea de incumbencia segn el estado actual de los avances tecnolgicos. - Desarrollar nuevos esquemas conceptuales y tcnicos para el abordaje de los problemas de su rea de competencia. - Ampliar el conocimiento en su rea de competencia ms all de sus actuales fronteras. El proceso de enseanza-aprendizaje propiciar: Desarrollar prcticas pedaggicas que apunten a generar un rol activo y crtico en el alumno. Privilegiar prcticas que familiaricen al alumno con la bsqueda de la verdad, utilizando la investigacin como herramienta pedaggica. Proponer actividades que integren adecuadamente los conceptos tericos con sus respectivas praxis. Disear situaciones de aprendizaje grupal que promuevan en los alumnos un sentido solidario y cooperativo y los capacite en la defensa del propio juicio y respeto del ajeno.
OBJETIVOS GENERAL Desarrollar en el alumno la capacidad de plantear y resolver modelos mediante la utilizacin de las diferentes herramientas de la investigacin de operaciones para tomar decisiones gerenciales empresariales, con mtodos cuantitativos para aplicacin de las todos los conocimientos de ingeniera en Administracin. Elaborar sistemticamente los mtodos cientficos de la empresa para realizar la toma de decisiones con la investigacin de operaciones, y ser capaz de definir el tipo de problema y aplicacin tcnica para llegar a la solucin en forma rpida, razonable y con el uso adecuado de sistemas informticos. Proporcionar al estudiante un enfoque sistemtico y cientfico del anlisis de problemas administrativos y operacionales, fundamentados en modelos matemticos, con el fin de administrar y asignar recursos limitados, en la forma ms ptima. ESPECFICOS 1.- Desarrollar el mtodo simplex como una forma de solucin para resolver un problema de programacin lineal general. 2.- Aplicar el mtodo de la dualidad en los problemas de PL y la interpretacin de los datos de la ltima matriz solucin, para la interpretacin econmica. 3.- Aplicar el anlisis de sensibilidad, para encontrar e interpretar los cambios en la solucin ptima, cuando se realizan variaciones en los elementos particulares del mtodo del modelo de PL. 4.- Determinar e interpretar los resultados de la programacin lineal cuando los resultados tiene que ser valores enteros
CONTENIDO GENERAL 1. MTODO SIMPLEX Y DUALIDAD 1.1 Algebra matricial 1.1.1 Operacin de matrices 1.1.2 Mtodo de reduccin, sistemas de ecuaciones 1.1.3 Matriz ampliada, inversa 1.2 Mtodo simplex 1.2.1 Maximizacin, solucin matricial 1.2.2 Minimizacin, mtodo M y dos fases 1.2.3 Anlisis de recursos y sensibilidad 1.2.4 Casos especiales 1.3 Problema Dual 1.3.1 Condiciones del primal al dual 1.3.2 Interpretacin de resultados 1.3.3 Precios sombra
Esquema
ALGEBRA MATRICIAL
METODO SIMPLEX
ESTANDARIZACION
MAXIMIZACION
MINIMIZACION
ANALISIS DE RECURSOS
ANALISIS DE SENSIBILIDAD
PROBLEMA DUAL
PRIMAL
DUAL
ALGEBRA MATRICIAL Introducir el concepto de matriz y considerar los tipos especiales de matrices, con las operaciones bsicas. Matriz es arreglo rectangular de nmeros (entradas, elementos) de m filas y n columnas
aij
fila,
j columna
a11 a 21 M a m1
a12 a 22 M am2
El nmero de elementos o entradas en una matriz m x n se obtiene multiplicando el nmero de filas m por el nmero de columnas n dando como resultado (mn)
A = a1 j
B = [bi1 ]
[ ]
Matriz columna o vector columna. Si la matriz solo tiene una columna Matriz transpuesta. Se denota A es una matriz de orden n x m, donde A es una matriz de orden m x n, cuyo i-simo rengln es la i-sima columna de A.
T
Si A es una matriz, la matriz formada a partir de A intercambiando filas (renglones) con sus columnas es llamada la transpuesta de A.
