Anda di halaman 1dari 98

LECTURA

UNIDAD1

Sitio:
UniversidadPrivadaTelesup
Curso:
InvestigacionOperativaSI/05/151/TOB
Libro:
LECTURA
Imprimidopor: MILLERMUOZCHRISTIAN
Fecha:
martes,24demarzode2015,13:40

Tabladecontenidos
INTRODUCCION
TEMA1
TEMA2
TEMA3
TEMA4

a)Presentacinycontextualizacin
Los temas que se tratan en la presente Unidad, tienen por finalidad que el estudiante desarrolle y
ejecutelaoptimizacindelosmodelosmatemticosatravsdelmtodografico.Mtodosimplesyel
usodelossoftwareadecuadosdesolucindurantesuprocesodeformacinprofesionalycontribuyan
enellogrodesuperfilprofesional.
b)Competencia
Define, planifica y genera la optimizacin de los modelos matemticos usando los diferentes
mtodosdesolucin.
c)Capacidades
1.Planificasusmetasdeaprendizajeyanalizalosdiferentesmtodosdesolucindeoptimizacin
delosmodelosmatemticos.
2.Aplicaygeneraelptimodelmodelomatemticoyutilizaelmtodogrfico.
3.Aplicaygeneraelptimodelmodelomatemticoyelmtodosimplex.
4.AplicaygeneralaoptimizacindelmodelomatemticoyutilizaelsoftwareLingo,Tora,Glp.
d)Actitudes
Disposicinemprendedora.
Respetoalasnormasdeconvivencia.
SentidodeOrganizacin.
Perseveranciaenlastareas.
e)PresentacindeideasbsicasycontenidoesencialesdelaUnidad.
La Unidad de Aprendizaje 1: La Investigacin de Operaciones y la Programacin Lineal
comprendelossiguientestemas:
TEMA01:InvestigacindeOperaciones.
TEMA02:ModelosdeProgramacinLineal.
TEMA03:ElMtodoSimplex.
TEMA04:UsodelSoftware.

Tema 01: Investigacin de Operaciones


a)INVESTIGACINDEOPERACIONES
AlgunasDefiniciones
Lainvestigacindeoperacionespuededefinirsecomounconjuntodemtodosy
tcnicas cientficas que, aplicados a problemas relacionados con la operacin de
sistemas,tratarandedarsolucionesptimas.

Enlaactualidad,laInvestigacinOperativaseestudiacomounacienciadealtagerencia,yaqueesuna
de las ms tiles herramientas con las que cuenta un ejecutivo para buscar mejores soluciones a
problemasqueafectanalaorganizacincomountodo.
La Investigacin Operativa, es caracterizada por el uso de los modelos matemticos para proveer una
guaalosgerentesparatomardecisionesefectivasdentrodelestadoactualdelainformacinoenbuscar
informacin adicional si el conocimiento actual es insuficiente para alcanzar una decisin adecuada.
(Bradley)
DepartamentodeProduccin
Suprincipalobjetivoeslograrunamayorproduccinalmenorcostoposible,
poresodeseapoderhacerlargascorridasdeproduccinafindedisminuirel
costoasociadoconelajusteyadaptacindelequipoaunnuevoproducto.

DepartamentodeVentas
Suprincipalobjetivoesaumentarlasventas,luegodeseateneruninventario
bastantevariadoparapodercubrirenformainmediatacualquierpedido,hasta
deproductosdedemandamuyeventual.

DepartamentodeAdministracin
ElDepartamentodeAdministracindeseareducirelinventarioaunmnimoindispensable,locualchoca
conlosdeseosdelDpto.deproduccinyelDpto.deventas.
DepartamentodePersonal
Su principal objetivo es de mantener en alto la moral del personal, lo cual influye
directamenteenlaproductividad,ymantenerunaltogradodeentrenamiento.

b)ELANALISTADEOPERACIONES
Investigarlosparmetrosaemplearenelmodeloexistenteparadeterminarsuvalidez.
Imaginacin, para buscar soluciones lgicas a los mltiples problemas tanto como tcnicos como
administrativos.
Habilidadparadescubrirlascondicionesimportantesdelproblema.
Conocimientotcnicoentodaslasetapasdelainvestigacinparaaplicarelmodeloadecuado.
Laboriosidadysentidoderesponsabilidad.
Facilidaddeexpresinoralyescrita.
Habilidadparatrabajarenequipos.
c)FASESDEESTUDIODEINVESTIGACINOPERATIVA
Construccindelmodelomatemtico

Es una representacin de algn ente (tal como Objeto, evento, proceso, sistema,
imagen, etc.) que es empleado principalmente con propsito de prediccin y
control.
Mediante la construccin del modelo se pretende hacer posible, o facilitar, la
determinacin de cmo cambios en uno o ms de los aspectos, variables o
propiedadesdelentemodelado,afectanlosotrosaspectosoalenteensutotalidad.
Obtencindelasolucin
La seleccin del procedimiento por emplear para obtener del modelo una
solucin al problema depender de las caractersticas del modelo. Los
procedimientosdesolucinpuedenserclasificadosenAnalticosyNumricos,
muchasvecesningunodelosdospodraplicarsesinlaayudadelastcnicasde
MontecarlooSimulacinenlaevaluacindealgunostrminosdelaecuacin.

d)MODELOSMATEMTICO
La esencia de la Investigacin Operativa es el enfoque de la construccin de modelos, el que es un
intentoparacapturarlosrasgosmssignificativosdeladecisinqueestbajoconsideracinpormedio
delaabstraccin.
LosmodelosqueusalaInvestigacinOperativa,sonmatemticos.
Losmodelossonrepresentacionessimplificadasdelmundoreal.
Afindequelosmodelosseantilesparaasistirenlasdecisionesgerenciales,ellosdebendesersimples
paraentenderlosyfcildeusarlos.Almismotiempo,ellostienenqueproporcionarunarepresentacin
completayrealistadelambientededecisin.
e)GUAPARALOSGERENTES
A travs del esfuerzo del diseo del modelo, la Investigacin Operativa, trata de
proveer una gua a los gerentes, o en otras palabras trata de incrementar la
comprensin de los administradores de las consecuencias de sus acciones. Esto
nunca es un intento para reemplazar o substituir a los gerentes, sino mas bien el
propsitoessoportarlasaccionesgerenciales.Esimportanteentoncesreconocerla
fuerteinteraccinrequeridoentregerentesymodelos.

Losmodelospuedenoportunamenteyefectivamenteexplicarlasmuchasrelacionesmutuasquepueden
estar presentes dentro de las alternativas que estn siendo consideradas y que pueden explcitamente
evaluarlasconsecuenciaseconmicasdelasaccionesrestriccionesimpuestasporlosrecursosexistentes
ylasdemandasimpuestasalusodeesosrecursos.
Losgerentesdeotrolado,podrnformularlaspreguntasbsicasasercontestadasporelmodeloyluego
interpretar los resultados del modelo en base a su propia experiencia e intuicin, reconociendo las
limitacionesdelmodelo.
La complementacin entre las habilidades computacionales superiores proporcionadas por el modelo y
las capacidades de discernimiento del gerente (el que toma las decisiones) es la clave para un enfoque
exitosodelaInvestigacindeOperaciones.
f)CLASIFICACINDELOSMODELOS

EjercicioOperacional
Si deseamos efectuar un ejercicio operacional que soporta esta decisin, ensayaramos diferentes
combinacionesdetiposdepetrleo,directamenteenelprocesodelarefinerayobservarlasutilidadesy
costosresultantesasociadosconcadaalternativadelamezcla.
Ventajas:
Altogradoderealismo.
Desventajas:
Costosaltosdeimplementacin.
Enmuchoscasosimposibledeanalizar.
Juego(Gaming)
El proceso de la refinera podra ser representado por un modelo matemtico o
computacional,quepodraasumircualquiertipodeestructura.
El modelo debe de reflejar con un grado aceptable de exactitud las relaciones
entre las entradas y las salidas del proceso de la refinera. Posteriormente todo el
personal que participa en estructurar el proceso de decisin en la gerencia de la
refinera deber interactuar con el modelo. El gerente de Produccin establecer
planes de produccin, el Gerente de Compras identificara precios y fuentes de
crudosdepetrleoydesarrollarprogramasdeadquisicinyassucesivamente.
Ventajas:
Seharetenidoalgunasdelasinteraccioneshumanasdelprocesoreal.
Elcostodeprocesarcadaalternativahasidoreducido.
Lavelocidaddemedicindelaperformancedecadaalternativahasidoaumentada.
Desventajas:
Sepierdealgngradoderealismoconrespectoalejerciciooperacional,debidoaqueoperamosenun
mundoabstracto.
Simulacin
Sonsimilaresalosmodelosdejuego,exceptoquetodaslaspersonasquetoman
decisioneshansidosacadasdelprocesodemodelaje.
Al igual que el ejercicio operacional y juego, los modelos de simulacin no
generanalternativasniproducenunarespuestaptimaaladecisinbajoestudio.

Enelejemplo:Programaramosporadelantadoungrannmerodecombinacionesdecantidadesytipos
de petrleo crudo a ser usados y obtendramos las utilidades asociadas a cada tipo de alternativa sin
ningunaentradaexternadelostomadoresdedecisiones.Unavezquelosresultadosdelmodelohansido
producidos,nuevascorridaspodranserllevadasacabo,hastaquepercibamosquehemosalcanzadoun
entendimientoadecuadodeproblema.
ModeloMatemtico
Enestedemodelo,elproblemaesrepresentadototalmenteentrminosmatemticos,normalmentepor
medio de un criterio u objetivo que buscaremos maximizar o minimizar, sujeto a un grupo de
restriccionesquerepresentanlascondicionesbajolascualestienenqueserefectuadas.
El modelo computa una solucin ptima, que es, una que satisface todas las restricciones y nos da el
mejorvalorposibledelafuncinobjetivo.
Ennuestroejemplo:elusodeunmodeloanalticoimplicadeterminarcomoobjetivolamaximizacinde
utilidadesnetasobtenidasdelaoperacindelarefineracomounafuncindelostiposycantidadesde
los petrleos crudos usados. Adems la tecnologa del proceso de la refinera, los requerimientos del
producto final y las disponibilidades de crudo de petrleo deben ser representados en trminos
matemticosparadefinirlasrestriccionesdenuestroproblema.
Lasolucindelmodeloserlacantidadexactadecadatipodepetrleo
crudo disponible a ser procesado que maximizar las utilidades netas
dentrodelgrupoderestriccionespropuestas.
Losmodelosanalticos,sonnormalmentelosmodelosmenoscostososy
msfcilesdedesarrollar.Sinembargoellosintroducenelmsaltogrado
desimplificacinenlarepresentacindelmodelo.
Muchodeltrabajollevadoacaboporloscientficosdeinvestigacinde
Operaciones, ha sido orientado en el desarrollo de implementacin de
modelosanalticos.

