Programacin Lineal
Resolucin
Solucin
Disolucin
Qu es Investigacin de Operaciones?
Determinsticos
Toda la informacin necesaria para obtener una
solucin se conoce con certeza
Estocsticos
Parte de la informacin no se conoce con certeza
Defnase el problema
Recolctense los datos
Formulnse hiptesis
Pruebnse hiptesis
Evalense resultados
Obtnganse conclusiones
En Administracin
Defnase el problema
Recolctense los datos
Defnanse soluciones alternativas
Evalense soluciones alternativas
Seleccinese la mejor alternativa
Puesta en prctica
5
Qu se hace en la realidad?
Estar bien informado
Conocer todas las alternativas
Ser objetivo (ser optimizador econmico)
Muchas
soluciones
Definir el
problema
Establecer
los criterios
de solucin
Pocas
soluciones
Aumentar los
criterios
Buscar las
soluciones
Disminuir
criterios
Solucin
Satisfactoria
Consecuencia
Certidumbre
Deterministas
Riesgo
Probabilsticas
Incertidumbre
Desconocidas
Conflicto
11
12
Situacin: Inversin
Considere el problema enfrentado por Mark, graduado de la maestra de
administracin de empresas, quin recientemente obtuvo un puesto como
analista financiero en una compaa de Wall Street. Uno de los beneficios
adicionales es un plan de retiro en el que el empleado pone 5% de su ingreso
mensual. La compaa iguala esta cantidad. El dinero de este plan es entonces
invertido en dos fondos: un fondo de acciones y un fondo de bonos. El
Departamento de Beneficios le ha pedido a Mark que especifique la fraccin de
este dinero que habra que invertir en cada fondo. Mark ha analizado el
rendimiento anterior de estos fondos y se ha enterado de que el fondo de
acciones ha crecido a una tasa anual promedio de 10%, mientras que el fondo
de bonos, ha promediado una retribucin anual de 6%. Para diversificar su
cartera y para controlar el riesgo, no desea poner todos los huevos en una sola
canasta, ha identificado dos pautas:
1. Ninguno de los fondos debe tener ms del 75% de la inversin total.
2.La cantidad invertida en el fondo de acciones no debe exceder del doble
invertido en el fondo de bonos.
14
Variables de decisin:
S : Fraccin de capital por invertir en acciones
B : Fraccin de capital por invertir en bonos
Para el problema se desean escoger valores para que estas
variables:
1 Maximicen la retribucin anual esperada
2 Satisfagan todas las pautas de inversin
16
- Funcin Objetivo
El objetivo global de un problema de decisin
expresado en una forma matemtica en trminos de
los datos y de las variables de decisin:
Maximizar
0,1 S + 0,06 B
- Restricciones (limitaciones)
Es un lmite sobre los valores de las variables en un
modelo matemtico tpicamente impuestos por
condiciones externas.
17
S-2B0
0,1 S + 0,06 B
0,75
2B 0
S, B 0
19
Solver 1
20
21
0,1 S + 0,06 B
Sujeto a:
S
S
S
0,75
B 0,75
2B 0
B =1
S, B 0
22
(8,667%)
23
24
Matricialmente se tiene:
Vector de variables o
niveles de actividad
x1
x
2
xn
Vector de costos o
factor de ponderacin
c1
c2
... cn
26
Vector de variables o
niveles de actividad
Vector de variables o
niveles de actividad
a11
a
21
A ..
am1
a12
a22
..
am 2
..
a1n
.. a2 n
.. ..
.. amn
b1
b
2
bn
27
Entonces
Optimizar Z = CT X = [c1 c2 c3]
x1
x
2
xn
c x
j 1
sujeto a
AX
y
X0
28
Ejemplo 1:
Una mueblera produce dos tipos de productos, sillas y
mesas. Supngase que el beneficio marginal por cada
silla es de $8 y por cada mesa es de $10. Para la
produccin se dispone de 20 horas hombre (hh) y de 10
unidades de madera (um). Para la construccin de una
silla se requieren 8 hh y 2 um, y para la construccin de
una mesa se requieren 6 hh y 4 um. Cuntas sillas y
mesas se deben construir para obtener el mayor
beneficio?.
29
Recursos
Sillas Mesas
Disponibilidad de
recursos
20
R2: unidades de
madera
10
Beneficios
$8
$10
30
Formulacin del PL
Sea
X1 : N de sillas
X2 : N de mesas
Funcin Objetivo:
Max Z = 8X1 + 10X2
Sujeto a:
8X1 + 6X2 20
2X1 + 4X2 10
// hh
// um
X1 0 y X2 (no negatividad)
31
Ejemplo 2:
Dos productos se elaboran al pasar en forma sucesiva por tres
mquinas.
El tiempo por mquina asignado a los dos productos est limitado
a 10 horas por da
El tiempo de produccin y la ganancia por unidad de cada
producto son:
Producto
1
2
Ganancia $
2
3
Solucin:
1. Variables de decisin
X1 : Cantidad del producto 1
X2 : Cantidad del producto 2
2. Funcin Objetivo: Maximizar ganancia
MAX Z = 2 X1 + 3 X2
3. Restricciones
10 X1 + 5 X2 600
6 X1 + 20 X2 600
8 X1 + 15 X2 600
24 X1 + 40 X2 1800
X1 , X2 0
X1 , X2 0
33
Ejemplo 3:
RMC posee una pequea fbrica de pinturas para interiores y exteriores de
casa para su distribucin al mayoreo. Se utilizan dos materiales bsicos, A y B.
La disponibilidad mxima de A es de 6 toneladas diarias, la de B es de 8
toneladas por da. La necesidad diaria de materia prima por tonelada de
pintura para interiores y exteriores se resumen en la siguiente tabla:
Solucin:
1. Variables de decisin
X1 : Toneladas de pintura de exteriores producidas por da
X2 : Toneladas de pintura para interiores producidas por da
2. Funcin Objetivo: Maximizar ganancia
MAX Z = 3 X1 + 2 X2 miles de unidades monetarias
3. Restricciones
X1 + 2 X2 6
2 X1 +
X2 8
- X1 +
X2 1
X2 2
X1 , X2 0
35
Ejemplo 4:
Una empresa fabrica dos productos, A y B. En su elaboracin, cada
Producto A
4
2
Producto B
3
8
37
38
39
Ejemplo
PROTRAC produce dos lneas de equipo pesado. Una de estas
lneas de productos (llamada equipo para remocin de escombros)
se destina esencialmente a aplicaciones de construccin. La otra
lnea (llamada equipos forestales est destinada a la industria
maderera. El miembro ms grande de la lnea de equipos para
remover escombro (el E-9) y el miembro mayor de la lnea de
equipos forestales (el F-9) se producen en el mismo departamento y
con el mismo equipo. Haciendo uso de las predicciones econmicas
para el prximo mes, el gerente de mercadotecnia de PROTAC
juzga que durante ese periodo ser posible vender los E-9 y los F-9
que la empresa pueda producir. La administracin debe ahora
recomendar una meta de produccin para el prximo mes. Es decir,
cuntos E-9 y F-9 deben producirse?. En la toma de decisin, los
principales factores a considerar son los siguientes:
40
41
Modelo de PL
a) Variables de decisin:
b) Maximizar Z:
c) Sujeto a:
43
Grfica de PROTRAC
Zona factible
44
45
Solucin
ptima
46
Clculo de E y F
(Vrtice C: Resolver el sistema)
10E + 15F = 150
20E + 10F = 160
E = 4,5
F=7
y VO = 5.000(4,5) + 4.000(7)
22.500 + 28.000
VO = 50.500
47
Consumo: (horas)
Depto A:
Depto B:
49
A.1 Restricciones
Una restriccin del tipo () puede convertirse en
ecuacin mediante la suma de una variable de
holgura (restando una variable de exceso) al primer
miembro de la restriccin.
