Investigacin De Operaciones Volumen I Segunda Edicin .

Introduccin Formulacin Mtodo Grfico Mtodo Algebraico Mtodo Simplex Mtodo de las dos fa es El problema Dual y el Mtodo Dual Simplex Anlisis Post-ptimo y Sensibilidad Trans porte y Transbordo Asignaciones Programacin Lineal Entera y Binaria Administracin de proyectos PERT, CPM Francisco Alfonso Chediak Pinzn Ingeniero Industrial 1

c Corporacin Universitaria de Ibagu c Francisco Alfonso Chediak Pinzn ISBN: 958-8028-21-3 Impreso por: Len Grficas Calle 14 No. 6-25 Ibagu - Colombia Tel. (8) 2625018 Fax (8 )2616202 Corporacin Universitaria de Ibagu - Coruniversitaria Apartado 487 Conmuta dor (8) 2750011 Fax: 2750148 Barrio Ambal, Ibagu, Colombia. Esta publicacin no se p uede reproducir, en un sistema computarizado ni transmitirse en cualquier forma o por cualquier medio, ya sea electrnico, fotocopiado mecnico, grabacin o cualquier otro, sin la autorizacin expresa del autor. Impreso en Colombia Printed in the C olombia Esta obra se termin de imprimir el 15 de Enero de 2004 2

Dedicatoria As dijo Jehov: No se alabe el sabio en su sabidura, ni en su valenta se alabe el val iente, ni el rico se alabe en sus riquezas. Mas albese en esto el que se hubiere de alabar: en entenderme y conocerme, que yo soy Jehov, que hago misericordia, ju icio y justicia en la tierra; porque estas cosas quiero, dice Jehov. Jeremas 9: 23 , 24 Francisco Alfonso Chediak Pinzn Ingeniero Industrial 3

Prlogo Consciente de la importancia asumida en los tiempos modernos de los Mtodos Cuanti tativos como la ciencia del arte de la toma de decisiones, el presente libro est escrito bajo la ptica de hacer fcil el aprendizaje y la aplicacin en pregrado de lo s temas asignados a la ctedra de Investigacin de Operaciones I y Mtodos Cuantitativ os en los Programas de Ingeniera Industrial, Ingeniera de Sistemas, Administracin F inanciera y Negocios Internacionales de la Corporacin Universitaria de Ibagu. Dura nte el desarrollo de los temas que lo ameritan, se ilustrar el uso del software W inQsb, INVOP y la herramienta Solver de Excel; Programas especializados en la in vestigacin de operaciones. Es de vital importancia el aprendizaje, manejo e inter pretacin de la informacin suministrada por el software, en atencin al impulso que l a invencin del computador, trajo al desarrollo de la Investigacin de Operaciones. Se recomienda al lector enfatizar su atencin a la formulacin de modelos, labor sta primordial para la aplicacin en la prctica de los mtodos de solucin, que sin una per fecta modelacin acarrea un estruendoso fracaso y prdida de recursos. Juicioso es t ener como meta, estudiar todos los modelos posibles en los diferentes textos, re vistas y trabajos de grado en donde se formulen problemas de investigacin de oper aciones, la experiencia har fluir la inventiva que enfrentar el reto de formular e l nuevo problema de optimizacin que en el desarrollo de nuestra profesin, con cert eza nos brindar la oportunidad de resolverlo y tomar la mejor decisin posible. El primer captulo trata de manera introductoria los temas de: La toma de decisiones, La Investigacin de Operaciones, La Ingeniera Industrial y la Investigacin de Opera ciones, y una breve resea histrica de la Investigacin de Operaciones, recomendando al lector efectuar la lectura del apndice 1 que recopila lecturas de diferentes a utores que tratan los siguientes temas: Historia de la investigacin de Operacione s, Definicin de la Investigacin de Operaciones, Resea del 5

fundador de la programacin Lineal George Dantzing, La naturaleza del trabajo, con diciones de trabajo, Empleo y perspectivas futuras de trabajo de un analista de Investigacin de Operaciones, La investigacin de Operaciones en la Prctica, Estadstic as de las tcnicas ms usadas de Investigacin de Operaciones y una visualizacin genera l de los modelos de Investigacin de Operaciones. La lectura de stos artculos tiene como finalidad, responder la pregunta: para qu sirve la Investigacin de Operaciones ? El captulo segundo est dedicado a la formulacin de problemas de programacin lineal , es una coleccin de modelos clsicos, debidamente resueltos y explicados. Tiene co mo objetivo capacitar al lector para enfrentarse a nuevos problemas. Al inicio d el captulo se define matemticamente su forma general y sus caractersticas, adems se incluyen los artculos sobre Pautas y comentarios para la formulacin de modelos y Apre ndiendo a formular Modelos. Se recomienda al lector enriquecerse, estudiando la m ayor cantidad de modelos posibles en los textos de la bibliografa. Atendiendo a l a pregunta de cmo solucionar los problemas formulados en el captulo segundo, el ca ptulo tercero ofrece la metodologa para solucionar problemas de dos menos variable s. Se ofrece en este captulo una coleccin de ejemplos resueltos y explicados, que ilustran todos los casos posibles de solucin que se pueden presentar. Se recomien da al lector resolver los problemas propuestos al final del captulo, ello le dar l a certeza del aprendizaje logrado y le preparar para comprender las tcnicas de sol ucin que se explican en los captulos posteriores. El captulo cuarto resuelve la pre gunta: cmo solucionar problemas de ms de dos (2) variables?. Aqu se presenta el mtodo algebraico, fundamental para la total comprensin del Mtodo Simplex, el Dual Simpl ex y el Anlisis Post ptimo. Mtodo Simplex, que resuelve lo dispendioso de la aplica cin del mtodo algebraico, se explica en el captulo quinto. Varios de los problemas formulados en el captulo segundo, son resueltos aqu mediante el Mtodo Simplex. Al f inal del captulo se ilustra el uso del software WinQsb y la herramienta Solver de l Excel. El Mtodo Algebraico y el Mtodo simplex, segn las caractersticas del problem a, hacen uso de variables artificiales que se acompaan en 6

la funcin objetivo con un coeficiente de valor muy grande y que se representa con una M, ello hace que los clculos sean dispendiosos; para evitar usarla se dise el Mto do de las dos Fases, cuyo objetivo es eliminar el uso de la gran M durante el proc eso de solucin, siendo ste mtodo el objetivo del captulo sexto. Los captulo sptimo y o ctavo presentan la formulacin del problema Dual, el Mtodo Dual Simplex, el anlisis post ptimo y de sensibilidad, herramienta fundamental para el tomador de decision es quien podr analizar alternativas y generar estrategias, posteriores a la soluc in del problema. Los captulos noveno y dcimo presentan Mtodos especficos para la solu cin de problemas particulares de programacin lineal como lo son el problema del tr ansporte, transbordo y asignaciones. Se ilustra en cada uno de estos captulos el uso del software WinQsb e INVOP. El captulo dcimo primero presenta Mtodos de solucin para atender aquellos problemas que por su naturaleza, exigen valores enteros p ara sus variables variables de carcter binario (0,1). Tambin se muestra el uso del software WinQsb para atender estos casos. En el ltimo captulo, el dcimo segundo, s e estudia el apacionante tema del control de proyectos, se consideran las herram ientas del diagrama GANTT, PERT y CPM, muy usados en nuestro medio y con los cua les el lector queda capacitado para usar stas herramientas en propuestas comercia les tales como las licitaciones. Para terminar esta presentacin, motivo a los lec tores al uso de las tcnicas que ofrecen los Mtodos Cuantitativos para la toma de d ecisiones en su vida profesional, el hacerlo beneficiar grandemente a la sociedad , tal como ha ocurrido en otros pueblos que lo han hecho. Francisco Alfonso Chediak Pinzn Ingeniero Industrial 7

Contenido Pgina CAPTULO 1: Introduccin La toma de decisiones La Investigacin de Operaciones La Ingeniera Industrial y la Investigacin de Operaciones Resea histrica de la Investig acin de Operaciones CAPTULO 2: Formulacin Objetivo Programacin Lineal Problema Gener al Caractersticas de la Programacin Lineal Pautas y comentarios para la formulacin de modelos Aprendiendo a formular modelos Problema de produccin . El problema de las joyas . El problema de las bodegas Optimizacin del corte de madera Corridas d e produccin El problema de los paquetes de tuercas Problema clsico de transporte E l problema del transbordo El problema de localizacin de planta El problema de asi gnaciones Problema de la mezcla El problema del financiero El problema de distri bucin de buses Problema de inventarios 21 21 22 23 24 24 27 29 31 33 34 35 37 39 41 43 45 47 49 9 15 16 16 17

 El problema de los manteles Sistema operativo de produccin . Problemas propuestos CAPTULO 3: Mtodo grfico Introduccin y Conjunto convexo Problema de nica solucin Probl ema de mltiples soluciones Problema de solucin indeterminada Problema sin solucin P roblema de programacin Lineal Un caso de produccin Un caso de produccin Regla de eq uivalencia y constante en la funcin objetivo Un caso especial del Mtodo Grfico Ejer cicios propuestos CAPTULO 4: Mtodo Algebraico Introduccin Ejemplo 1 Algoritmo del Mt odo Algebraico Ejemplo 2 Notas Importantes Ejemplo 3 Ejercicios propuestos CAPTUL O 5: Mtodo Simplex Introduccin Ejemplo 1 : Solucin nica Ejemplo 2 : Gran M Ejemplo 3 : Mltiples soluciones Ejemplo 4 : Variables irrestrictas Ejemplo 5 : Nmero de varia bles v.s. Nmero de iteraciones Ejemplo 6: Solucin al problema de los paquetes con tuercas Conclusin WinQsb : Generalidades WinQsb : Mdulo de Programacin Lineal Probl emas propuestos 10 50 51 53 59 60 64 65 66 66 68 71 73 76 77 81 82 82 89 94 95 97 101 102 105 106 108 110 111 113 113 114 115

CAPTULO 6: Mtodo de las dos fases Introduccin Fase I, Ejemplo Fase II, Ejemplo Ejer cicios propuestos CAPTULO 7: El problema Dual y el Mtodo Dual Simplex Introduccin F ormulacin del problema Dual El Mtodo Dual Simplex Algoritmo para maximizar en el Mt odo Dual Simplex Ejercicios propuestos CAPTULO 8: Anlisis Post-ptimo y Sensibilidad Introduccin Cambio en Cj cuando Xj* es no bsica Anlisis de sensibilidad Cambio en Cj cuando Xj* es bsica Anlisis de sensibilidad Cambio en bi Anlisis de sensibilidad Cambio en aij cuando Xj* es no bsica Anlisis de sensibilidad Cambio en aij cuando Xj* es bsica Anlisis de sensibilidad Adicin de una restriccin Adicin de una variable El WinQsb y el Anlisis de Sensibilidad Ejercicios propuestos CAPTULO 9 : Transpor te y Transbordo Introduccin Modelo general del problema del transporte Metodologa General Ejemplo 163 164 165 166 11 121 121 122 123 125 126 127 128 130 135 137 138 139 141 141 142 144 145 146 147 148 150 152 155

Solucin Bsica Factible Mtodo de la esquina noroeste Mtodo del costo mnimo Mtodo d el Mtodo Algebraico Mtodo heurstico Mtodo Modificado de Distribucin (Modi) Problema d e transporte con costos de produccin El Problema del Transbordo Sistema Operativo de Produccin Software WinQsb para transporte Software INVOP para transporte Prob lemas propuestos CAPTULO 10: Asignaciones Introduccin y caractersticas del modelo A lgoritmo para minimizar Algoritmo para maximizar Ejemplo 1 Ejemplo 2 Software Wi nQsb Software INVOP Problemas propuestos 167 168 170 171 173 174 175 180 183 185 188 190 192 199 200 201 201 204 205 207 208 CAPTULO 11: Programacin Lineal Entera y Binaria Introduccin y Mtodo grfico Mtodo de lo s planos cortantes de Gomory Mtodo de Bifurcacin y Acotacin (Branch And Bound) Mtodo aditivo de Egon Balas Para problemas binarios Ejemplo 1 Ejemplo 2 Software WinQ sb para programacin lineal entera y binaria Problemas propuestos 215 216 219 220 221 223 226 227 12

CAPTULO 12: Administracin de proyectos PERT, CPM Introducci PERT determinstico Diagr ama Gantt PERT probabilstico CPM Ejemplo 1 Ejemplo 2 Apndice 1 Historia de la Inve stigacin de Operaciones, Algunas definiciones de Investigacin de Operaciones, Geor ge Dantzing: Fundador de la Programacin Lineal, The College Mathematical Journal: Entrevista a George Bernard Dantzing, Analista de Investigacin de Operaciones: N aturaleza del trabajo, condiciones de trabajo, empleo y perspectivas futuras de trabajo. La Investigacin de Operaciones en la prctica, Mtodos que se usan con mayor frecuencia, Implicaciones para el uso de la ciencia de la administracin, Modelos de Investigacin de Operaciones. Apndice 2 Complemento indispensable para el captul o 12 es la tabla de distribucin normal acumulada, Aqu aparece la formula para esta ndarizar en trminos estadsticos y en trminos propios para el mtodo PERT probabilstico , tambin aparece la funcin de densidad de la distribucin de probabilidad normal y p or supuesto la tabulacin de los valores acumulados de dicha distribucin. 275 231 2 32 234 239 243 245 249 253 13

14

Captulo 1 Introduccin La Toma de Decisiones La Investigacin de Operaciones La Ingeniera Industrial y la Investigacin de Operaciones Resea histrica de la Investigacin de Operaciones La toma de decisiones La toma de decisiones estratgicas para la vida de una empre sa, es la principal responsabilidad indelegable de un gerente. El inicio de la t oma de una decisin, generalmente empieza cuando se detecta un problema. Conocido el problema, el gerente debe proceder a definirlo de manera clara y formular el objetivo, seguidamente identifica las restricciones, evala las alternativas y seg uramente el mejor curso de accin que lo llevar al la solucin ptima. Este proceso lo realiza de manera cualitativa o cuantitativa. Si lo hace bajo el enfoque cualita tivo, el gerente est confiando en su juicio personal o en su experiencia pasada e n situaciones similares. Si lo hace bajo el enfoque cuantitativo, no necesariame nte debe tener experiencia en casos similares, pero si debe hacer un anlisis exha ustivo, especialmente si la decisin involucra una gran cantidad de dinero, un con junto de variables muy grande se trata de un problema altamente repetitivo, en c uyo caso, el desarrollo de un procedimiento cuantitativo ahorrar tiempo valioso a l gerente. La habilidad para resolver problemas mediante el anlisis cuantitativo, es propio de cada gerente, pero puede adquirirse aumentarse con la experiencia; Esta habilidad puede adquirirse mediante el estudio de las herramientas matemtic as que ofrece la investigacin de operaciones, ellas le permitirn maximizar la efec tividad en la toma de deci15

Introduccin siones, pudiendo comparar y combinar informacin cualitativa y cuantitativa. La In vestigacin de Operaciones (I.O.) Ofrece a los gerentes herramientas cuantitativas para la toma de decisiones que resuelven los problemas diarios de un negocio si rven para tomar decisiones en la planeacin a corto o largo plazo, sea el negocio de carcter gubernamental, de produccin, de servicios, gremial cooperativo. En el u so de la investigacin de operaciones se aplican los siguientes seis pasos metodolg icos cientficos a saber: 1. 2. 3. 4. 5. 6. Anlisis y definicin del problema. Desarr ollo del modelo. Seleccin de datos de entrada. Obtencin de una solucin. Limitacione s del modelo y la solucin. Utilizacin del modelo. La Ingeniera Industrial y la Investigacin de Operaciones La humanidad ha logrado m uchos de sus progresos en los siglos ms recientes, como consecuencia de la aplica cin del mtodo cientfico a la administracin (Planeacin, Organizacin y Control de Operac iones). La Ingeniera Industrial naci cuando el hombre aplic el mtodo cientfico a los problemas administrativos. Ejemplo antiguo sobre organizacin, el que se narra en La Biblia en el libro de xodo, cuando Moiss, atendiendo el concejo de su suegro Je tro procede a nombrar los jueces que resolvern los problemas del pueblo de Israel . Otro ejemplo antiguo lo constituye la reparacin de los antiguos barcos en Venec ia, mediante una lnea de ensamble sobre la que trabajadores expertos efectuaban t rabajos especializados. Para 1832, Charles Babbage escribi sobre la economa de la maquinaria y los fabricantes, demostrando conocimientos en Ingeniera Industrial. Para finales del siglo XIX Frederick W. Taylor, convirti la Ingeniera Industrial e n una profesin, merecindole el ttulo de padre la de administracin cientfica, mediante su trabajo que maximiz el rendimiento de los mineros, determinando que la nica va riable realmente significativa era el peso combinado de la pala y su carga, disea ndo diferentes palas para di16

Introduccin ferentes tipos de materiales. Otro hombre importante en los principios de la adm inistracin cientfica fu Henry L. Gantt quien trabaj en resolver el problema de la pl aneacin de la produccin. Mientras que Taylor se enfocaba en resolver un problema ni co, Gantt adopt un punto de vista ms amplio al observar los diferentes pasos en un a operacin completa. ste cambio de inters alejndose de lo particular de la administr acin hacia aspectos ms amplios fu en realidad una transferencia de nfasis de la Inge niera Industrial a la Investigacin de Operaciones con un enfoque multidisciplinari o a problemas complejos, reconocindose la necesidad de tener especialistas, reuni dos para trabajar en equipos de investigacin con sistemas completos en vez de par tes del sistema. Resea histrica de la Investigacin de Operaciones Arqumedes en el ao 212 antes de Jesucristo, cuando tena 75 aos, fu contratado por la ciudad de Siracus a para idear un mtodo de romper el sitio naval a la ciudad, que estaba bajo el at aque de los romanos. El concepto de Investigacin de Operaciones naci durante la pr imera guerra mundial en Inglaterra entre los aos 1914 1915, cuando F. W. Lanchest er intent tratar cuantitativamente las operaciones militares, obteniendo ecuacion es que relacionaban el resultado de una batalla en funcin de la fuerza numrica rel ativa de los combatientes y de su capacidad relativa de fuego. Lanchester model u na situacin que involucraba opciones estratgicas, y despus prob ese modelo contra la situacin real. ste procedimiento es el que los Investigadores de Operaciones han venido practicando desde entonces. Toms Alva Edison en los Estados Unidos de Amric a, estudi el proceso de la guerra antisubmarina. Efectu un anlisis estadstico para d esarrollar maniobras mediante las cuales los barcos pudieran evadir y destruir a los submarinos. En 1917, el matemtico Dans A. K. Erlang, que trabajaba en la comp aa telefnica de Copenhage, public el trabajo Soluciones a algunos problemas en la te ora de probabilidades importantes en las centrales telefnicas automticas , contena fr mulas de tiempo de espera que ms tardes fueron empleadas por la Oficina Postal Br itnica para calcular el nmero de circuitos necesarios. 17

Introduccin En 1915 Ford W. Harris describi el primer modelo sobre el tamao de lote econmico de inventario, posteriormente contribuyeron al desarrollo de modelos de control de inventarios H. S. Owen (1925), Benjamn Cooper (1926), R.H. Wilson (1926) y W. A. Mueller (1927). Las tcnicas matemticas del control de inventarios son de las ms an tiguas herramientas de la Investigacin de Operaciones. El desarrollo de la Progra macin Lineal ocurri hacia 1760 cuando los economistas empezaron a describir sistem as econmicos en trminos matemticos. El profesor de Harvard Wassily Leontieff desarr oll un modelo de programacin Lineal que representaba la totalidad de la economa de los Estados Unidos de Norte Amrica. Como consecuencia del ingreso de Inglaterra a la segunda guerra mundial dos aos antes que Estados Unidos, en 1939 exista un ncle o de una organizacin Britnica de Investigacin de Operaciones y sus principales apor tes fueron: El mejoramiento del sistema de radar, el caoneo antiareo, en la guerra antisubmarina, en la defensa de la poblacin civil, en el diseo del tamao de los co nvoy y en la conduccin de ataques de bombardeo sobre Alemania. El grupo de Invest igacin de Operaciones con mayor publicidad fu el denominado El circo de blackett d irigido por el profesor P.M.S. Blackett de la Universidad de Manchester, ministr o de la Royal Society, laureado nobel y ex-oficial naval. El grupo estaba confor mado por 3 Fisioligistas, 2 Fsicos matemticos, 1 Astrofsico, 1 Oficial del ejrcito, 1 Topgrafo, 1 Fsico general y 2 Matemticos. El valor del enfoque del equipo Heterogn eo fu de xito notorio. Al ingresar los Estados Unidos a la segunda guerra mundial, cre grupos de anlisis de operaciones en la fuerza area y en la armada, sta ltima cre grupos de Investigacin de Operaciones en el Laboratorio de municiones naval y en la dcima flota. Despus de la segunda guerra mundial, tanto el ejrcito como la fuerz a area de los Estados Unidos de Norte Amrica, continuaron con los grupos de Invest igacin de Operaciones pero las tcnicas desarrolladas empezaron a ser usadas en la planeacin de los negocios. La industria deba renovar su produccin y organizacin para servir rpidamente a las necesidades en tiempos de paz. En 1950 se organiz la Oper ations Research Society of Amrica (ORSA) y The Institute of Management Science (T IMS). Desde 1952 ORSA publica la revista Operations Research y desde 1953 TIMS p ublica su revista Management Science. Desde la dcada de los 70 (s) las dos socied a18

Introduccin des publican la revista trimestral Interfases con trabajos y artculos relacionado s con los problemas operacionales del uso de la ciencia administrativa y la inve stigacin de Operaciones. En Inglaterra se form en 1948 el Operational Research Clu b quien cambi su nombre posteriormente a la Operational Research Society of the U nited Kingdom y para 1950 crearon la revista Operational Research Quarterly. Ms r ecientemente se han formado sociedades de Investigacin de Operaciones en Francia, Italia, Israel y Austria. En Colombia, existe desde el ao 2000 la Sociedad Colom biana de Investigacin de Operaciones Socio, cuya sede se encuentra actualmente en l as instalaciones de la Universidad de la Sabana, en el edificio A, oficina 9, te lfono (+57 1) 861 5555 extencin 2518 y su pgina web es: www.socio.org.co Se recomie nda al lector leer la totalidad del apndice 1, en donde se coleccionan varias lec turas interesantes sobre el tema. 19

20

Captulo 2 Formulacin Max Min Z = C X C.S.R. AX<B XJ > 0 ; Objetivo El presente captulo es una recopilacin de problemas representativos de pr ogramacin lineal, en donde se muestra al lector la solucin a diferentes modelos, b uscando desarrollar la capacidad inventiva para formular problemas de optimizacin de recursos. Programacin Lineal - Problema General La Programacin Lineal resuelve un tipo muy especial de problema, uno en el cual todas las relaciones entre las variables son lineales, tanto en las restricciones como en la Funcin Objetivo. D efinicin: Dado un conjunto de m desigualdades lineales ecuaciones lineales, con n variables, se requiere hallar valores no negativos de stas variables que satisfa gan las restricciones y maximicen minimicen alguna funcin lineal de las variables llamada Funcin Objetivo. Matemticamente: Hallar XJ , J = 1, 2, . . . . . n Maximi zar Minimizar Para: ...... j = 1, 2, ..., n Z = C1X1 + C2X2 + + CnXn con las siguientes restricciones: 21

Formulacin a11X1 + . . . . . + a1jXj + . . . . . ai1X1 + . . . . . + aijXj + . . . . . am1X 1 + . . . . . + amjXj+ . . . . . Xj > 0 ; j = 1, 2, . . . . . . n + a1nXn + ainXn <> <> b1 bi bm + amnXn < > Caractersticas de la Programacin Lineal 1. Linealidad asume que no pueden haber trm inos as: X1X2 a 14 X 3 2 Log X4 2. Asume las propiedades aditivas y multiplicativas. Si una unidad tipo 1 necesi ta 2 horas en la Mquina A y una unidad tipo 2 necesita 2 horas, entonces ambas nec esitan 4 horas. Si una unidad tipo 3 necesita 1 hora en la mquina B, entonces 10 u nidades necesitan 10 horas. 3. La funcin que se va a optimizar (maximizar minimizar) se llama funcin objetiva, fjese que no aparece ningn trmino independiente constante. Los valores de las Xj s on independientes de cualquier constante. 4. Cuando se dice que hay m restriccio nes, no estn incluidas las condiciones Xj > 0 (condicin de no negatividad). 5. a) Cualquier conjunto de Xj que satisface las m restricciones se llama una solucin a l problema. b) Si la solucin satisface la condicin de no negatividad Xj > 0 , se l lama una solucin factible c) Una solucin factible que optimiza la funcin objetiva s e llama una solucin factible ptima Usualmente hay un nmero infinito de soluciones factibles al problema, de todas es tas, tiene que hallarse una ptima 22

Formulacin Pautas y comentarios para la formulacin de modelos En la conversin de modelos verb ales a modelos formales, ser muy til describir primero con palabras un modelo que corresponda al problema dado. Es decir, se puede proceder de la siguiente forma: 1. Exprese cada restriccin en palabras; al hacer esto, ponga cuidadosa atencin en si la restriccin es un requerimiento de la forma > (mayor igual que, al menos, p or lo menos, como mnimo), una limitacin de la forma < (menor igual que, no mayor q ue, como mximo), = (igual a, exactamente igual a). 2. Despus expresar el objetivo en palabras. 3. Identificar verbalmente las variables de decisin: Con frecuencia, una cuidadosa lectura del contenido del problema le revelar que las variables de decisin y el objetivo se le dan en la forma exacta que necesita. Es imperativo e importante que estn definidas en forma correcta sus variables de decisin. En ocas iones encontrar que hay varias elecciones posibles. Una gua til es hacerse a si mis mo la pregunta: Qu decisin debe tomarse para optimizar la funcin objetivo ? . La re spuesta a esta pregunta le ayudar a llegar a identificar correctamente las variab les de decisin. 4. Expresar la funcin objetivo mediante smbolos, es decir en trminos de las variables de decisin. 5. Expresar las restricciones mediante smbolos, es d ecir, en trminos de las variables de decisin. En esta etapa es necesario e imperat ivo comprobar si las unidades son consistentes. Por ejemplo, si los coeficientes de una funcin objetivo estn dados por pesos por libra, las variables de decisin qu e aparezcan en la funcin objetivo deben resultar en libras, no en toneladas ni on zas. De manera anloga, compruebe que para cada restriccin las unidades del lado de recho son las mismas que las del lado izquierdo. Por ejemplo, si una de las rest ricciones es una limitante de la forma < de horas de trabajo, el lado derecho de be ser de horas de trabajo. Dicho de otra forma ms simple, no puede tener unidade s de horas en el lado izquierdo de la restriccin y en el otro lado minutos segund os libras toneladas. Es conveniente comentar que las restricciones en programacin li23

Formulacin neal no pueden tener una desigualdad estricta, con los signos < > . La razn de es to es de naturaleza matemtica para que asegure que un problema bien formulado ten ga solucin ya que cualquier situacin del mundo real que uno pueda imaginar y que i mplique desigualdades de restriccin es casi seguro que la representacin con los si gnos < o > captar por completo el significado del mundo real. Aprendiendo a Formu lar Modelos Este capitulo contiene ejemplos de formulacin que le servirn para cime ntar su habilidad al traducir problemas del mundo real a modelos matemticos. Esta transicin, o modo en que se ha de elaborar el modelo, la forma en que se definir las variables y se formularn las restricciones y la funcin objetivo es de primordi al importancia. Intente resolver los siguientes problemas por si mismo. Formlelos con la rapidez que le sea posible y no lea en un problema ms de lo que se le da. Por ejemplo, no introduzca restricciones adicionales o matices lgicos o datos im aginarios que en su opinin podran hacer ms realista el modelo. Por ejemplo, no se p reocupe por lo que ocurra la semana siguiente si el problema nunca se refiere a la semana siguiente. Los problemas que se muestran han sido escogidos para facil itarle el desarrollo del aprendizaje de la formulacin. Para lograr esto y que pue da comprobar su trabajo y calibrar su progreso dentro del contexto descrito, la formulacin correcta, debe carecer por completo de ambigedad. En otras palabras, qu e haya una respuesta correcta. Ms tarde, cuando tenga experiencia, la amplitud de las dudas en la interpretacin y las sutilezas del mundo real sern mayores. Debido a que el tema de la formulacin es tan importante y como la prctica es el nico cami no para dominarlo, se recomienda hacer un nmero de problemas grande. Como ltimo co nsejo: No lea simplemente el problema y despus vaya de inmediato a la solucin. Esa sera la mejor forma de engaarse a si mismo sobre lo que ha comprendido. No lea la solucin hasta que est seguro de haber solucionado en forma correcta el problema p or si mismo o est totalmente convencido que se encuentra en un callejn sin salida. 1. Problema de produccin Un taller tiene tres (3) tipos de mquinas A, B y C; pued e fabricar dos (2) productos 1 y 2, todos los productos tienen que ir a cada mqui na y cada uno va en el mismo orden: Primero a la mquina A, luego a la B y 24

Formulacin luego a la C. La tabla siguiente muestra: 1. Las horas requeridas en cada mquina, por unidad de producto 2. Las horas totales disponibles para cada mquina, por se mana 3. La ganancia por unidad vendida de cada producto Tipo de Mquina A B C Producto 1 2 1 4 1 Producto 2 2 2 2 1,50 Horas disponibles p or semana 16 12 28 Ganancia por unidad Que cantidad de cada producto (1 y 2) se debe manufacturar cada semana, para obt ener la mxima ganancia ? Cuantas horas semanales sobran en cada departamento ? Fo rmulacin 1. Definicin de las variables: Xj = Unidades semanales a producir del art iculo j-simo ( j=1 y 2) 2. Funcin objetivo: Maximizar Z = X1 + 3/2 X2 3. Restricci ones: 2X1 + 2X2 < 16 Restriccin debida a las horas disponibles por semana de la M Q A X1 + 2X2 < 12 Restriccin debida a las horas disponibles por semana de la MQ B 4X1 + 2X2 < 28 Restriccin debida a las horas disponibles por semana de la MQ C 4 . Condicin de no negatividad: Xj > 0 ; j = 1 y 2 5. Solucin Mediante el mtodo grfico : Preparamos analticamente las restricciones para graficarlas 25 Con las siguientes restricciones (c.s.r.):

Formulacin 2X1 + 2X2 < 16 2X1 + 2X2 = 16 X1 = 0 X2 = 0 X2= 8 X1 = 8 P(0,0) => 0 < 16 Verdad X1 + 2X2 < 12 X1 + 2X2 = 12 X1 = 0 X2 = 0 X2 = 6 X1 = 12 P(0,0) => 0 < 12 Verdad 4X1 + 2X2 < 28 4X1 + 2X2 = 28 X1 = 0 X2 = 0 X2 =14 X1 = 7 P(0,0) => 0 < 28 Verda d Z = X1 + 3/2 X2 Z = X1 + 3/2 X2= 3 X1 = 0 X2 = 0 X2 = 2 X 1 = 3 Fjese que la funcin objetivo X1 + 3/2 X2 = Z es la ecuacin de una familia de rectas paralelas (curvas de nivel), las que se generan cada vez que cambiemos el valor de Z, aqu hemos dado el valor arbitrario a Z de 3. Como observar en la grfica sigu iente, la recta que representa a sta funcin objetivo, la desplazaremos a izquierda o derecha para encontrar el ltimo punto que intercepta a la derecha del rea de so luciones factibles, para encontrar la solucin factible ptima. X1 + 3/2 X2 = 3 X1 = 0 X2 = 0 X2 = 2 X1 = 3 X1 + 3/2 X2 = 9 X1 = 0 X2 = 0 X2 = 6 X1 = 9 Observando la grfica se deduce que conviene tomar la funcin objetivo que ms se encu entre desplazada a la derecha, pero que toque el rea de soluciones factibles. 26

Formulacin Tiempo sobrante de cada mquina: Mquina A 2X1*+2X2* < 16 2(4) +2(4) < 16 16 < 16 Se usan todas las horas semanales disponibles. Mquina B X1*+2X2* < 12 (4) +2(4) < 1 2 12 < 12 Se usan todas las horas semanales disponibles. Mquina C 4X1*+2X2* < 28 4(4) +2(4) < 28 24 < 28 A la Mquina C le sobran 4 horas Semanales. 2. El problema de las joyas Una joyera produce dos tipos de joyas: La tipo 1 y la tipo 2. Cada joya tipo 1 contiene 2 rubies y 4 diamantes y se vende a $10/Unida d y tiene un costo de produccin de $5/Unidad. Cada joya tipo 2 contiene 1 rub y 1 diamante, se vende a $6/Unidad y tiene un costo de produccin de $4/Unidad. La joy era dispone de 30 rubes y 40 diamantes para producir las joyas. Por la situacin del mercado, se deben producir al menos 10 joyas del tipo 2. a) Formule el problema de programacin lineal para maximizar la utilidad neta de la joyera (ventas - cost os). b) En un plano carteciano, grafique las restricciones y sombree el rea de so luciones factibles. c) Grafique la funcin objetivo y determine en que direccin (iz quierda derecha) se debe desplazar para que su valor aumente (maximice). d) Cunta s joyas de cada tipo se deben producir, para maximizar la utilidad neta?. e) Cul es la mxima utilidad neta? f) Cuntos rubes y diamantes sobran? Xj= Nmero de joyas a fabricar y vender, del tipo j-simo (j=1=Joya tipo 1, j=2=Joya tipo 2) Maximice Z= (10-5)X1+(6-4)X2 = 5X1+2X2 C.S.R. 2X1 + X2 < 30 Restriccin debida a la cantidad d e rubes disponibles. 4X1 + X2 < 40 Restriccin debida a la cantidad de diamantes di sponibles. X2 > 10 Restriccin debida a las condiciones del mercado. 27

Formulacin Xj > 0 , j = 1 y 2 Condicin de no negatividad. 2X1 + X2 < 30 2X1 + X2 = 30 X1= 0 X2= 0 X2=30 X1=15 P(0,0)=>0<30 Verdad 4X1 + X2 < 40 4X1 + X2 = 40 X1= 0 X2= 0 X2 =40 X1=10 P(0,0)=>0<40 Verdad X2 > 10 X2 = 10 P(0,0)=>0>10 Falso 5X1 + 2X2 = 100 X1= 0 X2=50 X2= 0 X1=20 2X1 + X2 = 30 4X1 + X2 = 40 Z* = 5X1* + 2X2* = 5(5) + 2(20) = 65 ; Adems: 28

Formulacin 2X1* + X2* < 30 2(5) + (20) < 30 30 < 30 No sobran rubies 4X1* + X2* < 40 4(5) + (20) < 40 40 < 40 No sobran diamantes X2* > 10 20 > 10 Se producen 10 joyas tipo 2 de ms. 3. El problema de las bodegas Un barco de carga tiene tres bodegas: Proa, Popa y centro cuya capacidad mxima de peso a transportar en cada una de ellas es: 2.000 , 1.500, y 3.000 toneladas respectivamente; Cada bodega tiene un volumen de: 100 .000, 300.000 y 135.000 pies cbicos respectivamente. Se ofrecen tres tipos de car ga denominadas A, B y C en las siguientes cantidades: 6.000, 4.000 y 2.000 tonel adas respectivamente; si cada tonelada de los productos A, B y C ocupa 60, 50 y 25 pies cbicos y el capitn del barco tiene como poltica de seguridad, cargar el mis mo porcentaje de toneladas en cada bodega, de tal forma que maximice las utilida des de la carga, sabiendo que por cada tonelada de los productos A, B y C obtien e una utilidad de $6, $8 y $5 respectivamente. Solucin Proa X 1A X 1B X 1C 2.000 Tn. 100.000 pies3 Popa X 2A X 2B X 2C 1.500 Tn. 300.000 pies3 Centro X3A X 3B X 3C 3.000 Tn. 135.000 pies3 6.000 Tn. 3 $6/Tn. 60 pies /Ton. 4.000 Tn. 3 $8/Tn. $5/Tn. 3 50 pies /Ton. 2.000 Tn. 25 pies /Ton. X ij = Toneladas a transportar en la bodega i-sima (i=1=Proa, i=2=Ppopa, i=3=Cent ro) con el producto j-simo (j=A=Producto A,B= Producto B, C=Producto C) Max Z = 6 (X1A+X2A+X3A) + 8(X1B+X2B+X3B) + 5(X1C+X2C+X3C) Con las siguientes restricciones : 29

Formulacin X1A + X1B + X1C < 2.000 X2A + X2B + X2C < 1.500 X3A + X3B + X3C < 3.000 60X1A + 50X1B + 25X1C < 100.000 60X2A + 50X2B + 25X2C 60X3A + 50X3B + 25X3C Restricciones debidas a la capacidad en toneladas de las bodegas 1,2 y 3, respec tivamente. Restricciones debidas a la capa< 300.000 cidad en volumen de las bodegas 1,2 y 3 , respectivamente. < 135.000 Restricciones debidas a la oferta en toneladas de c ada tipo de carga A, B, C respectivamente. X1A + X2A + X3A < 6.000 X1B + X2B + X3B < 4.000 X1C + X2C + X3C < 2.000 (X1A + X1B + X1C)/2.000 = (X2A + X2B + X2C)/1.500 = (X3A + X3B + X3C)/3.000 La anterior restriccin, con base en que dos cosas iguales a una tercera son igual es entre s, se remplaza con las siguientes dos igualdades, debidamente simplifica das. Restriccines debidas a la poltica de seguridad, de cargar el 3X1A + 3X1B + 3 X1C - 2X3A - 2X3B - 2X3C = 0 mismo porcentaje de toneladas en cada bodega. Xij > 0 ; i = 1,2,3 ; j = A,B,C 3X1A + 3X1B + 3X1C - 4X2A - 4X2B - 4X2C = 0 Empleando el WinQsb, se obtiene la siguiente solucin ptima: X1A= 285,7143 Ton. X1B = 1.600 Ton. X1C= 114,2875 Ton. Z* = $46.285,71 X2A= 1.500 Ton. X2B= 0 Ton. X2C= 0 Ton. X3A= 0 Ton. X3B= 2.400 Ton. X3C= 600 Ton. 30

Formulacin 4. Optimizacin del corte de madera En una marquetera se fabrican cuadros, cuyos ma rcos se obtienen de cortar varillas para perfil moldura, cuya longitud original es de 300 cms. El Departamento de ventas tiene pedido para el siguiente mes 175 cuadros de 119 x 90 cm. El Jefe de produccin ordena que se corten 350 molduras de 119 cms. Y 350 molduras de 90 cms. (Cada cuadro lleva 2 molduras de cada dimens in). Con sta manera de cortar la madera, la Fbrica necesita el capital para comprar 292 varillas para molduras de 300 cms. cada una y genera 14.450 cms. De desperd icio. Formule un problema de programacin lineal que minimice el desperdicio, la c ompra de materia prima y optimice la productividad. 300 cms. Materia Prima: Varilla de madera para moldura de 300 cm de larga. 90 cms. 119 cms. Nmero de molduras para 175 cuadros: 175 x 2 = 350 Mtodo de corte actual y su valoracin: Varillas que se compran para obtener las mol duras de 119 cms.: cms. 119 cms. 119 cms. 62 (175 x 2) / 2 = 175 varillas Desperdicio: 175 x 62 = 10.850 cms. Varillas que se compran para obtener las molduras de 90 cms.: cms. 90 cms. 90 cms. 90 cms. 30 (175 x 2) / 3 = varillas Desperdicio: 117 x 30 + 90 = 3.600 cms. Total de varillas de 300 cms a comprar: 175 + 117 = 292 varillas Total de centmet ros de desperdicio: 10.850+3.600=14.450 cms. 31

Formulacin Formulacin Xj = Nmero de varillas a cortar de la forma j-sima (j = 1, 2 y 3) Formas posibles de cortar la varilla Forma 1 cms 119 cms 119 cms 62 Variable X1 cms 1 2 cms 119 cms 90 cms 90 X2 3 cms 90 cms 90 cms 90 cms 30 X3 Minimizar Z = 62X1 + X2 + 30X3 C.S.R. XJ > 0 2X1 + X2 = 350 2X2 + 3X3 = 350 ; J = 1, 2 y 3 Enteros Minimizar el desperdicio Restricciones debidas a la necesidad De Boceles de cada tamao Restriccin de no neg atividad Resolviendo por el mtodo de Branch and Bound el mtodo de los planos cortantes de G omory usando el software WINQSB, se obtiene la siguiente solucin: X1* X2* X3* Z* = 89 Cortar 89 veces de la manera 1 = 172 Cortar 172 veces de la manera 2 = 2 Co rtar 2 veces de la manera 3 = 5.750 centmetros de desperdicio mnimo. Nmero de varillas a comprar: 89 + 172 + 2 = 263 varillas de 300 cms de largo cada una. Cuadro comparativo de los ahorros: Conceptos Antes Despus Diferencia % dism inuido 32 Materia prima 292 263 29 9,93 % Desperdicio (cms.) 14.450 5.750 8.700 60,20 %

Formulacin 5. Corridas de produccin Una empresa produce un artculo cuya unidad est compuesta p or 4 unidades de componente A y 3 unidades de componente B que se producen por c orrida de produccin a partir de las materias primas 1 y 2 y en tres diferentes de partamentos. La produccin por corrida de produccin se muestra en la siguiente tabl a: Elabore un plan de produccin para maximizar la cantidad de artculo a producir. Materia Prima Materia Prima 1 2 Departamento 1 Departamento 2 Departamento 3 Disponibilidad 8 5 3 100 6 9 8 200 Componente A 7 6 8 Componente B 5 9 4 Formulacin: XJ = Nmero de corridas de produccin en el departamento j-simo (j = 1,2 y 3) Nmero de componentes A: 7X1 + 6X2 + 8X3 Nmero de componentes B: 5X1 + 9X2 + 4X3 Nmero de a rtculos completos con los componentes A: (7X1 + 6X2 + 8X3) / 4 Nmero de artculos co mpletos con los componentes B: (5X1 + 9X2 + 4X3) / 3 Unidad completa del Producto Maximizar {Mnimo entero entre{ (7X1 + 6X2 + 8X3) / 4 , (5X1 + 9X2 + 4X3) / 3 }} C.S.R. XJ > 0 8X1 + 5X2 + 3X3 < 100 6X1 + 9X2 + 8X3 < 200 J = 1, 2 y 3 Enteros Restricciones debidas a la disponibilidad De materias primas tipo 1 y 2 Restricc in de no negatividad Usando la tcnica de la programacin por metas y usando el WinQsb para programacin li neal entera en 43 iteraciones se encuentra la siguiente solucin ptima: 33

Formulacin X1*= 1 Hacer la corrida de produccin en el departamento 1, 1 vez X2*= 7 Hacer la corrida de produccin en el departamento 2, 7 veces X3*=16 Hacer la corrida de pro duccin en el departamento 3, 16 veces Z*= 44 Unidades completas del producto Part es A a producir: 7X1* + 6X2* + 8X3* = unidades de A Partes B a producir: 5X1* + 9X2* + 4X3* = unidades de B Con 177 unidades de A se fabrican 177/4 articulo Con 132 unidades de B se fabrican 132/3 articulo 7(1) + 6(7) + 8(16) = 177 5(1) + 9 (7) + 4(16) = 132 = 44 unidades enteras del = 44 unidades enteras del 8X1* + 5X2* + 3X3* < 100 ; 8(1) + 5(7) + 3(16) < 100 ; 91 < 100 Sobran 9 unidade s de materia prima 1 6X1* + 9X2* + 8X3* < 200 ; 6(1) + 9(7) + 8(16) < 200 ; 197 < 200 Sobran 3 unidades de materia prima 2 6. El problema de los paquetes de tue rcas Un distribuidor de ferretera planea vender paquetes de tuercas y tornillos m ezclados. Cada paquete pesa por lo menos 2 libras. Tres tamaos de tuercas y torni llos componen el paquete y se compran en lotes de 200 libras. Los tamaos 1, 2 y 3 cuestan respectivamente $20, $8 y $12, adems: a) El peso combinado de los tamaos 1 y 3 debe ser al menos la mitad del peso total del paquete. b) El peso de los t amaos 1 y 2 no debe ser mayor que 1,6 libras c) Cualquier tamao de tornillo debe s er al menos el 10% del paquete total Cul ser la composicin del paquete que ocasiona r un costo mnimo? Vende bolsas de al menos 2 Libras cada una 34

Formulacin Xj= Peso en libras de las tuercas y tornillos del tamao j-simo (j=1,2 y 3) en la b olsa Observe que: 20/200 es lo que vale una libra de tornillos tipo 1 8/200 es l o que vale una libra de tornillos tipo 2 12/200 es lo que vale una libra de torn illos tipo 3 Minimizar Z = 20/200 X1 + 8/200 X2 + 12/200 X3 X1 + X3 > (X1 + X2 + X3) / 2 X1 + X2 < 1,6 X1 > 0,1 (X1 + X2 + X3) X2 > 0,1 (X1 + X2 + X3) X3 > 0,1 (X1 + X2 + X3) X1 + X2 + X3 > 2 XJ = 0 C.S.R. Los tamaos 1 y 3 al menos la mitad del peso Los tamaos 1 y 2 no deben ser mayor de 1,6 lbs El ta mao 1 debe ser al menos el 10% del total El tamao 2 debe ser al menos el 10% del t otal El tamao 3 debe ser al menos el 10% del total El paquete debe ser al menos d e 2 libras J = 1, 2 y 3 Condicin de no negatividad Solucin: Minimizar Z = 0,1X1 + 0,04X2 + 0,06X3 C.S.R. X1 - X2 X1 + X2 0,9X1 -0,1X 2 -0,1X1 +0,9X2 -0,1X1 -0,1X2 X1 + X2 J = 1, 2 y 3 + X3 > 0 < 1,6 > 0 > 0 > 0 > 2 XJ > 0 - 0,1X3 - 0,1X3 + 0,9X3 + X3 Usando el WINQSB se encuentra que la solucin ptima es: X1* = 0,2 Libras del tamao 1 X2* = 1,0 Libras del tamao 2 X3* = 0,8 Libras del tamao 3 Z* = $0,108 Costo mnimo del paquete 7. Problema clsico del transporte Un fabricante tiene tres centros de distribucin en: Bogot, Medelln y Cali. Estos centros tienen disponibilidades de: 2 0, 40 y 40 unidades respectivamente. Sus detallistas requieren los siguientes ca ntidades: 35

Formulacin Pereira 25, Tula 10, Anserma 20, Ibagu 30 y Armenia 15. El costo de transporte por unidad en pesos entre cada centro de distribucin y las localidades de los detall istas se dan en la siguiente tabla: D Pereira Centros de distribucin Bogot Medelln Cali 55 35 40 e t Tula 30 30 60 a l l 40 100 95 i s t 50 45 35 a s Armenia 40 60 30 Anserma Ibagu Cuanto unidades debe mandar el fabricante desde cada centro de distribucin a cada detallista, de manera que los costos totales de transporte sean mnimos? = Cantid ad de unidades a enviar desde el centro de distribucin isimo (i = 1 = Bogot, i = 2 = Medelln, i = 3 = Cali), al detallista j-simo (j = 1 = Pereira, j = 2 = Tula, j = 3 = Anserma, j = 4 = Ibagu, j = 5 = Armenia) Minimizar Z = 55X11 + 30X12 + 40X13 + 50X14 + 40X15 + 35X21 + 30X22 + 100X23 + 45X24 + 60X25 + 40X31 + 60X32 + 95X33 + 35X34 + 30X35 C.S.R. X11 + X12 + X13 + X14 + X15 < 20 Restricciones debidas a la disX21 +X22 + X23 + X24 + X25 < 40 ponibilidad de unidades en los X31 +X32 + X33 + X34 + X35 < 40 respectivos centros de distribucin 1, 2 y 3 X11 + X12 + X13 + X14 + X15 + X21 + X31 X22 + X32 X23 + X33 X24 + X34 X25 + X35 > > > > > 25 10 20 30 15 Restricciones debidas a los requerimientos de unidades, de los detalli stas respectivos 1, 2, 3, 4 y 5 Xij > 0 ; i = 1, 2 y 3 ; j = 1, 2, 3, 4 y 5 Empleando el WinQSB el INVOP obtenem os la siguiente solucin factible ptima: X*11 X*12 X*13 X*14 X*15 36 = = = = = 0 0 20 0 0 X*21 X*22 X*23 X*24 X*25 = 25 = 10 = 0 = 5 = 0 X*31 X*32 X*33 X*34 X*35 = = = = = 0 0 0 25 15 Z* = $ 3.525

Formulacin 8. El problema del transbordo Una empresa fabrica monitores de alta resolucin en dos plantas de produccin P1 y P2 . Las capacidades de produccin por semana son de 80 y 60 unidades, respectivamente. Los monitores se llevan a cuatro centros de v entas Vi , i = 1, 2, 3 Y 4 que solicitan para la prxima semana 30 unidades para V 1, 20 para V2 y 40 para V4. V3 no ha cuantificado su demanda indicando que va a ser muy alta y aceptara toda la produccin. La legislacin vigente obliga a la empres a a transportar los monitores de las plantas a los puntos de venta a travs de alg uno de los dos centros de control de calidad existentes C1 y C2 en los que se co ntrolan los monitores y cuya capacidad es muy grande. El costo de control por un idad en C1 es de $4.000 y en C2 es de $6.000. Los costos en miles de pesos del t ransporte unitario de las plantas a los centros de control y de estos a los punt os de venta, aparecen en la tabla siguiente: Plantas de produccin P1 Centros de control de calidad C1 C2 12 11 P2 10 9 C e n t r o s d e v e n t a V1 22 20 V2 20 V3 24 19 V4 23 La empresa desea distribuir toda la produccin para la semana entrante, sin mostra r preferencia por la utilizacin de un determinado centro de control o punto de ve nta, pues su inters reside en minimizar el costo global de transporte. Cual debe ser la distribucin de las plantas a los puntos de venta? Formulacin: 37

Formulacin Xij = Unidades a enviar desde el nodo i-simo (i = 1,2,3 y 4) al nodo j-simo (j = 3 ,4,5,6,7 y 8) Minimizar Z = 12X13 + 11X14 + 10X23 + 9X24 + 4(X13 + X23) + 6(X14 + X24) + 22X35 + 20X36 + 24X37 +20X45 + 19X47 + 23X48 C.S.R. X13 + X14 < 80 X23 + X24 < 60 X13 + X23 = X35 + X36 + X37 X14 + X24 = X45 + X47 + X48 Restricciones debidas a la disponibilidad de monitores en las plantas p1 y p2 Restricciones d ebidas a que la suma de monitores entrante debe ser igual a la suma de monitores saliente de cada centro C1 y C2 Restricciones debidas a la demanda de monitores en cada centro de venta V1 , V2 , V3 y V4 Restriccin de no negatividad X35 + X45 X36 X37 + X47 X48 Xij > 0 ; > > > > 30 20 140 40 Enteros Otra manera de formularlo es, convirtindolo s: Construimos una tabla de costos mnimos, sealando el centro de control de calidad Ck V1 P1 P2 37 (C2)* 35 (C2) V2 36 (C1) 34 (C1) 2) en un problema clsico de transporte, a desde cada origen Pi a cada destino Vj , usado en dicha ruta de mnimo costo. V3 36 (C2) 34 (C2) V4 40 (C2) 38 (C

Ejemplo: Para enviar monitores desde la planta P1 al centro de ventas V1 existen dos alternativas: 1) P1 => C1 => V1 con costos por unidad de: $12 + $4 + $22 = $38 2) P1 => C2 => V1 con costos por unidad de: $11 + $6 + $20 = $37 * Inscribim os el menor costo de estas dos alternativas en la tabla, especificando que se ha ce a travs del centro de investigacin C2 38

Formulacin Xij = Cantidad de monitores de alta resolucin a enviar desde la planta i-sima (i=1 , i=2) al centro de venta j-simo (j=1, 2, 3 y 4) Min Z = 37X 11+36X12+36X13+40X14 +35X21+34X22+34X23+38X24 C.R.S. X11 + X12 + X13 + X14 X21 + X22+ X23 + X24 X11 + X12 + X13 + X14 + X21 X22 X23 X24 > > > > 30 20 140 40 < 80 < 60 Restricciones debidas a la disponibilidad de monitores en las plantas P1 y P2 Restricciones de bidas a la demanda de monitores, encada centro de ventas V1 , V2 , V3 y V4 Condi cin de no negatividad Xij > 0 ; i = 1 y 2 ; j = 1, 2 , 3 y 4 Enteros Solucin: Empleando cualquiera de las dos formulaciones, se obtiene mediante el Wi nQsb o el INVOP la siguiente solucin: De la planta de produccin P1 enviar 20 monit ores al centro de control de calidad C1 De la planta de produccin P1 enviar 60 mo nitores al centro de control de calidad C2 De la planta de produccin P2 enviar 60 monitores al centro de control de calidad C2 Del centro de control de calidad C 1 enviar 20 monitores al centro de ventas V2 Del centro de control de calidad C2 enviar 120 monitores al centro de ventas V3 Costo total Mnimo del trasporte y re visin de calidad $4.920 9. Problema de localizacin de planta Una empresa del secto r textil, que opera en todo el pas, dispone de la siguiente configuracin: Dos plan tas de fabricacin en Pereira e Ibagu, con capacidades de 900 y 1.500 unidades resp ectivamente. Cuatro almacenes regionales de distribucin que sirven a los clientes de sus respectivas zonas en: Neiva, Medelln, Cali y Bogot, con demandas de: 700, 800, 500 y 400 unidades respectivamente. 39