1 2 Si A = 1 5
0 1 3 1
4 0 2 3
Matriz de orden 4 x 3,
Matriz cuadrada. Matriz que tiene el mismo numero de filas y columnas n = m. 1 0 3 A = 1 2 0 Matriz de orden 3 x 3, o matriz de orden 3 0 1 4
Matriz cero. Una matriz de m x n si todas sus entradas son cero Matriz identidad. Matriz cuadrada, cuyos elementos de la diagonal principal son unos y los dems elementos son ceros.
I n = aij
1 0 I4 = 0 0
[ ], si i = j entonces a
0 1 0 0 0 0 1 0
ij
= 1 , si i j entonces aij = 0
0 0 Matriz de orden 4 0 1
Matriz diagonal Si todas las entradas que se encuentran fuera de la diagonal principal son cero de una matriz cuadrada. Matriz triangular. Matriz cuadrada
Superior, si todas las entradas abajo de la diagonal principal son ceros; aij
= 0,
si i > j
2 3 1 A = 0 1 4 Matriz de orden 3 0 0 2
Inferior, si todas las entradas arriba de la diagonal principal son ceros; aij
= 0,
si i < j
1 1 B= 2 1
0 3 1 1
0 0 1 4
0 0 Matriz de orden 4 0 6
aij = bij
A = aij
[ ]
B = bij
[ ]
Operaciones de matrices Suma de matrices. La suma es factible si las matrices son del mismo orden. Si A = aij
y B = bij ambas son matrices m x n, entonces la suma A+B es la matriz de orden m x n obtenida sumando las correspondientes entradas de A y B.
a e x b f y A= c g z d h w Matriz de orden 4 x 3 1 2 3 2 3 2 B= 3 4 1 4 1 4 matriz de orden 4 x 3 a +1 e + 2 x + 3 b + 2 f + 3 y + 2 C = A+ B = c + 3 g + 4 z +1 d + 4 h + 1 w + 4 Matriz de orden 4 x 3
[ ]
[ ]
Multiplicacin por un escalar. Si A es una matriz m x n, y k un nmero real, entonces con kA denotamos a la matriz m x n multiplicando cada entrada de A por k.
a c A= b d
e f
g h
1 3 5 7 B= 2 4 6 8
ka kc C = kA = kb kd
ke kg kf kh
3 9 15 21 D = 3B = 6 12 18 24
Multiplicacin de matrices
Matriz Orden
A mxn
B nxp
C mxp
3 1 4 A= 1 2 2 2x3
1 2 B = 0 1 2 1 3x2
C = A*B =
2x2
Sistemas de ecuaciones Mtodo de Reduccin. Mostrar como reducir una matriz y utilizar la reduccin de matrices para resolver un sistema lineal.
Resolver el sistema de ecuaciones lineales 2x + 3 y = 5 x 2 y = 1 Representacin como suma de matrices
2 3 5 x + y = 1 2 1
F2 2 F1
1 F2 7 F1 + 2 F2
1 2 1 0 1 1
1 0
0 1
1 1
Solucin: X = 1, Y = 1
METODO SIMPLEX
El mtodo Simplex es un algoritmo de solucin muy utilizado para resolver problemas de programacin lineal. Un algoritmo es una serie de pasos para cumplir con una tarea determinada. El mtodo simples es un mtodo general de solucin del problema de Programacin lineal (PL) con cualquier numero de variables de decisin, y consiste en partir de una Solucin Bsica Factible (SBF), para acercarse paso a paso a una mejor solucin, hasta alcanzar la Solucin ptima Factible (SOF). El procedimiento para el calculo que utiliza el mtodo simplex es un proceso iterativo (por aproximacin), es decir que realiza secuencialmente o usa sucesivamente la misma rutina del calculo, normalmente el algebra matricial, lo cual da por resultado una serie de soluciones sucesivas hasta que se encuentra la mejor (ptima). Una caracterstica bsica del mtodo simplex es que la ltima solucin produce una contribucin mayor o igual que la solucin previa en un problema de maximizacin, o menor, en un problema de minimizacin, lo que da la seguridad de llegar finalmente a la respuesta ptima. El mtodo simplex da informacin sobre lo que sucede al pasar de una solucin a otra; seala donde se gana, donde se pierde, donde no se gana ni pierde, hasta llegar a un punto en el que la introduccin de cualquier cambio o variacin perjudica la solucin, entonces se dice que dicha solucin es la optima del problema de programacin lineal. Caractersticas: La meta de la funcin objetivo, siempre deber ser maximizar o minimizar Todas las restricciones deben ser expresadas con ecuaciones en forma estndar Todas las variables deben ser no negativas (positivas)
Xj 0
j = 1,2,3,., n
Los trminos independientes del sistema de restricciones deben ser no negativos (los recursos disponibles siempre son positivos).
bj = 0
i = 1,2,3,., m
Estandarizacin. El proceso de la estandarizacin de un modelo es la transformacin del sistema de inecuaciones (restricciones) en un sistema de ecuaciones, para lo cual se aade una variable de holgura y/o artificial segn sea el caso.