Ejemplo:
1) desigualdad: 3x1 + 12x2 20
igualdad 3x1 + 12x2 + x3 = 20 con
x3 0
x4 0
51
Ej.
3X1 + 2X2 -5
52
xi x x
'
i
''
i
x ,x 0
'
i
''
i
en
todas
las
53
Forma Estndar
Ejemplo:
Escriba el siguiente modelo de PL en la forma estndar:
MAX z = 2x1 + 3x2
sujeto a
x1 + x2 = 10
-2x1 + 3x2 -5
7x1 - 4x2 6
x1 irrestricta y
x2 0
54
Solucin
55
B. Soluciones Bsicas
En un PL con m ecuaciones y n incgnitas
Una solucin bsica asociada se determina haciendo n-m
variables iguales a cero y luego, resolviendo las m
ecuaciones con las restantes m incgnitas, siempre que la
solucin exista y sea nica
En la PL nos referimos a las n-m variables que se hacen
cero como variables no bsicas (externas), y a las m
variables restantes como variables bsicas (siempre que
exista una solucin nica).
Se dice que una solucin bsica es factible si todos los
valores de su solucin son no negativos
57
C1
C2
..
Cn
Variables Valores de
Bsicas
Solucin X1
X2
..
..
Xn Xn+1 Xn+2
..
Xn+m
Xn+1
b1
a11 a12
..
a1n
..
0
.
.
0
Xn+2
..
..
Xn+m
b2
..
..
bm
a21 a22
..
..
..
..
am1 am2
..
..
..
..
a2n
..
..
amn
0
..
..
0
1
..
..
0
..
..
..
..
0
..
..
1
Zj
Cj - Zj
XXX
59
Ejemplo:
Dado el siguiente PL encontrar su solucin
aplicando el mtodo Simplex
60
2 X1 + X2 + 0 X3 + X4 + 0 X5 + 0 X6 = 8
- X1 + X2 + 0 X3 + 0 X4 +
X5 + 0 X6 = 1
0 X1 + X2 + 0 X3 + 0 X4 + 0 X5 +
X6 = 2
61
Tabla Inicial
62
Mayor contribucin
63
Instrucciones
a) Cj- Zj El mayor para variable entrante
b) Se divide la columna solucin por los coeficientes de la columna
de la variable que entra y se elige el menor de los positivos
c) Como la variable que entra es solucin entonces la columna debe ser de ceros y un 1
i) Se divide la fila completa por el pivote (valor de la interseccin fila columna)
ii) Para convertir los otros coeficientes a cero se utiliza la fila resultante del punto anterior
se multiplica por algun coeficiente de tal forma que al sumarlo (restarlo) a la fila de inters
el coeficiente sea cero
-> Para la fila de X3 se multiplica por -1 y se suma
-> Para la fila de X5 slo hay que sumar
-> Para la fila de X6 ya es un cero
La nueva tabla es:
64
Nueva Tabla
65
Segunda Iteracin
66
Tabla resultante
X1 20
3)
X2 14
X1 0
68
Forma estndar:
Restricciones:
1) Ya es una igualdad:
2) Tiene variable de holgura:
5 x1 + 10x2 = 150
x1 +
x4 = 20
x6 = 14
Resumen:
5 x1 + 10x2
x1
= 150
+ x4
x2
= 20
- x6 = 14
Forma estndar:
En el ejemplo anterior (maximizacin) todas las
restricciones tenan variables de holgura las que se
consideraban como variables bsicas, pero no es as en
este caso, por lo tanto hay que que agregar variables
artificiales (X3 y X5) asociadas a un costo muy alto (M)
para asegurarse que al final sean variables externas y no
participen en la solucin, para las restricciones 1) y 3).
Estas variables artificiales participan en la funcin
objetivo multiplicadas por el coeficiente M.
70
Modelo Estndar(Aumentado)
MIN Z = 2 X1 + 8 X2 + M X3 + 0 X4 + M X5 + 0 X6
1)
2)
3)
5 X1 + 10 X2 + X3 + 0 X4 + 0 X5 + 0 X6 = 150
X1 + 0 X2 + 0 X3 + X4 + 0 X5 + 0 X6 = 20
0 X1 +
X2 + 0 X3 + 0 X4 + X5 + - X6 = 14
71
Tabla Inicial
Las variables bsicas son: X3, X4 y X5
Cj
Base
Solucin
X1
X2
X3
X4
X5
X6
X3
150
10
X4
20
X5
14
-1
Zj
Cj - Zj
XXX
72
Iteracin 1
Entra X2 y sale X5
Cj
Base
Solucin
X1
X2
X3
X4
X5
X6
X3
150
10
X4
20
X5
14
-1
164M
5M
11M
-M
XXX
2-5M
8-11M
Zj
Cj - Zj
73
Iteracin 2
Entra X6 y sale X3
Cj
Base
Solucin
X1
X2
X3
X4
X5
X6
X3
10
-10
10
X4
20
X2
14
-1
112+10M
5M
XXX
2-5M
Zj
Cj - Zj
-10M+8 10M-8
11M-8 -10M+8
74
Iteracin 3
Entra X1 y sale X6
Cj
Base
Solucin
X1
X2
X3
X4
X5
X6
X6
0,5
0,1
-1
X4
20
15
0,5
0,1
120
0,8
XXX
-2
M-0,8
X2
Zj
Cj - Zj
75
Situacin Final
Base
Solucin
X1
X2
X3
X4
X5
X6
X1
0,2
-2
X4
18
-0,2
-2
X2
14
-1
116
0,4
-4
XXX
M-0,4
M-4
Zj
Cj - Zj
1. 4 Anlisis de sensibilidad
Sensibilidad implica preguntarse qu sucedera s
A) Cambia un coeficiente del lado derecho de las
restricciones
B) Cambia uno de los coeficientes de la funcin objetivo
77
78
Ejemplo:
Recordando el problema de Protac.
A)
81
Trazado de la grfica
Caso a)
10 E + 15 F =151
82
83
Trazado de la grfica
Caso b )
10 E + 15 F =149
84
85
Trazado de la grfica
86
Diferencia de Z:
Departamento A (1 lado derecho)
a) Z = 50.500 y Z = 50.650
Z = 150
b) Z = 50.500 y Z = 50.350
Z = -150
Z = 175
Z = -175
88
Definicin:
Precio dual, valor marginal o precio sombra es
el cambio incremental en los beneficios por
cambio unitario en el trmino independiente de
una restriccin
89
90
92
Valor
ptimo
Decisin
X1
3 1/3
X2
1 1/3
12 2/3
93
Escasa
Materia Prima A
X4 = 0
Escasa
Materia Prima B
X5 = 3
X6 = 2/3
X1
X2
X3
X4
X5
X6
1/3
1 1/3
12 2/3
95
97
Cmo hacerlo?
A la restriccin inicial agregar D1 y resolver aplicando
simplex
El cambio slo afecta a la solucin (el segundo miembro),
considerando que las constantes del segundo miembro
nunca se utilizan de pivote.
98
Iteracin
Ecuacin
2 (ptima)
12
12 2/3 + 1/3 D1
6 + D1
2+ D1
4/3 + 2/3 D1
10/3-1/3 D1
3 - 1 D1
2/3 - 2/3 D1
99
100
X1 = 10/3 -1/3 D1 0
3)
X5 = 3 - D 1 0
4)
X6 = 2/3 -2/3 D1 0
101
Caso 1: D1 >0
1) Se satisface con cualquier valor
2) D1 10
3) D1 3
4) D1 1
En consecuencia D1 debe ser a lo ms 1
102
Caso 2: D1 < 0
2), 3) y 4) se satisfacen siempre
1) D1 -2
en este caso D1 -2
Resumen:
-2 D1 1
104
2. Cambio mximo
Utilidad/Costo marginal
en
la
relacin
105
A= 12 1/3 + 10/3 D1
B = 1/3 - 1/3 D1
C = 4/3 + 2/3 D1
108
de la primera D1 1
y de la segunda D1 -2
4/3 + 2/3 D1 0
-2 D1 1
Finalmente:
3-2 C1 3 + 1
1 C1 4
Intntelo para C2 !!!!!