Formulacin En los prximos aos, la empresa espera un crecimiento de la demanda del orden del 2 5%, lo cual ha llevado a la direccin de la misma a plantearse la apertura de una nueva fbrica. A la vista de los criterios que la empresa estima importantes para la localizacin de la nueva planta, existen dos alternativas a considerar: Pasto ( alternativa 1) y Villavicencio (Alternativa 2). La eleccin recaer en aquella que p rovoque los menores costos de transporte entre las fbricas y los almacenes, dado que ambas parecen ser igualmente convenientes respecto a otros factores. La tabl a siguiente muestra los costos de transporte unitarios entre cada origen y desti no. Plantas de fabricacin Pereira Ibagu Pasto Villavicencio Almacenes regionales de di stribucin Neiva 6 2 6 6 Medelln 4 3 4 3 Cali 2 7 4 4 Bogot 6 5 8 2 Formulacin: (a) Considerando establecer la nueva planta en Pasto Xij = Unidades a enviar desde la planta i-sima (i = 1 = Pereira, i = 2 = Ibagu, i = 3 Pasto) al al macn j-simo (j = 1 = Neiva, j = 2 = Medelln, j = 3 = Cali, j = 4 = Bogot) Min Z = 6X 11 + 4X12 + 2X13 + 6X14 + 2X21 + 3X22 + 7X23 + 5X24 + 6X31 + 4X32 + 4X33 + 8X34 C.S.R. Restricciones debidas a la dispoX11 + X12 + X13 + X14 = 900 nibilidad de unidades en las planX21 + X22 + X23 + X24 = 1.500 tas 1, 2 y 3 respectivamente X 31 + X32 + X33 + X34 = 600 X11 + X21 + X31 = 700 + 175 = 875 Restricciones debid as a los requeX12 + X22 + X32 = 800 + 200 = 1.000 rimientos de unidades de los a lX13 + X23 + X33 = 500 + 125 = 625 macenes regionales de distribuX14 + X24 + X34 = 400 + 100 = 500 cin 1, 2, 3 y 4 Xij > 0 ; i = 1,2 y 3 ; j = 1,2,3 y 4 Empleand o el WinQsb o el INVOP, se obtiene la siguiente solucin ptima: 40

Formulacin X*13 = 625 X*14 = 275 X*21 = 875 X*22 = 400 X*24 = 225 X*32 = 600 Z* = $9.375 (b) Considerando establecer la nueva planta en Villavicencio: Xij = Unidades a e nviar desde la planta i-sima (i = 1 = Pereira, i = 2 = Ibagu, i = 3 Villavicencio) al almacn j-simo (j = 1 = Neiva, j = 2 = Medelln, j = 3 = Cali, j = 4 = Bogot) Min Z = 6X11+4X12+2X13+6X14+2X21+3X22+7X23+5X24+6X31+3X32+4X33 +2X34 C.S.R. 900 Restricciones debidas a la disponibiX11 + X12 + + X23 + X24 = 1.500 lidad de unidades en las plantas 1, 2 34 = 600 3 respectivamente X11 + X21 + X31 X12 + X22 + X32 X24 + X34 = 875 = 1.000 = 625 = 500 Restricciones debidas de unidades de los almacenes regionales de distribucin 1, X13 + X14 = X21 + X22 y X31 + X32 + X33 + X X13 + X23 + X33 X14 + a los requerimientos 2, 3 y 4

Xij > 0 ; i = 1,2 y 3 ; j = 1,2,3 y 4 Empleando el WinQsb el INVOP, la solucin pti ma es: X*12 = 275 X*13 = 625 X*21 = 875 X*22 = 625 X*32 = 100 X*34 = 500 Z* = $7 .275 De los resultados obtenidos se deriva que Villavicencio es la mejor localizacin b ajo el criterio de minimizar los costos del transporte. 10. El problema de asign aciones Se usan cuatro barcos cargueros para transportar bienes de un puerto a o tros cuatro puertos (numerados 1,2,3 y 4). Se puede usar cualquier barco para ha cer cualquiera de los cuatro viajes. Sin embargo, dadas algunas diferencias entr e los barcos y las cargas, el costo total de cargar, transporte y descargue de b ienes para las distintas combinaciones de barcos y puertos varia mucho. Estos co stos se muestran el la siguiente tabla: 41

Formulacin P 1 1 2 3 4 5 6 7 5 U 2 4 6 5 4 E R T 3 6 7 7 6 O 4 7 5 6 6 Barco El objetivo es asignar los barcos a los puertos en una correspondencia uno a uno , de manera que se minimice el costo total de los cuatro barcos. Xij = 0, No asigne el barco i-simo (i = 1,2,3 y 4) al puerto j-simo(j = 1,2,3 y 4) Xij = 1, Si asigne el barco i-simo (i = 1,2,3 y 4) al puerto j-simo(j = 1,2,3 y 4 ) Minimice Z = 5X11 + 4X12 + 6X13 + 7X14 + 6X21 + 6X22 + 7X23 + 5X24 + 7X31 + 5X32 + 7X33 + 6X34 + 5X41 + 4X42 + 6X43 + 6X44 C.S.R. X11 + X12 + X13 + X14 X21 +X22 + X23 + X24 X31 +X32 + X33 + X34 X41 +X42 + X43 + X44 X11 + X12 + X13 + X14 + X 21 + X31 + X41 X22 + X32 + X42 X23 + X33 + X43 X24 + X34 + X44 = = = = = = = = 1 1 1 1 1 1 1 1 Restricciones que aseguran que un solo barco es asignado a un sol o puerto Restricciones que aseguran que un solo puerto es asignado a un solo barco Xij = 0,1 ; i = 1,2,3 y 4 ; j = 1,2,3 y 4 Empleando el WinQsb en su mdulo: Networ k Modeling (Modelo de redes) assignment problem (Problema de asignaciones) se ob tiene la siguiente solucin ptima y factible. X*11 = 1 X*12 = 0 X*13 = 0 X*14 = 0 X *21 = 0 X*22 = 0 X*23 = 0 X*24 = 1 X*31 = 0 X*32 = 1 X*33 = 0 X*34 = 0 X*41 = 0 X*42 = 0 X*43 = 1 X*44 = 0 Z* = 21 42

Formulacin Barco Barco Barco Barco 1 2 3 4 al al al al Puerto Puerto Puerto Puerto 1 4 2 3 : : : : Costo Costo Costo Costo $ $ $ $ 5 5 5 6 Costo total mnimo: $21 11. Problema de la mezcla Una compaa de petrleos produce tres tipos de gasolina: Super, Normal y Euro. Se obtienen por mezcla de tres calidad es de crudo (A,B,C), que contienen tres componentes (1,2,3) . La participacin de estos componentes en la composicin de cada crudo es: 1 CRUDOS A B C 80 45 30 COMPONENTES (%) 2 3 10 30 40 5 20 25 Las especificaciones de los tres tipos de gasolina son: C O M P O N E N T E S 1 2 > 60 < 25 (%) 3 10 SUPER GASOLINA NORMAL EURO > 50 < 40 > < 30 > 35 < 15 > 20 Los costos por barril de crudo A, B y C son: $650, $500 y $450, respectivamente. El presupuesto diario de compra es de $50 Millones. La disponibilidad diaria de crudos B y C se limita, respectivamente, a 3.000 y 7.000 barriles. Ciertos acue rdos obligan a comprar al menos 2.500 barriles de A. Las demandas de gasolina Su per y Normal son de 2.000 y 2.500 barriles diarios, que deben satisfacerse. La c ompaa desea maximizar la produccin de gasolina Euro. Formule un modelo de programac in lineal que de respuesta al problema planteado por la compaa. Formulacin: 43

Formulacin Xij = Cantidad de barriles diarios del crudo i-simo (i = A, B, C) dedicado al tip o de gasolina j-sima (j = S, N, E). Maximizar Z = XAE + XBE + XCE C.S.R. 650(XAS+XAN+XAE) + 500(XBS+XBN+XBE) + 450(XCS+XCN+XCE) < 500000.000 Restriccin debida a la limitacin de disponibilidad de capital. XAS + XAN + XAE > 2 .500 XBS + XBN + XBE < 3.000 XCS + XCN + XCE > 7.000 XAS + XBS + XCS > 2.000 XAN + XBN + XCN > 2.500 Restricciones debidas a las limitaciones de crudo y al acue rdo comercial Restricciones debidas a la demanda de gasolina Super y Normal, res pectivamente Restricciones debidas al porcentaje de cada componente en la gasoli na Super 0,80XAS+0,45XBS+0,30XCS > 0,60(XAS+XBS+XCS) 0,10XAS +0,30XBS+0,40XCS < 0,25(XAS+ XBS+XCS) 0,05XAS+0,20XBS+0,25XCS > 0,10 (XAS+XBS+XCS) 0,80XAN+0,45XBN+0,30XCN > 0,50(XAN+XBN+XCN) Restricciones debidas al 0,10XAN +0, 30XBN+0,40XCN < 0,30(XAN+XBN+XCN) porcentaje de cada com0,05XAN+0,20XBN+0,25XCN < 0,15 (XAN+XBN+XCN) ponente en la gasolina Normal 0,80XAE+0,45XBE+0,30XCE < 0,40(XAE+XBE+XCE) 0,10XAE +0,30XBE+0,40XCE > 0,35(XAE+ XBE+XCE) 0,05XAE+0,20XBE+0,25XCE > 0,20(XAE+XBE+XCE) Restricciones debidas al porcentaje de cada componente en la gasolina Euro Xij > 0 ; i = A, B, C ; j = S, N, E 44

Formulacin 12. El problema del financiero Un inversionista tiene la intencin de hacer varias inversiones, las cuales se extendern por un periodo de cinco aos, al final del cu al necesitar de todo el capital. Las inversiones se hacen el 1 de Enero de cada ao y son: Inversin A: Disponible el 1 de Enero de cada ao y produce el 15% de inters al final de cada ao. Inversin B: Disponible en dos aos a partir de ahora (Comienzo de l 3 ao), y produce un retorno del 25% al final del 3 ao y lo mximo que el inversionis ta considerar son $40.000 Inversin C: Disponible en un ao a partir de ahora (Comien zo del 2 ao), y produce el 40% al final del cuarto ao. Esta inversin ser de $30.000 c omo mximo. El inversionista tiene $100.000 disponibles para las inversiones. Cul d ebe ser el portafolio de inversin que le permita obtener la mxima cantidad de dine ro al final del ao quinto? Formulacin: Xij = Cantidad de dinero a invertir en la a lternativa i-sima (i=A, B y C) al principio del ao j-simo (j = 1, 2, 3, 4 y 5 ). Ca pital Inicial: $100.000 45

Formulacin Maximizar Z = 100.000 + 0,15 (XA1 + XA2 + XA3 +XA4 + XA5) + 0,25XB3 + 0,4XC2 Para construir las restricciones piense, que al principio de cada ao va a tener d isponibles algunas alternativas de inversin para las que no podr invertir ms de lo tenga disponible en ese momento. El lado izquierdo de las restricciones, represe nta la cantidad de dinero que el inversionista invertir en las alternativas dispo nibles al principio de cada ao y el lado derecho representa la cantidad de dinero disponible para invertir, que es la suma de: El capital inicial + La suma de to dos los intereses recibidos hasta la fecha - Los capitales que estn invertidos en ese momento y que no han retornado. C.S.R. XA1 < 100.000 XA2 + XC2 < 100.000+0,15XA1 XA3 + XB3 < 100.000+0,15(XA1+XA2)-XC2 XA4 < 100.000+0,15(XA1+XA2+XA3)+0,25XB3-XC2 XA5 < 100.000+0,15(XA1+XA2+XA3+XA4)+ 0,25XB3+0,4XC2 XB3 < 40.000 XC2 < 30.000 Restricciones debidas a la cantidad de dinero disponible al principio de cada un o de los cinco aos Xij > 0 ; i = A, B y C ; j = 1, 2, 3, 4 y 5 46

Formulacin Empleando el WinQsb se obtiene la siguiente solucin ptima factible: X*A1 = $100.00 0 X*A3 = $ 92.250 X*A2 = $115.000 X*A4 = $156.087,50 Z* = $206.425,7 13. Problem a de distribucin de buses Transporte y Trnsito del Tolima estudia la factibilidad de introducir un sistema de autobuses de transporte masivo que aliviar el problem a del smog al reducir el trnsito en la ciudad. El estudio inicial busca determina r el mnimo nmero de autobuses que pueden suplir las necesidades de transporte en l a ciudad. El estudio inicial busca determinar el nmero mnimo de autobuses que pued en suplir las necesidades de transporte. Despus de recolectar la informacin necesa ria, el ingeniero de la entidad advierte que el nmero mnimo de autobuses que se ne cesitan para cubrir la demanda flucta segn la hora del da. Estudiando los datos ms a fondo descubri que el nmero requerido de autobuses se puede suponer constante en intervalos sucesivos de 4 horas cada uno. En la figura se resumen los hallazgos del ingeniero. Se decidi que para hacer el mantenimiento diario requerido, cada a utobs podra operar solo 8 horas sucesivas al da. X*A5 = $179.500,6 X*B3 = $ 40.000 X*C2 = $0 Xj = Nmero de buses a signar en el turno j-simo (j = 1, 2, 3, 4, 5 y 6) de 8 horas 47

Formulacin J = 1 = Turno que empieza a las 12 a.m. J = 2 = Turno que empieza a las 4 a.m. J = 3 = Turno que empieza a las 8 a.m. J = 4 = Turno que empieza a las 12 meridia no J = 5 = Turno que empieza a las 4 p.m. J = 6 = Turno que empieza a las 8 p.m. Horario de la demanda 12 - 4 4-8 8 - 12 12 - 4 4-8 8 - 12 De 12 a.m. a 8 a.m. De 4 a.m. a 12 meridiano De 8 a.m. a 4 p.m. De 12 Meridiano a 8 p.m. De 4 p.m. a 12 p.m. De 8 p.m. a 4 a.m. Nmero de buses necesarios 4 8 10 7 Turnos de 8 horas, empezando a las 12 de la noche X1 12 - 8 X2 4 - 12 X3 8-4 X4 12 - 8 X5 4 - 12 X6 8-4 a a a a a a a a a a a 12 a 4 Minimizar Z = X1 + X2 + X3 + X4 + X5 + X6 C.S.R. X1 + X6 X1 + X2 X2 + X3 X3 + X4 X4 + X5 X5 + X6 > > > > > > 4 8 10 7 12 4 Restricciones debidas a la demanda de buses cada cuatro horas Xj > 0 ; j = 1, 2, 3, 4, 5 y 6 ; y enteros Empleando la programacin lineal entera y el software WinQsb, se encuentra la solucin ptima factible siguiente: X*1 = X*2 = X*3 = X*4 = 4 10 0 8 X*4 = 4 X*6 = 0 Z* = 26 buses Interpretacin X*1 = X*2 = X*3 = X*4 = 48 4 10 0 8 Asignar 4 buses en el turno de 12 de la noche a 4 a.m. Asignar 10 buses en el tu rno de 4 a.m. a 8 a.m. No asignar buses en el turno de 8 a.m. a 12 meridiano Asi gnar 8 buses en el turno de 12 meridiano a 4 p.m.

Formulacin X*4 = 4 X*6 = 0 Asignar 4 buses en el turno de 4 p.m. a 8 p.m. No asignar buses en el turno de 8 p.m. a 12 de la noche 14. Problema de inventarios Un producto de la firma XYZ tiene la siguiente deman da pronosticada para los prximos cuatro meses: Mes 1: 2.800 unidades, Mes 2: 2.20 0 unidades, Mes 3: 3.200 unidades y Mes 4: 2.500 unidades. La compaa puede produci r 2.700 unidades del artculo por mes en sus turnos normales. Utilizando tiempo ex tra es posible fabricar 300 unidades adicionales. La produccin en tiempo extra ti ene un sobre costo de $10 por unidad. La administracin ha estimado que se incurre en un costo de almacenamiento de $2 por unidad que se produzca en un mes determ inado y no se venda en el mismo. Se trata de determinar un programa ptimo de prod uccin que minimice los costos totales de produccin y almacenamiento. Supngase que l a cantidad en existencia es cero y se desea un inventario final del periodo igua l a cero. Xi = Unidades a producir en el mes i-simo (i = 1, 2, 3 y 4) en tiempo normal. Yi = Unidades a producir en el mes i-simo (i = 1, 2, 3 y 4) en tiempo extra. Ii = Un idades a almacenar al final del mes i-simo (i = 1, 2, 3 y 4). Minimizar Z = 10Y1 + 10Y2 + 10Y3 + 10Y4 + 2I1 + 2I2 + 2I3 C.S.R. X1 + Y1 = I1 + 2.800 I1 + X2 + Y2 = I2 + 2.200 I2 + X3 + Y3 = I3 + 3.200 I3 + X4 + Y4 = 2.500 X i < 2.700 ; i = 1, 2, 3 y 4 Yi < 300 ; i = 1, 2, 3 y 4 Xi > 0 ; Yi > 0 ; Ii > 0 ; i = 1, 2, 3 y 4 Restricciones debidas a que el inventario inicial ms lo que se produce en tiempo normal mas lo que se produce en tiempo extra, debe ser igual a la demanda mas el inventario final. 49

Formulacin Solucin usando el WinQsb X*1 = 2.700 X*2 = 2.700 X*3 = 2.700 X*4 = 2.500 Y*1 = 10 0 Y*2 = 0 Y*3 = 0 Y*4 = 0 I*1 = 0 I*2 = 500 I*3 = 0 Z* = 2.000 15. El problema de los manteles En un saln de banquetes se tienen programados ban quetes durante los siguientes cinco das. Los requisitos de manteles por banquete son: Banquete Nmero de manteles 1 80 2 60 3 100 4 130 5 200 El problema del administrador es que se requieren manteles diferentes a los que se usan, por lo que tendr que comprar ese tipo de manteles. El costo de cada mant el es de $40 y el costo de mandarlo a la lavandera bajo servicio urgente para ten erlo listo a los dos das es de $10 por mantel. Cul es el modelo que le permitir al administrador cumplir con sus requisitos y adems minimizar el costo total? Xi = Nmero de manteles a comprar para el banquete i-simo (i = 1, 2, 3, 4 y 5) Yi = Nmero de manteles a mandar a lavar despus del banquete isimo (i = 1, 2 y 3) Ii = Nm ero de manteles limpios al final de cada banquete i-simo (i = 1, 2, 3 y 4) Minimi zar Z = 40(X1 + X2 +X3 +X4 +X5) + 10(Y1 + Y2 + Y3) 50

Formulacin X1 = 80 + I1 I1 +X2 = 60 + I2 Y1 + I2 + X3 = 100 + I3 Y2 + I3 + X4 = 130 + I4 Y3 + I4 + X5 = 200 Y1 < 80 Y2 < 60 Y3 < 100 Xi > 0 ; i = 1, 2, 3, 4 y 5 Ii > 0 ; i = 1, 2, 3 y 4 Yi > 0 ; i = 1, 2 y 3 Empleando el WinQsb se obtiene la siguiente solucin ptima factible: X*1 = 80 X*2 = 60 16. X*3 = 20 X*4 = 70 X*5 = 100 Y*1 = 80 Y*2 = 60 Y*3 = 100 I*i = 0 ; i = 1, 2, 3 Y 4 Z* = $15.600 Sistema Operativo de Produccin La compaa Wetski Water Ski es la ms grande productora de skis para agua, como Usted sospecha, existe una estimacin de alta demanda, con un mximo en los meses de vera no y un mnimo en los meses de invierno. Conociendo los costos y el pronstico por t rimestre; Formule un programa de programacin lineal que minimice los costos y sat isfaga la demanda. Cules son los costos de ese plan? Trimestre 1 2 3 4 (Unidades) Pronstico de ventas 50.000 150.000 200.000 52.000 Costo de llevar inventario $3,00 Por par de skis/trimestre Produccin por empleado 1.000 par de skis/trimestre Fuerza de trabajo regular 50 trabajadores Capacidad en horas extras 50.000 pares de skis Capacidad de subcontratar (Maquila) 40.000 pares de skis Costo de produccin regular $50,00 por par de skis Costo de producc in en horas extras $75,00 por par de skis Costo de produccin subcontratada $85,00 por par de skis Solucin: Produccin mxima por trimestre con la fuerza de trabajo reg ular: 1.000 (Pares /Empleado) * 50 (Empleados) = 50.000 skis Xj = Pares de skis a fabricar con la fuerza de trabajo regular en el trimestre j-simo. 51

Formulacin Hj = Pares de skis a fabricar en horas extras en el trimestre j-simo. Mj = Pares de skis a fabricar con subcontratos en el trimestre j-simo Ij = Unidades en inven tario al final del trimestre j-simo J = 1, 2, 3, 4 Es trivial pensar que Io = 0 y I4 = 0 , para minimizar los costos. Min Z=50(X1+X2+X3+X4)+75(H1+H2+H3+H4)+85(M1+M2+M3+M4)+. . . +3(I1+I2+I3) C.S.R. X1 + H1 + M1 I1 + X2 + H2 + M2 I2 + X3 + H3 + M3 I3 + X4 + H4 + M4 XJ < 50.000 H J < 50.000 MJ < 40.000 XJ > 0 HJ > 0 MJ > 0 IJ > 0 = = = = ; ; ; ; ; ; ; 50.000 + I1 150.000 + I2 200.000 + I3 52.000 J=1,2,3,4 J=1,2,3,4 J=1,2,3,4 J=1,2 ,3,4 J=1,2,3,4 J=1,2,3,4 J=1,2,3,4 Empleando el WinQsb, la solucin para ste problema es: X1* = 50.000 X2* = 50.000 X3 * = 50.000 X4* = 50.000 Interpretacin: Con la fuerza de trabajo regular, debemos producir 50.000, 50.000, 52 H1* = 50.000 H2* = 50.000 H3* = 50.000 H4* = 2.000 M1* = 20.000 M2* = 40.000 M3* = 40.000 M4* = 0 I1* = 70.000 I2* = 60.000 I3* = 0 Z* = 30290.000

Formulacin 50.000 y 50.000 pares de skis durante cada trimestre, respectivamente. Usando la capacidad en horas extras, debemos producir 50.000, 50.000, 50.000 y 2.000 pare s de skis durante cada trimestre, respectivamente. Debemos subcontratar la elabo racin de 20.000, 40.000, 40.000 y 0 pares de skis durante cada trimestre, respect ivamente. El inventario final para cada trimestre es: 70.000 para el primer trim estre, 60.000 para el segundo trimestre y 0 para el tercer trimestre. Fjese que los costos de produccin e inventarios para cada trimestre son: Trimestre 1 Trimestre 2 Trimestre 3 Trimestre 4 50.000(50)+50.000(75)+20.000(85) 70.000(3)+50.000(50)+50.000(75)+40.000(85) 60.000(3)+50.000(50)+50.000(75)+40.0 00(85) 50.000(50) + 2.000(75) Total = = = = = 7950.000 9860.000 9830.000 2650.000 302 90.000 Nota: En el captulo de transporte, se formula y resuelve ste problema, como un pro blema de transporte. Problemas propuestos Formule cada uno de los siguientes pro blemas de programacin lineal y mediante el software WinQsb la herramienta Solver del Excel, halle la solucin ptima. 53

Formulacin 1. Un frutero necesita al menos 16 cajas de naranja, como mnimo 5 cajas de pltano y al menos 20 cajas de manzanas. Dos mayorista (A y B) le pueden sumin istrar sus necesidades, pero solo venden la fruta en contenedores completos. El mayorista A enva en cada contenedor 8 cajas de naranja, una de pltano y 2 de manza na El mayorista B enva en cada contenedor 2 cajas de naranja, una de pltano y 7 de manzanas. Sabiendo que el mayorista A se encuentra a 150 Km. de distancia y el mayorista B a 300 Km., Calcular cuntos contenedores habr de comprar a cada mayoris ta, con el objetivo de ahorrar tiempo y dinero, reduciendo al mnimo la distancia recorrida. Sol.: X1*=3, X2*=2, Z*=1.050 2. Una compaa tiene dos mina: La mina A pr oduce diariamente una tonelada de carbn de antracita de alta calidad, dos tonelad as de carbn de calidad media y cuatro toneladas de carbn de baja calidad; la mina B produce dos toneladas de cada una de las tres clases. La compaa necesita al meno s 70 toneladas de carbn de alta calidad, 130 toneladas de carbn de calidad media y 150 toneladas de carbn de baja calidad. Los gastos diarios son de 150 y 200 dlare s respectivamente. Cuntos das debern trabajar en cada mina para que los costos sean mnimos?. Sol.: X1*=60, X2*=5, Z*=$10.000. 3. Supongamos que las necesidades mnima s semanales de una persona en protenas, hidratos= de carbono y grasas son, respec tivamente: 8, 12 y 9 unidades. Supongamos que debemos obtener un preparado con e sa composicin mnima, mezclando dos productos A y B, cuyos contenidos por Kg. son l os que se indican en la siguiente tabla: Productos Protenas A B 2 1 Hidratos 6 1 Grasas 1 3 Costo/Kg. 600 400 a) Cuntos kilogramos de cada producto debern comprarse semanalmente para que el co sto de preparar la dieta sea mnimo?. Sol.: X1*=3, X2*=2, Z*=$2.600 b) Cuntos kilog ramos de cada producto debern comprarse semanalmente si el precio de A subiera a $1.000/kilogramo?. Sol.: X1*=1, X2*=6, Z*=$3.400 4. En una encuesta realizada po r la televisin local, se ha detectado que un programa con 20 minutos de variedade s y un minito de publicidad capta 30.000 espectadores, mientras que otro program a 54

Formulacin con 10 minutos de variedades y un minuto de publicidad capta 20.000 es pectadores. Para un determinado periodo, la direccin de la red decide dedicar com o mximo 80 minutos de variedades y 6 minutos de publicidad. Cuntas veces deber apar ecer cada programa con el objeto de captar el mximo nmero de espectadores?. Sol: X 1*=2, X2*=4, Z*=140.000 5. Una empresa tiene dos fbricas A y B. En ellas fabrica un mismo producto, a razn de 500 y 400 unidades por da respectivamente. El product o ha de ser distribuido posteriormente a tres centros de distribucin (1, 2, 3), q ue requieren, respectivamente, 200, 300 y 400 unidades. Los costos de transporta r cada unidad del producto desde cada fbrica a cada distribuidor son los indicado s en la siguiente tabla: Distribuidores Disponibilidad 1 2 3 A 60 10 50 500 B 40 20 25 400 Demanda 200 300 400 Fbricas Cuntas unidades deben ser enviadas desde ca da fbrica a cada distribuidor, para que los costos totales del transporte sean mni mos?. Sol.: X12*=100, X13*=400, X21*=200, X22*=200, Z*=$23.000 6. Una multinacio nal farmacutica desea fabricar un compuesto nutritivo a base de dos productos: A y B. El producto A contiene el 30% de protenas, un 1% de grasas y un 10% de azcare s. El producto B contiene un 5% de protenas, un 7% de grasas y un 10% de azcares. El compuesto tiene que tener, al menos 25 g. de protenas, como mximo 6 g. de grasa s y como mnimo 30 g. de azcares. El costo del producto A es de $ 0,6/g. y el de B es de $ 6/g. Cuntos gramos de cada producto debe tener el compuesto para que el c osto total sea mnimo?. Sol.: X1*=300, X2*=0, Z*=$180 7. Una compaa tiene dos minas M1 y M2 desde las cuales transporta carbn a dos grupos G1 y G2 de una central trmi ca. De la Mina 1 salen diariamente para la central 800 T de antracita y de la mi na 2 300 T. De las 1.100 T., 500 tienen que ir al grupo 1 y 600 Toneladas hasta el el grupo 2. El costo de cada tonelada transportada de la mina 1 al grupo 1 es de $60, el de la mina 1 al grupo 2 es de $80, el de la mina 2 al grupo 1 es de $40 y el de la mina 2 al grupo 2 es de $50. Cuntas toneladas hay que transportar desde cada mina hasta cada grupo para que el costo total sea mnimo?. Sol.: X11*=5 00, X12*=300, X22*=300, Z*=$69.000 55

Formulacin 8. Una asociacin agrcola tiene dos fincas: La finca 1 tiene 400 Ha. de t ierra utilizable para la siembra y dispone de 500 m3 de agua, mientras que la fi nca 2 tiene 900 Ha. de tierra utilizable para la siembra y dispone de 1.200 m3 d e agua. Los cultivos aconsejados son: Caf y pltano. El caf consume 3 m3 de agua por Ha. y tiene un beneficio por Ha. de $700 y el pltano consume 2 m3 de agua por Ha . y tiene un beneficio por Ha. de $500. Se ha establecido una cuota mxima por cad a cultivo: 800 Ha. para el caf y 600 Ha. para el pltano, siendo el porcentaje de t erreno cultivado el mismo en cada finca.Cuntas hectreas hay que sembrar en cada fi nca de cada tipo de cosecha para que el beneficio sea mximo? Sol.: X 11*=28,2051, X 12 *=207,6923, X 21 *=138,4615, X 22 *=392,3077, Z*=$416.666,7 9. Una empresa constructora dispone de dos tipos de camiones C1 y C2 y quiere transportar 100 T. de arena a una obra. sabiendo que dispone de 6 camiones tipo C1 con capacidad para 15 T. y con un costo de $4.000 por viaje y de 10 camiones tipo C2 con una capacidad de 5 T. y con un costo de $3.000 por viaje. Cul es el nmero de camiones de cada tipo que debe usar para minimizar los costos de transporte?.Sol.: X1*=6, X2*=2, Z*=$30.000,00 10. Un puesto de prensa vende bolgrafos a $20 y cuadernos a $30. Llevamos $240 y pretendemos comprar los mismos cuadernos que bolgrafos por lo menos. Cul ser el nmero mximo de piezas (bolgrafos mas cuadernos) que podemos comp rar?. Sol.: X1*=3 bolgrafos, X2*=6 cuadernos, Z*= 9 piezas (Solucin entera). 11. U na compaa area dispone de dos tipos de aviones A1 y A2 para cubrir un determinado t rayecto. El avin A1 debe hacer ms veces el trayecto que el avin A2 pero no puede so brepasar de 120 viajes. Entre los dos aviones deben hacer ms de 60 vuelos, pero m enos de 200. En cada vuelo, A1 consume 900 litros de combustible y A2 700 litros . En cada viaje del avin A1 la empresa gana $30.000 y $20.000 por cada viaje del avion A2. a) Cuntos viajes debe hacer cada avin para obtener la mxima ganancia?. So l.: X1*=120 vuelos, X2*=80 vuelos, Z*=$5200.000 b) Cuntos vuelos debe hacer cada a vin para que el consumo de combustible sea mnimo?. Sol.: X 1*=30 vuelos, X 2*=30 v uelos, Z*=48.000 litros. 56

Formulacin 12. Un joyero de oro y 5 gr. de plata, ea 1,5 gr. de oro y 1 gr. e en su taller de 750 gr. se para obtener la mximo .

fabrica dos tipos de anillos: El anillo A1 precisa 1 gr. vendiendo la unidad a $40. Para el anillo tipo A2 empl de plata y los vende a $50 la unidad. El joyero dispon de cada metal. Cuntos anillos debe fabricar de cada cla venta?.Sol.: X1*=57, X2*=462, Z*=$25.380 (Solucin entera)

13. Un inversionista dispone de un capital de $6.000,00 para invertir en dos act ividades denominadas A y B. La inversin A exige un aporte de $5.000,00 y 400 hora s de trabajo y su ganancia estimada es de $4.500,00 (sin tener en cuenta el valo r del dinero en el tiempo). La invesin B exige un aporte de $4.000,00 y 500 horas de trabajo y su ganancia estimada es de $4.500,00. Ambas inversiones son flexib les y permiten participar con cualquier fraccin que se quiera. Si se elige una pa rticipacin parcial, todas las cifras mencionadas: Inversin, tiempo y ganancia se d eben multiplicar por esa fraccin. Si el inversionista dispone de 600 horas como mx imo, en que proporcin debe participar en cada tipo de inversin para maximizar su g anancia?.Sol.: X1*=1, X2*=0, Z*=$4.500 14. Una empresa de bienes raices, analiza 5 proyectos de desarrollo posibles. La siguiente tabla muestra las ganancias estimadas a largo plazo (valor presente n eto), que generara cada proyecto y la inversin requerida para emprenderlo, en mill ones de dlares. Proyectos 1 2 1 1,8 6 12 de desarrollo 3 4 5 1,6 0,8 1,4 10 4 8 Ganancia estimada Capital requerido Los propietarios de la empresa, reunieron $20 millones de capital de inversin par a estos proyectos. Ellos quieren elegir la combinacin de proyectos que maximice l a ganancia total estimada a largo plazo (valor presente neto) sin invertir ms de $20 millones. Formule un modelo de programacin lineal entera binaria (PEB) para st e problema y resuelvalo empleando el WinQsb. Sol.: X1*=1, X2*=0, X3*=1, X4*=1, X 5*=0, Z*=$3,4 millones de dlares. Se eligen los contratos 1, 3 y 4. 57

58

Captulo 3 Mtodo Grfico Introduccin En el presente captulo se muestra la solucin a varios tipos de problema s de programacin lineal que solamente tienen en su formulacin dos variables, emple ando el mtodo grfico. Conjunto convexo Un conjunto C es un conjunto convexo si el segmento rectilneo que une cualquier par de puntos de C se encuentra completament e en C. Conjunto convexo Conjunto no convexo 59

Mtodo Grfico 1. Problema de nica solucin Maximice Z = 2X1 + X2 C.S.R. 2X1 X1 X1 X1 - X2 - X2 + 2X2 + 4X2 < 8 < 3 < 14 < 24 Xj > 0 ; j = 1, 2 Clculos analticos para graficar el sistema de inecuaciones linea les, incluyendo la condicin de no negatividad (Xj > 0 ; j = 1, 2), que nos indica que solamente trabajaremos en el primer cuadrante del plano cartesiano, cuadran te en donde X1 y X2 son positivas. 1 Restriccin 2X1 - X2 < 8 2X1 - X2 = 8 X1 = 0 X2 = 0 X2 = -8 X1 = 4 P(0,0) => 0 < 8 Verdad 2 Restriccin X1 - X2 < 3 X1 - X2 = 3 X1 = 0 X2 = 0 X2 = -3 X1 = 3 P(0,0) => 0 < 3 Verdad 3 Restriccin X1 + 2X2 < 14 X1 + 2X2 = 14 X1 = 0 X2 = 0 X2 = 7 X1 = 14 P(0,0) => 0 < 14 Verdad 4 Restriccin X1 + 4X2 < 24 X1 + 4X2 = 24 X1 = 0 X2 = 0 X2 = 6 X1 = 24 P(0,0) => 0 < 24 Verdad Funcin Objetivo Z = 2X1 + X2 2X1 + X2 = 2 X1 = 0 X2 = 2 X2 = 0 X1 = 1 Restricciones Fjese que para cada inecuacin, primero suponemos que es una igualdad y luego tabulamos dos puntos fciles de calcular, como lo son las intersecciones de la recta con los ejes cartesianos abcisa y ordenada, esto siempre que el trmin o independiente (Lado derecho de la inecuacin) sea diferente de cero, es decir si empre y cuando la recta no pase por el origen de coordenadas P(0,0). A continuac in con un punto de prueba cualquiera P(X1 , X2), (Asegrese que se encuentre al lad o derecho izquierdo de la recta, NO sobre ella, es decir, el punto de prueba NO puede pertenecer a la recta), Aqu, como ya sabemos que la recta no pasa por el or igen de coordenadas (Trmino independiente diferente de cero), usamos como punto d e prueba P(0,0), es decir X1 = 0, X2 = 0 que nos facilita los clculos cuando lo r emplacemos en la inecuacin y observamos si la hace una verdad una falsedad; Averi guar esto nos permite conocer si el rea solucin de la inecuacin est al lado derecho izquierdo (Por supuesto, incluyendo los puntos sobre la recta, ya que todas las inecuaciones son menor igual ( < )); Si el punto de prueba hace verdad la inecua cin lineal, entonces, todos los puntos que se encuentran al 60

Mtodo Grfico mismo lado del punto de prueba la harn verdad, si el punto de prueba no hace verd ad la inecuacin lineal, los puntos que la harn verdad estn al lado contrario en don de se encuentra el punto de prueba. Esto es, si el punto de prueba se encuentra al lado izquierdo de la recta y hace verdad la inecuacin, entonces el rea de soluc iones para sta inecuacin, son todos los puntos que pertenecen a la recta y los que se encuentran al lado izquierdo de ella. Si el punto de prueba situado a la izq uierda de la recta, no hace verdad la inecuacin, entonces el rea de soluciones par a sta inecuacin, son todos los puntos que pertenecen a la recta y los que se encue ntran al lado derecha de ella. Funcin objetivo La funcin objetivo Z = 2X1 + X2 exp resada como 2X1 + X2 = Z tiene la estructura de una lnea recta, solo que no conoc emos su trmino independiente. Graficando sta ecuacin con diferentes valores para Z, observamos que la funcin objetivo, representa una familia de rectas paralelas, q ue al aumentar el valor de Z la recta se desplaza hacia el lado derecho, por lo que concluimos que Z aumenta cuando la recta se desplaza paralelamente hacia la derecha, esto se cumple siempre que la ecuacin de la funcin objetiva tenga pendien te negativa, es decir inclinada al lado izquierdo. Para funciones objetivo con p endiente positiva (Inclinadas al lado derecho), se recomienda dar varios valores a Z y graficar para observar si al desplazarse a la derecha Z aumenta o por el contrario disminuye. 2X1 + X2 = 2 2X1 + X2 = 4 2X1 + X2 = 6 X1 = 0 X2 = 0 X2 = 6 X1 = 3 X1 = 0 X2 = 0 X1 = 0 X2 = 0 X2 = 2 X1 = 1 X2 = 4 X1 = 2 Aqu se le ha dado a Z el valor arbitrario de 2, ya que solo necesitamos graficar una de las rectas que pertenece a la familia de rectas paralelas, para facilitar la tabulacin de la funcin objetivo, se recomienda dar el valor arbitrario de Z co mo un mltiplo de los coeficientes de las variables, que se consigue fcilmente, mul tiplicando el coeficiente de X1 por el coeficiente de X2 . Es conveniente fijars e en los valores de las coordenadas para graficar la funcin objetivo observando q ue sean parecidos en magnitud a los hallados para graficar las restricciones 61

Mtodo Grfico (Observe que puede dar el valor adecuado a Z), esto har que la grfica quede conven ientemente presentada para el anlisis. Existen dos procedimientos para encontrar la solucin factible ptima: 1. Evaluar la funcin objetivo Z en cada una de las esqui nas del rea de soluciones factibles. La debilidad de este procedimiento se presen ta cuando se tienen muchas restricciones que por supuesto generan un rea con much as esquinas, volvindose dispendiosa la consecucin de sus coordenadas, que implica la solucin de muchos sistemas de ecuaciones lineales. 2. Usando la funcin objetivo para determinar la esquina del rea de soluciones factible que la optimiza. La de bilidad de ste procedimiento se presenta cuando la funcin objetiva es aproximadame nte paralela a uno de los lados del rea de soluciones factible, originando la dud a visual sobre la grfica, de cual de los dos extremos (esquinas) es el que hace q ue la funcin objetivo se optimice. Se recomienda usar el segundo procedimiento y en caso de dudas visuales sobre la grfica, recurrir al primer procedimiento para dirimir la duda respecto al par de esquinas. Primer procedimiento: Evaluar la fu ncin objetivo Z en cada una de las esquinas del rea de soluciones factibles. 62

Mtodo Grfico El valor de la funcin objetivo en cada una de las esquinas del rea de soluciones f actible es: Z(0,0) Z(0,6) Z(4,5) Z(6,4) do = = = = 2(0) + 0 = 2(0) + 6 = 2(4) + 5 = 2(6) + 4 = 0 6 13 16 Z(3,0) = 2(3) + 0 = 6 La funcin objetivo se maximiza cuanZ(5,2) = 2(5) + 2 = 12 X1 = 6 y X2 = 4 Segundo procedimiento: Usando la funcin objetivo para determinar la esquina del re a de soluciones factible que la optimiza. Fjese que al desplazar la funcin objetivo Z hacia la derecha, el ltimo punto a la d erecha del rea de soluciones factible que toca es: X1 = 6 , X2 = 4. Para encontra r las coordenadas debemos interceptar las ecuaciones de las restricciones X1 + 2 X2 = 14 con 2X1 - X2 = 8 Una manera de hacer esto es empleando el mtodo de los de terminantes, que para un sistema de dos ecuaciones y dos variables es: 63

Mtodo Grfico 2. Problema de mltiples soluciones Maximice Z = 5/2X1 + X2 C.S.R. 3X1 + 5X2 5X1 + 2X2 < < 15 10 Xj > 0 ; j = 1, 2 1 Restriccin 3X1 + 5X2 < 15 3X1 + 5X2 = 15 X1 = 0 X2 =0 X2 = 3 X1 = 5 P(0,0) => 0 < 15 Verdad 2 Restriccin 5X1 + 2X2 < 10 5X1 + 2X2 = 10 X1 = 0 X2 = 0 X2 = 5 X1 = 2 P(0,0) => 0 < 10 Verdad Funcin Objetivo Z = 5/2X1 + X2 5/2X1 + X2 = 5/2 X2 = 0 X 1 = 0 X2 = 5/2 X1 = 1 Observe que la solucin ptima recae sobre un lado del rea de soluciones factible, o sea que todos los puntos que pertenecen a la recta 5X1 +2X2=10 entre los puntos (2,0) y (20/19, 45/19), maximizan la funcin objetivo, esto es, existen mltiples so luciones, dos de ellas son: X1*=2, X2*=0, Z*=5 X1*=20/19, X2*=45/19, y por supue sto Z*=5 Una forma ms tcnica de expresar la solucin es: La solucin son todas las par ejas de puntos que pertenecen a la recta 5X1+2X2=10, en el intervalo 20/19 < X1 < 2 en el intervalo 0 < X2 < 45/19 ; Cualquiera de estos dos puntos hace que Z v alga 5 Z*20/19,45/19 = 5/2X1* + X2* = 5/2(20/19) + (45/19) = 5 Z*2,0 = 5/2X1* + X2* = 5/2(2) + (0) = 5 64

Mtodo Grfico 3. Problema de solucin indeterminada Minimice Z = - X1 + X2 C.S.R. X1 > - 0,5X1 + X2 X2 < 1 2 Restriccin 1 Restriccin Funcin Objetivo X1 - X2 > 0 -1/2X1 + X2 < 1 Z = - X1 + X2 X 1 - X2 = 0 -1/2X1 + X2 = 1 - X1 + X2 = 3 X1 = 0 X2 = 5 X1 = 0 X2 = 0 X1 = 0 X2 = 0 X2 = 0 X1 = 5 X2 = 1 X1 = -2 X2 = 3 X1 = -3 P(3,0) => 3 > 0 P(0,0) => 0 < 1 V erdad Verdad Xj > 0 ; j = 1, 2 Fjese que para tabular la ecuacin de la primera restriccin, cuyo trmino independient e es igual a cero, es una ecuacin que pasa por el origen de coordenadas P(0,0) y por lo tanto corta el eje de la abcisa y la ordenada en el mismo punto P(0,0), e sto hace necesario tabular un segundo punto, que para el presente caso se uso X2 = 5 y se despej X1 obteniendo el valor de 5, con lo que obtenemos un segundo pun to P(5,5), que delimita la lnea recta. - X1 + X2 = 3 X1 = 0 X2 = 3 X2 = 0 X1 = 3 - X1 + X2 = 5 X1 = 0 X1 = 0 X2 = 5 X2 = -5 Fjese que al desplazar la funcin objetivo hacia la derecha, siempre encontrar un pu nto ms a la derecha del rea de soluciones factible que la minimice. Entre ms a la d erecha se encuentre un punto (X1 , X2) que pertenezca al rea de soluciones factib les, ms pequeo ser el valor de la funcin objetivo, pero siempre habr una alternativa de encontrar un punto (X1 , X2) ms a la derecha, por ser una rea abierta. Se dice entonces que el problema tiene solucin indeterminada. 65

Mtodo Grfico Si se est modelando sobre un problema real y ocurre ste caso, falta considerar una restriccin, que justamente cierre el rea de soluciones factibles por el lado dere cho. Se ha dejado de considerar la restriccin de algn recurso, ya que los valores de las variables en la realidad no pueden crecer de manera ilimitada, irrestrict amente. 4. Problema sin solucin Este caso se presenta cuando entre las restriccio nes existen al menos dos de ellas que sean excluyentes, tal como: X1 < 2 y X1 > 4 . Aqu nunca podremos encontrar un nmero que al mismo tiempo sea menor igual a 2 y mayor igual a 4, las dos restricciones son excluyentes y por lo tanto no exist e rea de soluciones factible, grficamente se observa de la siguiente manera: Si esto ocurre al formular sobre un caso de la vida real, revise la lgica de las restricciones involucradas, en especial el sentido de las desigualdades. General mente un par de variables de la vida real no tienen este comportamiento. 5. Problema de programacin lineal Para el siguiente problema de programacin lineal : Z = 3X1 5X2 con las siguientes restricciones: 5X1 4X2 > -20 ; X1 < 8 ; X2 < 10 ; X2 > 3 ; 5X1 + 4X2 > 20 y Xj > 0 ; j =1,2 a) En un plano cartesiano grafique las restricciones y la funcin objetivo, sealando claramente el rea de soluciones fa ctible. b) Calcule las coordenadas de los vrtices del rea de soluciones factibles. c) Calcule el valor de la funcin objetivo Z en cada vrtice del rea de soluciones f actibles. d) Cul es el valor de X1 y X2 que maximiza, y el que minimiza la funcin objetivo Z. 66

Mtodo Grfico 1 Restriccin 5X1 4X2 > -20 5X1 4X2 = -20 X1 = 0 X2 = 0 X2 = 5 X1 = -4 P(0,0) => 0 > -20 Verdad Funcin Objetivo Z = 3X1 5X2 3X1 5X2 = 15 X1 = 0 X2 = 0 X2 = -3 X1 = 5 2 Restriccin X1 < 8 X1 = 8 P(0,0) => 0 < 8 Verdad Perpendicular al eje X1 3 Restr iccin X2 < 10 X2 = 10 P(0,0) => 0 < 10 Verdad Perpendicular al eje X2 4 Restriccin X2 > 3 X2 = 3 P(0,0) => 0 > 3 Falso Perpendicular al eje X2 5 Restriccin 5X1 + 4X2 > 20 5X1 + 4X2 = 20 X1 = 0 X2 = 0 X2 = 5 X1 = 4 P(0,0) => 0 > 20 Falso Para encontrar las coordenadas de algunas esquinas del rea de soluciones factible s, que no se observan a simple vista en la grfica, se hace necesario resolver los siguientes sistemas de ecuaciones: 5X1 + 4X2 = 20 X2 = 3 5X1 4X2 = -20 X2= 10 5 X1 + 4(3) = 20 X1 = 8/5 5X1 4(10) = -20 X1 = 4 P(8/5,3) P(4,10) El valor de la funcin objetivo Z = 3X1 5X2 en cada uno de los vrtices es: Z 8/5, 3 = 3(8/5) 5(3) = 25/4 60/4 = -35/4 Z 8, 3 = 3(8) 5(3) = 24 15 = 9 Mximo: X1* = 8 ; X2* = 3 ; Z* = 9 Z 8, 10 = 3(8) 5(10) = 24 50 = -26 Z 4, 10 = 3(4) 5(10) = 12 5 0 = -38 Mnimo: X1* = 4 ; X2* = 10 ; Z* = -38 Z 0, 5 = 3(0) 5(5) = 0 25 = - 5 67

Mtodo Grfico Fjese que la funcin objetivo del presente ejercicio, tiene pendiente positiva (est inclinada hacia la derecha), y que al desplazarse paralelamente hacia la derecha el valor de Z aumenta y hacia la izquierda el valor de Z disminuye. Al remplaza r los valores de las variables (tanto del mximo como del mnimo) en las restriccion es, estas deben cumplirse. Adicionalmente observe que el punto que hace que Z se a mnimo, es la interseccin de las rectas 5X1 4X2 = -20 y X2 = 10 , a estas restric ciones se les denomina activas de estricto cumplimiento, el resto de restriccion es se les denomina no activas o de no estricto cumplimiento. Igualmente para el caso de maximizar en el que las restricciones activas o de estricto cumplimiento son: X1 < 8 y X2 > 3 . Para observar esto remplazamos tanto el punto mximo como el mnimo en cada una de las restricciones. X1* = 4 ; X2* = 10 Valor que hace a Z* Mnimo = -30 X2* < 10 10 < 10 Verdad Activa De estricto cumplimiento X2* > 3 10 > 3 Verdad In activa De no estricto cumplimiento 5X1* + 4X2* > 20 5(4)+4(10) > 20 20+40 > 20 6 0 > 20 Verdad Inactiva De no estricto cumplimiento 5X1* 4X2* > -20 X1* < 8 5(4)-4 (10) > -20 4<8 20 40 > -20 -20 > -20 Verdad Verdad Inactiva Activa De estricto D e no estricto cumplimiento cumplimiento X1* = 8 5X1* 4X2* > -20 5(8)-4(3) > -20 40 12 > -20 28 > -20 Verdad Inactiva De no estric to cumplimiento ; X2* = 3 X1* < 8 8<8 Valor que hace a Z*Maximo = 9 X2* < 10 3 < 10 Verdad Inactiva De no estricto cumplimiento X2* > 3 3 >3 Verdad Activa De estricto cumplimiento 5X1* + 4X2* > 20 5(8)+4(3) > 20 40+12 > 20 52 > 20 Verdad Inactiva De no estricto cumplimiento Verdad Activa De estricto cumplimiento 6. Un caso de produccin La corporacin XYZ fabrica dos modelos de producto Z-1.200 y Z1.500 Los requerimientos de produccin y las disponibilidades estn mostradas a c ontinuacin. 68

Mtodo Grfico Requisitos de mano de obra Modelo Z-1.200 20 0 25 11 Modelo Z-1.500 0 30 23 11 C apacidad Horas / da 2.300 1.540 2.440 1.300 Departamento 1 2 3 4 Los beneficios unitarios logrados a la venta de los modelos Z-1.200 y Z-1.500 so n de $50 y $40 , respectivamente. Encuentre el nmero ptimo de cada producto que va a producir. Si la corporacin XYZ est produciendo actualmente 30 unidades del mode lo Z-1.200 y 20 unidades del modelo Z-1.500, Cunto est dejando de ganar? Solucin Xj = Unidades a producir y vender del producto j-simo (j = 1 = Modelo Z-1.200, j = 2 = Modelo Z-1.500). Maximice Z = 50X1 + C.S.R. 20X 1 30X 2 25X1 + 23X2 11X1 + 11 X2 Xj > 0 ; j = 1, 2 40X2 < 2.300 < 1.540 < 2.440 < 1.300 1 Restriccin 2 Restriccin 20X1 < 2.300 30X2 < 1.540 20X1 = 2.300 30X2 = 1.540 X1 = 1 15 X2 = 51,3 P(0,0)=>0 < 2.300 P(0,0)=>0 < 1.540 Verdad Verdad Funcin Objetivo Z = 50X1 + 40X2 50X1+40X2=4.000 X1 = 0 X2 = 0 X2 = 100 X1 = 80 3 Restriccin 25X1+23X2 < 2.440 25X1+23X2 = 2.440 X2 = 0 X1 = 0 X2 = 106,08 X1 = 97 ,6 P(0,0) => 0 < 2.440 Verdad 4 Restriccin 11X1 + 11X2 < 1.300 11X1 + 11X2 = 1.300 X2 = 0 X1 = 0 X2 = 118,18 X1 = 118,18 P(0,0) => 0 < 1.300 Verdad 69

Mtodo Grfico Fjese en la grfica que la cuarta restriccin: 11X1 + 11X2 < 1.300 es redundante, si la retiramos de la grfica, el rea de soluciones factible sigue siendo la misma y e l ptimo tambin. Si actualmente X1 = 30 y X2 = 20 entonces Z = 50(30) + 40(20) = 2. 300 , luego se estn dejando de ganar: $4.880 $2.300 = $2.580 Interpretacin: Para o btener el beneficio total mximo de $4.880, se deben producir y vender 97,6 unidad es del modelo Z-1.200 y no producir el modelo Z1.500. El modelo Z-1.200 contribu ye al beneficio total con: 50(97,6) = $4.880, y el modelo Z-1.500 contribuye al beneficio total con: 40(0) = $0 . Un anlisis sobre las restricciones, empleando l a solucin ptima nos permite conocer la siguiente informacin: 20X1 < 2.300 20(97,6) < 2.300 1.952 < 2.300 30X2 < 1.540 30(0) < 1.540 0 < 1.540 El departamento 1 tra bajar 1.952 horas / da de las 2.300 horas disponibles. Luego tendr (2.300 1.952) 34 8 horas por da en que no produce ninguno de los dos modelos. En el departamento 2 , todas las horas disponibles no sern usadas. No se producirn unidades de ninguno de los dos modelos. 25X1+23X2 < 2.440 25(97,6)+23(0)< 2.440 2.440 < 2.440 11X1 + 11X2 < 1.300 11(97, 6)+ 11(0) < 1.300 1.073,6 < 1.300 70 Todas la horas disponibles en el departamento 3, sern utilizadas, produciendo el modelo Z-1.200 En el departamento 4 se trabajarn 1.073,6 horas / da de las 1.300 disponibles, se tendrn 226,4 horas / da ociosas.