Si es menor que
Si es mayor que , se resta una variable de holgura y se aade una variable artificial. Si es igual =, se suma solamente una variable artificial
En programacin lineal las variables de holgura representan el recurso no utilizado, el exceso de cada recurso para un nivel dado de produccin.
ING. JORGE GALIANO D.
10
Maximizacin
Modelo General Funcin Objetivo Limitaciones
Z = C1 X 1 + C2 X 2 + ... + Cn X n
a11 x1 + a12 x2 + ... + a1n xn b1 a21 x1 + a22 x2 + ... + a2 n xn b2 a31 x1 + a32 x2 + ... + a3n x3 b3
: : : : am1 x1 + am 2 x2 + ... + amn xn bm
Mx. o Min.
En donde x1 , x 2 ,..., x n y b1 , b2 ,..., bm son no negativas Variables de holgura X n +1 se transforme en una ecuacin. Estandarizacin.
a11x1 + a12 x2 + ... + a1n xn + xn +1 = b1 a21 x1 + a22 x2 + ... + a2 n xn + xn + 2 = b2 a31 x1 + a32 x2 + ... + a3n x3 + xn + 3 = b3
: : : : am1 x1 + am 2 x2 + ... + amn xn + xn + m = bm
m Ecuaciones n + m Variables
Ejemplo: resolver el modelo utilizando el mtodo simplex para maximizacin Funcin Objetivo Restricciones Mx.
z = 7 x1 + 7 x2 + 6 x3 + 9 x4
11
Cj X 0 0 X5 X6 Zj Zj - Cj B 30000 20000 0 X1
7 X2 4 2 0 -7
7 X3 5 1,5 0 -7
6 X4 3 3 0 -6
9 X5 5 3 0 -9 ingresa
0 X6 1 0 0 0
0 0 1 0 0
Relacion minima
Menor valor
6000 6666,67
sale
Fila criterio(indicador)
Clculos: Zj: 0 * 30000 + 0 * 20000 = 0 0*4+0*2=0 0 * 5 + 0 * 1,5 = 0 0*3+0*3=0 0*5+0*3=0 0*1+0*0=0 0*0+0*1=0
X1 = X 2 = X 3 = X 4 = 0 X 5 = 30000 X 6 = 20000
Para maximizacin la fila Zj-Cj indica si se llego a un optimo, cuando todos los valores de la son positivos o cero
X4
Variable entrante
9
X5
Variable saliente
6000
En la fila criterio elegimos el valor ms negativo, en caso de que los valores sean ceros o positivos se ha llegado a un ptimo.
12
La posicin para la nueva iteracin donde esta ubicado el eje el valor debe ser 1, por lo cual la fila del eje le dividimos para cinco cada uno de sus elementos. 3000/5 = 6000; 4/5;
5/5 = 1;
3/5;
5/5 = 1;
1/5;
0/5 = 0
Otras variables: el elemento de la anterior etapa menos el producto del semieje por el valor de la nueva variable.