109
110
Ejemplo:
Sea Z = 5X1 + 2X2
para las mismas restricciones del ejemplo en estudio.
La tabla resultante es:
111
X2 es ahora no bsica
El objetivo es cambiar su coeficiente C 2 = 2 a C2 + D2 y
luego encontrar el intervalo.
Al aplicar el nuevo coeficiente habr un cambio en el
coeficiente de 0,5 a 0,5 - D 2
En general, el cambio D del coeficiente objetivo original
de una variable no bsica conduce SIEMPRE al
decremento en la misma cantidad del coeficiente objetivo
en la tabla ptima.
La tabla permanecer ptima en tanto que 0,5 -D 2 0
esto es, D2 0,5
112
El intervalo es
-infinito D2 0,5 +2
-infinito D2 2,5
113
Ejemplo:
Resolver el siguiente PL empleando simplex y realizar
un anlisis de sensibilidad.
MAX Z = 3X1 + 2X2 +5X3
sa
X1 + 2X2 + X3 500
3X1
+ 2X3 460
X1 + 4X2
420
X1 ,X2 , X3 0
114
115
maximizar o minimizar
z cjxj
j 1
n
sujeto a
a x
j 1
ij
i = 1, 2, ....., m
j = 1, 2, ..., n
xj 0
Notar que las n variables xj, incluyen los excesos y las holguras.
El esquema se muestra en el siguiente diagrama:
117
Segundo
miembro de
restricciones
duales
Coeficientes
del primer
miembro de las
restricciones
duales
X1
Variables primales
X2
..
Xj
..
Xn
C1
C2
..
Cj
..
Cn
a11
a12
..
a1j
..
a1n
b1
y1
a21
a22
..
a2j
..
a2n
b2
y2
..
..
..
..
..
..
..
..
..
..
..
..
..
..
am1
am2
..
amj
..
amn
bm
j-sima
restriccin
dual
Variable
dual
ym
Funccin
objetivo del
dual
118
Dual
Funcin objetivo Restricciones
Minimizacin
Maximizacin
Variables
Irrestrictas
Irrestrictas
Ejemplo 1:
Primal
Maximizar
sujeto a
Z = 5 X1 + 12 X2 + 4 X3
X1 + 2 X2 + X3 10
2 X1 - X2 + 3 X3 = 8
X1, X2, X3 0
Primal estndar
Maximizar Z = 5 X1 + 12 X2 + 4 X3 + 0 X4
sujeto a
X1 + 2 X2 + X3 + X4 = 10
2 X1 - X2 + 3 X3 +0 X4 = 8
X1, X2, X3 0
121
Dual
Minimizar
w = 10 y1 + 8 y2
y1 + 2 y2 5
2 y1 - y2 12
y1 + 3 y2 4
y1 + 0 y2 0
y1, y2 irrestricta
y1 es irrestricta, pero adems est dominada por y1 0, la restriccin
dual asociada con X4, entonces al eliminar la redundancia el modelo es:
sujeto a X1:
X2:
X3:
X4:
Dual
Final
Minimizar
w = 10 y1 + 8 y2
sujeto a:
y1 + 2 y 2 5
2 y1 - y2 12
y1 + 3 y 2 4
y1 0, y2 irrestricta
122
Unidad 2
Programacin Lineal
Aplicaciones
123
125
Unidades de oferta
C11, X11
s1
d1
s2
d2
sm
dn
donde
Cmn, Xmn
Unidades de demanda
126
minimizar
Z cij xij
i 1 j 1
sa
x
j 1
ij
x
i 1
ij
si
i=1,2,...,m
dj
j=1,2,...,n
xij o
para toda i y j
x
j 1
ij
x
i 1
ij
Si
i=1, 2, 3,....,m
Dj
j=1, 2, 3,....,n
xij 0
para toda i y j
128
129
Ejemplo:
RPG tiene cuatro plantas ensambladoras en Europa. Estn
ubicadas en Leipzig, Alemania (1);Nancy, Francia (2); Lieja,
Blgica (3), y Tilburgo, Holanda (4). Las mquinas
ensambladoras usadas en estas plantas se producen en Estados
Unidos y se embarcan a Europa. Llegaron a los puertos de
Amsterdan (1), Amberes (2) y El Havre (3).
Los planes de produccin del tercer trimestre (julio a
septiembre) ya han sido formulados. Los requerimientos (la
demanda en destinos) de motores diesel E-4 son los
siguientes:
Planta
Cantidad de Motores
(1) Leipzig
400
(2) Nancy
900
(3) Lieja
200
(4) Tilburgo
500
Total
2000
La cantidad disponible de mquinas E-4 en los puertos(oferta en
orgenes) son:
Puerto
Cantidad de Motores
(1) Amsterdan
500
(2) Amberes
700
(3) El Hevre
800
Total
2000
12
13
10
11
10
12
132
1. Variables de decisin
Xij = nmero de motores enviados del puerto i a la planta j
i = 1, 2, 3
j = 1, 2, 3, 4
2. Funcin Objetivo
Minimizar Z = 12 X11 + 13 X12 + 4X13 + 6X14 + 6X21 + 4X22 +
10X23 + 11X24 + 10X31 + 9X32 + 12X34 + 4X14
133
3. Restricciones:
1) Oferta: La cantidad de elementos enviados no puede exceder la
cantidad disponible
X11 + X12 + X13 + X14 500
X21 + X22 + X23 + X24
700
800
Algoritmos Especficos
2.1.1 Regla de la esquina noroeste (MEN)
2.1.2 Mtodo por aproximacin de Vogel (MAV)
2.1.3 Mtodo del costo mnimo (MCM)
2.1.4 Mtodo del paso secuencial y
2.1.5 DIMO (mtodo de distribucin modificada)
136
138
Tabla Inicial
Origen
1
1
C11
Destinos
2
3
C12
C13
4
C14
....
n
C1n
C21
C22
C23
C24
....
C2n
C31
C32
C33
C34
....
C3n
...
....
.....
....
....
....
Cm1
Cm2
Cm3
Cm4
....
Cmn
Ofertas
Demanda
139
2
12
3
13
4
4
Oferta
6
500
10
11
700
3
Demanda
10
400
9
900
12
200
4
500
800
2000
140
Primera asignacin
Plantas
Puertos
1
2
12
3
13
4
4
Oferta
6
400
2
100
6
10
500
11
700
3
Demanda
10
0 400
9
900
12
200
4
500
800
2000
142
2
12
400
2
3
13
4
4
Oferta
6
100
6
10
Demanda
10
100
0 400
0 900
12
200
500
700
700
800
2000
11
700
3
100
4
500
143
2
12
400
2
3
13
4
4
Oferta
6
100
6
10
Demanda
10
12
500
700
800
2000
11
700
3
100
100
200
500
0 400
0 900
200
500
147
2
12
3
13
Oferta
Penalidades
2
6
500
10
11
2
700
3
Demanda
Penalidades
10
12
400
900
200
500
5
800
2000
2
12
3
13
4
4
Oferta
6
200
2
300
10
500
11
700
3
Demanda
10
400
9
900
12
0 200
4
500
800
2000
149
2
12
3
13
4
4
Oferta
6
200
2
300
10
500
11
700
3
Demanda
10
400
9
900
12
0 200
4
500
800
2000
150
2
12
3
13
4
4
Oferta
6
200
2
300
10
Penalidades
6
500
11
2
700
3
Demanda
Penalidades
10
400
900
12
0 200
4
500
5
800
2000
151
2
12
3
13
4
4
200
2
Oferta
6
300
10
300
500
700
11
700
3
10
400
Demanda
9
200
400
900
12
200
600 800
0 200 200 500
2000
Es solucin factible? m + n - 1 = 6? SI
Costo: 200*4+300*6+700*4+400*10+200*9+200*4 = $12.000
152
Fundamento
Asignar la mayor cantidad de unidades a una ruta
disponible de costo mnimo
Algoritmo
1. Dada una tabla de transporte
2. Asignar la mayor cantidad de unidades a la variable
(ruta) con el menor costo unitario de toda la tabla.
