INDICE

Introduccin.. 1
Orgenes de la investigacin de operaciones. 2
Definicin.. 6
Metodologa..... 7
reas de aplicacin. 8
Modelado.. 9
Programacin Lineal.. 10
Mtodo grafico. 10
Mtodo algebraico.. 12
Metodo Matricial.. 14
Mtodo Simplex 17
Problemas de transporte 18
Metodo de la esquina noroeste. 18
Metodo de Vogel.. 19
Ruta critica.20

INVESTIGACIN DE OPERACIONES
Introduccin
La primera actividad de Investigacin de Operaciones se dio durante la Segunda
Guerra Mundial en Gran Bretaa, donde la Administracin Militar llam a un
grupo de cientficos de distintas reas del saber para que estudiaran los
problemas tcticos y estratgicos asociados a la defensa del pas.
El nombre de Investigacin de Operaciones fue dado aparentemente porque el
equipo estaba llevando a cabo la actividad de investigar operaciones (militares).
Motivados por los resultados alentadores obtenidos por los equipos britnicos,
los administradores militares de Estados Unidos comenzaron a realizar
investigaciones similares. Para eso reunieron a un grupo selecto de
especialistas, los cuales empezaron a tener buenos resultados y en sus estudios
incluyeron problemas logsticos complejos, la planeacin de minas en el mar y la
utilizacin efectiva del equipo electrnico.
Al trmino de la guerra y atrados por los buenos resultados obtenidos por los
estrategas militares, los administradores industriales empezaron a aplicar las
herramientas de la Investigacin de Operaciones a la resolucin de sus
problemas que empezaron a originarse debido al crecimiento del tamao y la
complejidad de las industrias.
Aunque se ha acreditado a Gran Bretaa la iniciacin de la Investigacin de
Operaciones como una nueva disciplina, los Estados Unidos tomaron pronto el
liderazgo en este campo rpidamente creciente. La primera tcnica matemtica
ampliamente aceptada en el medio de Investigacin de Operaciones fue el
Mtodo Smplex de Programacin Lineal, desarrollado en 1947 por el
matemtico norteamericano George B. Dantzig. Desde entonces las nuevas
tcnicas se han desarrollado gracias al esfuerzo y cooperacin de las personas
interesadas tanto en el rea acadmica como en el rea industrial.
Un segundo factor en el progreso impresionante de la Investigacin de
Operaciones fue el desarrollo de la computadora digital, que con sus tremendas
capacidades de velocidad de cmputo y de almacenamiento y recuperacin de
informacin, permitieron al tomador de decisiones rapidez y precisin.

Si no hubiera sido por la computadora digital, la Investigacin de Operaciones

con sus grandes problemas de computacin no hubiera crecido al nivel de hoy
en da.
Actualmente la Investigacin de Operaciones se est aplicando en muchas
actividades. Estas actividades han ido ms all de las aplicaciones militares e
industriales, para incluir hospitales, instituciones financieras, bibliotecas,
planeacin urbana, sistemas de transporte y sistemas de comercializacin.

Orgenes de la investigacin de operaciones

La toma de decisiones es un proceso que se inicia cuando una persona observa un
problema y determina que es necesario resolverlo procediendo a definirlo, a
formular un objetivo, reconocer las limitaciones o restricciones, a generar
alternativas de solucin y evaluarlas hasta seleccionar la que le parece mejor, este
proceso puede se cualitativo o cuantitativo.
El enfoque cualitativo se basa en la experiencia y el juicio personal, las habilidades
necesarias en este enfoque son inherentes en la persona y aumentan con la
prctica. En muchas ocasiones este proceso basta para tomar buenas decisiones.
El enfoque cuantitativo requiere habilidades que se obtienen del estudio de
herramientas matemticas que le permitan a la persona mejorar su efectividad en
la toma de decisiones. Este enfoque es til cuando no se tiene experiencia con
problemas similares o cuando el problema es tan complejo o importante que
requiere de un anlisis exhaustivo para tener mayor posibilidad de elegir la mejor
solucin.
La investigacin de operaciones proporciona a los tomadores de decisiones bases
cuantitativas para seleccionar las mejores decisiones y permite elevar su habilidad
para hacer planes a futuro.
En el ambiente socioeconmico actual altamente competitivo y complejo, los
mtodos tradicionales de toma de decisiones se han vuelto inoperantes e
inadmisibles ya que los responsables de dirigir las actividades de las empresas e
instituciones se enfrentan a situaciones complicadas y cambiantes con rapidez que
requieren de soluciones creativas y prcticas apoyadas en una base cuantitativa
slida.