Valores Fila semi eje nueva fila
X6 20000 2 1,5 3 3 0 1
3 3 3 3 3 3 3
= = = = = = =
0 * 30000 + 0 * 20000 = 0 Zj: 9 * 6000 9 * 4/5 9*1 9 * 3/5 9*1 9 * 1/5 9*0 + 0 * 2000 + 0 * (-2/5) + 0 * (-3/2) + 0 * (6/5) +0*0 + 0 * (-3/5) +0*1 = 54000 = 36/5 =9 = 27/5 =9 = 9/5 =0
X1
4/5 -2/5 36/5 1/5
X2
1 -3/2 9 2
X3
3/5
X4
1 0 9 0
X5
1/5 -3/5 9/5 9/5
X6
0 1 0 0
RM
10000 5000/3 sale
6/5
27/5 -3/5
Zj - Cj
ingresa
13
* * * * * * *
* * * * * * *
= = = = = = =
5000 1 7/4 0 1
Zj:
9 * 5000 + 6 * 1666.67 9*1 + 6 * (-1/3) 9 * 7/4 + 6 * (-5/4) 9*0 +6*1 9*1 +6*0 9 * 1/2 + 6 * (-1/2) 9 * (-1/2) + 6 * 5/6
Mejora el valor
X1
1 -1/3 7 0
X2
7/4 -5/4 33/4 5/4
X3
0 1 6 0
X4
1 0 9 0
X5 -
3/2 3/2
X6 -
5/6
RM
Zj - Cj
Como, Zj Cj solamente tiene valores positivos y/o ceros, entonces tenemos un ptimo y la solucin ser:
14
Minimizacin
Mtodos: - Dos fases - M grande Ejercicio de aplicacin de la minimizacin Modelo: Funcin Objetivo: Min. Z = 4 x + y Restricciones
3x + y = 3 4x + 3y 6 x + 2y 3 x, y 0
Estandarizacin
x + 2 y + S3 = 3
Primera Fase
A1, A2 variables artificiales, que en esta fase tienen coeficientes de -1, el mtodo inicia con el cambio de minimizacin a maximizacin y procedemos como si fuese maximizacin
Cj -1 -1 0 X A1 A2 S3 Zj B 3 6 3 -9 x 3 4 1 -7 -7
0 y 1 3 2 -4 -4
0 S2 0 -1 0 1 1
0 S3 0 0 1 0 0
0 RM 1 3/2 3
sale
Zj - Cj
ingresa
Clculo de los valores de las filas de la siguiente iteracin, donde esta ubicado el eje para la siguiente tabla en esa posicin debe ser el valor de 1, por lo cual dividimos la fila para 3, en este caso.
6 4 3 -1 0
4 4 4 4 4
* * * * *
1 1 1/3 0 0
= 2 = 0 = 5/3 = -1 = 0
3 1 2 0 1
1 1 1 1 1
* * * * *
Cj 0 -1 0 X x A2 S3 Zj B 1 2 2 -2 x 1 0 0 0 0
0 S2 0 -1 0 1 1 S3 0 0 1 0 0
0 RM 3 6/5 6/5
sale
Zj - Cj
1 1 1/3 0 0
* 6/5 = * 0 = * 1 = * (-3/5) = * 0 =
3/5 1 0 1/5 0
2 0 5/3 0 1
* 6/5 = * 0 = * 1 = * (-3/5) = * 0 =
0 0 0 1 1
Tabla de la iteracin
Cj 0 0 0 X x y S3 Zj B 3/5 6/5 0 0 x 1 0 0 0 0
0 y 0 1 0 0 0
0 S2 1/5 -3/5 1 0 0 S3 0 0 1 0 0
0 RM
Zj - Cj
Tabla final, porque Zj Cj 0 termina la primera fase, en la base no aparecen variables artificiales, esta solamente X, Y, S3, si aparecen variables artificiales, entonces, no hay solucin.
ING. JORGE GALIANO D.
16
-4 y 0 1 0 -1 0
-1
0 S3 0 0 1 0 0 RM 3 -2 0
sale
Zj - Cj
3/5 1 0 1/5 0
* * * * *
0 0 0 1 1
= 2 = 0 = 5/3 = -1 = 0
6/5 0 1 -3/5 0
* * * * *
0 0 0 1 1
= = = = =
2 0 5/3 0 1
-4 y 0 1 0 -1 0
-1 S2 0 0 1 0 0
Zj - Cj
Como en la fila criterio se tiene los valores mayores o iguales a cero, entonces alcanzamos el valor optimo de la funcin objetivo. Solucin: Z = 18/5, X = 3/5, Y = 6/5, S2 = 0, S3 = 0
ING. JORGE GALIANO D.
