You are on page 1of 96

Todo lo que corresponde a la ingenieríía para la generacioí n de productos se conoce como

procesos productivos; mientras que lo que es la generacioí n de servicios se conoce como


procesos de servicios. Tanto los procesos productivos como los procesos de servicios
forman parte del gran conjunto de operaciones, que son el objeto de esta materia.

La gerencia de operaciones permite administrar de forma eficiente los procesos, tanto a


nivel de productos como a nivel de servicios. Sin embargo, para administrar es necesario
tomar decisiones adecuadamente sustentadas.

Optimización de Ganancias

 Woodcarving, Inc. de Giapetto, fabrica dos tipos de juguetes de madera: soldados y


trenes. Se vende un soldado a 27 dólares y se usan 10 dólares de materia prima. Cada
soldado que se produce aumenta los costos variables de mano de obra y los costos
generales en 14 dólares. Se vende un tren a 21 dólares y se usan 9 dólares de materia
prima. Cada tren producido aumenta los costos variables de mano de obra y los
costos generales en 10 dólares. La producción de soldados y de trenes de madera
necesita dos tipos de trabajo especializado: carpintería y acabado. Un soldado
requiere 2 horas de acabado y 1 hora de carpintería. Cada semana Giapetto puede
conseguir la atería prima que necesita, pero solamente dispone de 100 horas de
acabado y 80 de carpintería. La demanda de los trenes no tiene límite, pero se venden
a lo más 40 soldados semanalmente. Giapetto quiere maximizar su ganancia
semanal (ingresos – costos). Formule un modelo matemático para la situación de
Giapetto que se pueda utilizar para maximizar su ganancia semanal. (Archivo 1.
Maximización de ganancias Giapetto)

Datos:

Soldados Trenes Horas Disponibles


Precio variable ($) 27 21
Materia prima ($) 10 9
Mano de Obra maí s Gastos
14 10
Generales ($)
Ganancia ($) 27 – 10 – 14 = 3 21 – 9 – 10 = 2
Tiempo de Carpinteríía (horas) 1 1 80
Tiempo de Acabado (horas) 2 1 100
Nuí mero de unidades vendidas 40 maí ximo

Para desarrollar el modelo matemaí tico de este caso, se sede proceder con el
planteamiento del problema. El planteamiento del problema consiste en lo siguiente:

1. Definición de variables

Como en este caso lo que se quiere es maximizar la ganancia obtenida por las
ventas de trenes y de soldados, se van a definir dos variables:

o x 1 → Nuí mero de soldados fabricados y vendidos

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
o x 2 → Nuí mero de trenes fabricados y vendidos

Noí tese que para definir las variables se especifica la cantidad, acompanñ ada de
sustantivos y verbos.

2. Definición de la función objetivo (función matemática que representa lo que


se desea)

Como se mencionoí anteriormente, el objetivo es maximizar la ganancia, utilidad o


beneficio final. Generalmente a la ganancia, utilidad o beneficio se la suele
representar con la letra z .

$3
Ganancia Soldados= × x 1 Soldados vendidos
1 Soldado vendido

Ganancia Soldados=3 ∙ x 1 [ $ ]

$2
Ganancia Trenes= × x2 Trenes vendidos
1Tren vendido

Ganancia Trenes=2 ∙ x 2 [ $ ]

Ganancia Total=Ganancia Soldados +GananciaTrenes

Ganancia Total=3∙ x 1+ 2∙ x 2 [ $ ]

z=3 ∙ x 1 +2 ∙ x 2 Función Objetivo

3. Definición de las restricciones

Las variables van a estar sujetas a:

1. Tiempo de acabado

2 horas
Tiempo Acabado Soldados= × x 1 Soldados fabricados
1 Soldado fabricado

Tiempo Acabado Soldados=2∙ x 1 [ horas ]

1hora
Tiempo Acabado Trenes= × x 2 Trenes fabricados
1 Tren fabricado

Tiempo Acabado Trenes=x2 [ horas ]

Tiempo Total Acabado=Tiempo Acabado Soldados+Tiempo Acabado Trenes

Tiempo Total Acabado=2 ∙ x 1 + x 2 [ horas ]

Tiempo Total Acabado≤ 100 horas → 2∙ x 1+ x 2 ≤100

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
2. Tiempo de carpintería

1 hora
Tiempo Carpintería Soldados= × x 1 Soldados fabricados
1 Soldado fabricado

Tiempo Carpintería Soldados=x1 [ horas ]

1 hora
Tiempo Carpintería Trenes= × x2 Trenes fabricados
1 Tren fabricado

Tiempo Carpintería Trenes=x 2 [ horas ]

Tiempo Total Carpintería=Tiempo Carpintería Soldados+Tiempo Carpintería Trenes

Tiempo Total Carpintería=x 1+ x 2 [ horas ]

Tiempo Total Carpintería ≤ 80 horas → x1 + x 2 ≤ 80

3. Cantidad de soldados y trenes

x 1 ≤ 40
x2 ≤ ∞

4. Condición de no negatividad

En este caso no se admiten variables negativas. Por lo tanto:

x1≥ 0
x2≥ 0

5. Determinación de la zona factible

Cada variable considerada en el ejercicio es independiente de una tercera variable,


y por eso se las puede representar en un diagrama cartesiano. En este caso se
trabaja con un diagrama cartesiano porque se estaí n tratando dos variables, pero
en realidad pueden ser maí s, y por eso matemaí tica es posible tener infinitas
dimensiones. Eso síí, todas las variables deben ser ortogonales.

Lo que se va a representar en el diagrama cartesiano es lo siguiente:

2 x 1 + x 2 ≤ 100 x1 ≤ 40
x 1 + x 2 ≤ 80 x 1 , x 2 ≥0

Para esto, las restricciones se convierten en igualdades, y se deja una de las


variables en funcioí n de la otra, de modo que queda una ecuacioí n de la forma:

y=mx +b

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
2 x 1 + x 2=100 → x 2=100−2 x 1
x 1 + x 2=80 → x 2=80−x 1
x1 =40 → x 1=40
x 1 , x 2=0 → x 1 , x 2=0

Las ecuaciones obtenidas se representan en el diagrama cartesiano:

100
80

50 80

Luego se representan las desigualdades en el diagrama, resaltando las zonas que


cumplen con la condicioí n.

A
B

C
E D
Punto (0,0) → (, )
→ Síí cumple
→ Síí cumple Zona que cumple simultaí neamente todas las condiciones
→ Síí cumple

A la zona que simultaí neamente cumple con las tres condiciones se la conoce como
zona factible. Encontrada la zona factible, se maximiza la ganancia empleando la
funcioí n objetivo.

z 3
z=3 x 1+2 x 2 → x 2= − x 1
2 2

El maí ximo de una funcioí n es el valor que resulta de la derivada de dicha funcioí n
igualada a cero. Por eso, para determinar el maí ximo de utilidades se busca en queí
punto la funcioí n objetivo es tangente a la zona factible.

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
Los maí ximos o míínimos corresponden a losApuntos en los que hay cambio de pendiente, ya que ahí
B

C
E D

La recta correspondiente a la funcioí n objetivo no puede cortar a la zona factible, de


modo que los puntos A y C estaí n descartados como maí ximos. Por lo tanto, el punto
B es la solucioí n al problema, ya que es soí lo por ese punto la funcioí n objetivo es
tangente a la zona factible.

El punto B es el resultado de la interseccioí n de las rectas: 2 x 1 + x 2=100 y


x 1+ x 2=80 .

2 x 1 + x 2=100
x 1+ x 2=80→ x 2=80−x1

x 1=20
2 x 1 + ( 80−x 1) =100 →
x 2=60

z=3 x 1+2 x 2=3 ( 20 ) +2 ( 60 ) → z=180

Este problema se pudo haber resuelto faí cilmente en el programa GLP (Graphic LP
Optimizer), en el que se ingresan los siguientes datos:

o X → Variable independiente ( x 1 para el ejemplo)

o Y → Variable dependiente ( x 2 para el ejemplo)

o PAYOFF → Funcioí n objetivo

o Restricciones

o Option > Config Color → Se selecciona el color de la zona factible

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
Introducidos los datos, se hace clic en el íícono de Auto Max ( ), para
determinar el maí ximo de la funcioí n, o en el íícono de Auto Min ( ), para
determinar el míínimo de la funcioí n. Entonces se observa en la base de la
pantalla la decisioí n oí ptima (Optimal Decisions), mientras que en el payoff se
obtiene la maí xima utilidad correspondiente a la decisioí n oí ptima.

Noí tese que efectivamente para este ejemplo se obtuvo como decisioí n oí ptima
20 para x 1 y 60 para x 2 , con una utilidad de $180.

 Una empresa fabrica dos productos: A y B. Cada producto debe procesarse en dos
máquinas diferentes. La máquina 1 tiene 24 horas de capacidad disponible, mientras
que la máquina 2 tiene sólo 16 horas disponibles de capacidad. Cada unidad del
producto A requiere 2 horas en cada máquina, mientras que cada unidad del
producto B necesita 3 horas en la máquina 1 y una hora en la segunda máquina. El
producto A da un beneficio de $6,00 por cada unidad, y $7,00 de beneficio por cada
unidad para el producto B. Si se puede producir a lo más 6 unidades del producto B,
formule el modelo matemático para maximizar las ganancias de la empresa.
(Archivo 2. Maximización de ganancias productos A y B)

Datos:

Horas de Capacidad
A B
Disponible
Beneficio por unidad ($) 6 7
Nuí mero de unidades maí ximas 6
Horas de procesamiento Maí quina 1 2 3 24
Horas de procesamiento Maí quina 2 2 1 16

1. Definición de variables

o a → Nuí mero de unidades del producto A fabricadas y vendidas

o b → Nuí mero de unidades del producto B fabricadas y vendidas

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
2. Definición de la función objetivo

Ganancia A=6 ∙ a [ $ ] → Ganancia Total=6 ∙ a+7 ∙b [ $ ]


Ganancia B=7 ∙b [ $ ]

z=6 ∙ a+7 ∙ b

3. Definición de las restricciones

Las variables van a estar sujetas a:

1. Tiempo de procesamiento en la máquina 1

Tiempo Máquina1 A=2 ∙ a [ horas ]


Tiempo Máquina 1 B=3∙ b [ horas ]

Tiempo Total Máquina1=2∙ a+3 ∙ b [ horas ]

Tiempo Total Máquina1 ≤ 24 horas → 2∙ a+ 3∙ b ≤ 24

2. Tiempo de procesamiento en la máquina 2

Tiempo Máquina2 A=2 ∙ a [ horas ]


Tiempo Máquina 2 B=1∙ b [ horas ]

Tiempo Total Máquina2=2∙ a+ b [ horas ]

Tiempo Total Máquina2 ≤ 16 horas → 2∙ a+ b≤ 16

3. Cantidad de unidades de los productos A y B

a≤∞
b ≤6

4. Condición de no negatividad

En este caso no se admiten variables negativas. Por lo tanto:

a≥0
b≥0

5. Solución en el programa GLP

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
P ayo ff: 6 a + 7 b = 64

b
6

3
: 0 a + 1 b = 0

2 : 1 a + 0 b = 0

: 0 a + 1 b = 6
1
: 2 a + 1 b = 16

0 : 2 a + 3 b = 24
a
0 1 2 3 4 5 6 7 8

O p t im a l D e c is io n s ( a ,b ) : ( 6, 4)
: 2a + 3b < = 24
: 2a + 1b < = 16
: 0a + 1b < = 6
: 1a + 0b > = 0
: 0a + 1b > = 0

Por lo tanto, para maximizar las utilidades se deben producir diariamente 6


unidades del producto A y 4 unidades del producto B. Bajo estas condiciones se
llega a una utilidad maí xima de $64,00 diarios.

 Mi dieta requiere que todos los alimentos que ingiera pertenezcan a uno de los
cuatro grupos básicos de alimentos (pastel de chocolate, helado de crema, bebidas
carbonatadas y pastel de queso).

Por ahora hay los siguientes cuatro alimentos: barras de chocolate, helado de crema
de chocolate, bebida de cola y pastel de queso con piña. Cada barra de chocolate
cuesta $0,50, cada bola de helado de crema cuesta $0,20, cada botella de bebida de
cola cuesta $0,30 y cada rebanada de pastel de queso con piña cuesta con $0,80.
Todos los días debo ingerir por lo menos 500 cal, 6 onzas de chocolate, 10 onzas de
azúcar y 8 onzas de grasa. El contenido nutricional por unidad de cada alimento se
proporciona a continuación.

Plantee un modelo de programación lineal que se pueda utilizar para cumplir mis
necesidades nutricionales al mínimo costo.

Tabla 1. Valores nutricionales de la dieta y datos para el problema

Azúcar Grasa
Chocolat Cost
Tipo de alimento Calorías (onzas (onzas
e (onzas) o
) )
$0,5
Barra de chocolate 400 3 2 2
0
Helado de crema de chocolate (1 $0,2
200 2 2 4
bola) 0
$0,3
Bebida de cola (1 botella) 150 0 4 1
0
Pastel de queso con pinñ a (1 $0,8
500 0 4 5
rebanada) 0
Total que debe ser consumido 500 6 10 8

1. Definición de variables

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
o x 1 → Nuí mero de barras de chocolate consumidas al díía

o x 2 → Nuí mero de bolas de helado de crema de chocolate consumidas al


díía

o x 3 → Nuí mero de botellas de bebida de cola consumidas al díía

o x 4 → Nuí mero de rebanadas de pastel de queso con pinñ a consumidas al


díía

2. Definición de la función objetivo

Costo Barras de chocolate=$ 0,50 ∙ x 1


Costo Bolas de helado de crema de chocolate=$ 0,20∙ x 2
Costo Botellas de bebidade cola=$ 0,50∙ x 3
Costo Rebanadas de pastel de queso con piña=$ 0,80∙ x 4

Costo Total=0,50 ∙ x1 +0,20 ∙ x1 +0,50 ∙ x3 +0,80 ∙ x 4 [ $ ]

z=0,50 ∙ x 1 +0,20 ∙ x2 +0,50 ∙ x3 +0,80 ∙ x 4

3. Definición de las restricciones

Las variables van a estar sujetas a:

1. Número de calorías consumidas en el días

Calorías Barras de chocolate=400∙ x 1


Calorías Bolas de heladode crema de chocolate=200 ∙ x 2
Calorías Botellas de bebida de cola=150 ∙ x 3
Calorías Rebanadas de pastel de queso con piña=500 ∙ x 4

Calorías Totales=400 ∙ x1 +200 ∙ x2 +150 ∙ x 3 +500 ∙ x 4 [ cal ]

Calorías Totales≥ 500 cal→ 400 ∙ x1 +200 ∙ x2 +150 ∙ x 3 +500 ∙ x 4 ≥ 500

2. Onzas de chocolate consumidas en el días

Onzas de chocolate Barras de chocolate=3 ∙ x 1


Onzas de chocolate Bolas de heladode crema de chocolate=2 ∙ x2
Onzas de chocolate Botellas de bebida de cola=0 ∙ x 3
Onzas de chocolate Rebanadas de pastel de queso con piña=0 ∙ x 4

Onzas de chocolate Totales =3∙ x 1+ 2∙ x 2+ 0∙ x 3+ 0 ∙ x 4 [ onzas ]

Onzas de chocolate Totales ≥ 6 onzas → 3∙ x 1+ 2∙ x 2+ 0∙ x 3+ 0 ∙ x 4 ≥ 6

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
3. Onzas de azúcar consumidas en el días

Onzas de azúcar Barras de chocolate=2∙ x 1


Onzas de azúcar Bolas de heladode crema de chocolate=2∙ x 2
Onzas de azúcar Botellas de bebida de cola=4 ∙ x 3
Onzas de azúcar Rebanadas de pastel de queso con piña=4 ∙ x 4

Onzas de azúcar Totales=2∙ x1 +2 ∙ x 2 + 4 ∙ x 3 +4 ∙ x 4 [ onzas ]

Onzas de azúcar Totales ≥10 onzas →2 ∙ x 1 +2 ∙ x 2 +4 ∙ x 3 +4 ∙ x 4 ≥10

4. Onzas de grasa consumidas en el días

Onzas de grasa Barras de chocolate=2 ∙ x 1


Onzas de grasa Bolas de heladode crema de chocolate=4 ∙ x2
Onzas de grasa Botellas de bebidade cola=1∙ x 3
Onzas de grasa Rebanadas de pastel de queso con piña=5∙ x 4

Onzas de grasa Totales=2 ∙ x 1 +4 ∙ x 2 +1∙ x 3+ 5∙ x 4 [ onzas ]

Onzas de grasa Totales≥ 8 onzas →2 ∙ x 1 +4 ∙ x 2 +1∙ x 3+ 5∙ x 4 ≥ 8

4. Condición de no negatividad

En este caso no se admiten variables negativas. Por lo tanto:

x 1 ≥ 0 x3 ≥ 0
x2 ≥ 0 x4 ≥ 0

Introduciendo estas condiciones en el programa GLP se encuentra que la decisioí n


oí ptima es:

x 1Opt =60/ 149


x 2Opt =357/ 149
x3Opt =294 /149
x 4Opt =0 (−130/ 149 )

 La empresa Trucko fabrica dos tipos de camiones: 1 y 2. Cada camión tiene que pasar
por un taller de pintura y un taller de montaje. Si el taller de pintura tuviera que
dedicarse completamente la pintura de camiones tipo 1, se podrían pintar 800
camiones al día, mientras que si se dedicara enteramente a pintar camiones tipo 2, se
podrían pintar 700 camiones al día. Si taller de montaje se dedicará exclusivamente
al ensamblaje de motores para camiones tipo 1, se podrían ensamblar 1500 motores
diariamente, y si se dedicara únicamente a ensamblar motores para camiones tipo 2,
se podrían ensamblar 1200 motores diariamente. Cada camión tipo 1 aporta $300,00
a la ganancia, y cada camión tipo 2 $500,00. Formule un PL que maximice la utilidad
de Trucko.