En organizaciones grandes se hace necesario que el tomador de decisiones tenga

un conocimiento bsico de las herramientas cuantitativas que utilizan los
especialistas para poder trabajar en forma estrecha con ellos y ser receptivos a las
soluciones y recomendaciones que se le presenten.
En organizaciones pequeas puede darse que el tomador de decisiones domine
las herramientas cuantitativas y l mismo las aplique para apoyarse en ellas y as
tomar sus decisiones.
Desde al advenimiento de la Revolucin Industrial, el mundo ha sido testigo de un
crecimiento sin precedentes en el tamao y la complejidad de las organizaciones.
Los pequeos talleres artesanales se convirtieron en las corporaciones actuales de
miles de millones de pesos. Una parte integral de este cambio revolucionario fue el
gran aumento en la divisin del trabajo y en la separacin de las responsabilidades
administrativas en estas organizaciones. Los resultados han sido espectaculares.
Sin embargo, junto con los beneficios, el aumento en el grado de especializacin
creo nuevos problemas que ocurren hasta la fecha en muchas empresas. Uno de
estos problemas es las tendencia de muchas de las componentes de una
organizacin a convertirse en imperios relativamente autnomos, con sus propias
metas y sistemas de valores, perdiendo con esto la visin de la forma en que
encajan sus actividades y objetivos con los de toda la organizacin. Lo que es
mejor para una componente, puede ir en detrimento de otra, de manera que
pueden terminar trabajando con objetivos opuestos. Un problema relacionado con
esto es que, conforme la complejidad y la especializacin crecen, se vuelve ms
difcil asignar los recursos disponibles a las diferentes actividades de la manera
ms eficaz para la organizacin como un todo. Este tipo de problemas, y la
necesidad de encontrar la mejor forma de resolverlos, proporcionaron el ambiente
adecuado para el surgimiento de la investigacin de operaciones.
Las races de la investigacin de operaciones se remontan a muchas dcadas,
cuando se hicieron los primeros intentos para emplear el mtodo cientfico en la
administracin de una empresa. Sin embargo, el inicio de la actividad llamada
investigacin de operaciones, casi siempre se atribuye a los servicios militares
prestados a principios de la segunda guerra mundial. Debido a los esfuerzos
blicos, exista una necesidad urgente de asignar recursos escasos a las distintas
operaciones militares y a las actividades dentro de cada operacin, en la forma
ms efectiva. Por esto, las administraciones militares americana e inglesa hicieron
4