3. Tachar la fila o columna satisfecha.
4. Ajustar oferta y demanda de todas las filas y columnas
5. Si hay ms de una fila o columna no tachada repetir
los puntos 2, 3 y 4
153
2
12
3
13
4
4
Oferta
6
500
10
11
700
10
Demanda
Paso 2
400
9
900
12
200
4
500
800
2000
2
12
3
13
4
4
Oferta
6
200
300
10
500
11
700
10
Demanda
400
9
900
12
0 200
4
500
800
2000
Paso 4
Paso 5
155
2
12
3
13
4
4
Oferta
6
200
300
10
500
11
700
10
12
4
500
Demanda
Paso 5
400
900
0 200
0 500
300
800
2000
156
2
12
3
13
4
4
Oferta
6
200
10
10
12
Paso 5
0 200
700
4
500
Demanda
500
700
300
0 500
300
800
2000
157
2
12
3
13
4
4
Oferta
6
200
10
10
12
200
Demanda
Paso 5
700
4 100
500
0 200
500
700
300
0 500
300
800
2000
158
2
12
3
13
4
4
Oferta
6
200
10
10
Demanda
Paso 5
100
200
300 400
200 900
12
700
4 100
500
0 200
500
700
300
0 500
300
800
2000
159
2
12
3
13
300
4
4
Oferta
6 0
200
10
10
Demanda
Paso 5
100
200
300 400
200 900
500
700
700
300
12
4 100
500
0 200
0 500
300
800
2000
160
Es solucin factible? m + n - 1 = 6? SI
Costo: 300*12+200*4+700*4+100*10+200*9+500*4 = $12.000
Comparacin de los resultados
Mtodo
MEN
MAV
MCM
Rutas
6
6
6
Costo
$14.200
$12.000
$12.000
Conclusin
Los tres mtodos entregan soluciones bsicas factibles,
pero ninguno asegura que la solucin sea ptima.
161
Fundamento
Este mtodo comienza con una solucin inicial factible.
En cada paso se intenta enviar artculos por una ruta que
no se haya usado en la solucin factible actual, en tanto
se elimina una ruta usada actualmente.
En cada cambio de ruta debe cumplirse que:
1. La solucin siga siendo factible y
2. Que mejore el valor de la funcin objetivo
El procedimiento termina cuando no hay cambio de rutas
que mejoren el valor de la funcin.
162
1
2
3
4
Paso 1
Algoritmo
Plantas
Puertos
1
2
12
400
2
3
13
4
4
Oferta
6
100
6
10
Demanda
10
12
500
700
800
2000
11
700
3
100
100
200
500
0 400
0 900
200
500
165
2
12
400
2
100
6
3
13
4
4
4
+
10
Oferta
6
Demanda
10
500
700
800
2000
11
700
3
100
12
4
100 + 200 - 500
0 400
0 900
0 200
0 500
Trayectoria 1: +C13-C12+C32-C33
166
2
12
400
100
3
13
4
4
4
+
10
Oferta
6
Demanda
10
500
700
800
2000
11
700
3
100
12
4
100 + 200 - 500
0 400
0 900
0 200
0 500
2: +(6)-(13)+(9)-(4) = -2
3: +(6)-(4)+(13)-(12)=
4: +(10)-(4)+(9)-(12) = 3
5: +(11)-(4)+(9)-(4) = 12
6: +(10)-(9)+(13)-(12)= 2
167
1: +(4)-(13)+(9)-(12)= -12
2: +(6)-(13)+(9)-(4) = -2
3: +(6)-(4)+(13)-(12)=
4: +(10)-(4)+(9)-(12) = 3
5: +(11)-(4)+(9)-(4) = 2
6: +(10)-(9)+(13)-(12)= 2
168
Accin
Ruta
Aumentar 1 unidad
1_3
Disminuir 1 unidad
1_2
Aumentar 1 unidad
3_2
Disminuir 1 unidad
3_3
Unidades disponibles en
celdas decrecientes
100
200
169
2
12
13
- 100
4
400
2
4
4
+
10
Oferta
6
Demanda
10
500
700
800
2000
11
700
3
100
12
4
200 + 100 - 500
0 400
0 900
0 200
0 500
Costo: $13.000
170
2
12
3
13
400
2
4
4
Oferta
6
100
6
10
Demanda
10
12
500
700
800
2000
11
700
3
100
200
100
500
0 400
0 900
0 200
0 500
171
2
12
3
13
+12 100
4
Oferta
6
400
+10 100 500
6
10
11
-9 700
+3
+12
0 700
10
9
12
4
-10 200
100
500
0 800
0 400
0 900
0 200
0 500
2000
Accin
Ruta
Aumentar 1 unidad
31
Disminuir 1 unidad
33
Aumentar 1 nidad
13
Disminuir 1 unidad
11
Unidades disponibles en
celdas decrecientes
100
400
173
2
12
3
13
300
2
4
4
Oferta
6
200
6
10
Demanda
10
100
200
0 400
0 900
12
500
700
800
2000
11
700
3
100
500
0 200
0 500
Costo: $12.000
174
2
12
3
13
300
2
4
4
Oferta
6
200
6
10
Demanda
10
100
200
0 400
0 900
12
500
700
800
2000
11
700
3
100
500
0 200
0 500
175
1
12
300
2
3
Demanda
3
13
+2 200
4
6
+1 700
10
9
100
200
0 400
0 900
Oferta
6
0 100 500
10
11
+13
+12
0 700
12
4
+10 500
0 800
0 200
0 500
2000
178
vj
Plantas
Puertos
1
2
12
400
13
Oferta
100
ui
10
Demanda
10
12
200
200
100
0 400
0 900
Costo por
Ruta en uso motor ($)
11
12
500
700
11
700
3
100
4
500 700 800
500
2000
Ecuacin
u1 + v1 = 12
12
13
u1 + v2 = 13
22
u2 + v2 = 4
32
u3 + v2 = 9
33
12
34
u3 + v3 = 12
u3 + v4 = 4
179
v1 = 12
v2 = 13
u2 = - 9
u3 = -4
v3 = 16 v4 = 8
Paso 1.b) Calcular los costos marginales para cada celda no usada.