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
Tabla 2. Datos para el problema

Camión Tipo Camión Tipo


1 2
Capacidad diaria Taller de pintura 800 700
Capacidad diaria Taller de ensamblaje 1500 1200
Beneficio por unidad ($) 300 500

1. Definición de variables

o x 1 → Nuí mero de camiones tipo 1 producidos y vendidos en el díía

o x 2 → Nuí mero de camiones tipo 2 producidos y vendidos en el díía

2. Definición de la función objetivo

z=300 ∙ x 1 +500 ∙ x 2 [ $ ]

3. Definición de las restricciones

Las variables van a estar sujetas a:

1. Tiempo de procesamiento en el taller de pintura

x1 24
t 1 =24 horas × = ∙ x [ horas ]
800 800 1

x1 24
t 2 =24 horas × = ∙ x [ horas ]
700 700 2

t 1 +t 2 ≤ 24 horas

24 24
∙ x 1 horas+ ∙ x horas ≤24 horas
800 700 2

8
x 1+ ∙ x 2 ≤ 800
7

2. Tiempo de procesamiento en el taller de ensamblaje

x1 24
t 1 =24 horas × = ∙ x [ horas ]
1500 1500 1

x1 24
t 2 =24 horas × = ∙ x [ horas ]
1200 1200 2

t 1 +t 2 ≤ 24 horas

24 24
∙ x 1 horas+ ∙ x horas ≤24 horas
1500 1200 2

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
5
x 1+ ∙ x 2 ≤ 1500
4

4. Condición de no negatividad

En este caso no se admiten variables negativas. Por lo tanto:

1200
x1 ≥ 0
700 x2 ≥ 0
Introduciendo estas condiciones en el programa GLP se
encuentra que la decisioí n oí ptima es:

x 1Opt =0
x 2Opt =700
A
800 1500 z Opt =$ 350.000,00

 Sunco Oil produce tres tipos de gasolina (gasolina 1, gasolina 2 y gasolina 3). Cada
tipo se obtiene a partir de la mezcla de tres tipos de petróleo crudo (crudo 1, crudo 2
y crudo 3). El precio de venta por barril de gasolina y el precio de compra por barril
de crudo se proporciona en la Tabla 3. Sunco tiene la capacidad de comprar al día
hasta 5000 barriles de cada tipo de crudo.

Tabla 3. Precios de la gasolina y del petroí leo crudo para la mezcla

Precios de Índice de Contenido de Precios de


Gasolin Crud
venta por octano azufre compra por
a o
barril (dólares) mínimo máximo barril (dólares)
1 70 ≥10 ≤10% 1 45
2 60 ≥8 ≤2% 2 35
3 50 ≥6 ≤1% 3 25

Los tres tipos de gasolina difieren en su índice de octano y en el contenido de azufre.


El crudo mezclado para producirla gasolina 1 debe tener un índice de octano
promedio de por lo menos 10, y contener cuando mucho 1% de azufre. La mezcla de
crudos para producir la gasolina 2 debe tener un índice de octano promedio de por lo
menos 8, y contener cuanto mucho 2% de azufre. Los crudos mezclados para
producir la gasolina 3 deben tener un índice de octano de por lo menos 6, y contener
cuanto mucho 1% de azufre. El índice de octano y el contenido de azufre de los tres
tipos de crudo se presentan en la Tabla 4. Cuesta $4,00 dólares la transformación de
un barril de crudo en un barril de gasolina, y la refinería de Sunco tiene la capacidad
para refinar al día hasta 14000 barriles de gasolina.

Tabla 4. IÍndice de octano y contenido de azufre en la mezcla

Crud Índice de
Contenido de azufre (%)
o octano
1 12 0,5
2 6 2,0
3 8 3,0

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
Los clientes de Sunco requieren las cantidades siguientes de cada gasolina: gas 1,
3000 barriles diarios; gas 2, 2000 barriles por día; gas 3, 1000 barriles diarios al día.
La compañía considera que es una obligación cumplir con esta demanda. Asimismo,
tiene la opción de anunciarse para impulsar la demanda de sus productos. Cada
dólar que gasta diariamente por anunciar un tipo específico de gasolina incrementa
la demanda del día por ese tipo de productos en 10 barriles. Por ejemplo, si Sunco
decide gastar todos los días $20,00 dólares en anunciar la gasolina 2, entonces la
demanda diaria de este producto se incrementa en 200 barriles (20 × 10). Plantee un
PL que le permita a Sunco maximizar las utilidades diarias (utilidades = ingresos –
costos).

1. Definición de variables

“Sunco debe tomar dos tipos de decisiones: primero, cuaí nto dinero gastar en
anunciar cada tipo de gasolina y, segundo, coí mo hacer la mezcla para cada tipo de
gasolina a partir de los tres tipos de crudo. Por ejemplo, Sunco debe decidir
cuaí ntos barriles de crudo 1 debe usar para producir gasolina 1. La variables de
decisioí n se definen como:” (WINSTON WAYNE, 2005)

o ai =¿ Doí lares gastados diariamente en anunciar la gasolina i (


i=1,2,3 )

o x ij=¿ Nuí mero de barriles de crudo i usados para producir la


gasolina j ( i=1,2,3 ; j=1,2,3 )

o x 11 → Nuí mero de barriles de crudo 1 utilizados para producir la


gasolina 1

o x 12 → Nuí mero de barriles de crudo 1 utilizados para producir la


gasolina 2

o x 13 → Nuí mero de barriles de crudo 1 utilizados para producir la


gasolina 3

o x 21 → Nuí mero de barriles de crudo 2 utilizados para producir la


gasolina 1

o x 22 → Nuí mero de barriles de crudo 2 utilizados para producir la


gasolina 2

o x 23 → Nuí mero de barriles de crudo 2 utilizados para producir la


gasolina 3

o x 31 → Nuí mero de barriles de crudo 3 utilizados para producir la


gasolina 1

o x 32 → Nuí mero de barriles de crudo 3 utilizados para producir la


gasolina 2

o x 33 → Nuí mero de barriles de crudo 3 utilizados para producir la


gasolina 3

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
x 11 + x 12+ x 13=Total de barriles de crudo 1 utilizados para producir las gasolinas ( 1,2,3 )
x 21 + x 22+ x 23=Total de barriles de crudo 2utilizados para producir las gasolinas ( 1,2,3 )
x 31 + x 32+ x 33=Total de barriles de crudo 3 utilizados para producir las gasolinas ( 1,2,3 )
x11 + x21 + x 31=Totalde barrilesde gasolina 1 producto de lamezcla de los crudos ( 1,2,3 )
x 12 + x 22+ x 32=Totalde barrilesde gasolina 2 producto de lamezcla de los crudos ( 1,2,3 )
x 13 + x23 + x 33=Totalde barriles de gasolina 3 producto de la mezcla de los crudos (1,2,3 )

2. Definición de la función objetivo

Utilidad=Ingresos−Egresos

Ingresos=Venta de gasolina
Egresos=∑ Costos=CostosCompra crudo +Costos Producción+Costos Publicidad

Utilidad=Venta de gasolina−Costos Compra crudo−Costos Producción−Costos Publicidad

Venta de gasolina=70 ∙ ( x 11 + x 21+ x31 ) +60 ∙ ( x 12+ x 22 + x 32 ) +50 ∙ ( x 13 + x 23+ x 33 )

CostosCompra crudo=45 ∙ ( x 11 + x 12 + x13 ) +35 ∙ ( x 21+ x 22+ x23 ) +25 ∙ ( x 31+ x 32+ x 33 )

Costos Producción=4 ∙ ( x 11 + x 12+ x 13 + x 21 + x 22+ x 23 + x31 + x 32+ x 33 )

Costos Publicidad=∑ ai=a1+ a2 +a3

Utilidad=( 70∙ ( x 11 + x 21+ x 31 ) +60 ∙ ( x 12 + x 22+ x 32 )+ 50∙ ( x 13 + x23 + x 33 ) )−( 45 ∙ ( x11 + x12 + x 13 ) + 35∙ ( x 21+ x 22 + x 23 )

Utilidad=21 ∙ x 11 +31 ∙ x21 +41 ∙ x 31 +41 ∙ x 12 +21∙ x 22+31 ∙ x 32 +1∙ x 13+11 ∙ x 23+21 ∙ x 33 −a1−a 2−a3

21∙ x 11 +31 ∙ x 21+ 41 ∙ x 31+ 41∙ x 12+21 ∙ x22 +31∙ x 32


max z=
+1∙ x 13+11 ∙ x 23+21 ∙ x33−a1−a 2−a3

3. Definición de las restricciones

Las variables van a estar sujetas a:

1. Número de barriles que se pueden comprar de cada crudo

Crudo 1 x 11 + x 12+ x13 ≤5000


Crudo 2 x 21+ x 22 + x 23 ≤5000
Crudo 3 x 31+ x 32 + x33 ≤5000

2. Producción diaria de barriles de gasolina

x 11 + x12 + x 13+ x 21 + x 22+ x 23+ x31 + x 32+ x 33 ≤ 14000

3. Influencia de la publicidad en barriles de gasolina producidos y vendidos

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
Gasolina1 x 11 + x 21+ x 31=3000+10 ∙ a1
Gasolina2 x 12+ x 22+ x 32=2000+10 ∙ a2
Gasolina3 x13 + x 23+ x 33=1000+10 ∙ a3

4. Índice de octano mínimo

12 ∙ x 11 + 6∙ x 21+ 8∙ x 31
≥10
x 11 + x 21 + x 31

12∙ x 11 +6 ∙ x 21 +8 ∙ x 31 ≥ 10 ∙ x 11 +10 ∙ x21 +10 ∙ x 31

2∙ x 11−4 ∙ x21−2 ∙ x31 ≥0

12 ∙ x 12 +6 ∙ x 22 +8 ∙ x 32
≥8
x12 + x 22 + x 32

12∙ x 12+6 ∙ x 22+8 ∙ x32 ≥8 ∙ x 12+8 ∙ x 22+8 ∙ x32

4 ∙ x 12−2∙ x 22 ≥ 0

12 ∙ x 13 +6 ∙ x 23 +8 ∙ x33
≥6
x 13 + x 23+ x 33

12∙ x 13+6 ∙ x 23 + 8∙ x 33 ≥ 6 ∙ x 13+ 6 ∙ x 23 +6 ∙ x 33

6 ∙ x 13 +2∙ x 33 ≥ 0

5. Contenido de azufre máximo

0,5∙ x 11 +2∙ x 21+3 ∙ x 31


≤ 10
x 11 + x 21 + x31

0,5 ∙ x 11 +2 ∙ x 21 +3 ∙ x 31 ≤ 10 ∙ x 11 +10 ∙ x 21 +10 ∙ x 31

9,5 ∙ x 11 + 8∙ x 21 +7 ∙ x 31 ≥ 0

0,5∙ x 12+2 ∙ x 22 +3 ∙ x 32
≤2
x 12 + x 22+ x 32

0,5 ∙ x 12 + 2∙ x 22 +3 ∙ x32 ≤2 ∙ x 12+ 2∙ x 22+2 ∙ x 32

1,5 ∙ x 12−x 32 ≥ 0

0,5∙ x 13+2 ∙ x23 +3 ∙ x 33


≤1
x 13 + x 23+ x 33

0,5 ∙ x 13 +2∙ x 23 +3 ∙ x 33 ≤ x 13 + x 23+ x 33

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
0,5 ∙ x 13 −x 23 −2 ∙ x 33 ≥ 0

4. Condición de no negatividad

En este caso no se admiten variables negativas. Por lo tanto:

∀ x ij , ∀ a j ≥0

 Una oficina de correos necesita un número diferente de empleados de tiempo


completo para diferentes días de la semana. El número de empleados de tiempo
completo requerido para cada día se presenta a continuación, en la Tabla 5. Las
reglas sindicales señalan que cada empleado de tiempo completo tiene que trabajar
durante cinco días consecutivos y después descansar dos días. Por ejemplo, un
empelado que trabaja de lunes a viernes tiene que descansar el sábado y el domingo.

La oficina de correos quiere cumplir con sus requerimientos diarios y utilizar


solamente empleados de tiempo completo. Formule un PL que pueda utilizar la
oficina de correos para minimizar el número de empleados de tiempo completo que
hay que controlar.

Tabla 5. Requisitos para el ejemplo de la oficina de correos

Número de empleados de
Días
tiempo completo requeridos
Día 1 = Lunes 17
Día 2 = Martes 13
Día 3 =
15
Mieí rcoles
Día 4 = Jueves 19
Día 5 = Viernes 14
Día 6 = Saí bado 16
Día 7 = Domingo 11

1. Definición de variables

Tabla 6. Detalle de la distribucioí n de trabajo en cada díía de la semana

Lune Marte Vierne Sábad Doming


Miércoles Jueves
s s s o o
x1 1 1 1 1 1 0 0
x2 0 1 1 1 1 1 0
x3 0 0 1 1 1 1 1
x4 1 0 0 1 1 1 1
x5 1 1 0 0 1 1 1
x6 1 1 1 0 0 1 1
x7 1 1 1 1 0 0 1

o x 1 → Nuí mero de empleados contratados para trabajar de lunes a viernes

o x 2 → Nuí mero de empleados contratados para trabajar de martes a saí bado

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
o x 3 → Nuí mero de empleados contratados para trabajar de mieí rcoles a
domingo

o x 4 → Nuí mero de empleados contratados para trabajar de jueves a lunes

o x 5 → Nuí mero de empleados contratados para trabajar de viernes a martes

o x 6 → Nuí mero de empleados contratados para trabajar de saí bado a


mieí rcoles

o x 7 → Nuí mero de empleados contratados para trabajar de domingo a jueves

2. Definición de la función objetivo

Númerototal de empleados contratados=x 1+ x 2 + x 3 + x 4 + x 5+ x 6 + x 7

w=x 1+ x 2 + x 3+ x 4 + x 5+ x 6 + x 7

3. Definición de las restricciones

Las variables van a estar sujetas a:

1. Número de empleados de tiempo completo requeridos el lunes

Númerototal de empleados que trabajan el Lunes=x 1 + x 4 + x 5 + x 6+ x7

Número necesario de empleados que trabajen el Lunes ≥17

x 1+ x 4 + x 5 + x 6 + x 7 ≥ 17

2. Número de empleados de tiempo completo requeridos el martes

Númerototal de empleados que trabajan el Martes=x1 + x 2+ x5 + x 6 + x 7

Número necesario de empleados que trabajen el Martes ≥13

x 1+ x 2 + x 5+ x6 + x 7 ≥13

3. Número de empleados de tiempo completo requeridos el miércoles

Númerototal de empleados que trabajan el Miércoles=x1 + x 2+ x3 + x 6 + x 7

Número necesario de empleados que trabajen el Miércoles ≥15

x 1+ x 2 + x 3+ x6 + x 7 ≥15

4. Número de empleados de tiempo completo requeridos el jueves

Númerototal de empleados que trabajan el Jueves=x 1 + x 2+ x3 + x 4 + x 7

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
Número necesario de empleados que trabajen el Jueves ≥19

x 1+ x 2 + x 3+ x 4+ x7 ≥ 19

5. Número de empleados de tiempo completo requeridos el viernes

Númerototal de empleados que trabajan el Viernes=x 1+ x 2 + x 3 + x 4 + x 5

Número necesario de empleados que trabajen el Viernes≥ 14

x 1+ x 2 + x 3+ x 4+ x5 ≥ 14

6. Número de empleados de tiempo completo requeridos el sábado

Númerototal de empleados que trabajan el Sábado=x 2+ x 3 + x 4 + x 5 + x 6

Número necesario de empleados que trabajen el Sábado ≥ 16

x 2+ x 3 + x 4 + x 5 + x 6 ≥ 16

7. Número de empleados de tiempo completo requeridos el domingo

Númerototal de empleados que trabajan el Domingo=x 3+ x 4 + x5 + x 6 + x 7

Número necesario de empleados que trabajen el Domingo≥ 11

x 3+ x 4 + x5 + x 6 + x 7 ≥ 11

4. Condición de no negatividad

No se admiten variables negativas. Por lo tanto:

x 1 , x 2 , x 3 , x 4 , x5 , x 6 , x 7 ≥ 0

5. Modelo

{
x 1 + x 4 + x 5+ x 6 + x 7 ≥17
x1 + x 2+ x5 + x 6 + x 7 ≥ 13
x1 + x 2+ x3 + x 6 + x 7 ≥ 15
x 1 + x 2+ x 3 + x 4 + x 7 ≥19
min w=x1 + x 2 + x3 + x 4 + x 5 + x 6 + x 7 sujeto a
x 1 + x 2+ x 3 + x 4 + x 5 ≥ 14
x 2 + x 3+ x 4 + x5 + x 6 ≥16
x3 + x 4 + x 5 + x 6 + x 7 ≥ 11
x 1 , x 2 , x 3 , x 4 , x 5 , x 6 , x 7 ≥0

 Rylon corporation fabrica los perfumes Brutte y Chanelle. Se puede comprar la


materia prima que se necesita para producir cada tipo de perfume a $3,00/lb. Para

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
procesar una libra de materia prima se necesita una hora de trabajo en el
laboratorio. Cada libra de materia prima procesada produce 3 oz de perfume Brutte
regular y 4 oz de perfume Chanelle regular. Se puede vender Brutte regular a
$7,00/oz y Chanelle regular a $6,00/oz. Rylon tiene también la opción de seguir
procesando Brutte regular y Chanelle regular para producir Brutte Luxury, vendido a
$18,00/oz, y Chanelle Luxury, vendido a $14,00/oz. Cada onza de Brutte regular
necesita tres horas adicionales de laboratorio y causa $4,00 extra de costos por
producción para producir 1 oz de Brutte Luxury. Cada onza de Chanelle regular
necesita 2 horas adicionales de laboratorio y causa $4,00 extra de costos de
producción para producir 1 oz de Chanelle Luxury. Cada año Rylon dispone de 6000
horas y puede comprar hasta 4000 lb de materia prima. Formule un PL que
maximice las ganancias de Rylon.