Mtodo Grfico 7. Un caso de produccin Una compaa automotriz produce automviles y camiones. Cada ve hculo tiene que pasar por un taller de pintura y por un taller de montaje de la c arrocera. Si el taller de pintura pintara solamente camiones, se podran pintar 40 camiones al da, y si pintara solamente automviles, se podran pintar 60 automviles. S i el taller de carroceras ensamblara solamente camiones, podra ensamblar 50 camion es al da y si ensamblara solamente automviles, podra ensamblar 50 automviles al da. C ada camin aporta $300 a la utilidad y cada automvil, $200 Solucin Fjese que aqu nos h an dado las coordenadas por donde cada restriccin corta los ejes cartesianos abci sa y ordenada, por lo tanto debemos conseguir las ecuaciones de cada restriccin, conociendo dos puntos que pertenecen a la recta. Xj = Unidades a producir del j-s imo tipo de vehculo (j = 1 = Automviles, j = 2 = Camiones) Taller de Pintura Si X1 = 0 => X2 = 40 Si X2 = 0 => X1 = 60 m = Y2 Y1 / X2 X1 m = -40 / 60 = -2/3 Y = m X + b = -2/3X + 40 3Y=-2X+120 =>2X+3Y=120 2X1+3X2 = 120 => 2X1+3X2 < 120 Taller de ensamble de la carrocera Si X1 = 0 => X2 = 50 Si X2 = 0 => X1 = 50 m = Y2 Y1 / X2 X1 m = -50 / 50 = - 1 Y = mX + b = - X + 50 X + Y = 50 => X1 + X2 < 50 71

Mtodo Grfico Maximice Z = 200X1 + 300X2 C.S.R. 2X1 + 3 X2 X1 + Xj > 0 ; j = 1, 2 1 Restriccin 2X1 + 3X2 < 120 2X1 + 3X2 = 120 X2 = 5 X1 = 0 X2 = 40 X1 = 60 P(0,0) => 0 < 120 Verdad < < 120 Restriccin debida a las horas dispo nibles en el taller de pintura. 50 Restri ccin debida a las horas dispo nibles en el taller de ensamble de la carrocera. Funcin Objetivo Z = 200X1 + 300X2 200X1 + 300X2 = 6000 X2 = 0 X1 = 0 X2 = 20 X1 = 30 X2 2 Restriccin X1 + X2 < 50 X1 + X2 = 50 X2 = 0 X1 = 0 X2 = 50 X1 = 50 P(0,0) => 0 < 50 Verdad Z* = 200X1* + 300X2* = 200(30) + 300(20) = 6.000 + 6.000 = 12.000 Z* = 200X1*+ 3 00X2* = 200 (0) + 300(40) = 0 + 12.000 = 12.000 Interpretacin: El problema tiene mltiples soluciones, dos de ellas son las mostradas sobre la grfica, analizando la solucin X1* = 30 ; X2* = 20 sobre las restricciones, el departamento de pintura y el departamento de ensamble de la carrocera utilizarn todo el tiempo disponible. 2X1+3X2 < 120 2(30)+3(20)< 120 60 + 60 < 120 120 < 120 72 Todas la horas disponibles en el departamento de pintura, sern utilizadas as: 60 h oras pintando automviles y 60 horas pintando camiones.

Mtodo Grfico X1 + X2 < 50 30 + 20 < 50 50 < 50 Todas la horas disponibles en el departamento de ensamble de carrocera, sern utili zadas as: 30 horas ensamblando carroceras en automviles y 20 horas ensamblando carr oceras en camiones. 8. Regla de equivalencia y constante en la funcin objetivo Una planta ensamblador a de radios produce dos modelos, HiFi-1 y HiFi2, en la misma lnea de ensamble. La lnea de ensamble consta de tres estaciones. Los tiempos de ensamble en las estac iones son: Estacin de trabajo 1 2 3 Minutos por unidad de producto producido Radios HiFi-1 6 5 4 Radios HiFi-2 4 5 6 Cada estacin de trabajo tiene una disponibilidad mxima de 480 minutos por da. Sin e mbargo, las estaciones de trabajo requieren mantenimiento diario, que constituye el 10%, 14% y 12% de los 480 minutos totales de que se dispone diariamente para las estaciones 1, 2 y 3 respectivamente. La compaa desea determinar las unidades diarias que se ensamblarn de HiFi-1 y HiFi-2 a fin de minimizar la suma de tiempo s inactivos en las tres estaciones. Solucin Xj=Cantidad de radios a producir del modelo j-simo (j=1=HiFi-1 ; j=2=HiFi-2) Tiempo que se usar Cada estacin de trabajo en minutos 6X1 + 4X2 5X1 + 5X2 4X1 + 6X 2 Tiempo inactivo de Cada estacin de trabajo en minutos 432,0 - 6X1 + 4X2 422,4 4X1 + 6X2 412,8 - 5X1 + 5X2 Estacin de trabajo 1 2 3 Disponibilidad Mxima en minutos (1-0,10)480=432,0 (1-0,14)480=412,8 (1-0,12)480=4 22,4 Z = 432,0 - 6X1 + 4X2 + 412,8 - 5X1 + 5X2 + 422,4 - 4X1 + 6X2 Z = -15X1 15X2 + 1 .267,2 Para facilitar la solucin del problema, hacemos los siguientes cambios: 73

Mtodo Grfico Z = -15X1 15X2 Como el trmino independiente 1.267,2 es constante, lo podemos obviar y al final l o sumamos a la solucin optima Podemos multiplicar la funcin objetivo por (-1) y ma ximizar, al final volvemos a multiplicar a Z por (-1), esto se llama la regla de equivalencia: Min (-Z) = Max(+Z) Min (Z) = Max (-Z) Max Z = 15X1 + 15X2 Z = 15X1 + 15X2 C.S.R. 6X1 + 4X2 5X1 + 5X2 4X1 + 6X2 < 432,0 < 412,8 < 422,4 Res tricciones debidas a la disponibilidad de tiempo en cada una de las estaciones d e trabajo 1, 2 y 3 respectivamente. Xj > 0 ; j = 1, 2 1 Restriccin 2 Restriccin 3 Restriccin Funcin Objetivo 6X1 + 4X2 < 432 5X1 + 5X2 < 432 5X1 + 5X2 = 412,8 4X1 + = 0 X1 = 0 X2 = 0 X1 = 0 X2 X1 = 105,6 X2 = 40 X1 = 40 14 Verdad Verdad Verdad 412,8 4X1 + 6X2 < 422,4 Z = 15X1 + 15X2 6X1 + 4X2 = 6X2 = 422,4 15X1+15X2 = 600 X1 = 0 X2 = 0 X1 = 0 X2 = 0 X2 = 108 X1 = 72 X2 = 82,56 X1 = 82,56 X2 = 70,4 P(0,0) => 0 < 432 P(0,0) => 0 < 412,8 P(0,0) => 0 <

5X1 + 5X2 = 412,8 6X1 + 4X2 = 432 74 5X1 + 5X2 = 412,8 4X1 + 6X2 = 422,4

Mtodo Grfico Tiempo inactivo mnimo bajo las dos soluciones consideradas Z50,88 ; 31,68 = -15X1 * 15X2* + 1.267,2 = -15(50,88) 15(31,68) + 1.267,2 = 28,8 minutos Z36,48 ; 46,08 = -15X1* 15X2* + 1.267,2 = -15(36,48) 15(46,08) + 1.267,2 = 28,8 minutos Bajo c ada una de las dos soluciones ofrecidas, de las mltiples, podemos saber en las re stricciones el tiempo inactivo de cada estacin de trabajo. Bajo la solucin X1* = 5 0,88 Estacin de trabajo 1 6X1* + 4X2* < 432 6(50,88) + 4(31,68) < 432 432 < 432 No est ar inactiva ; X2* = 31,68 Estacin de trabajo 3 4X1* + 6X2* < 422,4 4(50,88) + 6(31,68) < 422,4 393,6 < 422, 4 Tiempo inactiva: 28,8 minutos Estacin de trabajo 2 5X1* + 5X2* < 412,8 5(50,88) + 5(31,68) < 412,8 412,8 < 412, 8 No estar inactiva Bajo la solucin X1* = 36,48 Estacin de trabajo 1 6X1* + 4X2* < 432 6(36,48) + 4(46,08) < 432 403,2 < 432 Tiem po inactiva: 28,8 minutos ; X2* = 46,08 Estacin de trabajo 3 4X1* + 6X2* < 422,4 4(36,48) + 6(46,08) < 422,4 422,4 < 422, 4 No estar inactiva Estacin de trabajo 2 5X1* + 5X2* < 412,8 5(36,48) + 5(46,08) < 412,8 412,8 < 412, 8 No estar inactiva La estacin de trabajo 2, nunca tendr tiempo inactivo, siempre estar trabajando todo su tiempo disponible, 412,8 minutos. 75

Mtodo Grfico 9. Un caso especial del mtodo grfico Hallar el mximo y el mnimo, mediante el mtodo grf ico, al siguiente problema de programacin lineal. Z = 3X1 + X2 C.S.R. X1 X2 X1 + X2 3X1 + 2X2 < < > = 3 3 4 12 Xj > 0 ; j = 1, 2 Solucin: 1 Restriccin X1 < 3 X1 = 3 P(0,0) => 0 < 3 Verdad 2 Restriccin X2 < 3 X2 = 3 3 Restri ccin 4 Restriccin Funcin X1 + X2 > 4 3X1 + 2X2 = 12 Objetivo X1 + X2 = 4 Z = 3X1 + X 2 X1 = 0 X2 = 0 3X1 + X2 = 3 X1 = 4 X1 = 0 X2 = 0 X1 = 0 X2 = 0 P(0,0) => 0 < 3 X2 = 4 Verdad P(0,0) => 0 > 4 X2 = 6 X1 = 4 X2 = 3 X1 = 1 Falso Mnimo X2* = 3 3X1 + 2X2 = 12 3X1 + 2(3) = 12 X1* = 2 * Z 2,3 = 3X1*+X2*=3(2)+3=9 76 Z* 3,3/2 Mximo X1* = 3 3X1 + 2X2 = 12 3(3) + 2X2 = 12 X2* = 3/2 * = 3X1 +X2*=3(3)+3/2=21/2 =10,5

Mtodo Grfico Fjese que aqu, el rea de soluciones factible es un segmento de la recta 3X1 + 2X2 = 12 Y sus extremos el mnimo y mximo respectivamente. Nota: Puede darse el caso en que el rea de soluciones factible, se reduzca a un punto, en cuyo caso el mximo = mnimo. Ejercicios propuestos 1. Identifique el rea de soluciones factible para cad a una de las siguientes inecuaciones lineales, de forma independiente. Suponga q ue todas las variables son positivas. a) 3X1 + X2 < 7 d) X1 X2 < 0 b) X1 2X2 > 5 e) X1 + X2 > 0 c) 2X1 3X2 < 8 f) X1 <4 2. Identifique la direccin del crecimiento o decrecimiento de Z en cada uno de lo s siguientes casos: a) Maximizar Z = X1 - X2 c) Minimizar Z = - X1 2X2 b) Minimi zar Z = -3X1 + X2 d) Maximizar Z = 5X1 - 6X2 3. Determine el rea de soluciones factibles para el siguiente sistema de inecuaci ones lineales: X1 + X2 < 4 4X1 + 3X2 < 12 -X1 + X2 > 1 X1 + X2 < 6 X1 , X2 > 0 Q u restricciones son redundantes ? Reduzca el sistema al menor nmero de restriccion es que definirn el mismo espacio de soluciones 4. Escriba las restricciones asociadas con el espacio de soluciones que se prese nta en la grfica e identifique todas las restricciones redundantes. 77

Mtodo Grfico 5. Considere el siguiente problema: Maximizar Z = 6X1 - 2X2 C.S.R. X1 X2 < 1 3X1 - X2 < 6 Demuestre en forma grfica y analtica que en la solucin ptima, las variable s X1 y X2 pueden aumentarse en forma indefinida en tanto que el valor de la func in objetivo Z se mantiene constante. Xj > 0 ; j = 1, 2 6. Resuelva grficamente el siguiente problema: Maximizar Z = 5X1 + 6X2 C.S.R. X1 2X2 > 2 -2X1 + 3X2 > 2 X1 , X2 irrestrictas en signo 7. Considere el siguiente problema: Maximizar Z = 3X1 + 2X2 C.S.R. 2X1 + X2 < 2 3X1 + 4X2 > 12 Demuestre grficamente que el problem a no tiene puntos extremos factibles. Qu se puede concluir en relacin con la solucin al problema? Xj > 0 ; j = 1, 2 8. Resolver grficamente: Maximizar Z = 5X1 + 2X2 C.S.R. X1 + X2 < 10 X1 = 5 Xj > 0 ; j a solucin a) Min Z = 2 f) Max Z = 1, 2 9. Considere el espacio de soluciones del punto 4; Determine l ptima, suponiendo que la funcin objetivo es la siguiente: 2X1 + 6X2 d) Min Z = X1 2X2 b) Max Z = -3X1 + 4X2 c) Min Z = 3X1 + 4X = X1

e) Min Z = X1 78

Mtodo Grfico 10. Considere el siguiente problema de programacin lineal: Maximizar Z = 3X1 + 4X 2 C.S.R. -2X1 + 4X2 2X1 + 4X2 -6X1 - 3X2 < 16 < 24 > -48 a) Use el mtodo grfico pa ra encontrar la solucin ptima (X1 , X2) y el valor de la funcin objetivo Z* b) Encu entre los valores de holgura o excedente de cada restriccin. Xj > 0 ; j = 1, 2 11. Considere el siguiente problema de programacin lineal: Minimice Z = 5X1 + 2X2 C.S.R. 3X1 5X1 8X1 7X1 + + + + 6X2 4X2 2X2 6X2 > 18 > 20 > 16 < 42 a) Use el mto do grfico para encontrar la solucin ptima y Z* b) Cules restricciones son activas? c) Cules son los valores de holgura o excedente de cada restriccin? d) Cuntos puntos ex tremos tiene la regin factible? Xj > 0 ; j = 1, 2 79

80

Captulo 4 Mtodo Algebraico Introduccin En la necesidad de desarrollar un mtodo para resolver problemas de pro gramacin lineal de ms de dos variables, los matemticos implementaron el mtodo algebr aico, el que ms tarde se convertira en el tan afamado mtodo simplex. Como su nombre lo indica, el mtodo usa como su principal herramienta, el lgebra, que ligada a un proceso de lgica matemtica dio como resultado el mtodo algebraico. Con el siguient e ejemplo se ilustra el algoritmo del mtodo algebraico; El ejercicio que se usa p ara ello es de dos variables X1 , X2 , con el propsito de observar lo que el mtodo realiza sobre la grfica en el plano cartesiano, ofrecindonos sta metodologa la vent aja de comparar paso a paso el mtodo grfico con el mtodo algebraico. 81

Mtodo Algebraico Ejemplo 1 Maximizar Z = X1 + X2 C.S.R. 5X1 + 3X2 < 15 3X1 + 5X2 < 15 Xj > 0 ; j = 1, 2 Todo problema de programacin lineal que se formule de la forma Maximice, c on todas sus restricciones < y con la condicin de no negatividad, se le llama For ma Estndar Forma Normal El rea de soluciones factible, las coordenadas de cada esquina y el valor de la f uncin objetivo Z en cada una de ellas, se muestra en la grfica siguiente: Algoritmo del Mtodo Algebraico 1) Hallar una solucin bsica y factible (Solucin inici al) a) Expresar las inecuaciones (desigualdades) como ecuaciones (igualdades) b) Hallar una variable bsica para cada ecuacin c) Organizar el sistema de ecuaciones lineales 2) Escoger la variable que entra 3) Escoger la variable que sale 4) Re organizar el sistema de ecuaciones 82

Mtodo Algebraico 5) Repetir a factible y en ste ar el lado + X3 = 15 los pasos 2, 3 y 4 hasta encontrar la solucin 1) Hallar una solucin bsic a) Expresar todas la inecuaciones como ecuaciones lineales, para ello caso usamos variables de relleno, tambin llamadas de holgura, para igual izquierdo al lado derecho de la inecuacin; as: 5X1 + 3X2 < 15 5X1 + 3X2 3X1 + 5X2 < 15 3X1 + 5X2 + X4 = 15

Aqu X3 y X4 son las variables de holgura o relleno, que al adicionarlas al lado i zquierdo, establecen la igualdad con el lado derecho de la inecuacin lineal. La v ariables X1 y X2 se denominan variables de decisin o variables reales, las variab les de relleno o holgura, se usan para convertir una inecuacin en una ecuacin, est o es, igualar el lado izquierdo al lado derecho. Las variables de holgura o de r elleno, se suman o restan al lado izquierdo de la inecuacin, segn convenga para es tablecer la igualdad. b) Escoger en cada ecuacin una variable que sirva como solu cin inicial al problema y que tome un valor positivo ( > 0), NO son elegibles las variables de decisin o variables reales. Entonces, las variables de holgura o re lleno (si las hay), son las primeras opcionadas a ser escogidas como variables bs icas y factibles, lo que significa que deben tomar un valor mayor o igual a cero ( > 0), dicho de otra forma, las variable bsicas factibles, deben cumplir con la condicin de no negatividad. De no conseguirse una variable de holgura que sea fa ctible, se utiliza el recurso de las variables de sper-avit o artificiales, pero de ste caso nos ocuparemos en el segundo ejemplo, para el que usaremos el denomin ado mtodo de la gran M. Aqu tanto X3 como X4 , variables de holgura, son escogidas como variables bsicas factibles, ya que ambas asumen valores positivos al ser X1 y X2 variables no bsicas e iguales a cero (0), esto es: 5X1 + 3X2 + X3 = 15 X1 = X2 = 0 , entonces X3 = 15 , valor > 0 3X1 + 5X2 + X4 = 15 X1 = X2 = 0 , entonce s X4 = 15 , valor > 0 83

Mtodo Algebraico Organizamos el sistema de ecuaciones de la siguiente manera: En la ecuacin ( 0 ) siempre Z es la variable bsica. Fjese que en cada ecuacin existe una y solo una var iable bsica con coeficiente ( 1 ), lo que permite leer su valor de manera automtic a al lado derecho; esto es: Z = 0 ; X3 = 15 y X4 = 15 ; esto es una SOLUCIN BSICA FACTIBLE. Una lista clasificada de las variables es: X1 = 0 X2 = 0 X3 = 15 X4 = 15 Z = 0 Variable de decisin variable real, Variable no bsica Variable de decisin v ariable real, Variable no bsica Variable de holgura relleno, Variable bsica Variab le de holgura relleno, Variable bsica Variable de decisin variable real, Variable bsica, Siempre !! 2) Escoger la variable que entra Aqu analizamos si existe una solucin mejor que la solucin bsica factible, para ello despejamos de la ecuacin (0) del sistema de ecua ciones inmediatamente anterior a Z y hacemos la siguiente pregunta: CUL ES LA VARIABLE QUE AL CRECER HACE QUE Z CREZCA MS? Aqu la velocidad de crecimiento, tanto de X1 como de X2 es uno (1), coeficiente d e las variables X1 y X2 , luego se presenta un empate, el cual se dirime al azar , escogemos como variable para entrar a X1 . Como regla general, la variable par a entrar es aquella que al crecer haga que Z crezca ms, ya que el objetivo es Max imizar el valor de Z, Dicho de otra forma, entrar la variable que tenga el coefic iente ms positivo, si estuvisemos minimizando se escoge la variable que haga que Z disminuya ms, o sea la que tenga el coeficiente ms negativo. Si no hubiese variab le para entrar, ello indica que nos encontramos en la solucin ptima. 84

Mtodo Algebraico 3) Escoger la variable que sale Despejamos de la ecuacin ( 1 ) y ( 2 ) las variab les bsicas. (1) X3 = 15 5X1 3X2 (2) X4 = 15 3X1 5X2 Como de las variables no bsica s X1 y X2 ya fue escogida X 1 para entrar a la base, entonces X2 seguir siendo va riable no bsica e igual a cero (0), esto simplifica las ecuaciones as: Fjese que pa ra todos los casos, siempre quedarn despejadas las variables bsicas en funcin de la variable escogida para entrar. (1) X3 = 15 5X1 (2) X4 = 15 3X1 Aqu la pregunta es: CUL ES LA VARIABLE BSICA QUE RESTRINGE MS EL CRECIMIENTO DE LA VARIABLE QUE ENTRA? Para averiguarlo, hacemos que las variables bsicas X3 y X4 asuman su menor valor factible o sea cero (0) y observamos el valor que asume la variable escogida par a entrar (X1). (1) 15 5X1 = X3 (1) 15 5X1 = 0 X1 = 3 X3 deja crecer a X1 , como mximo hasta 3 Resumiendo: (2) 15 3X1 = X4 (2) 15 3X1 = 0 X1 = 5 X4 deja crecer a X1 , como mximo hasta 5 La variable bsica que variable que entra, en ndo la factibilidad de . En el caso de ser un a misma. 85 debe salir es aquella que restringa ms el crecimiento de la caso de empate, se dirime arbitrariamente. Aqu se est cuida las variables, esto es, que todas sean positivas ( > 0 ) problema de minimizacin, la presente regla de seleccin es l

Mtodo Algebraico Para nuestro problema, la variable que sale es X3 ya que como mximo dejar crecer a X1 hasta 3, mientras que X4 la deja crecer como mximo hasta 5. 4) Reorganizar el sistema de ecuaciones Observe que al entrar X1 y salir X3 , el sistema de ecuaciones ya no tendr una so la variable bsica en cada fila con coeficiente uno (1), esto es: Fjese que en la ecuacin (1) se encuentra la variable que entra X1 y la variable qu e sale X3 por ello en sta fila solo queda como variable bsica X1 , lo molo aqu es q ue tiene coeficiente diferente de uno (1), por ello multiplicamos toda la fila p or el inverso del coeficiente de X1 (1/ 5) y la ecuacin resultante la llamamos Fi la Pivote ya que posteriormente servir para eliminar a X1 de las ecuaciones (0) y (2). (1) 5X1 + 3X2 + X3 = 15 (1/5) (1) X1 + 3/5X2 + 1/5X3 = 3 Fila pivote Para encontrar el nuevo sistema de ecuaciones en el que en cada fila figure una y solo una variable bsica con coeficiente uno (1), de tal forma que se pueda leer automticamente su valor en el trmino independiente de cada ecuacin, multiplicamos la fila pivote por el coeficiente de X1 (multiplicado por 1), de cada una de las otras ecuaciones y sumamos la fila pivote con cada una de las otras ecuaciones p ara encontrar las nuevas ecuaciones del sistema. Para nuestro problema, esto es: Multiplicamos la fila pivote, fila (1) por uno (1) y le sumamos la fila (0). El resultado es la nueva fila (0). (1) X1 + 3/5X2 + 1/5X3 = 3 (1) Nueva fila (0) Z X1 X2 =0 (1) X1 + 3/5X2 + 1/5X3 = 3 (0) Z - 2/5X2 + 1/5X3 = 3 86

Mtodo Algebraico Fjese que hemos eliminado a X1 de la ecuacin (0) Multiplicamos la fila pivote por (-3) y le sumamos la fila (2), el resultado es la nueva ecuacin (2) (1) X1 + 3/5X 2 + 1/5X3 = 3 (-3) Nueva fila (2) 3X1 + 5X2 + X4 = 15 (1) -3X1 - 9/5X2 - 3/5X3 = -9 (2) 16/5X2 - 3/5X3 + X4 = 6 Fjese que hemos eliminado a X1 de la ecuacin (2) El nuevo sistema de ecuaciones es : Una lista clasificada de variables para sta iteracin es: X1 = 3 X2 = 0 X3 = 0 X4 = 6 Z =3 Variable Variable Variable Variable Variable de de de de de decisin varia ble real decisin variable real holgura relleno holgura relleno decisin variable re al Variable Variable Variable Variable Variable bsica no bsica no bsica bsica bsica Fjese en las siguientes caractersticas que siempre debe tener el sistema de ecuaci ones En cada fila hay una y solo una variable bsica con coeficiente uno (1) En la funcin objetivo, ecuacin cero (0), la variable bsica siempre es Z y estar acompaada por las variables no bsicas. Los trminos independientes, siempre sern los valores d e las variables bsicas para cada ecuacin. Observe en la grfica, que lo que ha hecho el mtodo algebraico es saltar de una esquina del rea de soluciones factible a otr a esquina contigua y ha empezado por la peor solucin bsica factible posible. 87

Mtodo Algebraico Ahora la pregunta es: ES STA LA SOLUCIN PTIMA? La respuesta la hallamos, si encontramos una variable que al entrar haga que la funcin objetivo crezca ms, lo anterior significa que debemos repetir los pasos 2, 3 y 4 hasta que no se encuentre una variable que haga que Z crezca, cuando ello ocurra estamos en el ptimo. II Iteracin Variable que entra Z = 2/5X2 1/5X3 + 3 ; v ariable que entra: X2 Variable que sale X1 = 3 3/5X2 X4 = 6 16/5X2 X2 < 5 X2 < 1 5/8 = 1,875 ; variable que sale X4 Nuevo sistema de ecuaciones ltimo sistema de ecuaciones (0) Z (1) (2) 88 X1 + + 2/5X 2 + 3/5X 2 + 16/5X 2 1/5X 3 1/5X 3 3/5X 3 + X4 = = = 3 3 6 (5/16)

Mtodo Algebraico Nuevo sistema de ecuaciones (0) (1) (2) Z X1 + 1/8X 3 + 1/8X 4 = 15/4 + 5/16X 3 - 3/16X 4 = 15/8 - 3/16X 3 + 5/16X 4 = 15/8 X2 (2/5) (-3/ 5) III Iteracin Variable que entra (0) Z +1/8X3 + 1/8X4 = 15/4 Z = 15/4 1/8X3 1/8X4 Ninguna variable al crecer hace que Z crezca, luego estamos en la solucin ptima. S olucin ptima Variables de decisin reales X1* = 15/8 = 1,875 X2* = 15/8 = 1,875 Z* = 15/4 = 3,75 Variables de holgura relleno X3* = X4* = 0 Fjese que X3 = X4 = 0 significa, que los recursos que representan las restriccion es 1 y 2 se usarn en su totalidad, ambas restricciones son activas, de estricto c umplimiento. Ahora resolveremos un segundo ejemplo que tiene las siguientes cara ctersticas. El criterio de optimizacin en la funcin objetivo es de Minimizacin Ms de 2 variables, de hecho tendr tres (3) variables de decisin reales. Se consider an en las restricciones las inecuaciones del tipo < , = y > Aprenderemos en ste e jemplo, cmo el mtodo algebraico nos indica que el problema tiene mltiples solucione s. Ejemplo 2 Minimizar Z = 6X1 + 4X2 + 2X3 C.S.R. 6X1 + 2X2 + 6X3 > 6 6X1 + 4X2 = 1 2 2X1 - 2X2 < 2 Xj > 0 ; j = 1, 2, 3 89

Mtodo Algebraico I Iteracin El objetivo de la primera iteracin es conseguir la solucin bsica factible y lograr el primer sistema de ecuaciones, para esto conseguiremos en cada una d e las restricciones una variable bsica factible, as: Primera restriccin: 6X1 + 2X2 + 6X3 > 6 Aqu para establecer la igualdad, se hace necesario restar una variable al lado izquierdo en atencin a que es mayor igual al lado derecho, para ello empl eamos la variable X4 , resultando la siguiente igualdad: 6X1 + 2X2 + 6X3 X4 = 6 . Ahora escogemos una variable en sta ecuacin para ser variable bsica factible, la candidata es X4 , pero ella toma el valor de X4 = -6 (recuerde que X1 = X2 = X3 son Variables de decisin reales, no bsicas e iguales a cero (0)), en atencin a que X4 asume un valor no factible (negativo, no cumple con la condicin de no negativi dad), se hace necesario emplear una nueva variable, que adicionada convenienteme nte asuma un valor factible y nos sirva como variable bsica, sta variable la llama mos X5 y se denomina variable de Super-avit variable artificial, quedando la ecu acin de la siguiente manera: 6X1 + 2X2 + 6X3 X4 + X5 = 6 ; Aqu escogemos como vari able bsica a X5 quien asume el valor de X5 = 6, las dems variables son no bsicas ig uales a cero (0). Lo nico malo es que al adicionar X5 al lado izquierdo de la ecu acin, la hemos desbalanceado, a no ser que nos aseguremos que X5 al final valga c ero (0), esto se logra, castigando adicionando a X5 en la funcin objetivo con un coeficiente muy grande en comparacin con el resto de coeficientes de las dems vari ables, de tal forma que nunca sea escogida para entrar a la base y termine siend o variable no bsica igual a cero (0), este artificio matemtico es conocido como mto do de la gran M. Aqu como nuestra funcin objetivo tiene como criterio de optimizac in minimizar, la variable que entra ser aquella que tenga el coeficiente ms negativ o, por ello debemos adicionar a X5 como +MX5 , de sta manera jams ser escogida para entrar a la base. La funcin objetivo queda de la siguiente manera: Minimizar Z = 6X1 + 4X2 + 2X3 + MX5 Segunda restriccin: 6X1 + 4X2 = 12 Aqu la igualdad ya est he cha, luego no se necesita variable de holgura relleno, pero al escoger variable tenemos el inconveniente de no encontrar ninguna variable como candidata ya que inicialmente X1 = X2 = X3 son Variables de decisin reales, no bsicas e iguales a c ero (0). Debemos entonces hacer uso de la variable artificial Super-avit 90

Mtodo Algebraico X6 adicionndola convenientemente en la igualdad de tal manera que asuma un valor factible ( > 0 ), quedando as: 6X1 + 4X2 + X6 = 12 , por supuesto la adicionamos a la funcin objetivo como +MX6 , quedando la funcin objetivo as: Minimizar Z = 6X1 + 4X2 + 2X3 + MX5 + MX6 . Nota: Siempre que se adiciona una variable artificial de Super-avit, se debe adi cionarla en la funcin objetivo. Si la funcin objetivo es Maximice la adicionamos c omo MXj y si la funcin objetivo es Minimice la adicionamos como +MXj. Tercera restriccin: 2X1 - 2X2 < 2 Para sta restriccin solo necesitamos una variable de holgura relleno X7 que asume como variable bsica factible en razn a toma un va lor de X7 = 2 El problema queda expresado de la siguiente manera: Minimizar Z = 6X1 + 4X2 + 2X3 + MX5 + M6 C.S.R. 6X1 + 2X2 + 6X3 X4 + X5 = 6 6X1 + 4X2 + X6 = 1 2 2X1 - 2X2 + X7 = 2 Xj > 0 ; j = 1, 2, 3, 4, 5, 6, 7 El sistema de ecuaciones e s: (0) Z - 6X 1 - 4X 2 - 2X 3 - MX 5 - MX 6 (1) 6X 1 + 2 X2 + 6X 3 - X 4 + X5 (2 ) 6X 1 + 4X 2 + X6 (3) 2X 1 - 2 X2 + X7 = = = = 0 6 (M) 12 (M) 2 Antes de empezar a iterar, debemos asegurar que en cada ecuacin exista una y solo una variable bsica con coeficiente uno (1) y que en la ecuacin (0), la variable bs ica sea Z. Como en la ecuacin (o) existen adicionalmente a Z dos variables bsicas X5 y X6 , debemos tratar la ecuacin (0) con las ecuaciones (1) y (2) para elimina r a X5 y X6 de la ecuacin (0), ello se logra sumndole a la ecuacin (0) el resultado de multiplicar las ecuaciones (1) y (2) por M. La nueva ecuacin (0) por supuesto solo tendr como variable bsica a Z. 91

Mtodo Algebraico (0) Z (1) (2) (0) Z + 6X1 6MX1 + 6MX1 + 4X2 2MX2 + 4MX2 2X3 6MX3 - MX4 + MX5 - M X6 = 0 MX5 = 6M + MX6 = 12M = 18M (12M-6)X1 + (6M-4)X2 + (6M-2)X3 - MX4 El nuevo sistema de ecuaciones es: (0) Z + (12M-6)X1 + (6M-4)X2 + (6M-2)X3 - MX4 6X1 + 2 X2 + 6X3 - X4 (1) (2) 6X1 + 4X2 (3) 2X1 2 X2 - + X5 - + X6 = = = = 18 M 6 12 2 - + X7 En sta primera iteracin el valor de las variables es: X1 = NB = 0 X2 = NB = 0 X3 = NB = 0 X4 = NB = 0 II iteracin Variable que entra: Z = 18M(12M6)X1(6M-4)X2(6M-2)X3 + MX4 Variable que entra: X1 Variable que sale: X5 = 6 6X1 X6 = 12 6X1 X7 = 2 2X1 X1 < 1 X1 < 2 X1 < 1 Aqu se presenta un empate entre X5 y X7 , arbitrariamente s e escoge como variable para salir a X5 . X5 = VB = 6 Solucin: X6 = VB = 12 X7 = V B = 2 Z = VB = 18M Z X1 = 0 X2 = 0 X3 = 0 = 18M Nuevo sistema de ecuaciones (0) Z + (12M-6)X1 + (6M-4)X2 + (6M-2)X3 - MX4 - (1) (2) (3) (0) Z (1) (2) (3) 6X1 + 6X1 + 2X1 2 X2 + 4X2 2 X2 6X3 X4 + X5 = X6 X7 18 M = 6 (1/6) = 12 = 2 +(2M-2)X2 X1 + 1/3X2 2X 2 -(6M-4)X3 + +(M-1)X4 -(2M-1)X5 1/6X4 + X4 1/3X4 1/6X5 X5 +X 6 1/3X5 = 6M+6 = = +X7 = 1 6 0 [-(12M-6)], (-6), (-2) X3 6X3 + 2X3 + 8/3X2 92

Mtodo Algebraico En sta segunda iteracin el valor de las variables es: X1 = X2 = X3 = X4 = VB = 1 N B = 0 NB = 0 NB = 0 X5 = NB = 0 X6 = VB = 6 X7 = VB = 0 Z = VB = 6M + 6 Solucin: X2 = 0 X3 = 0 Z = 6M + 6 X1 = 1 III iteracin Variable que entra: Z=(6M+6)-(2M-2)X2+(6M-4)X3(M1)X4+(2M-1)X5 Variable que entra: X2 Variable que sale: X1 = 1 1/3X2 X6 = 6 2X2 8/3X2 X7 = Aqu se presenta un empate entre X2 < 3 X1 y X6 , arbitrariamente se escoge X2 < 3 No restringe como variable para salir a X6. Observe que para cualquier valor positivo de la variable que entra X2 , X7 perma necer positiva, esto quiere decir que X7 no restringe el crecimiento de la variab le que entra X2 Nuevo sistema de ecuaciones (0) Z (1) (2) (3) X1 + + (2M-2)X2 + (6M-4)X3 + (M-1)X4 - (2M-1)X5 1/3 X2 + 2X2 6 X3 + 2X3 + X3 1/6X4 + 1/3X4 X4 1/6X5 1/3X5 X5 + X6 = 6M+6 = = + X7 = 1 6 (1/2) 0 8/3 X2 (0) Z (1) (2) (3) X1 - 2X3 X2 - 3X3 + 1/2X4 - 1/2X5 + - 10X3 + 5/3X4 - 5/3X5 + + 2X3 - 1/3X4 + 1/3X5 MX5 En sta tercera iteracin el valor X1 = VB = 0 X2 = VB = 3 X3 = NB = 0 X4 = NB = 0 X 5 = NB = 0 X6 = NB = 0 X7 = VB = 8 Z = VB = 12 (M= 12 = 0 1)X 6 [-(2M-2)] (-1/3) (8/3) 1/6X 6 = 3 1/2X 6 + X7 = 8 4/3X 6 de las variables es: Solucin:X1 = 0 X2 = 3 X3 = 0 Z = 12 Variable que entra: Z = 12 + 2X3 + MX5 + (M-1)X6 93

Mtodo Algebraico No hay variable que al crecer haga que Z disminuya (Minimizar), entonces estamos en la solucin ptima. El mtodo algebraico da una seal de que el problema tiene mltipl es soluciones, cuando el coeficiente en la funcin objetivo (Ecuacin (0)) de una va riable no bsica es cero (0). Aqu el coeficiente de la variable no bsica X4 en la fu ncin objetivo es cero (0). Solucin: El problema tiene mltiples soluciones, una de e llas es: Variables de decisin X 1* = 0 X2* = 3 X3* = 0 Z* = 12 Variables de holgu ra X4* = 0 X7* = 8 Variables artificiales X5* = 0 X6* = 0 Fjese que las variables artificiales X5* y X6* terminaron siendo no bsicas iguales a cero (0), de acuerdo con el artificio matemtico inicial mtodo de la gran M. Al reemplazar la solucin ptima en las restricciones se obtiene que: 6X1 + 2X2 + 6X3 > 6 6X1 + 4X2 = 12 2X1 - 2X2 < 2 5(0) + 2(3) + 6(0) > 6 6(0) + 4(3) = 12 2(0) 2(3 ) < 2 6> 6 12 = 12 -6 < 2 Restriccin activa Restriccin no activa Restriccin activa Se usa el mnimo recurso Se usa todo el recurso Se usa menos del recurso Notas imp ortantes: Cuando en la solucin ptima, al menos una de las variables bsicas sea vari able artificial de Super-avit, el problema no tiene solucin, a no ser que valga c ero ( 0 ) Cuando al decidir cul es la variable para entrar a la base, todas las v ariables bsicas no restringen a la variable que entra, entonces es un problema de solucin indeterminada. Cuando en una iteracin se escoge una variable para entrar y otra para salir y en la siguiente iteracin se escoge como variable para entrar la que sali y como variable para salir la que entro, se dice que el problema se h a degenerado y por lo tanto no tiene una solu 94

Mtodo Algebraico cin, ya que en las iteraciones siguientes se repetirn sistemticamente los sistemas de ecuaciones. Un resumen para las reglas de decisin del mtodo algebraico es: Crit erio a decidir Gran M Variable que entra Variable que sale ptimo Ejemplo 3 La emp resa Laminas S.A. produce lminas de 180 x 30 cm. ; ha recibido los siguientes tre s (3) pedidos: 5.000 lminas de 60 x 30 cm. ; 15.000 lminas de 70 x 30 cm. Y 5.000 lminas de 50 x 30 cm. La empresa desea cumplir exactamente con los pedidos, no qu iere tener existencias en inventario y desea saber cul debe ser su programacin de corte, de tal manera que minimice el desperdicio. Xj = Nmero de lminas a cortar de la forma j-sima (j=1,2,3,4,5,6,7) Maximizar -M La ms positiva (+) La menos (+) To dos los Cj < 0 Minimizar +M La ms negativa (-) La menos (+) Todos los Cj > 0 Minimizar Z = 10X2+30X3+40X4+10X5+20X7 C.S.R. = Con las siguientes restricciones : 3X1 + 2X2 + X6 + X7 = 5.000 2X4 + X5 + X6 = 15.000 X2 + 3X3 + 2X5 + X6 + 2X7 = 5.000 Xj > 0 ; j = 1,2,3,4,5,6,7 Min Z=10X2+30X3+40X4+10X5+20X7+MX8+MX9+MX10 C.S.R. 3X 1 + 2X2 + X6 + X7 + X8 = 5.000 2X4 + X5 + X6 + X9 = 15.000 X2 + 3X3 + 2X5 + X6 + 2X7 + X10 = 5.000 Xj > 0 ; j = 1,2,3,4,5,6,7,8,9,10 Variables bsicas X8 , X9 y X 10 95

Mtodo Algebraico I Iteracin II Iteracin Variable que entra: X1 Variable que sale : X8 X8 = 5.000 3X1 X9 = 15. 000 X10 = 5.000 X1 < 5.000/3 No Restringe No Restringe III Iteracin Variable que entra: X5 Variable que sale : X10 X1 = 5.000/3 X9 = 15. 000 X5 X10 = 5.000 2X5 No restringe X5 < 15.000 X5 < 2.500 IV Iteracin Variable que entra: X4 Variable que sale : X9 X1 = 5.000/3 X9 = 12.50 0 2X5 X5 = 2.500 No restringe X4 < 6.250 No restringe 96

Mtodo Algebraico V Iteracin Variable que entra: X6 Variable que sale : X1 X1 = 5.000/3 1/3X6 X4 = 6.2500 1/4X6 X5 = 2.500 - 1/2X6 X6 < 5.000 X6 < 25.000 X6 < 5.000 Variable que entra: No hay variable para entrar, estamos en el ptimo. Solucin: Var iables de decisin o Variables reales X1 *=X 2*=X 3*=X 5*=X 7*=0 X4* = 5.000 X6* = 5.000 Z* = 200.000 Variables artificiales o Variables de Super avit X8* = X9* = X10* = 0 Interpretacin: Para que halla un mnimo de desperdicio de 200.000 cm de lmina y cump lir exactamente con los pedidos, hay que cortar 5.000 lminas de la forma 4 y 5.00 0 lminas de la forma 6 Ejercicios propuestos Resolver empleando el mtodo grfico, si el problema es de dos (2) variables y mediante el mtodo algebraico, los siguient es ejercicios: 1) Maximizar Z = 3X1 + 5X2 C.S.R. X1 < 4 3X1 + 2X2 < 18 Xj > 0 ; j = 1, 2 2) Maximizar Z = 3X1 + 5X2 C.S.R. X1 < 4 X2 < 6 3X1 + 2X2 < 18 Xj > 0 ; j = 1, 2 Respuesta: X1* = 0 X2* = 9 Z* = 45 Respuesta: X1* = 2 X2* = 6 Z* = 36 97

Mtodo Algebraico 3) Minimizar Z = 4X1 + X2 C.S.R. 3X1 + X2 = 3 4X1 + 3X2 > 6 X1 + 2X2 < 4 Xj > 0 ; j = 1, 2 4) Minimizar Z = X1 + 2X 2 C.S.R. 3X1 + X2 > 3 4X1 + 3X2 > 6 X1 + X2 < 3 Xj > 0 ; j = 1, 2 5) Maximizar Z = X1 + X2 C.S.R. X1 + 2X2 < 6 2X1 + X2 > 9 Xj > 0 ; j = 1, 2 6) Maximizar Z = 2X1 + 3X 2 C.S.R. X1 + 3X2 < 6 3X1 + 2X2 < 6 Xj > 0 ; j = 1, 2 7) Max Z = 6X1 + 4X2 + 2X3 C.S.R. 6X1 + 2X2 + 6X3 < 6 6X1 + 4X 2 = 12 2X1 - 2X2 < 2 Xj > 0 ; j = 1,2,3 8) Max Z = 4X1 - 2X2 + 2X3 C.S.R. 2X1 + 2X2 + 2X3 + 2X4 < 16 4X2 2X3 < 8 4X1 - 2X2 - X4 < 4 Xj > 0 ; j = 1,2,3,4 98 Respuesta: X1* = 2/5 = 0,4 X2* = 9/5 = 1,8 Z* = 17/5 = 3,4 Respuesta: X1* = 3/2 = 1,5 X2* = 0 Z* = 3/2 = 1,5 Respuesta: X1* = 6 X2* = 0 Z* = 6 Respuesta: X1* = 0,8571 X2* = 1,7143 Z* = 6,8571 Respuesta: X1* = 0 X2* = 3 X3* = 0 Z* = 12 Respuesta: X1* = 1 X2* = 0 X3* = 7 X4* = 0 Z* = 18

Mtodo Algebraico 9) Max Z = 5X1 - 2X2 + 3X3 C.S.R. 2X1 + 2X2 - X3 > 2 3X1 - 4X2 < 3 X2 + 3X3 Xj > 0 ; j = 1,2,3 10) Max Z = 6X1 - 2X2 C.S.R. X1 - X2 < 1 3X1 - X2 < 6 Xj ; j = 1,2 11) Min Z = 3X1 - 9X2 - 5X3 + 4X4 C.S.R. X1 + 4X2 + 5X3 + 8X4 < 8 2X2 + 6X3 + 4X4 < 4 Xj > 0 ; j = 1,2,3,4 12) Min Z = 2X1 + 9X2 + 6X3 + 8X4 R. X1 + X2 + X3 - X4 = 1 X1 + 2X2 - X3 + 2X4 = 0 Xj > 0 ; j = 1,2,3,4 < 5 > 0 X1 + C.S.

Respuesta: X1* = 23/3 = 7,6 5 X2* = X3* = 0 Z* = 85/3 = 28,3 Respuesta: X1* = 5/ 2 = 2,5 X2* = 3/2 = 1,5 Z* = 12 Respuesta: X1* = 0 X2* = 2 X3* = 0 X4* = 0 Z* = -18 Respuesta: X1* = 1/2 = 0,5 X 2* = 0 X3* = 1/2 = 0,5 X4* = 0 Z* = 4 Respuesta: X1* = 4 X2* = 13 X3* = 11 Z* = 16 13) Min Z = 0,5X1 + 1,5X2 0,5X3 C.S.R. -0,5X1 0,5X2 + X3 < 2,5 X1 0,5X2 + 0,5X3 < 3,0 0,5X1 1,5X2 + 2,5X3 > 10,0 Xj > 0 ; j = 1,2,3 14) Max Z = X1 + 2X2 - X3 + 4X4 C.S.R. X1 + 2X2 - 3X3 + X4 = 4 X1 + 2X2 + X3 + 2X4 = 4 Xj > 0 ; j = 1,2,3,4 Respuesta: X1* = 0 X2* = 2 X3* = 0 X4* = 0 Z* = 4 Soluciones mltiples 99

100

Captulo 5 Mtodo Simplex Introduccin El mtodo algebraico es muy dispendioso, en razn a que trabaja con todos los datos de las ecuaciones, para mejorar ste aspecto se cre el mtodo simplex cuya gran virtud es su sencillez, mtodo muy prctico, ya que solo trabaja con los coefi cientes de la funcin objetivo y de las restricciones. Ilustraremos su funcionamie nto mediante un ejemplo, pero previamente mostraremos las reglas de decisin para determinar la variable que entra, la que sale, la gran M, y cmo determinar que es tamos en el ptimo; Todas stas reglas de decisin fueron deducidas del mtodo algebraic o, solamente que aqu se han acomodado para ser usadas en el tipo de tablero simpl ex que se usar. Criterio de decisin Gran M en la funcin objetivo Variable que entra Maximizar - MX j La ms negativa de los Zj - Cj La menos positiva de los b/a , Siendo a > 0 , de lo contrario no restringe Cuando todos los Zj Cj > 0 Minimizar +MXj La ms positiv a de los Zj - Cj La menos positiva de los b/a , Siendo a > 0 , de lo contrario n o restringe a la variable que entra Cuando todos los Zj Cj < 0 Variable que sale Solucin ptima 101

Mtodo Simplex Adicionalmente se presentan las siguientes notas a tener en cuanta: Si en el tab lero simplex de la solucin ptima queda al menos una variable de Super avit artific ial dentro de las variables bsicas, con un valor > 0 , el problema no tiene soluc in, esto quiere decir que al menos existen dos restricciones excluyentes, por lo tanto no existe rea de soluciones factible y menos una solucin , en ste caso se deb e revisar la formulacin del problema. Si al escoger la variable que sale, ninguna de las variables bsicas restringe el crecimiento de la variable no bsica escogida para entrar, el problema tiene solucin indeterminada y se debe revisar la formul acin en busca de una nueva restriccin que no se tuvo en cuenta en la formulacin ini cial. Si en el tablero simplex del ptimo, al menos una de las variables no bsicas tiene coeficiente cero (0) en la funcin objetivo, esto es su Zj Cj = 0, el proble ma tiene mltiples soluciones y se nos est ofreciendo una de ellas.