Tema 02: Modelos de Programacin Lineal


a)SolucionesGeomtricas
Usualmente las grficas no son el mejor mtodo para resolver problemas de
programacin lineal del mundo real, ya que no podemos dibujar en ms de 3
dimensiones. No obstante una solucin grfica para un problema de 3 menos
dimensionesesefectiva.
Estemtodoconsisteendelinearsobreelprimercuadrante(debidoalascondiciones
denonegatividad),laregindesolucionesfactiblesyluegograficandosobreellasla
funcinobjetivo,seubicaelprogramaprogramasptimos.
b)MtodoGrafico
Maximizacin
UnaCompaamanufactureratextilfabricalosproductos1,2yessuficientemente
afortunadacomoparavendertodoloquepuedeproduciractualmente.
Cada producto requiere un tiempo de manufacturacin en los 3 Dptos. y la
disponibilidaddeunacantidadfijadehorashombreporsemanaencadaDpto.tal
comosemuestraenelcuadrosiguiente:

Elproblemaconsisteendecidirqucantidaddecadaproductodebemanufacturarseconelobjetodehacer
el mejor empleo de los medios limitados de produccin, sabiendo que la ganancia por cada unidad del
producto1es$1.00ydelproducto2es$1.50.
SeanX1=nmerodeunidadesdelproducto1
X2=nmerodeunidadesdelproducto2
Porlotantolaprogramacinlineales:
MaxZ=x1+1.5x2
Sujetoa:2x1+2x2<=160(1)
x1+2x2<=120(2)
4x1+2x2<=280(3)
x1,x2>=0(4)

Silarestriccin(1)fueselaecuacin:
2x1+2x2=160,
Serepresentaraunarectaenelplanocartesianoperocomoelsignoesunadesigualdadestorepresenta
unodelossemiplanosenquequedadivididoelplanocartesiano.
Luegocuandosegrficasetiene:

Cabe recalcar que las restricciones de no negatividad


hacen que de toda la zona rayada slo nos interesa la
queestenelprimercuadranteestoesdebidoaque
x_10yx_(2)0,luegosetendr:

Aplicando los mismos conceptos a la 2da y 3era.


Restriccinysuperponiendolas3grficos,tenemosque
la zona en la cual se cumplen simultneamente las 3
restriccioneseslareginsombreadaqueseindicaenla
fig.

Analicemos la regin sombreada, cualquier punto dentro de ella cumple simultneamente con las 3
restriccionesyconlanonegatividad.
Ahoraelproblemaconsisteenmaximizarlafuncin:
Z=x1+1.5x2

Sobrelareginsombreadadelafig.Anteriorquerepresentaalasrestriccionesdelproblemaenestudio.


Por lo tanto, la funcin objetivo, Z representa una
familiaderectasparalelasconpendiente
m=1/1.5
=2/3,talcomosemuestra

Larectax1+1.5x2=100representaelmximovalordelafuncinZsujetaalasrestriccionesdel
programalinealpropuesto.
CualquiervalordeZ>100,notendrningnpuntocomnconlareginsombreada.
LarectaZ=100ylareginsombreadatienenenestecasounpto.Comncuyascoordenadasson
x1=40yx2=40

Solucionesfactibles
C1:(0,60)C3:(70,0)C5:(40,40)
C2:(0,0)C4:(60,20)

ReginFactible:Elconjuntodevaloresparalasvariablesdedecisinenunprogramalinealquesatisface
todaslasrestricciones.
SolucinFactible:Unasolucinenlaquelasvariablesdedecisinsonfactibles(Cualquierpunto,dentro
delareginfactible).
SolucinOptima:Elpuntoenlareginfactiblequetieneelmejorvalordelafuncinobjetivo(mx.).Y
encasodeminimizacinelmenorvalordelafuncinobjetivo.
Propiedad
Lautilidadmximaocurreenunvrticedelconjuntodesolucionesfactibles.Probartodoslosvrtices
paravercualaportalamayorganancia.
VrticesZ=x1+1.5x2
C1:(0,60)0+1.5x60=90
C2:(0,0)0+1.5x0=0
C3:(70,0)70+1.5x0=70
C4:(60,20)40+1.5x20=90
C5:(40,40)40+1.5x40=100Respuesta

Tema 03: Mtodo Simplex


a)PROCEDIMIENTO
1Seprocedeaefectuarelbalanceodelasreglasrestricciones,paralocualserecurrea
lasvariablesdeexceso,holgurayartificialsegnsealelcaso.

2Seconstruyeelprimertablerodelmtodosimplexyenellaseregistra:
EnlaprimeracolumnaXklasvariablesbsicassegncorresponde.
EnlacolumnaCj,seregistralacontribucinunitariadecadavariablebsicaanteriormenteregistrada.
Enlacolumnab,seregistraelvalordelostrminosindependientes(estosdebernserpositivos).
Eneltableroprincipalseregistranloscoeficientesdelasvariablesdelasrestriccionesbalanceadas.
Enlacabeceradedichotableroseregistranlascontribucionesdetodaslasvariables.
3Enelprimertablero,secalculalosvaloresdelvectorfiladecontribuciones(Zj),elcualseobtienede
lasumadelosproductosparcialesquecorrespondenporfila.
4Se deduce el vector de sensibilidad, el mismo que se obtiene de restar los valores Cj Zj, lo cual
indicarasisetrataonodeltablerooptimo.
5Sisetratasedeuncasodemaximizacin,nodeberexistirvalorespositivosdeloscontrarioelegimos
elmayordelosvalorespositivos,elcualidentificaraalvectorqueingresaovectoringresante.Encaso
deminimizacindehallarsevaloresnegativos,seseleccionaalmayordetodosellos,quienidentificaal
vectoringresante.
6Luego se calcula el vector que sale o vector saliente para lo cual se divide los valores del vector
columna b entre los valores del vector ingresante y se selecciona como vector saliente a aquel que
correspondaelmenorvalorpositivo.
7Se construye el siguiente tablero y se determina los valores del vector antiguo (que corresponde a
dicha posicin), entre el pvot (el pvot es el valor que se halla en la interseccin entre el vector que
ingresayelvectorquesale,eneltableroanterior).
8Paracalcularlosvaloresdelasdemsfilasdelsegundotableroseaplicalasiguienteforma:
Elementodelvectorantiguo(semipivot*elementodelvectoringresante)
Elsemipivotesaquelelementoquesehallaenlainterseccindelafilaanterioryelvectoringresante.
Luegosecalculaparaelsegundotableroelvalordelafiladecontribuciones(Zj)yelvectordelafilade
sensibilidad(Cj+Zj).
Secontinaesteprocesohastaque:
Nosetenganingnvalorpositivosisetratademaximizacin.
Nosetenganingnvalornegativosisetratademinimizacin.
9 Del tablero ptimo se extrae el valor ptimo (bien sea un Zmax Zmin) y la
contribucindelasvariablesrealesdelasolucin.

b)MtodoSimplex:CasodeMinimizacin

Balanceando

c)MtodoSimplex:CasodeMaximizacin

Balanceando

Tema 04: Uso del Software


a)UsodelLINGO
LINGO es una herramienta simple que permite utilizar el poder de la
optimizacinlinealynolinealparaformulargrandesproblemasconcisamente,
resolverlos, y analizar la solucin. La optimizacin ayuda a encontrar la
respuesta que satisface el mejor resultado. Frecuentemente, estos problemas
involucrabanelusomseficientedelosrecursos(dinero,tiempo,maquinaria,
personal,etc.).Losproblemasdeoptimizacinsepuedenclasificarenlineales
onolineales,dependiendodecmolasrelacionesentrelasvariables.

LaventanainicialdeLINGO.
DesarrollodeunmodeloenLINGO.
Supongamos que CompuQuick Corp. Produce 2 modelos de computadoras: Standard y Turbo.
CompuQuickpuedevendercadaunidadStandardqueproduceaunpreciode$100,ycadaunidadTurbo
por$150.Lafbricapuedeproduciralosumo100computadorasStandardporday120computadoras
Turbo.CompuQuicktieneunacapacidaddetrabajode160horasporda.LascomputadorasStandard
requieren 1 hora de labor, mientras que las Turbo requieren 2 horas. El problema de CompuQuick es
determinarlamezcladecomputadorasStandardyTurboaproducircadadaparamaximizareltotalde
lasventassinexcederellmitedeproduccinydetrabajo.
Engeneralunmodelodeoptimizacinconsisteenlossiguientes3tems:
1.Funcinobjetivo
2.Variables
3.Restricciones
LasintaxisparaescribirlafuncinobjetivoenLINGOes:
MAX=100*STANDARD+150*TURBO
Nota:CadalneaenLINGOfinalizaconunpuntoycoma.Elpuntoylacomasonrequeridos.El
modelonoseresolversifaltaalgnpuntoycoma.

Lasrestriccionesseintroducendelasiguientemanera:
STANDARD<=100
TURBO<=120
STANDARD+2*TURBO<=160

Nota: Dado que la mayor parte de las computadoras no tienen una tecla de menor o igual, LINGO ha
adoptado como convencin utilizar el smbolo <= para representar. Como alternativa, se puede usar el
smbolo<paraexpresarmenoroigual.Lomismoseusa>=>paraexpresarmayoroigual.

Unaexpresinpuedeabarcarmsdeunalnea,porejemplo:
MAX=100*STANDARD+150*TURBO
Se pueden introducir comentarios, que sern ignorados por LINGO, comenzando con un signo de
exclamacin (! y terminando con un punto y coma. Los comentarios tambin pueden ocupar varias
lneas.Porejemplo:
X=1.5*Y+Z/2*Y!Estoes
Uncomentario
X=1.5*!EstoesuncomentarioenelmediodeunarestriccinY+Z/2*Y
LINGOnodistingueentremaysculasyminsculas,porloqueeslomismoSTANDARDquestandardy
queStAnDaRd.
Los nombres de las variables deben comenzar con un carcter alfabtico (AZ),
lossiguientescaracterespuedenseralfabticos,numricososubrayado(_).Los
nombrespuedenserdehasta32caracteresdelongitud.

Resolucindelmodelo.
Para ordenar a LINGO a que resuelva el problema, se debe seleccionar el comando Solve del men
LINGO,opresionarelbotnSolvedelabarradeherramientas.
Sinohayerroresenlaformulacindelproblemadurantelaetapadecompilacin,LINGOinvocaral

mduloderesolucinadecuadoparabuscarlasolucinptima.

Ventanadeestado.
Enestaventanasepuedemonitorearelprocesoderesolucinylasdimensionesdelmodelo.
El recuadro "Variables" muestra el nmero total de variables del modelo, las variables que son no
linealesylasenteras.Unavariableesconsideradanolinealsiespartedeunarestriccinnolinealenel
modelo.Mientrasmsvariablesnolinealesyenterascontengaelmodelo,msdifcilserresolverlode
forma ptima en un tiempo razonable. Los modelos lineales puros sin variables enteras tienden a
resolversemsrpidamente.
LacuentadevariablesnoincluyelasqueLINGOdeterminacomodevalorfijo,
porejemplo:dadaslasrestricciones
X=1
X+Y=3
LINGOdeterminaporlaprimerarestriccinqueXestfijaen1,y,usandoesta
informacin,deducequeYestfijaen2.XeYsernentoncesexcluidasdel
modelo.
Enelrecuadro"Constraints"semuestralacantidadtotalderestriccionesyelnmerodestosquesonno
lineales.Unarestriccinesconsideradanolinealsiunaomsvariablesaparecendeformanolinealenla
restriccin.
Elrecuadro"Nonzeros"muestraeltotaldecoeficientesdistintosdeceroqueaparecenenelmodeloyel
nmerodeestosqueaparecenenvariablesnolineales.
Elrecuadro"MemoryUsed"muestralacantidaddememoriaqueestutilizandoLINGOpararesolverel
modelo.
Elrecuadro"ElapsedRuntime"muestraeltiempototalutilizadoparageneraryresolverelmodelo.
Elrecuadro"OptinizerStatus"muestraelestadoactualdeloptimizador:

CuandoLINGOterminederesolverelmodelo,crearunanuevaventanaconelttuloSolutionReport,
conteniendolosdetallesdelasolucin:

Informedelasolucin.
Paraquutilizarunlenguajedemodelacin?

Una de las caractersticas ms potentes de LINGO, es el lenguaje de


modelacin matemtica. Este lenguaje permite expresar el problema de una
maneranatural,similaralanotacinmatemticastandard.Ademsdepoder
ingresar cada trmino de cada restriccin explcitamente, LINGO permite
expresarunaseriederestriccionessimilaresenunasolasentenciacompacta.