Brutte Chanell
Brutte Chanelle
regula e Total
luxury luxury
r regular
Costo Materia prima ($/lb) 3 3 – – –
Costos de producción
– – 4 4 –
extra ($/oz)
Brutte Chanelle
Tiempo de procesamiento
1 1 regular + regular + 6000
Materia prima (h)
3 2
Oz producidas por libra
3 4 – – –
procesada
Precio por oz ($) 7 6 18 14 –
Materia prima – – – – 4000

3h Brutte Regular
Brutte Regular
1h Brutte Luxury

Chanelle Regular
2h
Chanelle Regular
Chanelle Luxury

1. Definición de variables

o x 1 → Nuí mero de onzas de Brutte regular producidas y vendidas

o x 2 → Nuí mero de onzas de Brutte luxury producidas y vendida

o x 3 → Nuí mero de onzas de Chanelle regular producidas y vendida

o x 4 → Nuí mero de onzas de Chanelle luxury producidas y vendida

o x 5 → Nuí mero de libras de materia prima adquirida

2. Definición de la función objetivo

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
z=7 ∙ x 1 +18 ∙ x 2 +6 ∙ x3 +14 ∙ x 4−3∙ x 5−4 ∙ x 2−4 ∙ x 4

z=7 ∙ x 1 +14 ∙ x 2+6 ∙ x 3+ 10∙ x 4−3∙ x 5

3. Definición de las restricciones

Las variables van a estar sujetas a:

1. Disponibilidad de materia prima

x 5 ≤ 4000

2. Disponibilidad de horas de producción

x 5+3 ∙ x 2+2 ∙ x 4 ≤ 6000

3. Reprocesamiento de perfume regular para convertirlo en luxury

3∙ x 5=x 1+ x2
4 ∙ x 5=x 3 + x 4

4. Condición de no negatividad

No se admiten variables negativas. Por lo tanto:

x 1 , x 2 , x 3 , x 4 , x5 ≥ 0

Resolución de problemas de optimización por


Transformación a la forma estándar
La forma general en caso de maximizacioí n es:

max z=c ∙ x sujeto a a ∙ x ≤ b

Mientras que en casos de minimizacioí n es:

min w=c ∙ x sujeto a a ∙ x ≥b

Para resolver esto, se puede llevar las ecuaciones a la forma estaí ndar, para lo cual:

1. Todas las variables de la funcioí n objetivo se ubicaraí n en el mismo lado de la


ecuacioí n, al lado izquierdo del signo igual (=).

2. Se transformaraí las desigualdades en igualdades, es decir inecuaciones en


ecuaciones, mediante la introduccioí n de un recurso no utilizado ( s o e ).

Entonces se resuelve sistema de ecuaciones.

En cuanto al recurso no utilizado, para transformar las desigualdades se procede de la


siguiente manera:

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
Si f ( x ) ≤ b ⇒ f ( x ) + s=b
Si f ( x ) ≥ b ⇒ f ( x )−e=b
S

 Un taller fábrica dos tipos de cinturones: modelo de lujo y modelo regular. Cada
cinturón utiliza 1 m2 de cuero, y un cinturón regular necesita 1 hora de mano de
obra calificada, mientras que uno de lujo 2 horas de mano de obra calificada. Cada
semana se dispone de 40 m 2 de cuero y 60 horas de mano de obra calificada. Si
cada cinturón regular aporta con $3,00 a la utilidad y cada cinturón de lujo con
$4,00, indique un plan de producción que maximice la utilidad.

1. Definición de variables

o x 1 → Nuí mero de cinturones de lujo fabricados y vendidos

o x 2 → Nuí mero de cinturones regulares fabricados y vendidos

2. Definición de la función objetivo

z=4 ∙ x 1 +3 ∙ x 2 [ $ ]

3. Definición de las restricciones

Las variables van a estar sujetas a:

1. Horas de mano de obra calificada

2∙ x 1+ 1∙ x 2 ≤ 60 [ h ]

2. Metros cuadrados de curo disponibles

1∙ x 1+1 ∙ x2 ≤ 40 [ m 2 ]

3. Condición de no negatividad

No se admiten variables negativas. Por lo tanto:

x1 , x2 ≥ 0

4. Modelo

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
{
2 ∙ x1 +1 ∙ x 2 ≤ 60
max z=4 ∙ x 1 +3 ∙ x 2 sujeto a 1 ∙ x 1 +1∙ x 2 ≤ 40
x1 , x2 ≥ 0
Una variable para
Transformando este modelo a la forma estaí ndar, se tiene lo siguiente:

max z−4 ∙ x 1−3 ∙ x2=0 sujeto a


{2∙ x 1+1 ∙ x 2 + S1=60
1 ∙ x1 +1 ∙ x 2 +S 2=40

Sea m el nuí mero de ecuaciones y n el nuí mero de variables:

m=2
n=4

El nuí mero de variables no baí sicas (vnb), que no van a entrar en la solucioí n, corresponden
a la diferencia entre n y m: vnb=n−m . Esta cantidad indica el nuí mero de variables que
deben ser iguales a cero en la matriz que se indica a continuacioí n.

Por ejemplo, cuando se tiene el sistema:

x 1 + x 2=3 n=3
−x 1 + x 3=−1 m=2

vnb=n−m=3−2→ vnb=1

Por lo tanto, una variable debe ser igual a cero:

x1 x2 x 3 vnb vb
Solución x2 ,
0 3 2 x1
1 x3
Solución – x1 ,
3 0 x2
2 1 x3
Solución x1 ,
2 1 0 x3
3 x2

Si x 1 , x 2 y x 3 deben ser mayores o iguales a cero, entonces uí nicamente las


soluciones 1 y son factibles.

En el caso del taller faí brica de cinturones, la solucioí n por transformacioí n a la forma
estaí ndar es la siguiente:

vnb=n−m=4−2→ vnb=2

Factible/No Factible x1 x2 S1 S2 vnb vb z


x1 S1
Factible 0 0 40 60 , , 0
x2 S2

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
x1 x2
4 12
Factible 0 0 20 , ,
0 0
S1 S2
x1 x2
6 – 18
No Factible 0 0 , ,
0 20 0
S2 S1
x2 x1
4 – 16
No Factible 0 0 , ,
0 20 0
S1 S2
x2 x1
3 12
Factible 0 10 0 , ,
0 0
S2 S1
S1 x1
2 2 14
Factible 0 0 , ,
0 0 0
S2 x2

x 1Opt =20
∴ z Opt =140→
x 2Opt =20

 Resolver el siguiente problema de maximización empleando el método de reducción a


la forma estándar.

{
2∙ x 1+ x2 ≤ 8
max z=x 1+ 2∙ x2 +2 ∙ x 3 sujeto a x 3 ≤ 10
x1 , x2 , x3 ≥ 0

max z−x 1−2∙ x 2−2 ∙ x 3=0 sujeto a


{ 2 ∙ x 1 + x 2+ S 1=8
x 3 +S 2=10

m=2
n=5

vnb=n−m=5−2→ vnb=3

Factible/No Factible x1 x2 x3 S1 S2 vnb vb z


x1 , S1
1 x2
Factible 0 0 0 8 , , 0
0
x3 S2
x1 , x3
No Factible 0 0 – 0 – x2 , , –
S1 S2
x1 , x3
1 x2 2
Factible 0 0 8 0 , ,
0 0
S2 S1
Factible 0 8 0 0 1 x1 , x2 1
0 x3 , , 6

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
S1 S2
x1 , x2
No Factible 0 – 0 – 0 x3 , , –
S2 S1
x1 , x2
1 S1 3
Factible 0 8 0 0 , ,
0 6
S2 x3
x2 , x1
1 x3
Factible 4 0 0 0 , , 4
0
S1 S2
x2 , x1
No Factible – 0 0 – 0 x3 , , –
S2 S1
x2 , x1
1 S1 2
Factible 4 0 0 0 , ,
0 4
S2 x3
x3 , x1
No Factible – – 0 0 0 S1 , , –
S2 x2

o Caso 1 “–”: Si x 1 , x 2 , S 1=0 → x 3+ S 2=10

Factible/No Factible x1 S2 vnb vb z


1 x1 S2 0
Factible 0
0
1 S2 x1 1
Factible 0
0 0

2∙ x 1+ x2 + S1=8
o Caso 2 “–”: Si x 1 , x 3 , S 2=0 →
x3 + S2 =8

Factible/No Factible x2 S1 vnb vb z


Factible 0 8 x2 S1 0
Factible 8 0 S1 x2 1
6

2∙ x 1+ x2 + S1=8
o Caso 3 “–”: Si x 2 , x 3 , S 2=0 →
2 ∙ x 1 +S 1=8

Factible/No Factible x 1 S 1 vnb vb z


Factible 0 8 x1 S1 0
Factible 4 0 S1 x1 4

o Caso 4 “–”: Si x 3 , S 1 , S 2=0 → x 3+ S 2=10

Factible/No Factible x1 x2 vnb vb z

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
Factible 0 8 x1 x2 1
6
Factible 4 0 x2 x1 4

x 1Opt =0
∴ z Opt =36 → x 2Opt =8
x 3Opt =10

Tambieí n existe otra forma de resolver este tipo de problemas por el meí todo de reduccioí n
a la forma estaí ndar, considerando a la funcioí n z o w como una variable maí s y
convirtiendo a la funcioí n objetivo en la restriccioí n 0 ( R0 ). En ese caso se hace uso de la
matriz identidad, la cual participa de la siguiente manera:

A ∙ x=b→ ⏟
A−1 ∙ A ∙ x= A−1 ∙b → I ∙ x=A −1 ∙ b
I

[ ]
1 0 0
−1
I ∙ x=A ∙ b I= 0 1 0
0 0 1

Entonces:

¿
z S1 S 2 ¿ ¿ vnb=x 1 , x 2 , x 3
x 1=b 1

[ ][] []
1 0 0 z b1 ¿ x 2=b 2 ¿
0 1 0 S1 ¿ b2 x 3=b 3
0 0 1 S2 b3

Posteriormente se procede con una prueba de la razoí n (Przn), para lo cual se divide el lado
derecho para la columna selecciona para la variable que entra.

Continuando con el ejercicio anterior:

max z−x 1−2∙ x 2−2 ∙ x 3=0 sujeto a


{2 ∙ x 1 + x 2+ S 1=8
x 3 +S 2=10

{
z −x1 −2∙ x 2−2∙ x 3=0
2 ∙ x 1 +x 2+S1 =8
x 3+S 2=10

Por cada unidad de x 1 , z aumenta 1; por cada unidad de x 2 , z aumenta 2 y


por cada unidad de x 2 , z aumenta 2. Esto implica que:

Przn (
z x 1 x 2 x 3 S 1 S 2Lado derecho (L.D.) vb x2 )
Variables
que forman
la matriz
Maríía Gabriela Ruiz Hinojosa
identidad
Ingenieríía Quíímica
R00 1 – – –
0 0 0 z
1 2 2

R10 0 2 1 0 1 0 8 S1 8

R20 0 0 0 1 0 1 10 S2 ∞

Si vb=S 1 , S2 ∧ vnb=x 1 , x 2 , x 3 → z=0

Luego de construida la tabla, se observa a queí variable le corresponde el mayor valor


negativo de la fila R0 , siendo eí sta la que pasaraí a ser la variable baí sica (variable que
entra), en lugar de la variable baí sica actual a la que le corresponde el menor valor de
prueba de la razoí n (Przn), dado que el problema es de maximizacioí n, la cual se convertiraí
en una variable no baí sica (variable que sale). Para proceder con la prueba de la razoí n, se
divide L.D. de cada fila para el valor de la variable que entra, igualmente de cada fila, de
modo que necesariamente se debe iniciar con la identificacioí n de la variable que entra.

Variable que entra → En R0 , el mayor valor con signo negativo


Variable que sale → En Przn, el menor valor con signo positivo

Se advertiraí que para el ejemplo las variables baí sicas iniciales son S 1 y S 2 . El mayor
valor negativo le corresponde a la variable x 2 , de modo que eí sta es la variable que
entra, mientras que el menor valor Przn recae sobre la variable S 1 , siendo eí sta la
variable que sale. Ahora, como se quiere que x 2 (variable que entra) sea variable baí sica
y que S 1 (variable que sale) deje de ser variable baí sica, se procede con la primera
iteracioí n:

¿
R11=R 10 ¿
R 0 ¿ 1=R00 +2 ∙ R11 ¿ R21=R20−$ R20 ∙ Pivot ¿→ ¿ R21=R20 ¿
R01=R 00−$ R 00 ∙ Pivot →

Siendo la fila Pivot (que no cambia) aquella en la que se encuentra el menor valor de Przn
(en la que se ubica la variable que sale), R1 en este caso, mientras que $ representa un
valor fijo correspondiente a la variable que sabe en Ri , –2 para la fila R00 y 0 para la
fila R20 .

Przn (
Z x 1 x 2 x 3 S 1 S 2Lado derecho (L.D.) vb x3 )

R01 1 3 –
0 2 0 16 z
2

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
R11 0 2 1 0 1 0 8 x2 ∞

R21 0 0 0 1 0 1 10 S2 10

Si vb=x 2 , S2 ∧ vnb=x1 , x3 , S 1 → z=16

¿
Variable que entra=x 3 R21=R20 ¿
→ R0 ¿2=R 01+2 ∙ R 21 ¿ R12=R11−$ R11 ∙ Pivot ¿ → ¿ R12=
Variable que sale=S2 R02=R01−$ R 01 ∙ Pivot →

x 1 x 2 x 3 S 1 S 2Lado derecho (L.D.) Prz


Z vb
n

R02 1 3 0 0 2 2 36 z

R12 0 2 1 0 1 0 8 x2

R22 0 0 0 1 0 1 10 x3

Si vb=x 2 , x 3 ∧ vnb=x 1 , S1 , S 2 → z=36

El objetivo es iterar hasta que no se identifique una variable que entra (ninguí n valor
negativo en la primera fila de la matriz). Por lo tanto, la uí ltima es la solucioí n, de modo que
lo que maí s interesa fabricar es x 2 y x 3 (variables baí sicas). Dado que x 1 , S 1 y
S 2 son variables no baí sicas, a eí stas se les asigna un valor de cero en la solucioí n.

x 1Opt =0

{
z=36 x 1Opt =0( vnb)
∴ La decisión óptima es x 2=8 → z Opt =36 → x 2Opt =8
x 3=10 x 3Opt =10

Algoritmo siempre
1. Convertir un problema de programacioí n lineal en la forma estaí ndar.

2. Obtener, de ser posible, una solucioí n baí sica factible (sbf) a partir de la forma
estaí ndar.

3. Determinar si la solucioí n baí sica factible (sbf) es oí ptima.

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
4. Si la solucioí n baí sica factible (sbf) no es oí ptima, determinaraí cuaí l variable no
baí sica (vnb, variable que sale) se debe transformar a variable baí sica (vb, valor que
entra), y cuaí l variable baí sica (vb) se debe transformar a variable no baí sica (vnb), a
fin de hallar una nueva solucioí n baí sica factible (sbf) con mejor valor de la funcioí n
objetivo.

5. Aplicar la operacioí n elemental de regioí n para encontrar la nueva solucioí n baí sica
factible (sbf) con mejor valor de la funcioí n objetivo. Regresar al paso 3.

Nuevamente:

o Iniciar el problema con una matriz identidad. Las variables baí sicas conforman
la matriz identidad, correspondieí ndoles un valor de 1.

v 1 v 2 v 3 v 4 vb

[ ]
1 0 0 0 v1
I= 0 1 0 0 v2
0 0 1 0 v3
0 0 0 1 v4

o Variable que entra: Corresponde al mayor valor con


signo negativo en el regloí n R0 (en casos de
maximizacioí n). Mediante operaciones respecto a la fila La fila Pivot
Pivot, la variable que entra se debe transformar en corresponde a
variable baí sica (igual a cero). la variable que
se sale
o Variable que sale: Corresponde al menor valor con signo positivo en la
columna de Przn (ya que normalmente el menor valor limita una produccioí n).
La variable que sale determina la fila Pivot.