Ejemplo 1: Solucin nica Maximizar Z = X1 + X2 C.S.R. 5X1 + 3X2 < 15 3X1 + 5X2 < 15 Xj > 0 ; j = 1, 2 Todo problema de programacin lineal que se formule de la forma Maximice, con todas sus restricciones < y con la condicin de no negatividad, le llamaremos Forma Estndar Forma Normal. Aqu, al igual que en el mtodo algebraico, debemos conseguir una solucin bsica factib le, empleando las variables de holgura y/o artificiales, quedando el sistema de ecuaciones as: Maximizar Z = X1 + X2 C.S.R. 5X1 + 3X2 + X3 = 15 3X1 + 5X2 + X4 = 15 Xj > 0 ; j = 1,2,3,4 Las variables bsicas son X3 y X4 y por su puesto en la fu ncin objetivo Z. Este ejercicio es el ejemplo 1 del capitulo de mtodo algebraico. Compare los resultados entre los dos mtodos. A continuacin construimos la siguiente tabla: 102

Mtodo Simplex El valor de la funcin objetiva Z, se encuentra frente a la casilla de Zj Cj , en s te caso vale cero (0) y se calcula multiplicando el vector fila (en la tabla es la columna inmediatamente anterior a la de las variables bsica V.B.) que contiene los coeficientes de las variables bsicas en la funcin objetiva original por el ve ctor columna de los trminos independientes b CXB = Vector fila de los coeficiente s en la funcin objetivo original de las variables bsicas actuales, sus valores se encuentran en la primera columna del tablero. b = Vector columna de los trminos i ndependientes de las restricciones, que al mismo tiempo son los valores de las v ariables bsicas actuales, sus valores se encuentran bajo la columna denominada b El valor de los Zj Cj se calcula multiplicado el vector fila CxB por el vector a puntador aj de la columna de la variable j-sima, menos el Cj, esto es: Zj Cj = Cx B aj Cj ; Los clculos se efectan as: 103

Mtodo Simplex Cj _ V.B. b 0 X3 15 0 X4 15 Zj - Cj 0 --> 1 X1 5 3 -1 1 X2 3 5 -1 0 X3 1 0 0 0 b/a X4 a > 0 0 15/5=3 (1/5) 1 15/3=5 0 Variable que entra X1 Variable que sale X3 Recuerde que la columna de b/a se calcula, siempre y cuando el denominador sea a > 0 ; de lo contrario la variable bsica respectiva no restringe el valor de la v ariable escogida para entrar, los valores de a, estn en el respectivo vector apun tador de la variable j-sima escogida para entrar, en sta iteracin son 5 y 3 y el ca lculo respectivo 15/ 5 = 3 y 15/3 = 5; Lo que significa que la variable bsica X3 restringe el crecimiento de la variable que entra X1 hasta 3 (no la deja tomar v alores superiores a 3) y la variable bsica X4 restringe el crecimiento de la vari able que entra X1 hasta 5 (no la deja tomar valores superiores a 5). Por supuest o la variable bsica que restringe ms el crecimiento de la variable que entra X1 es X3 por lo tanto es la variable bsica escogida para salir. La fila de la variable bsica escogida para salir se divide por el elemento que se encuentra en la inter seccin de dicha fila con la columna de la variable que entra, la fila resultante es la fila pivote y se coloca en un nuevo tablero, desde el que se suman mltiplos de la fila pivote a las dems filas del tablero anterior de tal forma que se elim inen de cada una de ellas la variable escogida para entrar, en nuestro caso X1 , este procedimiento se denomina, hacer un uno (1) en la interseccin y el resto de la columna ceros (0), por lo tanto en dicha columna aparecer un vector unitario, el procedimiento se repite en cada iteracin, hasta que todos los Zj Cj sean mayo res iguales a cero en el caso de maximizar menores iguales a cero en el caso de minimizar. A continuacin se muestran todas las iteraciones y en cada fila los val ores por los cuales fueron multiplicadas para ser sumadas a otras filas, ello se expresa como sumar mltiplos de una fila a otra. Fjese que se suman mltiplos de las restricciones a la funcin objetivo para eliminar las variables bsicas de ella. 104 -->

Mtodo Simplex Variable que entra X2 (-3) Variable que sale X4 (5/16) Solucin ptima: X1* = 15/8 X2* = 15/8 Z * = 15/4 Conclusiones: La solucin es nica: X1 * = 15/8 ; X2* = 15/8 ; Z* = 14/4 El mtodo simplex es ms prctico que el mtodo algebr aico Ejemplo 2: La gran M Minimizar Z = X1 + 4X2 = 12 2X1 - 2X2 < 2 Xj > 0 MX5 + M6 C.S.R. 6X1 + 2X2 + 6X3 = 2 Xj > 0 ; j = 1, 2, 3, 4, 5, 6, 6X1 + 4X2 + 2X 3 C.S.R. 6X1 + 2X2 + 6X3 > 6 6 ; j = 1, 2, 3 Minimizar Z = 6X1 + 4X2 + 2X3 + X4 + X5 = 6 6X1 + 4X2 + X6 = 12 2X1 - 2X2 + X7 7

Las variables bsicas son X5 = 6 , X6 = 12 , X7 = 2 Este ejercicio es el ejemplo 2 del capitulo de mtodo algebraico. Compare los resultados entre los dos mtodos, en cada iteracin. (1/6) 105

Mtodo Simplex (-6) (-2) (1/2) El problema tiene mltiples soluciones, una de ellas es: Variables de decisin: X1* = 0 , X2* = 3 , X3* = 0 , Z* = 12 Variables de holgura : X4* = 0 , X7* = 8 Varia bles artificiales: X5* = 0 , X6* = 0 Ejemplo 3: El problema del corte Aqu, se mue stra el mtodo simplex aplicado al ejemplo 3 del captulo de mtodo algebraico. Minimi zar Z = 10X2 + 30X3 + 40X4 + 10X5 + 20X7 C.S.R. = Con las siguientes restriccion es: 3X1 + 2X2 + X6 + X7 = 5.000 2X4 + X5 + X6 = 15.000 X2 +3X3 + 2X5 + X6 + 2X7 = 5.000 Xj > 0 ; j = 1,2,3,4,5,6,7 Adicionando las variables artificiales necesa rias para obtener una solucin bsica factible, el problema queda expresado de la si guiente forma: 106

Mtodo Simplex Min Z = 10X2 + 30X3 + 40X4 + 10X5 + 20X7 + MX8 + MX9 + MX10 C.S.R. 3X1 + 2X2 X2 + 3X3 + X6 + X7 + X8 = 5.000 2X4 + X5 + X6 + X9 = 15.000 + 2X5 + X6 + 2X7 + X10 = 5.000 Xj > 0 ; j = 1,2,3,4,5,6,7,8,9,10 Variables bsicas X8 , X9 y X10 (1/3) --> (1/2) --> (1/2) --> (3) --> 107

Mtodo Simplex Solucin: Variables de Decisin: X1* = X2* = X3* = X5* = X7* = 0 ; X4* = X6* = 5.000 Z* = 20 0.000 Variables Artificiales: X8* = X9* = X10* = 0 Interpretacin: Para que halla un mnim o de desperdicio de 200.000 cm de lmina y cumplir exactamente con los pedidos, ha y que cortar 5.000 lminas de la forma 4 y 5.000 lminas de la forma 6 Ejemplo 4: Va riables irrestrictas En este ejemplo se muestra como resolver un problema en don de no todas las variables deben cumplir la condicin de no negatividad, dicho de o tra manera, con variables irrestrictas. Aqu el secreto consiste en reemplazar cad a una de las variables irrestrictas por la diferencia de dos variables que si de ban cumplir la condicin de no negatividad. Maximizar Z = 4X1 + 5X2 + 2X3 X4 C.S.R . X1 + X2 + 2X3 X4 > 1 2X1 + 2X2 - 3X3 + X4 < 3 X1 + 4X2 + 3X3 + 2X4 < 5 Xj > 0 ; j = 1, 2, 4 Aqu X3 tiene libertad en el signo, esto es, puede tomar valores pos itivos negativos. Hacemos X3 = K W , en donde K y W son positivas, K > 0 y W > 0 Fjese que si K > W => X3 ser positiva, si K = W => X3 ser igual a cero (0) y si K < W => X3 ser negativa. Lo que hemos conseguido es convertir un problema que es ir restricto en su variable X3 en uno que es restringido en todas sus variables, el problema queda as: Maximizar Z = 4X1 + 5X2 + 2K 2W X4 C.S.R. X1 + X2 + 2K 2W X4 > 1 2X1 + 2X2 - 3K + 3W + X4 < 3 X1 + 4X2 + 3K 3W + 2X4 < 5 Xj > 0 ; j = 1, 2, 4 ; K > 0 ; W > 0 Fjese que este problema, es uno clsico de programacin lineal. procedemos a resolver lo empleando el mtodo simplex. Adicionamos las variables de holgura y artificiale s que sean necesarias para conseguir la solucin bsica factible. 108

Mtodo Simplex Maximizar Z = 4X1 + 5X2 + 2K 2W X4 MX6 C.S.R. = 1 X1 + X2 + 2K 2W X4 X5 + X6 2X1 + 2X2 - 3K + 3W + X4 X7 = 3 X1 +4X2 + 3K 3W + 2X4 + X8 < 5 Xj > 0 ; j = 1, 2, 4 ; K > 0 ; W > 0 Aqu las variables bsicas son: X6, X7, y X8 (1/2) (3) (-3) (2) (-7/2) (-5/2) (-1/7) (2) (-5) (7/18) 109

Mtodo Simplex (3) (-2/7) (3/ 7) (2/3) (-1/2) (7/6) (3) (7/2) Aqu todos los Zj Cj son > 0 , entonces estamos en la solucin ptima. La solucin, most rando las variables clasificadas es: Variables de decisin Variables de holgura Variables artificiales X1* = 8/3 X2* = 0 X3* = K* - W* = 7/9 0 = 7/9 X4* = 0 Z * = 110/9 = 12,22 X5* = 29/9 X7* = 0 X8* = 0 X6* = 0 Ejemplo 5: Nmero de variables v.s. Nmero de iteraciones En este ejemplo observarem os que a pesar de que el sistema tiene 4 variables, el nmero de iteraciones es ap enas de 2 110

Mtodo Simplex Min Z = 3X1 - 9X2 - 5X3 4X4 C.S.R. X1 + 4X2 + 5X3 + 8X4 < 8 X1 + 2X 2 + 6X3 + 4X4 < 4 Xj > 0 ; j = 1, 2, 3, 4 Min Z = 3X1 - 9X2 - 5X3 4X4 C.S.R. X1 + 4X2 + 5X3 + 8X4 + X5 =8 X1 + 2X2 + 6X3 + 4X4 + X6 = 4 Xj > 0 ; j = 1, 2, 3, 4, 5, 6 (1/4) Solucin: X1* = 0 X2* = 2 X3* = 0 Z * = -18 Ejemplo 6: El problema de los paquetes de tuercas X5* = 0 X6* = 0 X4* = 0 Solucin al problema nmero 4) El problema de los paquetes de tuercas, del captulo 2, formulacin. Min Z = 0,1X1 + 0,04X2 +0,06X3 C.S.R. X1 X2 + X3 X1 + X2 0,9X1 0,1X2 0,1X3 -0,1X 1 + 0,9X2 0,1X3 -0,1X1 0,1X2 + 0,9X3 X1 + X2 + X3 Xj > 0 ; j = 1, 2, 3 Min Z = 1 /10X1 + 1/25X2 + 3/50X3 C.S.R. X1 X2 + X3 > 0 X1 + X2 < 8/5 9/10X1 1/10X2 1/10X3 > 0 -1/10X1 + 9/10X2 1/10X3 > 0 -1/10X1 1/10X2 + 9/10X3 > 0 X1 + X2 + X3 > 2 Xj > 0 ; j = 1, 2, 3 > 0 < 1,6 > 0 > 0 > 0 > 2 Las variables bsicas son: Min Z = 7 , X8 , X10 C.S.R. - X1 + X2 - X3 + 1/10X3 + X6 = 0 1/10X1 - 9/10X2 X8 = 0 X1 + X2 + X3 - X9 + X10 = 2 1/10X1 + + X4 = 0 + 1/10X3 Xj > 0 ; 1/25X2 + 3/50X3 +MX10 X4 , X5 , X6 , X X1 + X2 + X5 = 8/5 - 9/10X1 + 1/10X2 + X7 = 0 1/10X1 + 1/10X2 - 9/10X3 + j = 1, 2, 3 111

Mtodo Simplex (1) (-1)(-1/10)(9/10) (-1/10)(-1) (5) (1)(-1) (4/5)(-2) (1/10) (5)(-2)(4) (4)(3) 112

Mtodo Simplex Variables de decisin Variables de holgura Variables artificiales X1* = 1/5 X2* = 1 X3* = 4/5 = 0,8 Z * = 27/250 = 0,108 X4* X5* X6* X7* X8* X9* = = = = = = 0 2/5 = 0,4 0 4/5 = 0,8 3/5 = 0,6 0 X10* = 0 Conclusin El mtodo simplex es ms prctico que el mtodo algebraico, pero para problemas de un mediano nmero de variables y restricciones, fcilmente se vuelve dispendioso por el nmero de iteraciones y demorado para obtener la solucin ptima, es aqu donde el uso del computador se hace indispensable y til en trminos de eficiencia, para e llo existe el software adecuado, los ms conocidos son: Winqsb de Yih-Long Chang, distribuido por John Wiley & Sons. Inc N.Y. Solver de Frontline Systems Inc. , q ue viene integrado con el Excel de Microsoft. Lindo de Lindo Systems Inc. Que vi ene integrado con Visicalc. El AD, Ayuda a la decisin de la Universidad Cienfuego s de Cuba. Se sugiere consultar las siguientes pginas en Internet: www.cui.edu.co/industrial /SOF01.html http://members/tripod.com/~operativa www.lindo.com De estos lugares se puede bajar software gratuito en demostracin, manuales y adems se dispone de in teresantes enlaces. El Winqsb es un software muy completo para resolver problema s de Mtodos Cuantitativos, tiene los siguientes mdulos: 1) 2) 3) 4) 5) 6) Anlisis d e aceptacin. Planeacin agregada. Anlisis de decisin. Programacin dinmica. Localizacin distribucin. Series de tiempo. 11) Procesos de Markov. 12)Planeacin del requerimi ento de materiales. 13)Modelos de redes. 14)Programacin no lineal. 15)PERT CPM 113

Mtodo Simplex 7) Programacin meta. 8) Sistemas y teora de inventarios. 9) Programacin del trabajo . 10)Programacin lineal y entera. 16)Programacin cuadrtica. 17)Grficas de control de calidad. 18)Anlisis de colas. 19) Sistemas de simulacin de colas. A continuacin se presentan las principales ventanas del mdulo de programacin lineal y entera. Fjese que hay que darle un nombre al problema, los datos de entrada se pueden alm acenar en un archivo que tendr el nombre del problema, esto es til cuando el probl ema es grande. El resto de la ventana se explica por si sola, debido a la clarid ad de las preguntas. Fjese en la variedad en el tipo de variables. A continuacin s e muestra un ejemplo de cmo se introducen los datos de un pequeo problema. 114

Mtodo Simplex Fjese que se puede cambiar el tipo de variable, de forma individual, al igual que el sentido de la desigualdad cambiarla por una igualdad. El software resuelve p roblemas de dos variables por el mtodo grfico, resuelve el problema mostrando todo s los tableros (paso a paso) muestra la solucin de inmediato; Tambin efecta anlisis de sensibilidad, hace grficas y trabaja con el problema de la dualidad. La solucin final se muestra a continuacin: El precio sombra es lo que se incrementa la funcin objetivo por unidad adicional de recurso, aqu si el recurso de la restriccin uno, que es 180 unidades, se increm entara a 181 unidades, la funcin objetivo crece en 16 unidades monetarias. Proble mas propuestos 1. Suponga que una persona acaba de heredar $6.000 y desea invert irlos. Al or sta noticia, dos amigos distintos le ofrecen la oportunidad de partic ipar como socio en dos negocios, cada negocio planteado por cada amigo. En ambos casos, la inversin significa dedicar un poco de tiempo el siguiente verano, al i gual que invertir 115

Mtodo Simplex efectivo. Con el primer amigo, al convertirse en socio completo, tendra que inver tir $5.000 y 400 horas, y la ganancia estimada (ignorando el valor del tiempo) s era de $4.500. Las cifras correspondientes a la proposicin del segundo amigo son $ 4.000 y 500 horas, con una ganancia estimada de $4.500. Sin embargo, ambos amigo s son flexibles y le permitiran entrar en el negocio con cualquier fraccin de la s ociedad; la participacin en las utilidades sera proporcional a esa fraccin. Como de todas maneras, sta persona est buscando un trabajo interesante para el verano (60 0 horas a lo sumo), ha decidido participar en una ambas propuestas, con la combi nacin que maximice la ganancia total estimada. Formule y resuelva el problema. So lucin: X1* = 1 ; X2* = 0 ; Z* = $4.500 2. Una compaa manufacturera descontinu la produccin de cierta lnea de productos no re dituable. Esto cre un exceso considerable en la capacidad de produccin. La gerenci a quiere dedicar sta capacidad a uno o ms de tres productos; llmense productos 1, 2 y 3. En la siguiente tabla se resume la capacidad disponible de cada mquina que puede limitar la produccin: El nmero de horas-mquina que se requiere para cada producto es: 116

Mtodo Simplex El departamento de ventas ha indicado que las ventas potenciales para los produc tos 1 y 2 exceden la tasa mxima de produccin y que las ventas potenciales del prod ucto 3 son a20 unidades por semana. La ganancia unitaria sera $50, $20 y $25, res pectivamente, para los productos 1, 2 y3 . El objetivo es determinar cuntos produ ctos de cada tipo debe producir la compaa para maximizar la ganancia. Solucin: X1*= 26,1905 unidades del producto 1 X2*=54,7619 unidades del producto 2 X3*=20 unida des del producto 3 Mxima ganancia Z* = $2.904,762 Contribucin del producto 1 a la ganancia: $1.309,5240 Contribucin del producto 2 a la ganancia: $1.095,2380 Contribucin del producto 3 a la ganancia: $500 La fresa dora ser usada todo el tiempo disponible; 500 horas El torno ser usado todo el tie mpo disponible; 350 horas La rectificadora ser usada 118,5714 horas y quedar ocios a durante 31,4286 horas Toda la demanda potencial del producto 3 ser fabricada. P or cada hora adicional de la fresadora, la ganancia aumentar en $4,7619 Por cada hora adicional de torno, la ganancia aumentar en $1,4286 El aumento de 1 hora adi cional en la rectificadora no aumentar la ganancia. Por cada unidad potencial de demanda del producto 3, la ganancia aumentar en $1,1905 para mantener la solucin pt ima actual, el beneficio por unidad de cada producto, debe estar entre: 25 < Gan ancia por unidad del producto 1 < 51,25 19 < Ganancia por unidad del producto 2 < 40 25,8095 < Ganancia por unidad del producto 3 < infinito 3. Se ha concedido permiso a una empresa de turismo para realizar vuelos entre I bagu y las islas de San Andrs e interinsulares. para ello, debe comprar turborreac tores con los que cubrir los vuelos entre Ibagu y las islas, as como aviones de hli ce y/o helicpteros con los que atender los vuelos interinsulares. El presupuesto de compra es de 2.800 millones de pesos. Las caractersticas de los aparatos que p uede comprar se resumen en la tabla. 117

Mtodo Simplex Se pueden contratar hasta 20 pilotos y 16 azafatas. Se desea emplear al menos a 3 copilotos. El trfico entre Ibagu y San Andrs se estima en 8.000 pasajeros por mes y el interinsular en 500 pasajeros por mes. El permiso concedido requiere que e l nmero mnimo de aparatos sea 15. La compaa desea operar con costo de mantenimiento mnimo. a) Formule un problema de programacin lineal que proporcione al plan ptimo d e compra. b) Resolverlo e interpretar la solucin. Solucin: Se deben comprar 2 turb orreactores, 3 aviones de hlice y 10 helicpteros, siendo el costo de mantenimiento diario mnimo $720.000 4. Un empresario pretende fabricar dos tipos de congelador es denominados A y B. Cada uno de ellos debe pasar por tres operaciones antes de su comercializacin: Ensamblaje, pintado y control de calidad. Los congeladores r equieren, respectivamente, 2,5 y 3 horas de ensamblaje, 3 y 6 Kg. De esmalte par a su pintado y 14 y 10 horas de control de calidad. Los costos totales de fabric acin por unidad son, respectivamente, 30 y 28, y los precios de venta 52 y 48, to dos ellos en miles de pesos. El empresario dispone semanalmente de 4.500 horas p ara ensamblaje, de 8.400 Kg. De esmalte y 20.000 horas para control de calidad. Los estudios de mercado muestran que la demanda semanal de congeladores no super a las 1.700 unidades y que, en particular, la de tipo A es de, al menos, 600 uni dades. Se desea: a) Formular un modelo de programacin lineal que indique cuntos co ngeladores deben fabricarse de cada tipo para que el beneficio sea mximo, teniend o en cuenta el estudio de demanda. b) Resolverlo mediante el mtodo simplex. Inter pretar la solucin ptima incluyendo las variables de holgura. 118

Mtodo Simplex c) Determinar los precios sombra de las horas de ensamblaje y control de calidad . Al fabricante le ofrecen disponer de 200 horas ms para ensamblaje con un costo adicional total de $750.000 pesos. Debera aceptar la oferta? Solucin: Debe producir 882 congeladores tipo A y 764 congeladores tipo B con un beneficio ptimo de $3468 4.000 En el departamento de ensamblaje sobran 3 horas, no se consumirn 295,6 Kg. De esmalte, sobrarn 12 horas de control de calidad, se dejarn de producir 54 conge ladores, se fabricarn 282 congeladores tipo A por encima del lmite de 600 Por cada hora de ensamble adicional (dentro del intervalo 4.268,5 ; 4.725) el beneficio aumentar en $3.530 5. En un laboratorio se fabrican 4 productos P1, P2, P3, P4 qu e consumen un da por unidad en su proceso completo de produccin, aunque se pueden producir varias unidades simultneamente. El espacio (m2) en el almacn y la mano de obra (nmero de trabajadores) disponibles limitan la produccin. La siguiente tabla contiene los datos relevantes del proceso de produccin, as como los costos de fab ricacin y precios de venta (en miles de pesos). a) Encontrar el plan de produccin de beneficio mximo b) Interpretar los valores de los precios sombra c) Cul es el rango de los recursos del programa construido pa ra el que se mantiene la optimalidad de tales valores? d) La firma podra alquilar 150 m2 ms de superficie de almacn a un costo de $70.000 por da. Debera alquilar ste e spacio? Si es as, Cul es el nuevo plan de produccin? 119

Mtodo Simplex Solucin: De producto 1 debe producir 10 unidades y de producto 4, 20 unidades; de los productos 2 y 3 no debe producir. Por cada m2 adicional de bodega el benefi cio aumenta en $680 Por cada trabajador adicional el beneficio aumenta en $1.600 120

Captulo 6 Mtodo de las dos fases Cmo evitar usar la gran M Introduccin Como en el computador se usa la gran M, Un nmero muy grande, existe un e fecto de error en los clculos, ya que la gran M tiende a infinito, para evitar us ar la gran M, se diseo el Mtodo de las dos fases. Fase I Minimizar la sumatoria de las variables de Super-Avit Artificiales, usadas en el problema. Si Z = 0 , pro ceder con la fase II Si Z es diferente de cero, el problema no tiene solucin Fase II Use la solucin de la fase I como solucin inicial factible de la fase II, tenie ndo en cuenta que todas las variables de Super-Avit Artificiales son iguales a c ero. 121

Mtodo de las dos fases Ejemplo Min Z = 4X1 + X2 C.S.R. 3X1 + X2 = 3 4X1 + 3X2 > 6 X1 + 2X2 < 4 XJ > 0 ; J = 1,2 Min Z = 4X1 + X2 + MX3 + MX5 C.S.R. 3X1 + X2 + X3 =3 4X1 + 3X2 X4 + X5 =6 X1 + 2X2 + X6 = 4 XJ > 0 ; J = 1,2,3,4,5,6 Fase I Min Z = X3 + X5 C.S.R. 3X1 + X2 + X3 =3 4X1 + 3X2 X4 + X5 =6 X1 + 2X2 + X 6 = 4 XJ > 0 ; J = 1,2,3,4,5,6 Fjese Que en la fase I , siempre ser Minimizar la suma de todas las variables Arti ficiales que tenga el problema. A continuacin procedemos a solucionar el problema planteado, usando el mtodo simplex, ya sea manualmente mediante el software Winq sb. De forma manual, los resultados son los siguientes: (1/3) (-4)(-1) (3/5) (-1/3)(-5/3) Fjese que aqu Z* = 0 Fase II Con la solucin ptima de la fase I, planteamos el siguie nte problema: 122

Mtodo de las dos fases 4/5X3 3/5X4 + 3/5X5 = I, establecimos que X3 = 4X1 + X2 C.S.R. X1 + ,4,6

Min Z = 4X1 + X2 C.S.R. X1 + 3/5X3 + 1/5X4 1/5X5 = 3/5 X2 6/5 X3 + X4 X5 +X6 = 1 XJ > 0 ; J = 1,2,3,4,5,6 En la fase = X5 = 0 Luego las eliminamos de las restricciones Min Z 1/5X4 = 3/5 X2 3/5X4 = 6/5 + X4 +X6 = 1 XJ > 0 ; J = 1,2

Fjese que el nuevo problema no tiene la gran M, ya que han dejado de figurar las variables Artificiales, en atencin a que ya sabemos que efectivamente son iguales a cero. La solucin al nuevo problema se halla mediante el mtodo simplex. As: (1) (3/5) (-1/5)(3/5) Solucin X1* = 2/5 X2* = 9/5 Z * = 17/5 X4* = 1 X6* = 0 X3* = X5* = 0 Nota: El lector debe resolver el ejemplo, empleando el mtodo simplex con la gran M y comparar los tableros con los del mtodo de las dos fases, para observar que e l mtodo de las dos fases, lo que hace es evitar los tableros en donde figura la g ran M. Ejercicios propuestos Resolver empleando el mtodo de las dos fases, todos los ejercicios resueltos y propuestos de los captulos 4 y 5 que usen la gran M. 123

124

Captulo 7 El problema Dual y el Mtodo Dual Simplex Introduccin En el desarrollo de la programacin Lineal, se descubri la existencia de un problema que se encuentra estrechamente relacionado con un problema de Progr amacin Lineal dado: Dicho problema se denomin PROBLEMA DUAL. Cada problema dado (P roblema principal, Problema primo, Problema primero), de programacin lineal, se e ncuentra en dualidad con otro problema que tiene las siguientes muy interesantes caractersticas: 1. En problemas de un gran nmero de restricciones, resolver el pr oblema dual en la computadora es ms eficiente que resolver el problema principal. 2. En algunas ocasiones resulta ms sencilla la resolucin del problema dual que la del problema principal, en trminos de menor nmero de iteraciones. 3. Los valores p timos de las variables del dual, proporcionan una interpretacin econmica del probl ema principal, interesante. 4. Algunas veces se puede evitar el uso de las varia bles artificiales (Super-Avit), mediante la aplicacin del mtodo de solucin denomina do Dual Simplex, sobre el problema dual. 5. Facilita el estudio del impacto sobr e la optimalidad por cambios en el problema original. 125

El problema Dual y el Mtodo Dual Simplex El presente captulo tiene como objetivo principal, formular el problema dual y mo strar el mtodo de solucin para el problema dual, denominado Mtodo Dual-Simplex, par a problemas de maximizacin, ya que, por medio de la regla de equivalencia (Min(z) = Max(-z))Toda formulacin de un problema de programacin lineal se puede expresar de la forma estndar: Maximice (z), con todas las restricciones < Si tenemos un pr oblema de programacin lineal as: Existe otro problema, el Dual, que se expresa as: Problema Principal En donde Problema Principal Problema Dual Problema Dual El siguiente ejemplo numrico ilustra lo anterior: Problema Principal Max Z = 4X1 + 3X2 C.S.R. X1 + 2X2 < 7 Problema Dual Min Z = 7Y1 + 15Y2 C.S.R. Y1 + 3Y2 > 4 Xj > 0 ; j = 1,2 3X1 + 2X2 < 15 Yj > 0 ; j = 1,2 2Y1 + 2Y2 > 3 Fjese que cada restriccin del problema principal est representada por una variable en el dual. 126

El problema Dual y el Mtodo Dual Simplex Otro ejemplo numrico es el siguiente: Problema Principal Max ZX = 3X1 2X2 c.s.r. < 4 (Y1) X1 X2 < 6 (Y2) (Y3) X1 + X2 < 5 - X2 < -1 (Y4) Xj > 0 ; J = 1, 2 El pro blema principal tiene cuatro (4) restricciones, entonces el dual tendr cuatro (4) variables. Cada uno de los recursos del problema principal estar representado po r una variable en el problema dual. Entre el problema principal y el problema du al existen las siguientes relaciones: 1. El dual del dual, tiene como resultado el problema principal. 2. Una restriccin que es una igualdad en el problema princ ipal, genera una variable en el dual sin restriccin en el signo 3. Una variable d el problema principal, sin restriccin en el signo, genera una restriccin de iguald ad en el problema dual. 4. El nmero de restricciones del problema principal es ig ual al nmero de variables en el problema dual. 5. El nmero de variables del proble ma principal es igual al nmero de restricciones en el problema dual. EL MTODO DUAL SIMPLEX Una vez formulado el problema dual, debemos encontrar su solucin, el mtod o a emplear ser el denominado Mtodo Dual-Simplex el cul empieza con una solucin ptima o mejor que ptima (Zj Cj > 0 ; j ), pero no factible (Algunos bi son < 0), y se m ueve hacia el ptimo mediante iteraciones que mejoran su factibilidad conservando su optimalidad. Fjese que es lo contrario al mtodo Simplex, en donde se empieza me diante una solucin factible pero no ptima y mediante iteraciones se mejora la opti malidad, conservando la factibilidad. Esto se ilustra mediante la siguiente grfic a: 127 Problema Dual Min ZY = 4Y1 + 6Y2 + 5Y3 - Y4 c.s.r. + Y3 > 3 Y1 Y2 + Y3 - Y4 > -2 YJ > 0 ; J = 1, 2, 3, 4

El problema Dual y el Mtodo Dual Simplex Mtodo Simplex Solucin Factible Pero NO ptima Solucin Optima y Factible Mtodo Dual Simplex Solucin NO Factible Pero ptima Mtodo Simplex Mejora la Optimalidad Conservando la Factibilidad Mtodo Dual Simplex Mejora la Factibilidad Conservando la Optimalidad ALGORITMO PARA MAXIMIZAR EN EL MTODO DUAL SIMPLEX Se requiere que el problema est expresado en trminos de Maximizar la Funcin objetivo y todas sus restricciones con mayor igual ( > ) Variable que sale de la Base: Aquella que tenga el valor meno s factible sea la ms negativa, matemticamente: XB,r = Mnimo i XB,i ; XB,i < 0 impli ca que la solucin es NO factible. Variable que entra a la Base: Aquella variable que tenga el valor menos negativo en su expresin: ( Zj - Cj ) / ar,j , matemticame nte: (ZK - CK ) / ar,k = Mximo j (Zj - Cj ) / ar,j ; Siendo ar,j < 0 . El siguien te ejemplo ilustra un paralelo entre el Mtodo Simplex y el Mtodo Dual Simplex en d onde se resalta para cada iteracin, la relacin entre los dos (2) Mtodos. Hallar la solucin ptima al problema siguiente: Problema Principal Max Z(x) = 3X1 + 5X2 c.s.r . X1 < 4 X2 < 6 3X1 + 2X2 < 18 XJ > 0 ; J = 1,2 Problema Dual Min Z(y) = 4Y1 + 6 Y2 + 18Y3 c.s.r. Y1 + 3Y3 > 3 Y2 + 2Y3 > 5 YJ > 0 ; J = 1,2,3 Max Z(x) = 3X1 + 5X2 Max Z(y) = - 4Y1 - 6Y2 - 18Y3 c.s.r. c.s.r. X1 + X3 = 4 - Y 1 - 3Y3 + Y4 =-3 X2 + X4 = 6 - Y2 - 2Y3 + Y5 = - 5 3X1 + 2X2 + X5 = 18 YJ > 0 ; J = 1,2,3,4,5 XJ > 0 ; J = 1,2,3,4,5 128

El problema Dual y el Mtodo Dual Simplex Problema Principal Problema Dual X1 = 0 X2 = 0 X3 = 4 X4 = 6 X5 = 18 ZX = 0 Y1 = 0 Y2 = 0 Y3 = 0 Y4 = -3 Y5 = -5 ZY = 0 Y1 = 0 Y2 = 0 Y3 = 0 Y4 = -3 Y5 = -5 ZY = 0 X1 = 0 X2 = 0 X3 = 4 X4 = 6 X5 = 18 ZX = 0 X1 = 0 X2 = 6 X3 = 4 X4 = 0 X5 = 6 ZX = 30 Y1 = 0 Y2 = 5 Y3 = 0 Y4 = - 3 Y5 = 0 ZY = 30 Y1 = 0 Y2 = 5 Y3 = 0 Y4 = - 3 Y5 = 0 ZY = 30 X1 = 0 X2 = 6 X3 = 4 X4 = 0 X5 = 6 ZX = 30 X1 = 2 X2 = 6 X3 = 2 X4 = 0 X5 = 0 ZX = 36 Y1 = 0 Y2 = 3 Y3 = 1 Y4 = 0 Y5 = 0 ZY = 36 Y1 = 0 Y2 = 3 Y3 = 1 Y4 = 0 Y5 = 0 ZY = 36 X1 = 2 X2 = 6 X3 = 2 X4 = 0 X5 = 0 ZX = 36 129

El problema Dual y el Mtodo Dual Simplex Observe que en el Dual Simplex se hizo uso de la regla de equivalencia, multipli cando la funcin objetiva por (-1), y al final, nuevamente se multiplic el valor de Z por (-1). En cada iteracin del Mtodo Simplex se muestra que: 1. Los Zj Cj de la s variables de holgura X3,X4,X5 (Z3-C3 , Z4-C4 , Z5C5) son los valores de las va riables reales del Dual (Y1,Y2,Y3) 2. Los Zj Cj de las variables reales X1,X2 (Z 1-C1 , Z2-C2) son los valores de las variables de holgura del Dual (Y4,Y5) En ca da iteracin del Mtodo Dual Simplex se muestra que: 1. Los Zj Cj de las variables d e holgura Y4,Y5 (Z4-C4 , Z5-C5) son los valores de las variables reales del prob lema principal (X1,X2) 2. Los Zj Cj de las variables reales Y1,Y2 ,Y3 (Z1-C1 , Z 2-C2 , Z3-C3) son los valores de las variables de holgura del problema principal (X 3,X 4,X 5) En el siguiente captulo, denominado ANLISIS POST-PTIMO Y SENSIBILIDA D, el Mtodo Dual Simplex es herramienta fundamental para lograr la informacin nece saria que permita hacer el anlisis posterior, despus de haber encontrado la solucin ptima. Ejercicios propuestos 1. Una fbrica hace tres productos: Mesas, sillas y l ibreros, que se procesan a travz de los departamentos de ensamble, acabados y emp aque. El departamento de ensamble tiene 60 horas disponibles; El departamento de acabados puede manejar hasta 40 horas de trabajo y el departamento de empaque h asta 80 horas. La fabricacin de una mesa requiere 3 horas de ensamble, 2 horas en el departamento de acabados y 1 hora en el departamento de empaque. La fabricac in de una silla requiere 4 horas en el departamento de ensamble, 1 hora en el dep artamento de acabados y 3 horas en el departamento de empaque. La fabricacin de u n librero requiere 2 horas en cada uno de los tres departamentos. Si la utilidad es de $2 por mesa producida y vendida, $4 por silla producida y vendida y $3 po r librero producido y vendido, cul es la mejor combinacin posible de mesas, sillas y libreros a producir y vender para obtener la mxima utilidad? 130

El problema Dual y el Mtodo Dual Simplex a) Formule el problema como uno de programacin lineal y resuelvalo empleando el mt odo simplex. Lea la solucin al problema dual en el tablero ptimo del simplex. b) F ormule el problema dual y resuelvalo empleando el mtodo dual simplex. Lea la solu cin al problema principal en el tablero ptimo del simplex dual. 2. Un fabricante d e telas en Ibagu se puso en contacto con los estudiantes de Investigacin de Operac iones de Coruniversitaria en busca de ayuda en una situacin donde picos estaciona les en la demanda excedan la capacidad de produccin corriente. El fabricante sabe que para satisfacer la demanda estacional, tiene que programar la produccin antic ipadamente y despus almacenarla. Adems tiene la opcin, tanto de tiempo normal como de tiempo extra, con un costo de mano de obra ms alto para el tiempo extra. En la tabla siguiente se muestra la demanda pronosticada (En horas de la planta) y la capacidad disponible (En horas de la planta) tanto para la temporada de demanda alta (Los ltimos 6 meses del ao) y la temporada baja (Los primeros 6 meses del ao) . Tomando en cuenta el costo por hora de mano de obra para produccin en tiempo norm al o tiempo extra y el costo de almacenar una hora de produccin por longitudes va riables de tiempo, los contadores de costos de la compaa llegaron a la cifra de co stos aplicables siguientes: 131

El problema Dual y el Mtodo Dual Simplex Formule el problema como uno de programacin lineal y resuelvalo empleando el mtodo simplex. Lea la solucin al problema dual en el tablero ptimo del simplex. Sugeren cia: Defina la variable como la cantidad de unidades de producto a producir en e l trimestre i-simo en el tipo de tiempo j-simo para ser vendida en el el trimestre k-simo. Solucin: Costo Mnimo: $1.185 3. En una compaa que fabrica hilos se tiene el problema tpico llamado balance del t elar, que se origina en dos operaciones primarias: El cardado, que es el proceso que hace que las fibras de algodn queden arregladas en la misma direccin y el hil ado que convierte una grea suelta de algodn en un hilo fuerte al jalar y doblar si multaneamente en un huso. Cuando la fbrica produce hilos gruesos el proceso de ca rdado no puede dar abasto a la hilatura, cada huso produce tantas yardas de hilo por hora que la operacin de cardado simplemente se atrasa, debido a la limitacin de produccin de la seccin de cardado. De forma contraria, cuando la fbrica produce hilos finos, la cantidad de hilo producida por hora por huso es tan pequea, que l a operacin de cardado puede abastecer suficiente algodn para hilar en slo dos horas al da y como consecuencia las mquinas se paran una buena parte del da. La situacin desde el punto de vista de los trabajadores, produce horarios irregulares de tra bajo y desde el punto de vista de la gerencia la incapacidad de determinar que c lase de hilos producir para maximizar la contribucin a la utilidad. La fbrica prod uce y vende seis tipos de hilo, de diferente grosor (Llamado nmeros); Cada uno de stos hilos tiene su propia contribucin a las utilidades y se produce una cantidad diferente de hilo por hora por huso. 132

El problema Dual y el Mtodo Dual Simplex Para resolver el problema se reuni la siguiente informacin. La capacidad mxima de l a seccin de cardado en libras de algodn por hora, las libras por hora que los seis diferentes nmeros de hilo de algodn produciran en un huso, La contribucin ganada po r cada uno de los seis nmeros de hilos y el nmero de husos que la compaa tiene en op eracin en sus mquinas de hilado. Capacidad mxima de la seccin de cardado: 20.000 Libras/ Turno de 8 horas Husos act uales en operacin: 15.000 Formule el problema como uno de programacin lineal y res uelvalo empleando el mtodo simplex. Lea la solucin al problema dual en el tablero p timo del simplex. Sugerencia: Defina la variable como la cantidad de libras a pr oducir por tipo de hilo j-esimo, siendo j = 1,2,3,4,5,6 133

134

Captulo 8 Anlisis Post-ptimo y Sensibilidad Cambio Cambio Cambio Cambio Cambio Adicin Adicin en en en en en de de Cj cuando Xj * es no bsica Cj cuando Xj* es bsica bi ai,j cuando Xj* es no bsica ai,j cuando Xj* es bsica una restriccin una variable Introduccin En todo modelo cuantitativo los distinto coeficientes pueden estar su jetos a cambios, fluctuaciones o errores. Por ello, su conocimiento no siempre e s preciso y pueden cambiar en muchas ocasiones. Un uso tpico es el caso en el que hemos obtenido la solucin ptima y deseamos encontrar la nueva solucin ptima cuando hayan cambiado, por ejemplo, las disponibilidades de los recursos (bi), los prec ios costos unitarios por unidad (Cj), cambio en los coeficientes tecnolgicos (ai, j), incorporacin de una nueva variable (Nuevo producto Xj) y adicin de una nueva r estriccin. Necesario para el tomador de decisiones conocer en que rango se puede mover los distintos coeficientes mencionados, mantenindose la presente solucin ptim a; ello le da una ventaja competitiva frente a otro tomador de decisiones, de in calculable valor en dependencia con la situacin problema particular. En ste captulo se consideran siete (7) posibles cambios en las condiciones iniciales del probl ema original, uno a la vez, con su respectivo anlisis de sensibilidad, presentand o los argumentos para cada caso y una metodologa prctica y rpida en su aplicacin; pa ra ello se usa el siguiente ejemplo, al que inicialmente encontramos la solucin pt ima mediante el mtodo simplex, colocando al frente de cada tablero su respectivo sistema de ecuaciones del mtodo algebraico. 135

Anlisis Post-ptimo y Sensibilidad Problema Principal Maximizar Z = 3X1 + 5X2 c.s.r. X1 < 4 3X1 + 2X2 < 18 XJ > 0 ; J = 1,2 Adicin de variables de Holgura Maximizar Z = 3X1 + 5X2 c.s.r. + X3 = 4 X1 3X1 + 2 X2 + X4 = 18 XJ > 0 ; J = 1,2,3,4 = 0 (0) ZX 3X1 5X2 (1) X1 + X3 = 4 + X4 = 18 ( 2) 3X1 + 2X2 X1 = 0 X2 = 0 X3 = 4 X4 = 18 ZX = 0 + 5/2X4 = 45 (0) ZX + 9/2X1 (1) X1 + X3 = 4 (2) 3/2X1 + X2 + 1/2X4 = 9 X1 = 0 X2 = 9 Solucin ptima y factible: Problema Principal X1* = 0 X2* = 9 X3* = 4 X4* = 0 ZX* = 45 Y1* = 0 Y2* = 5/2 Y3* = 9/2 Problema Dual Y4* = 0 ZY* = 45 X3 = 4 X4 = 0 ZX = 45 Sobre la presente solucin ptima, consideraremos los siguientes cambios, uno a la v ez para cada caso, con su respectivo anlisis de sensibilidad y metodologa abreviad a. 1. 2. 3. 4. 136 Cambio Cambio Cambio Cambio en en en en Cj cuando Xj* es no bsica Cj cuando Xj* es bsica bi ai,j cuando Xj* es no bsica

Anlisis Post-ptimo y Sensibilidad 5. Cambio en ai,j cuando Xj* es bsica 6. Adicin de una restriccin 7. Adicin de una v ariable Los casos 1 y 2 se generalizarn bajo una metodologa nica que haga fcil su ap licacin, al igual que en los casos 4 y 5 en los que adicionalmente se mostrar su r elacin con el concepto de productividad, tema importante del estudio del trabajo. En el caso 3 se encontrar el significado de los valores de las variables del Dua l, denominado EL PRECIO SOMBRA y el COSTO REDUCIDO, valores stos importantes para el anlisis econmico y la toma de decisiones. 1.CAMBIO EN CJ CUANDO XJ* ES NO BSICA Aqu se propone que la funcin objetivo original sea cambiada de la siguiente maner a: ZX = 6X1 + 5X2 ; Se ha modificado el valor de ZX = 3X1 + 5X2 C1 = 3 por C1 = 6 ; Siendo C1 el coeficiente de X1 variable que en el ptimo es NO-Bsica ste cambio ti ene un efecto sobre el valor de Z1* - C1 en el ptimo actual, que tiene un valor d e 9/2, valor que ahora podr tener las siguientes opciones: Si el nuevo valor de Z 1* - C1 > 0 ; Entonces la solucin ptima se mantiene igual en el problema principal y en el dual solo cambia el valor de la variable de holgura Y3* Si el nuevo valo r de Z1* - C1 = 0 ; Entonces la solucin ptima se mantiene igual en el problema prin cipal pero de soluciones mltiples y en el dual solo cambia el valor de la variabl e de holgura Y3* cuyo valor ser cero (0) Si el nuevo valor de Z1* - C1 < 0 ; La so lucin deja de ser ptima haciendo necesario el empleo del mtodo simplex, escogiendo X1 como la variable que entra a la base El problema aqu, es encontrar el nuevo va lor de Z1* - C1 , que en trminos generales se deduce as: 137

Anlisis Post-ptimo y Sensibilidad ZJ* - CJ = ZJ* - CJ + CJ CJ = (ZJ* - CJ) (CJ CJ) ; Quedando en definitiva que el nu evo valor es igual a: El valor actual de (Z1 C1) restndole la diferencia entre el nuevo valor y el actual valor de C1, as: (Z1 C1) = 9/2 (6-3) = 3/2 ; valor ste ma yor que cero, por lo tanto la solucin actual sigue siendo ptima y se mantiene para todos los valores de Xj* y de Zx* cambiando solo el valor de la variable del du al Y3* que ahora toma el valor de 3/2 Una manera abreviada de efectuar ste proced imiento, consiste en realizar los cambios directamente sobre el tablero simplex de la solucin ptima y recalcular el valor de Z1 C1 que nos indicar si la solucin pre sente conserva su optimalidad por el contrario la pierde, quedando en ste caso el tablero listo para efectuar la iteracin siguiente. X =0 Y* = 0 X2 = 9 X3 = 4 X4 = 0 ZX = 45 1 Y2* = 5/2 Y3* = 3/2 Lo nico que cambi Y4* = 0 ZY* = 45 1 Anlisis de sensibilidad Ahora la pregunta es: Entre que valores puede variar C1 , de tal forma que el tablero simplex ptimo actual se mantenga ptimo y factible ? P ara contestar sta pregunta, basta con plantear la ecuacin que recalcula el valor d e (Z1 C1) , colocando en el tablero ptimo como valor para C1, un valor cualquiera que cumpla con la condicin de que su Z1 C1 debe ser > 0 para mantener la respues ta actual ptima y factible (5)(3/2) + (0)(1) C1 > 0 Entonces C1 < 15/2 para mante ner la solucin actual ptima y factible; el valor de C1 debe estarcomprendido entre el rango: - < C1 < 15/2 138

Anlisis Post-ptimo y Sensibilidad Si Cj es el precio unitario de venta del artculo uno (1), entonces su precio de v enta puede estar entre cero (0) y $7,50 sin alterar la solucin ptima actual, fjese que en la solucin actual X1* = 0 o sea no se producen ni venden unidades del prod ucto uno (1) Tan pronto C1 tome un valor mayor de $7,50 , la solucin actual no se mantendr y habr que efectuar nuevas iteraciones empleando el mtodo simplex para en contrar la nueva solucin ptima, un ejemplo de ello es el caso de C1 = 8 , para el que Z1 C1 valdr: (Z1 C1 ) = (5)(3/2) + (0)(1) 8 = - 1/2 = - 0,5 La consecucin de l a nueva solucin ptima para cuando C1 = 8 , se deja al lector, quien debe efectuar l a iteracin sobre el tablero ptimo, escogiendo como variable que entra a X1 2.CAMBI O EN CJ CUANDO XJ* ES BSICA Para ste caso se propone que la funcin objetivo sea cam biada de la siguiente manera: ZX = 3X1 + X2 ; Se ha modificado el valor de C2 ZX = 3X1 + 5X2 = 5 por C2 = 1 ; Siendo C2 el coeficiente de X2 , variable que en el p timo es variable Bsica. Aqu el nuevo valor de Zj* - Cj es: ZJ* - CJ = ZJ* - CJ + CJ C J = (ZJ* - CJ) (CJ CJ) ; Como el (ZJ* - CJ) pertenece a una variable bsica, su val or siempre ser igual a cero (0), quedando la expresin simplificada a: ZJ* - CJ = (CJ CJ) ; Quedando en definitiva que el nuevo valor es igual a menos la diferenci a entre el nuevo valor y el actual valor de Cj, as: Z2* - C2 = - (1 5) = 4 ; Esto implica que en la ecuacin (0) del mtodo algebraico aparecer la variable bsica X2 con el coeficiente 4, evento que obliga a modificar el sistema de ecuaciones, elimi nando a X2 de la ecuacin (0) ya que en ella solo puede figurar como variable bsica Z. El sistema de ecuaciones queda as: 139

Anlisis Post-ptimo y Sensibilidad (0) ZX + 9/2X1 + 4X2 + X3 (1) X1 (2) 3/2X1 + X2 + 5/2X4 = 45 = 4 + 1/2X4 = 9 Multiplicando la ecuacin (2) por (- 4) y sumndole la ecuacin (0), eliminamos a X2 d e la funcin objetivo, quedando el sistema as: Observe que el coeficiente de X1 es negativo, lo que indica que la solucin no es ptima y que hay que iterar empleando el mtodo simplex. (0) ZX 3/2X1 (1) X1 + X3 (2) 3/2X1 + X2 + 1/2X4 = 9 = 4 + 1/2X4 = 9 (-3/2) Nueva solucin ptima: X4* = 0 X1* = 4 X2* = 3 ZX* = 15 X3* = 0 Y1* = 3/2 Y2* = 1/2 Y3* = 0 Y4* = 0 ZY* = 15 Una manera abreviada de efectuar ste procedimiento, consiste en realizar los camb ios directamente sobre el tablero simplex de la solucin ptima y recalcular todos l os valores de los Zj Cj que nos indicar si la solucin presente conserva su optimal idad por el contrario la pierde, quedando en ste caso el tablero listo para efect uar la iteracin siguiente, si ello es necesario. Z = (1)(9) + (0)(4) = 9 Z1 C1 = (1)(3/2) + (0)(1) 3 = Z2 C2 = (1)(1) + (0)(0) 1 = Z3 C3 = (1)(0) + (0)(1) 0 = Z4 C4 = (1)(1/2) + (0)(0) 0 = 3/2 0 0 1/2 Fjese que aqu, el tablero simplex ha quedado automticamente listo para iterar, ya q ue se observa en l, que su solucin es factible ( bi > 0 ) pero no ptima, en atencin a que el valor de (Z1 C1 ) < 0 sea 3/2 140

Anlisis Post-ptimo y Sensibilidad ; Los valores del tablero simplex para la siguiente iteracin son los mismos que s e hallaron anteriormente. Anlisis de sensibilidad Ahora la pregunta es: Entre que valores puede cambiar C2 , de tal forma que se mantenga la solucin actual ptima y factible. Para contestar sta pregunta, basta con plantear las ecuacin que recalcu la el valor de (Zj Cj) de cada una de las variables no bsicas, colocando en el ta blero ptimo como valor para C2, un valor cualquiera que cumpla con la condicin de que su Zj Cj debe ser > 0 para mantener la respuesta actual ptima y factible. (3/2) C2 + (0)(1) 3 > 0 para Z1 C1 C2 > 2 (1/2) C2 + (0)(0) 0 > 0 para Z4 C4 C2 > 0 Para mantener la solucin actual ptima; el valor de C2 debe estar comprendido dentr o del rango: 2 < C2 < + ; Esto se puede apreciar grficamente as: 3.CAMBIO EN bi El anlisis de ste caso nos revelar el significado de las variables d el dual, dando origen a dos conceptos de interpretacin econmica denominados el pre cio sombra y el costo reducido. En las aplicaciones prcticas, es muy aplicado, ya que se trata de cambios efectuados sobre la disponibilidad de los recursos. Un cambio en un bi afecta los valores de las variables bsicas en la solucin ptima, hac iendo que sta siga factible o no, por ello se dice que afecta la factibilidad del problema. Si al efectuar el cambio, al menos un bi se hace < 0; Entonces se hac e necesario aplicar el mtodo dual simplex. 141

Anlisis Post-ptimo y Sensibilidad El coeficiente de la variable de holgura de la ecuacin donde ocurre el cambio, no s indica el nmero de veces que cada ecuacin ha sido sumada restada de las dems ecua ciones sea el nmero de veces que ocurre el cambio, siendo el cambio la diferencia entre el nuevo y el actual valor de bi Para ste caso se propone cambiar la segun da restriccin de la siguiente forma: 3X1 + 2X2 < 18 a 3X1 + 2X2 < 14 Ecuacin donde ocurre el cambio: La segunda restriccin Variable que inicia con coef iciente uno (1), la variable artificial: X4 Los coeficientes de X4 en cada fila, indican el nmero de veces que ocurri el cambio en cada fila; sobre el trmino indep endiente. 45,4,9 = Trminos independientes de la solucin ptima actual. (0) 45 + 5/2 (14-18) = 35 5/2,0,1/2 = Nmero de veces que ocu(1) 4 + 0 (14-18) = 4 rre (2) 9 + 1/2( 14-18) = 7 el cambio en cada fila (14-18) = El cambio, el nuevo bi menos el actual bi Como todos los bi nuevos son > 0 ; Entonces b1 = 4 ; b2 = 7 ; La nueva so lucin es: X1* = 0 X2* = 7 X3* = 4 X4* = 0 ZX* = 35 Y1* = 0 Y2* = 5/2 Y3* = 9/2 Y4 * = 0 ZY* = 35 Si al menos un bi nuevo fuese < 0 (negativo, NO factible); Entonces se modifica e l tablero simplex ptimo con los nuevos bi y se aplica el mtodo dual simplex para ef ectuar las iteraciones y encontrar el nuevo ptimo. Anlisis de sensibilidad Ahora l a pregunta es: Entre que valores pueden cambiar los bi (Recursos) , de tal forma que se mantenga la solucin actual factible. Para contestar sta pregunta, basta co n plantear las ecuaciones que 142

Anlisis Post-ptimo y Sensibilidad calculan los valores de los bi nuevos, remplazando el nuevo bi, por un valor cualq uiera que cumpla con la condicin de que el nuevo valor de las variables bsicas sea > 0 que mantenga la respuesta actual factible. Anlisis de sensibilidad para b1 ( 1) 4 + 1 (b1- 4) > 0 b1 > 0 Luego b1 debe tomar valores entre 0 < b1 (2) 9 + 0(b1 4) > 0 < para que el tablero simplex ptimo No restringe actual se mantenga facti ble Anlisis de sensibilidad para b2 Luego b2 debe tomar valores entre 0 < b2 (2) 9 + 1/2 (b2-18) > 0 < para que el tablero simplex ptimo b2 > 0 actual se mantenga facti ble (1) 4 + 0 (b2- 18) > 0 No restringe Es interesante observar que le sucede al valor actual de Z* cuando se hace un ca mbio de una unidad (1) en bi Cambio en b1 de 4 a 5 (0) 45 + 0 (5-4) = 45 + 0 (1) = 45 (1) 4 + 1 (5-4) = 4 + 1 (1) = 5 (2) 9 +0 (5-4) = 9 + 0 (1) = 9 Cambio en b 2 de 18 a 19 (0) 45 + 5/2 (19-18) = 45 + 5/2 (1) = 95/2 (1) 4 + 0 (19-18) = 4 + 0 (1) = 4 (2) 9 + 1/2 ( 19-18) = 9 + 1/2 (1) = 19/2 Aqu, Z* aument 5/2, Observe qu e la segunda variable del dual Y2 vale 5/2 Aqu, Z* no aument. Observe que la prime ra variable del dual Y1 vale cero (0) Lo anterior significa que las variables reales del dual (Y1* , Y2*) son el incre mento de Z* por unidad de recurso aumentado, siempre y cuando ste aumento de los recursos se mantenga dentro del rango de sensi143

Anlisis Post-ptimo y Sensibilidad bilidad (0 < b1 < ) y (0 < b2 < ). Por ello, el valor de las variables reales del dual es llamado el precio sombra. De manera similar, las variables de holgura de l dual (Y3* , Y4*) indican lo que Z* disminuye por cada unidad que se decida hac er crecer a una variable NO bsica, esto se llama el costo reducido. 4.CAMBIO EN a ij CUANDO Xj* ES NO-BSICA Aqu se efecta el cambio sobre el coeficiente tecnolgico de las variables, para muchos problemas ste coeficiente tecnolgico ai,j es el valor inverso de la productividad, concepto ste de vital importancia para el tomador de decisiones. Productividad P=Q/t Coeficiente tecnolgico ai,j = t / Q Q = Unidades t = Tiempo Para ste cambio y los siguientes, de nuevo se aplica el principio de que el coefi ciente de la variable de holgura de la ecuacin donde ocurre el cambio, nos indica el nmero de veces que cada ecuacin ha sido sumada restada de las dems ecuaciones s ea el nmero de veces que ocurre el cambio, siendo el cambio la diferencia entre e l nuevo y el actual valor de ai,j Se propone hacer el cambio en la segunda restr iccin de la siguiente forma: 3X1 + 2X2 < 18 por X1 + 2X2 < 18 ; El a2,1 a cambiad o de 3 a 1 y es el coeficiente de X1 que en el ptimo es variable NO bsica. El camb io ocurre en la ecuacin (2), que tiene la variable de holgura X4 que inici con coe ficiente (1), luego su coeficiente en cada ecuacin indica el nmero de veces que oc urre el cambio en cada ecuacin. Matemticamente: En el ptimo: + 5/2X4 = 45 (0) ZX + 9/2X1 (1) X1 + X3 = 4 (2) 3/2X1 + X2 + 1/2X4 = 9 El coeficiente de X4 indica el nmero de veces que ocurre el cambio en cada fila, siendo el cambio (1 3) 144

Anlisis Post-ptimo y Sensibilidad (0) ZX + [9/2 + 5/2(1 3)] X1 + 5/2X4 = 45 (1) [ 1 + 0(1 3)] X1 + X3 = 4 + 1/2X4 = 9 (2) [ 3/2 + 1/2(1 3)] X1 + X2 El coeficiente de X1 en la (0) ZX - 1/2X1 + 5/ 2X4 = 45 ecuacin (0) que es el (Z1 (1) X1 + X3 = 4 C1) se ha vuelto negativo, in+ 1/2X4 = 9 dicando que la solucin NO es (2) 1/2X1 + X2 ptima, luego debemos iterar . Solucin: X1* = 4 X2* = 7 X3* = 0 X4* = 0 ZX* = 47 Y1* = 1/2 Y2* = 5/2 Y3* = 0 Y4* = 0 ZY* = 47 Anlisis de sensibilidad Entre que valores puede cambia a21 (Coeficiente tecnolgico ) , de tal forma que se mantenga la solucin actual ptima. Para contestar sta pregun ta, basta con replantear la ecuacin que recalcula el valor de (Z1 C1 ), remplazan do el nuevo a2,1 , por un valor cualquiera que cumpla con la condicin de que el n uevo valor de (Z1 C1 ) sea > 0 , que mantenga la respuesta actual ptima. 9/2 + 5/ 2 ( a2,1 3 ) > 0 ; Despejando a2,1 se encuentra que a2,1 > 6/ 5 ; Luego el rango de sensibilidad para a2,1 es: 6/5 < a2,1 < 145

Anlisis Post-ptimo y Sensibilidad 5. CAMBIO EN aij CUANDO Xj* ES BSICA Como el cambio se efecta sobre el coeficiente de una variable que en el ptimo es Bsica, ello har que aparezca dicha variable con coeficiente diferente de cero (0) en la funcin objetivo, teniendo que ser elimin ada. ste proceso ocasionar cambios en los Zj - Cj de las variables NO bsicas que en caso de tomar valores menores que cero (0), no mantienen la optimalidad y habr q ue iterar empleando el mtodo simplex; Tambin pueden ocurrir cambios en los bi conv irtiendo la solucin en NO factible, en cuyo caso debe emplearse el mtodo Dual Simp lex Se propone cambiar el a22 de 2 a 4 , coeficiente de X2 en la segunda restric cin, variable que en el ptimo actual es variable bsica. 3X1 + 2X2 < 18 cambiar por 3X1 + 4X2 < 18 La ecuacin en donde ocurre el cambio es la segunda, y en ella la v ariable que empez con coeficiente uno (1) es X4 , luego los coeficientes de X4 en cada ecuacin indican las veces que ocurre al cambio en cada ecuacin, matemticament e: El coeficiente de X4 indica el nmero de veces que ocurre el cambio en cada fil a, siendo el cambio (4 2) + 5/2X4 = 45 (0) ZX + 9/2X1 (1) X1 + X3 = 4 (2) 3/2X1 + X2 + 1/2X4 = 9 + 5/2X4 = 45 (0) ZX + 9/2X1 + [0 + 5/2 (4 2)] X2 (1) X1 + [0 + 0 (4 2)] X2 + X3 = 4 (2) 3/2X1 + [1 + 1/2 (4 2)] X2 + 1/2X4 = 9 (0) ZX + 9/2X1 + 5X2 (1) X1 (2) 3/2X1 + 2X2 + X3 + 5/2X4 = 45 = 4 + 1/2X4 = 9 5X2 debe eliminarse de la funcin objetivo (2X2)debe tener coeficiente (1), luego multiplicamos toda la fila por (1/2) 146