17
Min. Z = 4 x + y
Estandarizacin
Cj M M 0 X A1 A2 S3 Zj B 3 6 3
9M
4 x 3 4 1
7M 7M-4 ingresa
1 y 1 3 2
4M 4M-1
0 S2 0 -1 0
-M -M
0 S3 0 0 1
0 0
M A1 1 0 0
M 0
M A2 0 1 0
M 0
RM 1 1,5 4
sale
Zj - Cj
3 1 2 0 1 0 0
1 1 1 1 1 1 1
* * * * * * *
1 1 0 0 1/3 0
= = = = = =
2 0 5/3 0 1 -1/3 0
1/3 =
1/3 =
18
4 x 1 0 0
4 0
0 S2 0 -1 0
-M -M
0 S3 0 0 1
0 0
M A2 0 1 0
M 0
RM 3 6/5 6/5
sale
Zj - Cj
2 0 5/3 0 1 -1/3 0
* * * * * * *
= = = = = = =
0 0 0 1 1 1 -1
4 x 1 0 0
4 0
1 y 0 1 0
1 0
0 S2 1/5 -3/5 1
1/5 1/5 ingresa
0 S3 0 0 1
0 0
M A1 3/5 -4/5 1
8/5 (8/5)-M
M A2 -1/5 3/5 -1
-1/5 (-1/5)-M
RM 3 0
sale
* * * * * * *
0 0 0 1 1 1 -1
= = = = = = =
19
4 x 1 0 0
4 0
1 y 0 1 0
1 0
0 S2 0 0 1
0 0
0 S3 -1/5 3/5 1
-1/5 -1/5
M A1 2/5 -1/5 1
7/5 (7/5)-M
M A2 0 0 -1
0 -M
RM
Para la minimizacin en la fila criterio deben existir solo valores negativos y/o ceros para alcanzar el ptimo. La solucin ser: Z= 18/5; X=3/5; Y=6/5; S1=0; S2=0
Anaqueles Dpto. I Preparacin de piezas 3 Dpto. II Ensamblaje y terminado 4 Costos por unidad 2000 Precio de venta 3500 Utilidad por unidad 1500
Escritorios Disponibilidad 5 240 h H/u 2 128 h H/u 2800 $/u 4600 $/u 1800 $/u
a) Establecer un programa de produccin que permita a la empresa maximizar las utilidades sin que la compaa forme inventario. b) Esta compaa tiene la posibilidad de ocupar la seccin de preparacin de piezas para otro artculo y le interesa conocer si con el programa de produccin ptimo actual le queda tiempo libre en el departamento. c) Suponiendo que la competencia vende escritorios similares a $300 la unidad que poltica deber adoptar el gerente si se llega a una competencia muy marcada. Desarrollo: I.- Datos, la tabla resume toda la informacin II.- Variables: X: numero de anaqueles a producir por semana Y: nmero de escritorios a producir por semana S1: Tiempo NO usado en el departamento I, preparacin S2: Tiempo NO usado en el departamento II, terminado III.- Funcin Objetivo Mx. U = 1500 X + 1800 Y + 0 S1 + 0 S2
ING. JORGE GALIANO D.
20
IV.- Limitaciones
3 x + 6 y 240 4 x + 2 y 128
Estandarizacin: F.O. Mx. U = 1500x + 1800 y + 0S1 + 0S 2 Dpto. I 3 x + 6 y + S1 = 240 Dpto. II 4 x + 2 y + S2 = 128
Cj 0 0 X S1 S2 Zj Zj - Cj B 240 128
0
1500 1800 x y 6 3 4 2
0 -1500 0 -1800 Ingresa
0 S1 1 0
0 0
0 S2 0 1
0 0
RM 40 64
Sale
128 4 2 0 1
2 2 2 2 2
* * * * *
40 1 1/6 0
= = = = =
48 3 0 1/3 1
Cj 1800 0 X y S2 Zj B 40 48
72000
1500 1800 x y 1 3 0
900 -600 Ingresa 1800 0
0 S1 1/6 -1/3
300 300
0 S2 0 1
0 0
RM 80 16
Sale
Zj - Cj
40 1 1/6 0
* * * * *
16 1 0 -1/9 1/3
= = = = =
32 0 1 2/9 -1/6
ING. JORGE GALIANO D.