un llamado a un gran nmero de cientficos para que aplicaran el mtodo cientfico

a ste y a otros problemas estratgicos y tcticos. De hecho, se les pidi que
hicieran investigacin sobre operaciones (militares). Estos equipos de cientficos
fueron los primeros equipos de IO. Con el desarrollo de mtodos efectivos para el
uso del nuevo radar, estos equipos contribuyeron al triunfo del combate areo
ingls. A travs de sus investigaciones para mejorar el manejo de las operaciones
antisubmarinas y de proteccin, jugaron tambin un papel importante en la victoria
de la batalla del Atlntico Norte. Esfuerzos similares fueron de gran ayuda en a isla
de campaa en el pacfico.
Al terminar la guerra, el xito de la investigacin de operaciones en las actividades
blicas gener un gran inters en sus aplicaciones fuera del campo militar. Como la
explosin industrial segua su curso, los problemas causados por el aumento en la
complejidad y especializacin dentro de las organizaciones pasaron de nuevo a
primer plano. Comenz a ser evidente para un gran nmero de personas,
incluyendo a los consultores industriales que haban trabajado con o para los
equipos de IO durante la guerra, que estos problemas eran bsicamente los
mismos que los enfrentados por la milicia, pero en un contexto diferente. Cuando
comenz la dcada de 1950, estos individuos haban introducido el uso de la
investigacin de operaciones en la industria, los negocios y el gobierno. Desde
entonces, esta disciplina se ha desarrollado con rapidez.
Se pueden identificar por lo menos otros dos factores que jugaron un papel
importante en el desarrollo de la investigacin de operaciones durante este
perodo. Uno es el gran progreso que ya se haba hecho en el mejoramiento de las
tcnicas disponibles en esta rea. Despus de la guerra, muchos cientficos que
haban participado en los equipos de IO o que tenan informacin sobre este
trabajo, se encontraban motivados a buscar resultados sustanciales en este
campo; de esto resultaron avances importantes. Un ejemplo sobresaliente es el
mtodo simplex para resolver problemas de programacin lineal, desarrollado en
1947 por George Dantzing. Muchas de las herramientas caractersticas de la
investigacin de operaciones, como programacin lineal, programacin dinmica,
lneas de espera y teora de inventarios, fueron desarrolladas casi por completo
antes del trmino de la dcada de 1950. Un segundo factor que dio mpetu al
desarrollo de este campo fue el advenimiento de la computadoras.

Para manejar de una manera efectiva los complejos problemas inherentes a esta
disciplina, por lo general se requiere un gran nmero de clculos. Llevarlos a cabo
a mano puede resultar casi imposible. Por lo tanto, el desarrollo de la computadora
electrnica digital, con su capacidad para realizar clculos aritmticos, miles o tal
vez millones de veces ms rpido que los seres humanos, fue una gran ayuda para
la investigacin de operaciones. Un avance ms tuvo lugar en la dcada de 1980
con el desarrollo de las computadoras personales cada vez ms rpidas,
acompaado de buenos paquetes de software para resolver problemas de IO, esto
puso las tcnicas al alcance de un gran nmero de personas. Hoy en da,
literalmente millones de individuos tiene acceso a estos paquetes. En
consecuencia, por rutina, se usa toda una gama e computadoras, desde las
grandes hasta las porttiles, para resolver problemas de investigacin de
operaciones.

Definicin
Investigacin de Operaciones o Investigacin Operacional. Se puede definir de la
siguiente manera: La Investigacin de Operaciones es la aplicacin por grupos
interdisciplinarios del mtodo cientfico a problemas relacionados con el control
de las organizaciones o sistemas a fin de que se produzcan soluciones que
mejor sirvan a los objetivos de toda la organizacin.

LA INVESTIGACIN DE OPERACIONES ES LA APLICACIN, POR GRUPOS

INTERDISCIPLINARIOS, DEL MTODO CIENTFICO A PROBLEMAS RELACIONADOS
CON EL CONTROL DE LAS ORGANIZACIONES O SISTEMAS (HOMBRE-MQUINA), A
FIN DE QUE SE PRODUZCAN SOLUCIONES QUE MEJOR SIRVAN A LOS OBJETIVOS
DE LA ORGANIZACIN.

CHURCHMAN, ACKOFF Y ARNOFF

Metodologa de la investigacin de operaciones

El proceso comprende las siguientes fases:
1. Formulacin y definicin del problema.
2. Construccin del modelo.
3. Solucin del modelo.
4. Validacin del modelo.
5. Implementacin de resultados.
1. Formulacin y definicin del problema. En esta fase del proceso se
necesita: una descripcin de los objetivos del sistema, es decir, qu se
desea optimizar; identificar las variables implicadas, ya sean controlables o
no; determinar las restricciones del sistema. Tambin hay que tener en
cuenta las alternativas posibles de decisin y las restricciones para producir
una solucin adecuada.
2. Construccin del modelo. En esta fase, el investigador de operaciones
debe decidir el modelo a utilizar para representar el sistema. Debe ser un
modelo tal que relacione a las variables de decisin con los parmetros y
restricciones del sistema. Los parmetros (o cantidades conocidas) se
pueden obtener ya sea a partir de datos pasados o ser estimados por
medio de algn mtodo estadstico. Es recomendable determinar si el
modelo es probabilstico o determinstico. El modelo puede ser matemtico,
de simulacin o heurstico, dependiendo de la complejidad de los clculos
matemticos que se requieran.
3. Solucin del modelo. Una vez que se tiene el modelo, se procede a
derivar una solucin matemtica empleando las diversas tcnicas y
mtodos matemticos para resolver problemas y ecuaciones. Debemos
tener en cuenta que las soluciones que se obtienen en este punto del
proceso, son matemticas y debemos interpretarlas en el mundo real.
Adems, para la solucin del modelo, se deben realizar anlisis de
sensibilidad, es decir, ver como se comporta el modelo a cambios en las
especificaciones y parmetros del sistema. Esto se hace, debido a que los
parmetros no necesariamente son precisos y las restricciones pueden
estar equivocadas.
7