 Dakota fabrica escritorios, mesas y sillas. Para producir cada tipo de mueble hace
falta madera y dos tipos de mano de obra calificada: acabado y carpintería. La
cantidad de recurso que se usa para fabricar cada mueble se da en la tabla. Al
momento un hay 48 ft de tabla de madera, 20 horas para acabado y 8 horas de
carpintería. Un escritorio se vende a $60,00, una mesa a $30,00 y una silla a $20,00.
Dakota quiere maximizar el ingreso total, puesto que los recursos disponibles ya
están pagados.

Tabla 7. Recurso que se usa para fabricar cada mueble

Escritorio Mesa Silla


Recurso Total
s s s
Madera (ft
8 6 1 48
tabla)
Acabado (h) 4 2 1,5 20
Carpintería (h) 2 1,5 0,5 8
Precio ($) 60 30 20

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
{
8 ∙ x 1 +6 ∙ x2 + x 3 ≤ 48
max z=60 ∙ x 1 +30 ∙ x 2 +20 ∙ x 3 sujeto a 4 ∙ x 1 +2 ∙ x 2 +1,5 ∙ x 3 ≤ 20
2∙ x 1+1,5 ∙ x2 +0,5 ∙ x3 ≤ 8

{
z −60 ∙ x 1−30 ∙ x 2−20∙ x 3=0
8∙ x 1+ 6 ∙ x 2 + x 3+ S 1=48
4 ∙ x 1+ 2∙ x 2+1,5 ∙ x 3+ S 2=20
2 ∙ x 1 +1,5 ∙ x 2 +0,5 ∙ x 3 + S3=8

x1 x2 x3 S 1 S 2 S 3Lado derecho (L.D.) Prz


z vb
n

R00 1 – – –
0 0 0 0 z –
60 30 20

R10 0 8 6 1 1 0 0 48 S1 6

R20 0 4 2 1,5 0 1 0 20 S2 5

R30 0 2 1,5 0,5 0 0 1 8 S3 4

Si vb=S1 , S 2 , S 3 ∧ vnb=x 1 , x 2 , x 3 → z=0

¿
Variable que entra=x 1 R 31 =R30 /2 ¿
→ R 0 ¿ 1=R00 +60 ∙ R 31 ¿ R11=R10−$ R10 ∙ Pivot ¿ →¿ R11
Variable que sale=S3 R 01=R00 −$ R 00 ∙ Pivot →

x1 x2 x3 S 1 S 2 S 3 Lado derecho (L.D.) Prz


z vb
n

R01 1 0 15 –5 0 0 30 240 z –

R11 0 0 –6 –1 1 0 –8 16 S 1 –16

R21 0 0 1/ S2 8
–1 0 1 –2 4
2

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
R31 0 1 3/ 1/ 1/ x 1 16
0 0 4
4 4 2

Si vb=x 1 , S 1 , S2 ∧ vnb=x 2 , x 3 , S3 → z=240

¿
Variable que entra=x 3 R22=2∙ R21 ¿
→ R0 ¿2=R 01+5 ∙ R22 ¿ R12=R 11−$ R11 ∙ Pivot ¿→ ¿ R12=
Variable que sale=S2 R02=R01−$ R 01 ∙ Pivot →

x1 x2 x3 S1 S2 S 3 Lado derecho (L.D.) Prz


z vb
n

R02 1 0 5 0 0 10 10 280 z

R12 0 0 – S1
–8 0 1 2 24
12

R22 0 0 –2 1 0 2 –4 8 x3

R32 0 1 5/ – 3/ x1
0 0 2
4 1/2 2

Si vb=x 1 , x 3 , S1 ∧ vnb=x2 , S 2 , S3 → z=240

{
z=280 x 1Opt =2
∴ La decisión óptima es x 1=2 → z Opt =280→ x 2Opt =0(vnb)
x 3=8 x 3Opt =8

Que a S 1 le corresponda un valor de 24 implica que sobraraí n 24 ft de madera


(pues la restriccioí n se refiere a los ft de madera disponibles) con esta decisioí n
oí ptima.

 Resolver el siguiente problema de maximización:

{
2 ∙ x 1 + x 2 ≤ 100
x1 + x 2 ≤ 80
max z=3 ∙ x 1 +2∙ x 2 sujeto a
x 1 ≤ 40
x1 , x2 , x3 ≥ 0

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
{
z−3∙ x 1−2∙ x 2=0
2∙ x1 + x 2 +S 1=100
x 1+ x 2 + S2=80
x 1+ S 3=40

x 1 x 2 S 1 S 2 S 3Lado derecho (L.D.) Prz


z vb
n

R00 1 – –
0 0 0 0 z –
3 2

R10 0 2 1 1 0 0 100 S 1 50

R20 0 1 1 0 1 0 80 S 2 80

R30 0 1 0 0 0 1 40 S 3 40

Si vb=S1 , S 2 , S 3 ∧ vnb=x 1 , x 2 → z=0

¿
Variable que entra=x 1 R31=R30 ¿
→ R 0 ¿ 1=R00 +3 ∙ R31 ¿ R11=R10−$ R10 ∙ Pivot ¿→ ¿ R11=
Variable que sale=S3 R 01=R00 −$ R 00 ∙ Pivot →

x 1 x 2 S 1 S 2 S 3Lado derecho (L.D.) Prz


z vb
n

R01 1 0 –
0 0 3 120 z –
2

R11 0 0 – S 1 20
1 1 0 20
2

R21 0 0 – S 2 40
1 0 1 40
1

R31 0 1 0 0 0 1 40 x1 ∞

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
Si vb=x 1 , S 1 , S2 ∧ vnb=x 2 , x 3 , S3 → z=120

¿
Variable que entra=x 2 R12=R11 ¿
→ R0 ¿2=R 01+2 ∙ R 12 ¿ R22=R21−$ R21 ∙ Pivot ¿ → ¿ R22=
Variable que sale=S1 R 02=R01−$ R01 ∙ Pivot →

x 1 x 2 S 1 S 2 S 3Lado derecho (L.D.) Prz


z vb
n

R02 1 0 –
0 2 0 160 z
1

R12 0 0 1 1 0 –2 20 x 2 –10

R22 0 0 – S 2 20
0 1 1 20
1

R32 0 1 0 0 0 1 40 x 1 40

Si vb=x 1 , x 2 , S2 ∧ vnb=S 1 , S3 → z=160

¿
Variable que entra=S 3 R23 =R 22 ¿
→ R 0 ¿ 3=R02 + R23 ¿ R 13 =R12−$ R12 ∙ Pivot ¿ → ¿ R 13 =R
Variable que sale=S2 R03 =R 02−$ R02 ∙ Pivot →

x 1 x 2 S 1 S 2 S 3Lado derecho (L.D.) Prz


z vb
n

R02 1 0 0 1 1 0 180 z

R12 0 0 – x2
1 2 0 60
1

R22 0 0 – S3
0 1 1 20
1

R32 0 1 – x1
0 1 0 20
1

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
Si vb=x 1 , x 2 , S3 ∧ vnb=S 1 , S2 → z=180

{
z=180
S =20 x =20
∴ La decisión óptima es 3 → z Opt =280→ 1Opt
x 1=20 x 2Opt =60
x 2=60

 Resolver el siguiente problema de maximización:

max z=4 ∙ x 1 +3 ∙ x 2 sujeto a


{x1 + x 2 ≤ 40
2 ∙ x 1 + x 2 ≤ 60

{
z −4 ∙ x 1−3 ∙ x 2=0
x1 +x 2+S 1=40
2 ∙ x 1 +x 2+ S 2=60

x 1 x 2 S 1 S 2Lado derecho (L.D.) Prz


z vb
n

R00 1 – –
0 0 0 z –
4 3

R10 0 1 1 1 0 40 S 1 40

R20 0 2 1 0 1 60 S 2 30

Si vb=S 1 , S2 ∧ vnb=x 1 , x 2 → z=0

¿
Variable que entra=x 1 R 21 =R20 /2 ¿
→ R 0 ¿ 1=R00 +4 ∙ R21 ¿ R 11 =R10−$ R10 ∙ Pivot ¿ → ¿ R11=
Variable que sale=S2 R 01=R00 −$ R 00 ∙ Pivot →

x1 x2 S 1 S 2 Lado derecho (L.D.) Prz


z vb
n

R01 1 0 –1 0 2 120 z

R11 0 0 1/ – S 1 20
1 10
2 1/2

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
R21 0 1 1/ x 1 60
0 1/2 30
2

Si vb=x 1 , S1 ∧ vnb= x2 , S 2 → z=120

¿
Variable que entra=x 2 R12=2 ∙ R11 ¿
→ R0 ¿2=R 01+ R12 ¿ R22=R21−$ R21 ∙ Pivot ¿ → ¿ R 22=R
Variable que sale=S1 R 02=R01−$ R01 ∙ Pivot →

x 1 x 2 S 1 S 2Lado derecho (L.D.) Prz


z vb
n

R02 1 0 0 1 1 140 z

R12 0 0 – x2
1 2 20
1

R22 0 1 – x1
0 1 20
1

Si vb=x 1 , x 2 ∧ vnb=S1 , S 2 → z=140

{
z=140
x =20
∴ La decisión óptima es x 1=20 → z Opt =140 → 1Opt
x 2Opt =20
x 2=20

 Bevco quiere fabricar una bebida mezclando agua carbonatada con jugo de naranja.
Cada onza de agua carbonatada cuesta 2 centavos y cada onza de jugo de naranja 3
centavos. Cada onza de agua carbonatada tiene 1/2 onzas de azúcar y 1 mg de
vitamina C, y cada onza de jugo de naranja tiene 1/4 onzas de azúcar y 3 mg de
vitamina C. Se ha decidido vender en botellas de 10 onzas de bebida, la cual debe
contener 20 mg de vitamina C y a lo más 4 onzas de azúcar. Determine cómo cumplir
los requisitos al menor costo.

Azúcar Vitamina C
(oz) (mg)
Agua
1/2 1
carbonatada
Jugo de naranja 1/4 3

Sea:

o x 1 → Nuí mero de onzas de agua carbonatada en cada botella de bebida

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
o x 2 → Nuí mero de onzas de jugo de naranja en cada botella de bebida

{
1/ 2∙ x 1+1 /4 ∙ x2 ≤ 4
x 1+ 3∙ x 2 ≥ 20
min w=2∙ x 1+3 ∙ x 2 sujeto a
x 1 + x 2=10
x1 , x2 ≥ 0

En este caso, la forma estaí ndar es:

{
w−2 ∙ x 1−3 ∙ x 2=0
1 /2 ∙ x1 +1/ 4 ∙ x 2 +S 1=4
Es mejor que el
x 1 +3 ∙ x 2−e 2=20 subííndice se relacione
x 1+ x 2=10

Para poder formar la matriz identidad, y con ello establecer las variables baí sicas, en
determinados casos (cuando la forma estaí ndar incluye el teí rmino – e ) es necesario
utilizar variables artificiales notadas con a y con un coeficiente positivo igual a 1.
Entonces, en lugar de que la matriz identidad se conforme de z , S y e , se
conformaraí de z , S y a .

En ese caso, la funcioí n objetivo quedaraí de la siguiente manera:

{
1/2∙ x1 +1/ 4 ∙ x 2 ≤ 4
x 1+3 ∙ x 2 ≥ 20
min w=2∙ x 1+3 ∙ x 2+ M ∙ a2+ M ∙ a3 sujeto a
x 1+ x2 =10
x 1 , x 2 , a2 , a3 ≥ 0

{
w−2∙ x 1−3 ∙ x 2−M ∙ a2−M ∙ a 3=0
1/ 2∙ x 1+ 1/ 4 ∙ x 2+ S1 =4
x 1 +3 ∙ x 2−e2 +a 2=20
x 1 + x 2+ a3=10

Siendo M un nuí mero muy grande que evita que las variables a entren en la
solucioí n. De este modo, las restricciones 2 y 3 tienen coeficientes positivos para la matriz
identidad. Sin embargo, para poder construir la tabla es necesario eliminar las variables
artificiales de la funcioí n objetivo, para lo cual simplemente se multiplica a las restricciones
2 y 3 por M :

R0
¿
w −2 ∙ x 1 −3 ∙ x 2 ¿−M ∙ a2 −M ∙ a3 ¿ 0 M ∙ R2
M ∙ x 2 ¿ ¿ ¿+ M ∙ a3 ¿=¿ 10 ∙ M ¿ ¿
¿ M ∙ x 1 +3∙ M ∙ x 2 −M ∙ e 2 + M ∙ a 2 ¿=¿ 20 ∙ M ¿ M ∙ R3 ¿ M ∙ x1

Por lo tanto, la nueva funcioí n objetivo, con la que se hace el anaí lisis, es:

w+ ( 2∙ M −2 ) ∙ x 1 + ( 4 ∙ M −3 ) ∙ x2 −M ∙ e 2=30∙ M

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
Cabe destacar que en el caso de una minimizacioí n:

Variable que entra → En R0 , el mayor valor con signo positivo


Variable que sale → En Przn, el menor valor con signo positivo

Es asíí que para el caso Bevco se tiene lo siguiente:

{
1 /2 ∙ x 1 +1/4 ∙ x 2 ≤ 4
w+ ( 2 ∙ M −2 ) ∙ x 1+ ( 4 ∙ M −3 ) ∙ x 2 x1 +3 ∙ x2 ≥ 20
min sujeto a
−M ∙ e 2=30 ∙ M x 1+ x 2=10
x 1 , x 2 , a2 ,a 3 ≥ 0

{
w+ ( 2 ∙ M −2 ) ∙ x 1+ ( 4 ∙ M −3 ) ∙ x 2−M ∙ e2=30 ∙ M
1/2∙ x 1+1/ 4 ∙ x 2 + S1=4
x 1 +3 ∙ x 2−e 2 +a2 =20
x 1+ x 2 +a 3=10

w x1 x2 S1 e2 a2 a3 Lado derecho (L.D.) vb Przn

R00 1 2∙ M −2 4 ∙ M −3 0 −M0 0 30 ∙ M w –

R10 0 1/2 1/4 1 0 0 0 4 S 1 16

R20 0 1 a2 20/
1 3 0 –1 0 20
3

R30 0 1 1 0 0 0 1 10 a3 10

Si vb=S1 , a2 ,a 3 ∧ vnb=x 1 , x 2 , e2 → w=30∙ M

¿
Variable que entra=x 2 R 21 =R 20 /3 ¿
→ R 0 ¿ 1=R00−( 4 ∙ M −3 ) ∙ R21 ¿ R 11=R10−$ R10 ∙ Pivot ¿
Variable que sale=a2 R 01=R00 −$ R 00 ∙ Pivot →

x1 x2 S1 e2 a2 a3 Lado derecho (L.D.) Prz


w vb
n

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
2 ∙ M −3 M −3 −4 ∙ M −3 10 ∙ M + 60
R01 1 ava
0 0 0 w –
33 3 3 3

R11 0 5/12 0 1 1/12 –1/12 0 7/3 S 1 5,6

R21 0 1/3 1 0 –1/3 1/3 0 20/3 x 2 20

R31 0 2/3 0 0 1/3 –1/3 1 10/3 a3 5

10 ∙ M + 60
Si vb=S1 , x 2 , a3 ∧ vnb=x 1 , a2 , e2 → w=
3

¿
Variable que entra=x 1 R 32=3/2 ∙ R31 2 ∙ M −3

¿
R ¿ =R 01−
Variable que sale=a3 R 02=R01−$ R01 ∙ Pivot → 0 2 3 ( )
∙ R32 ¿ R 12=R21−$ R 21 ∙ Pivot ¿

x1 x2 S1 e2 a2 a3 Prz
w Lado derecho (L.D.) vb
n

– −2 ∙ M −1 −2 ∙ M −3
R02 1 0 0 0 25 w
1/2 2 2

R12 0 0 – S1
0 1 1/8 –5/8 1/4
1/8

R22 0 0 – x2
1 0 1/2 –1/2 5
1/2

R32 0 1 0 0 1/2 –1/2 3/2 5 x1

Si vb=x 1 , x 2 , S1 ∧ vnb=e2 , a2 , a3 → w=25

{
w=25
S =1/ 4 x =5
∴ La decisión óptima es 1 → wOpt =25 → 1Opt
x 1=5 x2Opt =5
x 2=5

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
Método de las dos fases
Como su nombre lo indica, el meí todo de las dos fases consiste en la construccioí n de dos
fases: fase 1 y fase 2. Ya sea un problema de maximizacioí n o minimizacioí n, la fase 1 es
siempre:

min w' =∑ ai

Donde ai son las variables artificiales sujetas a las restricciones originales. Asíí, para el
caso de Bevco, se tiene que la primera fase es:

{
1 /2 ∙ x1 +1/4 ∙ x 2 ≤ 4
x 1+3 ∙ x 2 ≥ 20
Fase I min w' =a2+ a3 sujeto a
x 1+ x 2=10
x 1 , x 2 , a2 , a3 ≥ 0

{
w ' −a2−a3=0
1 /2 ∙ x1 +1/4 ∙ x 2 +S 1=4
x 1+ 3∙ x 2−e 2+ a2=20
x 1+ x 2 +a3 =10

R0
¿
w' ¿ ¿−a2 −a 3 ¿ 0 R2
x1 ¿+ x 2 ¿ ¿ ¿+ a3 ¿=¿ 10 ¿ ¿ F O Nueva ¿ w' ¿ 2∙ x 1 ¿ 4 ∙ x 2 ¿−e2 ¿ ¿ ¿=
¿ x 1 +3∙ x 2 −e2 + a2 ¿=¿ 20 ¿ R3

Por lo tanto, la nueva funcioí n objetivo de la Fase I es:

'
w +2 ∙ x 1 +4 ∙ x 2−e 2=30

{
1/2∙ x1 +1/ 4 ∙ x 2 ≤ 4
x 1+3 ∙ x 2 ≥ 20
min w' +2∙ x 1+ 4 ∙ x 2−e 2=30 sujeto a
x 1+ x2 =10
x 1 , x 2 , a2 , a3 ≥ 0

{
'
w +2∙ x 1+ 4 ∙ x 2−e 2=30
1 /2 ∙ x1 +1/ 4 ∙ x 2 +S 1=4
x 1+ 3∙ x 2−e 2+ a2=20
x 1+ x 2 +a3 =10

Entonces, se construye la tabla, considerando a la variable correspondiente a la funcioí n


objetivo, al recurso no utilizado S y a las variables artificiales a para la matriz
identidad.