21
Cj 1800 1500 X y x Zj B 32 16
81600
1500 1800 x y 0 1 1 0
1500 0 1800 0
0 S1 2/9 -1/9*
700/3 700/3
0 S2 -1/6 1/3
200 200
Tasas de sustitucin
Zj - Cj
Solucion:
OPTIMO
X = 16 (anaqueles/semana) Y = 32 (escritorios/semana) S1 = 0 indica que se usa todo el tiempo disponible en el Dpto. I S2 = 0 indica que se usa todo el tiempo disponible en el Dpto. II U = 81600 ($/semana) Toda tasa de sustitucin significa que para producir una unidad de la variable correspondiente a la columna se debe sacrificar la tasa de sustitucin indicada por la variable correspondiente a la fila.
S1 x -1/9*
Para alcanzar una unidad S1 (1 h-H) de tiempo disponible en el departamento I, necesitamos sacrificar (usar o gastar) -1/9 anaqueles.
Demostracin: 1 h-H en el departamento I (preparacin de piezas) La nueva produccin ser: X = 16 (-1/9) = 145/9 = 16.11 anaqueles Y = 32 (2/9) = 286/9 = 31.77 escritorios
Dpto. I
3x + 6 y = 3(
Esto quiere decir, que el departamento I no completara la disponibilidad de las 240 h-H que tiene en la semana, sobrando 1 hora para la nueva produccin. Nueva utilidad U n = 1500 x + 1800 y
145 286 ) + 1800( ) 9 9 U n = 81366.67 U n = 1500(
Entonces,
700 3
22
Este valor de
S2 y -1/6
Para alcanzar 1 unidad S2 (1 h-H) de tiempo disponible en el departamento II, necesitamos sacrificar (usar o gastar) -1/6 de escritorios.
Demostracin: 1 h-H en el departamento II (ensamblaje y terminado) La nueva produccin ser: X = 16 (1/3) = 47/3 = 15.67 anaqueles Y = 32 (-1/6) = 193/6 = 32.16 escritorios
Dpto. II
4 x + 2 y = 4(
Esto quiere decir, que el departamento II no completara la disponibilidad original de las 128 h-H que tiene en la semana, sobrando 1 hora para la nueva produccin, en caso de modificarle con las tasas de sustitucin o tambin conocido como precios sombra. Nueva utilidad
U n = 1500 x + 1800 y 47 193 ) + 1800( ) 3 6 U n = 81400 U n = 1500(
Entonces,
Este valor de 200 se encuentra directamente en la fila criterio de la ltima iteracin. En el anlisis de sensibilidad tratamos de determinar la variacin de los coeficientes de la funcin objetivo. En general Max. Z = C1 x + C2 y Para el anlisis de sensibilidad: en la tabla siguiente se debe busca un nmero que haga cero en Zj ajustada (Zj aj.), usar la formula: Zj aj. = Zj + Zj* Zj. Valor de la ltima iteracin, valor original Zj* valor calculado
23
x
1 1500
y
0 1800
S1
-1/9 2100/9
S2
1/3 Usar la formula
200
0 Valor inicial
Entonces,
1500 1800 0 0
y
0 1800
S1
-1/9 -2100/9 2100/9
S2
1/3
200
Para C1 = 1500
2100
x
1 1500
y
0 1800
S1
-1/9 2100/9
S2
1/3 Usar la frmula
200 0
Valor inicial
Entonces,
1500 1800 0
y
0 1800
S1
-1/9 2100/9
S2
1/3 -200
200 0
24
Para C1 = 1500
600
En resumen,
Coeficiente C1 Minimo 900 600 Original 1500 Maximo 3600 2100
y
0 1200 1800 3000 Lmite superior
S1
2/9 2100/9
S2
-1/6 -200 200 Usar la frmula
0
Valor inicial
Para C2 = 1800
1200
y
1 -1050 1800 750
S1
2/9 -2100/9 2100/9
S2
-1/6 Usar la frmula
200
Para C2 = 1800
1050
25
En resumen:
Coeficiente C2
Original 1800
Por lo tanto, el anlisis de sensibilidad para los coeficientes de la funcin objetivo pueden tener las siguientes variaciones:
Coeficiente C1 C2
1. Degeneracin.- Una o mas soluciones de las variables de decisin son cero, el modelo tiene por lo menos una restriccin redundante 2. Soluciones no acotadas.- Las variables pueden tomar valores que se incrementan indefinidamente cumpliendo con las restricciones. El espacio solucin es no acotado en una direccin. 3. ptimos alternativos.- Si una funcin objetivo es paralela a una de las restricciones no acotadas, la F.O. asume el punto ptimo en ms de un punto de la solucin, infinidad de soluciones.