4. Validacin del modelo. La validacin de un modelo requiere que se

determine si dicho modelo puede predecir con certeza el comportamiento
del sistema. Un mtodo comn para probar la validez del modelo, es
someterlo a datos pasados disponibles del sistema actual y observar si
reproduce las situaciones pasadas del sistema. Pero como no hay
seguridad de que el comportamiento futuro del sistema contine replicando
el comportamiento pasado, entonces siempre debemos estar atentos de
cambios posibles del sistema con el tiempo, para poder ajustar
adecuadamente el modelo.
5. Implementacin de resultados. Una vez que hayamos obtenido la
solucin o soluciones del modelo, el siguiente y ltimo paso del proceso es
interpretar esos resultados y dar conclusiones y cursos de accin para la
optimizacin del sistema. Si el modelo utilizado puede servir a otro
problema, es necesario revisar, documentar y actualizar el modelo para sus
nuevas aplicaciones.

reas de aplicacin
Como su nombre lo dice, Investigacin de Operaciones significa hacer
investigacin sobre las operaciones. Esto dice algo del enfoque como del rea
de aplicacin. Entonces, la Investigacin de Operaciones se aplica a problemas
que se refieren a la conduccin y coordinacin de operaciones o actividades
dentro de una organizacin. La naturaleza de la organizacin es esencialmente
inmaterial y, de hecho, la Investigacin de Operaciones se ha aplicado en los
negocios, la industria, la milicia, el gobierno, los hospitales, etc. As, la gama de
aplicaciones es extraordinariamente amplia. Casi todas las organizaciones ms
grandes del mundo (alrededor de una docena) y una buena proporcin de las
industrias ms pequeas cuentan con grupos bien establecidos de Investigacin
de Operaciones. Muchas industrias, incluyendo la area y de proyectiles, la
automotriz, la de comunicaciones, computacin, energa elctrica, electrnica,
alimenticia, metalrgica, minera, del papel, del petrleo y del transporte, han
empleado la Investigacin de Operaciones.

Las instituciones financieras, gubernamentales y de salud estn incluyendo cada

vez ms estas tcnicas. Para ser ms especficos, se consideran algunos
problemas que se han resuelto mediante algunas tcnicas de Investigacin de
Operaciones. La programacin lineal se ha usado con xito en la solucin de
problemas referentes a la asignacin de personal, la mezcla de materiales, la
distribucin y el transporte y las carteras de inversin. La programacin dinmica
se ha aplicado con buenos resultados en reas tales como la planeacin de los
gastos de comercializacin, la estrategia de ventas y la planeacin de la
produccin. La teora de colas ha tenido aplicaciones en la solucin de
problemas referentes al congestionamiento del trfico, al servicio de mquinas
sujetas a descomposturas, a la determinacin del nivel de la mano de obra, a la
programacin del trfico areo, al diseo de presas, a la programacin de la
produccin y a la administracin de hospitales. Otras tcnicas de Investigacin
de Operaciones, como la teora de inventarios, la teora de juegos y la
simulacin, han tenido exitosas aplicaciones en una gran variedad de contextos.