Otra caracterstica conveniente del lenguaje de modelacin de LINGO, es la seccin de datos. La


seccindedatospermiteaislarlosdatosdelaformulacindelmodelo.Dehecho,LINGOpuedeincluso,
leer los datos de una planilla de clculo, de una base de datos o un archivo de texto. Con los datos
independientes del modelo, es mucho ms fcil hacer cambios, y hay menos oportunidad de cometer
errores.
El modelo de CompuQuick del ejemplo anterior, usa variables escalares, cada variable est
explcitamentelistadapornombre(STANDARDyTURBO)ycadarestriccinapareceexplcitamente.
Enlamayorpartedelosgrandesmodelos,sernecesariotrabajarconungrupodevariasrestriccionesy
variables muy similares. Para esto, LINGO tiene la habilidad de manejar conjuntos de objetos, que
permitenefectuarestasoperacionesmseficientemente.
b)UsodelGLP
Es una herramienta informtica que permite graficar modelos matemticos de
P.L.de2variables,graficalasolucinptima.Esdesarrolladobajolasupervisin
delProfesorJeffreyMoore,PhDdelaEscueladeNegociosdelaUniversidadde
Stanford.

c)UsodelTORA
MaxZ=x1+1.5x2
Sujetoa:2x1+2x2<=160(1)
x1+2x2<=120(2)
4x1+2x2<=280(3)
x1,x2>=0(4)

LECTURA
UNIDAD2

Sitio:
UniversidadPrivadaTelesup
Curso:
InvestigacionOperativaSI/05/151/TOB
Libro:
LECTURA
Imprimidopor: MILLERMUOZCHRISTIAN
Fecha:
martes,24demarzode2015,13:45

Tabladecontenidos
INTRODUCCION
TEMA1
TEMA2
TEMA3
TEMA4

a)Presentacinycontextualizacin
LostemasquesetratanenlapresenteUnidad,tienenporfinalidadqueelestudiantedesarrolle
yejecuteelanlisispostoptimodelosmodelosmatemticosdeprogramacinlineal,durante
suprocesodeformacinprofesionalycontribuyanenellogrodesuperfilprofesional.
b)Competencia
Desarrolla y aplica el anlisis de sensibilidad de los modelos matemticos de
programacinlineal.
c)Capacidades
1.Planificayaplicaelanlisisdesensibilidaddelosmodelosmatemticos.
2.Planificayutilizaelanlisisdesensibilidadporcomputadora.
3.Planificayaplicalasolucindemodelosdeprogramacinentera.
4.AplicayreconocelosmodelosPrimalDual.
d)Actitudes
Disposicinemprendedora.
Respetoalasnormasdeconvivencia.
SentidodeOrganizacin.
Perseveranciaenlastareas.
e)PresentacindeideasbsicasycontenidoesencialesdelaUnidad.
La Unidad de Aprendizaje 2: Anlisis de Sensibilidad de los modelos de Programacin
Lineal,comprendeeldesarrollodelossiguientestemas:
TEMA 01: Anlisis de Sensibilidad de los Trminos Independientes en Situacin de
Maximizacin.
TEMA02:AnlisisdelaSolucinporlaComputadora.
TEMA03:ProgramacinLinealEntera.
TEMA04:ElPrimalDual.

Tema 01: Anlisis de Sensibilidad de los Trminos


Independientes en Situacin de Maximizacin
El anlisis Postoptimo es tambin denominado Anlisis de Sensibilidad, estudia las variaciones
quesepresentanenunasolucinoptimaenloreferentealosTrminosIndependientes,laFuncin
Objetivo y la matriz Principal (esta ltima tambin denominada Matriz Tecnolgica), tanto para
loscasosdemaximizacincomolosdeMinimizacin
a)Anlisisdesensibilidaddelostrminosindependientesensituacindemaximizacin
Procedimiento
Paso1.Secalculalasolucinptimadelmodelooriginalmentedado.
Paso2.
Secalculaelvalordeltrminoindependientemodificado,mediante:
bi+/b=b
Donde:
b i = Es el trmino independiente original de una determinada
restriccindelmodelomatemtico.
b = Es la cantidad en que se incrementa o disminuye el trmino
independiente.
b=Eseltrminoindependientemodificado

Paso3.Semultiplicalamatriz:
B1conelvectormodificadodeltrminoindependiente:
B1b>=[O]entoncesEsFactible
Delocontrariosedicequenoexistefactibilidad.
Paso4.Enelsupuestocasodequenoexistafactibilidad,seidentificaaaquelelementodela
matrizB1queloestocasionando(lamatrizB1esaquellaquecorrespondeeneltablero
optimoalaposicinqueocupabalamatrizunitariaeneltableroN01delMtodoSimples),a
dichoelementoidentificado,seconvierteenelPvotypartirdeesto,seefectalainversinde
matricesparalamatrizB1ycontinuamosconelprocesodelPaso4lasvecesquesean
necesarios,hastaobtenerunasolucinfactible,mediantelafrmuladadaenelPaso3.

Paso5.UnavezqueseobtienelafactibilidadapartirdelPaso3oPaso4
segnelcaso,seprocedeacalcularlasolucinoptimadelmodelodadocon
lavariacinpropuestadeltrminoindependiente,mediantelafrmula:
Zmax=Ci(B1b)
Ylaparticipacindelasvariables,realesendichomodelomodificadose
obtienede:
B1b

EJEMPLO
MaxZ:5X1+6X2
s.a.
2X1+3X2<=30
3X1+2X2<=30
Paracuando:
a)Considerarqueb1,pasaaser24
b)Considerarqueb,pasaaserb1=36yb2=18
Balanceando
MaxZ:5X1+6X2+0X3+0X4
s.a.
2X1+3X2+X3=30
3X1+2X2+X4=30

Tema 02: Anlisis de la Solucin por la Computadora


a)Planeacindelaproduccin

UsandoelsoftwareLindotenemos:

b)Anlisis
1.Planptimodeproduccin
Q1=1300unidades
Q2=0
Q3=100unidades
Q4=800unidades
Q5=200unidades
2.Cuantoeslautilidadmxima
$54,400
3.Costosreducidos.
Soloseleinterpretacuandosondiferentesdecero.
CostoreducidodeQ2=11
Tienedossignificados:
Primerainterpretacin: Se puede notar que el producto Q2 no conviene fabricar, para que sea

convenientesuproduccin,suutilidaddebeaumentarporlomenos11$/unidad.
Segunda Interpretacin: Se sabe que el producto Q2 no debemos fabricar, si forzamos la
produccin de este producto, la utilidad total se reducir en forma proporcional a 11, por cada
unidadfabricada.
NOTA
Siemprequehayunceroenelladoizquierdooderecho,sinohaycero,
elproblemanotienesolucin.Perocuandohayvariosceros,significa
quehayvariassolucionesptimas.

4.SlackorSurplus(variablesdeholgurayexceso).
VariabledeHolgurasyVariablesdeexceso
a)Holgura0delafila2:Todalamateriaprimahasidoutilizada,sobrandocerolibras.
b)Holgura300delafila3:Significaquehay300piescbicosnoutilizablesdelalmacn.Solose
estutilizando3700piescbicos.
c) Variable de exceso 1900 en la fila 4: Se estn entregando 1900 unidades adicionales a las
empresasindustriales,lomnimoquepedanera200unidadesyestamosentregando2100unidades
(excesode1900unidades).
d) Variables de exceso 0 de la fila 5: Se estn entregando exactamente lo mnimo pedido (300
unidades)alasempresascomerciales,noentregamosningunaunidadadicional.
e)Enlafila6yfila7porserrestriccindeigualdad.
5.DualPrice(PreciosDuales).
Seobtienecomosigue:

UnidaddelafuncindelPrimal
Yi=
Unidaddeltrminoderechodelai_esimarestriccindelPrimal
$deutilidad
Y1=3
Librasdemateriaprima
$deutilidad
Y2=0
Piecbicodeespacio
$deutilidad
Y3=0
Productocompradoporempresasindustriales
$deutilidad
Y4=14
Porproductocompradoporlasempresascomerciales
$deutilidad
Y5=14

HoraPlanta1
$deutilidad
Y4=21
HoraPlanta2

6.Unidadesdelasvariablesduales.
Sea:
bi=terminoderechodelai_esimarestriccindelprimal
Yi=Variabledualasociadaalai_esimarestriccindelPrimal.
M=Valoroptimodelafuncinobjetivodelprimal.
Sivariamoseltrminoderecho(bi)delai_esimarestriccindelprimal,enuncantidaddi,
entonces:
Sidiespositivosignificaqueestamosincrementando.
Sidiesnegativosignificaqueestamosdisminuyendo.
Elnuevovalorptimoes
Mdi*Yi
i)Siaumentamos50librademateriaprima.Culeslanuevautilidad?
M+di*Yi
M=5400
di=50
Yi=3
Entonces5400+50(3)=$54,550
ii)Sisedeterioran80librasdemateriaprima,comoafectaesto
alautilidad.
54400+di*Yi=54400+(80)(3)=$54160
Enconclusin:
Por cada libra adicional de materia prima, la utilidad aumenta
en3$,yporcadalibraquesedisminuyelamateriaprima,lautilidadbaja3$.
7.Rangosdesensibilidad.
i)RangodesensibilidadparaelcoeficientedeQ1enlaFuncinObjetivo
Mientraslautilidadunitariadelproducto1seamenoroigualque26,elPlandeProduccinoptimo
nocambia.
ii)Rangodesensibilidadparalamateriaprima(Fila2)
Mientraslacantidaddisponiblesdemateriaprimaesteentre5800y6400libras,lospreciosduales
nocambian.Vanhaseguirsiendo3.
Podemoscomprarhasta400librasdemateriaprimaovenderhasta200libras,sinalterarsuprecio
dual.

Tema 03: Programacin Lineal Entera


La programacin entera tiene que ver con la solucin de problemas de
programacin matemtica, en las cuales algunas o todas las variables, solo
puedentomarvaloresenterosnonegativos.

a)TiposdeModelosdeProgramacinLinealEntera
Programaenterospuros
Un modelo entero puro (PLE) es un problema en el que se exige que todas las variables de
decisintenganvaloresenteros.
Ejemplo:
MIN6X1+5X2+4X1
S.A.
108X1+92X2+58X3>=576
7X1+18X2+22X3>=83
X1,X2,X3>=0yEnteros

ProgramasEnterosMixtos
Se llama programacin lineal entero mixto (PLEM), cuando un problema solo requiere que
algunosvariablestenganvaloresenteros,mientrasquelasotraspuedenasumircualquiernumero
nonegativo(esdecir,cualquiervalorcontinuo).
Porejemplo:
MIN6X1+5X2+4X3
S.A.
108X1+92X2+58X3>=576
7X118X2+22X3>=83
X1,X2,X3>=0X1yX3Enteros
ProgramacinEnteros0y1
Enalgunosproblemas,serestringeelvalordelasvariablesa0y1.Dichosproblemassellaman
BinariosoProgramasLinealesEnteros01.Sondeparticularinters,debidoaquesepuedenusar
las variables 01 para representar decisiones dicotmicas (si o no). Diversos problemas de
asignacin, ubicacin de plantas, planes de produccin y elaboracin de cartera, son de
programacinlinealentera01.Porejemplo:
MIN5X17X2+10X33X4+X5
S.A.
X13X2+5X3X44X5>=0
2X1+6X23X3+2X4+2X5>=4
X2+2X3+X4X5>=2
XJ=01donde(0:serechaza,1:seacepta)
b)MtodosdeProgramacinLinealEntera
MtododeBsqueda