Anlisis Post-ptimo y Sensibilidad (0) ZX + 9/2X1 + 5X2 (1) X1 (2) 3/4X1 + 1X2 (0) ZX + 3/4X1 (1) X1 (2) 3/4X1 + X2 Optimalidad + X3 + 5/2X4 = 45 = 4 + 1/4X4 = 9/2 + 5/4X4 = 45/2 = 4 + 1/4X4 = 9/2 + X3 (-5) Factibilidad b1 = X3* = 4 ; Valor que es > 0 b2 = X2* = 9 ; Valor que es > 0 El nuevo Z1* - C1 = 3/4 ; Valor que es > 0 El nuevo Z4* - C4 = 5/4 ; Valor que e s > 0 Solucin: X1* = 0 X2* = 9/2 X3* = 4 X4* = 0 ZX* = 45/2 Y1* = 0 Y2* = 5/4 Y3* = 3/4 Y4* = 0 ZY* = 45/2 Anlisis de sensibilidad Entre que valores puede cambia a22 (Coeficiente tecnolgico ) , de tal forma que se mantenga la solucin actual ptima y factible. Para ste caso el anlisis es ms complejo ya que ocurren cambios tanto en los (Zj-Cj), como en los bi poniendo en peligro tanto la optimalidad como la factibilidad de la solucin. Como en todos los casos anteriores, se reconstruyen las ecuaciones que dan orige n a los cambios tanto de los (Zj-Cj ), como de los bi Anlisis de sensibilidad, cu idando la optimalidad, ( Zj-Cj ) > 0 para las variables No Bsicas. para (Z1 C1) 147

Anlisis Post-ptimo y Sensibilidad para (Z4 C4) Anlisis de sensibilidad, cuidando la factibilidad, bi > 0 para todas las restricc iones. para b1 : [0 + 0 ( a22 2 )] (9/2) + 4 > 0 ; NO altera la factibilidad para b2 : [1 + ( a22 2 ) > 0 ; a22 > 0 Concluyendo; El valor de a22 debe estar dentro del siguiente rango: 0 < a22 < 4 6. ADICIN DE UNA RESTRICCIN ste caso plantea la posibilidad de aadir una restriccin, qu e se halla olvidado, en la formulacin inicial del problema, como en el caso de lo s problemas de solucin indeterminada, en los que se presume el no haber tenido en cuenta la restriccin de un recurso que afecta la solucin del problema. Supongamos que se ha olvidado tener en cuenta la siguiente tercera (3) restriccin: X2 < 6 O bservamos si la nueva restriccin cumple con la solucin ptima actual; Si cumple, la solucin actual se mantiene, si no, aadimos la nueva restriccin. La solucin actual es : X1* = 0 ; X2* = 9 ; Remplazando en la nueva restriccin X2 < 6 ; 9 < 6 ; Asevera cin sta que es falsa, luego debemos proceder a aadir la nueva restriccin, as: 148

Anlisis Post-ptimo y Sensibilidad (3) X2 < 6 (3) X2 + X5 = 6 ; X5 nueva variable de holgura y variable bsica de sta ecuacin, luego debemos eliminar a X2 porque tambin es variable bsica en la solucin pt ima actual; Recordemos que en cada ecuacin solo debe aparecer una variable bsica, con coeficiente (1), para lograrlo, tratamos la ecuacin (3) con la (2), eliminand o X2 y obteniendo la nueva ecuacin (3), as: (2) 3/2 X1 + X2 (3) - X2 (3) 3/2 X1 (3 ) - 3/2 X1 + 1/2 X4 = 9 - X5 = -6 + 1/2 X4 X5 = 3 Multiplicando por (-1) - 1/2 X4 + X5 = -3 El nuevo sistema de ec uaciones es: (0) Z + 9/2 X1 + 5/2 X4 = 45 (1) X1 + 3/2 X1 - 1/2 X4 + X5 = -3 En donde X5 datos al tablero simplex y aplicamos ctibilidad generada por la adicin de (- 2/3 ) 149 X3 = 4 (2) 3/2 X1 + X2 + 1/2 X4 = 9 (3) = -3 ; valor no factible. Introducimos los el mtodo dual simplex para eliminar la infa la nueva restriccin. Mtodo Dual - Simplex

Anlisis Post-ptimo y Sensibilidad Nueva solucin: X1* = 2 X2* = 6 X3* = 2 X4* = 0 X5* = 0 ZX* = 36 Y1* = 0 Y2* = 1 Y 3* = 3 Y4* = 0 Y5* = 0 ZY* = 36 7. ADICIN DE UNA VARIABLE Aqu se considera la adicin de una variable, que en la vid a real puede ser un producto nuevo, entonces estamos midiendo los efectos de sta decisin y sus implicaciones sobre la solucin actual. El cambio que se propone es e l siguiente: Max Z = 3X1 + 5X2 C.S.R. X1 < 4 3X1 + 2X2 < 18 XJ > 0 ; J = 1,2 Max Z = 3X1 + 5X2 + 7X5 C.S.R. X1 X5 < 4 3X1 + 2X2 + 2X5 < 18 XJ > 0 ; J = 1,2,5 Fjese que es la combinacin de un cambio en un Cj y el cambio de ai,j en dos (2) re stricciones, al mismo tiempo. El C5 ha cambiado de (0) a (7) en la funcin objetiv o. El coeficiente de X5 en la 1 restriccin cambi de (0) a (1); El cambio fue de (1 0) = 1 El coeficiente de X5 en la 2 restriccin cambi de (0) a (2); El cambio fue de (2 0) = 2 El objetivo se reduce a reconstruir toda la columna de la nueva varia ble X5 en cada una de las ecuaciones del simplex. Aplicamos nuevamente el concep to de que la variable que inicia con coeficiente 1 (Generalmente las variables d e holgura), Su coeficiente en el ptimo nos indica, el nmero de veces que ocurri el cambio en cada ecuacin. Hay que tener en cuenta que en el mtodo algebraico todos l os trminos se trasladan al lado izquierdo, cambiando su signo, por eso aqu, el coe ficiente de X5 empez con un coeficiente de ( -7); Matemticamente: 150

Anlisis Post-ptimo y Sensibilidad (0) Zx + 9/2 X1 + 5/2 X4 + [ -7 + (0)(1) + (5/2)(2) ] X5 (1) X1 + X3 +[ ( 1)(1) + ( 0 )(2) ] X5 + 1/2 X4 + [ (0)(1 ) + (1/2)(2) ] X5 (2) 3/2 X1 + X2 = 45 = 4 = 9 Fjese que los nuevos coeficientes de X5 para cada ecuacin estn afectados por tres ( 3) trminos: La primera columna corresponde al efecto producido por la aparicin de X5 en la funcin objetiva, por ello solo afecta la ecuacin cero (0), la segunda col umna refleja el efecto producido por un cambio de un ai,j en la primera restricc in y por ltimo, la tercera columna refleja el efecto producido por un cambio de un ai,j en la segunda restriccin. Efectuando los clculos aritmticos, el sistema de ec uaciones queda as: (0) Z + 9/2 X1 + 5/2 X4 - 2 X5 = 45 (1) X1 + X3 + X5 = 4 (2) 3 /2 X1 + X2 + 1/2 X4 + X5 = 9 Fjese que la optimalidad se ha afectado ya que el Z5 C5 es igual a 2, por lo que hay que iterar, empleando el mtodo simplex Fjese en el orden Nueva solucin: X1* = 0 X2* = 5 X3* = 0 X4* = 0 X5* = 4 ZX* = 53 Y1* = 2 Y2* = 5/2 Y3* = 13/2 Y4* = 0 Y5* = 0 ZY* = 53 151

Anlisis Post-ptimo y Sensibilidad El WinQsb y el Anlisis de Sensibilidad Por ltimo nos ocuparemos de ilustrar el uso del Software WinQsb en lo que se relaciona con la solucin de problemas de progra macin lineal y el anlisis de Sensibilidad. A continuacin ilustraremos la ventana in icial, en donde introducimos los datos generales del problema, luego, la ventana de captura de los datos correspondientes a la funcin objetiva y las restriccione s y por ltimo la ventana que nos muestra los resultados de la solucin ptima; El pro blema que se usa, es el mismo que se ha utilizado como ejemplo durante todo el c aptulo. Max Z = 3X1 + 5X2 C.S.R. X1 < 4 3X1 + 2X2 < 18 XJ > 0 ; J = 1,2 Fjese que el problema debe tener un nombre, el cual ser usado en los informes escr itos y de pantalla. El nmero de restricciones no incluye las restricciones de NON EGATIVIDAD. El software le ofrece cuatro (4) tipo de variables: Continua positiv a, Entera positiva, Binaria (0,1) e irrestricta (Que puede tomar cualquier valor ). Se recomienda el formato de matriz de hoja de clculo por ser la ms didctica. 152

Anlisis Post-ptimo y Sensibilidad Con doble clic del ratn se puede cambiar el sentido de la desigualdad convertirla en igualdad, y el tipo de variable. Tambin se puede restringir el valor de cada variable, cambiando su valor mnimos y mximo. Para solucionar el problema se da cli c sobre el icono que aparece en la parte superior y que se seala en la grfica sigu iente: El programa anuncia, mediante una ventana, que el problema ha sido solucionado y que la solucin ptima ha sido archivada, se acepta dando clic sobre el botn de acep tar, siguiente: En la siguiente ventana se nos ofrece la solucin ptima y algunos datos del anlisis de sensibilidad, cuyo significado, entramos a explicar. Para efectos de una inte rpretacin que guarde mayor relacin con la realidad, supondremos que las variables X1 y X2 representan las cantidades a producir de los artculos 1 y 2. Las restricc iones representan la cantidad de recursos disponibles del tipo A y B y la funcin objetiva son las utilidades logradas. En el encabezado de sta ventana se muestra la hora y la fecha en que la que se logr la presente solucin. 153

Anlisis Post-ptimo y Sensibilidad La ventana la hemos dividido en dos, mediante una lnea de color rojo, en la parte superior de dicha lnea, se encuentra la informacin relacionada con las variables bsicas, y la funcin objetivo. En sta rea, el significado para la fila 1, de los dato s de izquierda a derecha es: Del artculo 1 (X1*) debemos producir cero (0) unidad es. Su utilidad por unidad (C1) es de $3 y su contribucin a al utilidad total es de cero (0) pesos (0)(3)=0. Si decidiramos llevar la contraria a sta solucin ptima y decidiramos producir unidades del producto 1, entonces por cada unidad producida , perderamos $4,50 de nuestras utilidades, esto se denomina el costo reducido del producto 1. En la siguiente casilla a la derecha, se nos informa que sta variabl e est en su valor lmite posible (X1 > 0). Por ltimo, en las dos ltimas casillas de st a fila, se muestra el anlisis de sensibilidad para C1 que nos indica que la utili dad por unidad del artculo 1 debe estar en el rango de: - < C1 < 15/2 para que la solucin actual se mantenga ptima. El significado para la fila 2, de los datos de i zquierda a derecha es: Del artculo 2 (X2*) debemos producir 9 unidades. Su utilid ad por unidad (C2) es de $5 y su contribucin a al utilidad total es de $45 [(5)(9 )=45]. Aqu el costo reducido es de $0 en atencin a que s se van a producir unidades del artculo 2. En la siguiente casilla a la derecha, se nos informa que sta varia ble es bsica. En las dos ltimas casillas de sta fila, se muestra el anlisis de sensi bilidad para C2 que nos indica que la utilidad por unidad del artculo 2 debe esta r en el rango de: 2 < C2 < + para que la solucin actual se mantenga ptima. En la s iguiente fila se muestra el valor total de la contribucin valor mximo de la funcin objetivo Z* = $45 154

Anlisis Post-ptimo y Sensibilidad En la parte inferior de la lnea roja, se encuentra la informacin referente a cada una de las restricciones y su interpretacin es la siguiente: La fila 1 correspond e a la restriccin 1, referente a la disponibilidad del recurso A , para el que se muestra el valor del lado izquierdo, evaluado con la solucin optima y que indica que del recurso A no se utilizar ninguna unidad, de las 4 disponibles, por ello la holgura excedente de dicho recurso es de 4 unidades. El precio sombra nos ind ica que si se dispone de una unidad adicional del recurso A, ello ocasionar un in cremento en la utilidad de $0 ;Siempre y cuando el valor del recurso se encuentr e entre los lmites de sensibilidad 0 < b1 < ; que son los valores que hacen que l a solucin actual permanezca factible. La fila 2 corresponde a la restriccin 2, ref erente a la disponibilidad del recurso B , para el que se muestra el valor del l ado izquierdo, evaluado con la solucin optima y que indica que del recurso B se u tilizan 18 unidades, de las 18 disponibles, por ello la holgura excedente de dic ho recurso es de 0 unidades. El precio sombra nos indica que si se dispone de un a unidad adicional del recurso B, ello ocasionar un incremento en la utilidad de $2,50 siempre y cuando el valor del recurso se encuentre entre los lmites de sens ibilidad 0 < b2 < ; que son los valores que hacen que la solucin actual permanezc a factible. Ejercicios propuestos 1. Considere el siguiente problema de programa cin lineal Maximice Z = - X1 + 3X2 2X3 C.S.R. 3X1 X2 + 2X3 < 7 Recurso A < 12 Rec urso B -2X1 + 4X2 -4X1 + 3X2 + 8X3 < 10 Recurso C Xj > 0 ; j = 1,2,3 a) Cul es la solucin ptima ? ZX* , X1*, X2*, X3*, X4*, X5* ^ X6* en donde X4, X5*^ X6 son variables de holgura de las restricciones correspondientes a los recursos A,B,C respectivamente. b) Formule el Dual. c) Cul es la solucin ptima del dual. d) Si consideramos que Z es ganancia en pesos. Cul seria la contribucin a la gananci a si hubiese una unidad ms de recurso A ?, lo 155

Anlisis Post-ptimo y Sensibilidad mismo para B, lo mismo para C. e)Supngase que datos mas recientes nos dicen que l a funcin objetiva es: Z = -X1 + 3X2 + X3 . Es la vieja solucin todava ptima ? si no, encuentre la nueva solucin ptima. f)Suponga que queremos investigar el efecto de cambiar la funcin objetiva a Z = -X1 + X2 2X3 . An ser ptima la antigua solucin ? si no, encuentre el nuevo ptimo. g)Haga un anlisis se sensibilidad para cada uno de l os C j h)Si uno encuentra que solo hay 10 unidades disponibles del recurso B, el ptimo ser el mismo? Si no, encuentre el nuevo ptimo. i)Haga un anlisis de sensibili dad para cada uno de los b i j)Cambiara la solucin ptima si aadimos la nueva restric cin X1 + X2 + X3 < 8 . Si s, encuentre el nuevo ptimo. k)Supngase que se ha descubie rto que una cuarta actividad, denotada por X7 , es relevante y que el nuevo mode lo matemtico es: Maximice Z = - X1 + 3X2 2X3 + X7 C.S.R. 3X1 X2 + 2X3 + X7 < 7 Re curso A -2X1 + 4X2 - 2X7 < 12 Recurso B -4X1 + 3X2 + 8X3 - X7 < 10 Recurso C Xj > 0 ; j = 1,2,3,7 Es la antigua solucin con X7 = 0 an ptima? Si no, encuentre el nu evo ptimo. Nota: No son necesarios clculos largos para ninguno de los encisos del problema L a solucin ptima actual es: 2. Se ha concedido licencia a una nueva empresa de turismo, para realizar vuelos entre Bogot y las Islas de San Andrs y Providencia e Interinsulares (Vuelos entre las islas del archipilago). para ello, debe comprar turborreactores con los que cubrir los vuelos entre Bogot y las Islas, as como Aviones de Hlice y/o helicpteros con los que servir los vuelos interinsulares. El presupuesto de compra es de $2. 800000.000. Las caractersticas de los aparatos que puede comprar la empresa de tur ismo son: 156

Anlisis Post-ptimo y Sensibilidad Se pueden contratar como mximo 10 pilotos y 16 azafatas. Se desea contratar al me nos 3 copilotos. El trfico entre Bogot y las Islas de San Andrs se estima en 8.000 pasajeros por mes; y el interinsular en 500 pasajeros por mes. El permiso conced ido requiere que el nmero mnimo de aparatos sea de 15. La Empresa de Turismo desea operar con costos de mantenimiento mnimos. a) Formular un modelo de programacin L ineal que proporcione el plan ptimo de compra. b) Resolver e interpretar al soluc in, manualmente y con el Software WinQsb. c) Si existe la posibilidad de contrata r 10 pilotos ms, Cul ser la nueva solucin? d) Un cambio en el contrato reduce el nmer o mnimo de aparatos a 14, Cul es el efecto econmico a sta modificacin? 3. Un Empresari o pretende fabricar dos tipos diferentes de congeladores denominados A y B . Cad a uno de ellos debe pasar por tres operaciones antes de su comercializacin: Ensam blaje, pintura y control de calidad. Los congeladores requieren, 2,5 y 3 horas d e ensamblaje respectivamente, 3 y 6 kilogramos de esmalte para su pintura respec tivamente y 14 y 10 horas de control de calidad respectivamente. Los costos tota les de fabricacin por unidad son: $30.000 y $28.000 respectivamente, y los precio s de venta $52.000 y $48.000 respectivamente. El Empresario dispone semanalmente de 4.500 horas para ensamblaje, 3.400 kilogramos de esmalte y de 20.000 horas p ara control de calidad. Los estudios de mercado muestran que la demanda semanal de congeladores no supera las 1.700 unidades y que, la demanda del congelador ti po A, es de al menos, 600 unidades. Se desea: a) Formular un modelo de programac in lineal que indique cuntos congeladores deben fabricarse de cada tipo para que e l bene157

Anlisis Post-ptimo y Sensibilidad ficio sea mximo, teniendo en cuenta el estudio de demanda. b) Resolverlo mediante el mtodo simplex. Interpretar la solucin ptima incluyendo las variables de holgura (Redondear la solucin al valor entero por defecto). Resolverlo empleando el WinQ sb, escogiendo como tipo de variable, la opcin de ENTERA. c) Determinar los preci os sombra de las horas de ensamblaje y control de calidad. Al fabricante le ofre cen disponer de 200 horas ms para ensamblaje con un costo adicional total de $750 .000. Debera aceptar la oferta? 4. Una editorial dispone para impresin de 4.500 hor as y para encuadernacin de 4.000 horas. La tabla que sigue da los tiempos, en hor as, empleados en ambas tareas para cuatro libros Li ; i = 1,2,3,4 , as como sus b eneficios, en miles de pesos. a) Formule un modelo de programacin lineal que proporcione el mximo beneficio y re sulvalo. b) Suponga que el departamento comercial de la Editorial no encuentran l a solucin razonable, y creen que, a lo sumo, se podrn vender 5.000 copias del libr o L4 a ese precio. para vender 10.000, su precio deber bajar en $2.000 por copia. Qu consecuencias tiene sta hiptesis?. Obtener la mejor solucin. c) Al director de la Editorial le gustara imprimir el libro L2 . Deseara saber las consecuencias sobre el beneficio, as como la produccin de los libros L1 y L4 si se producen 2.000 cop ias de L2. d) Si adems en c) se propone que el libro L2 lo encuaderne otra editor ial que carga $500 ms por copia, Merece la pena sta propuesta? 5. Una compaa vende do s tipos de fertilizantes que son fabricados en dos departamentos. El tipo A cont ribuye con $3 y el tipo B contribuye con $4 por tonelada. 158

Anlisis Post-ptimo y Sensibilidad A cul departamento debe dar prioridad en los fondos para la expancin de la planta? 6. Del problema principal, sabemos que una unidad de X1 contribuye con $6 por un idad a la utilidad, requiere 2 horas en el departamento A y 1 hora en el departa mento B. Una unidad de x2 contribuye con $7 por unidad a la utilidad y requiere 1 hora en el departamento A y 3 horas en el departamento B. La capacidad mxima pa ra cada departamento es de 40 horas. Formule el dual e indique el valor que se i ncrementa la utilidad por cada hora adicional en cada departamento. 7. Un taller de artesanas fabrica dos productos en dos departamentos. El producto X1 contribu ye con $6 por unidad a la utilidad y toma 6 horas en el departamento 1 y 6 horas en el departamento 2. El producto X2 contribuye con $14 por unidad a la utilida d y toma 8 horas en el departamento 1 y 2 horas en el departamento 2. El departa mento 1 tiene una capacidad de 38 horas y el departamento 2 42 horas. Indique el nmero mximo de produccin en unidades y el nivel de produccin para maximizar la util idad y muestre la diferencia en la contrinucin a la utilidad de los dos. 8. Una c ompaa requiere vendedores entrenados, las ventas del producto tienden a ser estaci onales. La compaa rquiere el siguiente nmero mnimo de vendedores durante cada mes de l ao. Despus de contratar un vendedor, se le enva a una escuela de entrenamientodurante 4 meses; despus de su entrenamiento, el vendedor empieza a vender activamente. Au nque los miembros de la fuerza de venta reciben un buen salario, el trabajo es b astante pesado y la empresa ha observado que cada mes, aproximadamente el 10% de l personal activo renuncia a la empresa. Construya la funcin objetivo y las restr icciones que le permita a la compaa determinar el nmero de 159

Anlisis Post-ptimo y Sensibilidad candidatos a vendedores que deben admitirsen al entrenamiento cada mes por los p rximos 12 meses. La compaa desea contratar el menor nmero de personas pero mantenien do los requerimientos mnimos de la fuerza de venta para cada mes. Al principio de enero, la fuerza de venta consta de 50 vendedores activos y 90 en entrenamiento de los cuales 30 se convertirn en vendedores activos el 1 de marzo y 60 en vended ores activos el 1 de abril. Use el WinQsb y haga un completo anlisis post-ptimo a l a solucin ptima de ste problema. 9. He aqu la funcin objetivo, las restricciones y la tabla simplex final para un problema de mezcla de productos de programacin linea l: Funcin objetivo: Maximizar Z = 2X1 + 5X2 + 8X3 con las siguientes restriccione s: 6X1 + 8X2 + 4X3 < 96 Departamento 1 2X1 + X2 + 2X3 < 40 Departamento 2 5X1 + 3X2 + 2X3 < 60 Departamento 3 XJ > 0 ; j = 1,2 y 3

a. Comente sobre el valor adicional para la compaa al aadir capacidad adicional en cada uno de los tres departamentos. b. Determine el rango sobre el cual los prec ios marginales para las variables de holgura sern vlidos. c. Determine el rango so bre el cual los coeficientes de X2 y X3 pueden variar sin afectar la solucin ptima . d. Cul tendra que ser la contribucin por unidad de X1 para que est en la solucin pti a? e. Cules son las implicaciones de mercado de las respuestas que encontr en la pa rte c) y d) anteriores? 10. Del problema principal sabemos que una unidad del pr oducto 1 con160

Anlisis Post-ptimo y Sensibilidad tribuye a la utilidad con $7 y que requiere 3 unidades de entrada 1 (1 ingredien te) y 2 horas de mano de obra. Una unidad del producto 2 contribuye a la utilida d con $5 y requiere 1 unidad de entrada 1 y 1 hora de mano de obra. La capacidad de las entradas es actualmente de 48 unidades y hay 40 horas de mano de obra. F ormule el dual de este problema e indique el valor para la firma de otra unidad de entrada 1 y otra hora de mano de obra. 11. He aqu la funcin objetivo, las restr icciones, y la table simplex final de un problema de programacin lineal de mezcla s que involucra 4 productos y 3 departamentos. Funcin objetivo: Maximice Z = 2X1 + 4X2 + X3 + X4 siguientes restricciones: X1 + 3X2 + X4 < 4 Departamento 1 2X1 + X2 < 3 Departamento 2 X2 + 4X3 + X4 < 3 Departamento 3 Xj > 0 ; j = 1,2,3 y 4 c on las a) Comente sobre el valor que tiene para esta compaa el aadir capacidad adicional e n cada uno de estos tres departamentos. b) Determine el rango sobre el cual cada uno de los precios marginales para las variables de holgura sern vlidos. c) Deter mine el rango sobre el cual cada uno de los coeficientes de X1, X2 y X3 puede va riar sin afectar la solucin ptima. d) Cul tendra que ser la contribucin de X4 para que estuviera en la solucin ptima? e) Cules son las implicaciones de mercado de las res puestas que encontr para las partes c) y d) anteriores? 161

Anlisis Post-ptimo y Sensibilidad Anlisis Post-ptimo y Sensibilidad 12. Considere el siguiente problema de programacin lineal: Maximice Z = C1X1 + C2X2 C.S.R. 2X 1 - X 2 < X1 - X2 < b1 Recurso A b2 Recurso B Xj > 0 ; j = 1,2 Sean X3 y X4 las variables de holgura para las restricciones re spectivas. Cuando C1 = 3, C2 = -2 y b1 = 30 y b2 = 10, el mtodo simplex llev a la siguiente tabla final. Cj 3 X1 0 1 0 -2 X2 1 0 0 0 X3 1 1 1 0 X4 -2 -1 1 V.B. -2 X2 3 X1 ZJ - CJ b 10 20 40 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. Formule el problema dual. Escriba la solucin al problema principal Escriba la sol ucin al problema dual. En cuanto se incrementa Z por unidad adicional de recurso A? . En cunto se incrementa Z por unidad adicional de recurso B? En cuanto se red uce Z por unidad adicional del producto X1?. En cunto se reduce Z por unidad adic ional del producto X2? Haga un anlisis de sensibilidad para la disponibilidad del recurso A (b1). Haga un anlisis de sensibilidad para la disponibilidad del recur so B (b2) Haga un anlisis de sensibilidad para C1. Haga un anlisis de sensibilidad para C2. Si se ofrecen 5 unidades adicionales del recurso A por un valor total de 25 unidades monetarias. Usted las comprara? Explique la respuesta claramente. Hasta cunto pagara Usted como mximo por una unidad adicional de recurso B?. Expliqu e su respuesta. Si el recurso B se incrementa en 10 unidades. El tablero ptimo ac tual se mantiene?, si no, encuentre el nuevo ptimo y escriba la nueva solucin para todas las variables del principal y del dual. 162

Captulo 9 Transporte y Transbordo Introduccin En ste captulo estudiaremos un modelo particular de problema de program acin lineal, uno en el cual su resolucin a travs del mtodo simplex es dispendioso, p ero que debido a sus caractersticas especiales ha permitido desarrollar un mtodo ms prctico de solucin. El modelo de transporte se define como una tcnica que determin a un programa de transporte de productos o mercancas desde unas fuentes hasta los diferentes destinos al menor costo posible. Tambin estudiaremos el problema del transbordo en el que entre fuentes y destinos, existen estaciones intermedias. P or ltimo estudiaremos el software WinQsb y el Invop. 163

Transporte y Transbordo Modelo General del Problema del Transporte Es un caso especial de problema de pr ogramacin Lineal, en el que todos los coeficientes de las variables en las restri cciones tienen coeficiente uno (1), esto es: ai,j = 1 ; para todo i , para todo j Grficamente: Xij= Unidades a enviar desde la fuente i-sima (i=1,...,m) al destino jsimo (j=1,.. .,n). Ci,j= Costo de enviar una unidad desde la fuente i-sima (i=1,...,m) al dest ino j-simo (j=1,...,n) ai = Disponibilidad (oferta) en unidades, de la fuente i-si ma (i=1,...,m) bj = Requerimiento (demanda) en unidades, del destino j-simo (j=1, ...,n) Lo disponible = Lo requerido Oferta = Demanda Mercado Perfecto Matemticamente: Minimizar Z = C1,1X1,1 +...+ C1,jX1,j +...+ C1,nX1,n +...+ Ci,1Xi ,1 +...+ Ci,jXi,j +...+ Ci,nXi,n +...+ Cm,1Xm,1 +...+ Cm,jXm,j +...+ Cm,nXm,n 164

Transporte y Transbordo C.S.R. A A i X11 ++ X1j ++ X1n = a1 : : : : Xi1 ++ Xij ++ Xin = ai : : : : Xm1 ++ Xmj ++ Xmn = am Todo lo disponible es enviado X11 ++ Xij ++ Xmn = : : : X1j ++ Xij ++ Xmj = : : : Xm1 ++ Xmj ++ Xmn = b1 : bj : bn Xij > 0 , j Todo lo enviado fue requerido !No se pierde nada! Otra manera de formularlo Minimice Z= C.S.R. Todo lo disponible es enviado Todo lo enviado fue requerido Observacin: Disponibilidad = Requerimiento Oferta = Demanda Mercado Perfecto Metodologa General Modelo Imperfecto Generalmente es lo que ocurre en la vida real. Modelo Perfecto Igualamos la oferta a la demanda, mediante fuentes o destinos de holgura Mtodo de Solucin - Hallar una solucin bsica y factible. - Hallar la solucin ptima Solucin Interpretacin Interpretar la solucin terica v.s. la realidad. 165

Transporte y Transbordo Metodologa de solucin Solucin Bsica Factible Optimizacin Solucin ptima Interpretacin Mtodos Esquina Noroeste Costo Mnimo Vogel Ejemplo Mtodos Algebraico Heurstico Modi Tres (3) fbricas envan su producto a cinco (5) distribuidores. Las disponibilidade s, los requerimientos y costos unitarios de transporte, se dan en la siguiente t abla. Qu cantidad del producto se debe enviar desde cada fbrica a cada distribuidor minimizar los costos del transporte? NOTA: La X significa que desde la fbrica imposible enviar unidades al distribuidor 5 Solucin Observe que el modelo no es erfecto: La oferta es diferente a la demanda. Se adiciona una fbrica de relleno on costos de transporte igual a cero (0) y que ofrezca justo lo que le hace falt a a la oferta para ser igual a la demanda. Modelo Imperfecto Modelo de mercado perfecto ai Fbricas 40 1 60 2 70 3 170 50 4 220 166 Distribuidores 1 2 3 4 5 bj 30 40 50 40 60 220 NOTA: Adicionamos la fbrica cuatro (4) con una oferta de 50 unidades, para iguala r la oferta a la demanda, dicha fbrica es de holgura. para 3 es p c

Transporte y Transbordo Formulacin Xij = Unidades a enviar desde la fbrica i-sima (i=1,2,3,4) al distribuid or j-simo (j=1,2,3,4,5) Minimizar Z = 20X11 + 19X12 + 14X13 + 21X14 + 16X15 + 15X 21 + 20X22 + 13X23 + 19X24 + 16X25 + 18X31 + 15X32 + 18X33 + 20X34 + MX 35 >> Va lor muy grande en comparacin con los dems Cij Nota: A X35 se le castiga con un coe ficiente muy grande Gran M ya que Z nunca se minimizar mientras X35 > 0 ; Luego X35 terminar siendo variable NO-Bsica, igual a cero (0) para que Z se minimice. Con L as siguientes restricciones: X11 + X12 + X13 + X14 X21 + X22 + X23 + X24 X31 + X 32 + X33 + X34 X41 + X42 + X43 + X44 X11 + X21 + X31 X12 + X22 + X32 X13 + X23 + X33 X14 + X24 + X34 X15 + X25 + X35 + X41 + X42 + X43 + X44 + X45 + + + + = = = = = X15 = 40 X25 = 60 X35 = 70 X45 = 50 30 40 50 40 60 Todo lo disponible es enviado Todo lo requerido fue enviado Xij > 0 ; i = 1,2,3,4 ; j = 1,2,3,4,5 Solucin Bsica Factible Como cada variable figura dos (2) veces en el sistema de ec uaciones, entonces tiene m+n-1 grados de libertad y el nmero de variables bsicas d ebe ser igual al nmero de grados de libertad del sistema. Lo anterior nos asegura una solucin bsica factible no degenerada. NMERO DE VARIABLES BSICAS = m + n 1 167

Transporte y Transbordo Mtodo de la esquina noroeste Caractersticas . Sencillo y fcil de hacer . No tiene e n cuenta los costos para hacer las asignaciones . Generalmente nos deja lejos de l ptimo Algoritmo 1. Construya una tabla de ofertas (disponibilidades) y demandas (requerimientos). 2. Empiece por la esquina noroeste. 3. Asigne lo mximo posible (Lo menor entre la oferta y la demanda, respectivamente) 4. Actualice la oferta y la demanda y rellene con ceros el resto de casillas (Filas Columnas) en donde la oferta la demanda halla quedado satisfecha. 5. Muvase a la derecha o hacia ab ajo, segn halla quedado disponibilidad para asignar. 6. Repita los pasos del 3 al 5 sucesivamente hasta llegar a la esquina inferior derecha en la que se elimina fila y columna al mismo tiempo. Nota: No elimine fila y columna al mismo tiempo , a no ser que sea la ltima casilla. El romper sta regla ocasionar una solucin en do nde el nmero de variables bsicas es menor a m+n-1, produciendo una solucin bsica fac tible degenerada. En nuestro problema de ejemplo: Aqu, asignamos en la fila 1, co lumna 1 lo mximo posible entre 40 y 30 o sea 30 unidades; X11=30 variable bsica. A ctualizamos la oferta y la demanda, quedando stas en: 10 y 0 y rellenamos con cer o el resto de la columna 1, ya que la demanda de 30 unidades qued satisfecha. Ter minando el mtodo, el tablero aparecer as: 168

Transporte y Transbordo X11 = 30 X12 = 10 X22 = 30 X23 = 30 X33 = 20 X34 = 40 X35 = 10 X45 = 50 Nota: Es una solucin bsica factible no degenerada, porque se satisface todas las demandas y ofertas, todas las Xij > 0 y el nmero de variables bsicas es m+n1 = 4+5-1 = 8 Co mo evitar eliminar fila y columna al mismo tiempo, sin estar en la ltima casilla, uso de Supongamos que nuestro problema es: El a1 = 40 y a2 = 60 se han cambiado por a1 = 30 y a2 = 70 produciendo un empate entre la oferta y la demanda de la casilla 1,1 de 30 unidades Para ste caso, procedemos as: Escoger satisfacer la fila o la columna (oferta o de manda), para nuestro ejemplo escogemos satisfacer la oferta, entonces decidimos que a la demanda le queda una cantidad muy pequea por satisfacer, llamada (epsilo n) cuyo valor es aproximadamente igual a cero (0), 0 y para efectos de clculos fu turos epsilon = 0. Fjese que el nmero de variables bsicas es m+n-1=8 X11 = 30 X21 = = 0 X22 = 40 X23 = 30 X33 = 20 X34 = 40 X35 = 10 X45 = 50 169

Transporte y Transbordo Mtodo del costo mnimo Caractersticas . Es ms elaborado que el mtodo de la esquina nor oeste . Tiene en cuenta los costos para hacer las asignaciones . Generalmente no s deja alejados del ptimo Algoritmo 1. Construya una tabla de disponibilidades, r equerimientos y costos 2. Empiece en la casilla que tenga el menor costo de toda la tabla, si hay empate, escoja arbitrariamente (Cualquiera de los empatados). 3. Asigne lo mximo posible entre la disponibilidad y el requerimiento (El menor d e los dos). 4. Rellene con ceros (0) la fila o columna satisfecha y actualice la disponibilidad y el requerimiento, restndoles lo asignado. Nota: Recuerde que no debe eliminar satisfacer fila y columna al mismo tiempo, caso en que la oferta sea igual a la demanda, en tal caso recuerde usar la (Epsilon). 5. Muvase a la ca silla con el costo mnimo de la tabla resultante (Sin tener en cuenta la fila o co lumna satisfecha). 6. Regrese a los puntos 3,4,5 sucesivamente, hasta que todas las casillas queden asignadas. En nuestro ejemplo, la tabla queda as: Fjese que el menor costo de toda la tabla es cero (0), pero hay 5 celdas con cost o cero (0), Escogemos al azar la fila 4, columna 1 y asignamos lo mximo posible e ntre 50 y 40 o sea 30, rellenamos la columna 1 con ceros (0) ya que qued satisfec ha y actualizamos la oferta de 50 a 20 (50 30 = 20). Ahora escogemos el menor co sto en la tabla que queda, volvindose a presentar un mltiple empate, el cual dirim imos escogiendo la casilla 170

Transporte y Transbordo de la fila 4, columna 2, y asignamos lo mximo posible entre 40 y 20. Diligenciand o todo el tablero obtenemos: Fjese que el nmero de variables bsicas es m+n-1=8 X15 = 40 X23 = 50 X25 = 10 X32 = 20 X34 = 40 X35 = 10 X41 = 30 X42 = 20 Nota: Es una solucin bsica factible no dege nerada, porque se satisfacen todas las demandas y ofertas, todas las Xij > 0 y e l nmero de variables bsicas es m+n-1=8 Mtodo de vogel Caractersticas . Es ms elaborad o que los anteriores, ms tcnico y dispendioso. . Tiene en cuenta los costos, las o fertas y las demandas para hacer las asignaciones. . Generalmente nos deja cerca al ptimo. Algoritmo 1. Construir una tabla de disponibilidades (ofertas), requer imientos (demanda) y costos. 2. Calcular la diferencia entre el costo mas pequeo y el segundo costo ms pequeo, para cada fila y para cada columna. 3. Escoger entre las filas y columnas, la que tenga la mayor diferencia (en caso de empate, deci da arbitrariamente). 4. Asigne lo mximo posible en la casilla con menor costo en la fila o columna escogida en el punto 3. 5. asigne cero (0) a las otras casilla s de la fila o columna donde la disponibilidad el requerimiento quede satisfecho . 171

Transporte y Transbordo 6. Repita los pasos del 2 al 5, sin tener en cuenta la(s) fila(s) y/o columna(s) satisfechas, hasta que todas las casillas queden asignadas. Nota: Recuerde que no debe satisfacer filas y columnas al mismo tiempo; caso en que la disponibilid ad sea igual al requerimiento; en tal caso use el (epsilon). Fjese que la mayor diferencia la tiene la columna 4 con un valor de 19, escogido entre 2,2,3,0,15,13,19 y 16. El menor costo de la columna 4 es cero (0), se asig na lo mximo posible entre 50 y 40, que es 40, se satisface la columna y se actual iza la oferta y la demanda. Ahora recalculamos las diferencias, sin tener en cue nta la columna 4, que est satisfecha. Una vez ejecutado todo el algoritmo hasta a signar todas las casillas, obtenemos la siguiente asignacin bsica y factible inici al. 172

Transporte y Transbordo Fjese que el nmero de variables bsicas es: m+n-1=8 Solucin bsica factible no degenera da: X15=40 ; X21=30 ; X23=20 ; X25=10 ; X32=40 ; X33=30 ; X44=40 ; X45=10 Z = 16 (40)+15(30)+13(20)+16(10)+15(40)+18(30)+0(40)+ 0(10) = 2.650 Conclusin: Hemos con seguido tres (3) soluciones bsicas factibles no degeneradas (# de variables bsicas = m+n-1=8) por medio de tres (3) mtodos: El de la esquina noroeste, el del costo mnimo y el de Vogel. Pero ninguna de ellas nos garantiza que la solucin encontrad a es la ptima. Para saberlo, debemos estar seguros que ninguna de las variables n o bsicas pueda entrar a la base haciendo que la funcin objetivo disminuya. Para di scernir un mtodo que nos evale el efecto de introducir una unidad de cada variable no bsicas, recurrimos al mtodo algebraico que posteriormente se convertir en el mto do MODI. Importante: A partir de cualquiera de stas tres (3) soluciones bsicas fac tibles no degeneradas, debemos comenzar a iterar, para encontrar el ptimo. Mtodo algebraico El sistema de ecuaciones iniciales es: (0) Z-20X11-19X12-14X13-21X14-16X15-15X21-20X22-13X23-19X24-16X25-18X31-15X32-18 X33-20X34-MX35 = 0 (1) (2) (3) (4) X11 + X21 + X31 + X41 + X12 X22 X32 X42 + X13 + X14 + X15 = 40 (0) + X23 + X44 + X15 = 60 (0) + X33 + X34 + X35 = 70 (5) + X43 + X44 + X45 = 50 (-16) (5) (6) (7) (8) (9) X11 + X12 + X13 + X14 + X15 + X21 + X31 + X41 X22 + X32 + X42 X23 + X33 + X43 X24 + X34 + X44 X25 + X35 + X45 = = = = = 30 40 50 40 60 (15) (10) (13) (16) (16) Fjese que en la ecuacin (0) aparece Z (Variable bsica) acompaada de todas las variab les bsicas escogidas inicialmente. Como en la ecuacin (0) la variable bsica debe se r Z, debemos sumar mltiplos de las restricciones a la funcin objetivo, de tal form a que se eliminen las variables bsicas X 1 5 , X 2 1 , X 2 3 , X 25 , X 32 , X 33 , X 44 , X 4 5 . Una forma de lograr esto, es multiplicar cada restriccin por la s constantes que aparecen entre parntesis, frente a cada restriccin. 173

Transporte y Transbordo Z-20X11-19X12-14X13-21X14-16X15-15X21-20X22-13X23-19X24-16X25- 18X31-15X32-18X33 -20X3415X11+10X12+13X13+16X14+16X15+15X21+10X22+13X23+16X24+16X25+15X31+10X32+13 X33+16X34+ Z- 5X11- 9X12X13- 5X14 -10X22 - 3X24 + 2X31 MX35- 0X41- 0X42- 0X43- 0 X44- 0X45 = 0 5X35-16X41-16X42-16X43-16X44-16X45 = 360-800 X41- 6X42- 3X43- 0X44 - 0X45 = 2.650 16X35+15X41+10X42+13X43+16X44+16X45 = 450+400+650+640+960 5X31+ 5X32+ 5X33+ 5X34+ + X34-(M-21)X35Observe que la nueva funcin objetiva es: Z=5X11+9X12+X13+5X14+10X22+3X24-2X31-X34+(M-21)X35+X41+6X42+3X43+2.650 Fjese que se han eliminado todas las variables bsicas de la funcin objetivo, siendo solamente Z la variable bsica con un valor de 2.650 Si nos preguntamos: Cual es la variable que al aumentar hace que Z disminuya ms, la respuesta es X31 (Tiene e l coeficiente ms negativo), luego es la mejor candidata para ser la variable que entra ya que por cada unidad que aumente, los costos totales del transporte se d isminuyen en 2 unidades monetarias. Nota: ste proceso es muy dispendioso !! y por lo tanto vamos a considerar otro. Mtodo de heurstico Partiendo de la solucin bsica factible obtenida mediante el mtodo de Vogel. Analizamos que efecto causa sobre e l valor de la funcin objetivo actual (Z=2.650) el intentar enviar 1 unidad desde la fbrica 1 al distribuidor 1 (X11=1). ste cambio causa un desequilibrio en la ofe rta y la demanda; La primera fila suma 41 en lugar de 40 y la primera columna su ma 31 en lugar de 30. Esto se arregla sumando 1 y restado 1 en sitios estratgicos , de tal forma que la oferta y la demanda se vuelvan a cumplir. El nuevo valor d e Z es: Z = 20(1) + 16(39) + 15(29) + 13(20) + 16(11) + 15(40) + 18(30) + 0(40) + 0(10) = 2.655 El valor de Z se increment en: 2.6552.650 = 5. Observe que 5 es e l coeficiente de X11 en la nueva ecuacin de Z obtenida mediante el mtodo algebraic o. 174

Transporte y Transbordo Conclusin: Mediante ste mtodo podemos analizar todos los efectos, de considerar env iar una unidad desde las fbricas a los distribuidores, en las casillas de las var iables no-bsicas (Xij = 0) , para observar si existen variables no-bsicas que al e ntrar a la base, hagan que Z disminuya; Por supuesto, los resultados coincidirn c on los coeficientes de la funcin objetiva lograda mediante el mtodo algebraico. Co nclusin: El presente mtodo es muy dispendioso, aunque un poco menos que el mtodo al gebraico; Si se efecta en su totalidad, el resultado es: Aqu, al igual que en el mt odo algebraico la variable a escoger para entrar a la base es: X31 ya que por ca da unidad que crezca, hace que Z disminuya 2 unidades monetarias. Ahora se descr ibe un mtodo ms prctico para encontrar ste ltimo tablero en donde podemos escoger la variable que entra de forma rpida. Primero se muestra la deduccin matemtica del mtod o y despus su aplicacin prctica. El procedimiento recibe el nombre del Mtodo Modific ado de distribucin (Modi), ya que lleva a escoger la variable que entra, la varia ble que sale y la nueva solucin mejorada en donde Z disminuye su valor. Mtodo Modi ficado de distribucin (Modi) Variable que entra El problema original es: 175

Transporte y Transbordo Al haber escogido una solucin bsica factible (Con cualquiera de los tres (3) mtodos estudiados: Esquina noroeste, mnimo costo Vogel), aparecen en la funcin objetivo algunas de las variables bsicas, y cualquier mltiplo de las restricciones puede su marse o restarse de la funcin objetiva para eliminarlas, llamamos stos mltiplos ui y vj ; Luego: Escogemos los ui y los vj de tal manera que al restar los mltiplos de las restricciones a la funcin objetivo, se eliminen las variables bsicas de sta. Para las VARIABLES BSICAS, se debe cumplir que Cij ui vj = 0 Para las VARIABLES N O BSICAS, su coeficiente es Cij ui vj Partiendo de la solucin bsica factible encontrada por el mtodo de vogel, aplicamos el mtodo de modi, para averiguar cual es la variable no bsica que debe entrar y cu al la variable bsica que debe salir. para ello efectuamos los siguientes pasos: 1 . Construimos una tabla de costos para las variables bsicas y en ella calculamos los ui y los vj que cumplan Cij ui vj = 0 2. Construimos una tabla de costos coe ficientes en la funcin objetiva para las variables no bsicas cuyo valor es Cij ui vj 176

Transporte y Transbordo Z = 2.650 Solucin bsica factible no degenerada lograda mediante el mtodo de vogel, con m+n-1=8 variables bsicas. Tabla de costos para las variables bsicas Calculamos los ui ^ vj de tal forma que Cij ui vj = 0. Asignamos el primer valor de ui de v j arbitrariamente, Preferen temente 0 (Puede ser cualquier valor) en la fila columna, que tenga la mayor can tidad de asignaciones (Variables Bsicas), para nuestro caso, fila 3 columna 5. Co n base en ste primer valor, calculamos todos los ui y vj , aplicando Cij ui vj = 0, para ui = Cij vj vj = Cij ui , as: V1 = C21 u2 = 15 - 0 = 15 V3 = C23 u2 = 13 - 0 = 13 V5 = C25 u2 = 16 - 0 = 16 u1 = C15 v5 = 16 - 16 = 0 u3 = C33 v3 = 18 -13 = 5 u5 = C45 v5 = 0 16 = -16 V2 = C 32 u3 = 15 - 5 = 10 V5 = C45 u5 = 0 (-16) = 16 Observe que el clculo para cualquier a cualquier vj , es el costo menos el iables no bsicas Cij-ui-vj, as: C11 u1 v1 = 20 0 15 = 5 C12 4 = 21 0 16 = 5 C22 u2 v2 = 20 ui ,es el costo menos el respectivo vj y par respectivo ui Tabla de costos para las var

u1 v2 = 19 0 10 = 9 C13 u1 v3 = 14 0 13 = 0 10 = 10 C24 u2 v4 = 19 0 16 = 3

C31 u3 v1 = 18 5 15 = -2 C34 u3 v4 = 20 5 16 = -1 C35 u3 v5 = M 5 16 =

C41 u4 v1 = 0 (-16) 15 = 1 C42 u4 v2 = 0 (-16) 10 = 6 C43 u4 v3 = 0 (-1 Observe que stos clculos se pueden hacer directamente sobre la tabla, aplicando pa ra las casillas de las variables no bsicas Cij ui vj 177

Transporte y Transbordo Fjese que en sta ltima tabla, estn todos los coeficientes de las variables no bsicas en la funcin objetiva, despus de haber sumado mltiplos de las restricciones a la fu ncin objetivo para eliminar las variables bsicas. La nueva funcin objetivo es: Z=5X11+9X12+X13+5X14+10X22+3X24-2X31-X34+(M-21)X35+X41+6X42+ 3X43+2.650 La variable que al crecer hace que Z disminuya ms es X31 , luego escogemos sta var iable para entrar a la base. Observe que en la tabla de costos para las variable s no bsicas se encuentran los valores en que aumenta disminuye Z por cada unidad de crecimiento de las variables no bsicas. Identificada la variable para entrar ( X31), debemos determinar la variable para salir, que debe ser aquella que primer o se vuelva cero (0) a medida que la variable que entra crezca. para ello, const ruimos un circuito cerrado de (+) y (-), empezando, sumando en la casilla de la variable que entra X31. Observe que el circuito de (+) y (-) tiene como objetivo preservar la suma de las filas y de las columnas, esto es, seguir satisfaciendo la oferta y la demanda, conservando la factibilidad del problema. Z=2.650 ; Var iable que entra X31. Fjese que a medida que X31 crece, X21 y X33 decrecen en la m isma cantidad. Aqu X21 y X33 llegan a cero al mismo tiempo. Escogemos arbitrariam ente a X33 como variable que sale y a X21 al restarle 30 quedar con un valor de 0 Z=(40)(16)+(0)(15)+(50)(13)+(10)(16)+ (30)(18)+(40)(15)+(40)(0)+(10)(0) = 2.590 . Fj s qu m+n-1=8 . X21 s variabl bsica = 0 . La of rta s igual a la d manda. . Z disminuy n 60 unidad s; 2(30)=60 2.650 60 = 2.590 178

La pr gunta aqu s: sta s la solucin ptima?, la r spu sta la conoc r mos cuando cal cul mos la nu va tabla d costos para las variabl s no bsicas.

Tabla d costos para las variabl s no bsicas: Cij ui vj Fj s qu todos son > 0 Es tamos n la solucin ptima. Solucin ptima Variabl s bsicas: X21* = = 0 X23* = 50 X15* = 40 X25* = 10 X31* = 30 X32* = 40 X54* = 40 X55* = 10 Z* = 0(16)+0(15)+50(13) + 10(16)+30(18)+40(15)+ 40(0) +10(0) = 2.590 Int rpr tacin d la solucin La forma ptima d hac r los nvos d sd las fbricas (1,2, 3) a los distribuidor s (1,2,3,4,5) para qu los costos total s d l transport s an mnimos s: D sd la fbrica 1 al distribuidor 5 nviar 40 unidad s, a un costo d : $ 640 D sd la fbrica 2 al distribuidor 3 nviar 50 unidad s, a un costo d : $ 650 D sd la fbrica 2 al distribuidor 5 nviar 100 unidad s, a un costo d : $ 1 60 D sd la fbrica 3 al distribuidor 1 nviar 30 unidad s, a un costo d : $ 540 D sd la fbrica 3 al distribuidor 2 nviar 40 unidad s, a un costo d : $ 600 179

Tabla d

costos para las variabl s bsicas: Cij ui vj = 0

Transport

y Transbordo

Total d unidad s nviadas 170, a un costo total d $2.590 Obs rv qu l distri buidor 4 s qu dar sin sus 40 unidad s y qu l distribuidor 5 sin sus 10 unidad s, n total qu dar una d manda insatisf cha d 50 unidad s (Informacin qu conocim os d sd l principio), lo r l vant aqu, s qu ahora sab mos a qui n no nviarl las 50 unidad s qu no ti n n los distribuidor s y qu pod mos tomar d cision s administrativas r f r nt s a la d manda no cubi rta, tal s como: 1. Cons guir las 50 unidad s a travs d la comp t ncia agr miada, como cons cu ncia d acu rdo s pr viam nt stabl cidos. 2. Acordar con l distribuidor 4 y 5 cubrir dicha d manda n l p riodo d produccin sigui nt . 3. Otras d cision s podrn s r tomadas n concordancia con la situacin r al. Probl ma d transport con costos d produc cin Una compaa ti n 4 fbricas (F1 , F2 , F3 , F4), qu nvan su produccin a 4 almac n s (A1 , A2 , A3 , A4). Los costos y capacidad s d produccin, n cada una d las 4 fbricas son: n cada uno d los 4 puntos d distribucin so las div rsas combinacion s d fbric

Los costos d l transport , n $/Unidad, ntr as y almac n s son: 180

Las d mandas m nsual s d l producto n:

Transport

y Transbordo

Formul Un probl ma d programacin lin al para minimizar los costos d transport y produccin, y ncu ntr la solucin ptima. Xij = Unidad s d producto a nviar d s d la fbrica i-sima (i=1,2,3,4), al almacn j-simo(j=1,2,3,4) Minimizar Z = 40(X 11 + X 12 +X 13 +X 14 +) + 43(X 21 +X 22 +X 23 +X 24 ) + 39(X31+X32+X33+X34) + 45(X41 +X42+X43+X44) + 48X11 + 60X12 + 56X13 + 58X14 + 47X21 + 57X22 + 53X23 + 59X24 +5 1X31 + 63X32 + 61X33 + 63X34 + 51X41 + 63X42 + 55X43 + 61X44 C.S.R. X11 + X12 + X13 + X14 X21 + X22 + X23 + X24 X31 + X32 + X33 + X34 X41 + X 42 + X43 + X44 < < < < 140 X11 + X21 + X31 + X41 260 X12 + X22 + X32 + X42 360 X 13 + X23 + X33 + X43 220 X14 + X24 + X34 + X44 > 180 > 280 > 150 > 200 Xij > 0 ; i = 1,2,3,4 J = 1,2,3,4 Simplificando la funcin obj tivo, qu da as: Minimic Z = 88X11 + 100X12 + 96X13 + 98X14 + 90X21 + 100X22 + 96X23 + 102X24 + 90X31 + 102X32 + 100X33 + 102X34 + 96X 41 + 108X42 + 100X43 + 106X44 Evaluamos las of rta fr nt a la d manda, d no s r igual s, la igualamos m diant variabl s d holgura. Fbricas F1 F2 F3 F4 ai 140 260 360 220 980 Distribuidor s A1 A2 A3 A4 A5 bj 180 280 150 200 810 170 980 Cr amos l almacn artificial A5 con una d manda d 170 unidad s. 181

Transport

y Transbordo

Transport y Transbordo X11 X21 X31 X41 + X12 + X13 3 + X44 + + + + X15 = X25 = X15 + X21 + X31 + X22 + X32 4 X45 = = = = = 180 Xij > 0

Nm ro d variabl s bsicas: m + n 1 = 4 + 5 1 = 8 Parti ndo d sta solucin bsica fact bl no d g n rada ncontrada por l mtodo d aproximacin d vog l, aplicamos l mto do d modi, para f ctuar las it racion s y ncontrar la solucin ptima. Z = 78.880 140 160 100 180 120 60 50 170 98 ui -4 -2 0 2 X14* = X22* = X23* = X31* = X32* = X34* = X43* = X45* = 140 160 100 180 120 60 50 170 90 90 2 2 4 182 100 102 102 2 4 102 100 98 102 -2 2 2 6 4 2 96

Z* = 140(98) + 160(100) + 100(96) + 180(90) + 120(102) + 60(102) + 50(100) + 170 (0) = $78.880 2 2

La fbrica 4 s qu dar con 170 unidad s n su bod ga, ya qu rtificial.

l d stinatario 5

+ X14 X35 = + X23 ; i =

+ X22 + X23 + X24 + X32 + X33 + X34 + X42 + X4 X45 = 140 260 360 220 X11 + X12 + X13 + X14 + + X33 + X24 + X34 + X25 + X35 + X41 X42 X43 X4 1,2,3,4 J= 280 150 1,2,3,4,5 200 170

s a

El probl ma d l transbordo Est probl ma corr spond al nunciado d l probl ma nm ro 8 d l captulo d formulacin. All s convirti un probl ma d transbordo n un pro bl ma clsico d transport , construyndos la sigui nt matriz d costos.