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
w x1 x2 S 1 e 2 a2 a3 Lado derecho (L.D.)
'
vb Przn

R00 1 – 0
2 4 0 0 30 w
'

1

R10 0 1/ 1/ 0 S 1 16
1 0 0 4
2 4

R20 0 – 1 a2 20/
1 3 0 0 20
1 3

R30 0 1 1 0 0 0 1 10 a3 10

Si vb=S1 , a2 ,a 3 ∧ vnb=x 1 , x 2 , e2 → w=30

¿
Variable que entra=x 2 R 21 =R 20 /3 ¿
→ R 0 ¿ 1=R00−4 ∙ R 21 ¿ R11=R10−$ R10 ∙ Pivot ¿ →¿ R11=
Variable que sale=a2 R 01=R00 −$ R 00 ∙ Pivot →

Prz
w x1 x2 S1 e2 a2 a3 Lado derecho (L.D.)
'
vb
n

2/3
R01 1 0 0 1/3 –4/3 0 10/3 w' –
¿ 3 ava

R11 0 5/1 1/1 – S 1 5,6


0 1 0 7/3
2 2 1/12

R21 0 1/3 1 0 –1/3 1/3 0 20/3 x 2 20

R31 0 2/3 0 0 1/3 –1/3 1 10/3 a3 5

Si vb=S1 , x 2 , a3 ∧ vnb=x 1 , a2 , e2 → w=10/3

¿
Variable que entra=x 1 R 32=3/2 ∙ R31 ¿
→ R0 ¿2=R 01−2/3∙ R32 ¿ R 12=R21−$ R21 ∙ Pivot ¿ → ¿ R 1
Variable que sale=a3 R 02=R01−$ R01 ∙ Pivot →

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
Prz
w x1 x2 S1 e2 a2 a3 Lado derecho (L.D.)
'
vb
n

R02 1 0 0 0 0 –1 –1 0 w
'

R12 0 – – S1
0 0 1 1/8 ¼
1/8 5/8

R22 0 – – x2
0 1 0 1/2 5
1/2 1/2

R32 0 – x1
1 0 0 1/2 3/2 5
1/2

Si vb=x 1 , x 2 , S1 ∧ vnb=e2 , a2 , a3 → w' =0

{
w' =0
x 1=5
∴ La decisión óptima es
x 2=5
S1=1/ 4

Obtenido el oí ptimo de la fase 1 se procede con la fase 2, a la que le corresponde una


funcioí n objetivo en condiciones originales, sujeta a condiciones o restricciones de cuadro
oí ptimo de la Fase I sin variables artificiales.

Cabe indicar que siempre el w ' de la fase 1 es igual a cero cuando se la ha optimizado.
Si w ' es mayor a cero, el sistema es no convexo (es decir, no hay una zona factible para
todas las restricciones o ninguí n valor cumple con todas las restricciones); mientras que si
w es menor a cero, el problema es absurdo o estaí mal planteado.
'

{
S1−1 /8 ∙ e 2=1/4
Fase II min w=2∙ x 1+ 3∙ x 2 sujeto a x 2−1/2 ∙ e2=5
x1 +1/2 ∙e 2=5

{
w−2∙ x 1−3 ∙ x 2=0
S 1−1/ 8 ∙ e2=1 / 4
x 2−1/ 2∙ e 2=5
x 1+ 1/ 2∙ e 2=5

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
Nuevamente se procede con operaciones para que en la funcioí n objetivo se eliminen
algunas variables, x 1 y x 2 en este caso, ya que eí stas deben ser igual a 0 en la matriz
identidad.

¿
R 0 w −2 ∙ x1 −3 ∙ x2 ¿=¿ 0
¿ 2 ∙ R 3 ¿ ¿ 2 ∙ x 1 ¿ ¿ +e 2 ¿=¿ 10 ¿ ¿ F O Nueva ¿ w ¿ ¿¿−1/2 ∙ e2 ¿=¿ 25 ¿
3 ∙ R2 ¿ +3 ∙ x 2 −3 /2 ∙ e2 ¿

Por lo tanto, la nueva funcioí n objetivo de la Fase II, sujeta a las restricciones del cuadro
oí ptimo de la Fase I, es:

w−1/2∙ e 2=25

{
w−1/2 ∙e 2=25

{
S 1−1/8 ∙ e2=1/ 4
S −1/8 ∙ e2 =1/4
min w−1/2 ∙ e 2=25 sujeto a x2 −1/2∙ e 2=5 → 1
x 2−1/2 ∙e 2=5
x 1+1 /2 ∙ e2 =5
x 1 +1/2∙ e 2=5

El cuadro oí ptimo de la Fase II, sin variables artificiales, es:

w x 1 x 2 S 1 e 2 Lado derecho (L.D.) vb

R0 1 0 –
0 0 25 w
1/2

R1 0 0 – S1
0 1 ¼
1/8

R2 0 0 – x2
1 0 5
1/2

R3 0 1 0 0 1/2 5 x1

{
w=25
S =1/ 4 x =5
∴ La decisión óptima final es 1 → w Opt =25 → 1Opt
x 2=5 x2Opt =5
x 1=5

 Resolver el siguiente problema de minimización:

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
{
2 ∙ x 1 + x 2+ x3 ≤ 2
2∙ x1 + x 2 ≤ 3
min w=4 ∙ x 1+ 4 ∙ x2 + x 3 sujeto a
2∙ x1 + x 2 +3 ∙ x 3 ≥ 3
x 1 , x 2 , x 3 ≥0

{
w−4 ∙ x 1−4 ∙ x 2−x 3=0
2 ∙ x 1 + x 2+ x 3 + S1=2
2 ∙ x1 + x 2+ S 2=3
2∙ x1 + x 2 +3 ∙ x 3−e3 +a 3=3

{
2∙ x 1+ x 2 + x 3 ≤ 2
2∙ x 1+ x2 ≤3
min w=4 ∙ x 1+ 4 ∙ x2 + x 3 + M ∙ a3 sujeto a
2∙ x 1+ x2 +3 ∙ x3 ≥ 3
x1 , x2 , x3 ≥ 0

{
w−4 ∙ x 1−4 ∙ x 2−x 3−M ∙a 3=0
2∙ x 1+ x 2 + x 3 +S 1=2
2 ∙ x 1 + x 2+ S2 =3
2 ∙ x 1 + x 2+3 ∙ x 3−e 3+ a3=3

{
2 ∙ x 1 + x 2+ x 3 ≤2
2 ∙ x1 + x2 ≤ 3
Fase I min w' =a3 sujeto a
2 ∙ x 1 + x 2+ 3∙ x 3 ≥ 3
x1 , x2 , x3 ≥ 0

{
'
w −a3=0
2 ∙ x 1 + x 2+ x 3 + S1=2
2 ∙ x1 + x 2+ S 2=3
2∙ x1 + x 2 +3 ∙ x 3−e3 +a 3=3

¿
R0 w' ¿ ¿ −a3 ¿ 0 '
¿ ¿ ¿ ¿ ¿ F O Nueva ¿ w ¿2 ∙ x1 ¿+ x 2 ¿+ 3∙ x 3 ¿−e 3 ¿¿=¿ 3 ¿
R3 ¿ 2 ∙ x 1 + x 2 +3 ∙ x3 −e 3 +a 3 ¿

Por lo tanto, la nueva funcioí n objetivo de la Fase I es:

'
w +2 ∙ x 1 + x 2+ 3∙ x 3−e 3=3

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
{
2∙ x1 + x 2 + x 3 ≤ 2
2∙ x 1+ x 2 ≤3
min w' +2∙ x 1+ x2 +3 ∙ x3 −e 3=3 sujeto a
2∙ x 1+ x 2 +3 ∙ x 3 ≥3
x1 , x2 , x3 ≥ 0

{
w' +2 ∙ x 1+ x2 +3 ∙ x3 −e 3=3
2∙ x 1+ x 2 + x 3+ S 1=2
2∙ x 1+ x2 + S2=3
2 ∙ x 1 + x 2+3 ∙ x3 −e 3+ a3=3

Prz
w x 1 x 2 x 3 S 1 S 2 e 3 a3 Lado derecho (L.D.)
'
vb
n

R00 1 –
2 1 3 0 0
1
0 3 w' –

R10 0 2 1 1 1 0 0 0 2 S1 2

R20 0 2 1 0 0 1 0 0 3 S2 ∞

R30 0 – a3 1
2 1 3 0 0 1 3
1

Si vb=S1 , S 2 , a3 ∧ vnb=x 1 , x 2 , x 3 , e 3 → w=30

¿
Variable que entra=x 3 R 31 =R30 /3 ¿
→ R 0 ¿ 1=R00−3 ∙ R31 ¿ R11=R 10−$ R 10 ∙ Pivot ¿ → ¿ R 11 =
Variable que sale=a3 R01=R00 −$ R 00 ∙ Pivot →

Prz
w ' x1 x2 x3 S1 S2 e3 a3 Lado derecho (L.D.) vb
n

R00 1 0 0 0 0 0 0 –1 0 w' –

R10 0 4/ 2/ – S1
0 1 0 1/3 1
3 3 1/3

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
R20 0 2 1 0 0 1 0 0 3 S2

R30 0 2/ 1/ – x3
1 0 0 1/3 1
3 3 1/3

Si vb=x 3 , S1 , S 2 ∧ vnb=x 1 , x 2 ,e 3 , a3 → w' =0

{
x 1=0 w' =0
∴ La decisión óptima es x 2=0 S1=1
x 3=1 S3=1

{
S 1+ 1/ 3∙ e 3=1
Fase II min w=4 ∙ x 1+ 4 ∙ x 2+ x 3 sujeto a S 2=3
x3 −1/ 3∙ e 3=1

{
w−4 ∙ x 1−4 ∙ x 2−x 3=0
S1 +1/3 ∙ e3 =1
S2 =3
x 3−1 /3 ∙ e3 =1

¿
R0 w −4 ∙ x 1 −4 ∙ x 2 −x 3 ¿=¿ 0
R3 ¿ ¿ x 3 −1/3 ∙e 3 ¿ 1 ¿
¿ F ONueva w −4 ∙ x 1 −4 ∙ x 2 ¿−1/3 ∙ e3 ¿

w−4 ∙ x 1−4 ∙ x 2−1 /3 ∙ e3 =1

{
S1 +1/ 3 ∙ e3 =1
1
min w−4 ∙ x 1−4 ∙ x 2− ∙ e3 =1 sujeto a S2 =3
3
x 3−1 /3 ∙ e3 =1

{
w−4 ∙ x 1−4 ∙ x 2−1/ 3 ∙ e3=1
S 1 +1/ 3∙ e 3=1
S 2=3
x 3−1/ 3∙ e 3=1

El cuadro oí ptimo de la Fase II es:

w x1 x2 x3 S1 S2 e3 Lado derecho (L.D.) vb

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
R0 1 – – 0
0
0 –
1 w
4 4 1/3

R1 0 0 0 0 1 0 1/3 1 S1

R2 0 0 0 0 0 1 0 3 S2

R3 0 0 1 0 – x3
0 0 1
1/3

{
w=1
x1Opt =0
S1=1
∴ La decisión óptima final es → wOpt =1→ x2Opt =0
S 2=3
x 3Opt =1
x 3=1

Es decir, si se quisiera minimizar costos, por ejemplo, se tendríía que producir uí nicamente
una unidad (o decena, centena, etc.) del producto 3.

Sensibilidad Gráfica
Con la sensibilidad graí fica se busca encontrar el rango de valores de los paraí metros para
los cuales es vaí lida la solucioí n oí ptima determinada. Es decir, la sensibilidad determina los
valores que pueden tomar los paraí metros que acompanñ an a las variables para que la
decisioí n continuí e siendo la oí ptima. Por ejemplo, para el caso de la empresa Giapetto la
funcioí n que se queríía maximizar es la siguiente:

z=3 ∙ x 1 +2 ∙ x 2

Sujeta a las siguientes restricciones:

Número de horas de acabado → 2 x 1 + x 2 ≤ 100


Número de horas de carpintería → x 1 + x 2 ≤ 80
Demanda de soldados → x1 ≤ 40
Condición de no negatividad → x1 , x2 ≥ 0

Donde x 1 es el nuí mero de soldados fabricados y vendidos, mientras que x 2 es el


nuí mero de trenes fabricados y vendidos. Asíí, el modelo del caso de optimizacioí n es:

{
2 x 1+ x 2 ≤100
x 1+ x 2 ≤80
max z=3 ∙ x 1 +2∙ x 2 sujeto a
x 1 ≤ 40
x1 , x2 ≥ 0

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
Representando las restricciones en un diagrama cartesiano se obtuvo que:

Zona factible: EDCBAE


Decisión Óptima: Punto B (20, 60)

A
B

C
E D

Todas las funciones, desde las restricciones hasta la funcioí n objetivo, corresponden a una
recta, cuya ecuacioí n se puede representar de la siguiente forma: y=mx + p

ax +by=c → y= −a x+ c
y=mx+ p b a

Donde a , b y c son los paraí metros de la ecuacioí n que se relacionar para


determinar el valor de m y p .

−a ∆ y c
m= = p=
b ∆x b

En estos casos de solucioí n graí fica, en los que se quiere maximizar una utilidad, el
problema de denota de la siguiente forma:

max z=c ∙ x s ujeto a a ∙ x ≤ b Forma normal de presentación de un caso de


maximización

a11 x1 + a12 x 2+ …+a1 n x n ≤ b1


a 21 x 1+ a22 x 2+ …+a 2n x n ≤ b2
max z=c 1 x 1 +c 2 x 2 +…+ cn x n sujeto a

am1 x 1 +a m2 x 2+ …+a m x n ≤b m

Dicho de otra forma, se tiene que:

()
x1

(
a11 a12 a 1 n x 1

)( ) ( )
b1
max z=( c1 c2 c n ) x 2 sujeto a a21 a22 a 2 n x 2 ≤ b 2
xn a m 1 am 2 amn x n b m

O tambieí n:

max Z=C ∙ X sujeto a A∙ X ≤B

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
x1
C=( c 1 c 2 c n)
()X = x2
xn

( ) ()
a11 a12 a 1 n b1
A= a21 a22 a 2 n B= b 2
a m 1 am 2 amn bm

Para el caso de Giapetto, la informacioí n que se tiene es la siguiente:

{
2∙ x 1+ x2 ≤100 ≡a 11 x 1 +a12 x2 ≤ b1
x 1 + x 2 ≤ 80 ≡ a21 x1 +a 22 x 2 ≤ b2
z=3 ∙ x1 +2 ∙ x 2
max sujeto a x 1 +0 ∙ x 2 ≤ 40 ≡ a31 x 1 +a 32 x 2 ≤ b3
≡ z=c1 x1 + c2 x 2
x 1 +0 ∙ x2 ≥ 0 ≡ a41 x 1 +a 42 x 2 ≥ b4
0∙ x 1+ x2 ≥ 0 ≡ a51 x 1 +a 52 x2 ≥ b5

{
2 1 100

max z=( 3 2 )
()
x1
x2
sujeto a
( )( ) ( )
1 1
x1
x
1 0 2
≤ 80
40

(10 01)( xx ) ≥ (00)


1

A∙ X ≤B
max Z=C ∙ X sujeto a
A ' ∙ X ≥ B'

( ) ( )
2 1 100
A= 1 1 B= 80
C=( 3 2 ) X =
()
x1
x2
1 0 40

( )
A' = 1 0
0 1 ()
B' = 0
0

Noí tese que cuando las desigualdades se convierten en igualdades, a las restricciones y a la
funcioí n objetivo siempre le corresponde la ecuacioí n de una recta. En el caso de la funcioí n
objetivo, su pendiente es:

−c1 z
z=c 1 x 1 +c 2 x 2 → x 2= x +
c2 1 c2

−c1
m=
c2

Siendo c 1 y c 2 los coeficientes de la funcioí n objetivo. El rango de valores que toman


los coeficientes de la funcioí n objetivo para que la decisioí n oí ptima continuí e siendo el punto
B se determina evaluando la pendiente de las rectas sobre las cuales se halla dicho punto.

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
Cuando se modifica el valor de los coeficientes c 1 o c 2 , cambia la pendiente de la
funcioí n objetivo, lo que implica que si eí sta pasa por el punto de la decisioí n oí ptima, no
necesariamente va a ser tangente a la zona factible. De ahíí la importancia de determinar la
sensibilidad de los coeficientes de la funcioí n objetivo.