Se inician partir de la idea directa de enumerar todos los puntos enteros factibles, El mtodo de
bsquedamssobresalienteeslaTCNICADERAMIFICARYACOTAR,Comienzaapartir
del optimo continuo, pero parte sistemticamente el espacio de soluciones en subproblemas,
suprimiendopartesquenocontenganpuntosenterosfactibles.
Ejemplo:
MAXX1+5X2
S.A.
11X1+6X2<=66
5X1+50X2<=225
X1,X2>=0yEnteros

Resolverelproblema,porelmtodogrficoomtodosimplex

RamificaryAcotar
VOdeP1<=3.75+5(4.123)=24.375=U=MCSAMximaCuotaSuperiorActual
VOdeP1<=3+5(4)=24=F=MCIAMnimaCuotaInferiorActual

Tema 04: El Primal - Dual


ElmtodoPRIMALDUALconstituyeunatcnicadesolucin
complementariaenlaProgramacinLineal,generalmentesu
aplicacinsedaenlaTeoradeEstrategiaTeoradeJuegos,enla
cualsebuscaoptimizarentre2omsestrategasydeterminarla
probabilidaddexitodecadacaso,ascomoelvalordela
informacinoeljuegosegnsetrate
a)PrimalDual
DadounconjuntocualquieradedatosparaunmodelodePL(Primal),podemosusarlosmismos
datosparaformarunmodelodePLdiferente(Dual).
ParaexaminarlateoradeDualidadenunaformasatisfactoria,tenemosquedesecharlarestriccin
dequelasvariablesdeunmodelodePLseannonegativas.
Ejemplo(ModeloPrimal)
Max3X1+4X22X3Var.Duales

S.A.
4X112X2+3X3<=12Y1
2X1+3X2+X3<=6Y2
5X1+X26X3>=40Y3
3X1+4X22X3=10Y4

X1>=0,X2<=0,X3NRS
b)Regla
El Nm. de variables del Dual es igual al nmero de restricciones del Primal. El nmero de
restriccionesdelDualesigualalnmerodevariablesdelPrimal.
LoscoeficientesdelaFuncinObjetivoenelDualserelvectorderecursosdelPrimal.
Si el primal es un modelo de maximizacin, el Dual ser de Minimizacin. Si el Primal es un
modelodeMinimizacinelDualserdeMaximizacin.
Los Coeficientes de la 1ra funcin de restriccin del Dual, son los
Coeficientesdela1rovariableenlasrestriccionesdePrimal,yenforma
anlogaparalasotrasrestricciones.
Los recursos de las restricciones duales son los Coeficientes de la
funcinobjetivodelPrimal.
El sentido de la isima restriccin Dual es = si y solo si la isima
variabledelPrimalnotienerestriccindesigno(NRS).
SielPrimalesunmodelodeMax(Min),entonces,despusdeaplicarla
regla anterior, se asigna a las restantes restricciones Duales el mismo
(opuesto)sentidoalavariablecorrespondientedelPrimal.
LaisimavariabledelproblemaDUALnotendrrestriccin
de signo(NRS) si y solo si la isima restriccin del PRIMAL es una
igualdad.
SielPRIMALesunmodelodemx.(Min),entoncesdespusdeaplicar
la regla anterior, asignar a las dems variables DUALES el signo
contrario(elmismosigno)quelarestriccincorrespondientealPRIMAL.

ModeloDual
Nm.VariablesDual=4(Y1,Y2,Y3yY4)
Nm.RestriccionesDual=3

Min12Y1+6Y240Y3+10Y4

S.A.
4Y12Y25Y3+3Y4>=3
12Y1+3Y2+Y3+4Y4<=4
3Y1+Y26Y32Y4=2

Y1>=0,Y2>=0,Y3<=0,Y4NRS

d)Ejercicios
1)HallarelDualdelsiguientePrimal
Max3X1+4X2
S.A.
2X1+3X2<=6
5X1X2<=40
X1+X2<=7

X1>=0,X2>=0
Dual
Nm.Variables(D)=Num.Restricciones(P)=3
Nm.Restricciones(D)=Nm.Variables(P)=2

Min6Y1+40Y2+7Y3
S.A.
2Y1+5Y2+Y3>=3
3Y1Y2+Y3>=4

Y1>=0,Y2>=0,Y3>=0
2)HallarelDualdelsiguientePrimal
MinX1+12X22X3

S.A.
4X1+2X2+12X3<=10
2X1X2+11X3>=2

X1<=0,X2NRS,X3>=0
Dual
Num.Variables(D)=Num.Restricciones(P)=2
Num.Restricciones(D)=Num.Variables(P)=3

Max10Y12Y2


S.A.
4Y1+2Y2>=1
2Y1Y2=12
12Y1+11Y2<=2

Y1<=0,Y2>=0

3)HallarelDualdelsiguientePrimal
Max4X1+7X2+8X3

S.A.
4X1+2X2+X3<=100
X1+3X2+7X3<=80
2X1+6X2+3X3<=50

X1NRS,X2NRS,X3NRS
Dual
Nm.Variables(D)=Nm.Restricciones(P)=3
Nm.Restricciones(D)=Nm.Variables(P)=3

Min100Y1+80Y2+50Y3

S.A.
4Y1+Y2+2Y3=4
2Y1+3Y2+6Y3=7
Y1+7Y2+3Y3=8

Y1>=0,Y2>=0,Y3>=0

LECTURA
UNIDAD3

Sitio:
UniversidadPrivadaTelesup
Curso:
InvestigacionOperativaSI/05/151/TOB
Libro:
LECTURA
Imprimidopor: MILLERMUOZCHRISTIAN
Fecha:
martes,24demarzode2015,13:46

Tabladecontenidos
INTRODUCCION
TEMA1
TEMA2
TEMA3
TEMA4

a)Presentacinycontextualizacin
LostemasquesetratanenlapresenteUnidad,tienenporfinalidadqueelestudiantedesarrolley
ejecute los modelos de Transporte, Asignacin y Redes, durante su proceso de formacin
profesionalycontribuyanenellogrodesuperfilprofesional.
b)Competencia
Aplica modelos de transporte, asignacin, redes y comprende su importancia en la
investigacindeoperaciones.
c)Capacidades
1.Planificayreconocelaestructuradeunmodelodetransporte.
2.Diseayaplicamodelosdetransporte.
3.Diseayaplicamodelosdeasignacin.
4.Aplicayreconocelosmodelosderedes.
d)Actitudes
Disposicinemprendedora.
Respetoalasnormasdeconvivencia.
SentidodeOrganizacin.
Perseveranciaenlastareas.
e)PresentacindeideasbsicasycontenidoesencialesdelaUnidad.
La Unidad de Aprendizaje 3: Modelos de Transporte Asignacin y Redes, comprende el
desarrollodelossiguientestemas:
TEMA01:ModelosdeTransporte
TEMA02:MtodosdesolucindeModelosdeTransporte
TEMA03:ModelosdeAsignacin
TEMA04:ModelosdeRedes

Tema 01: Modelos de Transporte


DefinicinyAplicacindelModelosdeTransporte
Elmodelodetransportebuscadeterminarunplandetransportedeuna
mercanca de varias fuentes a varios destinos. Los datos del modelo
son:
1.Niveldeofertaencadafuenteylacantidaddedemandaencadadestino.
2.Elcostodetransporteunitariodelamercancaacadadestino.
Comosolohayunamercancaundestinopuederecibirsudemandadeunaomsfuentes.Elobjetivo
delmodeloeseldedeterminarlacantidadqueseenviardecadafuenteacadadestino,talquese
minimiceelcostodeltransportetotal.
La suposicin bsica del modelo es que el costo del transporte en una ruta es directamente
proporcional al nmero de unidades transportadas. La definicin de unidad de transporte variar
dependiendodelamercancaquesetransporte.
La suposicin bsica del modelo es que el costo del transporte en una ruta es directamente
proporcional al nmero de unidades transportadas. La definicin de unidad de transporte variar
dependiendodelamercancaquesetransporte.

Elesquemasiguienterepresentaelmodelodetransportecomounaredconmfuentesyndestinos.
Una fuente o un destino est representado por un nodo, el arco que une fuente y un destino
representalarutaporlacualsetransportalamercanca.Lacantidaddelaofertaenlafuenteiesai,y
lademandaeneldestinojesbj.ElcostodetransporteunitarioentrelafuenteiyeldestinojesCij.
SiXijrepresentalacantidadtransportadadesdelafuenteialdestinoj,entonces,elmodelogeneral
dePLquerepresentaelmodelodetransportees:
MinimizaZ=i=1mj=1nCijXij

Sujetaa:

j=1nXij<=ai,i=1,2,,m
i=1mXIj>=bj,j=1,2,,n

Xij>=0paratodaslasiyj

Elprimerconjuntoderestriccionesestipulaquelasumadelosenvosdesdeunafuentenopuedeser
mayorquesuofertaenformaanloga,elsegundoconjuntorequierequelasumadelosenvosaun
destinoquesatisfagasudemanda.
Elmodeloqueseacabadeescribirimplicaquelaofertatotali=1maidebesercuandomenosiguala
la demanda total j=1n bj. Cuando la oferta total es igual a la demanda total, la formulacin
resultanterecibeelnombredemodelodetransporteequilibrado.Estedifieredelmodelosoloenel
hechodequetodaslasrestriccionessonecuaciones,esdecir:
Xij=ai,i=1,2,...,m
Xij=bj,j=1,2,...,n

En el mundo real, no necesariamente la oferta debe ser igual a la demanda o mayor que ella. Sin
embargo,unmodelodetransportesiemprepuedeequilibrarse.Elequilibrio,ademsdesuutilidaden
la representacin a travs de modelos de ciertas situaciones prcticas, es importante para el
desarrollodelmtododesolucinqueexplotecompletamentelaestructuraespecialdelmodelode
transporte.
b)Ejemplos
Ejemplo1(Modelodetransporteestndar)
MG Auto Company tiene plantas en Los ngeles, Detroit y Nueva
Orlens.SuscentrosdedistribucinprincipalessonDenveryMiami.
Lascapacidadesdelasplantasduranteeltrimestreprximoson1000,
1 500, y 1 200 automviles. Las demandas trimestrales en los dos
centrosdedistribucinsonde2300y1400vehculos.Elcostodel
transporte de un automvil por tren es de 8 centavos por milla. El
diagramadelasdistanciasrecorridasentrelasplantasyloscentrosde
distribucinson:

Estoproduceencostoporautomvilaraznde8centavospormillarecorrida.Produceloscostos
siguientes(redondeadosaenteros),querepresentanaCijdelmodelooriginal:

Medianteelusodecdigosnumricosquerepresentanlasplantasycentrosdedistribucin,hacemos
queXijrepresenteelnmerodeautomvilestransportadosdelafuenteialdestinoj.Comola
ofertatotal(=1000+1500+1200=3700)esigualalademanda(=2300+1400=3700),el
modelodetransporteresultanteestequilibrado.Porlotanto,elsiguientemodelodePLque
representaelproblematienetodaslasrestriccionesdeigualdad.
MinimizarZ=80X11+215X12+100X21+108X22+102X31+68X32

Unmtodomsresumidopararepresentarelmodelodetransporteconsisteenutilizarloquesellama
tabla de transporte. Esta es una forma de matriz donde sus renglones representan las fuentes y sus
columnaslosdestinos.LoselementosdecostoC ijseresumenenlaesquinanoroestedelaceldade
lamatriz(i,j).Porlotanto,elmodelodeMGsepuederesumirenlatablasiguiente:

Ejemplo2(Modelodetransporteconequilibrio)
EnelejemploanteriorsupongaquelacapacidaddelaplantadeDetroitesde1300automviles(en
vezde1500).Sedicequelasituacinestadesequilibradadebidoaquelaofertatotal(=3500)noes
igual a la demanda total (=3 700).Nuestro objetivo consiste en volver a formular el modelo de
transporte de manera que distribuya la cantidad faltante (=3 700 3 500 = 200) en forma optima
entreloscentrosdedistribucin.
Comolademandaesmayorquelaofertasepuedeagregarunaplantaficticiaconunacapacidadde
200.Sepermitequedichaplanta,encondicionesnormales,envesuproduccinatodosloscentros
dedistribucin.Fsicamente,lacantidaddeunidadesenviadasaundestinodesdeunaplantaficticia
representarlacantidadfaltanteenesedestino.
Lanicainformacinquefaltaparacompletarelmodelosonloscostosdetransporteunitariosde
laplantaficticiaalosdestinos.Comolaplantanoexiste,nohabrningnenvofsicoyelcostode
transporte unitario es cero. Sin embargo, podemos enfocar la situacin desde otro ngulo diciendo
queseincurreenuncostodepenalizacinporcadaunidaddedemandainsatisfechaenloscentrosde
distribucin.Enestecasoloscostosdetransporteunitariossernigualesaloscostosdepenalizacin
unitariosenlosdiversosdestinos.