Modelado

Procedimiento
1. Identificar las variables en el problema
2. Las restricciones a las variables impuestas al problema
3. Objetivo que se necesita alcanzar para determinar la solucin optima
entre todos los valores factible de las variables
4. Siempre sealas las restricciones de no negatividad
Problema
Un pequeo banco asigna un mximo de $20 000 para prstamos personales y
para automvil durante el mes siguiente. El banco cobra una tasa de inters anual
del 14% a prstamos personales y el 12% a prstamos para automvil. Ambos
tipos de prstamos se saldan en periodos de tres aos- el monto de los prstamos
para automvil deber ser cuando menos dos veces mayor que el de los prestamos
personales. La experiencia pasada ha demostrado que los adeudos no cubiertos
constituyen el 1% de todos los prstamos personales Cmo deben asignarse los
fondos?

Cules son las incgnitas?

Prestamos personales (P)
Prestamos automvil (A)
Qu restricciones impone el problema?
P+A < 20 000
A debe ser 2 veces mayor que P
2A > P
3 aos para saldarse
Modelo para la solucin
Lmax = .14P + .12A - .01P
= .13P + .12A
Restriccin de no negatividad
P>0
A>0

Programacin lineal
Es un procedimiento o algoritmo matemtico mediante el cual se resuelve un
problema indeterminado, formulado a travs de ecuaciones lineales, optimizando la
funcin objetivo, tambin lineal. Consiste en optimizar (minimizar o maximizar) una
funcin lineal, que denominaremos funcin objetivo, de tal forma que las variables
de dicha funcin estn sujetas a una serie de restricciones que expresamos
mediante un sistema de inecuaciones lineales.
Mtodo grafico
El mtodo grfico se emplea para resolver problemas que presentan slo 2 variables de
decisin.

Problema
Max z= 500x1 + 300x2
15x1 +5x2 < 300
10x1 + 6x2 < 240
8x1 + 12x2 < 450
x1 >0
x2>0
10

R1
X2

X1
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

R2
X2
60
57
54
51
48
45
42
39
36
33
30
27
24
21
18
15
12
9
6
3
0

R3
X2
40
38.33
36.67
35
33.33
31.67
30
28.33
26.67
25
23.33
21.67
20
18.33
16.67
15
13.33
11.67
10
8.333
6.667

37.5
36.83
36.17
35.5
34.83
34.17
33.5
32.83
32.17
31.5
30.83
30.17
29.5
28.83
28.17
27.5
26.83
26.17
25.5
24.83
24.17

11

PUNTOS
X1

X2

A0

37.5

11250

B3

35

12000

C 15

15

12000

D 20

10000

Solucin factible
X1= 15
X 2= 15

Mtodo algebraico

Procedimiento
1.
2.
3.
4.
5.
6.

Determinar la educacin de maximizacin Z

Especificar sus restricciones
Agregar las variables de holgura S1, S2, S3
Realizar suposiciones para cada variable
Despejar cada suposicin
Sustituir en la ecuacin para obtener los valores de las incgnitas