Nm ro d variabl s Bsicas: m+n-1 = 3+4-1 = 6 183

Aplicamos l mtodo aproximativo d

Vog l

Igualamos la of rta y la d manda m diant cticia.

la cr acin d

una planta d produccin fi

Transport

y Transbordo

20 30 36 0 0 1 1 Z = 4.920 60 60 20 40 36 34 0 0 4 36 34 0 Z = 20(36) + 60(36) + 60(34) + 30(0) + 20(0) = 4.920 Solucin ptima: X12* = X13* = X23* = X31* = X33* = X34* = 20 60 60 30 20 40 0 0 0 0 0 4 Z* = $4.920 D acu rdo a la matriz d costos y al grfico pr s ntado n l probl ma 6 d l captu lo d formulacin, las unidad s d b rn s r d spachadas as: D sd la planta d produccin P1 , nviar 20 monitor s d alta r solucin al c ntro d v ntas V2 , a travs d l c ntro d control d calidad C1. D sd la planta d pr oduccin P1, nviar 60 unidad s al c ntro d v ntas V3, a travs d l c ntro d contr ol d calidad C2.. D sd la planta d produccin P2, nviar 60 unidad s al c ntro d v ntas V3, a travs d l c ntro d control d calidad C2 . Grficam nt : 184

Transport

y Transbordo

Costos Total s: 20(12) + 20( 4) + 20(20) = 720 60(11) + 60( 6) + 60(19) = 2.160 60( 9) + 60( 6) + 60(19) = 2.040 $4.920

Sist ma Op rativo d Produccin Est probl ma corr spond al nunciado d l probl m a nm ro 16 d l captulo d formulacin. All s r solvi m diant l mtodo simpl x; Aqu co struimos una tabla d costos, disponibilidad s y r qu rimi ntos. Usar mos la tcni ca d l probl ma d l transport para r solv r st probl ma d produccin. 185

Transport

y Transbordo

Xij = Unidad s a fabricar m diant la fu rza d trabajo r gular n l trim str i-simo (i=1,2,3,4), para at nd r la d manda d l trim str j-simo (j=1,2,3,4). Hij = Unidad s a fabricar m diant la fu rza d trabajo n horas xtras n l trim s tr i-simo (i=1,2,3,4), para at nd r la d manda d l trim str j-simo (j=1,2,3,4). Mij = Unidad s a fabricar m diant la fu rza d trabajo subcontratada n l trim str i-simo (i=1,2,3,4), para at nd r la d manda d l trim str j-simo (j=1,2,3,4) Si ndo j = i, ... ,n ; Ya qu no s lgico producir unidad s para at nd r d manda s pasadas. En la part sup rior d r cha d cada casilla apar c l costo unitari o por unidad producida, s as como una unidad producida durant l prim r trim st r con la fu rza d trabajo normal, para suplir la d manda d l s gundo trim str , ti n un costo d $53, distribuidos as: $50 d produccin ms $3 d inv ntario. 186

Transport

y Transbordo

Emp zamos por la squina noro st y asignamos lo mximo posibl para at nd r la d manda d 50.000 unidad s, produci ndo lo mximo posibl n ti mpo normal, cubrimos la d manda. Nos mov mos a la fila d l s gundo trim str con produccin n ti mpo normal y asignamos lo mximo posibl (50.000), hacindos n c sario producir lo mximo posibl n horas xtras, (50.000) y n trabajo supl m ntario (40.000), para un total d 140.000 unidad s a producir, qu dando sin cubrir la d manda d 10.000 u nidad s, ya qu la totalidad d la d manda para l s gundo trim str s d 150.0 00 unidad s. Lo ant rior obliga a r currir a unidad s (lo ms baratas posibl s) pr oducidas n l trim str inm diatam nt ant rior, lu go asignamos 10.000 unidad s a producir n l prim r trim str n ti mpo xtra para cubrir la d manda d l s gundo trim str ; Est movimi nto s mu stra n la tabla parcial sigui nt : Compl tando la tabla, los datos apar c n as:

187

Transport

y Transbordo

En la ltima columna qu da dis ado l plan d produccin por tipo d fu rza d trabaj o y por trim str ; En la ltima fila s mu stran los costos d las unidad s produc idas por trim str . Los inv ntarios trim stral s s obs rvan sobr cada columna, ant rior s al trim str obs rvado y llos son: 10.000 y 60.000 unidad s para lo s trim str s 2 y 3 r sp ctivam nt , todas unidad s producidas durant l prim r s m str . Probl ma clsico d l transport Est probl ma corr spond al nunciado d l probl ma nm ro 7 d l captulo d formulacin. Aqu, s mostrar la aplicacin d l softwa r WinQsb Invop para ncontrar la solucin ptima. Softwar WinQsb El WinQsb man j a l probl ma d l transport n su mdulo d Mod los d R d s, l cual n su inici o nos mu stra la sigui nt v ntana, qu s d b dilig nciar as: 188

Transport

y Transbordo

El modo d dicin d l m n principal p rmit cambiar los d stinos. No s n c sario qu la of rta s a igual a la d ncarga d agr gar fu nt s d stinos d holgura, s gn s ionar l probl ma, s da clic sobr l icono qu apar c qu s s ala n la figura sigui nt : 189

rtulos d las fu nt s y los manda, l softwar s a la n c sidad. Para soluc n la part sup rior y

Fj s qu st mdulo part izqui rda d la na matriz tabl ro d ilustra l ingr so d

Transport

y Transbordo tambin r su lv otros mod los d r d s, qu s sp cifican n la v ntana. Los datos s pu d n ingr sar d dos formas: En u dobl ntrada (r com ndado) d forma grfica. A continuacin s datos n la tabla d dobl ntrada

El WinQsb l ofr c r ntonc s una v ntana con la r spu sta ptima d l probl ma, ind icando cuntas unidad s nviar d sd cada una d las ciudad s d orig n a cada una d las ciudad s d d stino, con su costo por nvo y l costo total d la op racin . Si s usa st icono, l WinQsb nos ilustrar m diant una r d la r sp ctiva r spu sta ptima al probl ma.

Obs rv qu n st probl ma la of rta d los C ntros d distribucin s igual a los r qu rimi ntos d los d tallistas, por lo tanto no hubo n c sidad d adicionar ni fu nt s, ni d stinos ficticios y s trata d un probl ma d m rcado p rf cto. A continuacin s ilustra l mismo probl ma; P ro bajo l softwar d l INVOP (Inv stigacin d Op racion s), Softwar cr ado por B atriz Loub t y Sandra S gura d la Facultad d Ci ncias Econmicas d la Univ rsidad d l Cuyo n Arg ntina; El sof twar st h cho n l nguaj D lphi y pu d s r adquirido gratuitam nt d la sigu i nt s dir ccion s n int rn t: http//m mb rs.tripod.com/~op rativa www.cui. du. co/industrial/SOF01.html Softwar INVOP Est softwar man ja las sigui nt s apli cacion s: Asignacion s, Trans190

Transport

y Transbordo

port , Distancias n r d s (Ruta ms corta, rbol d mnimo r corrido, Ag nt viaj ro) , Flujo d r d s. El invop st n Espaol y su m todologa dirigido a la ns anza, ofr ci ndo al usuario tanto la part t rica d fundam nto mat mtico como la part prct ica d solucin d probl mas con sus r sp ctivos j mplos. El Invop pr s nta una v ntana principal, n la qu hac una br v , p ro til r s a d sus aplicacion s, d llas s l ccionamos la d transport , como s mu stra n la figura sigui nt :

Al scog r la opcin d transport , l INVOP nos ofr c una v ntana n dond captu ra los datos d l probl ma y n un r cuadro situado n la part inf rior d r cha, dond nos ofr c la solucin ptima. Colocando l cursor sobr algunos sitios d in t rs d sta v ntana, s ofr c un rtulo n fondo amarillo con la r sp ctiva instruc cin d ayuda. En la part inf rior izqui rda d la v ntana s sp cifica l crit rio d optimizacin y la cantidad d fu nt s y d stinos, n la part sup rior d r cha s introduc n los costos por unidad a transportar y habilitando l cuadro d control, s ditan los ncab zados d fila y colum191

Transport

y Transbordo

na, al igual qu las of rtas y las d mandas d fu nt s y d stinos. Cuando la inf ormacin d l probl ma st introducida, s proc d a solucionar l probl ma, haci nd o clic sobr l icono d l m n sup rior, qu ti n la figura d una calculadora, E ntonc s s ll na l cuadro n la part inf rior d r cha con la solucin ptima. En l a figura sigui nt s ilustra sta v ntana. S r comi nda al Usuario d l Softwar l r la ayuda (H lp), n la qu s xplica toda la part conc ptual y mat mtica d l algoritmo d l transport al igual qu s ilustran varios j mplos d muy bu na calidad. Probl mas Propu stos 1. Formula r, R solv r manualm nt , int rpr tar la solucin, d todos los probl mas d j m plo d la Ayuda d l Softwar INVOP. 2. D sarroll un algoritmo para l caso d M aximizacin d un probl ma d transport ; Tanto para ncontrar la solucin bsica inic ial por l mtodo d vog l, como para hallar la solucin ptima por l mtodo MODI. (Sug r ncia: Us la r gla d quival ncia Max(Z) = Min(-Z)). 3. Una cad na d cinco (5) Almac n s, ubicados n dif r nt s part s 192

Transport

y Transbordo

d l pas, r qui r n ci rta m rcanca para cada uno d sus almac n s. Las Empr sas ab ast c doras han informado qu dispon n d la m rcanca solicitada, p ro n tr s (3 ) dif r nt s fbricas. La scas z d l producto hac qu la cad na d almac n s d b a transportar la m rcanca. En bas a los costos d l transport por unidad, a los r qu rimi ntos d los almac n s y a la disponibilidad d las fbricas, qu s mu s tra n l sigui nt cuadro; Formul l probl ma d programacin lin al qu minimic los costos total s d l transport y r sulvalo. Solucin: X25= 300 ; X32= 100 Z*=84.000 X11= 1.000 ; X22= 700 X33= 600 ; X34= 800 4. Una Compaa d s a sab r, qu poltica d distribucin minimizar sus costos total s, s cu nta con tr s (3) fbricas y cuatro (4) cli nt s, la produccin d las fbricas s d : 550,300 y 260 unidad s r sp ctivam nt ; y las n c sidad s d los cuatro (4) cli nt s son: 250,300,200, y 160 unidad s r sp ctivam nt . Los costos d nviar una (1) unidad ntr cada fbrica y los cli nt s s da a continuacin: Solucin: X12=300 ; X13= 190 X24=160 ; X31= 250 X33= 10 ; Z* =2.510 5. Consid r l probl ma d transport qu ti n la sigui nt tabla d costos y r qu rimi ntos. Solucin: X15=50 ; X21=40 X23=20 ; X34=40 X42=30 ; X43=30 X44=10 ; X54=10 Z*=2.530 193

Transport

y Transbordo

a) Us l mtodo d la squina noro st para obt n r una solucin bsica factibl . b) Us l mtodo d l costo mnimo para obt n r una solucin bsica factibl . c) Us l mtodo d vog l para obt n r una solucin bsica factibl . d) Obt nga la solucin ptima, part i ndo d la solucin bsica obt nida por l mtodo d vog l. 6. Consid r l probl ma d l transport qu ti n la sigui nt tabla d costos y r qu rimi ntos: Solucin: X12=50 ; X21=20 X23=20 ; X31=10 X34=39 ; X36=11 X44= 1 ; X45=30 Z*=330 a) Us l mtodo d la squina noro st para obt n r una solucin bsica factibl . b) Us l mtodo d l costo mnimo para obt n r una solucin bsica factibl . c) Us l mtodo d vog l para obt n r una solucin bsica factibl . d) Obt nga la solucin ptima, part i ndo d la solucin bsica obt nida por l mtodo d vog l. 7. Una compaa ti n un prog rama d mbarqu . La mpr sa ti n 3 fbricas y 4 bod gas. A continuacin s dan los datos n c sarios n trminos d costo d l transport , capacidad d cada fbrica y l os r qu rimi ntos d cada bod ga. Busqu un programa ptimo d mbarqu d tal man ra qu los costos s an mnimos. Solucin: X11= 400 ; X13= 200 X14=1000 ; X21=1200 X32= 400 ; X33= 200 Z*=34.000 194

Transport

y Transbordo

Las 6 ti ndas juntas n c sitan 22 unidad s d l producto. Los r qu rimi ntos indi vidual s son: Los costos d nviar una unidad d l producto d l almacn isimo a la t i nda j-sima son: Cuntas unidad s s d b n nviar d cada almacn a cada ti nda, para minimizar los c ostos? Cul s l costo total mnimo? Solucin: X13=5 ; X22=3 ; X23=1 ; X26=2 ; X31=1 ; X32=1 ; X41=3 ; X44=2 ; X45=4 Z* = 112 9. S ti n qu distribuir un producto d sd 3 fbricas (A, B, C), hasta 5 almac n s (d, , f, g, h), la sigui nt tabla mu stra: Costos, d mandas y of rtas. Qu ca ntidad d producto s d b nviar d cada fbrica a cada almacn, si s qui r minim izar los costos? Solucin: X12=2 ; X14=17 ; X21=11 ; X22=10 ; X23=7 ; X32=1 ; X35=24 ; Z*=2.986 195

n s y 6 ti ndas. Los almac n s juntos ti n n un xc so d 22 unidad s d ucto dado, qu s divid ntr llos como sigu :

Transport

y Transbordo 8. Una compaa ti n 4 almac un prod

10. S nvan automvil s n camin d sd 3 c ntros d distribucin a 5 distribuidor s. El costo d nvo st basado n la distancia r corrida ntr las fu nt s y d stinos . El costo s ind p ndi nt d si l camin hac l r corrido con una carga parcia l o compl ta. La tabla qu sigu , hac un r sum n d las distancias a r corr r ntr los c ntros d distribucin y los distribuidor s y tambin las cifras m nsual s d of rta y d manda calculadas n nm ro d automvil s. Cada camin pu d transporta r un mximo d 18 v hculos. Dado qu l costo d transport por kilm tro r corrido s d $10; Formul l probl ma como un mod lo d transport , r sulvalo int rpr t la solucin. Solucin: X11=6 ; X14=9 X15=8 ; X22=3 X23=9 ; X32=9 Z* = $37.000 Z* = 3.700 Km.

11. FIBRATOLIMA ha transportado d sd su planta n Ibagu, 400 Ton ladas d t la al pu rto d Santa Marta, 200 Ton ladas al pu rto d Cartag na y 150 Ton ladas al p u rto d Barranquilla; para at nd r sus p didos d xportacin as: Panam r qui r 20 0 Ton ladas qu pagar a $120.000 Ton lada; Honduras r qui r 300 Ton ladas qu pa gar a $110.000 Ton lada y V n zu la d s a 250 Ton ladas qu pagar a $100.000 Ton l ada. A Fibratolima l cu sta $50.000 tra r cada ton lada d su planta n Ibagu ha sta Santa Marta, $40.000 Ton lada a Cartag na y $30.000 Ton lada a Barranquilla. La sigui nt tabla mu stra l costo por ton lada d transportar la t la d sd c ada pu rto d mbarqu al sitio d p dido. S r qui r : 196

Transport

y Transbordo

a) Formular l probl ma. b) Us l mtodo d vog l para obt n r una solucin inicial . c) Obt nga la solucin ptima. Solucin: X11=150 ; X13=250 ; X22=200 ; X31=50 ; X32=100 ; Z*=$34250.000 12. Tr s plantas g n radoras d n rga lctrica, con capacidad s d 25,40 y 30 mil lon s d kilowatts-hora (KWH), suministra l ctricidad a 3 ciudad s cuyas d mand as son: 30, 35 y 25 millon s d KWH. El costo n unidad s mon tarias (u.m.) d l a v nta d corri nt lctrica a las dif r nt s ciudad s, por milln d KWH s: Dura nt l sigui nt m s, s incr m nta un 20% la d manda n cada una d las tr s ci udad s. para satisfac r l xc so d d manda, la compaa lctrica d b comprar l ct ricidad adicional d otra r d a 100 u.m. por milln d KWH. a) Formul l probl ma como uno d transport , con l fin d stabl c r l plan d distribucin ms conmic o, d sd l punto d vista d la compaa lctrica. b) Utilizando l mtodo d vog l, ncu ntr una solucin bsica factibl . c) Encu ntr la solucin ptima int rpr t la s olucin. Solucin: X13=25 ; X22=40 ; X31=23 ; X32=2 ; X33=5 ; X41=13 ; Z*=$4.971 13. Una compaa produc motor s lctricos p qu os n cada una d sus tr s plantas, pa ra 4 fabricant s d instrum ntos. Los costos d produccin por unidad varan s gn las ubicacion s, d bido a dif r ncias n l quipo d produccin y n l r ndimi nto d los trabajador s. Los costos d produccin por unidad y la capacidad m nsual (O f rta) s pr s ntan n la sigui nt tabla PLANTA Costo d Produccin por Unidad Capacidad d Produccin M nsual A B C 17 20 24 800 600 700

Los p didos d los cli nt s qu n la tabla sigui nt : 197

Tabla d

costos por u n i d a d transportada. d b n producirs l sigui nt m s, s mu stran

Transport

y Transbordo

La mpr sa d b d cidir cuntas unidad s s producirn n cada planta y qu porcin d l a d manda d cada cli nt s surtir d sd cada una d llas. S d s a minimizar l a produccin total y los costos d transport . Formul l probl ma como uno d tra nsport y r sulvalo, indicando claram nt cuntas unidad s s d b n nviar y produc ir d sd cada planta a cada cli nt y cul s l costo mnimo. Solucin: X11=300 ; X12=100 ; X13=400 ; X24=600 ; X32=400 ; Z*=$40.500 14. Una mpr sa ti n 3 c ntros d distribucin: Bogot, Barranquilla y M d lln, con una capacidad d d spacho d 9.000, 11.000 y 5.000 unidad s por s mana. Los cli nt s stn clasificados por zonas: Occid nt , Costa, Ori nt y Vi jo Caldas; Cuyas d mandas por s mana son: 6.000, 5.000, 8.500 y 4.500 unidad s r sp ctivam nt . En la sigui nt tabla s mu stran los costos d d spachar 100 unidad s d sd cua lqui r c ntro d distribucin a cualqui r zona. Cul s la cantidad d unidad s qu hay qu d spachar d sd cada c ntro d distrib ucin a cada cli nt con l fin d qu los costos total s d l transport s an mnimo s y todos los cli nt s qu d n satisf chos. 15. Una firma d dicada al alquil r d automvil s, ti n scas z d coch s n una s ri d ciudad s ubicadas n Colombi a. Las Ciudad s d Bogot, M d lln, Cali y Barranquilla dispon n d 20,35,15 y 10 c och s m nos d los qu s n c sitan para los alquil r s sp rados. El dir ctor d la firma s nt ra qu n Ibagu, Arm nia y P r ira ti n n 40, 25 y 30 coch s d ms r sp ctivam nt . Los costos n p sos, d l transport d un coch ntr las di stintas ciudad s qu da r fl jado n la sigui nt tabla. El probl ma consist n minimizar l costo total d transport para solucionar l probl ma d scas z. Solucin: X11=15 ; X14=10 ; X21=5 ; X22=5 ; X23=15 ; X32=30 ; Z*=$1.470 198

Transport

y Transbordo

Captulo 10 Asignacion s Introduccin El probl ma d asignacion s s un caso sp cial d l probl ma d l tran sport , uno n l cual, todas las variabl s son d carct r binario (0,1) y a cada fu nt s l d b asignar uno y solo un d stino, y a cada d stino una y solo un a fu nt . Al final d l captulo, s ilustra l uso d l softwar WinQsb Invop par a r solv r st tipo d mod lo. Caract rsticas d l mod lo Xij = 0 = No asign la fu nt i-sima al d stino j-simo Xij = 1 = Si asign la fu nt i-sima al d stino j-simo 199

Asignacion s ai = 1 , para todo i bj = 1 , para todo j aij = 1 , para todo i y para todo j m = n , Nm ro d fu nt s igual a nm ro d d st inos

El pr s nt mod lo d asignacin, s pu d r solv r m diant l mtodo simpl x, p ro al r sultar disp ndiosa su solucin, los Hngaros d sarrollaron un mtodo ms f ctivo y prctico, l cual s ilustra a continuacin. Para iniciar la aplicacin d l algoritm o, s d b igualar l nm ro d fu nt s al nm ro d d stinos, con fu nt s d stinos ficticios, si llo s n c sario. Algoritmo para Minimizar 1. Construya una tabla d costos n la qu l nm ro d filas s a igual al nm ro d columnas y n cada ca silla figur l costo d asignar cada fu nt (Filas) a cada d stino (Columnas). 2. R st l valor d l l m nto mnimo (Costo Mnimo) d cada fila a cada l m nto d la fila. Con la tabla r sultant , haga lo mismo p ro para cada columna. 200

Cij = Costo d

asignar la fu nt i-sima al d stino j-simo Grficam nt

Asignacion s 3. Examinar las filas y las columnas suc sivam nt . Para cada fila (Columna) qu t nga xactam nt uno y solo un c ro, r srv lo para asignarlo ( ncirr lo n un cu adrado), y no consid r (Tach ), los otros l m ntos c ro d la corr spondi nt columna (Fila). st proc so s d b r p tir hasta qu todos loa l m ntos c ro s tn r s rvados liminados (Tachados). En caso d qu sist mticam nt qu d n c ros n o r s rvados ni tachados, d spus d r corr r r p titivam nt las filas y las colu mnas, lija un c ro al azar y r srv lo tch lo y proc da con l r sto d los c ros, r s rvndolos tachndolos. Si los l m ntos r s rvados para asignar, r pr s ntan un a asignacin compl ta (A cada fu nt l corr spond un d stino y a cada d stino l corr spond una fu nt ), s ha ncontrado la solucin ptima; d lo contrario pas al punto cuatro (4). 4. Cubrir todos los c ros (R s rvados Tachados), con un nm r o d ln as horizontal s y v rtical s, igual al nm ro d c ros r s rvados para asig nar. 5. Examinar todos los l m ntos no cubi rtos por una ln a, scog r l mnimo d stos y r starlo d todos los l m ntos no cubi rtos; lu go sumarlo a cada l m nto qu s ncu ntr n la int rs ccin (Si la hay) d dos (2) ln as. 6. Ir al punt o tr s (3), para tratar d ncontrar un solucin compl ta. Algoritmo para Maximiza r R star d l mayor d toda la tabla, todos los l m ntos d la tabla y proc da a minimizar con la tabla r sultant . Ej mplo 1 Un tall r a comprado 3 mquinas nu v as d usos distintos. Hay 4 sitios posibl s para stas mquinas, p ro algunos d stos sitios son ms pr f ribl s qu otros, por razn d costo d man jo d mat rial s, l obj tivo s asignar las mquinas n los sitios, para minimizar l costo total d man jo d mat rial s. Los costos d man jo d mat rial s, s gn s coloqu cada mq uina n cada sitio, son: 201

Asignacion s

Solucin 13 15 5 0 10 M 7 0 12 13 10 0 11 20 6 0 Como m n (m = 3 y n = 4), adicionamos una mquina ficticia (Fila 4, Variabl s d h olgura), qu ti n n co fici nt c ro (0) n la funcin obj tiva. Para vitar qu l a mquina B s a asignada al sitio 2, castigamos n la funcin obj tiva con un costo muy alto (M) a la variabl X22, variabl artificial. El m nor l m nto d cada f ila ha sido r stado d todos los l m ntos d cada fila, n la fila 1 l m nor c osto s 10, lu go los nu vos l m ntos d la fila 1 son: 13 10 = 3 ; 10 10 = 0 ; 12 10 = 2 ; 11 10 = 1 ; Al m nos n cada fila d b qu dar un c ro (0), l d l l m nto ms p qu o. T ni ndo como r f r ncia la tabla ant rior, l m nor l m nto d cada columna ha sido r stado d todos los l m ntos d cada columna. Como n c ada columna hay un c ro, la tabla qu da igual a la ant rior. 3 2 0 0 0 2 0 2 5 0 1 7 1 0 M-13 0 3 2 0 0 0 2 0 2 5 0 1 7 1 0 M-13 0 Ahora, int ntamos hac r una asignacin compl ta, para llo hac mos la sigui nt pr gunta clav para cada fila. HAY UN SOLO CERO (0) EN LA FILA ?, SI S, RESRVELO PAR A ASIGNARLO Y TACHE TODOS LOS CEROS DE LA COLUMNA RESPECTIVA. Una v z r corridas todas la filas, hac mos la misma pr gunta para cada columna. HAY UN SOLO CERO ( 0) EN LA COLUMNA ?, SI S, RESRVELO PARA ASIGNARLO Y TACHE TODOS LOS CEROS DE LA FI LA RESPECTIVA. 202

X = La mquina B no cab

n l sitio 2

Asignacion s Hay un solo c ro n la fila 1?: Si, n la columna 2, ntonc s lo r s rvamos y tac hamos todos los c ros d la columna 2. Hay un solo c ro n la fila 2?: Si, n la columna 3, ntonc s lo r s rvamos y tac hamos todos los c ros d la columna 3. Hay un solo c ro n la fila 3?: Si, n la columna 1, ntonc s lo r s rvamos y tac hamos todos los c ros d la columna 1. Hay un solo c ro n la fila 4?: Si, n la columna 4, ntonc s lo r s rvamos y tac hamos todos los c ros d la columna 4. Fj s qu n l ltimo tabl ro, todos los c ros han qu dado, r s rvados tachados, n o s hizo n c sario r corr r las columnas. Aqu xist una asignacin compl ta, n a t ncin a qu a cada mquina l a sido asignado un sitio y a cada sitio l h mos asi gnado una mquina, los sitios r s rvados los s alizamos con c ros nc rrados n un cuadro. Solucin ptima La mquina A s asignada al sitio 2, con un costo d man jo d mat rial s d $10 La mquina B s asignada al sitio 3, con un costo d man jo d mat rial s d $13 La mquina C s asignada al sitio 1, con un costo d man jo d m at rial s d $ 5 La mquina D s asignada al sitio 4, con un costo d man jo d ma t rial s d $ 0 La ltima asignacin corr spond a la mquina d holgura D, colocada p ara hac r igual l nm ro d mquinas al nm ro d sitios; lo ant rior significa qu l sitio 4 qu dar vaco. El costo ptimo d man jo d mat rial s s d $28; qu s log ra asignando las mquinas a los sitios s alados. Otra man ra d calcular l costo mn imo consist n sumar las cantidad s qu han sido r stadas n cada fila y column a, sto s: 10 ( l m nos d la fila 1)+13 ( l m nor d la fila 2)+5 ( l m nor d la fila 3)= $28 203

Asignacion s Ej mplo 2 El j f d un d partam nto, ti n 5 obr ros y 5 trabajos para hac r, l os obr ros difi r n n su fici ncia y los trabajos difi r n n su dificultad in trns ca. El stimado d los ti mpos qu cada hombr tomar para hac r cada trabajo, st dado n la sigui nt tabla. Cmo d b rn asignars los trabajos, uno a cada obr r o, para minimizar l total d horas hombr ? Cada trabajo d b s r j cutado por uno y solo un obr ro y a cada obr ro solo l d b s r asignado uno y solo un tra bajo. Solucin Aqu, l nm ro d fu nt s s igual al nm ro d d stinos (El nm ro d fil as s igual al nm ro d columnas) dicho d otra forma, l nm ro d trabajos s igu al al nm ro d obr ros, lu go no s hac n c sario ninguna variabl d holgura. R star l l m nto ms p qu o d cada fila a todos los l m ntos d cada fila. R star l l m nto ms p qu o d cada columna a todos los l m ntos d cada columna . 204

Asignacion s No s logro una asignacin compl ta, ya qu al trabajador 3, no l fu asignado ni ngn trabajo. Entonc s, con un nm ro d ln as, horizontal s y / v rtical s igual s a l nm ro d c ros r s rvados , tachamos todos los c ros. N d ln as = Nm ro d c ros r s rvados = 4 D los l m ntos no tachados, scog mos l m nor (2), lo r stamos d todos los l m ntos no tachados y lo sumamos n las int rs ccion s qu forma n las ln as horizontal s con las v rtical s. Si no hay int rs ccion s, no s suma . Con la tabla r sultant , int ntamos nu vam nt hac r una asignacin compl ta. Aq u, h mos logrado una asignacin compl ta. A cada trabajo l h mos asignado un traba jador y a cada trabajador l h mos asignado un trabajo. Solucin Al trabajo A, l asignamos l trabajador 1, qui n mpl ar 11 horas. Al tra bajo B, l asignamos l trabajador 4, qui n mpl ar 6 horas. Al trabajo C, l asi gnamos l trabajador 5, qui n mpl ar 16 horas. Al trabajo D, l asignamos l tra bajador 3, qui n mpl ar 17 horas Al trabajo E, l asignamos l trabajador 2, qui n mpl ar 10 horas. El ti mpo total para j cutar los 5 trabajos s d 60 horas. Si suma todos los l m ntos r stados durant l proc so, tmbi n ncontrar l valo r mnimo: (8+6+12+17+10)+(1+4)+2 = 60 Para ilustrar l uso d l softwar WinQsb I nvop, usar mos los datos numricos d l j mplo 2. Softwar WinQsb El probl ma d a signacion s n l WinQsb, forma part d l mdulo d r d s y l ingr so d datos s f cta m diant la sigui nt v ntana: 205

Asignacion s Los datos r qu ridos son los mismos qu para l probl ma d l transport . Los dat os s pu d n ingr sar d dos formas: En una matriz tabl ro d dobl ntrada d f orma grfica. A continuacin s ilustra l ingr so d datos n la matriz tabla d do bl ntrada. Fj s qu la sigui nt tabla n comparacin con la ofr cida n l prob l ma d l transport , car c d disponibilidad s y r qu rimi ntos. Para solucionar l probl ma, s da clic sobr l icono qu apar c n la part s up rior, hacia l c ntro d la v ntana; ntonc s l WinQsb l ofr c r una v ntana con la r spu sta ptima d l probl ma, mostrando n lla , qu trabajador s d b asignar a cada uno d los cinco trabajos, las horas qu mpl ar cada trabajador y l ti mpo total d r alizacin d todos los trabajos. 206

Asignacion s

Softwar INVOP En la v ntana principal d l INVOP, scog mos la opcin d asignacio n s, y l programa nos ofr c una v ntana n la qu n la part inf rior izqui r da s s l cciona l crit rio d optimizacin, n la part sup rior d r cha introdu cimos los datos, t ni ndo la opcin d cambiar los rtulos d las filas y las column as. A continuacin damos clic sobr l icono qu R pr s nta una calculadora y n l a misma v ntana, n la part inf rior d r cha l programa nos ofr c la solucin pt ima. 207

Si s usa st icono, l WinQsb nos ilustrar m diant ta ptima al probl ma.

una r d la r sp ctiva r spu s

Asignacion s

Qu trabajador s d b asignar a cada trabajo, d d todos llos s a la mnima? Solucin: X11=X23=X32=X44=1 ; Z=41 208

tal man ra qu la duracin total

S r comi nda l r todo l tutorial d st programa, n lla s ofr c n j mplos prcticos y todo l r spaldo mat mtico d l algoritmo d l probl ma. Probl mas propu stos 1. El g r nt d una mpr sa, ti n 4 trabajador s y 4 trabajos para j cut ar, por su xp ri ncia y l niv l d dificultad d cada uno d los trabajos, los ti mpos d j cucin d cada trabajador, s mu stran n la sigui nt tabla. El g r nt d s a qu cada trabajo s a j cutado por un solo trabajador y a cada traba jador, solo s l asign un trabajo.

Asignacion s 2. Consid r l probl ma d asignacin, cuya matriz d costos s la sigui nt : Solucin: X14=X22=X33=X41=1 ; Z*=97 3. El ntr nador d un quipo d natacin d b asignar comp tidor s para la pru ba d 200 m tros combinados por quipos, para nviarlos a las olimpiadas juv nil s . Como muchos d sus nadador s son rpidos n ms d un stilo, no l s fcil d cidir a qu stilo asignar a cada uno. Los cuatro m jor s nadador s y sus m jor s ti mpos (En s gundos), n cada stilo son: Solucin: Z*=126,2 S gundos X13=X24=X32=X41=1 El ntr nador qui r d t rminar como asignar los cuatro nadador s a los cuatro t ipos d nado, para minimizar la suma d los m jor s ti mpos corr spondi nt s. 4. Un corr dor d bi n s rac s, plan a la v nta d 5 lot s d t rr no y ha r cibido of rtas individual s d cuatro cli nt s. D bido a la cantidad d capital qu s r qui r , stas of rtas s han h cho n l nt ndimi nto d qu ninguno d los cu atro cli nt s comprar ms d un lot . Las of rtas s mu stran n la sigui nt tabla : El corr dor d bi n s rac s qui r maximizar su ingr so total a partir d sas of rtas. R su lva st probl ma m diant l mtodo Hngaro. Solucin: X13=X25=X32=X41=1 ; Z* = $54 209

Asignacion s 5. Una mpr sa va a d cidir cul d cuatro v nd dor s d b asignar a cada uno d s us cuatro distritos d v ntas. Cada v nd dor st n condicion s d lograr v ntas dif r nt s n cada distrito. En la tabla sigui nt s mu stran las stimacion s d v ntas para dif r nt s combinacion s d v nd dor y distrito. A la mpr sa l gustara maximizar l volum n d v ntas total. Sin mbargo, s imposibl asignar a l v nd dor B para l distrito 1 y al v nd dor A para l distrito 2, ya qu sas d cision s violaran las polticas d rotacin d p rsonal. Us l mtodo Hngaro para r s olv r st probl ma. Establ zca l valor ptimo d la funcin obj tivo. Solucin: X14=X23=X31=X42=1 ; Z* = 320 6. Una compaa d contador s, ti n tr s nu vos cli nt s. S asignarn a los tr s cli nt s, tr s j f s d proy cto. Con bas n los distintos ant c d nt s y xp ri ncia d los citados, las div rsas asignacion s ntr j f s d proy cto y cli nt s, v ara n funcin d los ti mpos sp rados d t rminacin. S mu stra a continuacin las p osibl s asignacion s y los ti mpos sp rados d t rminacin. R su lva l probl ma y d t rmin qu j f d proy cto s l asigna a cada cli nt . Solucin: X12=X21=X33=1 ; Z* = 64 7. S ti n n 4 trabajador s qu d b n s r asignados a 4 trabajos, con bas n lo s ti mpos mpl ados por cada uno d llos n cada trabajo, cul s la asignacin ptim a qu p rmit , n conjunto, obt n r l ti mpo mnimo?. Solucin: X11=X23=X32=X44=1 ; Z* = 42 210

Asignacion s

X13=X24=X32=X41=1 Z* = 35 9. El g r nt d una ag ncia d publicidad, d b d cidir, cul d cuatro j cutivo s d contabilidad d b asignar a cada uno d sus cuatro cli nt s principal s. En la tabla s pr s ntan los costos stimados d la asignacin d cada j cutivo. Us l mtodo Hngaro para ncontrar la solucin ptima d l probl ma y stabl zca l valor d la funcin obj tivo. Solucin: X 11 =X 24 =X 33 =X 42 =1 Z* = 68

10. Coruniv rsitaria r cib of rtas para las 4 rutas d bus s scolar s d la ci udad. Cuatro compaas pr s ntaron las of rtas qu s mu stran n la tabla sigui nt : Suponga qu s pu d asignar solam nt una ruta a cada licitador. Utilic l mt odo d asignacin para minimizar l costo d Coruniv rsitaria para op rar las 4 ru tas d bus s. Solucin: X11=X22=X33=X44=1 ; Z* = 15.000 211

8. Cuatro p rsonas acaban d t rminar l curso d v ntas d la compaa y s l s va a asignar a cuatro distritos dif r nt s. Basndos n su xp ri ncia, actuacin n l curso, conocimi nto d l proy cto y los cli nt s pot ncial s, la administracin a h cho stimacion s d l xito sp rado d cada uno n cada distrito. Las stimacio n s n la scala d 1 (Bajo) al 10 (Alto), son: Solucin:

Asignacion s 11. Contain r, Inc., fabrica cont n dor s d muchos tamaos y formas. R ci nt m nt ha r cibido p didos para producir div rsas cantidad s d cont n dor s d cocin a d 5 dif r nt s tamaos. Cada tamao d cont n dor pu d producirs n cualqui ra d cuatro mquinas. D bido a las distintas t cnologas y ti mpos d disposicin, l nm ro total d horas, incluy ndo l ti mpo d disposicin, n c sarias para proc sar c ada tamao d cont n dor n cada mquina vara, como s mu stra n la sigui nt tabla: Ad cuar una mquina para qu cambi l tamao d un cont n dor toma largo ti mpo, a s qu la g r ncia ha d cidido qu cada mquina producir cont n dor s d un solo tamao . Por tanto, solo s producirn 4 d los 5 tamaos n las 4 mquinas disponibl s d ntr o d la f cha lmit asignada. Como los ingr sos por cada tamao d cont n dor son a proximadam nt igual s, la g r ncia d Contain r, Inc., s indif r nt n cuanto a cual d los 5 p didos no satisfac r. Como g r nt d l d partam nto d producc in, s l ha p dido d t rminar cul s 4 d los 5 p didos ac ptar y d sarrollar un p lan d produccin qu minimic l ti mpo d proc sami nto total para satisfac r s os p didos. Solucin: X12=X21=X34=X53=1 ; Z* = 98

212

12. La mpr sa cauchos d l Tolima, n c sita r alizar 4 proy ctos, por falta rsonal s va a subcontratar a 4 mpr sas para qu cada una r alic un proy Todas las mpr sas stn n condicion s d r alizar cualqui ra d los proy El g r nt g n ral no sab como distribuir los proy ctos. Ust d, como ayuda d l g r nt , Qu l acons jara? Solucin: X12=X24=X33=X41=1 Z* = 52

d p cto. ctos. idn a

Asignacion s

14. En la Univ rsidad, cuatro contratistas dif r nt s, propon n construir cuatro dificios. Cada contratista ha r mitido propu stas para la construccin d los cu atro dificios. El probl ma consist n d t rminar qu dificio d b adjudicars a cada contratista para lograr l mnimo costo d la construccin d los cuatro di ficios. En la tabla sigui nt s mu stran los costos d cada propu sta n millon s d p sos. Solucin: X14=X21=X33=X42=1 Z* = 234 15. Una compaa transportadora dispon d cinco camion s situados n las ciudad s A , B, C, D, E. S r qui r un camin n las ciudad s 1, 2, 3, 4, 5, 6. En la tabla sigui nt s mu stra l kilom traj ntr las ciudad s. El probl ma consist n d t rminar la asignacin d camion s qu minimiza l kilom traj r corrido por los camion s. Solucin: X12=X26=X33=X41=X54=1 Z* = 55 Km. 213

13. S cu nta con 4 avion s qu d b n fumigar 4 campos s mbrados. rsticas d los avion s y d los s mbrados, cada avin mpl a ti la fumigacin d cada campo, como s v n l sigui nt cuadro: S inar qu avin d b fumigar cada uno d los campos, d tal man ra vu lo s an las mnimas posibl s. Hallar dos solucion s. Solucin: X14=X21=X33=X42=1 ; Z* = 8

Por las caract mpos distintos n trata d d t rm qu las horas d

214

Programacin Lin al Ent ra y Binaria Captulo 11 Programacin Lin al Ent ra y Binaria Introduccin Muchos d los probl mas d la vida r al xig n solucion s con nm ros nt ro, por lo tanto las variabl s d dicho probl ma d b n s r d finidas como var iabl s nt ras. Los mtodos d solucin qu cont mplar mos n st capitulo son: Mtodo grfico, Mtodo d los planos cortant s d Gomory, Mtodo d Bifurcacin y Acotacin (Bran ch And Bound), l Mtodo d Egon Balas n dond las variabl s son d carct r binari o (0,1). Por ltimo s ilustra l uso d l softwar WinQsb para at nd r st tipo d probl ma. Mtodo Grfico Es idntico al mtodo grfico d programacin lin al continua, solo qu aqu, s s l ccionan solo las solucion s nt ras d ntro d l r a d solucion s factibl s. 215

Programacin Lin al Ent ra y Binaria Ej mplo Aqu, las int rs ccion s d la cuadrcula, cont nida n l r a sombr ada, conforma la s solucion s factibl s. Entonc s, l punto ms a la d r cha d l r a, qu s int rc pt con l barrido d la funcin obj tivo, s la solucin ptima. st mtodo s ficaz slo para probl mas d dos (2) variabl s m nos. para probl mas d ms d 2 variabl s, studiar mos l Mtodo d los planos cortant s d Gomory y l Mtodo d Bifurcacin ac otacin, d nominado tambin Branch And Bound. Mtodo d los planos cortant s d Gomory st mtodo sirv para solucionar probl mas d ms d dos (2) variabl s. Algoritmo 1. Encontrar la solucin, mpl ando l mtodo si mpl x. 2. Si la solucin s nt ra, ntonc s stamos n l ptimo. 3. Si no s nt r a, introducir una r striccin nu va para la variabl 216

Programacin Lin al Ent ra y Binaria no nt ra, qu t nga la mayor part fraccional (Qu brar mpat s arbitrariam nt ) y r solv r l nu vo probl ma m diant l mtodo dual simpl x. Nu va r striccin a p artir d la r striccin actual qu t nga la variabl cuyo valor n su part fracci onal s a mayor. a) Escriba cada constant como la suma d : Un nm ro nt ro d cua lqui r signo y una fraccin no n gativa, m nor qu uno (1). b) Cambiar la cuacin t rasladando los co fici nt s nt ros al lado d r cho. Ej mplo Max: C.S.R. Xj > 0 Z = X1 + 5X2 X1 + 10X2 < 20 X1 < 2 y nt ros para toda j Max: C.S.R. Xj > 0 Z = X1 + 5X2 X1 + 10X2 + X3 = 20 X1 + X4 = 2 y nt ros para toda j

217

Variabl qu

ntra X1 Variabl qu

sal X4

Variabl

qu

ntra X2 (1/10) Variabl qu

sal X3

A continuacin solucionamos l probl ma por l mtodo simpl x, tal como s probl ma fu s d programacin lin al continua.

hara si l

Programacin Lin al Ent ra y Binaria Solucin ptima p ro no nt ra: X1 = 2 ; X2 = 9/5 ; X3 = 0 ; X4 = 0 ; Z* = 11 Ecuacin 1 (Fila 1) para construir la nu va r striccin; ya qu ti n la variabl (X 2), c uyo valor n su part fraccional s mayor. Clculo d la nu va r striccin, a partir d la cuacin 2. X2 + 1/10X3 1/10X4 = 9/5 R mplazamos cada constant por la suma d un nm ro nt ro d cualqui r signo y una fraccin no n gativa m nor qu uno (1) . (1+0)X2 + (0+1/10)X3 + (-1+9/10)X4 = (1+4/5) Simplificando X2 + 1/10X3 X4 + 9/10X4 = 4/5 + 1 ;Trasladamos los trminos con co fici nt nt ro , al lado d r cho. 1/10X3 + 9/10X4 = 4/5 + 1 X2 + X4 ; Fj s qu l lado izqui rd o subrayado d b s r positivo y l lado d r cho subrayado, d b s r nt ro, lu g o pod mos as gurar qu : 1/10X3 + 9/10X4 > 4/5 ; Multiplicando por (-1): -1/10X3 9/10X4 < -4/ 5; y Adicionando una variabl d holgura: -1/10X3 9/10X4 + X5 = -4/ 5 ; Ecuacin sta qu adicionamos, as: X1 = 10/9 = 1 + 1/9 ; X2 = 17/9 = 1 + 8/9 ; X3 = 0 ; X4 = 8/9 ; X5 = 0 Z = 95/9 = 10, 5 Escog mos la variabl bsica con mayor part fraccionaria, n caso d mpa t , s scoj al azar. El gimos X4 218

Programacin Lin al Ent ra y Binaria 1/9X3 + X4 10/9X5 = 8/9 (0+1/9)X3 + (1+0)X4 + (-2+8/9)X5 = 8/9 1/9X3 + 8/9X5 = 8 /9 X4 + 2X5 Positivo Ent ro 1/9X3 + 8/9X5 > 8/9 -1/9X3 8/9X5 < -8/9 -1/9X3 8/9X5 + X6 = -8/9

X1* X2* X3* X4* X5* X6* Zx* = = = = = = = 0 2 0 2 1 0 10 Y1* Y2* Y3* Y4* Y5* Y6* ZY* = = = = = = = 3/8 0 0 5/8 0 0 10

Mtodo d Bifurcacin y Acotacin (Branch And Bound) Es una strat gia sist mtica, qu r duc mucho l nm ro d combinacion s qu s d b n xaminar. Algoritmo 1. Encont rar la solucin m diant l Mtodo Simpl x. Si la solucin no s nt ra, pas al s gun do punto. 2. Elija una variabl con valor no nt ro y act la por ncima y por d b ajo d l valor nt ro ms prximo, sto da lugar a dos nu vas r striccion s, con cada u na d llas s g n ran dos nu vos probl mas d Programacin Lin al; qu s d b n r solv r. 3. Si ninguna solucin s nt ra, con la rama d mayor valor d Z, s cr an nu vas ramas y s r su lv n nu vos probl mas por programacin lin al. D s ch l os ramal s cuyo valor d Z st por d bajo d l valor d Z calculado con la solucin p tima no nt ra inicial, r dond ada hacia abajo (cota inf rior). 4. S r pit l punto 3, Hasta ncontrar la solucin nt ra ptima. 219

Solucin factibl , ptima y

nt ra

Programacin Lin al Ent ra y Binaria INICIO X1 = 3,25 X2 = 1,25 Z = 18,75 Cota inf rior Z=5(3)+2(1)=17 La solucin con valor s r dond ados no garantiza l ptimo

X2 < 1 Max: Z = 5X1 + 2X2 C.S.R. 2X1 + 2X2 < 9 3X1 + X2 < 11 X2 < 1 XJ>0 ; j=1,2 y nt ros X2 > 2 X1 = 3,33 X2 = 1,00 Z = 18,67 X1 < 3 El Mayor Z X1 = 2,50 X2 = 2,00 Z = 16,50 Max: Z = 5X1 + 2X2 C.S.R. 2X1 + 2X2 < 9 3X1 + X2 < 11 X2 > 2 XJ > 0 ; j = 1, 2 y Ent ros X1 > 4 Max: Z = 5X1 + 2X2 C.S.R. 2X1 + 2X2 < 9 3X1 + X2 < 11 X2 < 1 X1 < 3 XJ > 0 ; j = 1, 2 y Ent ros X1 = 3 X2 = 1 Z = 17

Max: Z = 5X1 + 2X2 C.S.R. 2X1 + 2X2 < 9 3X1 + X2 < 11 X2 < 1 X1 > 4 XJ>0 ; j=1,2 y nt ros Obs rv qu la prim ra acotacin s r aliz sobr la variabl X2, p ro pudo hab r si do sobr X1, d todas formas l mtodo s disp ndioso, n sp cial si s hac manu alm nt . Mtodo Aditivo d Egon Balas para probl mas binarios (0,1) No confundir st mtodo para solucionar probl mas d asignacion s, aqu l probl ma d programacin l in al ti n la forma g n ral y lo dif r nt s qu las variabl s solo pu d n tom ar valor s binarios (0,1). La filosofa d l mtodo s basa n p nsar qu si s ti n una funcin obj tiva minimizando y todos sus trminos son positivos, ntonc s, ntr m nos variabl s tom n l valor d uno (1), la funcin obj tiva s r mnima. Algoritm o 1. La funcin obj tivo s minimiza, n caso d maximizacin, us la r gla d quiv al ncia: Maximizar (Z) = Minimizar (-Z). 2. S r qui r qu Cj > 0 , para todo j . En caso d qu Cj < 0 , ntonc s Xj s sustituy por: 1 - XJ , s d cir: Xj = 1 - XJ Ej mplo: Min Z = 3X1 - 2X2 => X2 = 1 - X2 R mplazando Z = 3X1 - 2(1 - X2 ) = 3X1 - 2 + 2X2 220

No hay Solucin Factibl

Max: Z = 5X1 + 2X2 C.S.R. 2X1 + 2X2 < 9 3X1 + X2 < 11 XJ > 0 ; j=1,2 y

nt ros

Programacin Lin al Ent ra y Binaria Min Z = 3X1 + 2X2 - 2 , qu para l caso qu da: Min Z = 3X1 + 2 X2 Nota: El cambio d variabl , tambin s d b aplicar a todas las r striccion s. Ej mplo 1 Para ap r ciar la utilidad d l mtodo, r solv r mos l sigui nt j mplo, prim ro, cont mp lando todas las posibl s solucion s y a continuacin aplicando l mtodo aditivo d Egon Balas, qu r duc l nm ro d solucion s posibl s a cont mplar. Minimic Z = 8X1 + 7X2 + 6X3 + 5X4 + X5 -6X1 3X2 + 2X3 4X4 X5 < -3 -4X1 5X2 4X3 3X4 + 3X5 < -7 Xj = 0,1 ; j = 1,2,3,4,5 El nm ro posibl d solucion s s d 2n , n dond n s l nm ro d variabl s. En l j mplo, l nm ro posibl d solucion s s 25 = 32 En l sigui nt diagrama s mu stran todas las 32 posibl s solucion s.