De manera anloga, si la oferta en mayor que la demanda podemos aadir un destino ficticio que
absolverladiferencia.Porejemplo,supongaquelademandaenDenverdisminuyea1900cualquier
automvil enviado de una planta a un centro de distribucin ficticio representa un excedente en la
planta.

Laaplicacindelmodelodetransportenoselimitaalproblemadetransporte.
Elsiguienteejemploilustraelusodelmodelodeltransporteenotroscampos.
Ejemplo3(Modelodeinventariodeproduccin)
Una compaa construye una planta maestra para la produccin de un artculo en un periodo de
cuatromeses.Lasdemandasenloscuatromesesson:100,200,180y300unidades.Unademanda
paraelmesencursopuedesatisfacerseatravsde:
1.Produccinexcesivaenunmesanterioralmacenadaparasuconsumoposterior.
2.Produccinenelmesactual.
3.Produccinexcesivaenunmesposteriorparacubrirpedidosdemesesanteriores.

Elcostodeproduccinvariableporunidadenunmescualquieraesde$4.00unaunidadproducida
paraconsumoposteriorincurrirenuncostodealmacenamientoraznde$0.50porunidadpormes.
Porotraparte,losartculosordenadosenmesesanterioresincurrenenuncostodepenalizacinde
$2.00porunidadpormes.Lacapacidaddeproduccinparaelaborarelproductovaracadames.Los
clculosdeloscuatromesessiguientesson50,180,280y270unidades,respectivamente.
Elobjetivoeseldeformularelplandeinventariodeproduccinacostomnimo.Esteproblemase
puedeformularcomounmodelodetransporte.Laequivalenciaentreloselementosdelossistemas
deproduccinytransporteseestablecedelamanerasiguiente:

Entabladeabajosepresentaunresumendelproblemacomounmodelodetransporte:

Elcostodetransporteunitariodelperiodoialjes:
Costodeproduccineni,i=j

Cij=Costodeproduccineni/costodealmacenamientoeniaji<j
Costodeproduccineni/costodepenalizacineniaji>j
LadefinicindeCijindicaquelaproduccinenelperiodoiparaelmismoperiodo(i=j)slo
igualaelcostounitariodeproduccin.Sielperiodoiseproduceparaperiodosfuturosj(i<j),se
incurreenuncostodealmacenamientoadicional.Delamismamanera,laproduccineniparacubrir
jpedidoshechosconanterioridad(i>j)incurreenuncostodepenalizacinadicional.

Tema 02: Mtodos de Solucin de Modelos de


Transporte
a)MtodoNoroeste

DeterminarmedianteelmtodoNoroesteelcostomnimoylaasignacinptima.

MtodoAuxiliardelaCasillas

MtodoAuxiliardelaCasillas

b)MnimaMatriz

DeterminarmedianteelmtododelaMnimaMatrizelcostomnimoylaasignacinptima.

c)MtododeVogel

DeterminarmedianteelmtododeVogelelcostomnimoylaasignacinptima.

Tema 03: Modelos de Asignacin


a)ProblemasdeAsignacin(MtodoHngaro)
Unproblemadeasignacinesunproblemadetransportebalanceado,enelcualtodaslasofertasy
todaslasdemandassonigualesauno.Sepuederesolvereficientementeunproblemadeasignacinm
xmmedianteelmtodoHngaro:
Paso 1. Empiece por encontrar el elemento ms pequeo en cada rengln de la matriz de costos.
Construyaunanuevamatriz,alrestardecadacosto,elcostomnimodesurengln.Encuentre,para
estanuevamatrizelcostomnimoencadacolumna.Construya
una nueva matriz (la matriz de costos reducidos) al restar de
cadacostoelcostomnimodesucolumna.
Paso 2. Dibuje el mnimo nmero de lneas (horizontales o
verticales) que se necesitan para cubrir todos los ceros en la
matrizdecostosreducidos.Siserequierenmlneasparacubrir
todoslosceros,sigaconelpaso3.
Paso3.Encuentreelmenorelementonocero(llamesuvalork
en la matriz de costos reducidos, que no est cubiertos por las
lneasdibujadasenelpaso2.Ahorarestekdecadaelementono
cubierto de la matriz de costos reducidos y sume k a cada
elemento de la matriz de costos reducidos cubierto por dos
lneas.Regresealpaso2.

Un problema de asignacin es un problema de transporte balanceado en el que todas las ofertas y


demandas son iguales a 1 as se caracteriza por el conocimiento del costo de asignacin de cada
puntodeofertaacadapuntodedemanda.Lamatrizdecostosdelproblemadeasignacinsellama:
matrizdecostos.
Comotodaslasofertasydemandasparaelproblemadeasignacinsonnmerosenteros,todaslas
variablesenlasolucinptimadebenservaloresenteros.
b)Ejemplosdeproblemasdeasignacin
1.Unaempresahacontratadoa4individuospara4trabajos,los4individuosy4trabajospueden
mostrarse en una tabla que indique las clasificaciones obtenidas, analizando al individuo para cada
trabajo.Losrenglonesserefierenaloshombres,mientrasquelascolumnasserefierenalostrabajos
elproblemaconsisteenmaximizarlascalificacionesparaasignarlos4trabajos.
Sesuponequelascalificacionesdeunindividuosondirectamenteproporcionalesalagananciaque
obtendralacompaasieseindividuoseencargaradeltrabajo.
2. Otro problema que utiliza la misma estructura del modelo de transporte, es la asignacin de
camionesparareduciralmnimoloscostosdeunproblemadeasignacin.
3. Una empresa cubre el territorio nacional con dos camiones especialmente equipados para
funcionar en condiciones climatolgicas especficas. La empresa ha dividido en cinco regiones
geogrficas.SecompraelcaminAysemodificaparaquefuncioneeficientementeenlasregiones
uno y dos, y para que funcione bastante bien en las regiones tres y cuatro. El mismo camin no
funcionabienenlaregincinco.Losgastosdegasolina,mantenimientoyotroscostosdirectosde
operacin,seranmnimosenlasregionesunoydos,promedioenlasregionestresycuatro,yaltos
en la regin cinco. Se tiene esa misma informacin con respecto a los dems camiones de la
compaa,osea,lostiposB,CyD.

c)MtodoHngaro(SituacinBalanceada)
PARTEI:CUANDOEXISTERELACIONBIUNVOCA
PASO1:OBTENCINDECEROS
A la matriz de costos, se procede a simplificarlo, para lo cual,
seleccionamosparacadacolumnaelmenorvalordecadaunodeellos,para
luegorestrselodelacolumnarespectiva,estopermiteobteneralmenosun
ceroparacadacolumna.
Luegoparacadafilaseobtieneelmenorvalor,elcualserestaacadafila
respectiva,deestamaneraseobtienealmenosunceroencadafila.

PASO2:RELACINBIUNVOCA
Altablerodecostossimplificadosqueseheredadelpaso1seprocedeaseleccionaraaquellafila
quetengalamenorcantidaddecerosenelcasodeempatesseseleccionaaaquellafilaalocualle
correspondeelmenorsubndice.
Luegoalafilaseleccionadaselemarcamedianteuncheckyseingresaaellabuscandoaaquella
casillaquetengaelvalorcero,ubicadaestaprocedemosaencuadraroencasillardichoceroyapartir
de dicho cero encuadrado no imaginamos una cruz y aquellos ceros que estn comprendidos en la
cruzimaginariaprocedemosatarjarlomedianteunaspa.
Continuamoselprocesomencionadohastacubrirtodaslasfilasdeltablerodado.

EJEMPLO
DeterminarelCostomnimoylaasignacinptimade:

PARTEII:CUANDONOEXISTERELACINBIUNVOCA
PASO3:
Semarcaaquellasfilasquenotengancerosencuadrados,luegoingresamosporcadadedichasfilas,
buscandocerostarjadosyluegodeserubicadosestos,seprocedeamarcarlaolascolumnasquele
corresponda.
A partir de las columnas marcadas se reingresa al tablero buscando ceros encuadrados y luego de
identificaraestossemarcalasfilasquelescorresponde.
Apartirdecadafilamarcadasetratadereingresarnuevamentealtablerorepitiendoelprocedimiento
sealadoenlosprrafosanterioreshastaquesepierdanlosramalesbienseaaniveldecolumnaode
fila.
PASO4:
Seprocedearayaraquellasfilasquenoestnmarcadasyaquellascolumnasquesiestnmarcadas.
Luegosebuscaelmenorvalordeaquellascasillasquetengandoblerayado(verticalyhorizontal),
este menor valor seleccionado se resta a aquellas casillas que no estn rayadas, pero se le suma a
aquellas que tienen doble rayado (se entiende que aquellas casillas que tienen un solo rayado
permanecenigual).
NOTA:LuegodeconcluirelPASO4seaplicanuevamentelaPARTEIdel
Mtodo Hngaro, en la que se refiere al SEGUNDO PASO (se obvia el
PRIMERPASO)ysedebecontinuarconelprocedimientoindicado,cuantas
vecesseanecesarioparaalcanzarlaRelacinBiunvocayobtenerelCosto
OptimodeAsignacin.

Ejemplo
DeterminarelCostomnimoylaasignacinptimade:

Tema 04: Modelo de Redes


a)TeoradeRedes
Esunatcnicaquepermiteresolverproblemasquesepuedenplantearmedianteunared.
MuchosproblemasdeprogramacinLinealsepuedenformularmedianteunared:
Transporte,asignacin,inventario,produccinydistribucin,procesosdeproduccin,etc.
ExistenenTeoradeRedes,algoritmosmuchomsefectivosqueelmtodosimplex.
Existensoftwarespararesolverproblemasderedescomo:Optired,Tora,Invop,WinQSB,etc.
b)CaractersticasdeunaRed
Unaredestformadaporarcosynodos,losarcospuedenserdireccionadosodireccionados

NODOS:Representanentidades.
ARCOS:Representanconexionesentrelasentidades
NOTA:Poruntipoderedsolopuedecircularunnicotipodetem(unidadde
flujo)
c)Casosderedes

d)TiposdeProblemasdeRedes

e)rboldeExtensinMnima
Paraunaredconnnodos,unARBOLDEESTENSIONesungrupode(n1)arcosqueconectantodos
losnodosdelaredyquenocontienecircuitoscerrados.

Problema
Calcularelrboldeextensinmnimo

Problema
Calcularelrboldeextensinmnimo


d)ProblemadeRutamsCorta

Elproblemadelarutamscortaserefiereaunared,enlaque
cada arco (i,j) tiene asociado un numero Ci,j que se interpreta
como la distancia (o el costo, o el tiempo) que hay entre los
nodos i y j. Una ruta o camino entre dos nodos es cualquier
secuencia de arcos que los conecte. El objetivo consiste en
encontrar las rutas ms cortas (econmicas rpidas) entre un
nodoespecficoytodoslosdemsnodosdelared.