En el caso de Giapetto, las condiciones originales de la funcioí n objetivo son:

−3 z
z=3 ∙ x 1 +2 ∙ x 2 → x 2= x+
2 1 2

Pero para ver el cambio y determinar la sensibilidad del coeficiente de la variable x 1 de


la funcioí n objetivo ( c 1 ), se la puede notar de la siguiente manera:

−c 1 z
z=c 1 x 1 +2 ∙ x 2 → x 2= x +
2 1 2

Los valores que puede tomar c 1 para que la decisioí n oí ptima sea el punto B (20, 60) son
aquellos que hacen que la pendiente de la funcioí n objetivo esteí entre – 2 (pendiente de la
restriccioí n 2∙ x 1+ x2 ≤100 ) y – 1 (pendiente de la restriccioí n x 1+ x 2 ≤80 ).

Asíí, la funcioí n objetivo puede ser paralela a la recta correspondiente a la restriccioí n del
nuí mero de horas de acabado, como maí ximo, o paralela a la recta de la restriccioí n del
nuí mero de horas de carpinteríía, como míínimo.

m1 ≤ mOF ≤m2

c1 c
−2 ≤− ≤−1 → 2≥ 1 ≥ 1
2 2

4 ≥ c 1 ≥2 →2 ≤ c 1 ≤ 4

c1 ϵ [ 2 ; 4 ]

Por lo tanto, la sensibilidad del coeficiente de la variable x 1 de la funcioí n objetivo


(sensibilidad de c 2 ) indica que eí ste debe estar entre 2 y 4, ya que dentro de este rango
la decisioí n oí ptima es el punto B.

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
En cuanto a la sensibilidad del coeficiente de la variable x 2 de la funcioí n objetivo (
c 2 ), a eí sta uí ltima se la va a notar de la siguiente manera:

−3 z
z=3 ∙ x 1 +c 2 x 2 → x 2= x 1+ c2 ≠ 0
c2 c2

m1 ≤ mOF ≤m2

3 3
−2 ≤− ≤−1 → 2≥ ≥1
c2 c2

1 c2 3
≤ ≤1 → ≤ c2 ≤3
2 3 2

c2 ϵ [ ]
3
2
;3

Por lo tanto, la sensibilidad del coeficiente de la variable x 2 de la funcioí n objetivo


(sensibilidad de c 2 ) indica que eí ste debe estar entre 1,5 y 3, ya que dentro de este
rango la decisioí n oí ptima es el punto B.

 Determinar la sensibilidad de los coeficientes de la función objetivo correspondiente


al ejercicio 2, referente a los productos A y B producidos en las máquinas 1 y 2.

{
2∙ a+3 ∙ b ≤24
2 ∙ a+b ≤ 16
max z=6 ∙ a+7 ∙ b sujeto a b≤6
a≥0
b≥0

o a → Nuí mero de unidades del producto A fabricadas y vendidas

o b → Nuí mero de unidades del producto B fabricadas y vendidas

16
8
6

8 12

z=6 ∙ a+7 ∙ b

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
Sensibilidad del coeficiente de a de la función objetivo ( c 1 )

−c1 z
z=c 1 a+7 ∙ b →b= a+
7 7

m1 ≤ mOF ≤m2

c1 2 c 2
−2 ≤− ≤− → 2 ≥ 1 ≥
7 3 7 3

14 14
14 ≥ c 1 ≥ → ≤ c 1 ≤ 14
3 3

c1 ϵ
[ 14
3
; 14
]
Sensibilidad del coeficiente de b de la función objetivo ( c 2 )

−6 z
z=6 ∙ a+c 2 b →b= a+ c2 ≠ 0
c2 c2

m1 ≤ mOF ≤m2

6 2 6 2
−2 ≤− ≤− → 2 ≥ ≥
c2 3 c2 3

1 c2 3
≤ ≤ → 3 ≤ c2≤ 9
2 6 2

c 2 ϵ [ 3 ;9 ]

Sensibilidad del lado Derecho de las Restricciones

max z=c ∙ x sujeto a a ∙ x ≤ b

Lo que se quiere en este caso es determinar el rango de valores de los coeficientes b


(lado derecho de las restricciones) para que el punto oí ptimo siga siendo el resultado de la
interseccioí n de las restricciones que determinaron la decisioí n oí ptima original (el punto B
para el ejemplo de Giapetto, que corresponde a la interseccioí n de la restriccioí n
2 x 1 + x 2=100 y la restriccioí n x 1+ x 2=80 ).

En este punto cabe indicar que existe otro modo de hallar la decisioí n oí ptima y consiste en
lo siguiente: generalmente (por no decir siempre) el punto oí ptimo estaí en un veí rtice, que a
su vez es la interseccioí n de dos o maí s restricciones. Por lo tanto, tambieí n se puede
optimizar los valores en funcioí n de las coordenadas de cada veí rtice:

z=3 ∙ x 1 +2 ∙ x 2

A
B
Maríía Gabriela Ruiz Hinojosa
Ingenieríía Quíímica
C
E D
Punt x1 x2 z
o
A 0 80 160
2 6 18
B
0 0 0
C 40 20 160
D 40 0 120
E 0 0 0

∴ z Opt =180→ PtoOpt =B

Las restricciones originales se representan de la siguiente forma:

Lado derecho
Restricción de la
restricción
R a11 x 1+ a12 x 2 ≤b 1 b1
1
R a21 x 1 +a 22 x 2 ≤ b2 b2
2
R a31 x 1 +a 32 x2 ≤ b3 b3
3
… … …
R an 1 x1 + an 2 x 2 ≤ b n bn
n

Para el ejercicio de Giapetto, las restricciones originales son:

Puntos de la
Lado derecho recta restricción
Restricción
de la restricción
x1 x2
R 0 100
2∙ x 1+ x2 ≤100 100
1 50 0
R 0 80
x 1+ x 2 ≤80 80
2 80 0
R x 1+0 ∙ x 2 ≤ 40 40 ∞
40
3 40 ∞

Y a partir de estos datos se determina la sensibilidad de los lados derechos de las


restricciones, mediante el procedimiento que se indica a continuacioí n.

 Sensibilidad del lado derecho de la restricción R 1 ( b1 )

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
G

A
B
F
C
E D

R 1:2 ∙ x 1 + x 2=100 b1 :100

2∙ x 1+ x2=b1 → x 2=−2∙ x 1+ b1

o Máximo de la sensibilidad del lado derecho de la restricción R1 (


b1 )

Punto maí ximo en el que la interseccioí n de R1 y R2 corresponde a la decisioí n


oí ptima: F (40,40)

40=−2∙ ( 40 )+ b1max →b 1max=120

o Mínimo de la sensibilidad del lado derecho de la restricción R1 (


b1 )

Punto míínimo en el que la interseccioí n de R1 y R2 corresponde a la decisioí n


oí ptima: A (0,80)

80=−2 ∙ ( 0 ) +b1min → b1min =80

80≤ b 1 ≤ 120
b1Original =100→−20 ≤ ∆ b1 ≤20

 Sensibilidad del lado derecho de la restricción R 2 ( b2 )

A
B
F
C
E D

R 2: x 1 + x 2=80 b2 : 80

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
x 1+ x 2=b 2 → x 2=−x 1 +b2

o Máximo de la sensibilidad del lado derecho de la restricción R2 (


b2 )

Punto maí ximo en el que la interseccioí n de R1 y R2 corresponde a la decisioí n


oí ptima: G (0,100)

100=−( 0 )+ b2max →b 2max=100

o Mínimo de la sensibilidad del lado derecho de la restricción R2 (


b2 )

Punto míínimo en el que la interseccioí n de R1 y R2 corresponde a la decisioí n


oí ptima: C (40,20)

20=−( 40 ) +b2min → b2min =60

60 ≤b 2 ≤ 100
b2Original =80 →−20 ≤ ∆ b2 ≤20

 Sensibilidad del lado derecho de la restricción R 3 ( b3 )

A
B
F
C
E D

R 3: x 1=40 b3 : 40

x 1=b3

o Mínimo de la sensibilidad del lado derecho de la restricción R3 (


b3 )

Punto míínimo en el que la interseccioí n de R1 y R2 corresponde a la decisioí n


oí ptima: B (20,60)

20=b3min → b3min =20

20 ≤b 3 ≤ ∞
b3Original =40 →−20 ≤ ∆ b 3 ≤ ∞

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
 Determinar la sensibilidad del lado derecho de las restricciones correspondientes al
ejercicio 2, referente a los productos A y B producidos en las máquinas 1 y 2.

{
2∙ x 1+3 ∙ x 2 ≤ 24
max z=6 ∙ x 1 +7 ∙ x2 sujeto a 2∙ x 1+ x 2 ≤16
x 2 ≤6

o x 1 ( a ) → Nuí mero de unidades del producto A fabricadas y vendidas

o x 2 ( b ) → Nuí mero de unidades del producto B fabricadas y vendidas

Lado derecho Puntos de la recta restricción


Restricción
de la restricción x1 x2
R 0 8
2∙ x 1+ 3∙ x 2 ≤ 24 24
1 12 0
R 0 16
2∙ x 1+ x2 ≤16 16
2 8 0
R ∞ 6
x2≤ 6 6
3 ∞ 6

 Sensibilidad del lado derecho de la restricción R 1 ( b1 )

16

8
D F
6 E C

B G
A
8 12

R 1:2 ∙ x 1 +3 ∙ x 2=24 b 1 :24

−2 b
2∙ x 1+ 3∙ x 2=b1 → x 2= ∙ x1 + 1
3 3

o Máximo de la sensibilidad del lado derecho de la restricción R1 (


b1 )

Punto maí ximo en el que la interseccioí n de R1 y R2 corresponde a la decisioí n


oí ptima: F (5,6)

−2 b
6= ∙ ( 5 ) + 1max → b1max =28
3 3

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
o Mínimo de la sensibilidad del lado derecho de la restricción R1 (
b1 )

Punto míínimo en el que la interseccioí n de R1 y R2 corresponde a la decisioí n


oí ptima: B (8,0)

−2 b
0= ∙ ( 8 ) + 1min →b 1min=16
3 3

16 ≤ b1 ≤28
b1Original =24 →−8 ≤ ∆ b 1 ≤ 4

 Sensibilidad del lado derecho de la restricción R 2 ( b2 )

16

8
D F
6 E C

B G
A
8 12

R 2:2 ∙ x 1 + x 2=16 b2 :16

2∙ x 1+ x2=b2 → x 2=−2∙ x 1+ b2

o Máximo de la sensibilidad del lado derecho de la restricción R2 (


b2 )

Punto maí ximo en el que la interseccioí n de R1 y R2 corresponde a la decisioí n


oí ptima: G (12,0)

0=−2 ∙ (12 )+ b2max → b2max=24

o Mínimo de la sensibilidad del lado derecho de la restricción R2 (


b2 )

Punto míínimo en el que la interseccioí n de R1 y R2 corresponde a la decisioí n


oí ptima: D (3,6)

6=−2 ∙ ( 3 ) +b2min → b2min =12

12 ≤b 2 ≤ 24
b2Original =16 →−4 ≤ ∆ b2 ≤8

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
 Sensibilidad del lado derecho de la restricción R 3 ( b3 )

16

8
D F
6 E C

B G
A
8 12

R 3: x 2=6 b 3 : 6

x 2=b3

o Mínimo de la sensibilidad del lado derecho de la restricción R3 (


b3 )

Punto míínimo en el que la interseccioí n de R1 y R2 corresponde a la decisioí n


oí ptima: C (6,4)

4=b 3min → b3min =4

4 ≤ b3 ≤ ∞
b3Original =6 →−2 ≤ ∆ b3 ≤ ∞

Precio Sombra
Cantidad que mejora la funcioí n objetivo cuando el lado derecho de la restriccioí n cambia en
una unidad. Lo que sucede es que, debido a la sensibilidad del lado derecho de una
restriccioí n Ri , eí ste estaí entre un míínimo y un maí ximo, de modo que al cambiar bi
en una unidad, altera el valor de z Opt .

max z=c ∙ x sujeto a a ∙ x ≤ b

En el caso de Giapetto, por ejemplo, el problema consistíía en lo siguiente:

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
max z=3 ∙ x 1 +2∙ x 2
sujeto a
¿
2∙ x 1+x 2 ≤100 R1
x 1+ x2 ≤ 80 R2
x 1 +0 ∙ x 2 ≤ 40 R3
∀ x1 , x2 ≥ 0 ¿
¿
¿ ¿ ¿

Y, seguí n la sensibilidad obtenida:

80 ≤ b1 ≤ 120
60 ≤ b2 ≤ 100
20 ≤b 3 ≤ ∞

Respecto a la sensibilidad de b1
Si b1 aumenta una unidad, cambiando de b Inicial a b Final ⟹
∆ b 1=b Final−b Inicial =1

Como el punto oí ptimo resulta de la interseccioí n de las restricciones R1 y R2 , se


tiene que:

R1 → 2∙ x1 + x 2=100+ ∆ b1
R2 → x 1 + x 2=80

Decisioí n OÍ ptima:

( R 1) −( R2 ) : x 1=20+ ∆ b1
( x 1 ) en ( R 2 ) : x 2=60−∆ b 1

OD=( 20+ ∆ b1 ,60−∆ b 1) si b1=100+ ∆ b1

O DOriginal =( 20,60 )

∆ b 1 es vaí lido cuando se cumple que el punto oí ptimo OD es igual a


( 20+ ∆ b1 ,60−∆ b 1)

z=3 ∙ x 1 +2 ∙ x 2

z=3 ∙ ( 20+∆ b 1) + 2∙ ( 60−∆ b1 )

z=( 60+3 ∙ ∆ b 1) + ( 120−2 ∙ ∆ b1 )

z=180+ ∆ b1

Precio sombra es
el coeficiente de Maríía Gabriela Ruiz Hinojosa
∆ b 1 en z Ingenieríía Quíímica
Por lo tanto, si en la restriccioí n R1 , el lado derecho b1 aumenta en ∆ b 1 , la
ganancia oí ptima z Opt aumenta tambieí n en ∆ b 1 . Al coeficiente de ∆ b 1 se lo
conoce como precio sombra.

Respecto a la sensibilidad de b2
Si b2 aumenta una unidad, cambiando de b Inicial a b Final ⟹
∆ b 2=b Final−b Inicial =1

Como la decisioí n oí ptima estaí formada por la interseccioí n de las restricciones R1 y


R2 , se tiene que:

R1 → 2 ∙ x 1 + x 2=100
R2 → x 1 + x 2=80+ ∆ b2

Decisioí n OÍ ptima:

( R 1) −( R2 ) : x1=20−∆ b2
( x 1 ) en ( R 2 ) : x 2=60+2 ∙ ∆ b2

OD=( 20−∆ b2 , 60+2 ∙ ∆ b2 ) si b2=80+∆ b 2

O DOriginal =( 20,60 )

∆ b 2 es vaí lido cuando se cumple que el punto oí ptimo OD es igual a


( 20−∆ b2 , 60+2 ∙ ∆ b2 )

z=3 ∙ x 1 +2 ∙ x 2

z=3 ∙ ( 20−∆ b2 ) +2 ∙ ( 60+ 2∙ ∆ b 2 )

z=( 60−3 ∙ ∆ b1 ) + ( 120+ 4 ∙ ∆ b1 )

z=180+ ∆ b2

Por lo tanto, el precio sobra de la restriccioí n R2 tambieí n es igual a 1. Cabe indicar que
en este caso particular los precios sombras coinciden, ya que generalmente no coinciden.

Respecto a la sensibilidad de b3

Si b3 aumenta una unidad, cambiando de b Inicial a b Final ( ∆ b 3=b Final−b Inicial ),


no sucede nada, ya que la restriccioí n R3 no participa en la determinacioí n del punto
OD original.

R1 → 2 ∙ x1 + x 2=100
R2 → x 1+ x 2=80

Decisioí n OÍ ptima:

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
( R 1) −( R2 ) : x 1=20
( x 1 ) en ( R 2 ) : x 2=60

OD=( 20 , 60 )=O DOriginal

z=3 ∙ x 1 +2 ∙ x 2=3 ∙ ( 20 ) +2∙ ( 60 )

z Opt =180=zOptOriginal

Por lo tanto, el precio sobra de la restriccioí n R3 es 0.

 Hallar la decisión óptima para (Archivo 3. Minimización Ejemplo 1):

min z =2∙ x 1−x 2


sujeto a
¿
x 1−x 2 ≤ 1 R1
2 ∙ x1 + x 2 ≥ 6 R2
∀ x1 , x2 ≥ 0 ¿
¿
¿ ¿ ¿

Las restricciones convertidas en igualdad y llevadas a la forma normal de la ecuacioí n de


una recta, son las siguientes:

x 1−x 2 ≤1 → x 1−x 2=1 → x 2=x 1+ 1


2∙ x 1+ x2 ≥ 6 → 2∙ x1 + x 2=6 → x 2=−2 ∙ x 1 +6
x1 , x2≥ 0 → x 1 , x 2=0 → x1 , x2=0

1 3

Figura 1. Representacioí n graí fica de las restricciones y de la Zona factible

Por lo tanto la decisioí n oí ptima corresponde al punto A.