eij = cij - (ui + vj)
180
= -2
181
1
12
400
2
3
Demanda
3
13
100
6
4
2 700
10
9
2 100
0 400
0 900
4
4
-12
10
3
12
200
200
Oferta
6
-2 100 500
11
12 0 700
4
500 700 800
500
2000
100
200
Plantas
Puertos
1
2
12
3
13
400
2
4
4
100
10
700
3
Demanda
10
200
0 400
0 900
12
100
200
Oferta
6
100
500
700
11
4
500 700 800
500
2000
183
Ecuacin
u1 + v1 = 12
u1 + v3 = 4
u2 + v2 = 4
u3 + v2 = 9
u3 + v3 = 12
u3 + v4 = 4
v2 = 1 v3 = 4 v4 = -4 u2 = 3 u3 = 8
= 10
= 12
185
1
400
2
12
3
13 +
19
4
6
0 700
3
+
10
9 -1 200
Demanda
0 400
0 900
4
4
100
10
3
12
100
200
Oferta
6
1 100 500
11
12 0 700
4
500 700 800
500
2000
400
100
Plantas
Puertos
1
2
12
3
13
300
2
4
4
200
10
700
3
10
12
100
200
Demanda
0 400
0 900
200
Oferta
6
100
500
700
11
4
500 700 800
500
2000
187
Ecuacin
u1 + v1 = 12
u1 + v3 = 4
u2 + v2 = 4
u3 + v1 = 10
u3 + v2 = 9
u3 + v4 = 4
v2 = 11 v3 = 4 v4 = 6 u2 = - 7
u3 = -2
= 0
189
1
12
300
3
13
0
4
6
1 700
3
10
9
100
200
Demanda
0 400
0 900
4
4
200
10
13
12
10
200
Oferta
6
0 100 500
11
12 0 700
4
500 700 800
500
2000
190
191
1
Fuentes
1
2
3
Tabla de costo
14
19
12
17
19
15
16
20
11
Destinos
2
1
Fuentes
1
2
3
Mayor = 20
193
194
195
Ejercicios
1 Suponer que se tienen tres fbricas M1, M2 y M3 que producen
39, 48 y 33 toneladas respectivamente, de un cierto producto
que debe llevarse a cuatro destinos, D1, D2, D3 y D4, los cuales
requieren 40, 37, 18 y 25 toneladas.
Los costos estn dados por la siguiente tabla:
D1
D2
D3
D4
M1
M2
M3
197
2 Planificacin de la produccin:
Descripcin
Los trabajos representan las fuentes y las mquinas los
destinos
La oferta disponible en cada fuente es 1 como tambin lo
es la demanda en cada destino.
Descripcin
En el caso que un trabajo no deba ser asignado
(porque no cumple con los requisitos) a una mquina
(actividad) en particular, este costo debe tener un
valor alto (M)
En el caso de existir desequilibrio, esto es, ms
trabajos que mquinas o ms mquinas que trabajos,
hay que equilibrar con mquinas o trabajos figurados
(ficticios), logrando de esta forma que m = n
201
Mquina
1
Trabajo
..
C11
C12
..
C1n
C21
C22
..
C2n
..
..
..
..
..
..
Cn1
Cn2
..
Cnn
..
202
minimizar z =
i 1 j 1
sujeto a
ij
1 i=1,2, ...,n
ij
j 1
x
i 1
ij ij
j=1,2,..n
xij = 0 bien 1
203
Ejemplo:
La gerencia general de RPG (ejemplo de transporte) con sede
en Bruselas, este ao, como parte de su auditora anual, decidi
que cada uno de sus cuatro vicepresidentes visite e inspeccione
cada una de sus plantas de ensamblaje durante las primeras dos
semanas de junio. Las plantas estn ubicadas en Leipzig
(Alemania), Nancy (Francia, Lieja (Blgica) y Tilburgo
(Holanda).
Para decidir a que vicepresidente enviar a una planta
determinada, se asignaron puntos (costos) a cada uno de ellos
de acuerdo a su experiencia, habilidades lengusticas, tiempo
que durar la inspeccin y otros. Estos datos se muestran en la
siguiente tabla:
204
Ejemplo
PLANTA
Leipzig (1) Nancy(2) Lieja (3) Tilburgo(4)
Finanzas (F) (1)
24
10
21
11
Mercadotecnia(M) (2)
14
22
10
15
Operaciones (O) (3)
15
17
20
19
Personal(P) (4)
11
19
14
13
Plantear el modelo de PL
205
Ejemplo: Modelo de PL
MIN Z = 24 X11 + 10 X12 + ... + 14 X43 + 13 X44
sujeto a:
a) Oferta
b) Demanda
c) No negatividad
206
Mtodos de Solucin
Existen varias formas de obtener la solucin:
a) Listar todas las alternativas posibles con sus costos y seleccionar
la de menor costo (algoritmo exhaustivo)
b) Mtodo Hngaro: mtodo iterativo
a) Listar todas las alternativas:
Cuntas alternativas posibles existen?
- El primer trabajo se puede asignar de n formas formas posibles
- El segundo de n-1 formas
- El ltimo slo de 1 forma
En total existen n! formas de hacer la asignacin completa
207
Mtodo Hngaro:
Paso 0: Construir la matriz de asignacin
Para obtener la solucin ptima cada nueva matriz de asignacin
debe satisfacer:
Propiedad 1: Todos los nmeros son no negativos
Propiedad 2: Cada fila y cada columna tiene al menos una celda con
un valor cero
Paso 1:
a) Reduccin de filas: Restar el costo menor de cada fila a la fila
correspondiente y/o
b) Reduccin de columnas: Restar el costo menor de cada columna
a la columna correspondiente
Con esto se crea una nueva matriz con las propiedades 1 y 2
208
Mtodo Hngaro:
Paso 2: Determinar si la matriz es reducida (Prueba de Optimalidad).
Trazar el menor nmero de lneas rectas sobre las filas y columnas
para cubrir todos los ceros.
Si el nmero de rectas es igual al nmero de filas o columnas se dice
que esta matriz es reducida.
Si la matriz no es reducida pasar al paso 3, sino pasar al paso 4
209
Mtodo Hngaro:
Paso 3: Movimiento
De todas las celdas no cruzadas identifique una con el menor
valor y haga lo siguiente:
a) Restar el valor a cada celda no cruzada
b) Sumar el valor a cada celda de interseccin de rectas
Volver al paso 2
210
Mtodo Hngaro:
Paso 4: Solucin ptima (Asignacin)
Primero se asigna a las que tengan slo una alternativa, se van
marcando y as sucesivamente
Determinar el costo: Se suman todos los costos
correspondientes a las asignaciones (o sumar todos los pi y qj).
Qu valor se obtiene al sumar todos los valores que se restaron
en las reducciones de filas y columnas?
211
F
M
O
P
qj
1
24
14
15
11
2
10
22
17
19
3
21
10
20
14
4
11
15
19
13
pi
F
M
O
P
qj
F
M
O
P
qj
1
14
4
0
0
2
0
12
2
8
3
11
0
5
3
4
1
5
4
2
1
pi
10
10
15
11
1
14
4
0
0
2
0
12
2
8
3
11
0
5
3
4
0
4
3
1
1
pi
10
10
15
11
Filas
Columnas
213
F
M
O
P
qj
1
14
4
0
0
2
0
12
2
8
3
11
0
5
3
4
0
4
3
1
1
pi
10
10
15
11
F
M
O
P
qj
F
M
O
P
qj
1
14
4
0
0
2
0
12
2
8
3
11
0
5
3
4
0
4
3
1
1
pi
10
10
15
11
1
15
4
0
0
2
0
11
1
7
3
12
0
5
3
4
0
3
2
0
1+1
pi
10
10
15
11
Volver al paso 2 !!
215
Iteracin paso 2:
F
M
O
P
qj
1
15
4
0
0
2
0
11
1
7
3
12
0
5
3
4
0
3
2
0
1+1
pi
10
10
15
11
Se tachan todos los ceros con cuatro rectas, por tanto es ptima
Ir al paso 4 !!
216
Paso 4: Asignacin
F
M
O
P
qj
1
15
4
0
0
2
0
11
1
7
3
12
0
5
3
4
0
3
2
0
1+1
pi
10
10
15
11
=10 + 10 + 15 + 11 + 1 + 1 = 48
Ver Asignacin RPG
217
219
220
Contribucin del
Vendedor\a
A
B
C
D
Territorio
1
$
40
$
18
$
12
$
25
Territorio
2
$
30
$
28
$
16
$
24
Territorio
3
$
20
$
22
$
20
$
27
222
223
225
Consideraciones:
Los pasos del algoritmo son anlogos a los del algoritmo de
pasos sucesivos (escaln).