Algunas d stas solucion s no son factibl s, ya qu no satisfac n las r striccion s. Aqu llas qu satisfagan las r striccion s, d b rn s r r mplazadas n la funcin obj tivo y la qu la haga ms p qu a, s r la solucin ptima. st proc dimi nto s disp ndioso, tanto n la cons cucin d todas las solucion s como n su valuacin para t odas las r striccion s y n su valuacin final sobr la funcin obj tiva. Aplicacin d l Mtodo d Egon Balas Evaluamos cada r striccin, prim ram nt suponi ndo qu tod as las variabl s valgan c ro, y d spus, alt rnativam nt a cada variabl l asign amos l valor d uno (1) y al r sto d variabl s l valor d c ro (0). Cada v z qu una solucin no satisfaga una r striccin, l qu tan l jos st d satisfac rla, lo llamamos infactibilidad. 221

Programacin Lin al Ent ra y Binaria Ej mplo: Si X1 = 1 y X2 = X3 = X4 = X5 = 0 R mplazando n la r striccin uno (1), stabl c mos qu : -3 < 0 , lu go aqu la infactibilidad s c ro (0), ya qu la sol ucin valuada, satisfac la r striccin, convirtindola n una afirmacin v rdad ra. R mplazando n la r striccin dos (2), stabl c mos qu : 3 < 0 , lu go aqu la infacti bilidad s tr s (3), ya qu la solucin valuada, no satisfac la r striccin, convi rtindola n una afirmacin falsa. El qu tan l jos st d s r una v rdad, s lo qu llamamos infactibilidad. En total, la solucin valuada ti n una infactibilidad d 0 + 3 = 3 Si n sta prim ra it racin, ncontramos una solucin cuya infactibilidad s a c ro (0), h mos ncontrado la solucin factibl y ptima. Si ncontramos qu va rias solucion s ti n n la infactibilidad igual a c ro (0), r mplazamos todas stas solucion s n la funcin obj tivo y la solucin ptima s r aqu lla qu haga qu Z s a mnima. Si no hay ninguna solucin con su infactibilidad igual a c ro (0), Escog mos la solucin qu m nor infactibilidad t nga y d lla la variabl qu st vali ndo uno (1). R mplazamos n las r striccion s dicha variabl y sobr dichas r stricc ion s iniciamos la s gunda it racin. st proc dimi nto s r pit hasta ncontrar l a solucin ptima factibl . 222

Programacin Lin al Ent ra y Binaria Prim ra It racin -6X1 3X2 + 2X3 4X4 X5 + 3 < 0 -4X1 5X2 4X3 3X4 + 3X5 + 7 < 0 X1 = X2 = X3 = X4 = X5 = 0 3<0 7 < 0 Infactibilidad = 10 X 1 = 1 ; X2 = X3 = X 4 = X5 = 0 -3 < 0 3 < 0 Infactibilidad = 3 X 2 = 1 ; X1 = X3 = X 4 = X5 = 0 0<0 2 < 0 Infactibilidad = 2 ; La m nor X 3 = 1 ; X1 = X2 = X 4 = X5 = 0 5<0 3 < 0 Infactibilidad = 8 X 4 = 1 ; X1 = X2 = X 3 = X5 = 0 -1 < 0 4 < 0 Infactibilidad = 4 X 5 = 1 ; X1 = X2 = X 3 = X4 = 0 2 <0 10 < 0 Infactibilidad = 12 S gunda It racin (X2 = 1) -6X1 + 2X3 4X4 X5 <0 -4X1 4X3 3X4 + 3X5 + 2 < 0 X1 = 1 ; X3 = X4 = X5 = 0 -6 < 0 -2 < 0 Infactibilidad = 0 ; X3 = 1 ; X1 = X4 = X5 = 0 2<0 -2 < 0 Infactibilidad = 2 X4 = 1 ; X1 = X3 = X5 = 0 -4 < 0 -1 < 0 Infactibilidad = 0 X5 = 1 ; X1 = X3 = X4 = 0 -1 < 0 5 < 0 Infactibilidad = 5 En sta it racin hay dos solucion s con i nfactibilidad igual a c ro (0), valuado la funcin obj tivo con ambas solucion s, ncontramos la solucin ptima con Z = 12 Solucin: X1* = 0 ; X2* = 1 ; X3* = 0 ; X4* = 1 X5* = 0 ; Z* = 12 Solam nt s hizo n c sario scudriar 10 d las 32 solucio n s posibl s. Pod mos as gurar qu l mtodo hac una bsqu da sist mtica qu vita p robar todas las combinacion s posibl s. Z=15 Z=12 Aqu concluimos, qu lo m nos malo s fijar la prim ra variabl con valor d uno ( 1) a X2 ya qu pr s nta la m nor infactibilidad, r mplazamos a X2 = 1 n las dos r striccion s iniciamos la 2 it racin. Ej mplo 2 Una mpr sa d bi n s raic s, analiza 5 proy ctos d d sarrollo posibl s. La sig ui nt tabla mu stra las ganancias stimadas a largo plazo (valor pr s nt n to) , qu g n rara cada proy cto y la inv rsin r qu rida para mpr nd rlo, n millon s d dlar s. 223

Programacin Lin al Ent ra y Binaria

Proy ctos 1 2 1 1,8 6 12 d d sarrollo 3 4 5 1,6 0,8 1,4 10 4 8 Los propi tarios d la mpr sa, r uni ron $20 millon s d capital d inv rsin par a stos proy ctos. Ellos qui r n l gir la combinacin d proy ctos qu maximic l a ganancia total stimada a largo plazo (valor pr s nt n to) sin inv rtir ms d $20 millon s. Formul un mod lo d programacin lin al nt ra binaria (PEB) para st probl ma y r su lvalo mpl ando l mtodo aditivo d Egon Balas. XJ = 0 , NO l gir l proy cto j-simo (j = 1,2,3,4,5) XJ = 1 , SI l gir l proy cto j-simo (j = 1,2,3,4,5) Max Z = X1 + 1,8X2 + 1,6X3 + 0,8X4 + 1,4X5 C.S.R. 6X1 + 12X2 + 10X3 + 4X4 + 8X5 < 20 XJ = 0,1 Min Z = -X1 - 1,8X2 - 1,6X3 - 0,8X4 - 1,4X5 X1 = 1-X1 ; X2 = 1-X2 ; X3 = 1-X3 ; X4 = 1-X4 ; X5 = 1-X5 Min Z = -(1-X1) - 1,8(1-X2) - 1,6(1-X3) 0,8(1-X4) - 1,4(1-X5) Min Z = X1 + 1,8X2 + 1,6X3 + 0,8X4 + 1,4X5 - 6,6 C.S.R 6(1-X1) + 12(1-X2) + 10(1-X3) + 4(1-X4) + 8(1-X5) < 20

-6X1 - 12X2 - 10X3 - 4X4 - 8X5 + 20 < 0 Lu go l probl ma qu da as: Min Z = X1 + 1,8X2 + 1,6X3 + 0,8X4 + 1,4X5 C.S.R. -6X1 - 12X2 - 10X3 - 4X4 - 8X5 + 0 224

R gla d

quival ncia Max Z = Min (-Z)

Ganancia

stimada Capital r qu rido

Programacin Lin al Ent ra y Binaria 1 It racin X1 = X2 = X3 = X4 = X5 = 0 20 < 0 ; I 0 2 It racin Con X2 = 1 ; la r striccin s simplifica a: -6X1 - 10X3 - 4X4 - 8X5 + 8 < 0 X1 = 1 , X3 = X4 = X5 = 0 2<0 ; I=2 X1 = 1 , X2 = X3 = X4 = X5 = 0 14 < 0 ; I = 14 X2 = 1 , X1 = X3 = X4 = X5 = 0 8 < 0 ; I = 8 * Mnima Infactibilidad X3 = 1 , X1 = X2 = X4 = X5 = 0 10 < 0 ; I = 10

X3 = 1 , X1 = X4 = X5 = 0 -2 < 0 ; I = 0 Solucin factibl , Z = 3,2 No ptima X4 = 1 , X = X3 = X5 = 0 4<0 ; I=4 X4 = 1 , X1 = X2 = X3 = X5 = 0 16 < 0 ; I = 16 X5 = 1 , X1 = X2 = X3 = X4 = 0 12 < 0 ; I = 12 X5 = 1 , X1 = X3 = X4 = 0 0<0 ; I=0 Solucin factibl , Z = 3,4 ptima Lo m jor s: X2 = 1 Lu go: X1* = 1 X2* = 0 X3* = 1 X4* = 1 X5* = 0 S lig n los contratos: 1,3 y 4 para obt n r la mayor ganancia sp rada d 3,4 millon s d dlar s 225

Programacin Lin al Ent ra y Binaria

las s s m

Dando dobl clic sobr la casilla d tipo d variabl , s ofr c cons cutivam nt las variabl s tipo continua, nt ra, binaria irr stricta, st ltimo tipo d va riabl s la qu no ti n r striccin n l signo y pu d tomar valor s tanto n ga tivos como positivos. Tambin pod mos fijar lmit s para los valor s d las variabl s, si ndo un probl ma d programacin lin al r stringido, n l j mplo s xig q u X1 pu d tomar valor s nt ros ntr 3 y 50. La solucin s mu stra n v ntanas idnticas a las ya xplicadas n programacin lin al continua y s ofr c l mismo tipo d informacin. Una conclusin r l vant s la utilidad d l computador y d l so ftwar 226

Softwar WinQsb El softwar WinQsb n su mdulo d programacin lin al y nt ra, s nta n su v ntana inicial las opcion s r sp ctivas, incluy ndo la d programac in lin al binaria, d la sigui nt man ra: En sta v ntana s s l cciona una d opcion s nc rradas n la lips d color rojo. El r sto d las v ntanas s tra mita d igual man ra qu para un probl ma d programacin lin al continua. En la igui nt v ntana, l WinQsb p rmit stabl c r l tipo d variabl d man ra ind ividual; d ah qu pod mos t n r un probl ma d programacin lin al con variabl zcladas, como s mu stra n l sigui nt j mplo.

pr

Programacin Lin al Ent ra y Binaria

Xj > 0

Solucin: a) X1* = 0 ; X2* = 2 ; Z* = 10 b) X1* = 5 ; X2* = 1 ; Z* = 16 c) X1* = 2 ; X2* = 0 ; Z* = 5 2. R solv r manualm nt mpl ando l mtodo d los planos cortant s d Gomory y m diant l softwar WinQsb los sigui nt s j rcicios d programacin lin al nt ra. a) Max : Z = 3X1 + X2 C.S.R. X1 + 2X2 < 8 3X1 4X2 < 12 Xj > 0 j y nt ros b) Ma x : C.S.R. Xj > 0 c) Max : C.S.R. A A Xj > 0 A A Solucin: X1*=5 ; X2*=1 ; Z*= 16 Z = 5X1 + 2X2 2X1 + 2X2 + X3 =9 3X1 + X2 + X4 = 11 y nt ros j Z = 5X1 + 2X2 2X1 + 2X2 + X3 =9 3X1 + X2 + X4 = 11 y X1 , X3 nt ros Solucin: X1*=3 ; X2*=1 ; Z*= 17 j Solucin: X1*=3 ; X2*=3/2 X3*=0 ; X4*=1/2 Z*= 18 227

Z = 3X1 + X2 X1 + 2X2 < 8 3X1 4X2 < 12 y

nt ros j

para la solucin d probl mas d programacin lin al, qu sin dicha h rrami nta s s upr mam nt disp ndiosa la cons cucin d la solucin ptima para probl mas d tamao m diano y grand , qu son los qu n la vida r al s pr s ntan. Probl mas propu st os 1. R solv r grficam nt los sigui nt s j rcicios d programacin lin al nt ra. a) Max : Z = X1 + 5X2 C.S.R. X1 + 10X2 < 20 < 2 X1 Xj > 0 j = 1, 2 y nt ros c) Max : C.S.R. Xj > 0 Z = 5/2X1 + X2 3X1 + 5X2 < 15 5X1 + 2X2 < 10 y nt ros j b) Max : C.S.R. A

Programacin Lin al Ent ra y Binaria 3. R solv r manualm nt mpl ando l mtodo d Bifurcacin y Acotacin (Branch And Bou nd) y m diant l softwar WinQsb los sigui nt s j rcicios d programacin lin al nt ra. a) Max : Z = 5X1 + 2X2 C.S.R. 2X1 + 2X2 < 9 3X1 + X2 < 11 A j Solucin: X1* = 3,3 ; X2* = 1 ; X3* = 0,3 X4* = X5* = 0 ; Z* = 18,67 Xj > 0 ; j y X2 nt ro b) Max : Z = 60X1 + 50X2 C.S.R. 2X1 + 4X2 < 80 3X1 + 2X2 < 55 X1 < 16 X2 < 18 A Solucin: X1* = 9 ; X2* = 14 ; Z*= 1.240 Xj > 0 y nt ros 4. R solv r manualm nt mpl ando l mtodo aditivo d Egon Balas y m diant l so ftwar WinQsb los sigui nt s j rcicios d programacin lin al binaria. a) Min: Z = 5X1 + 7X2 + 10X3 + 3X4 + X5 C.S.R. -X1 + 3X2 - 5X3 X4 + 4X5 < -2 2X1 - 6X2 + 3 X3 + 2X4 2X5 < 0 X2 - 2X3 + X4 + X5 < -1 Xj = 0,1 j = 1,2,3,4,5 b) Max: Z = 3X1 + 2X2 - 5X3 - 2X4 + C.S.R. X1 + X2 + X3 + 2X4 + X5 7X1 + 3X3 - 4X4 + 3X5 11X1 6X 2 + 3X4 - 3X5 Xj = 0,1 j = 1,2,3,4,5 3X5 < 4 < 8 > 3 Solucin: X2* = X3* = 1 X1* = X4* = X5* = 0 Z* = 17 Solucin: X1* = X2* = 1 X3* = X4* = X5* = 0 Z* = 5 5. Una Compaa s sp cializa n la pr paracin d programas d computadora para l g obi rno y la industria. Estos programas s scrib n n uno d cuatro l nguaj s d programacin: Fortran, 228

Programacin Lin al Ent ra y Binaria assambl r, cobol y apl. La compaa ti n un programador qu r aliza sta labor y xis t n cinco trabajos d programacin qu d b n t rminars lo ms pronto posibl . La ut ilidad d cada tar a s mu stra n la sigui nt tabla. En la sigui nt tabla s mu stra l ti mpo qu n c sita l programador para t rm inar cada trabajo y l ti mpo d qu dispon d spus d r alizar sus d ms tar as. Qu trabajos d b ac ptar r alizar la compaa para maximizar la utilidad? Formul l p robl ma como uno d programacin lin al binaria, mpl l mtodo manual d gon bal as y l softwar WinQsb para solucionarlo. Solucin: Ac ptar los trabajos 3, 4 y 5 para una utilidad mxima d $350 229

230

Captulo 12 Administracin d proy ctos Gantt - PERT - CPM E 6 5 11 5 11 0 A 5 0 5 0 5 0 B 1 0 1 2 3 2 C 2 1 3 3 5 2 D 4 5 9 7 11 2 F 3 11 14 11 14 0 Introduccin En st captulo s mu stran las h rrami ntas bsicas para la administracin d proy ctos, tal s como l diagrama Gantt, l PERT d t rminstico, l PERT probab ilstico y l mtodo CPM. En la historia d la humanidad, l hombr s ha nfr ntado al r to d laborar proy ctos cada v z ms grand s y compl jos, d tal forma qu surg la n c sidad d coordinar num rosas actividad s n toda la organizacin. Ent r 1958 y 1959 s d sarrolla n Estados Unidos, l proy cto d construccin d l co h t polaris, durant l cul s mpi zan a aplicar las nov dosas tcnicas d contro l d proy ctos PERT y CPM. Algunas d las aplicacion s ms fr cu nt s d stas tcnica s son: Proy ctos d construccin, programacin d computadoras, programacin y propu s tas d licitacion s, la plan acin d mant nimi nto y la instalacin d sist mas d computadoras. 231

Administracin d Proy ctos: Gantt, PERT, CPM PERT: Program Evaluation and R vi w T chniqu Tcnica d valuacin y r visin d programas. Usos pricipal s 1. Para d t r minar la duracin mnima d un proy cto si la duracin d sus actividad s s constant su variacin s tan p qu a qu s pu d asumir como constant , ntonc s r cib l nombr d PERT d t rminstico. Si la duracin d sus actividad s s variabl r cib l nombr d PERT probabilstico y star mos int r sados n d t rminar la probabil idad d qu l proy cto s t rmin d ntro d l ti mpo pr d t rminado. 2. Para id ntificar las actividad s qu pu d n s r cu llo d bot lla y qu conforman la rut a crtica. El conoc r dichas actividad s ti n un f cto dir cto sobr la ag nda d l tomador d d cision s y sobr la l ccin d l p rsonal r sponsabl d l cumplimi nto d l cronogram d dichas actividad s, qu pu d causar cons cu ncias conmica s grav s para la mpr sa inclusiv para su xist ncia. 3. Evaluar los f ctos d cambios n l programa d l proy cto. El prim r paso para aplicar l sist ma P ERT CPM a un proy cto, s r pr s ntar l proy cto n forma d una r d, para lo c ual s til la construccin d un diagrama Gantt, qu id ntifica claram nt los dif r nt s tipos d ti mpos a t n r ncu nta para la r pr s ntacin grfica d la r d PE RT CPM. Exist n dos tcnicas para r pr s ntar los proy ctos, una d nominada ACTIVI DAD - RAMAL, n la cual, las actividad s van sobr los ramal s d la r d y los n odos r pr s ntan los suc sos; y otra llamada ACTIVIDAD - NODO, n la qu , las ac tividad s van sobr los nodos y los ramal s indican la pr c d ncia d las activi dad s. Empl ar mos la s gunda tcnica, ACTIVIDAD - NODO, tambin d nominada MTODO DE ROY, por ofr c r mayor facilidad n la r pr s ntacin grfica d las actividad s y d sus pr c d ncias. P rt d t rminstico Aqu s asum qu l tomador d d cision s a dministrador d l proy cto, conoc sufici nt m nt las actividad s, tanto, qu pu d as gurar qu su duracin s pu d consid rar constant . 232

Administracin d Proy ctos: Gantt, PERT, CPM S ilustra l mtodo PERT con l sigui nt j mplo: S proporciona la sigui nt informacin sobr un proy cto qu st com pu sto por s is (6) actividad s: Actividad s Ti mpo stimado Actividad pr c d nt s (S manas) A Ninguna 5 B Ninguna 1 C B 2 D A, C 4 E A, C 6 F D, E 3 a) Constru ya un diagrama Gantt. b) Construya la r d d l proy cto. c) Encu ntr l ti mpo d inicio ms pronto, l ti mpo d inicio ms tard , l ti mpo d finalizacin ms t mpra no, l ti mpo d finalizacin ms tard y l ti mpo d holgura, para cada una d las actividad s d l proy cto. d) Si todas las d ms actividad s s ll van l ti mpo stimado, Cul s l ti mpo mximo qu pu d atrasars la actividad D sin r trasar la t rminacin d l proy cto? Solucin a) Diagrama Gantt: Consist bsicam nt n una tabl a d dobl ntrada, n dond las actividad s s r pr s ntan sobr las filas y l ti mpo transcurrido d l proy cto sobr las columnas. Para cada actividad s asi gnan dos filas: En la prim ra s r pr nta m diant barras horizontal s la duracin d cada actividad, t ni ndo n cu nta la pr c d ncia y mp zando cada actividad lo ms pronto posibl . Sobr la s gunda fila d cada actividad s r pr s nta m di ant barras horizontal s la duracin d cada actividad, t ni ndo n cu nta la pr c d ncia p ro mp zando cada actividad lo ms tard posibl , sin alt rar la duracin total mnima d l proy cto. 233

Administracin d Proy ctos: Gantt, PERT, CPM Diagrama Gantt Actividad s A B C D E F 1 2 3 4 5 6 7 8 9 10 11 12 13 14

Obs rvacion s Aqu, sobr l diagrama Gantt s han colocado, las barras n la prim ra fila d ca da actividad, t ni ndo n cu nta las pr c d ncias iniciando cada actividad, lo ms pronto posibl . El r sultado final indica qu l proy cto s pu d r alizar n un ti mpo mnimo d 14 s manas. Ahora colocamos l s gundo ju go d barras, sobr la s gunda fila d cada actividad, t ni ndo n cu nta las pr c d ncias inici ando cada actividad lo ms tard posibl , sin p rjudicar la duracin mnima total d l proy cto d 14 s manas. Actividad s A B C D E F Duracin n s manas Obs rvacion s Actividad Crtica Holgura d 2 s manas Holgura d 2 s manas Holgura d 2 s manas A ctividad Crtica Actividad Crtica 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Fj s qu las actividad s A, E y F, su inicio no s pu d pospon r, sin alt rar l a duracin total mnima d l proy cto d 14 s manas, llo obliga a qu s j cut n d man ra pr cisa, cualqui r atraso n alguna n varias d llas ti n un f cto d ir cto sobr la duracin total d l proy cto. Si la actividad A aum nta su duracin n una s mana, la duracin total d l proy cto aum ntar n una s mana. stas actividad s r cib n l nombr d ACTIVIDADES CRTICAS y d b n s r sup rvisadas por l tomado r d d cision s du o d l proy cto, d man ra xhaustiva, dispon r d l m jor p rso nal, qu garantic su r alizacin sin d moras. Igualm nt s d b sup rvisar l ar ribo a ti mpo d las mat rias primas para stas actividad s y todo asp cto qu t n ga qu v r con llas qu pu da dir cta indir ctam nt ocacionar duracion s adici onal s. 234

Duracin

n s manas

Administracin d Proy ctos: Gantt, PERT, CPM Cualqui r aum nto n la duracin total d l proy cto, ocasiona aum nto n los costos, cobro d l d s guro d cumplimi n to y d t rioro d la imag n d la mpr sa. Fj s qu las actividad s B, C y D ti n n una holgura d 2 s manas, lo cual qui r d cir qu su inicio ms pronto s pu d r trazar como mximo 2 s manas, sin qu af ct la duracin mnima total d l proy ct o d 14 s manas. D l grfico Gantt s d duc qu cada actividad ti n cuatro ti mp os significativos a t n r n cu nta, y son: TIEMPO DE INICIO MS TEMPRANO: Es la f cha ms pronta posibl para iniciar las labor s d la actividad. TIEMPO DE INICIO MS TARDE: Es la f cha ms tard posibl para iniciar las labor s d la actividad, sin alt rar la duracin total mnima d l proy cto. TIEMPO DE TERMINACIN MS TEMPRANO: E s la f cha ms pronta posibl para finalizar las labor s d la actividad. TIEMPO D E TERMINACIN MS TARDE: Es la f cha ms tard posibl para finalizar las labor s d l a actividad, sin alt rar la duracin total mnima d l proy cto. HOLGURA: Es l ti mp o mximo qu una actividad pu d r trasars sin alt rar la duracin total mnima d l p roy cto. Es la dif r ncia ntr l ti mpo d inicio ms tard y l ti mpo d inici o ms t mprano la dif r ncia ntr l ti mpo d t rminacin ms tard y l ti mpo d t rminacin ms t mprano. HOLGURA = TIEMPO DE INICIO MS TARDE - TIEMPO DE INICIO MS TEMPRANO HOLGURA = T. DE TERMINACIN MS TARDE - T. DE TERMINACIN MS TEMPRANO Actividad D 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Duracin n s manas

Obs rvacion s Holgura d 2 s manas 7-5=2 11-9=2

Ti mpo d t rminacin ms tard Ti mpo d t rminacin ms t mprano 235

Ti mpo d inicio ms t mprano Ti mpo d

inicio ms tard

E 6 5 11 5 11 0 A 5 0 5 0 5 0 B 1 0 1 2 3 2 C 2 1 3 3 5 2 F 3 11 14 11 14 0 D 4 5 9 7 11 2 Obs rvacion s: 1. No sp r lograr n l prim r int nto una r d p rf cta, lo nor mal s hac r varios int ntos, dibujando solam nt los nodos , l nombr d la ac tividad qu r pr s nta y las fl chas ramal s (sin colocar los ti mpos), cuando l ogr una r d qu cumpla con las pr c d ncias y qu su pr s ntacin s a lo ms clara y s ncilla, vitando n lo posibl los cruc s d nodos, y d pr f r ncia n ord n lgico d izqui rda a d r cha d arriba hacia bajo; solam nt ntonc s dibuj la r d sobr la qu va a colocar los ti mpos. 2. Fj s qu pu d n xistir varios no dos orig n varios nodos final s 3. Al m nos d b t n r un nodo orig n y un nodo d stino con holgura c ro. 4. La unin d los nodos qu t ngan holgura c ro, confor man una cad na qu s d nomina LA RUTA CRTICA. En una r d pu d n hab r 236

Administracin d Proy ctos: Gantt, PERT, CPM R pr s ntacin d l proy cto m diant u na r d El paso sigui nt consist n r pr s ntar l proy cto m diant una r d, mpl ando la tcnica ACTIVIDAD - NODO. En los nodos colocamos las actividad s, t ni ndo n cu nta las pr s d ncias, para lo cual usamos los ramal s fl chas qu un n cada par d nodos. La simbologa qu s usar para los nodos s la sigui nt : Nombr d la actividad T. d inicio ms t mprano Ti mpo d inicio ms tard Holgura Duracin d la actividad T. d finalizacin ms t mprano Ti mpo d finalizacin ms tard

Administracin d Proy ctos: Gantt, PERT, CPM varias rutas crticas; En nu stro caso la ruta crtica la conforman las actividad s A-E-F y l ti mpo mnimo d l proy cto s d 14 s manas. Explicacin d los clculos 1. Las actividad s A y B, por car c r d pr c d ncias, pu d n iniciar lo ms pronto posibl , y, sto lo d nominamos l ti m po d inicio ms t mprano s a c ro (0). A dicho ti mpo d inicio ms t mprano, l su mamos la duracin d la r sp ctiva actividad, obt ni ndo l ti mpo d finalizacin ms t mprano. Para l caso d la actividad A: Ti mpo d finalizacin ms t mprano d A = 0 + 5 = 5. Fj s qu si al ti mpo d finalizacin mas t mprano l r stamos l ti mpo d inicio ms t mprano l r sultado s: 5 - 0 = 5, qu s la duracin d la acti vidad. Si como ti mpo d inicio ms t mprano, s hubi ra colocado uno (1), sta r st a hubi s dado: 5 - 1 = 4, qu no corr spond a la duracin d la actividad, por llo l ti mpo d inicio ms t mprano para todas las actividad s qu no ti n n pr c d ncia s c ro (0). 2. Para calcular l ti mpo d inicio ms t mprano d la activ idad E, d b mos t n r n cu nta l ti mpo d t rminacin ms t mprano d todas las a ctividad s qu la pr c d n, para st caso, las actividad s A y C cuyos ti mpos d t rminacin ms t mprano son: 5 y 3 s manas r sp ctivam nt , lu go, como la activid ad E no pu d iniciar hasta qu las actividad s pr c d nt s A y C hayan t rminad o no pu d mp zar hasta qu la actividad A, qu ti n l mayor ti mpo d t rmin acin mas t mprano, finalic ; por llo l ti mpo d inicio ms t mprano d la activi dad E s 5 s manas. Ti mpo d inicio ms t mprano d una actividad con pr c d ncia s Al mayor ti mpo d t rminacin ms t mprano d las actividad s pr c d nt s =

3. Fj s qu la duracin mnima d l proy cto s igual al mayor ti mpo d t rminacin ms t mprano d las actividad qu finalizan, qu no son pr c d nt s d otras, para n u stro caso solo hay una, la actividad F, cuyo ti mpo d t rminacin ms t mprano s d 14 s manas, lu go sta s la m nor duracin d l proy cto. 237

Administracin d Proy ctos: Gantt, PERT, CPM Ti mpo total minimo d l proy cto Al mayor ti mpo d t rminacin ms t mprano d las actividad s qu no son pr c d nt s d otras (Nodos t rminal s)

= 4. Fj s qu los clculos sigu n una s cu ncia lgica d izqui rda a d r cha, igual a la s cu ncia lgica d la r d. 5. Para l clculo d los ti mpos d inicio y d t r minacin ms tard s conv ni nt hac rlo d d r cha a izqui rda. 6. El ti mpo d fi nalizacin ms tard d todos los nodos final s, s igual al ti mpo total mnimo d l p roy cto. Para nu stro caso 14 s manas, por llo la actividad F (nodo t rminal = no s pr c d nt d ninguna otra actividad) ti n como ti mpo d t rminacin ms tar d , 14 s manas. 7. El ti mpo d inicio ms tard s igual al ti mpo d t rminacin ms tard m nos la duracin d la actividad. Para la actividad F l clculo corr spondi nt s: 14 - 3 = 11 s manas. Ti mpo d inicio ms tard = Ti mpo d t rminacin ms t ard Duracin d la actividad 8. Fj s qu l ti mpo d t rminacin ms tard d la actividad C d p nd d l ti mpo d inicio ms tard d las actividad s E y D cuyos valor s r sp ctivos son 5 y 7 s manas, d b mos scog r l m nor d los dos n at ncin a qu las actividad s E y D no pu d n iniciar hasta qu la actividad C t rmin . Para nu stro caso, l ti m po ms tard d t rminacin d la actividad C s igual al min{5,7} = 5 s manas. Ti m po d finalizacin ms tard Al m nor ti mpo d inicio mas tard d las actividad s qu pr c d =

238

9. Fj s

qu nunca pu d n apar c r HOLGURAS NEGATIVAS, todas d b n s r > 0

Administracin d Proy ctos: Gantt, PERT, CPM Lu go la r spu sta a las pr gntas a) y b) d nu stro probl ma han sido cont stadas y xplicadas n d tall . R spu sta a la pr gnta C): Si todas las actividad s s ll van l ti mpo stimado, l ti mp o mximo qu pu d atrasarc la actividad D s igual a su HOLGURA, sto s dos (2) s manas. PERT PROBABILSTICO Aqu l ti mpo d duracin d cada actividad s una variabl al at oria, la cual sigu una distribucin d probabilidad. En la mayora d la lit ratura sobr l t ma, s usa la distribucin d probabilidad b ta unimodal, llamada tamb in, distribucin d probabilidad d tr s ti mpos stimados, cuyos parm tros son: a = Ti mpo optimista, si tido va bi n, bajo condicion s id al s m = Ti mpo ms probab l , si todo marcha d ntro d lo normal b = Ti mpo p simista, si todo va mal, baj o condicion s psimas El ti mpo sp rado y la varianza d la distribucin d probabi lidad b ta unimodal son: Ej mplo Como administrador d un proy cto, s nfr nta a la r d d actividad s q u s mu stra n la figura y a los stimados d ti mpo optimista, ms probabl y p simsta d las actividad s. a) R pr s nt l proy cto m diant una r d ACTIVIDAD - NODO b) Calcul l ti mpo sp rado y la varianza d cada actividad, suponi ndo una distribucin b ta unimodal d probabilidad. c) Calcul l ti mpo d inicio s p rado ms t mprano, l ti mpo d inicio sp rado ms tard , l ti mpo d finalizacin sp rado ms 239

Administracin d Proy ctos: Gantt, PERT, CPM t mprano, l ti mpo d finalizacin s p rado ms tard y la holgura sp rada para cada una d las actividad s d l proy c to. d) Esp cifiqu la ruta crtica, l ti mpo sp rado d conclusin d l proy cto y su varianza sp rada. ) Encu ntr la probabilidad d qu las actividad s d la ruta crtica concluyan d ntro d 27 s manas, d ntro d 25 s manas, d ntro d 23 s manas, n ms d 27 s manas, ntr 25 y 27 s manas. f) Cuntas s manas p rmitir una pr obabilidad d l 90% d concluir la ruta crtica a ti mpo? 3 D C 5 F 6 B 1 A 2 G 7 H I 8 Actividad Ficticia E 4 Ti mpo optimista ai (S manas) Actividad s A B C D E F G H I Solucin 1 1 4 1 7 4 4 7 1 Ti mpo ms probabl mi (S manas) 3 3 5 4 8 6 5 9 3 Ti mpo p simista bi (S manas) 5 5 6 7 9 8 6 11 5

Para r pr s ntar l proy cto como una r d ACTIVIDAD - NODO, obs rvamos n la r d ACTIVIDAD - FLECHA qu suministra l nunciado d l probl ma, cul s son las pr c d ncias d cada actividad, con sta informacin r scribimos la tabla d datos y f ctuamos los clculos d l ti mpo sp rado y la varianza para cada actividad. 240

Administracin d Proy ctos: Gantt, PERT, CPM Actividad s A B C D E F G H I Actividad s Pr d c soras Ninguna A B B A D,E C,F E G,H ai bi mi 1 1 4 1 7 4 4 7 1 5 5 6 7 9 8 6 11 5 3 3 5 4 8 6 5 9 3 (1+5+4(3))/6=3 (1+5+4(3))/6=3 (4+6+4(5))/6=5 (1+7+4(4))/6=4 (7+9+4(8))/6=8 (4+8+ 4(6))/6=6 (4+6+4(5))/6=5 (7+11+4(9))/6=9 (1+5+4(3))/6=3 ((5-1)/6)2=4/9 ((5-1)/6)2=4/9 ((6-4)/6) 2=1/9 ((7-1)/6)2=1 ((9-7)/6) 2=1/9 ((8-4 )/6) 2=4/9 ((6-4)/6) 2=1/9 ((11-7)/6) 2=4/9 ((5-1)/6)2=4/9 Ahora pod mos r pr s ntar l proy cto sobr una r d ACTIVIDAD NODO y tabajando c on l ti mpo sp rado, f ctuar los clculos n c sarios para hallar los ti mpos so licitados. Ti mpo sp rado (t ) B 3 3 6 4 7 1 C 5 6 11 12 17 6 G 5 17 22 17 22 0 A 3 0 3 0 3 0 D 4 6 10 7 11 1 E 8 3 11 3 11 0 F 6 11 17 11 17 0 H 9 11 20 13 22 2 I 3 22 25 22 25 0

Las por s a d 241

pr guntas a), b) y c) han qu dado r su ltas. d) La ruta crtica st conformada las actividad s: A-E-F-G-I, l ti mpo sp rado mnimo d conclucin d l proy cto d 25 s manas y su varianza d l ti mpo sp rado d l proy cto, s la sumatori las varianzas qu p rt n c n a la ruta crtica.

Administracin d Proy ctos: Gantt, PERT, CPM ) Estandarizamos usando la frmula d la distribucin normal d probabilidad, qu scrita n trminos propios d l PERT probabilstico s xpr sa as: Z= Ti mpo Pr d t rm inado - Ti mpo Esp rado Mnimo d l Proy cto D sviacin stndar d l ti mpo mnimo sp ra do d l proy cto D man ra abr viada: Z = (Tp - t )/s Para los tr s casos solicitados, t n mos: P ara Tp=27 Z = (27-25)/ Z = 1,60 P(Z < 1,60) = 0,9452 Para Tp=25 Z = (25-25)/ Z=0 P(Z < 0) = 0,5 Para Tp=23 Z = (23-25)/ Z = -1,60 P(Z < -1,60) = 0,0548 La probabilidad d qu l proy cto s t rmin n 27 s manas m nos s 0,9452 La p robabilidad d qu l proy cto s t rmin n 25 s manas m nos s 0,5 La probabil idad d qu l proy cto s t rmin n 23 s manas m nos s 0,0548 La probabilidad d qu l proy cto s r alic n ms d 27 s manas s d 1 - 0,9452 = 0,0548 La p robabilidad d qu l proy cto s r alic ntr 25 y 27 s manas s d 0,4452 f) Aqu, prim ro av riguamos cul s l valor d Z qu ti n una probabilidad d 0,9, p ara llo buscamos n l int rior d la tabla d distrucin normal acumulada l val or ms aproximado a 0,9, si ndo st 1,28 y plant amos la sigui nt cuacin, qu r so lvi ndola nos ofr c un ti mpo pr d t rminado d 26,596. En la v ntualidad d xigirs s manas compl tas, la aproximacin si mpr d d b hac r al sigui nt nt ro, para nu stro caso 27 s manas. 242

Administracin d Proy ctos: Gantt, PERT, CPM Z = (Tp - 25)/ Tp = 26,596 S manas Mt odo d la ruta crtica, CPM Caract rsticas 1. Supon qu los ti mpos d las activid ad s son d t rminsticos, s d cir s pu d n pr d cir d man ra confiabl , sin inc rtidumbr significativa. 2. En lugar d dar una importancia primordial al ti mp o, l CPM asigna la misma importancia al ti mpo y al costo. Comportami nto d lo s costos dir ctos En la grfica sigui nt s ilustra l comportami nto d los cost os dir ctos d un proy cto, n la cual s d duc la frmula d la p ndi nt qu no s indica lo qu s incr m nta l costo dir cto total por unidad d ti mpo r duci do n l proy cto. CC = Costo dir cto a duracin mnima crtica Cn = Costo dir cto a d uracin normal Dc = Duracin mnima crtica d la actividad Dn = Duracin normal d la act ividad Costos dir ctos Cc Cc - Cn 1,28 = (Tp - 25)/ Tp = 1,28 + 25 P ndi nt = (Cc - Cn)/(Dn -Dc) A m nor duracin los costos dir ctos s incr m ntan Dn Duracin Cn Dc Dn -Dc 243

Administracin d Proy ctos: Gantt, PERT, CPM Costos indir ctos Cc Cc - Cn P ndi nt = (Cc - Cn)/(Dc -Dn) A m nor duracin los costos indir ctos s r duc n D uracin Cn Dn Dc -Dn Dc Lo ant rior a niv l infinit simal, ahora, si sumamos punto a punto obt n mos la grfica d los costos total s qu s ilustra a continuacion. Costos Costos Total s Costo Total Mnimo Costos Indir ctos Costos Dir ctos Duracin a Costo Total Mnimo Proc dimi nto 1. S calcula la RUTA CRT ICA y s colocan los costos dir ctos a duracin normal asociados a lla. 2. Consid rar la r duccin n la duracin d l proy cto. a) La at ncin s d b c ntrar sobr la s actividad s d la RUTA CRTICA a fin d lograr una r duccin n la duracin al mnimo costo posibl . b) S d b comprimir tanto como s a posibl la actividad crtica qu t nga la p ndi nt ti mpo - costo ms p qu a. S r comi nda hac r sta op racin por unidad d ti mpo ya qu durant la r duccin, la ruta crtica pu d variar. c) El nu vo programa d b consid rars ahora para r duccin, s l ccionando la actividad crt ica con la mnima p ndi nt . 244 Duracin

Administracin d Proy ctos: Gantt, PERT, CPM El proc dimi nto s r pit hasta qu todas las actividad s crticas stn n su ti mpo d duracin mnima hasta qu st mos n l ti mpo r qu rido por l du o d l proy cto. Ej mplo 1 Consid r l proy cto qu ti n las actividad s, sus pr c d ncias, duracin y costos, normal s y crticos qu s mu stran n la sigui nt tabla: Actividad A B C D E F Actividada Mnimo Nor mal pr c d nt Duracin Costo Duracin Costo Ninguna 8 100 6 200 Ninguna 4 150 2 350 A 2 50 1 90 A 10 100 5 400 B 5 100 1 200 C,E 3 80 1 100

R duzca l proy cto a su duracin mnima al m nor costo dir cto posibl . Solucin El c osto total d l proy cto a duracin normal s: 100 + 150 + 50 + 100 + 100 + 80 = 58 0 Clculo d la p ndi nt d cada actividad: Actividad A B C D E F P ndi nt (200 - 100)/( 8 - 6) = 50 (350 - 150)/( 4 - 2) = 100 ( 90 - 50)/( 2 - 1) = 40 (4 00 - 100)/(10 - 5) = 60 (200 - 100)/( 5 - 1) = 25 (100 - 80)/( 3 - 1) = 10 Lu go la duracin a ti mpo normal, l costo normal y la ruta crtica s ilustran n la sigui nt r d d l proy cto: 245

Administracin d Proy ctos: Gantt, PERT, CPM D 10 8 18 8 18 0 A8 0 8 0 8 0 B 4 0 4 6 10 6 C 2 8 10 13 15 5 E 5 4 9 10 15 6

Fj s qu hay dos nodos t rminal s: D y F, l ti mpo mnimo d l proy cto s l mayo r ti mpo d finalizacin ms pronto d las dos actividad s, sto s l mximo ntr {1 3,18}, si ndo 18 l corr spondi nt a la actividad D D 10 7 17 7 17 0 A7 0 7 0 7 0 B 4 0 4 5 9 5 C 2 7 9 12 14 5 E 5 4 9 9 14 5 Duracin: 17 S manas Costos dir ctos: 580+50= $630 Ruta crtica: A-D Actividad a Dis minuir n 1 s mana: A, con la m nor p ndi nt d $50/S mana F 3 9 12 14 17 5

D 10 6 16 6 16 0 A 6 0 6 0 6 0 B 4 0 4 4 8 4 C 2 6 8 11 13 5 E 5 4 9 8 13 4 Duracin: 16 S manas Costos dir ctos: 630+50= $680 Ruta crtica: A-D Actividad a Dis minuir n 1 s mana: D, con p ndi nt d $60/S mana F 3 9 12 13 16 4

246

Fj s qu la actividad A qu pos la m nor p ndi nt , no s pu d disminuir mas por hab r ll gado a su duracin mnima, lu go consid ramos la sigui nt actividad d la ruta crtica con m nor p ndi nt D y la disminuimos n 1 s mana.

Fj s qu la actividad A d 7 s manas s pu d r ducir a 6 s manas, qu acin mnima.

s su dur

Duracin: 18 S manas Costos dir ctos: $580 Ruta crtica: A-D Actividad a Disminuir n 1 s mana: A, con la m nor p ndi nt d $50/S mana F 3 10 13 15 18 5

Administracin d Proy ctos: Gantt, PERT, CPM D 9 6 15 6 15 0 A 6 0 6 0 6 0 B 4 0 4 3 7 3 C 2 6 8 10 12 4 E 5 4 9 7 12 3 Duracin: 15 S manas Costos dir ctos: 680+60= $740 Ruta crtica: A-D Actividad a Dis minuir n 1 s mana: D, con p ndi nt d $60/S mana F 3 9 12 12 15 3 Aqu la pr gunta s: S pu d disminuir la duracin d la actividad D d 9 s manas a su duracin mnima d 5 s manas d una v z?. La r spu sta s NO, porqu n l proc so d disminuir d s mana n s mana, la ruta crtica pu d cambiar y s r otra acti vidad dif r nt la qu s d b disminuir . D8 6 14 6 14 0 A 6 0 6 0 6 0 B 4 0 4 2 6 2 C 2 6 8 9 11 3 E 5 4 9 6 11 2 F 3 9 12 11 14 2 Duracin: 14 S manas Costos dir ctos: 740+60= $800 Ruta crtica: A-D Actividad a Dis minuir n 1 s mana: D, con p ndi nt d $60/S mana D7 6 13 6 13 0 A 6 0 6 0 6 0 B 4 0 4 1 5 1 C 2 6 8 8 10 2 E 5 4 9 5 10 1 F 3 9 12 10 13 1 Duracin: 13 S manas Costos dir ctos: 800+60= $860 Ruta crtica: A-D Actividad a Dis minuir n 1 s mana: D, con p ndi nt d $60/S mana 247

Administracin d Proy ctos: Gantt, PERT, CPM D6 6 12 6 12 0 A 6 0 6 0 6 0 C 2 6 8 7 9 1 Duracin: 12 S manas Costos dir ctos: 860+60= $920 Rutas crticas: A-D y B-E-F Activ idad s a Disminuir n 1 s mana: D, con p ndi nt d $60/S mana F 3 9 12 9 12 0 Fj s qu xist n dos rutas crticas ind p ndi nt s (sin actividad s n comn para am bas rutas). Si disminuimos n 1 s mana B 4 E 5 la actividad D la ruta crtica B-EF subsis4 9 0 4 tir y n la sigui nt grfica t ndr mos qu 4 9 0 4 disminuir n 1 s mana la actividad F, d 0 0 m nor p ndi nt ($10/s mana), n dicha ruta, todo llo para lograr disminuir l proy cto d 12 a 11 s manas. Para st caso pod mos hac r la disminucin simultan am nt sobr las actividad s D y F, como s mu stra a continuacin. D5 6 11 6 11 0 A 6 0 6 0 6 0 B 4 0 4 0 4 0 C 2 6 8 7 9 1 E 5 4 9 4 9 0 Duracin: 11 S manas Costos dir ctos: 920+60+10= $990 Rutas crticas: A-D y B,E,F Ac tividad a Disminuir n 1 s mana: No hay Fj s qu n la ruta crtica A-D todas sus actividad s han ll gado a su duracin mnima, lu go por ms qu disminuyamos cual squi ra d las actividad s d la ruta crtica B,E,F si mpr pr val c r como ruta crtica A-D con su duracin d 11 s manas, por lo cual l proy cto ha ll gado a su mnima r duccin. F 2 9 11 9 11 0 Conclucin El proy cto como mximo s pu d r ducir a 11 s manas con un costo dir ct o total d $990 El mtodo CPM s una n gociacin tru qu d duracin y costos dir ctos , p ro d man ra int lig nt . A continuacin pr s nta un j mplo an ms compl to, n dond s ti n n n cu nta los costos indir ctos, los costos dir ctos, los costos total s d l proy cto y adicionalm nt s grafican, obt ni ndo la duracin d l pro y cto para qu los costos total s s an mnimos. 248

Administracin d Proy ctos: Gantt, PERT, CPM Ej mplo 2 Para un proy cto qu ti n los ti mpos n s manas, los costos dir ctos, los costos indir ctos y los costos d acortami nto n millon s d p sos qu s mu stran n la tabla, calcul : a) L os costos total s dir ctos d t rminar l proy cto n 9,10,11,12 y 13 s manas. b ) Para los costos indir ctos qu s mu stran; grafqu s los costos total s, dir c tos indir ctos y d t rmin l ti mpo d conclucin d m nor costo total. Activid ad A B C D E F G Actividad Ti mpo Costo Ti mpo Costo pr c d nt normal normal crt ica crtico 500 800 No ti n 2 1 900 1300 No ti n 5 3 800 1000 No ti n 4 3 400 4 00 A 1 1 1200 1800 C 3 2 700 900 B,D,E 6 4 600 1200 C 8 4 Total 5100 Duracin d l proy cto 9 10 11 12 13 Costos indir ctos 6.000 6.150 6.200 6.500 7.10 0 Solucin Clculo d las p ndi nt s Actividad A B C D E F G P ndi nt 300/1 = 300 4 00/2 = 200 200/1 = 200 No ti n 600/1 = 600 200/2 = 100 600/4 = 150 A B C E G Construccin d la r d D F Fj s qu la r d ti n tr s actividad s inicial s (A,B,C) y dos actividad s t rmi nal s (F,G)

La actividad D no ti n ductibl . 249

p ndi nt , qui r d cir llo qu su duracin normal s irr

Administracin d Proy ctos: Gantt, PERT, CPM A 2 0 2 4 6 2 B 5 0 5 2 7 2 C 4 0 4 0 4 0 D 1 2 3 6 7 4 F 6 7 13 7 13 0 E 3 4 7 4 7 0 G 8 4 12 5 13 1 Duracin: 13 S manas Costos dir ctos: $5.100 Ruta crtica: C-E-F Actividad d la rut a crtica a Disminuir n 1 s mana: F, con la m nor p ndi nt d $100/S mana. A 2 0 2 4 6 2 B 5 0 5 2 7 2 C4 0 4 0 4 0 D 1 2 3 6 7 4 F5 12 12 0 Duracin: 12 S manas Costos dir ctos: 5.100+100=$5.200 Rutas crticas: C-E-F y C-G A ctividad a disminuir n 1 s mana: C Aqu hay dos rutas crticas, fj s qu ti n n n comn la actividad C cuya p ndi nt s $200/s mana. Si disminuimos la actividad F n 1 s mana, por t n r la m nor p ndi nt n su ruta, la ruta crtica C-G sobr viv ir y disminuir mos la actividad G n 1 s mana, por t n r la m nor p ndi nt n su ruta d $150/s mana, lu go para disminuir la duracin d l proy cto d 12 a 11 s m anas nos cu sta 100+150= $250. m jor opcin s disminuir n 1 s mana la actividad comn C qu causa d inm diato la r duccin d 1 s mana n la duracin total d l proy cto y pasar d 12 a 11 s manas nos costar $200 n v z d $250 7 7 E 3 4 7 4 7 0 G 8 4 12 4 12 0 250

Administracin d Proy ctos: Gantt, PERT, CPM A 2 0 2 3 5 3 B 5 0 5 1 6 1 C3 0 3 0 3 0 D 1 2 3 5 6 3 F5 11 11 0 6 6 Duracin: 11 S manas Costos dir ctos: 5.200+200=$5.400 Rutas crtica: C-E-F y C-G Aq u la actividad comn C ha ll gado a su mnima duracin, lu go para r ducir n 1 s mana todo l proy cto d b mos consid rar las actividad s F y G, mnimas y r ducibl s ca da una n su ruta crtica r sp ctiva, los costos total s s incr m ntaran n 100+1 50= $250 E 3 3 6 3 6 0 G 8 3 11 3 11 0 A 2 0 2 3 5 3 B 5 0 5 1 6 1 C3 0 3 0 3 0 D 1 2 3 5 6 3 F4 10 10 0 6 6 Duracin: 10 S manas Costos dir ctos: 5.400+100+150= $5.650 Rutas crtica: C-E-F y C -G Aqu, p rsist n las dos rutas crticas, n CE-F la nica qu s pu d r ducir s E con una p ndi nt d $600/s mana y n la ruta crtica C-G la nica r ducibl s G, c on una p ndi nt d $150/s mana, lu go r ducir l proy cto n 1 s mana cu sta 60 0+150= $750 E 3 3 6 3 6 0 G7 3 10 3 10 0 251

Administracin d Proy ctos: Gantt, PERT, CPM A 2 0 2 2 4 2 B 5 0 5 0 5 0 C3 0 3 0 3 0 E 2 3 5 3 5 0 G6 3 9 3 9 0 D 1 2 3 4 5 2 F4 5 9 5 9 0 Duracin: 9 S manas Costos dir ctos: 5.650+600+150= $6.400 Rutas crtica: B-F, C-E-F y C-G Aqu, ya h mos cons guido los costos dir ctos para 9,10,11,12 y 13 s manas. Tabla r sum n Duracin d l proy cto 9 10 11 12 13 Costos indir ctos 6.000 6.150 6. 200 6.500 7.100 Costos dir ctos 6.400 5.650 5.400 5.200 5.100 Costos Total s 12. 400 11.800 11.600 11.700 12.200 En la tabla r sum n s obs rva qu l proy cto s d b hac r n 11 s manas para lograr un costo total mnimo d $11.600 Costos ($) Costos Total s Costo Total $11.600 Mnimo Costos Indir ctos Costos Dir ctos 11 Du racin a Costo Total Mnimo Duracin (S manas) 252

Apndic 1 L cturas Historia d la Inv stigacin d Op racion s D finicion s d Inv stigacin d Op raci on s Biografa d G org B rnard Dantzig El analsta d Inv stigacin d Op racion s L a Inv stigacin d Op racion s n la prctica Mod los d Inv stigacin d Op racion s Historia d la Inv stigacin d Op racion s D sd l adv nimi nto d la R volucin In dustrial, l mundo ha sido t stigo d un cr cimi nto sin pr c d nt s n l tamao y la compl jidad d las organizacion s. Los p qu os tall r s art sanal s s convi rti ron n las actual s corporacion s d mil s d millon s d dlar s. Una part i nt gral d st cambio r volucionario fu l gran aum nto d la divisin d l traba jo y n la s paracin d las r sponsabilidad s administrativas n stas organizaci on s. Los r sultados han sido sp ctacular s. Sin mbargo, junto con los b n fic ios, l aum nto n l grado d sp cializacin cr nu vos probl mas qu ocurr n has ta la f cha n muchas mpr sas. Uno d stos probl mas s la t nd ncia d muchos d los compon nt s d la organizacin a conv rtirs n imp rios r lativam nt autn omos, con sus propias m tas y sist mas d valor s, p rdi ndo con sto la visin d cmo sus actividad s y obj tivos ncajan con los d toda la organizacin. Lo qu s m jor para un compon nt , pu d ir n d trim nto d otro, d man ra qu pu d n t rminar trabajando con obj tivos opu stos. Un probl ma r lacionado con sto s qu , conform la compl jidad y la sp cializacin cr c n, s vu lv ms difcil asigna r los r cursos disponibl s a las dif r nt s actividad s d la man ra ms ficaz pa ra la organizacin como un todo. Est tipo d probl mas, y la n c sidad d ncontr ar la m jor forma d r solv rlos, proporcionaron l ambi nt ad cuado para l su rgimi nto d la inv stigacin d op racion s. Las rac s d la inv stigacin d op rac ion s s r montan a muchas dcadas, cuando s hici ron los prim ros int ntos para mpl ar l nfoqu ci ntfico n la administracin d una mpr sa. Sin mbargo, l i nicio d la actividad llamada inv stigacin d op racion s, casi si m253

pr s atribuy a los s rvicios militar s pr stados a principios d la S gunda G u rra Mundial. D bido a los sfu rzos blicos, xista una n c sidad urg nt d asig nar r cursos scasos a las distintas op racion s militar s y a las actividad s d ntro d cada op racin, n la forma ms f ctiva. Por todo sto, las administracion s militar s am ricana ingl sa hici ron un llamado a un gran nm ro d ci ntficos para qu aplicaran l nfoqu ci ntfico a st y a otros probl mas d strat gia y tctica. D h cho, s l s pidi qu hici ran inv stigacin sobr op racion s militar s. Estos quipos d ci ntficos fu ron los prim ros quipos d inv stigacin d op r acion s. Sus sfu rzos contribuy ron d una man ra d finitiva al triunfo d l com bat ar o ingls n la isla d Campaa n l Pacfico, d la batalla d l Atlntico Nort y d muchas otras. Estimulados por l vid nt xito d la inv stigacin d op racio n s n lo militar, los industrial s com nzaron a int r sars n st nu vo campo . Como la xplosin industrial s gua su curso al t rminar la gu rra, los probl mas causados por l aum nto d la compl jidad y sp cializacin d ntro d las organiza cion s pasaron a prim r plano. Com nz a s r vid nt para un gran nm ro d p rsona s, incluy ndo a los consultor s industrial s qu haban trabajado con o para los quipos d inv stigacin d op racion s durant la gu rra, qu stos probl mas ran bsicam nt los mismos qu los nfr ntados por la milicia, p ro n un cont xto di f r nt . D sta forma, la inv stigacin d op racion s com nz a introducirs n la industria, los n gocios y l gobi rno. Para 1951, ya s haba introducido por com pl to n Gran Br taa y staba Estados Unidos n proc so d hac rlo. S pu d n id ntificar por lo m nos otros dos factor s qu jugaron un pap l important n l d sarrollo d la inv stigacin d op racion s durant st p riodo. Uno s l gran progr so qu ya s haba h cho n l m jorami nto d las tcnicas disponibl s n st a r a. D spus d la gu rra, muchos ci ntficos qu haban participado n los quipos d inv stigacin d op racion s o qu t nan informacin sobr st trabajo, s ncontr aban motivados a buscar r sultados sustancial s n st campo; d sto r sultaro n avanc s important s. Un j mplo sobr sali nt s l mtodo simpl x para r solv r probl mas d programacin lin al, d sarrollado n 1947 por G org Dantzig. Muchas d las h rrami ntas caract rsticas d la inv stigacin d op racion s, como progra macin lin al, programacin dinmica, ln as d sp ra y t ora d inv ntarios, fu ron d s arrolladas casi por compl to ant s d l trmino d la dcada d 1950. Ad ms d l rpido d sarrollo t rico, l s gundo factor qu dio un gran mp tu a la inv stigacin d op r acion s fu l adv nimi nto d las computadoras. Para man jar d una man ra f c tiva los compl jos probl mas inh r nt s a sta disci254

Apndic

plina, por lo g n ral s r qui r un gran nm ro d clculos; ll varlos a cabo a man o pu d r sultar casi imposibl . Entonc s l d sarrollo d la computadora l ctrn ica digital, con su capacidad para r alizar clculos aritmticos, mil s o tal v z mi llon s d v c s ms rpido qu los s r s humanos, fu una gran ayuda para la inv sti gacin d op racion s. Hilli r F.S., Li b rman G. J., Introduccin a la Inv stigacin d Op racion s, Mc Graw Hill, Quinta Edicin. Los inicios d lo qu hoy s conoc c omo Inv stigacin d Op racion s s r montan a los aos 1759 cuando l conomista Qu snay mpi za a utilizar mod los primitivos d programacin mat mtica. Ms tard , otr o conomista d nombr Walras, hac uso, n 1874, d tcnicas similar s. Los mod l os lin al s d la Inv stigacin d Op racion s ti n n como pr cursor s a Jordan n 1873, Minkowsky n 1896 y a Farkas n 1903. Los mod los dinmicos probabilsticos t i n n su orig n con Markov a fin s d l siglo pasado. El d sarrollo d los mod lo s d inv ntarios, as como l d ti mpos y movimi ntos, s ll va a cabo por los aos v int s d st siglo, mi ntras qu los mod los d ln a d sp ra s originan co n los studios d Erlang, a principios d l siglo XX. Los probl mas d asignacin s studian con mtodos mat mticos por los hngaros Konig y Eg rvary n la s gunda y t rc ra dcadas d st siglo. Los probl mas d distribucin s studian por l ruso Kantorovich n 1939. Von N uman cimi nta n 1937 lo qu aos ms tard culminara com o la T ora d Ju gos y la T ora d Pr f r ncias ( sta ltima d sarrollada n conjunt o con Morg nst rn). Hay qu hac r notar qu los mod los mat mticos d la Inv stig acin d Op racion s qu utilizaron stos pr cursor s, staban basados n l Clculo Dif r ncial Int gral (N wton, Lagrang , Laplac , L b sgu , L ibnitz, R imman, Sti ltj s, por m ncionar algunos), la Probabilidad y la Estadstica (B rnoulli, P oisson, Gauss, Bay s, Goss t, Sn d cor, tc.). No fu sino hasta la S gunda Gu r ra Mundial, cuando la Inv stigacin d Op racion s mp z a tomar aug . Prim ro s l utiliz n la logstica stratgica para v nc r al n migo (T ora d Ju gos) y, ms tar d al finalizar la gu rra, n la logstica d distribucin d todos los r cursos mil itar s d los aliados disp rsos por todo l mundo. Fu d bido pr cisam nt a st ltimo probl ma, qu la fu rza ar a nort am ricana, a travs d su c ntro d inv st igacin Rand Corporation, comision a un grupo d mat mticos para qu r solvi ra st probl ma qu staba consumi ndo tantos r cursos humanos, financi ros y mat rial s. Fu l doctor G org Dantzig, l qu n 1947, r sumi ndo l trabajo d mucho s d sus pr cursor s, inv ntara l mtodo Simpl x, 255