Ejemplo

Max

Z= X1+ 1.5X2

2X1 + 2X2 < 160

2X1 + 2X2 + S1 = 160

X1 + 2X2 < 120

X1 + 2X2 + S2 = 120

4X1 + 2X2 < 280

4X1 + 2X2 + S3 = 280

12

S1

X1 , X2 =0

S1 =160

S2 =120

S3 =280

S2

X1 , S1 =0

2X2 =160

2X2 + S2 =120

2X2 + S3=280

S3

X1 , S2 =0

3X3 + S1=160

2X2=120

2X2 + S3=280

S4

X1 , S3 =0

2X2 + S1=160

2X2 + S2=120

2X2 =280

S5

X2 , S1 =0

2X1=160

X1 + S2=120

4X1 + S3=280

S6

X2 , S2 =0

2X1 + S1=160

X1=120

4X1 + S3=280

S7

X2 , S3 =0

2X1 + S1=160

X1 + S2=120

4S1=280

S8

S1 , S2 =0

2X1 + 2X2=160

X1 + X2=120

4X1+2X2+S3=280

S9

S1 , S3=0

2X1 + 2X2=160

X1+2X2+ S2=120

4X1 + 2X2=280

S10

S2 , S3 =0

2X1+2X2+S1=160

X1 + 2X2=120

2X1 + 2X2=280

S1

X1 , X2 =0

S1 =160

S2 =120

S3 =280

S2

X1 , S1 =0

X2 =80

S2 =-40

S3=120

S3

X1 , S2 =0

S1=40

X2=60

S3=160

S4

X1 , S3 =0

S1=-120

S2=-160

X2=140

S5

X2 , S1 =0

X1=-80

S2=40

S3=-40

S6

X2 , S2 =0

S1=80

X1=120

S3=-200

S7

X2 , S3 =0

S1=20

S2=50

X1=70

S8

S1 , S2 =0

X1 =40

X2=40

S3=40

S9

S1 , S3=0

X2=20

S2=20

X1=60

S10

S2 , S3 =0

S1=-13.8

X2=33.6

X1 =53.3

Sustituir en la ecuacin principal los valores de la tabla anterior

13

S1

Z= X1+ 1.5X2

Z= 0

S2

Z= X1+ 1.5X2

Z= 1.5(80)

120

S3

Z= X1+ 1.5X2

Z= 1.5(60)

90

S4

Z= X1+ 1.5X2

Z= 1.5(140)

210

S5

Z= X1+ 1.5X2

Z= 80

80

S6

Z= X1+ 1.5X2

Z= 120

120

S7

Z= X1+ 1.5X2

Z= 70

70

S8

Z= X1+ 1.5X2

Z= 40+ 1.5(40)

100

S9

Z= X1+ 1.5X2

Z= 60+ 1.5(20)

90

S10

Z= X1+ 1.5X2

Z= 53.3+ 1.5(33.6)

103.7

Respuesta
Observando la tabla nos damos cuenta que la ecuacin maximizada es la
suposicin 4, por lo tanto la respuesta es S4= 210

Mtodo Matricial
Procedimiento
1. Determinar la educacin de maximizacin Z
2. Especificar sus restricciones
3. Agregar las variables de holgura S1, S2, S3
4. Realizar la matriz
5. Resolver la matriz inversa
6. Multiplicar por las variables independientes
Ejemplo
Max