{ x 1−x 2=1 ( 1 )
2∙ x1 + x 2=6 ( 2 )

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
18

( 1 )+ ( 2 ) : 3 x 1=7 → x2 =7/3 ≈ 2,33


15
( x 1 ) en (1 ) 7/3−x2 =1→ x1 =4 /3≈ 1,33

z=2 ∙ ( 73 )− 43 → z=6
12

{
x 1=7/ 3
DecisiónÓptima : x2 =4 /3
9
z =6

: 0 .0 0 x 1 + 1 .0 0 x 2 = 0 .0 0

: 1 .0 0 x 1 + 0 .0 0 x 2 = 0 .0 0
P a y o f f : 2 .0 0 x 1 - 1 .0 0 x 2 = 6 .0 0
: 2 .0 0 x 1 + 1 .0 0 x 2 = 6 .0 0

0 : 1 .0 0 x 1 - 1 .0 0 x 2 = 1 .0 0
0 1 2 3 4 5 6 7

O p t im a l D e c is io n s ( x 1 ,x 2 ) : ( 2 .3 3 , 1 .3 3 )
: 1 .0 0 x 1 - 1 .0 0 x 2 < = 1 .0 0
: 2 .0 0 x 1 + 1 .0 0 x 2 > = 6 .0 0
: 1 .0 0 x 1 + 0 .0 0 x 2 > = 0 .0 0
: 0 .0 0 x 1 + 1 .0 0 x 2 > = 0 .0 0

{
x 1=2,33
OD x 2=1,33
zOpt =6,00

En problemas de maximizacioí n o minimizacioí n puede haber distintas soluciones, que son:

 Existe una única solución: cuando se tiene un veí rtice formado por dos
restricciones (interseccioí n de R1 y R2 ).

 Existe infinito número de soluciones: cuando la pendiente de la funcioí n objetivo


es paralela a la pendiente de una de las restricciones.

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
 No existe solución factible: cuando ninguí n punto cumple con las restricciones.

 Caso no acotado: cuando no hay líímite para la funcioí n objetivo, y por lo tanto no
se puede determinar un míínimo o un maí ximo.

Determinación de la sensibilidad con Lindo


Si cambia el coeficiente de la funcioí n objetivo, se modifica la
pendiente de la recta correspondiente a la funcioí n objetivo, mientras
que si se varíía el lado derecho de una restriccioí n Ri , se mueve la
recta correspondiente a dicha restriccioí n paralelamente a la recta
inicial Ri .

Para determinar la sensibilidad en el programa LINDO, simplemente


se entra al mismo y se digita:

max
c1 x1 + c2 x2
¿
subject ¿
¿ a11 x 1+ a21 x 2≤b1 …
¿ a 1n x 1+ a2 n x 2≤b n
end ¿

Entonces se hace clic en , obtenieí ndose valores como los siguientes:

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
 Sensibilidad del lado derecho de cada restriccioí n y de los coeficientes de la funcioí n
objetivo

 Slack o surplus → Valores que sobran en la restriccioí n correspondiente

 Decisioí n oí ptima

 Dual prices (precio sombra) → Incremento del precio sombra por unidad del lado
derecho de cada restriccioí n

En base a los resultados obtenidos en LINDO, se puede responder las siguientes preguntas:

 Suponga que Winco aumenta $0,50 por unidad de producto 2, ¿cuál es la nueva
solución óptima?

x 2=400 → ∆ z=400∙ $ 0,50=$ 200,00

D . O .=L a misma

¿
z OptNuevo =$ 6650,00+ $ 200,00 z Opt Nuevo =$ 6850,00 ¿
¿ ¿ ¿

 Suponga que incrementa $0,60 por unidad el precio del producto 1, ¿cuál es la nueva
solución óptima?

x 1=0 ⇒ z Opt Nuevo =z Opt Anterior =$ 6650,00

 Suponga que el precio de venta del producto 3 disminuye en $0,60, ¿cuál es la nueva
solución óptima?

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
La solucioí n oí ptima ya no es la misma, ya que el cambio sale del rango (allowed
decrease: $0,50). En ese caso, maí s bien se debe calcular una nueva solucioí n oí ptima
respecto a x 3 y un nuevo z Opt .

 Suponga que se debe producir un total de 980 unidades, ¿cuál es la nueva solución
óptima?

Dado que la variacioí n síí estaí dentro del rango, la nueva solucioí n oí ptima es:

z Opt =$ 6650,00+ ( 980−950 ) ∙ $ 3,00 → z Opt =$ 6740,00

 Suponga que están disponibles 4500 unidades de materia prima, ¿cuál es el nuevo
valor de z óptimo?

z Opt =$ 6650,00+ ( 4500−4600 ) ∙ $ 1,00 → z Opt =$ 6550,00

 Una compañía debe fabricar 1000 autos Tucker. La empresa tiene cuatro plantas de
producción. El costo de producción de un Tucker en cada planta, junto con la materia
prima y la mano de obra necesaria se proporcionan en la tabla a continuación.

Planta Costo ($) por


MO MP
fábrica 1000
1 15 2 3
2 10 3 4
3 9 4 5
≥40
4 7 5 6
0
330 400
Total
0 0

El sindicato de trabajadores de la compañía automotriz necesita que se fabriquen al


menos 400 automóviles en la planta 3. Se dispone de 3300 horas de mano de obra y
4000 unidades de materia prima para ser asignadas a las cuatro plantas. Plantee un
modelo de programación lineal cuya solución permita minimizar el costo de
producción de 1000 automóviles y responda las siguientes preguntas:

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
{
x 1=400
x 2=200
O. D . x 3=400
x 4=0
z Opt =11600

o Suponga que se dispone de 4100 unidades de materia prima, ¿cuál es el


nuevo valor óptimo de w?

⏟ (⏟
−¿ 4100−4000 ) ∙ $ 5,00 → z Opt Nuevo =$ 11100,00
porque es: 100
min
z Opt Nuevo =$ 11600,00 ¿

o Suponga que se tienen que producir 950 automóviles exactamente, ¿cuál es el


nuevo valor óptimo de w?

⏟ ⏟
−¿ ( 950−1000 ) ∙ (−$ 30,00 ) → z Opt Nuevo =$ 10100,00
porque es: −50
min
z Opt Nuevo =$ 11600,00 ¿

Transporte
Mediante el empleo de modelos matemaí ticos se procura minimizar los costos de
embarque desde los puntos de abasto hasta los lugares de destino. Para esto es necesario,
primero, determinar los puntos de origen y la capacidad de abasto por perííodo; segundo,
los puntos de destino y la demanda por perííodo; y finalmente los costos unitarios por
embarque desde el punto de origen a cada destino.

 La fábrica Arizona, entre otros productos, fabrica tinas para baño. La empresa
necesita decidir qué plantas deben abastecer a qué almacenes, a fin de que los costos
de transporte sean los menores.

Como se indicoí antes, el primer paso es identificar los oríígenes y los destinos y
posteriormente los costos unitarios de transporte desde dicho origen hasta dicho destino.

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
o Origen → Fuente → Faí bricas

o Destino → Pozo → Bodegas

Tabla 8. Costos unitarios de transporte desde el origen hasta el destino

Capacida
Comenzar Bodega d
saturando Albuquerqu
Fábrica Boston Cleveland Abasto
e
Oferta
$
Desmoines 100 $5 0 0 $3 100
4
Hacia el 10 $
norte Chicago 200 $8 0 $3 300
0 4
10 $
New York 0 $9 200 $5 200
0 7
20
Demanda 300 200
0

Hacia el oeste
Para resolver este tipo de problemas, lo primero que se hace es tratar de buscar una
solucioí n inicial, para lo cual el sistema debe estar totalmente
balanceado, es decir, la oferta debe ser igual a la demanda.
Antes de iniciar, el
Despueí s de balancear, se procede con la buí squeda de una
sistema debe estar en
variable baí sica inicial, utilizando el meí todo de la esquina
equilibrio
noroeste.

1. Balancear: ∑ ∑
Oferta= Demanda . Si esto no se cumple, se puede fijar una
oferta ficticia o una demanda ficticia (adicionando una fila o una columna
respectivamente), dependiendo del caso.

Oferta=$ 650,00 → Por lotanto , se necesita una oferta ficticia de $ 50,00


Demanda=$ 700,00 y laadición de una columna a la tablaanterior .

2. Buscar una variable baí sica inicial, utilizando el meí todo de la esquina noroeste, la
cual consiste en una matriz en la que cada celda se llena de la siguiente manera:

± c ij

x ij Mejor/
Peor

La variable x ij se refiere a la cantidad asignada al nuí mero de artíículos enviados


del origen i al destino j , ± corresponde al carácter de iteración: positivo
(+) cuando el costo unitario de transporte aumenta y negativo (–) cuando el costo
unitario de transporte disminuye; c ij es el costo unitario de transporte del
origen i (puerto o fábrica) al destino j (almacén, bodega, distribuidor).
Finalmente mejor o peor indica el valor del mejoramiento.

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
Para la solucioí n inicial se asigna lo maí ximo posible al costo: Costo inicial=∑ c ij ∙ x j ,
en este ejercicio por ejemplo:

Costo inicial=$ 5 ×100+ $ 8× 200+$ 4 × 100+$ 7 × 100+$ 5× 200=$ 4200

Por lo tanto, la primera alternativa de consumo implica un costo de $4200.

Encontrada la solucioí n inicial se verifica que el nuí mero de asignaciones (celdas asignadas)
sea mayor o igual a las filas (m) maí s las columnas (n) menos 1, y que eí ste a su vez sea
mayor o igual a 1.

Celdas asignadas=m+ n−1

Cabe indicar que para mejorar el costo existen dos meí todos: 1) el meí todo del escaloí n y b)
el meí todo Modi. En ambos casos, para iniciar se debe considerar el
envíío a celdas que no estaí n asignadas ( x ij=0 ), y posteriormente
UÍ nicamente se
encontrar el circuito para dichas celdas (situando “+” o “–” en las
debe asignar a
celdas que ya tienen una asignacioí n); aunque para el meí todo del
celdas con 0
escaloí n es necesario imponer un orden en el algoritmo recursivo.
El menos debe
Se comienza con “+” en ubicarse en celdas que esteí n
estos puntos con 0…
Bodega 1 2 3 Capacida
Fábrica d
Albuquerqu Cleveland
Boston Abasto
e
Oferta
$
Desmoine – $5 + $3
1 4 100
s
100 0 0
…todos los $
signos + $8 – $3
4
restantes van a 2 Chicago 300
10
celdas que ya 200 0
0
tienen
$
asignacioí n $9 $5
7
3 New York 200
10
0 200
0
Demanda 300 200 200

Costo=$ 5 × 100+$ 8× 200+ $ 4 × 100+$ 7 ×100+ $ 5 ×200=$ 4200

En una fila o en una columna, a lo mucho hay dos celdas


afectadas. El signo “+” representa la cantidad de unidades
que se van a enviar de un origen a un destino a traveí s de la En una fila o en una
celda. columna se pueden como
maí ximo afectar dos
Desarrolladas las designaciones, se determina el celdas, una o ninguna
mejoramiento (suma de los costos en sentido antihorario), que corresponde al aumento o
disminucioí n en el costo por cada unidad de artíículo a ser enviado
que sufra el cambio, por ejemplo:
Girar en sentido
antihorario para
sumar los costos
Maríía Gabriela Ruiz Hinojosa
Ingenieríía Quíímica
Mejoramiento 1 :2 → −5+8−4 +4=+3

Es decir, el costo de transporte aumenta $3,00 maí s por cada tina que sufra el cambio
propuesto en este circuito, y por lo tanto no conviene. Del mismo modo, se procede con el
anaí lisis de todos los circuitos posibles. Cabe indicar que generalmente hay un uí nico
circuito para cada una de las celdas no asignadas.

Celda Celda Celda


Celda 3:1
1:2 1:3 2:3
1 2 3 1 2 3 1 2 3 1 2 3
1 – + 1 – + 1 1
2 + – 2 + – 2 – + 2 – +
3 3 + – 3 + – 3 + –

Mejoramiento 1 :3 → + 3−5+8−4+7−5=+ 4
Mejoramiento 2 :3 → + 3−4+7−5=+1
Mejoramiento 3 :1 → +9−7 +4−8=−2→Soí lo con este circuito
se ahorra por unidad
El circuito oí ptimo, cuando lo que interesa es abaratar costos, corresponde al mayor valor
negativo, en este caso aquel cuyo mejoramiento es –2. Por lo tanto, luego del anaí lisis de los
circuitos, de los mejoramientos se debe escoger el mayor valor negativo.

Ofert
1 2 3
a
$5 $4 $3
1 Peo Peo 100
100 0 0
r r
$8 $4 $3
2 20 10 Peo 300
0
0 0 r
$9 $7 $5
3 Mejo 10 20 200
0
r 0 0
Demand
300 200 200
a

Posteriormente, al maí ximo mejoramiento se le asigna lo


maí ximo posible, el cual recae sobre el míínimo valor de los
x ij con caraí cter negativo que se observan en el circuito El maí ximo posible es el
correspondiente. Para asignar lo maí ximo posible, se míínimo de los costos de
reconstruye el circuito de la celda del circuito oí ptimo, las celdas con
teniendo en cuenta que al alterar un valor se modifica todo el asignacioí n negativa en
circuito en la misma cantidad y que “+” implica que se anñ ade el circuito oí ptimo
envííos y “–” que se quita envííos.

min ( x ijNegativos ) =min ( 200,100 )=100 → Máximo posible=100

Circuito Óptimo

1 2 3
1

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
+
2 – 100
100
+
3 – 100
100

Ofert
1 2 3
a
$
$4 $3
5
1 100
Peo
100 0 0 Peor
r
$
$4 $3
8
2 300
100 (= 200 – 200 (= 100 +
0
100) 100)
$
$7 $5
9
3 200
Peo 20 Mejo
100 (= 0 + 100) 0 (= 100 – 100)
r 0 r
Demand
300 200 200
a

Costo=$ 5 × 100+$ 8× 100+ $ 9 ×100+ $ 4 ×200+ $ 5 ×200=$ 4000

Celda 1:2 Celda 1:3 Celda 2:3 Celda 3:2


1 2 3 1 2 3 1 2 3 1 2 3
1 – + 1 – + 1 1
2 + – 2 2 – + 2 + –
3 3 + – 3 + – 3 – +

+4−5+ 8−4 +3−5+ 9−5 +3−8+9−5 +7−4+ 8−9


¿+3 ¿+2 ¿−1 ¿+2

min ( 100,200 )=100 → Máximo posible=100


x ij

Ofert
1 2 3
a
$5 $4 $3
1 Peo Peo 100
100 0 0
r r
$8 $4 $3
2 Peo 20 300
0 (= 100 – 100) 100 (= 0 + 100)
r 0
$9 $7 $5
3 200 (= 100 + Peo 100 (= 200 – 200
0
100) r 100)
Demand
300 200 200
a

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
Costo=$ 5 × 100+$ 9× 200+ $ 4 × 200+ $ 3 ×100+ $ 5 ×100=$ 3900

Celda 1:2 Celda 1:3 Celda 2:1 Celda 3:2


1 2 3 1 2 3 1 2 3 1 2 3
1 – + 1 – + 1 1
2 – + 2 2 + – 2 – +
3 + – 3 + – 3 – + 3 + –

+4−5+ 9−5+3−4 +3−5+ 9−5 +8−9+5−3 +3−4+7−5


¿+ 2 ¿+2 ¿+ 1 ¿+1

Por lo tanto, eí ste uí ltimo circuito es el mejor.

El mismo ejercicio se puede resolver mediante otro meí todo, conocido como Meí todo Modi.
Para eí ste, igualmente se inicia asignando envííos desde la esquina sur – derecha, siendo el
nuí mero de celdas asignadas igual a m+ n−1 (cinco, en el caso del ejemplo).

Bodega 1 2 3 Capacida
Fábrica k1 k2 k3 d
Albuquerqu Abasto
Boston Cleveland Oferta
e
$
R Desmoine $5 $3
1 4 100
1 s
100 0 0
$
– $8 + $3
R 4
2 Chicago 300
2 10
200 0
0
$
+ $9 – $5
R 7
3 New York 200
3 10
0 200
0
Demanda 300 200 200

Para el meí todo Modi, una vez que la oferta es igual a la demanda y el nuí mero de celdas
asignadas es igual a m+ n−1 , se resalta las celdas asignadas o donde hay asignaciones,
para las cuales se aplica la siguiente ecuacioí n:

5=R1 +k 1
8=R2 +k 1
c⏟ij =R
⏟i + k⏟j → 4=R 2+ k 2
Costoij dela Fila Columna 7=R3 +k 2
celda asignada
5=R3 +k 3

Por lo general se llegan a n incoí gnitas y n−1 ecuaciones. Entonces, para completar
el sistema de ecuaciones, se asigna a R1 el valor de cero y se resuelve dicho sistema
normalmente.

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
R1=0 → k 1=5
R2=3 → k 2=1
R3=6 → k 3=−1

Una vez resuelto el sistema, se analizan las celdas no asignadas, y sobre eí stas se calculan
los ííndices de mejoramiento.