Apndic

con lo cual dio inicio a la Programacin Lin al. Con l avanc d las computadoras digital s s mp z a xt nd r la Inv stigacin d Op racion s, durant la d c na d los cincu nta n las r as d Programacin Dinmica (B llman), Programacin No Lin al (Kuhn y Tuck r), Programacin Ent ra (Gomory), R d s d Optimizacin (Ford y Fulk rs on), Simulacin (Markowitz), Inv ntarios (Arrow, Karlin, Scarf, Whitin), Anlisis d D cision s (Raiffa) y Proc sos Markovianos d D cisin (Howard). La g n ralizacin d la Inv stigacin d Op racion s ha tratado d darla Churchman, Ackoff y Arnoff. Prawda Juan, Mtodos y Mod los d Inv stigacin d Op racion s, Ed. Limusa Algunas D finicion s D Inv stigacin D Op racion s La Inv stigacin d Op racion s s la a plicacin, por grupos int rdisciplinarios, d l mtodo ci ntfico a probl mas r laciona dos con l control d las organizacion s o sist mas a fin d qu s produzcan so lucion s qu m jor sirvan a los obj tivos d toda organizacin. Ackoff, R. L. y Sas i ni M. W. Fundam ntals of Op rations R s arch, John Wil y & Sons,1968 Qu s la inv stigacin d op racion s? Una man ra d tratar d r spond r a sta pr gunta s da r una d finicin. Por j mplo, la inv stigacin d op racion s pu d d scribirs com o un nfoqu ci ntfico d la toma d d cision s qu r qui r la op racin d sist m as organizacional s. Sin mbargo, sta d scripcin, al igual qu los int ntos ant rior s d dar una d finicin, s tan g n ral qu s pu d aplicar a muchos otros c ampos. Por lo tanto, tal v z la m jor forma d nt nd r la natural za nica d la inv stigacin d op racion s s a xaminar sus caract rsticas sobr sali nt s. Como s u nombr lo dic , la inv stigacin d op racion s significa hac r inv stigacin sobr las op racion s. Esto dic algo tanto d l nfoqu como d l r a d aplicacin. Enton c s, la inv stigacin d op racion s s aplica a probl mas qu s r fi r n a la co nduccin y coordinacin d op racion s o actividad s d ntro d una organizacin. La na tural za d la organizacin s s ncialm nt inmat rial y, d h cho, la inv stigac in d op racion s s ha aplicado n los n gocios, la industria, la milicia, l go bi rno, los hospital s, tc. As, la gama d aplicacion s s xtraordinariam nt a mplia. El nfoqu d la inv stigacin d op racion s s l mismo d l mtodo ci ntfico . En particular, l proc so comi nza por la obs rvacin cuidadosa y la formulacin d l probl ma y sigu con la construccin d un mod lo 256

Apndic

ci ntfico (por lo g n ral mat mtico) qu int nta abstra r la s ncia d l probl ma r al. En st punto s propon la hipt sis d qu l mod lo s una r pr s ntacin l o sufici nt m nt pr cisa d las caract rsticas s ncial s d la situacin como par a qu las conclusion s (solucion s) obt nidas s an vlidas tambin para l probl ma r al. Esta hipt sis s v rifica y modifica m diant las pru bas ad cuadas. Entonc s, n ci rto modo, la inv stigacin d op racion s incluy la inv stigacin ci ntfic a cr ativa d las propi dad s fundam ntal s d las op racion s. Sin mbargo, xi st ms qu sto. En particular, la inv stigacin d op racion s s ocupa tambin d l a administracin prctica d la organizacin. As, para t n r xito, d b r tambin proporcio ar conclusion s positivas y claras qu pu da usar l tomador d d cision s cuand o las n c sit . Una caract rstica ms d la inv stigacin d op racion s s su amplio punto d vista. Como qu d implcito n la s ccin ant rior, la inv stigacin d op rac ion s adopta un punto d vista organizacional. Pu d d cirs qu int nta r solv r los conflictos d int r s s ntr los compon nt s d la organizacin d forma qu l r sultado s a l m jor para la organizacin compl ta. Esto no significa qu l studio d cada probl ma d ba consid rar n forma xplcita todos los asp ctos d la organizacin sino qu los obj tivos qu s buscan d b n s r consist nt s con los d toda lla. Una caract rstica adicional, qu s m ncion incid ntalm nt , s qu la inv stigacin d op racion s int nta ncontrar la m jor solucin, o la solucin ptima, al probl ma bajo consid racin. En lugar d cont ntars con slo m jorar l stado d las cosas, la m ta s id ntificar l m jor curso d accin posibl . Aun c uando d b int rpr tars con todo cuidado, sta bsqu da d la optimalidad s un asp cto muy important d ntro d la inv stigacin d op racion s. Todas stas caract rsticas ll van d una man ra casi natural a otra. Es vid nt qu no pu d sp ra rs qu un solo individuo s a un xp rto n todos los mltipl s asp ctos d l traba jo d inv stigacin d op racion s o d los probl mas qu s studian; s r qui r un grupo d individuos con div rsos ant c d nt s y habilidad s. Entonc s, cuand o s va a r alizar un studio d inv stigacin d op racion s compl to d un nu vo probl ma, por lo g n ral s n c sario organizar un quipo. st d b incluir indi viduos con ant c d nt s firm s n mat mticas, stadstica y t ora d probabilidad s, al igual qu n conoma, administracin d mpr sas, computacin l ctrnica, ing ni ra , ci ncias fsicas y d l comportami nto y, por supu sto, n las tcnicas sp cial s d inv stigacin d op racion s. El quipo tambin n c sita t n r la xp ri ncia y l as habilidad s n c sarias para p rmitir la consid racin ad cuada d todas las ram ificacion s d l 257

Ap ndic

probl ma a travs d la organizacin y para j cutar fici nt m nt todas las fas s d l studio. En r sum n, la inv stigacin d op racion s s ocupa d la toma d d cision s ptima y d l mod lado d sist mas d t rminsticos y probabilsticos qu s or igina n la vida r al. Estas aplicacion s, qu ocurr n n l gobi rno, n los n gocios, n la industria, n ing ni ra, n conoma y n las ci ncias natural s y so cial s, s caract rizan, n gran part , por la n c sidad d asignar r cursos sc asos. En stas situacion s, s pu d obt n r un conocimi nto profundo d l probl ma a partir d l anlisis ci ntfico qu proporciona la inv stigacin d op racion s. L a contribucin d l nfoqu d inv stigacin d op racion s provi n principalm nt d : 1.- La structuracin d una situacin d la vida r al como un mod lo mat mtico, c on lo qu s logra una abstraccin d los l m ntos s ncial s para qu pu da busc ars una solucin qu concu rd con los obj tivos d l tomador d d cision s. Esto implica tomar n cu nta l probl ma d ntro d l cont xto d l sist ma compl to. 2. - El anlisis d la structura d tal s solucion s y l d sarrollo d proc dimi nt os sist mticos para obt n rlas. 3.-El d sarrollo d una solucin, incluy ndo la t o ra mat mtica, si s n c sario, qu ll v al valor ptimo d la m dida d lo qu s sp ra d l sist ma (o quiz qu compar los cursos d accin alt rnativos valuando sta m dida para cada uno). Hilli r, F. S. y Li b rman G J. Introduccin a la Inv s tigacin d Op racion s, Mc Graw Hill, 1994 El ramo d la inv stigacin op racional d sci nd - bajo ci rtos asp ctos- d la administracin ci ntfica, incr m ntada por mtodos ms r finados (principalm nt mat mticos): la t cnologa computacional y d una ori ntacin rumbo a los probl mas ms amplios. La Inv stigacin d Op racion s adopta l mtodo ci ntfico como structura para la solucin d los probl mas, dando mayor nf asis al juicio obj tivo qu al juicio subj tivo. Los autor s d la scu la mat mt ica, provi n n la mayora d la mat mtica, d la stadstica, d la ing ni ra y d la conoma y pos n una ori ntacin ntidam nt tcnico- conmica y strictam nt racional y lgica. Las d finicion s d I.O. (Inv stigacin d Op racion s) varan d sd tcnicas m at mticas sp cficas hasta l mtodo ci ntfico n s. Muchas d las d finicion s incluy n tr s asp ctos bsicos al nfoqu d I. O. Para la toma d d cision s administra tivas: 258

Ap ndic

1.- Una visin sist mtica d l probl ma a s r r su lto. 2.-Una concordancia n cuant o al uso d mtodo ci ntfico n la r solucin d probl mas. 3.- La utilizacin d tcnica s sp cficas d stadstica, probabilidad y mod los mat mticos para ayudar a qui n t oma las d cision s a r solv r l probl ma. La I.O. s consid rada simpl m nt un a t ora d la d cisin aplicada : la inv stigacin op racional utiliza cualqui r mtodo c ntfico, mat mtico o lgico, para hac r fr nt a los probl mas qu s pr s ntan cuan do l j cutivo busca un raciocinio ficaz para nfr ntar sus probl mas d d cis in. En su s ntido ms amplio, la I.O. pu d s r caract rizada como la aplicacin d mto dos ci ntficos, tcnicas ci ntficas instrum ntos ci ntficos a probl mas qu involuc ran op racion s d sist mas, d modo qu prov an a los j cutivos r sponsabl s d las op racion s, solucion s ptimas para los probl mas. El nfoqu d I.O. incorp ora l nfoqu sist mtico al r conoc r qu las variabl s int rnas n los probl ma s d cisorial s son int rd p ndi nt s int rr lacionadas. La inv stigacin op raci onal s la aplicacin d mtodos, tcnicas instrum ntos ci ntficos a los probl mas qu nvu lv n las op racion s d un sist ma, d modo qu proporcion , a los qu con trolan l sist ma, solucion s ptimas para l probl ma obs rvado. Esta s ocupa g n ralm nt d op racion s d un sist ma xist nt ..., sto s, mat rial s, n rgas, p rsonas y mquinas ya xist nt s. El obj tivo d la inv stigacin op racional s capac itar la administracin para r solv r probl mas y tomar d cision s. Los principal s campos d aplicacin d la I.O. son: a. R lativa a p rsonas: 1.- Organizacin y g r ncia. 2.- Aus ntismo y r lacion s d trabajo. 3.- Economa. 4.- D cision s individ ual s. 5.- Inv stigacion s d m rcado. b. R lativa a p rsonas y mquinas: 1.- Efic i ncia y productividad. 2.- Organizacin d flujos n fbricas. 3.- Mtodos d control d calidad, insp ccin y mu str o. 4.- Pr v ncin d accid nt s. 5.- Organizacin d cambios t cnolgicos. c. R lativa a movimi ntos: 259

Ap ndic

1.- Transport . 2.- Almac nami nto, distribucin y manipulacin. 3.- Comunicacion s. Chiav nato Idalb rto, Introduccin a la T ora G n ral d Administracin, Mc. Graw Hi ll, 1989 G org Dantzig: Fundador d la Programacin Lin al SIAM N ws, Novi mbr d 1994 A p sar d los grand s ad lantos n la optimizacin computacional ocurridos durant los ltimos 20 aos (por j mplo, los avanc s n los mtodos d punto int rio r), l mtodo Simpl x inv ntado por G org B. Dantzig n 1947 s an la h rrami nta principal n casi todas las aplicacion s d la programacin lin al. Dantzig s con sid rado como uno d los tr s fundador s d la programacin lin al, comparti ndo d icho honor con Von N umann y Kantorovich. A travs d su inv stigacin n t ora mat mt ica, computacin, anlisis conmico y aplicacion s d probl mas industrial s ha logra do contribuir ms qu cualqui r otro inv stigador al d sarrollo d la programacin l in al. El trabajo d Dantzig ha sido r conocido con num rosos honor s, d ntr los cual s sobr sal n: La M dalla Nacional d la Ci ncia (1975), l Pr mio John Von N umann d la Soci dad Am ricana d Inv stigacin d Op racion s y l Institut o d Ci ncias Administrativas (1974), la m mbr sa n la Acad mia Nacional d Ci n cias, la Acad mia Nacional d Ing ni ra y la Acad mia Am ricana d Ci ncia y Art . La programacin lin al y sus d rivados (tal s como la optimizacin no lin al con r striccion s y la programacin nt ra) han sido capac s d pasar la pru ba d l ti mpo sin d bilitars , y n nu stros das af ctan las prcticas conmicas d las organi zacion s y sus administracion s. El ci ntfico computacional Laszolo Lovasz dijo n 1980, Si s tomaran stadsticas ac rca d cul probl ma mat mtico usa la mayora d l ti mpo computacional n l mundo (sin incluir probl mas d man jo d bas s d da tos, como la bsqu da y ord nami nto), s guram nt la r spu sta s ra la programacin lin al. En s mismo ao Eug n Lawl r d B rk l y dijo lo sigui nt : La programacin lin al s usa para asignar r cursos, plan ar la produccin, plan ar l horario d trabajador s, plan ar la cart ra d inv rsin y formular strat gias d m rcado (y militar s). La v rsatilidad impacto conmico d la programacin lin al n l mun do industrial actual s r alm nt impr sionant s. En palabras d l propio Dantzig: El tr m ndo pod r d l mtodo Simpl x 260

Ap ndic

m sorpr nd constant m nt . Citando l simpl j mplo d l probl ma d asignacin ( 70 p rsonas para 70 tar as) y l norm pod r computacional qu s r qu rira para analizar todas las p rmutacion s y s l ccionar la solucin ptima, obs rv lo sigui n t : slo toma un mom nto ncontrar la solucin ptima usando una computadora p rsonal y un paqu t qu man j l mtodo simpl x stndar. Dantzig scribi n 1991: s int r sa nt notar qu l probl ma original qu ocasion mi inv stigacin st todava p ndi nt , s d cir, l probl ma d la plan acin dinmica a travs d l ti mpo, particularm nt bajo condicion s d inc rtidumbr . Si st tipo d probl mas pudi ran r solv rs satisfactoriam nt , s podra contribuir (tras una bu na plan acin) al m jorami nt o d st mundo y d l s r humano. La contribucin d Dantzig, s gn sus xplicacion s , naci d su xp ri ncia n l P ntgono durant la S gunda Gu rra Mundial, n dond s convirti n xp rto n programacin (mtodos d plan acin h chos con calculadoras ). En 1946, como cons j ro mat mtico d la Fu rza Ar a Nort am ricana, tuvo l r t o d m canizar los proc sos d plan acin. En aqu llos ti mpos d computadoras pr - l ctrnicas, m canizar qu ra d cir usar aparatos analgicos o mquinas d tarj tas p rforadas. (Programar ra un trmino militar qu no s r f ra a las instruccion s usad as por la computadora para r solv r probl mas, sino a los plan s o cal ndarizaci on s propu stas para l ntr nami nto, logstica, o d spli gu d unidad s d comb at . El nombr d programacin lin al, qu ha confundido a mucha g nt , st basado n la d finicin militar d programa). Los qu mandan g n ralm nt mu v n las manos y d ic n H consid rado todas las alt rnativas. P ro so s casi si mpr basura. Lo ms probabl s qu no pudi s n studiar todas las combinacion s. G org B rnard Dant zig naci l 8 d Novi mbr d 1914 n Prtland, Or gon, USA. Actualm nt s prof so r mrito n l d partam nto d Inv stigacin d Op racion s d la Univ rsidad d St anford. S r comi nda consultar la sigui nt dir ccin n int rn t www.stanford. d u/d pt/ sor/p opl /faculty/dantzig/ G org B. Dantzig , l cr ador d la progra macin lin al, n una ntr vista publicada n Th Coll g Math matical Journal, Ma rzo d 1986. S pr s nta a continuacin, part d sta ntr vista: Consid r l pro bl ma d asignar 70 hombr s a 70 mpl os. Una actividad consist n asignar l isim o hombr al j-simo mpl o. Las r striccion s son dos: n prim r lugar hay 70 homb r s, cada uno d los cual s d b asignars a un pu sto, y n s gundo lugar, cada uno d los 261

Ap ndic

70 pu stos xist nt s d b star ocupado. El niv l d una actividad pu d s r 1, lo cual indica qu st si ndo usada, o 0, lo cual significa qu no. En cons cu n cia hay 2 x 70 =140 r striccion s y 70 x 70 = 4900 actividad s con 4900 variabl s corr spondi nt s d d cisin unoc ro. Por d sgracia tambin hay factorial d 70 p rmutacion s o formas d hac r las asignacion s. El probl ma consist n comparar stas factorial d 70 formas y l gir la qu s a la ptima o m jor s gn algn crit rio pr viam nt stabl cido. En l j mplo ant rior, factorial d 70 s un nm ro muy g rand . A fin d t n r una id a d qu tan grand s, supngas qu s hubi s t nido una computadora IBM d l tipo main-fram n l instant n l qu ocurri l Big B ang hac quinc millon s d aos. Habra podido, ntr s ntonc s y ahora, xaminar todas las solucion s posibl s? No! No obstant , supngas qu s hubi s t nido un a computadora aun ms pod rosa, una qu pudi s xaminar mil millon s d asignacio n s por s gundo. La r spu sta s guira si ndo n gativa. Aun si la Ti rra s ll nas con computadoras cuyas rapid c s fu ran d nanos gundos, todas llas trabajand o n paral lo, la r spu sta aun s ra no. Sin mbargo, si xisti s n di z Ti rras, todas ll nas con computadoras d l tipo m ncionado, todas programadas n paral l o d sd l instant d l Big Bang hasta qu l Sol fu s una sf ra fra, ntonc s quizs la r spu sta podra s r s. Lo notabl s qu l mtodo Simpl x, con la ayuda d una computadora mod rna, pu d r solv r st probl ma n una fraccin d s gundo. Cu ando l probl ma d la plan acin fu formulado inicialm nt para la Fu rza Ar a, n o xista la nocin xacta d una funcin obj tivo, la id a d una m ta claram nt d f inida. Por supu sto, t namos slo un falso r sp to hacia l conc pto d obj tivo. E n l discurso d los militar s scuch a m nudo d cir, nu stro obj tivo s ganar la gu rra. En l mundo d los n gocios s scuchara quizs nu stro obj tivo s obt n r ganancias. Sin mbargo, ra imposibl hallar alguna r lacin dir cta ntr la m ta stabl cida y las accion s mpr ndidas para tal fin. Si s studiaba con cuidado l paso sigui nt , s poda v r qu algn ld r haba promulgado un montn d r glas bsicas qu , n su conc pto, ll varan a la m ta. Esto distaba mucho d lo qu s ra hon sta m nt studiar todas las combinacion s alt rnativas d las accion s a s guir par a l gir la m jor combinacin. Los qu mandan g n ralm nt mu v n las manos y dic n H consid rado todas las alt rnativas. P ro so s casi si mpr basura. Lo ms pro babl s qu no pudi s n studiar todas las combinacion s. Ant s d 1947 ra inc onc bibl p nsar 262

Ap ndic

n la xist ncia d una h rrami nta como la programacin lin al qu p rmiti s xa minar millon s d combinacion s. No haba algoritmo o h rrami nta computacional qu pudi ra hac r so. No d scubr l mod lo d la programacin lin al n un instant , s ino qu tuvo un proc so d volucin. S d dic casi un ao compl to a la tar a d d c idir si mi mod lo podra s r utilizado n la formulacin d probl mas prcticos d dis tribucin d ti mpos. Como ust d sab , la plan acin y la distribucin d ti mpos s l l varon a una scala inm nsa durant la gu rra. El funcionami nto d la Fu rza Ar a fu quival nt al funcionami nto d la conoma d toda una nacin. En l proc s o int rvini ron ci ntos d mil s d p rsonas. La logstica tuvo una magnitud difcil d nt nd r para algui n qu no haya stado all. Mi col ga Marshall Wood y yo r visamos mil s d situacion s tomadas d nu stra xp ri ncia durant la gu rra. Las r glas bsicas mpl adas n la plan acin s xpr saban n un formato compl tam nt distinto d l qu s mpl a n la actualidad para formular un programa lin al. L o qu hicimos fu r visar stas r glas una por una y d mostrar qu casi todas l las podan r formulars ac ptabl m nt n un formato d programacin lin al. P ro no todas. En algunos casos ra n c sario tomar n cu nta l carct r discr to d las variabl s y las no conv xidad s. Cuando formul por prim ra v z mi mod lo d progra macin lin al, lo hic sin una funcin obj tivo. Estuv luchando por algn ti mpo con la adicin d r glas bsicas para l gir d ntr las solucion s factibl s la qu n algn s ntido fu s ptima. P ro pronto abandon sta id a y la sustitu por la d una fu ncin obj tivo a s r maximizada. El mod lo qu formul no staba h cho sp cficam nt para fin s militar s. Poda aplicars a toda clas d probl mas d plan acin; todo lo qu t na qu hac rs ra cambiar los nombr s d las columnas y los r nglon s, y ntonc s ra aplicabl a un probl ma d plan acin conmica lo mismo qu a un pr obl ma d plan acin industrial. Biografa d G org B rnard Dantzig G org Dantzig s tudi d math matics at th Univ rsity of Maryland, r c iving his A.B. in 1936. Th following y ar h r c iv d an M.A. in math matics from th Univ rsity of Michi gan. Dantzig work d as a Junior Statistician in th U.S. Bur au of Labor Statist ics from 1937 to 1939, th n, from 1941 to 1946, h was h ad of th Combat Analys is Branch, U.S.A.F. H adquart rs Statistical Control. H r c iv d his doctorat in math matics from th Univ rsity of California, B rk l y in 1946. In that y ar h was appoint d Math mati263

Ap ndic

cal Advisor for USAF H adquart rs. In 1947 Dantzig mad th contribution to math matics for which h is most famous, th simpl x m thod of optimization. It gr w out of his work with th U.S. Air Forc wh r h b com an xp rt on planning m thods solv d with d sk calculators. In fact this was known as programming, a mili tary t rm that, at that tim , r f rr d to plans or sch dul s for training, logis tical supply or d ploym nt of m n. Dantzig m chaniz d th planning proc ss by in troducing lin ar programming, wh r programming has th military m aning xplain d a bov . Th importanc of lin ar programming m thods was d scrib d, in 1980, by La szlo Lovasz who wrot :If on would tak statistics about which math matical prob l m is using up most of th comput r tim in th world, th n ... th answ r woul d probably b lin ar programming. Also in 1980 Eug n Lawl r wrot :[Lin ar progr amming] is us d to allocat r sourc s, plan production, sch dul work rs, plan i nv stm nt portfolios and formulat mark ting (and military) strat gi s. Th v rs atility and conomic impact of lin ar programming in todays industrial world is t ruly aw som . Dantzig how v r mod stly wrot :Th tr m ndous pow r of th simpl x m thod is a constant surpris to m . Dantzig b cam a r s arch math matician wi th th RAND Corporation in 1952, th n in 1960 h was appoint d prof ssor at B rk l y and Chairman of th Op rations R s arch C nt r. Whil th r h wrot Lin ar programming and xt nsions (1963). In 1966 h was appoint d Prof ssor of Op rat ions R s arch and Comput r Sci nc at Stanford Univ rsity. His work in a wid ra ng of topics r lat d to optimization and op rations r s arch ov r th y ars has b n of major importanc . How v r, writing in 1991, Dantzig not d that:... it i s int r sting to not that th original probl m that start d my r s arch is stil l outstanding - nam ly th probl m of planning or sch duling dynamically ov r ti m , particularly planning dynamically und r unc rtainty. If 264

Ap ndic

such a probl m could b succ ssfully solv d it could v ntually through b tt r p lanning contribut to th w ll-b ing and stability of th world. Dantzig has r c iv d many honours including th Von N umann Th ory Priz in Op rational R s arc h in 1975. His work is summariz d by Stanford Univ rsity as follows:A m mb r of th National Acad my of Engin ring, th National Acad my of Sci nc , th Am ric an Acad my of Arts and Sci nc s and r cipi nt of th National M dal of Sci nc , plus ight honorary d gr s, Prof ssor Dantzigs s minal work has laid th foundat ion for much of th fi ld of syst ms ngin ring and is wid ly us d in n twork d sign and compon nt d sign in comput r, m chanical, and l ctrical ngin ring. Articl by: J J OConnor and E F Rob rtson El Analista d Inv stigacin d Op racion s Natural za d l Trabajo Dirigir una organizacin u op racin compl ja, tal como un a xt nsa planta manufactur ra, una a roln a, o un d spli gu militar r qui r co ordinacin pr cisa d mat rial s, mquinas y g nt . Los analistas d inv stigacin d op racion s ayudan a las organizacion s a coordinar y op rar d la man ra ms fic i nt aplicando mtodos ci ntficos y principios mat mticos a los probl mas organizac ional s. Los administrador s pu d n valuar alt rnativas y scog r l curso d a ccin ptimo para la organizacin. Los analistas d inv stigacin d op racion s, tambin llamados analistas d las ci ncias administrativas, son solucionador s d probl mas. Los probl mas qu atacan stn n su mayora r lacionados con las grand s organ izacion s d n gocios: strat gia, pronsticos, distribucin d r cursos, disposicin d m dios, control d inv ntarios, cal ndarizacin d p rsonal, y sist mas d dist ribucin. El mtodo qu usan g n ralm nt involucra un mod lo mat mtico (conjunto d cuacion s) qu xplica la man ra n qu ocurr n las cosas d ntro d la organiza cin. Dicho mod lo s una r pr s ntacin simplificada qu p rmit al analista dividi r los sist mas n part s, asignar valor s numricos a cada compon nt , y xaminar las r lacion s mat mticas ntr llos. Estos valor s pu d n s r alt rados para d t rminar qu ocurrira bajo dif r nt s circunstancias. Los principal s tipos d mod los son: simulacin, optimizacin lin al, r d s, ln as d sp ra, y 265

Ap ndic

t ora d ju gos. Los analistas d inv stigacin d op racion s hac n uso xt nsivo d los r cursos computacional s n su trabajo. G n ralm nt son xp rtos n l m an jo d bas s d datos, programacin, y d sarrollo d softwar sofisticado. La ma yora d los mod los r alizados por los analistas d inv stigacin d op racion s so n tan complicados qu slo una computadora los pu d r solv r fici nt m nt . Los probl mas qu manipulan varan s gn la industria. Por j mplo, un analista para una a roln a coordinar la cal ndarizacin d vu los y mant nimi nto, stimados d niv l d pasaj ros, y consumo d combustibl para producir un cal ndario qu optimic todos stos factor s y as as gur la s guridad y producir la mayor ganancia posi bl . Por otro lado, un analista mpl ado n un hospital s conc ntrar n dif r nt s probl mas, como l control d admisin d paci nt s, l man jo d l flujo d pac i nt s, la asignacin d turnos, monitor o d uso d s rvicios d farmacia y labor atorios, o l pronstico d la d manda para nu vos s rvicios d l hospital. El pap l d l analista d inv stigacin d op racion s vara d acu rdo a la structura y fi losofa administrativa d la compaa. Algunas mpr sas c ntralizan la inv stigacin d op racion s n un d partam nto; otras disp rsan l p rsonal d inv stigacin d op racion s a travs d todas las division s. Algunos analistas d inv stigacin d op racion s s sp cializan n un tipo d aplicacin; otros s g n ralizan. El grado d sup rvisin vara s gn la structura y xp ri ncia d la organizacin. En algunas mpr sas los analistas ti n n un grado muy alto d ind p nd ncia prof sional; n otras, los analistas son sup rvisados c losam nt . Los analistas d inv stigacin d op racion s ti n n una r lacin muy c rcana con los administrador s d alto niv l, qui n s ti n n una gran vari dad d r qu rimi ntos d soport . Los analistas d b n adaptar su trabajo para cubrir stas n c sidad s. Sin consid rar la stru ctura d la organizacin o la industria, la inv stigacin d op racion s vincula un conjunto similar d proc dimi ntos. Los administrador s comi nzan l proc so d s cribi ndo los sntomas d l probl ma al analista. El analista d fin ntonc s l pr obl ma, l cual algunas v c s s d natural za g n ral y otras s sp cfico. Por j mplo, un analista d una manufactur ra automotriz qu rr d t rminar l niv l pti mo d inv ntario d cada uno d los mat rial s para un nu vo proc so d produccin o, ms sp cficam nt , para d t rminar cunto ac ro d b s r almac nado. D spus d qu l analista d fin l probl ma, apr nd todo lo qu s pu d ac rca d l. Inv s tiga l probl ma, d spus lo divid n p qu os 266

Ap ndic

compon nt s. Entonc s acumula informacin ac rca d cada una d sas part s. G n r alm nt sto involucra consultar a un gran nm ro d p rsonal. Por j mplo, para d t rminar la cantidad ptima d ac ro a s r almac nado, l analista podra hablar co n los ing ni ros ac rca d los niv l s d produccin; discutir arr glos d adquisi cin con los comprador s industrial s; Y xaminar los datos d los costos d almac nami nto provistos por l d partam nto d contabilidad. Con sta informacin, l analista d inv stigacin d op racion s st listo para s l ccionar la tcnica analtic a ms apropiada. Pu d hab r muchsimas tcnicas qu s adapt n al probl ma, aunqu ta mbin pu d s r qu slo una s ajust a nu stras n c sidad s. En algunos casos, l analista d b construir un mod lo original para xaminar y xplicar l sist ma. En casi todos los casos, l mod lo s l ccionado d b d s r modificado para r fl jar las circunstancias sp cficas d la situacin. Un mod lo para la cal ndarizacin d vu los d una a roln a, por j mplo, pu d tomar n cu nta la cantidad d com bustibl r qu rido para las rutas d vu lo, varios niv l s d d manda d los pas aj ros, dif r nt s pr cios d los bol tos, cal ndarizacin d los pilotos, y costo s d mant nimi nto. El analista s l cciona los valor s para stas variabl s, ali m nta con llos a la computadora, la cual ha sido programada para hac r los clcul os r qu ridos, y corr l programa para producir l cal ndario ptimo d vu los. E n st punto, l analista pr s nta l trabajo final a la administracin ad ms d ci rtas r com ndacion s basadas n los r sultados d los anlisis. Para la toma fina l d d cision s s r qu rirn corridas adicional s basadas n dif r nt s suposicio n s. Una v z qu s toma una d cisin, l analista trabaja para as gurar su instru m ntacin. Condicion s d trabajo Los analistas d inv stigacin d op racion s g n ralm nt trabajan horas r gular s n ambi nt d oficina. D bido a qu trabajan n proy ctos qu son d int rs inm diato para la alta administracin, los analistas trabajan constant m nt bajo pr sin y por lo g n ral ms d 40 horas por s mana. E l trabajo s d natural za s d ntaria, y s r qui r muy poca fu rza fsica. Empl o El campo para los analistas d inv stigacin d op racion s fu d 57,000 mpl o s n 1990 n Estados Unidos. S r qui r n n la mayora d las industrias. Las mp r sas qu ms n c sitan los s rvicios d un analista d inv stigacin d op racion s son las manufactur ras d qumicos, maquinaria y quipo d transport ; mpr sas q u prov n s rvicios d transport y t l comunicacion s; bancos; ag ncias d 267

Ap ndic

s guros; mpr sas d s rvicios pblicos; y ag ncias gub rnam ntal s d todos los n iv l s. Algunos analistas trabajan n ag ncias d consultora administrativa qu d sarrollan aplicacion s d inv stigacin d op racion s para mpr sas qu no ti n n p rsonal d st tipo. La mayora d los analistas n l gobi rno trabajan para las fu rzas armadas. Ad ms, varios analistas qu trabajan n la industria privada trabajan tambin dir cta o indir ctam nt para la D f nsa Nacional. P rsp ctivas futuras d trabajo S sp ra qu las oportunidad s d trabajo para los analistas d inv stigacin d op racion s cr zcan mucho ms rpido qu l prom dio d las ocupa cion s hasta l ao 2005 d bido a la importancia qu st cobrando l anlisis cuantit ativo n la toma d d cision s y la cada v z mayor disponibilidad d r cursos co mputacional s. Cada v z ms organizacion s stn usando tcnicas d inv stigacin d op racion s para m jorar la productividad y r ducir los costos. Ad ms, hoy n da s p u d n ncontrar computadoras con las capacidad s r qu ridas para corr r aplicaci on s d inv stigacin d op racion s a muy bajos costos. Esto p rmit qu hasta la s mpr sas p qu as s int r s n por la inv stigacin d op racion s. Esta t nd ncia stimular n gran m dida la d manda d analistas d inv stigacin d op racion s n los prximos aos. S sp ra qu l mayor cr cimi nto d la d manda d trabajo ocu rra n los s ctor s d transport , manufactura, finanzas y s rvicios. Las mpr s as n stos s ctor s r conoc n qu l anlisis cuantitativo pu d ocasionar m jora s sustancial s n la fici ncia op rativa y las utilidad s. Cada v z ms a roln as, por j mplo, stn usando inv stigacin d op racion s para d t rminar la cal ndari zacin ptima d vu los y mant nimi nto, s l ccionar las m jor s rutas d s rvicio, analizar las caract rsticas d los cli nt s, y controlar l consumo d combustibl , ntr otras cosas. Las cad nas d mot l s stn com nzando a utilizar la inv st igacin d op racion s para m jorar su fici ncia. Por j mplo, analizan los patro n s d trfico d automvil s y las actitud s d los cli nt s para d t rminar la loc alizacin, tamao y stilo d los nu vos mot l s. La Inv stigacin D Op racion s n l a prctica En sta s ccin s pr s nta un br v panorama d las tcnicas d la Inv sti gacin d Op racion s. D spus s pr s ntan los r sultados d algunas inv stigacion s qu mu stran cul s tcnicas s han utilizado con mayor fr cu ncia n la prctica y qu s n c sario hac r para p rmitir al l ctor utilizar con xito la Inv stigacin d 268

Ap ndic

Op racion s a lo largo d su carr ra. Tcnicas d la ci ncia d la Inv stigacin d Op racion s En st t xto s d scrib n las sigui nt s tcnicas d la ci ncia d la Inv stigacin d Op racion s. Programacin lin al: s un mtodo d solucin d probl ma s qu s ha d sarrollado para situacion s qu implican la maximizacin o la minimi zacin d una funcin lin al suj ta a r striccion s lin al s qu limitan la m dida n la qu s pu d t nd r hacia la funcin obj tivo. Programacin lin al con nm ros n t ros: Es un mtodo qu s utiliza para probl mas qu pu d n s r plant ados como p rogramas lin al s, con l r quisito adicional d qu algunas o todas las d cisio n s r com ndadas d b n asumir valor s nt ros. Mod los d r d s: Es una r pr s n tacin grfica d un probl ma qu consist n p qu os crculos, a los qu s d nomina n odos, int rcon ctados por ln as a las qu s d nomina arcos. Exist n proc dimi nt os d solucin sp cializados para st tipo d probl mas qu p rmit n r solv r rpi dam nt muchos probl mas g r ncial s n r as como dis o d sist mas d transport , dis o d sist mas d informacin y programacin d proy ctos. Administracin d proy c tos PERT/CPM: En muchos casos los administrador s asum n la r sponsabilidad d l a plan acin, la programacin y l control d proy ctos qu constan d num rosas tar as o trabajos qu son ll vados a cabo por div rsos d partam ntos, p rsonas, tc . PERT y CPM son tcnicas qu ayudan a los administrador s a cumplir con sus r spo nsabilidad s n la administracin d proy ctos. Mod los d inv ntarios: Estos mod los s utilizan para auxiliar a administrador s qu nfr ntan los probl mas dual s d mant n r sufici nt s inv ntarios para satisfac r la d manda d bi n s y, a l mismo ti mpo, d incurrir n los m nor s costos posibl s por l mant nimi nto d sos inv ntarios. Mod los d ln as d sp ra (t ora d colas): S han d sarroll ado los mod los d ln as d sp ra (colas o filas) para ayudar a los administrado r s a compr nd r y a tomar m jor s d cision s con r sp cto a la op racin d sist mas qu implican ln as d sp ra. 269

Ap ndic

Simulacin n computadora: Esta s una tcnica qu s utiliza para nsayar mod los d la op racin d un sist ma n l ti mpo. Tal tcnica mpl a un programa computacio nal para mod lar la op racin y r alizar clculos sobr la simulacin. Anlisis d d cis ion s: El anlisis d d cision s pu d s rvir para d t rminar strat gias ptimas n situacion s n las qu xist n varias alt rnativas d d cisin y un patrn d v nt os inci rto o ll nos d ri sgo. Programacin d m tas: Esta s una tcnica qu s ut iliza para r solv r probl mas d d cision s con crit rios mltipl s, por lo g n ra l d ntro d una structura d programacin lin al. Proc so analtico d j rarquizacin . Es una tcnica d toma d d cision s con crit rios mltipl s qu p rmit la inclus in d factor s subj tivos para ll gar a la d cisin qu s r comi nda. Pronsticos: L os mtodos d pronstico s pu d n mpl ar para pr d cir asp ctos futuros d una op racin d n gocios. Mod los d proc sos d Markov: Los mod los d proc sos d Mark ov son til s para studiar la volucin d ci rtos sist mas d spus d varias r p tic ion s. Por j mplo, s han usado proc sos d Markov para d scribir la probabilid ad d qu una mquina qu st funcionando n un p riodo contin funcionando o s d s componga n otro p riodo. Programacin dinmica: Esta programacin s una tcnica qu p rmit d scompon r un probl ma grand d man ra qu , una v z qu s han r su lto los probl mas ms p qu os obt nidos n la d scomposicin, s ti n una solucin ptima pa ra l probl ma compl to. Mtodos qu s usan con mayor fr cu ncia Un studio r ali zado por Forgionn ac rca d j cutivos d mpr sas indica la fr cu ncia con la qu s utilizan div rsas tcnicas d la ci ncia d la Inv stigacin d Op racion s. Como s mu stra n la Tabla sigui nt , los mtodos qu s usan con mayor fr cu nci a son los mtodos stadsticos, la simulacin n computadora, PERT/CPM, programacin lin al y t ora d colas. Fr cu ncia d uso n % d r spu stas Nunca Mod rada Fr cu n t Estadstica Simulacin n computadora 270 1.6 12.9 38.7 53.2 59.7 33.9

Ap ndic

PERT/CPM Programacin lin al T ora d las colas Programacin no lin al Programacin dinm ica T ora d los ju gos 25.8 25.8 40.3 53.2 61.3 69.4 53.2 59.7 50.0 38.7 33.9 27.4 21.0 14.5 9,7 8.1 4.8 3,2 Estudio d L db tt r y Cox apoya stas conclusion s al j rarquizar, n ord n d uso, r gr sin (anlisis stadstico), programacin lin al, simulacin, mod los d r d s ( PERT/CPM), filas o colas, programacin dinmica y t ora d ju gos. Una inv stigacin d Thomas y DaCostaS mostraba qu l 88% d todas las mpr sas grand s utilizan lo s pronsticos y qu ms d 50% hac n uso d mtodos cuantitativos para programacin d l a produccin, control d inv ntarios, pr supu stos d capital y transport . Un st udio r alizado por Gaith r sobr las aplicacion s d la ci ncia d la administrac in n mpr sas manufactur ras apoya tambin la l vada fr cu ncia d utilizacin d l anlisis stadstico, la simulacin y la programacin lin al. Sin mbargo, PERT/CPM s l mtodo qu s id ntifica como l ms fr cu nt m nt mpl ado n las mpr sas manuf actur ras inv stigadas. Las mpr sas manufactur ras r portan tambin una utilizacin sup rior al prom dio d la t ora d colas, la programacin no lin al y la programa cin s gn nt ros. Como part d una inv stigacin sobr practicant s n l gobi rno, la industria y la acad mia, Shannon, Long y Buckl s pidi ron a administrador s n j rcicio qu s alaran si staban familiarizados con los div rsos mtodos cuanti tativos y si haban utilizado o no sos mtodos n aplicacion s sp cficas. Los r sul tados, qu s mu stran n la sigui nt Tabla, ofr c n apoyo adicional n l s nt ido d qu s probabl qu las tcnicas d la ci ncia d la administracin qu ms s conoc n y utilizan son programacin lin al, simulacin, anlisis d r d s y t ora d co las. Implicacion s para l uso d la ci ncia d la administracin R ci nt m nt , M organs r vis 12 inv stigacion s sobr mpr sas y 3 inv stigacion s sobr practica nt s qu s han r alizado n los ltimos 30 aos, incluy ndo todos los studios m nc ionados ant s. Mtodo Programacin Lin al Simulacin Anlisis d r d s Rango d Conocinm i nto 1 2 3 Uso(%) 83,8 80,3 58,1 271

Ap ndic

Ln as d sp ra rbol s d d cisin Programacin nt ra Anlisis d r posicin Programacin inmica Proc sos d Markov Programacin no lin al Programacin d m tas T ora d ju gos 4 5 6 7 8 9 10 11 12 54,7 54,7 38,5 38,5 32,5 31,6 30,7 20,5 13,7

Tomado d : Introduccin a los Mtodos Cuantitativos para administracin, por David R. And rson, D nnis J. Sw n y, Thomas A. Williams. Grupo Editorial Ib roam ricano. 272

Su anlisis apoya tambin l dato d qu PERT/CPM, Programacin lin al y simulacin s ncu ntran ntr los mtodos qu s utilizan con mayor fr cu ncia. Sin mbargo, y sto s ms important , d spus d r alizar un studio cuidadoso d los r sultados d todas las mpr sas, concluy qu (1) cualqui r mpr sa qu st mp zando a s rvirs d tcnicas d ci ncia d la administracin d b ubicar a los analistas n las r as funcional s y no n unidad s c ntralizadas; (2) l uso inicial d la ci ncia d la Inv stigacin d Op racion s s d b conc ntrar n las tcnicas qu s utilizan con mayor fr cu ncia y n las ms til s; y (3) la m jor man ra d liminar las barr ras qu s opon n al uso d la ci ncia d la administracin s haci ndo qu los a dministrador s compr ndan m jor las tcnicas d la ci ncia d la administracin. Ad ms, para lograr la confianza y l apoyo d los administrador s d prim r niv l, l analista d CA/IO d b apr nd r a v nd r sus mtodos y solucion s, haci ndo sp ci al nfasis n l m jorami nto d la comunicacin con los administrador s.

Apndic

D t rminsticos Optimizacin no lin al Mtodos Clsicos Mtodos d bsqu da Programacin no Lin al Optimizac in lin al Programacin Lin al Transport y Asignacin Programacin Ent ra y 0,1 R d s Hbridos Programacin Dinmica Inv ntarios

Simulacin PERT CPM Mtodos H ursticos 273

Estocsticos Programacin Estocstica Ln as d gos

sp ra Proc sos Estocsticos T ora d d cision s y ju

Mod los d la Inv stigacin d Op racion s Mod los d Inv stigacin d

Op racion s

Apndic

274

Estandarizacin

Ap ndic 2 0 Z Distribucin d Probabilidad Normal Acumulada (0,1) Z 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1. 9 2.0 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 3.0 3.1 3.2 3.3 3.4 3.5 3.6 3.7 3.8 3. 9 0.00 0.5000 0.5398 0.5793 0.6179 0.6554 0.6915 0.7257 0.7580 0.7881 0.8159 0.8 413 0.8643 0.8849 0.9032 0.9192 0.9332 0.9452 0.9554 0.9641 0.9713 0.9772 0.9821 0.9861 0.9893 0.9918 0.9938 0.9953 0.9965 0.9974 0.9981 0.9987 0.9990 0.9993 0. 9995 0.9997 0.9998 0.9998 0.9999 0.9999 1.0000 0.01 0.5040 0.5438 0.5832 0.6217 0.6591 0.6950 0.7291 0.7611 0.7910 0.8186 0.8438 0.8665 0.8869 0.9049 0.9207 0.9 345 0.9463 0.9564 0.9649 0.9719 0.9778 0.9826 0.9864 0.9896 0.9920 0.9940 0.9955 0.9966 0.9975 0.9982 0.9987 0.9991 0.9993 0.9995 0.9997 0.9998 0.9998 0.9999 0. 9999 1.0000 0.02 0.5080 0.5478 0.5871 0.6255 0.6628 0.6985 0.7324 0.7642 0.7939 0.8212 0.8461 0.8686 0.8888 0.9066 0.9222 0.9357 0.9474 0.9573 0.9656 0.9726 0.9 783 0.9830 0.9868 0.9898 0.9922 0.9941 0.9956 0.9967 0.9976 0.9982 0.9987 0.9991 0.9994 0.9995 0.9997 0.9998 0.9999 0.9999 0.9999 1.0000 0.03 0.5120 0.5517 0.59 10 0.6293 0.6664 0.7019 0.7357 0.7673 0.7967 0.8238 0.8485 0.8708 0.8907 0.9082 0.9236 0.9370 0.9484 0.9582 0.9664 0.9732 0.9788 0.9834 0.9871 0.9901 0.9925 0.9 943 0.9957 0.9968 0.9977 0.9983 0.9988 0.9991 0.9994 0.9996 0.9997 0.9998 0.9999 0.9999 0.9999 1.0000 0.04 0.5160 0.5557 0.5948 0.6331 0.6700 0.7054 0.7389 0.77 04 0.7995 0.8264 0.8508 0.8729 0.8925 0.9099 0.9251 0.9382 0.9495 0.9591 0.9671 0.9738 0.9793 0.9838 0.9875 0.9904 0.9927 0.9945 0.9959 0.9969 0.9977 0.9984 0.9 988 0.9992 0.9994 0.9996 0.9997 0.9998 0.9999 0.9999 0.9999 1.0000 0.05 0.5199 0 .5596 0.5987 0.6368 0.6736 0.7088 0.7422 0.7734 0.8023 0.8289 0.8531 0.8749 0.89 44 0.9115 0.9265 0.9394 0.9505 0.9599 0.9678 0.9744 0.9798 0.9842 0.9878 0.9906 0.9929 0.9946 0.9960 0.9970 0.9978 0.9984 0.9989 0.9992 0.9994 0.9996 0.9997 0.9 998 0.9999 0.9999 0.9999 1.0000 0.06 0.5239 0.5636 0.6026 0.6406 0.6772 0.7123 0 .7454 0.7764 0.8051 0.8315 0.8554 0.8770 0.8962 0.9131 0.9279 0.9406 0.9515 0.96 08 0.9686 0.9750 0.9803 0.9846 0.9881 0.9909 0.9931 0.9948 0.9961 0.9971 0.9979 0.9985 0.9989 0.9992 0.9994 0.9996 0.9997 0.9998 0.9999 0.9999 0.9999 1.0000 0.0 7 0.5279 0.5675 0.6064 0.6443 0.6808 0.7157 0.7486 0.7794 0.8078 0.8340 0.8577 0 .8790 0.8980 0.9147 0.9292 0.9418 0.9525 0.9616 0.9693 0.9756 0.9808 0.9850 0.98 84 0.9911 0.9932 0.9949 0.9962 0.9972 0.9979 0.9985 0.9989 0.9992 0.9995 0.9996 0.9997 0.9998 0.9999 0.9999 0.9999 1.0000 0.08 0.5319 0.5714 0.6103 0.6480 0.684 4 0.7190 0.7517 0.7823 0.8106 0.8365 0.8599 0.8810 0.8997 0.9162 0.9306 0.9429 0 .9535 0.9625 0.9699 0.9761 0.9812 0.9854 0.9887 0.9913 0.9934 0.9951 0.9963 0.99 73 0.9980 0.9986 0.9990 0.9993 0.9995 0.9996 0.9997 0.9998 0.9999 0.9999 0.9999 1.0000 0.09 0.5359 0.5753 0.6141 0.6517 0.6879 0.7224 0.7549 0.7852 0.8133 0.838 9 0.8621 0.8830 0.9015 0.9177 0.9319 0.9441 0.9545 0.9633 0.9706 0.9767 0.9817 0 .9857 0.9890 0.9916 0.9936 0.9952 0.9964 0.9974 0.9981 0.9986 0.9990 0.9993 0.99 95 0.9997 0.9998 0.9998 0.9999 0.9999 0.9999 1.0000 275

Funcin d

d nsidad

276

Bibliografa BAZARAA, Mokhtar S., JARVIS, John J., SHERALI, Hanif D., Programacin Lin al y flu jo d r d s. Editorial Limusa S.A. d C.V. Grupo Nori ga Editor s, Bald ras 95, Mxico D. F. S gunda dicin. 1.998 CHANG, Yih-Long. WinQsb, Soport para l softwar . John Wil y & Sons, Inc. 1.998 EPPEN D. G., GOULD F. J., SCHMIDT C. P. Inv sti gacin d op racion s n la ci ncia administrativa., Editorial Pr ntic Hall Hispan oam ricana S.A., Mxico. T rc ra dicin 1.992 GALLEGHER Charl s A., HUNG, J. Watson . Mtodos cuantitativos para la toma d d cision s n la administracin. Editorial M cGraw-Hill Int ram ricana, Mxico. Prim ra dicin 1.982 GONZALEZ ARIZA, Ang l L n. M anual prctico d inv stigacin d op racion s. S gunda dicin 1.998. Edicion s Unino rt . HILLIER, Fr d rick S.; LIEBERMAN, G rald J. Introduccin a la inv stigacin d op racion s. Sptima dicin. Editorial McGraw-Hill Int ram ricana, Mxico. 2001 LEVIN , Richard., KIRKPATRICK, Charl s A., Enfoqu s cuantitativos a la administracin. C ompaa ditorial contin ntal, S. A. Mxico. Nov na r impr sin 1.997 MATHUR, Kaml sh., SOLOW Dani l., Inv stigacin d Op racion s : El art d la toma d d cision s. Ed itorial Pr ntic Hall Hispanoam ricana S.A. 1.996 SASIENI, Mauric ., YASPAN, Art hur., FRIEDMAN, Lawr nc . Inv stigacin d Op racion s, Mtodos y probl mas. Editori al Limusa, Mxico, 1.978 277

MOSKOWITZ, H rb rt; WRIGHT, Gordon P., Inv stigacin d op racion s. Editorial Pr ntic Hall Int rnacional, Londr s. Prim ra dicin 1.982 NAMAKFOROOSH, Mamad Naghi . Inv stigacin d op racion s. Editorial Limusa PRAWDA WITENBERG, Juan. Mtodos y m od los d inv stigacin d op racion s. Volum n 1. Editorial Limusa 1.995 ROS INSUA , Sixto; ROS INSUA David; MATEOS, Alfonso; MARTN, Jacinto. Programacin lin al y apl icacion s. Editorial Alfaom ga S.A. 1.997 SHAMBLIN, Jam s E.; STEVENS Jr. G. T. Inv stigacin d op racion s: Un nfoqu fundam ntal. Editorial McGraw-Hill Int ra m ricana, Mxico. SOLOW, Dani l; KAMLESH, Mathur. Inv stigacin d op racion s. Edit orial Pr ntic Hall Hispanoam ricana S.A., Mxico. STEPHEN B. B rg n. Apunt s d lo s cursos d inv stigacin d op racion s d la Univ rsidad s Stanford. Univ rsida d T cnolgica d P r ira . TAHA, Handy A. Inv stigacin d op racion s: Una introduc cin. Editorial Pr ntic Hall, Mxico. S xta dicin 1.998 VARELA, Jaim Enriqu . Intr oduccin a la inv stigacin d op racion s. Editorial Fondo Educativo Int ram ricano S.A., Colombia. Prim ra dicin 1.982 WINSTON, Wayn L. Op rations R s arch, Appl ications And Algorithms. Duxbury Pr ss And Imprint of Wadsworth Publishing Compa ny, B lmont, California. T rc ra dicin 1.994 278

Softwar A continuacin damos una lista d programas informticos con la dir ccin W b, n las qu l l ctor podr obt n r informacin r ci nt y d tallada d l softwar , incluy nd o n muchos casos una v rsin d valuacin. ARSHAM, Hoss in Dr. www.brav .as/arsham AIMMS, Paragon D cisin T chnology, Haarl m, Holanda, http:// www.paragon.nl BOGA ZII UNIVERSITY ISTANBUL-TURKEY, D partam nto d sist mas., http://mis.boun. du.tr / rd m/winqsb.html CORPORACIN UNIVERSITARIA DE IBAGU, Programa d Ing ni ra Industr ial., www.cui. du.co/industrial/io.htm CPLEX for AMPL, MINOS for AMPL, Compass M od ling Solutions, R no, N vada, http://www.mod ling.com FORT MP, Num rical Algo rithms Group., http://www.nag.com GAMS, Gams D v lopm nt Corporation, Washington , http:// www.gams.com INVESTIGACIN OPERATIVA., http://m mb rs.tripod.com/ ~op ra tiva LINDO, LINGO, WHATS BEST, Lindo Syst ms, Chicago, http:// www.lindo.com LP/M IPSolv rs, PREMIUM SOLVER for EXCEL, frontlin Syst ms, http://www.frontsys.com LPS-867, Appli d Automat d Engin ring Corporation, P nnington, N. J., http://ww w.aa .com 279

MPL Mod ling Syst m, Maximal Softwar , Arlington, Va., http:// www.maximal-usa.c om SAS Softwar , SAS Institut , Cary N.C., http://www.sas.com DSPims, Asp n T ch nology, http://www.asp nt ch.com XPRESS-MP, Dash Associat s Ltd., Blisworth, UK, http://www. Dash.co.uk 280