Z= X1+ 1.5X2

2X1 + 2X2 < 160

X1 + 2X2 < 120
4X1 + 2X2 < 280

2X1 + 2X2 + S1 = 160

X1 + 2X2 + S2 = 120
4X1 + 2X2 + S3 = 280

S1

X1 , X2 =0

S1 =160

S2 =120

S3 =280

S2

X1 , S1 =0

2X2 =160

2X2 + S2 =120

2X2 + S3=280

14

S3

X1 , S2 =0

3X3 + S1=160

2X2=120

2X2 + S3=280

S4

X1 , S3 =0

2X2 + S1=160

2X2 + S2=120

2X2 =280

S5

X2 , S1 =0

2X1=160

X1 + S2=120

4X1 + S3=280

S6

X2 , S2 =0

2X1 + S1=160

X1=120

4X1 + S3=280

S7

X2 , S3 =0

2X1 + S1=160

X1 + S2=120

4S1=280

S8

S1 , S2 =0

2X1 + 2X2=160

X1 + X2=120

4X1+2X2+S3=280

S9

S1 , S3=0

2X1 + 2X2=160

X1+2X2+ S2=120

4X1 + 2X2=280

S10

S2 , S3 =0

2X1+2X2+S1=160

X1 + 2X2=120

2X1 + 2X2=280

S1
1
0
0

0
1
0

0
X2
0 = S1
1
S2

160
120
280

X2 = 160
= S1 = 120
S2 = 280

0
1
0

0
X2
0 = S1
1
S3

160
120
280

.5
= -1
-1

0
1
0

0
0
1

X2 = 80
= S2 = -40
S3 = 120

1
0
0

0
X2
0 = S1
1
S3

160
120
280

0
1
0

.5
-1
-1

0
0
1

X2 = 60
= S1 = 40
S3 = 160

1
0
0

0
X2
1 = S1
0
S2

160
120
280

0
1
0

0
0
1

.5
-1
-1

X2 = 140
= S1 = -120
S2 = -160

0
1

0
X1
0 = S2

.5
= -.5

0
1

0
0

S2
2
2
2
S3
2
2
2
S4
2
2
2

S5
2
1

160
120

X1 = 80
= S2 = 40
15

S3

280

-2

1
0
0

0
X2
1 = S1
0
S3

160
120
280

0
1
0

1
-2
-4

0
0
1

1
0
0

0
1
0

2
2
2

0
X1
160
0 = X2 = 120
1
S3
280

1
= -.5
-3

2
2
2

0
X1
160
0 = X2 = 120
1
S2
280

2
2
2

1
X1
160
0 -.33
0 = X2 = 120 = 0 .66
0
S1
280
1 -.66

S3 = -40

S6
2
1
4

X2 = 120
= S2 = -80
S3 = -200

S7
2
1
4

X1
= S1
S2

160
= 120 =
280

0
1
0

0
0
1

0.25
X1= 70
-0.5 = S1= 20
-0.25
S2= 50

S8
2
1
4

-1
1
2

0
0
1

X1 = 40
= X2 = 40
S3 = 40

0 .5
0 -.5
.5

X1 = 60
= X2 = 20
S2 = 20

S9
2
1
4

-.5
1
-1.5

S10
2
1
4

S1

Z= X1+ 1.5X2

.33
-.16
-.33

Z= 0

X1 = 53.3
= X2 = 33.6
S1 = -13.3

16

S2

Z= X1+ 1.5X2

Z= 1.5(80)

120

S3

Z= X1+ 1.5X2

Z= 1.5(60)

90

S4

Z= X1+ 1.5X2

Z= 1.5(140)

210

S5

Z= X1+ 1.5X2

Z= 80

80

S6

Z= X1+ 1.5X2

Z= 120

120

S7

Z= X1+ 1.5X2

Z= 70

70

S8

Z= X1+ 1.5X2

Z= 40+ 1.5(40)

100

S9

Z= X1+ 1.5X2

Z= 60+ 1.5(20)

90

S10

Z= X1+ 1.5X2

Z= 53.3+ 1.5(33.6)

103.7

Respuesta
Observando la tabla nos damos cuenta que la educacin maximizada es la
suposicin 4, por lo tanto la respuesta es S4= 210

Mtodo simplex
El Mtodo Simplex publicado por George Dantzig en 1947 consiste en un
algoritmo iterativo que secuencialmente a travs de iteraciones se va
aproximando al ptimo del problema de Programacin Lineal en caso de existir
esta ltima.
Este mtodo hace uso de la propiedad de que la solucin ptima de un problema
de Programacin Lineal se encuentra en un vrtice o frontera del dominio de
puntos factibles, por lo cual, la bsqueda secuencial del algoritmo se basa en la
evaluacin progresiva de estos vrtices hasta encontrar el ptimo.
Procedimiento:
1.
2.
3.
4.

Convertir las ecuaciones a una forma matricial

Elegir el elemento pivote, es la interseccin entre la columna y la fila
Se convierte a 0 toda la columna pivote
Terminar de maximizar o minimizar hasta que los valores sean 0.

Problemas de transporte

17

El problema del transporte es un planteamiento clsico de las tcnicas

programacin lineal. En este problema se pretende elegir el camino ptimo
envo de una mercanca desde varios orgenes (por ejemplo, plantas
produccin) a diferentes destinos (centros de almacenamiento o consumo),
forma que el coste sea mnimo.

de
de
de
de

Los datos del modelo son:

1. Nivel de oferta en cada fuente y la cantidad de demanda en cada destino.
2. El costo de transporte unitario de la mercanca en cada destino.
Como solo hay una mercanca un destino puede recibir su demanda de una o
ms fuentes. El objetivo del modelo es el de determinar la cantidad que se
enviara de cada fuente a cada destino, tal que se minimice el costo del
transporte.

a
Unidad
es de
oferta

b
1

am

m
1

b
2

Unidades
de
demanda

b
m

Mtodo de la esquina noroeste

Procedimiento
1. Se expresar en forma de una matriz de transporte, si es necesario agregar
una columna ficticia.
2. La asignacin inicial se efecta por el mtodo de la esq1uina noroeste, este
mtodo requiere comenzar en la esquina noroeste y hacer una asignacin
suficientemente grande para agotar la capacidad de origen de la primera fila
o satisfacer el requerimiento del destino de la primera columna o ambos.
3. Determinar el costo total de la asignacin
4. Prueba de degeneracin
5. Prueba de optimalidad

Mtodo de Vogel

18

Este mtodo es heurstico y suele producir una mejor solucin inicial que los
mtodos anteriores. De hecho, suele producir una solucin inicial ptima, o
prxima al nivel ptimo.
Este mtodo basa su asignacin inicial en la separacin de los coeficientes de
costos.