AlgoritmodeEtiquetado
PASO1.
Considrensetodoslosnodosqueestndirectamenteconectadosconelorigen(esdecir,medianteun
soloarco).Elcomponentededistanciadelaetiquetaqueseponeacadanododeestosesladistancia
desdeelorigen.Elcomponentepredecesoreselorigen.Estasetiquetasserntemporales.
PASO2.
De entre todos los nodos con etiqueta temporal, se escoge uno cuyo componente de distancia sea
mnimoysesealaparaseretiquetadocomopermanente.Todoslosempatesencualquierpuntodel
algoritmoserompenarbitrariamente.Tanprontocomotodoslosnodoshansidoetiquetadosenforma
permanentesevaalpaso4.


PASO3.
Todo nodo que no tenga actualmente etiqueta permanente estar o bien sin etiqueta o con una
temporal. Sea l el ultimo nodo etiquetado permanentemente, Considrese todas las etiquetas de los
vecinos de l (es decir, directamente conectados a l mediante un solo arco). Para cada uno de esos
nodoscalculaselasumadesudistanciaalmslacomponentededistanciadelaetiquetadel.Siel
nodoencuestinyatieneetiquetanoestetiquetado,aseguraseunaetiquetatemporalqueconstede
estadistanciaydelcomopredecesor.Sielnodoencuestinyatieneetiquetatemporal,cambiasesolo
siladistanciarecincalculadaesmenorquelacomponentededistanciadelaetiquetaactual.Eneste
caso,laetiquetacontendrestadistanciayalcomopredecesor.Regresealpaso2.
PASO4.
Las etiquetas permanentes indican la distancia ms corta desde el origen a cada nodo de la red.
Tambinindicanelnodopredecesorenlarutamscortahaciacadanodo.
Paraencontrarelcaminomscortodeunnododadocominceseenlyretrocedaalnodopredecesor.
Continuesterecorridoderetrocesohastallegaralorigen.Lasecuenciadenodosobtenidosformala
rutamscortaentreelorigenyelnodoencuestin.
Ejemplo
Encontrarelconjuntoderutasptimas,desdeelorigenHhastalosdemsnodosbuscaminimizarla
utilidaddeloscostos,asegurndosedequecualquierrepartofuturoalassietelocalidadesdiferentes,
sehagaatravsdelarutamscorta.

LECTURA
UNIDAD4

Sitio:
UniversidadPrivadaTelesup
Curso:
InvestigacionOperativaSI/05/151/TOB
Libro:
LECTURA
Imprimidopor: MILLERMUOZCHRISTIAN
Fecha:
martes,24demarzode2015,13:47

Tabladecontenidos
INTRODUCCION
TEMA1
TEMA2
TEMA3
TEMA4

a)Presentacinycontextualizacin
LostemasquesetratanenlapresenteUnidad,tienenporfinalidadqueelestudiantedesarrolley
ejecute la Programacin PERTCPM Y La programacin no Lineal durante su proceso de
formacinprofesionalcontribuyendoaelevarsuperfil.
b)Competencia
AnalizaydescribelaProgramacindeProyectosusandolatcnicadelPERTCPM.
c)Capacidades
1.ConoceyUtilizalateoradelaProgramacindelTiempo.
2.AnalizaydescribelaProgramacindelCosto
3.AnalizaydescribelasensibilidaddeunProyector.
4.Construyeeinterpretamediantelosmodelosdeprogramacinnolineal.
d)Actitudes
Aportaideasenlasolucindelosproblemasdeprogramacindeltiempo.
ValoralasetapasdelametodologadelatcnicaPERTCPM.
Seinteresaporlasdiferentesmodelosdeprogramacindeproyectos.
Muestraresponsabilidadyticaenlasolucindelastareas.

e)PresentacindeideasbsicasycontenidoesencialesdelaUnidad.
La Unidad de Aprendizaje 4: Programacin de Proyectos y Programacin No Lineal,
comprendeeldesarrollodelossiguientestemas:
TEMA01:ProgramacindeProyectocontiemposdeactividadconocidos.
TEMA02:ProgramacindeProyectoscontiemposinciertosdeactividades.
TEMA03:Consideracindelosintercambiosdetiempoycosto.
TEMA04:Programacinnolineal.

Tema 01: Programacin de Proyecto con Tiempos de Actividad


Conocidos
a)Antecedentes
Dos son los orgenes del mtodo del camino crtico: el mtodo PERT (Program Evaluation and
Review Technique) desarrollo por la Armada de los Estados Unidos de Amrica, en 1957, para
controlarlostiemposdeejecucindelasdiversasactividadesintegrantesdelosproyectosespaciales,
por la necesidad de terminar cada una de ellas dentro de los intervalos de tiempo disponibles. Fue
utilizadooriginalmenteporelcontroldetiemposdelproyectoPolarisyactualmenteseutilizaentodo
elprogramaespacial.
El mtodo CPM (Crtical Path Method), el segundo origen del mtodo actual, fue desarrollado
tambinen1957enlosEstadosUnidosdeAmrica,poruncentrodeinvestigacindeoperaciones
para la firma Dupont y Remington Rand, buscando el control y la optimizacin de los costos de
operacinmediantelaplaneacinadecuadadelasactividadescomponentesdelproyecto.
Ambos mtodos aportaron los elementos administrativos necesarios para formar el mtodo del
camino crtico actual, utilizando el control de los tiempos de ejecucin y los costos de operacin,
parabuscarqueelproyectototalseaejecutadoenelmenortiempoyalmenorcostoposible.
b)Definicin
El mtodo del camino crtico es un proceso administrativo de planeacin,
programacin, ejecucin y control de todas y cada una de las actividades
componentesdeunproyectoquedebedesarrollarsedentrodeuntiempocrticoy
alcostoptimo.

Usos
El campo de accin de este mtodo es muy amplio, dada su gran flexibilidad y
adaptabilidad a cualquier proyecto grande o pequeo. Para obtener los mejores
resultadosdebeaplicarsealosproyectosqueposeanlassiguientescaractersticas:

1.Queelproyectoseanico,norepetitivo,enalgunaspartesoensutotalidad.
2.Quesedebaejecutartodoelproyectoopartedel,enuntiempomnimo,sinvariaciones,esdecir,
entiempocrtico.
3.Quesedeseeelcostodeoperacinmsbajoposibledentrodeuntiempodisponible.
Dentrodelmbitoaplicacin,elmtodosehaestadousandoparalaplaneacinycontroldediversas
actividades,talescomoconstruccindepresas,aperturadecaminos,pavimentacin,construccinde
casas y edificios, reparacin de barcos, investigacin de mercados, movimientos de colonizacin,
estudios econmicos regionales, auditoras, planeacin de carreras universitarias, distribucin de
tiemposdesalasdeoperaciones,ampliacionesdefbrica,planeacindeitinerariosparacobranzas,
planesdeventa,censosdepoblacin,etc.,etc.
c)DiferenciasentrePERTyCPM

Comoseindicantes,laprincipaldiferenciaentrePERTyCPMesla
maneraenqueserealizanlosestimadosdetiempo.E1PERTsuponequeel
tiempopararealizarcadaunadelasactividadesesunavariablealeatoria
descritaporunadistribucindeprobabilidad.E1CPMporotraparte,infiere
quelostiemposdelasactividadesseconocenenformadeterminanticasyse
puedenvariarcambiandoelnivelderecursosutilizados.

La distribucin de tiempo que supone el PERT para una actividad es una distribucin beta. La
distribucinparacualquieractividadsedefineportresestimados
1.Elestimadodetiempomsprobable,m
2.Elestimadodetiempomsoptimista,ay
3.Elestimadodetiempomspesimista,b.

LaformadeladistribucinsemuestraenlasiguienteFigura.E1tiempomsprobableeseltiempo
requerido para completar la actividad bajo condiciones normales. Los tiempos optimistas y
pesimistas proporcionan una medida de la incertidumbre inherente en la actividad, incluyendo
desperfectosenelequipo,disponibilidaddemanodeobra,retardoenlosmaterialesyotrosfactores.

Con la distribucin definida, la media (esperada) y la desviacin estndar, respectivamente, del


tiempo de la actividad para la actividad Z puede calcularse por medio de las frmulas de
aproximacin.

Eltiempoesperadodefinalizacindeunproyectoeslasumadetodoslostiemposesperadosdelas
actividadessobrelarutacrtica.Demodosimilar,suponiendoquelasdistribucionesdelostiempos
delasactividadessonindependientes(realsticamente,unasuposicinfuertementecuestionable),la

varianza del proyecto es la suma de las varianzas de las actividades en la ruta crtica. Estas
propiedadessedemostrarnposteriormente.
EnCPMsolamenteserequiereunestimadodetiempo.Todoslosclculossehacenconlasuposicin
dequelostiemposdeactividadseconocen.Amedidaqueelproyectoavanza,estosestimadosse
utilizan para controlar y monitorear el progreso. Si ocurre algn retardo en el proyecto, se hacen
esfuerzos por lograr que el proyecto quede de nuevo en programa cambiando la asignacin de
recursos.
Metodologa.
ElMtododelCaminoCrticoconstadedosciclos:
1.PlaneacinyProgramacin.
1.1.Definicindelproyecto
1.2.ListadeActividades
1.3.MatrizdeSecuencias
1.4.MatrizdeTiempos
1.5.ReddeActividades
1.6.Costosypendientes
1.7.Compresindelared
1.8.Limitacionesdetiempo,derecursosyeconmicos
1.9.Matrizdeelasticidad
1.10.Probabilidadderetraso
2.EjecucinyControl.
2.1.Aprobacindelproyecto
2.2.Ordenesdetrabajo
2.3.Grficasdecontrol
2.4.Reportesyanlisisdelosavances
DefinicindelProyecto
Entodaactividadarealizarserequierenconocimientosprecisosyclarosdeloquesevaaejecutar,
de su finalidad, viabilidad, elementos disponibles, capacidad financiera, etc. Esta etapa aunque
esencialparalaejecucindelproyectonoformapartedelmtodo.Esunaetapapreviaquesedebe
desarrollarseparadamenteyparalacualtambinpuedeutilizarseelMtododelCaminoCritico.Es
unainvestigacindeobjetivos,mtodosyelementosviablesydisponibles.
ListadeActividades
Eslarelacindeactividadesfsicasomentalesqueformanprocesosinterrelacionadosenunproyecto
total.Engeneralestainformacinesobtenidadelaspersonasqueintervendrnenlaejecucindel
proyecto, de acuerdo con la asignacin de responsabilidades y nombramientos realizados en la
DefinicindelProyecto.
Lasactividadespuedenserfsicasomentales,comoconstrucciones,tramites,estudios,inspecciones,
dibujos,etc.Entrminosgenerales,seconsideraActividadalaseriedeoperacionesrealizadaspor
unapersonaogrupodepersonasenformacontinua,sininterrupciones,contiemposdeterminablesde
iniciacinyterminacin.Estalistadeactividadessirvedebasealaspersonasresponsablesdecada
procesoparaqueelaborensuspresupuestosdeejecucin.
Ejemplo:
a.Jefesdemantenimientoyproduccin.
1.Elaboracindelproyectoparcialdeampliacin.
2.Clculodelcostoypreparacindepresupuestos.