Tanto los nodos origen como los destinos pueden ser a su vez
nodos de transbordo.
Al igual que el modelo de transporte, puede haber desequilibrio,
en ese caso se agregan fuentes o destinos ficticios con costo cero.
El numero total del sistema est dado por el total de la oferta o de
la demanda.
A cada nodo de transbordo se asigna un suministro (demanda)
igual a su suministro (demanda) original (cero, si no coincide
originalmente con un destino) ms el total de unidades del
sistema. Esto permite que todas las unidades puedan pasar por un
empalme dado.
226
Ejemplo 1:
Determnese un programa de embarque que cubra todas las
demandas a un costo mnimo total para los datos
correspondientes al siguiente grafo (costo en $).
1
+95
2
+70
+15
5
4
3
7
4
-30
-30
6
-45
227
Solucin
228
Destinos
5
Oferta
95
1
3
1000
1000
Orgenes
70
2
1000
1000
195
0
4
Demanda
180
1000
180
0
210
1000
30
2
45
0
75
229
3
20
4
3
Orgenes
1000
F
75
1000
Oferta
95
0
70
90
7
30
0
4
Demanda
70
2
Destinos
5
1000
30
1000
45
4
195
4
180
1000
180
180
0
210
1000
30
2
45
0
75
Costo = 20*3+75*0+70*2+90*0+30*3+30*4+45*4+180*0=$590
230
Ejemplo 2:
Una corporacin necesita transportar 70 unidades de un producto, del sitio 1 a
los sitios 2 y 3 en cantidades de 45 y 25 unidades, respectivamente. Las tarifas
cij (en miles de pesos por unidad) de carga area entre los sitios comunicados
por carguero se dan en la tabla, en la cual las lneas punteadas indica que no hay
servicio disponible. Determnese un programa de embarque que asigne el
nmero requerido de artculos a cada destino, a un costo mnimo de transporte.
Ningn embarque requiere de vuelo directo, se permiten los envos empleando
puntos intermedios.
1
2
3
4
....
38
56
34
38
...
27
...
56
27
...
19
34
...
19
...
231
Ejemplo 3:
8
Nodos de transbordo
100
2
4
200
80
10
70
8
7
7
5
4
150
120
5
6
11
110
232
233
234
237
238
239
240
4
1
1
2
3
4
1
1
1
241
242
1
15
2
12
20
3
5
1
1
10
15
2
3
4
12
20
5
243
A[i,j] = A[j,i]
C[i,j] = C[j,i]
244
Ejemplo Introductorio
Seymour Miles es el gerente de distribucin de Zigwell. Zigwell
distribuye sus motores oruga en cinco estados del medio oeste. Por lo
regular, Seymour Miles tiene 10 aparatos E-9 in situ en lo que
designaremos como local 1. Estos tractores deben ser enviados a los
dos locales de construccin ms importantes designados como 3 y 4.
Se necesitan tres E-9 en el local 3 y siete en el local 4. Debido a
itinerarios arreglados con anterioridad, relativos a la disponibilidad
de conductores, los tractores solo pueden ser distribuidos de acuerdo
con las rutas alternativas que se muestran en el grafo de la figura.
La figura tiene un nmero +10 en el nodo 1, esto significa que hay 10
aparatos E-9 disponibles (oferta). Los indicadores -3 y -7 asociados a
los locales 3 y 4, respectivamente, denotan los requerimientos
(demandas) de stos.
245
-3
3
c23
+10
1
c12
u12
u23
c24
u24
c25
u25
c53
u53
c54 c54
5
248
b) Funcin Objetivo
MIN Z
=C12X12+C23X23+C24X24+C25X25+C34X34+C43X43+C53X53+C54X54
c) Restricciones
sa
+ X12
= 10
- X12+X23+X24+X25
-X23
= 0
-X43 -X53 +X34
-X24
-X25
+X43
+X53
= -3
-X34 -X54 = -7
Balance
de
flujo
+X54 = 0
LD
+1
10
-1
+1
+1
+1
-1
-1
-1
+1
-3
-1
+1
-1
-1
-7
-1
+1
+1
250
s.a.
c
x
ij
ij
ij
x jk k xkj L j , j 1,2,...., n
Costo Unitario
Sitio 1
de\a
Sitio 1
Sitio 2
Sitio 3
Sitio 4
Sitio 5
10
4
Sitio 2
3
2
4
3
Sitio 3
Sitio 4
Sitio 5
$45
$50
$60
$20
$100
$85
$10
$55
252
253
254
256
8
H
1
4
1
6
5
2
257
7
8
H
7
4
(5,1)
1
3
4
(6,3)
1
2
(9,4)
5
2
(6,3)
1:Ver ejemplo 1 Ruta mas corta
1
(4,H)
(9,7)
(8,2)
258
E
10
2
7
B
8
10
3
7
4
C
3
259
260
agregar w a S
Para cada vrtice v en V-S Hacer
SI ((Dw+Cwv)<Dv)
//Pv = w
Dv = Dw+Cwv
8) //Dv=mnimo(Dv,Dw+Cwv)
FIN
261
100
10
5
30
60
10
50
3
20
262
V = {1, 2, 3, 4, 5}
1)
S = {1}
2)
3)
D2 = 10,
Iteracin
Inicial
S
{1}
w
--
D2
10
D3
inf
D4
30
D5
100
4) Iterar 4 veces
5) Seleccionar nodo con distancia ms corta de V-S,
En el ejemplo es el nodo 2
263
(V-S = {3,4,5})
D3=mnimo(D3,D2+C23) =mnimo(inf,10+50) = 60
D4=mnimo(D4,D2+C24) =mnimo(30,10+inf) = 30
D5=mnimo(D5,D2+C25) =mnimo(100,10+inf) = 100
Iteracin
Inicial
1
S
{1}
{1,2}
w
-2
D2
10
10
D3
inf
60
D4
30
30
D5
100
100
264
w=4
6)
S = {1,2,4}
7) Iterar |V-S|
V-S = {3,5}
D3=mnimo(D3,D4+C43) =mnimo(60,30+20) = 50
D5=mnimo(D5,D4+C45) =mnimo(100,30+60) = 90
Iteracin
Inicial
1
2
S
{1}
{1,2}
{1,2,4}
w
-2
4
D2
10
10
10
D3
inf
60
50
D4
30
30
30
D5
100
100
90
265
w=3
6)
S = {1,2,4,3}
7) Iterar |V-S|
(V-S = {5})
D5=mnimo(D5,D3+C35) =mnimo(90,50+10) = 60
Iteracin
Inicial
1
2
3
S
{1}
{1,2}
{1,2,4}
{1,2,4,3}
w
-2
4
3
D2
10
10
10
10
D3
inf
60
50
50
D4
30
30
30
30
D5
100
100
90
60
266
w=5
6)
S = {1,2,4,3,5}
7) Iterar |V-S|
(V-S = {})
Tabla Final
Iteracin
S
Inicial
{1}
1
{1,2}
2
{1,2,4}
3
{1,2,4,3}
4
{1,2,4,3,5}
w
-2
4
3
5
D2
10
10
10
10
10
D3
inf
60
50
50
50
D4
30
30
30
30
30
D5
100
100
90
60
60
267
Cul es el camino?
Para conocer el camino hay que incluir otra matriz P de
vrtices, tal que Pv contenga el vrtice inmediato anterior a v
en el camino ms corto.
Se asigna a Pv valor inicial 1 para todo v 1
La matriz P se actualiza despus de la lnea 8.
Si Dw + Cwv < Dv en la lnea 8, despus se hace Pv = w
Al trmino de la corrida del algoritmo, el camino a cada
vrtice puede encontrarse regresando por los vrtices
predecesores de la matriz P
268
Cul es el camino?