1. Formar la matriz inicial.

2. Determinar la diferencia entre los 2 coeficientes de costos mas pequeos
para cada fila y cada columna.
3. Hallar la fila o columna con el valor ms grande encontrado. A la casilla
que tiene el menor coeficiente de costo en esta fila o columna, se le
asigna la mxima cantidad requerida por los requerimientos de contorno.
4. Asignar cero, a las casillas restantes de las filas o columnas donde la
demanda o el suministro se haya agotado.
5. Repetir los pasos del 2 al 4 hasta obtener una solucin completa cuando
solo quede una casilla en una fila o columna se asigna a esa casilla una
cantidad que no viole los requerimientos de contorno.
6. Verificar la optimalidad de la solucin empleando la prueba descrita en la
discusin de la regla noroeste. Si la solucin no es optima trazando una
trayectoria +, -.
7. Repetir el procedimiento hasta obtener la prueba de optimalidad positiva.

Ruta critica

19

En administracin y gestin de proyectos, una ruta crtica es la secuencia de los

elementos terminales de la red de proyectos con la mayor duracin entre ellos,
determinando el tiempo ms corto en el que es posible completar el proyecto. La
duracin de la ruta crtica determina la duracin del proyecto entero. Cualquier
retraso en un elemento de la ruta crtica afecta a la fecha de trmino planeada
del proyecto, y se dice que no hay holgura en la ruta crtica.
Flecha: Representa una actividad y la punta indica el sentido de avance del
proyecto.
Evento: Representa un punto en el tiempo que significa la terminacin de
algunas actividades y el comienzo de nuevas.

Reglas para construir el diagrama de flechas:

A. Cada actividad esta representada por una flecha en la red
B. 2 actividades diferentes no pueden identificarse por los mismos eventos
terminal y de inicio por lo tanto cuando dos o mas actividades se llevan acabo al
mismo tiempo se incluyen actividades ficticias las cuales se presentan con lneas
punteadas y no consumen tiempo o recurso.
C. A fin de asegurar la relacin de procedencia en el diagrama de flechas las
siguientes preguntas deben responderse cuando se agrega otra actividad a la
red.
Qu actividades deben terminarse inmediatamente antes de que esta actividad
pueda comenzar?
Qu actividades deben efectuarse simultneamente con esta red?
Problema
Construye el diagrama de flechas que contenga las actividades A, B, C, D, E, F,
G, H, I, J, K, L que satisfaga las siguientes relaciones:
A, B Y C son actividades
comienzan
A, B preceden a D
B precede a E, F, H
F, C preceden a G
E, H precede a I, J
C, D, F, J preceden a k
K precede a L
I, G, L son las actividades

iniciales del proyecto que

simultneamente.

finales del proyecto

ACITIVDADES

DURACION

20

Dij
21

TIPo= 0 - Siempre para el inicio

i

TTTi= min I TTTj-Dij I

TIPj= max (TIPi+Dij)

TTT8= min I 12I

TIP1= max (0+3) =3

TTT7= min I 12-1I = 11

TIP2= max (0+2) =2

TTT6= min I 11-2I = 9

TIP3= max (3+2) =5

TTT5= min I 9-2I = 7

TIP4= max (3+3) =6

TTT4= min I 7-0I = 7

TIP5= max (3+4) =7

TTT3= min I 9-0I = 9

TIP6= max (7+2) =9

TTT2= min I 9-3I = 6

TIP7= max (9+2) =11

TTT1= min I 7-4 I = 3

TIP8= max (11+1) =12

TTT0= min I 3-3I = 0

Solucin hacia delante

Solucin hacia atrs

22