4. Solucin no factible.- Esto sucede cuando existen restricciones combinadas de mayor igual y menor igual en algunas ocasiones. En la tabla del simplex se encuentra cuando debiendo salir la variable artificial sale la variable de holgura. Ejercicios de investigacin Como identificar en una tabla del simplex que es un caso especial y a cual caso especial corresponde, usar un ejemplo para cada caso, tratar de resolverlo y concluir con un comentario sealando el procedimiento. Entregar su resolucin
26
PROBLEMA DUAL
El principio llamado dualidad, permite resolver un problema de maximizacin resolviendo el problema de minimizacin relacionado con l. Problema
Primal (Dual)
Maximizar
Z = c1 x1 + c2 x2 + ... + cn xn
Sujeto a,
x1 , x2 ,....xn 0
Dual (Primal)
Minimizar
W = b1 y1 + b2 y2 + ... + bm ym
Sujeto a,
a1n y1 + a 2 n y 2 + ... + a nm y m cn
y1 , y2 ,...., ym 0
La solucin del modelo primal es igual a la del modelo dual en cuanto a su funcin objetivo.
PRIMAL n m
Ejemplo Modelo Primal Funcin Objetivo Restricciones
variables limitaciones
27
Modelo Dual Funcin Objetivo Restricciones Desarrollo: PRIMAL Mx. D = 240 X1 + 128 X2 3 Y1 + 4 Y2 1500 6 Y1 + 2 Y2 1800 Mx. Z = 1500 X1 + 1800 X2 + 0S1 + 0S2 = 240 3 X1 + 6 X2 + S1 4 X1 + 2 X2 + S2 = 128
Cj 0 0 X S1 S2 Zj Zj - Cj B 240 128
0
1500 1800 X1 X2 3 6 4 2
0 -1500 0 -1800
0 S1 1 0
0 0
0 S2 0 1
0 0
RM 40 64
Sale
Cj 1800 0 X X2 S2 Zj B 40 48
72000
0 S1 1/6 -1/3
300 300
0 S2 0 1
0 0
RM 80 16
Sale
Zj - Cj
Cj 1800 1500 X X2 X1 Zj B 32 16
81600
1500 1800 X1 X2 0 1 1 0
1500 0 1800 0
0 S1 2/9 -1/9
700/3 700/3
0 S2 -1/6 1/3
200 200 OPTIMO
Zj - Cj
H1
H2
Y1
Y2
28
DUAL
bi M M Y A1 A2 Di C 1500 1800
3300M
128 Y2 4 2
6M 6M-128
0 H1 -1 0
-M -M
0 H2 0 -1
-M -M
M A1 1 0
M M
M A2 0 1
M M
RM 500 300
sale
Di-bi
240 Y1 0 1
240 0
128 Y2 3 1/3
3M+80 3M-48 ingresa
0 H1 -1 0
-M -M
0 H2 -1/6
M-40 M-40
M A1 1 0
M 0
M A2 1/6
-M+40 -3M/2+40
RM 200 900
sale
Di - bi
240 Y1 0 1
240 0
128 Y2 0 1
128 0
0 H1 -1/3 1/9
-16 -16
0 H2 1/6 -2/9
-32 -32
M A1 1/3 -1/9
16 16-M
M A2 -1/6 2/9
32 32-M
RM
Di - bi
OPTIMO
S1
S2
-X1
-X2
La solucin del modelo Dual es D = 81600; Y1 = 700/3; Y2 = 200 En la ltima tabla del primal se puede determinar la solucin del dual, y en la ltima tabla del dual se puede comprobar la solucin del primal.
29
z = 7 x1 + 7 x2 + 6 x3 + 9 x4
PROGRAMACION LINEAL
30
31
elegir
Aparecer la siguiente pantalla
z = 7 x1 + 7 x2 + 6 x3 + 9 x4
32
Seleccionar el icono
Seleccionar este icono
Aceptar
33
SOLUCION: X1 = 0
X3 = 1666.66 X4 = 5000
X2 = 0 Z = 55000
Para el mtodo SIMPLEX se observa cada una de las tablas de modo de ir desde la SBF a una SOF
Segunda Iteracin
34
Tercera Iteracin
35