Para el ejemplo, la matriz P debe tener los valores
P2 =1,
P3 = 4,
P4 = 1,
P5 = 3
269
Algoritmo de Floyd
k-1
Aik + k-1Akj
271
k-1
ik
A
-1
i
k-1
Aij
272
Desde i = 1 Has ta N
Aii = 0
6)
7)
8)
9)
Desde k = 1 Hasta N
Desde i = 1 Hasta N
Desde j = 1 Hasta N
SI (Aik + Akj < Aij)
10)
11) FIN
274
Desde i = 1 Has ta N
Aii = 0
6)
7)
8)
9)
10)
10)
Desde k = 1 Hasta N
Desde i = 1 Hasta N
Desde j = 1 Hasta N
SI (Aik + Akj < Aij)
Aij Aik + Akj
Pij k
11) FIN
275
3
5
276
Solucin:
Tabla Inicial
Nodos
1
2
3
1
0
3
inf
2
8
0
2
3
5
inf
0
Aij
277
Solucin:
Nodos
1
2
3
1
0
3
inf
2
8
0
2
3
5
8
0
Aij
278
Solucin:
Nodos
1
2
3
1
0
3
5
2
8
0
2
3
5
8
0
Aij
279
Solucin:
Nodos
1
2
3
1
0
3
5
2
7
0
2
3
5
8
0
Aij
280
Definicin 2
281
Nota:
282
8
H
1
4
1
6
5
2
283
Solucin :
1
2
6
4
1
1
4
1
5
2
2
284
Algoritmo tabular
Paso
Accin
Nodo H
H
1
4
2
3
4
7
5
6
7
8
1
4
6
1
1
1
4
7
7
8
3
3
2
1
1
2
3
3
3
2
1
1
286
a)
b)
*
*
Nodo H
H
1
4
2
3
4
7
5
6
7
8
1
4
6
1
1
1
4
7
7
8
3
3
2
1
1
2
3
3
3
2
1
1
287
*
*
*
Nodo H
H
1
4
2
3
4
7
5
6
7
8
1
4
6
1
1
1
4
7
7
8
3
3
2
1
1
2
3
3
3
2
1
1
288
*
*
*
*
*
*
*
*
Nodo
H
1
2
3
4
5
6
7
1
4
4
6
1
1
1
7
8
3
3
2
1
1
2
4
7
3
3
3
2
1
1
289
1
2
6
4
1
1
4
1
5
2
2
290
291
Descripcin
x x
ij
ji
si i = n
0 en otro caso
0 xij uij, para todos (i,j) de la red
xij : flujo por unidad de tiempo por el arco (i,j)
uij : capacidad del arco (i,j)
f : flujo total a travs de la red
292
Descripcin
293
Algoritmo
2
4
1
6
3
3
294
Algoritmo
2
0
6
0
1
3
6
0
0
4
2
5
0
Consideremos un camino desde el nodo 1 al nodo 6
Ejemplo: 1-2-5-6
295
296
(2
3
(1
297
Algoritmo
Inicial
2
0
6
0
1
3
6
0
0
4
2
5
299
0
2
2
0
6
0
1
4
6
0
2
0
4
2
1
5
2
0
0
2
300
4
0
6
2
0
4
4
0
2
6
2
2
6
1
3
4
2
4
0
0
1
5
2
0
0
2
301
6
2
4
0
8
6
2
0
4
6
4
0
0
2
6
2
2 0
0
2
6
1
4
1 3
42
0
4
2
6
4
0
0
1
5
2
0
0
2
302
8
6
2
0 5
Final
2 5
303
4
8
6
6
1
4
2
3
304
Unidad 3
Administracin de Proyectos
PERT y CPM
305
308
Ejemplo:
309
1
C
B
3
4
C
311
5
E
H
A
4
J
8
C
I
3
312
5
E
H
4
Fic
J
9
C
I
3
Red Final
313
314
5
E (8)
(3)
H (2)
4
F (2)
6
G (4)
7
Fic
J (3)
9
(3)
I (5)
(5)
3
315
316
cuando
Regla
1. Para calcular el TI de una tarea se debe conocer los TT de cada
tarea predecesora inmediata
2. El TI ms inmediato de una tarea de la que se conocen los
tiempos de trmino ms breves de todas sus tareas
predecesoras inmediatas es el mximo de todos esos tiempos
de trmino ms breves.
3. Tiempo de trmino ms breve = (tiempo de inicio ms
inmediato) + (tiempo de tarea(t))
317
318
319
Clculo de TI y TT:
D[8,12]
3]
0]
,2
12
E[
A[
0,
H[10,12]
F[8,10]
6
G[10
,14]
J[20
,23]
Fic
8
5]
0,
B[
C[5,8]
0]
1
,
5
[
I
320
UTI = UTT- t
322
Iteracin 2
Nodo 9 Actividad J
UTT = 23
UTI = 23-3 = 20
Actividad I
UTT = 23
UTI = 23-5 = 18
Nodo 7 Actividad E
UTT = 20
UTI = 20-8 = 12
Actividad H
UTT = 20
UTI = 20-2 = 18
Actividad ficticia
UTT = 20
UTI = 20-0 = 20
324
[1
2
3]
[ 5,
8]
A[
0,
F[8,10]
5]
0,
B[
]
,5
[0
C[5,8]
[5,8]
]
[14,16
0]
,2
12
E[
,2
0
H[10,12]
6 G [18,20
[10,1
4]
[1 6 ,
2
0]
Fic
8
J[20
,23]
[20
,2
3]
]
0
1
,
5
I[
]
[ 18 ,
23
3
325
Actividad
A
B
C
D
E
F
G
H
I
J
Tiempo
3
5
3
4
8
2
4
2
5
3
Inicio
0
0
5
8
12
8
10
10
5
20
Trmino
3
5
8
12
20
10
14
12
10
23
Inicio
5
0
5
8
12
14
16
18
18
20
Trmino Holgura
8
5
5
0
8
0
12
0
20
0
16
6
20
6
20
8
23
13
23
0
Nodos
1-3-2-5-7-9
Actividades
B-C-D-E-J
328
330
332
2
A(3)
F (2)
4
5
H(2)
G(4)
K(3)
7
8
E (8)
J (3)
Fic
C (3)
I (5)
(5)
3
333
Actividad
A
B
C
D
E
F
G
H
I
J
K
Tiempo
3
5
3
4
8
2
4
2
5
3
3
Inicio
0
0
5
8
12
8
10
10
5
14
10
Trmino
3
5
8
12
20
10
14
12
10
17
13
Inicio
5
0
5
8
12
11
13
18
15
17
14
Trmino Holgura
8
5
5
0
8
0
12
0
20
0
13
3
17
3
20
8
20
10
20
3
17
4
335
336
Distribucin beta
4
a
7 8
m
16
b
te
a 4m b
6
ba
6
338
Estimacin de tiempo
Actividad
A
B
C
D
E
F
G
H
I
J
K
a
1,0
3,0
2,0
2,0
4,0
1,0
2,5
1,0
4,0
1,5
1,0
m
3,0
4,5
3,0
4,0
7,0
1,5
3,5
2,0
5,0
3,0
3,0
b
5,0
9,0
4,0
6,0
16,0
5,0
7,5
3,0
6,0
4,5
5,0
te
3,0
5,0
3,0
4,0
8,0
2,0
4,0
2,0
5,0
3,0
3,0
339
actividad
son
variables
aleatorias
T ...