3.Aprobacindelproyecto.
4.Desempaquedelasmquinasnuevas.
5.Colocacindelasmquinasviejasynuevas.
6.Instalacindelasmquinas.
7.Pruebasgenerales.
8.Arranquegeneral.
9.Revisinylimpiezademquinasviejas.
10.Pinturademquinasviejas.
11.Pinturaylimpiezadeledificio.

b.Ingenieroelectricista.
1.Elaboracindelproyectoelctrico.
2.Clculodeloscostosypresupuestos.
3.Aprobacindelproyecto.
4.Instalacindeuntransformadornuevo.
5.Instalacindenuevoalumbrado.
6.Instalacindeinterruptoresyarrancadores.
c.Ingenierocontratista.
1.Elaboracindelproyectodeobramuerta.
2.Clculodeloscostosypresupuestos.
3.Aprobacindelproyecto.
4.Cimentacindelasmquinas.
5.Pisosnuevos.
6.Colocacindeventanasnuevas.
Estaesunalistadelosresponsablesenunproyectodeampliacindeunafbrica.

MatrizdeSecuencias
Existendosprocedimientosparaconocerlasecuenciadelasactividades:
a.Porantecedentes
b.Porsecuencias.
Por antecedentes, se les preguntar a los responsables de los procesos cuales actividades deben
quedar terminadas para ejecutar cada una de las que aparecen en la lista. Debe tenerse especial
cuidadoquetodasycadaunadelasactividadestengaporlomenosunaantecedenteexceptoenel
casodeseractividadesinciales,encuyocasosuantecedentesercero(0).
En el segundo procedimiento se preguntara a los responsables de la ejecucin, cuales actividades
debenhacersealterminarcadaunadelasqueaparecenenlalista.Paraesteefectodebemospresentar
lamatrizdesecuenciasiniciandoconlaactividadcero(0)queserviraparaindicarsolamenteelpunto
departidadelasdems.Lainformacindebetomarseunaporunadelasactividadeslistadas,sin
pasarporaltoningunadeellas.
Enlacolumnade"anotaciones"elprogramadorharatodaslasindicacionesqueleayudenaaclarar
situacionesdesecuenciasypresentacindelared.Estasanotacionessehacenadiscrecin,yaque
estamatrizessolamenteunpapeldetrabajo.


Sisehaceunamatrizdeantecedentesesnecesariohacerdespusunamatrizdesecuencias,pueses
staltimalaqueseutilizaparadibujarlared.Estamatriznoesdefinitiva,porquegeneralmentese
hacenajustesposterioresenrelacinconlaexistenciaydisponibilidadesdemateriales,manodeobra
yotraslimitacionesdeejecucin.

MatrizdeSecuencias
MatrizdeTiempos
Enelestudiodetiemposserequierentrescantidadesestimadasporlosresponsablesdelosprocesos:
Eltiempomedio(M),eltiempoptimo(o)yeltiempopsimo(p).

Eltiempomedio(M)eseltiemponormalquesenecesitaparalaejecucindelasactividades,basado
en la experiencia personal del informador. El tiempo ptimo (o) es el que representa el tiempo

mnimoposiblesinimportarelcostoocuantadeelementosmaterialesyhumanosqueserequieran
essimplementelaposibilidadfsicaderealizarlaactividadenelmenortiempo.Eltiempopsimo(p)
esuntiempoexcepcionalmentegrandequepudierapresentarseocasionalmentecomoconsecuencia
de accidentes, falta de suministros, retardos involuntarios, causas no previstas, etc. Debe contarse
sloeltiempoenquesepongaremedioalproblemapresentadoynodebecontareltiempoocioso.
Sepuedemedireltiempoenminutos,horas,das,semanas,mesesyaos,conlacondicindequese
tenga la misma medida para todo el proyecto. Los tiempos anteriores servirn para promediarlos
mediante la frmula PERT obteniendo un tiempo resultante llamado estndar (t) que recibe la
influenciadelptimoydelpsimoalavez.

Esto es, tiempo estndar igual al tiempo ptimo, ms cuatro veces el tiempo
medio,mseltiempopsimo,yestasumadivididaentreseis(6).Estafrmula
est calculada para darle al tiempo medio una proporcin mayor que los
tiempos optimo y psimo que influyen. Esta proporcin es de cuatro(4) a
seis(6).

matrizdetiempos

Tanto la matriz de secuencias como la matriz de tiempos se reunen en una sola llamada matriz de
informacin,quesirveparaconstruirlaredmedida.

Matrizdeinformacin
ReddeActividades
Se llama red a la representacin grfica de las actividades que muestran sus eventos, secuencias,
interrelacionesyelcaminocritico.Nosolamentesellamacaminocrticoalmtodosinotambinala
serie de actividades contadas desde la iniciacin del proyecto hasta su terminacin, que no tienen
flexibilidad en su tiempo de ejecucin, por lo que cualquier retraso que sufriera alguna de las
actividadesdelaserieprovocaraunretrasoentodoelproyecto.
Desdeotropuntodevista,caminocrticoeslaseriedeactividadesqueindicaladuracintotaldel
proyecto. Cada una de las actividades se representa por una flecha que empieza en un evento y
terminaenotro.
Se llama evento al momento de iniciacin o terminacin de una actividad. Se determina en un
tiempovariableentreelmstempranoyelmstardoposible,deiniciacinodeterminacin.
CostosyPendientes
En este paso se solicitaran los costos de cada actividad realizada en tiempo estndar y en tiempo
ptimo. Ambos costos deben ser proporcionados por las personas responsables de la ejecucin, en
concordancia con los presupuestos ya suministrados por ellos. Dichos costos se deben anotar en la
matrizdeinformacin.
Enelcuadroanteriorvemoslospresupuestosconelcostonormalparalasactividadesrealizadasen
tiempoestndaryelcostolmiteparalasactividadesejecutadasatiempooptimo.
Lostotalesdelacolumnadecostonormalnosindicanloscostosdirectosdelproyectoejecutadoen
tiemposestndares,sinembargolostotalesdecostolmitenonosindicanuncostoreal,yaqueno
sernecesarioquetodaslasactividadesseanrealizadasentiempoptimo,sinosoloalgunasdeellas.

Tema 02: Programacin de Proyectos con Tiempos


Inciertos de Actividades
a)LimitacionesdeTiempo
Sedebedeterminareltiemponormaldeejecucindelaredysinopuederealizarseenelintervalo
disponible,sedebercomprimirlaredaltiemponecesario,calculandoelcostoincrementado.
Eltiempoptimodeejecucinindicarasipuedehacerseonoelproyectodentrodelplazosealado.
b)LimitacionesdeRecurso
Esposibleencualquierproyectosesusciteelcasodetenerrecursoshumanosomaterialeslimitados,
por lo que dos actividades deben realizarse durante el mismo lapso con personal diferente o
maquinariadiferente,nosepuedaejecutarydeestamaneranohabramsqueesperarquesetermine
unaactividadparaempezarlasiguiente.
c)Limitacioneseconmicas
Se determinara el costo ptimo para conocer si se puede hacer el proyecto con los recursos
econmicosdisponibles.Sihaylaposibilidadderealizarlo,sebuscaraeltiempototalmsfavorable
paralasnecesidadesyobjetivosdelproyectoencasocontrariopuessimplementeelproyectodeber
esperarhastatenerlosrecursoseconmicosmnimosparapoderrealizarlo.

MatrizdeElasticidad
Parapodertomardecisionesefectivasyrpidasdurantelaejecucindelproyectoesnecesariotenera
la mano los datos de las probabilidades de retraso o adelanto de trabajo de cada una de las
actividades,osealaelasticidaddelasmismas.
Examinemosprimeroelprocedimientoparacalcularlasholgurasquenosproporcionalaposibilidad
deretrasarunaactividadsinconsecuenciasparaotrostrabajos
Se llama holgura a la libertad que tiene una actividad para alargar su tiempo de ejecucin sin
perjudicarotrasactividadesoelproyectototal.Sedistinguentresclasesdeholguras:
a)Holguratotalnoafectalaterminacindelproyecto
b)Holguralibrenomodificalaterminacindelprocesoy
c) Holgura independiente no afecta la terminacin de actividades anteriores ni la iniciacin de
actividadesposteriores.
Laholguratotalesdeimportanciaparaeldirectordelproyecto,quientienelaresponsabilidadde
terminarloatiempolaholguralibreleinteresaaljefedeejecucindeunprocesoconmotivodesu
responsabilidadsobreelmismoylaholguraindependienteesunainformacinqueleesdeutilidad
alapersonaquecoordinarlostrabajosdelproyecto.
Paracalcularlasholgurasseprocedeamedirlaredaprobadaenelsentidodeavance,comoprimera
lecturaydespusensentidocontrariocomoltimalectura.Laprimeralecturaseindicarencada
eventodentrodeuncrculoylaltimalecturaseindicartambinencadaeventodentrodeun
cuadrado.Secomienzaconeltiempoceroqueseindicasobreeleventoinicialysevaagregandola
duracinestndardecadaactividad,acumulndoseencadaevento.


Cuando dos o ms actividades convergen en un evento se tomar la duracin mayor para hacer la
indicacin del evento. Por ejemplo, en las actividades 4 y 2 con duracin de dos y seis das
respectivamente,seanotarladuracinmayordeseis,quesumadaaltiempocuatroanteriordarun
tiempo de diez en el evento referido. Ntese estas mismas indicaciones en los eventos que se
encuentranenlosdas15,19y21.
Cuando se tiene una liga que indica terminacin de proceso, se correr hacia el evento inicial la
mismacantidadacumuladaeneleventofinal.Cuandolaliganoindicaterminacindeproceso,sino
nicamentecontinuidadentredosprocesos,lascantidadesacumuladasnodebenmodificarseaunque
laligatengafechasdiferentesdeiniciacinyterminacin.
Luegoseinicialaltimalecturaeneleventofinal,anotndoselamismacantidadde21dentrodeun
cuadradodespussevarestandoladuracindecadaactividadeindicandoladiferenciaenelevento
siguiente.
Cuando dos o ms actividades convergen en un evento, debe anotarse en este la lectura menor de
ellas.Enloseventosinicialesdelasligasdefindeprocesodebeaparecerlamismacantidadanotada
eneleventofinal,peroenlasligasdecontinuidadsepondrlacantidadmenordelasactividadesque
convergen.

Enlafigurasepuedeapreciarqueencadaactividaddelaredse
encuentrancuatrolecturaslaprimeraylaltimadeleventoiyla
primeraylaultimadeleventoj.Donde:
PiSignificalomstempranoenquepuedeiniciarselaactividad.
UiSignificalomstardeenquepuedeiniciarse.
PjSignificalomstempranoenquepuedeterminarse.
UjSignificalomstardeenquepuedeterminarse.

Ladiferenciaentrelafechamstempranadeiniciacinymstardadeterminacinproduceel

intervalodetiempodisponibledemayorduracinyestenfuncindelconteodelproyecto.

UjPi=IntervalodelProyecto
Alrestarladuracintdeesteintervaloproducelaholguratotal:
HT=UjPiT
Ladiferenciaentrelafechamstempranadeiniciacinylamstempranadeterminacinindicael
intervalodisponibleenfuncindelproceso,

PjPi=IntervalodelProceso
Yalrestarladuracintdeesteintervaloquedalaholguralibre:
HL=PjPit
Ladiferenciaentrelafechamstardadeiniciacinylamstempranadeterminacinindicael
intervalodetiempomsreducidoposibleyestaenfuncindelasactividadesanterioresyposteriores,

PjUi=IntervalodeActividad
Yalrestareltiempotdeesteintervaloseobtienelaholguraindependiente:
HI=PjUit
Laslecturasdeloseventosylosresultadosdelaaplicacindelasfrmulasdelasholgurassepasana
lamatrizdeinformacin.
Enlacolumna6secambieltiempoestndartporeltiempoedeejecucinprogramado.El
porcentajedeexpansin(columna15)secalculadividiendoelnmerodedasdeholguratotalentre
eltiempoestndardecadaactividad.