i
i :
T:
2
1
2
2
Desviacin
estndar
de
actividad de la ruta crtica
i-sima
342
2
n
x
Z
343
Ruta crtica: B- C- D y E
T = 20 (tiempo esperado, promedio calculado, )
x = 22 (tiempo exigido)
T2 B2 C2 D2 E2
T2 1 0,111 0,444 4
T2 5,555
T 2,357
344
En la tabla de Z
345
Matriz de Encadenamiento
Una matriz de encadenamiento, es una matriz de NxN (N es la
cantidad de actividades) donde cada celda se marca con una X si
la actividad de la fila requiere que est terminada la actividad de
la columna. Esta matriz ayuda a la construccin de la red CPM
Para el ejemplo en estudio es:
A
A
B
C
D
F
G
H
I
J
X
X
X
X
X
X
X
X
346
Costo
Esfuerzo intensivo
Esfuerzo normal
Tiempo
347
348
349
Actividad
A (1,2)
B (2,3)
C (2,4)
D (2,7)
Fic(3,4)
E (4,5)
F (4,6)
G (5,7)
H (6,7)
350
G(2)
E(3)
B(2)
A(4)
C(3)
H(2)
F(2)
6
D(1)
351
E(
3)
[7
,1
[7
0]
,1
0]
2
G(
C(3)[4,7]
[4,7]
[0,4]
6,6
A(4)[0,4]
[1
0,
12
]
0
12 12
00
[
(0)
[7,7
B(
2)[
4,6
]
[5,7
]
F(2)[7,9]
[8,10]
H(2)[9,11]
[10,12]
D(1)[4,5]
[11,12]
352
Actividad
A (1,2)
B (2,3)
C (2,4)
D (2,7)
E (4,5)
F (4,6)
G (5,7)
H (6,7)
Holgura
0
1
0
7
0
1
0
1
Actividades
crticas
353
( 600)
b) Actividad C: de 3 a 1 semana
(1.000)
c) Actividad E: de 3 a 2 semanas
( 700)
d) Actividad G: de 2 a 1 semana
( 400)
354
A(4 3)
1)
00
2)
B(
2)[
4,6
]
2
G(
E(
3
C(3 1)
F(2)[7,9]
H(2)[9,11]
D(1)[4,5]
(500)
356
Actividad
A (1,2)
B (2,3)
C (2,4)
D (2,7)
E (4,5)
F (4,6)
G (5,7)
H (6,7)
Accin
1 semana
1 semana
2 semanas
----1 semana
1 semana
1 semana
-----
Costo
Adicional
600
500
1000
700
200
400
Normal
1.400
1.500
1.500
600
1.300
300
800
600
$ 8.000
Total
2.000
2.000
2.500
600
2.000
500
1.200
600
$ 11.400
357
Grafo final
En el grafo se muestran los tiempos de inicio y de trmino ms
prximos y los ms lejanos, y la ruta crtica. El tiempo mnimo
para la ruta crtica es de 7 semanas a un costo normal de $11.400.
5
C(1)[3,4]
[3,4]
E(
2)
[4
,6
[4
]
,6
]
]
,7
[6
1)
G(
[0,3]
,4]
A(3)[0,3]
[6
,7
]
0
77
00
[4
(0)
[7,7
B(
1)[
3,4
]
[5,7
]
F(1)[4,5]
[4,5]
H(2)[5,7]
[5,7]
D(1)[3,4]
[6,7]
358
Red ptima
Qu sucede si un proyecto lleva ms tiempo del especificado?
Conviene hacer ms intensivo el proyecto o pagar la
penalizacin por atraso?
Ejemplo:
Suponga que en el proyecto de la casa hay una penalizacin de
$450 por cada semana de tiempo extra despus de ocho semanas.
Cul es la red ptima?.
Solucin: Reducir la red en una semana cada vez e ir
comparando si los costos por intensificar son menores a los
costos por penalizacin. Se termina cuando los costos de
penalizacin son mayor a los costos de intensificar.
359
Red ptima
Solucin
Grafo resultante
3
B(
2)
E(
3)
1)
G(
A(4)
C(3)
F(2)
H(2)
D(1)
Ejemplo
Tiempo (meses)
Normal
Intensivo
8
4
9
6
3
2
10
7
6
4
Costo (miles $)
Normal
Intensivo
20.000
30.000
18.000
27.000
12.000
17.000
25.000
34.000
15.000
23.000
362
364
365
(lmite de A)
0<=YB<= 1
(lmite de B)
0<=YC<= 2
(lmite de C)
0<=YD<= 0
(lmite de D)
0<=YE<= 1
(lmite de E)
0<=YF<= 1
(lmite de F)
0<=YG<= 1
(lmite de G)
0<=YH<= 1
(lmite de H)
366
X1 = 0
X7 12
367
X3
3
B(2)
(0)
(3-YE)
(2-YB)
X1
A(4)
(4-YA)
X2
C(3)
(3-YC)
G(2)
E(3)
X4
F(2)
(2-YF)
(2-YG)
X6
H(2)
(2-YH)
X7
D(1)
(1-YD)
368
369
Nodo 4
Tiempo de inicio de las tareas que salen del nodo 4 tiempo de
terminacin de todas las tareas que entran al nodo 4.
Hay dos arcos que entran al nodo, las actividades E y F deben
comenzar slo cuando las tareas que entran (C y la ficticia) hayan
terminado. Dando origen as a dos restricciones (una por cada
actividad)
Restriccin de la actividad C
Tiempo de inicio de las tareas E y F tiempo de terminacin de
la tarea C
Tiempo de inicio de las tareas E y F (tiempo de terminacin de
la tarea C + (tiempo acortado de la tarea C)
X4 X2 + (3-Yc) (tarea C)
370
Nodo 4
Restriccin de la actividad Ficticia
Tiempo de inicio de las tareas E y F tiempo de terminacin de
la tarea figurada
Tiempo de inicio de las tareas E y F (tiempo de terminacin de
la tarea Figurada + (tiempo acortado de la tarea Figurada)
X4 X3 + 0 (tarea Figurada)
Aplicando sistemticamente el procedimiento y se escribe una
restriccin para cada actividad se obtienen las siguientes
restricciones para los nodos 5 al 7
371
Nodo 5
X5 X4 + (3-YE)
(actividad E)
Nodo 6
X6 X4 + (2-YF)
(actividad F)
Nodo 7
X7 X5 + (2-YG) (actividad G)
X7 X6 + (2-YH) (actividad H)
372
(lmite de A)
0<=YB<= 1
(lmite de B)
0<=YC<= 2
(lmite de C)
0<=YD<= 0
(lmite de D)
0<=YE<= 1
(lmite de E)
0<=YF<= 1
(lmite de F)
0<=YG<= 1
(lmite de G)
0<=YH<= 1
(lmite de H)
373
(tarea C)
X3 X2 + (2-YB)
(tarea B)
X4 X2 + (3-Yc)
(tarea C)
X4 X3 + 0
(tarea Figurada)
X5 X4 + (3-YE)
(actividad E)
X6 X4 + (2-YF)
(actividad F)
X7 X5 + (2-YG)
(actividad G)
X7 X6 + (2-YH)
(actividad H)
X1, ..., X7 0
374
Para su entretencin
Ejercicios:
La complejidad de las redes CPM est ms afectada por las interrelaciones que
el nmero de nodos. Por ejemplo, considrese el proyecto siguiente:
Actividad Normal Intensivo
A (1,2)
8
7
B (1,3)
15
10
C (1,4)
12
6
D (2,3)
9
9
E (2,5)
11
9
F (3,6)
9
8
G (4,3)
9
7
H (4,7)
13
12
I (5,6)
7
5
J (5,8)
15
11
K (6,8)
10
5
L (7,6)
4
3
M (7,8)
12
9
Normal Intensivo
10.000
12.000
12.000
17.000
13.000
14.000
7.000
7.000
2.000
4.000
5.000
7.000
14.000
16.000
8.000
10.000
6.000
10.000
9.000
10.000
3.000
8.000
7.000
8.000
5.000
6.000
375