Laclasedeactividad(columna16)segradatomandoelporcentajeanteriordemenoramayor,
siendolasdeporcentajecerodeclasecrticalasquerequierenlamayoratencinycontrol.
Losdasquepuedencomprimirselasactividades(columna19)seobtienenrestandoeltiempoptimo

deltiempoestndar.Elporcentajedecompresin(columna20)esigualalosdascomprimidos
divididosentreeltiempoestndardecadaactividad.

Ladesviacinestndar(columna21)querepresentalaprobabilidadderetrasooadelantoen
promedio,esigualaltiempopsimomenoseltiempoptimodivididoentre6.

Pordefinicinrepresentael68%deseguridad.Sisedeseaunaseguridadmayorenelresultado,de
95%setomarelequivalenteadosdesviacionesestndarysisedeseaunaseguridaddel99%enel
tiempodeduracindelaactividadsetomarntresdesviacionesestndar.
Deestamanera,podemosobservarquelaactividad5tieneuntiempoestndardeseisdasyuna
desviacinestndardeunda.Estosignificaquesepodrejecutarentrecincoysietedasconel68%
deseguridadentrecuatroyochodasconel95%deseguridadyentretresynuevedasconel99%
deseguridad.
Mientrasmayorseaelintervaloquesemencioneparalaejecucin,mayorserlaseguridadde
acertar.
Ladesviacinestndardelproyectoesigualalasumadelasdesviacionesestndardelcamino
crtico:

Estadesviacinserlaprobabilidadderetrasodetodoelproyecto.Porsupuestoeslamisma
probabilidaddeadelantodelmismo.
Siexistenvarioscaminoscrticosdentrodelproyectosetomarladesviacinmayordeelloscomo
desviacinestndardelproyecto.
Enelcasoanteriorelcaminocrticoestdadopor:
Estosignificaqueelproyectosevaaejecutarentre21y24das.

Tema 03: Consideracin de los Intercambios de Tiempo y


Costo.
a)EjecucinycontroldelosProcesos
En virtud de que cada uno de los procesos componentes del proyecto es conducido por distintas
personas que tienen la responsabilidad de iniciar y terminar sus actividades a tiempo, es necesario
quetengansugrficadecontrolendondepuedanobservartantoelavancedesuprocesocomosu
rendimiento.
Sepuedeagregarenlapartesuperiorunesquemadelassecuenciasdelasactividadesmostrandoen
dndeseencuentranlasholgurastotales,paraqueelresponsabledelprocesotengaunaideaprecisa
desusdisponibilidadesdetiempo.
Necesitamos tambin un cuadro de avance del proceso con los siguientes datos y se llena de la
siguientemanera:
A.Conlainformacinoriginaldelsupervisor:
1.Anotareldadelainformacin
2.Indicarelnmerodelaactividadinformada
3.Expresar,entantoporuno,elavancedelamisma.

B.Acontinuacinseprocesanlosdatosanterioresenlascolumnassiguientes:
1. Tomar el porcentaje de la columna 9 del cuadro de avance del proyecto y anotarlo en esta
columna.
2.Hacerlaconversinconelfactor(fa)calculadopreviamente.
3.Anotareltotalacumuladodelasactividadesterminadas.
4. Suma de las columnas 5 y 6 que representan respectivamente el avance de la actividad en
operacin y el total acumulado de actividades terminadas en el proceso. Esta columna indica, por
tanto,eltotaldeavanceenelprocesoeneldadelainformacin.
5. Calcular el avance diario programado, dividiendo la unidad entre el nmero total de das de
duracindelasactividadescomponentesdelprocesoyacumulardichoresultado.
6. Dividir el avance logrado entre el avance programado para medir el rendimiento del proceso.
Columna7entrecolumna8.
Veamos,enelejemplobase,cmoserealizanlasactividadesdelprocesoA.
ProcesoA
Esteprocesoconstardecincoactividadesqueduran15das.Sirecordamosqueelvalordelaunidad
deavancedelproyecto(Da)esiguala=0.01515,entoncesesteprocesorepresentael15x0.01515
= 0.2272 (22.72%) de avance en el proyecto. Como esta cantidad 0.2272 representa el 100% de
avancedelproceso,entonceselfactordeconversindelporcentajedeavancedelproyectoaproceso
(fa)ser:

De esta manera, el porcentaje que aparece en la columna 9 del cuadro de avance del proyecto y
transferidoalacolumna4delcuadrodeavancedelproceso,puedeconvertirse,conestefactor,enel
avancelogradoenlaactividadenfuncindeesteproceso.

Este proceso A consta de cinco actividades con una duracin de 15 das. Su unidad de avance
programadaser,portanto,a

Comoslosetrabajaunaunidaddeavanceporda,esteserelavanceacumuladodiariamentequese
programeenlacolumna8delcuadrodeavancedelproceso.
ProcesoB
Esteprocesoconstadecincoactividadesdeduracintotalde17das,porloquesucontribucinal
avancedelproyectoesde17x0.01515=0.2576.
El factor de conversin (fa) del porcentaje de avance del proyecto al porcentaje de avance del
procesoes:

Quacumuladoservirparahacerlasanotacionesdelacolumna8delcuadrodeavancedelproceso.
ProcesoC
ElprocesoC,secomponedeseisactividadesconunaduracintotalde17dasy,portanto,elfactor
deconversin(fa)yelfactordeavancediario(Da)programadosonlosmismosquelosdelproceso
Banterior.

Lacuentadelavanceprogramadoseinterrumpialda6con0.3533hastaelda11,enquecontina
conlaactividad5.
ProcesoD
Este proceso D, con las actividades 9, 10 y 11 tiene, igual que los dos procesos anteriores, una
duracinde17das,porloquelosfactoresdeconversinydeavancesonlosmismos.

ElcuadrodeavancedelprocesoapareceenlatabladelcuadrodeavancedelprocesoD.
b)Procedimientodeevaluacin
Cuando las actividades se adelantan en su ejecucin a las fechas programadas, generalmente no
modificansuscostosdirectosyencambiosdisminuyenloscostosindirectos.Entrminosgenerales
podemosdecirquebeneficianlosresultadosdelospresupuestosalterminarlasactividadesantesde
lafechaprogramada.Tambinessencillaladecisinparaadelantarlaactividadsiguienteaaquella
terminadaconanticipacinyslodebeinvestigarselaposibilidaddehacerloencuantoatenerenese
momentolosrecursoshumanosymaterialesqueserequieren.

Tratndosederetardos,laevaluacinyladecisinnosontansencillasporque,porreglageneral,se
modificanloscostos,setrastornanlassecuenciasysepierdeladisponibilidaddeltiempo,porloque
hay necesidad de tener un procedimiento de evaluacin que permita determinar todas las
consecuenciasdeunretrasoenunaactividaddelproyecto.
Los retrasos deben ser absorbidos por las holguras y en el caso de que no existan stas, aquellos
debenneutralizarsepormediodecompresionesenlasactividades.
c)Absorcinporholgura
Multiplicareltiempoprogramadodeejecucineporeltantopor
unodelacantidaddetrabajoquefalteporrealizar.Elresultadoes
el tiempo que se requiere para terminar normalmente con la
actividad.Altiempoanteriorselerestaeltiempodisponibleyla
diferenciarepresentaelretraso,elcualdebeserabsorbidoporla
holguratotal.Sinoesposibleesto,debeprocedersecomosigue.

d)Absorcinporcompresin
Semultiplicaeltiempoptimooporlotantoporunodelvolumendeltrabajopendientedeejecutar.
Elproductorepresentaeltiempoqueserequiereparaterminarlaactividadencondicionesptimases
decir,conlamximaaceleracin.Siestetiempoesmenorqueeltiempodisponible,significaqueno
se retrasar el proyecto, pero si es mayor, la diferencia ser la cantidad de tiempo que retrasar el
proyecto,exceptoquesepuedacomprimirunaactividadposterioralaactividadretrasadadentrodel
proceso.

Tema 04: Programacin no lineal


Una suposicin importante de programacin lineal es que todas sus funciones (Funcin objetivo y
funcionesderestriccin)sonlineales.Aunque,enesencia,estasuposicinsecumpleparamuchos
problemasprcticos,esfrecuentequenoseaas.Dehecho,muchoseconomistashanencontradoque
cierto grado de no linealidad es la regla, y no la excepcin, en los problemas de planeacin
econmica,porlocual,muchasvecesesnecesariomanejarproblemasdeprogramacinnolineal.
a)MtododeGOMORY
Llamadomtododecorte,desarrolladoporR.E.Gomory.Incluyeunalgoritmofraccional,elcualse
aplica al problema entero puro, y el algoritmo mixto, que est diseado para el problema entero
mixto.
Laideadelalgoritmodeplanosdecorte,escambiarelconjuntoconvexodelespaciodesoluciones
detalmaneraquelospuntosextremosapropiadoslleguenasertodosenteros.
Ejemplo
Max55X1+55X2+60X3
S.A.
(1)2X1+3X3<=550
(2)1.8X2+0.2X3<=440
(3)2X1+2X2+2X3<=400
(4)1.25X1+1.25X2+1.33X3<=360
Xj>=0yEnteros

PASO1
Sedebeconvertirlasrestriccionesaexpresionesenterasodiscretas,antesderesolverloporel
mtodosimplex.
Ennuestrocasotenemosqueaplicarloalasrestricciones(2)y(4).
Max55X1+55X2+60X3
S.A.
(1)2X1+3X3<=550
x10(2)18X2+2X3<=4400
(3)2X1+2X2+2X3<=400
x100(4)125X1+125X2+133X3<=36000
Xj>=0yEnteros
Aplicamoselmtodosimplexrevisado,parahallareltableroptimo.Entoncesbalanceamoslas
restricciones
Max55X1+55X2+60X3
S.A.
(1)2X1+3X3+X4<=550
(2)18X2+0.2X3+X5<=4400
(3)2X1+2X2+2X3+X6<=400
(4)125X1+125X2+133X3+X7<=36000
Xj>=0yEnteros
Tableroptimo

PASO2
Se debe de elaborar el Plano de Corte, para esto se investiga en el tablero Optimo, cual de la
variablesrealesobsicastienenlamayorcantidadfraccionaria(entrelasvariablesreales)unavez
queselehaidentificadoseextraedichovectorfilayseigualaalvalorquefiguraenlacolumnab.
Hechoesto,acadaunodeloscoeficientesselerestaunaciertacantidadenterayseestablecequeel
signoderelacin,ennuestrocadodebesermayoroigualque.ConlacualseobtieneelPlanode
Corte.

Estanuevarestriccinseincluyeeneltableroptimo

Sin embargo es necesario identificar a la variable que debe de figurar en nuestro tablero ptimo
modificadoquecorrespondealacolumnaXkparalocualseprocededelasiguientemanera:
Seidentificaalasvariablescandidatas,quesonaquellasquenofiguranenelTableroOptimo(en
nuestrocasosonX1,X4,X6yX8)luegoseprocedeaexcluirentrelascandidatasseleccionadasa
aquellas que tengan coeficientes de participacin negativa en la restriccin que se ha aadido (en
nuestrocadoexcluimosalasvariablesX4yX6).Luegoentrelascandidatasquequeden,analizamos
para el vector de sensibilidad (Cj Zj), cual de ellas afecta menos a la Funcin Objetivo, es decir
identificamos en la fila de Cj Zj cual reduce menos (en nuestro caso la que rene esta ultima
condicineslavariableX1)
Secalculalasolucinptima

Nota:Nointeresaqueenlasolucinoptima,figurenpartesfraccionarias,loqueinteresaesla
solucindelasvariablesreales.