I 12=C 12−R1−k 2=4−0−1 I 12=+3


I 13=C13−R 1−k 3=3−0+1 I =+ 4
I ij = C
⏟ij −R
⏟i − k⏟j → → 13
I 23=C23−R 2−k 3 =3−3+1 I 23=+1
Costo ij de la Fila Columna
celda no I 31=C 31−R3−k 1=9−6−5 I 31=−2
asignada

De los ííndices de mejoramiento, se selecciona el maí ximo valor negativo y se somete, a la


celda y circuito que le corresponde, a un mejoramiento con el procedimiento que se aplicoí
anteriormente. Es decir, se asigna el maí ximo posible (míínimo x ij de los negativos del
circuito), que en este caso es: min ( 100,200 )=100 → Máximo posible=100
x ij

1 2 3 Ofert
k1 k2 k3 a
$ $ $
1 R1 5 4 3 100
100 0 0
$ $ $
– +
8 4 3
2 R2 300
100 (= 200 – 200 (= 100 +
0
100) 100)
$ $ $
+ –
9 7 5
3 R3 200
20
100 (= 0 + 100) 0 (= 100 – 100)
0
Demand
300 200 200
a

5=R1 +k 1 R1=0 → k 1=5


8=R2 +k 1 R2=3
Celdas asignadas 4=R 2+ k 2 → k 2=1
9=R3 + k 1 R 3=4
5=R3 +k 3 k 3=1
I 12=C12 −R 1−k 2=4−0−1=+3
I 13=C 13−R1−k 3=3−0−1=+2
¿ Celdas no asignadas
I 23=C23 −R2 −k 3=3−3−1=−1
I 32=C 32−R 3−k 2 =7−4−1=+2

min ( 100,200 )=100 → Máximo posible=100


x ij

1 2 3 Ofert

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
k1 k2 k3 a
$ $ $
1 R1 5 4 3 100
100 0 0
$ $ $
8 4 3
2 R2 300
20
0 (= 100 – 100) 100 (= 0 + 100)
0
$ $ $
9 7 5
3 R3 200
200 (= 100 + 100 (= 200 –
0
100) 100)
Demand
300 200 200
a

5=R 1+ k 1 R 1=0 → k 1=5


4=R2 +k 2 R3=4
Celdas asignadas 3=R 2+ k 3 → k 3 =1
9=R 3+ k 1 R 2=2
5=R 3+ k 3 k 2=2
I 12 =C 12−R1−k 2=4−0−2=+2
I 13=C13−R 1−k 3 =3−0−1=+2
¿ Celdas no asignadas
I 21=C 21−R 2−k 1=8−2−5=+1
I 32 =C 32−R3−k 2=7−4−2=+1

Por lo tanto, este circuito es la respuesta oí ptima.

Anteriormente se mencionoí que si m+ n−1 es mayor a 1, se entra a una políítica de


mejoramiento con la que se busca mejorar el costo,
Escaloí
disminuir el costo del transporte en este caso. Para esto hay
varios meí todos, siendo el meí todo del escaloí n uno de ellos.
n

Ahora, cuando el nuí mero de asignaciones (celdas asignadas)


es menor a m+ n−1 , se debe adjudicar cero a una de las
celdas en un punto donde se corte el escaloí n (de hecho, el
meí todo del escaloí n se llama asíí porque las celdas asignadas
forman una escalera). Sin embargo, esta asignacioí n de cero tiene un condicionamiento:
nunca se puede ubicar el signo negativo, soí lo permitiraí un aumento (+). Cabe indicar que
la asignacioí n de ceros se puede ir turnando.

 Optimizar el siguiente circuito:

Ofert
1 2 3
a
$8 $2 $6
1 10 2 Peo 120
0
0 0 r
$10 $9 $9
2 Mejo 8 2 100
0
r 0 0

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
$7 $10 $7
3 Mejo Peo 8 80
0 0
r r 0
Demand
100 100 100 300
a

Oferta=120+100+ 80→ Oferta=300


→ ∴ Oferta=Demanda
Demanda=100+ 100+ 100→ Demanda=300

Costo inicial=$ 8× 100+$ 2× 20+$ 9× 80+ $ 9 ×20+ $ 7 × 80=$ 2300

Método del escalón:

m+ n−1=3+3−1=5 ∧ Número de asignaciones=5

Celda 1:3 Celda 2:1 Celda 3:1 Celda 3:2


1 2 3 1 2 3 1 2 3 1 2 3
1 – + 1 – + 1 – + 1
2 + – 2 + – 2 – + 2 – +
3 3 3 + – 3 + –

+6−2+ 9−9 +2−8+ 10−9 +2−8+ 7−7+ 9−9 +9−9+10−7


¿+ 4 ¿−5 ¿−6 ¿+3

min ( 100,80,80 )=80 → Máximo posible=80

Nuevo circuito:

m+ n−1=3+3−1=5 ∧ Número de asignaciones=4

Ofert
1 2 3
a
$8 $2 $6
1 2 10 Peo 120
0
0 0 r
$10 $9 $9
2 Peo Mejo 10 100
0 0
r r 0
$7 $10 $7
3 8 Peo 80
0 Peor 0
0 r
Demand
100 100 100 300
a

Costo=$ 8× 20+ $ 7 ×80+ $ 2 ×100+ $ 9 ×100=$ 1820

Celda 1:3 Celda 2:1 Celda 2:2


1 2 3 1 2 3 1 2 3
1 – + 1 – + 1 – +
2 + – 2 + – 2 + –

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
3 3 3

+6−2+ 9−9 −9+6−8+10 +6−2+ 9−9


¿+ 4 ¿−1 ¿+ 4

Celda 3:2 Celda 3:3


1 2 3 1 2 3
1 + – 1 + –
2 2 + –
3 – + 3 – +

−2+ 8−7+10 −2+ 8−7+7−9+ 9


¿+ 9 ¿+6

min ( 20,100 )=20 → Máximo posible=20


x ij

Ofert
1 2 3
a
$8 $2 $6
1 Peo 10 2 120
0
r 0 0
$10 $9 $9
2 2 Peo 8 100
0
0 r 0
$7 $10 $7
3 8 Peo Peo 80
0 0
0 r r
Demand
100 100 100 300
a

Costo=$ 10 × 20+$ 7× 80+ $ 2 ×100+ $ 6 ×20+ $ 9 × 80=$ 3600

Celda 1:1 Celda 2:2 Celda 3:2 Celda 3:3


1 2 3 1 2 3 1 2 3 1 2 3
1 + – 1 – + 1 – + 1
2 2 + – 2 + – 2 + –
3 – + 3 3 – + 3 – +

−6 +8−7+7 +6−2+ 9−9 +6−2+ 10−9−7+10 −9+10−7+ 7


¿+2 ¿+ 4 ¿ +8 ¿+1

Por lo tanto, eí ste uí ltimo circuito es el mejor.

Método Modi:

k1 k2 k3 Ofert
1 2 3 a
R1 1 – $8 + $2 $6 120
10 2 0 Peo

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
0 0 r
$10 – $9 + $9
R2 2 Mejo 8 2 100
0
r 0 0
$7 $10 – $7
R3 3 Mejo Peo 8 80
0 0
r r 0
Demand
100 100 100 300
a

Costo inicial=$ 8× 100+$ 2× 20+$ 9× 80+ $ 9 ×20+ $ 7 × 80=$ 2300

8=R 1+ k 1
2=R 1+ k 2 R1=0 k 1=8
Celdas asignadas 9=R 2+ k 2 → R2=7 k 2=2
9=R 2+ k 3 R3=5 k 3=2
7=R 3+ k 3
I 13=C13 −R 1−k 3 =6−0−2=+4
I 21=C 21 −R2−k 1=10−7−8=−5
¿ Celdas no asignadas
I 31=C 31 −R3−k 1=7−5−8=−6
I 32=C 32−R3−k 2=10−5−2=+3

min ( 100,80,80 )=80 → Máximo posible=80

k1 k2 k3 Ofert
1 2 3 a
– $8 $2 + $6
R1 1 2 10 Peo 120
0
0 0 r
+ $10 $9 – $9
R2 2 Peo Mejo 10 100
0 0
r r 0
$7 $10 $7
R3 3 8 Peo 80
0 Peor 0
0 r
Demand
100 100 100 300
a

Costo=$ 8× 20+ $ 7 ×80+ $ 2 ×100+ $ 9 ×100=$ 1820

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
8=R 1+ k 1
2=R 1+ k 2 R1=0 k 1=8
Celdas asignadas
9=R 2+ k 3 → R2=3 k 2=2
(1 :3=0 )
7=R 3+ k 1 R3=−1 k 3=6
6=R 1+ k 3
I 21 =C 21−R2−k 1=10−3−8=−1
I 22=C22−R 2−k 2=9−3−2=+4
¿ Celdas no asignadas
I 32=C 32 −R3−k 2=10−(−1 ) −2=+9
I 33=C 33−R3−k 3=7−(−1 )−6=+2

min ( 20,100 )=20 → Máximo posible=20


x ij

k1 k2 k3 Ofert
1 2 3 a
$8 $2 $6
R1 1 Peo 10 2 120
0
r 0 0
$10 $9 $9
R2 2 2 Peo 8 100
0
0 r 0
$7 $10 $7
R3 3 8 Peo Peo 80
0 0
0 r r
Demand
100 100 100 300
a

Costo=$ 10 × 20+$ 7× 80+ $ 2 ×100+ $ 6 ×20+ $ 9 × 80=$ 3600

10=R 2+ k 1
7=R 3+ k 1 R1=0 k 1=7
Celdas asignadas 2=R 1+ k 2 → R2=3 k 2=2
6=R 1+ k 3 R3=0 k 3 =6
9=R 2+ k 3
I 11=C 11 −R1−k 1 =8−0−7=+1
I 22=C 22−R2−k 2=9−3−2=+ 4
¿ Celdas no asignadas
I 32=C 32 −R3−k 2=10−0−2=+8
I 33=C 33−R3−k 3=7−0−6=+1

Por lo tanto, eí ste uí ltimo circuito es el mejor.

Redes – Proyectos
Método Determinístico

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
Para hacer un proyecto, se comienza poniendo en un papel el listado de todas las
actividades que se deben desarrollar para alcanzar el fin propuesto. Estas actividades
estaí n representadas por una red, con nodos (actividades con datos) y arcos (conexiones
entre los distintos nodos), y para la construccioí n de la red es necesario utilizar la
informacioí n del proyecto. La actividad puede estar representada por el arco, siendo los
nodos conexiones o concatenaciones entre las distintas actividades (puntos de enlace)
(AOA, Activity On Arc).

Para representar un proyecto mediante una red hay que seguir normativas (acuerdos), que
son, para las AOA:

 El nodo 1 siempre representa el inicio del proyecto. Los arcos o actividades que
enlacen el nodo 1 son aquellos que no tienen predecesor.

 Siempre se debe incluir en la red el nodo denominado “nodo de terminacioí n del


proyecto”, que precisamente representa el fin o terminacioí n del proyecto. Asíí, si se
tiene una actividad que no se sabe doí nde termina, se la enlaza con el nodo de
terminacioí n.

 A los nodos en las red hay que numerarles de tal manera que el nodo que
represente la terminacioí n de una actividad tenga mayor nuí mero (le corresponda
un nuí mero maí s grande) que al nodo que representa el
inicio de dicha actividad. Por lo tanto, hay que imponerse
una forma de numeracioí n, especialmente respecto a la Se debe establecer
direccioí n de numeracioí n. Asimismo, se recomienda una direccioí n de
numerar al final e iniciar con las actividades que no crecimiento
tienen predecesor.

 Una actividad no se debe representar por maí s de un arco en la red.

 Dos nodos pueden estar conectados por maí s de un arco.

A A
1 2 C

1 2 C B Ficticia
2
B

 Widgetco está a punto de implantar un nuevo producto (producto 3). Una unidad del
producto 3 se produjo ensamblando una unidad del producto 1 y una unidad del
producto 2. Antes que comience la producción del producto 1 o del producto 2, se
debe comprar las materias primas y capacitar a los trabajadores. Antes de poder
ensamblar los productos 1 y 2 en el producto 3, es necesario inspeccionar el producto
terminado 2. La tabla a continuación es una lista de actividades y sus predecesores y
de la duración de cada actividad. Para esto, dibuje un diagrama de proyecto.

Antecesor/
Tiempo T F ij F Fij
Actividad Predeceso
(días)
r
A Capacitar trabajadores – 6 3 3
B Comprar Materia prima – 9 0 0

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
C Fabricar producto 1 A, B 8 9 9
D Fabricar producto 2 A, B 7 0 0
Inspeccionar/Probar producto
E D 10 0 0
2
F Ensamblar productos 1 y 2 C, E 12 0 0

Nodo final

A y B no Se inicia con las


tienen actividades que no
antecesor tienen predecesor.
 Encuentre los tiempos más tempranos y más tardíos de cada nodo.

Sea i el nodo inicial y j el nodo final de la


actividad ij , el tiempo maí s temprano del nodo
i / j y el tiempo maí s tardíío del nodo i / j se
denotan por: E t i (early time i ), Lt i (late
time i ), E t j (early time j ) y Lt j (late
time j ), mientras que el tiempo que se necesita
para llevar a cabo la actividad ij es t ij .
Tiempo mayor entre
un arco y otro arco
queEllega
t j=max ( E t i +tij )
al nodo

Los tiempos E t 1 (tiempo maí s temprano de la actividad 1) y Lt 1 (tiempo maí s tardíío


de la actividad 1) es cero.

E t j=max ( E t i +t ij ) ∧ E t 1=0
E t 3=max ( 0+ 6 ; 9+0 )=9
E t 4 =max ( 9+7 )=16
E t 5=max ( 9+8 ; 16+10 ) =26
E t 6 =max ( 26+12 )=38
Lt i=min ( L t j−t ij )
Por lo tanto, el tiempo míínimo del proyecto es 38 díías. E t j=max ( E t i−t ij )

Lt i=min ( L t j−t ij ) ∧ L t 6 =E t 6 =38


L t 5=min ( 38−12 )=26
Lt 4=min (26−10 )=16
L t 3=min ( 26−8 ;16−7 )=9
Lt 2=min ( 9−0 ) =9
Lt 1=min ( 9−9 ) =0

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
 Encuentre las holguras total y libre de cada actividad.

La holgura libre (free float) es el tiempo que se puede atrasar el inicio de una actividad sin
que se atrase el inicio de cualquier actividad posterior a dicha actividad, maí s allaí del
tiempo de inicio maí s proí ximo posible. Holgura total (total float) se entiende como:
sensibilidad, tiempo libre total, tiempo que se puede atrasar el inicio de una actividad (maí s
allaí de su tiempo de inicio maí s proí ximo) sin que se desplace la terminacioí n del proyecto.

T F ij =Total float ij
T F ij =Lt j −E t i−t ij

T F ij =L t j−E t i −t ij
T F 12=T F B=9−0−9=0
T F 23=T F Ficticia=9−9−0=0
T F13=T F A =9−0−6=3
T F 34=T F D=16−9−7=0
T F35 =T FC =26−9−8=9
T F 45=T F E =26−16−10=0
T F 56=T F F =38−26−12=0

F F ij=Free float ij
F F ij=E t j−E t i −t ij

F F ij =E t j−E t i−t ij
F F 12=F F B=9−0−9=0
F F 23=F F Ficticia=9−9−0=0
F F13=F F A =9−0−6=3
F F 34=F F D=16−9−7=0
F F35=F F C =26−9−8=9
F F 45=F F E =26−16−10=0
F F 56=F F F =38−26−12=0

Cabe indicar que no siempre la holgura total y la holgura libre coinciden.

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
Método de la trayectoria crítica
La trayectoria o ruta críítica no es maí s que la unioí n de actividades de holgura total igual a
cero, iniciando en el nodo inicial y terminando con el nodo final. Por ejemplo, en el caso del
ejercicio anterior, la ruta críítica es BDEF.

 Determinar la ruta crítica de la siguiente red:

E t j=max ( E t i +t ij ) ∧ E t 1=0 L t i =min ( Lt j −t ij ) ∧ L t 6=E t 6=19


E t 2 =max ( 0+2 ) =2 L t 5 =min (19−10 ) =9
E t 3=max ( 2+ 4 ) =6 Lt 4 =min ( 9−0 )=9
E t 4 =max ( 6+2 ) =8 L t 3 =min (19−4 ; 9−3 ; 9−2 )=6
E t 5=max (6 +3 ; 8+0 ) =9 Lt 2=min ( 6−4 )=2
E t 6=max ( 6+ 4 ; 9+ 10 )=19 L t 1 =min ( 2−2 )=0

T F ij =Lt j −E t i −t ij
T F 12=T F A =2−0−2=0
T F23=T F B=6−2−4=0
T F 34=T F D=9−6−2=1
T F35=T FC =9−6−3=0
T F 36=T F F=19−6−4=9
T F 45=T F f =9−8−0=1
T F 56=T F E =19−9−10=0

Ruta crítica= ABCE

 Horizon Cable está a punto de expandir sus ofertas de TV por cable en Smalltown
agregando MTV y otras estaciones excitantes. Las actividades de la Tabla 9 se deben
completar antes de terminar el servicio de expansión. Dibuje la red de proyecto y
determine la trayectoria crítica para la red, el tiempo libre total para cada actividad
y el tiempo libre de cada actividad.

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
Tabla 9. Datos para la resolucioí n del problema

Predecesores Duración
Actividad Descripción
inmediatos (días)
A Elegir estaciones – 2
Conseguir que el ayuntamiento apruebe
B A 4
la expansioí n
Ordenar los convertidores necesarios
C B 3
para expandir el servicio
Instalar nuevas antenas para recibir
D B 2
nuevas estaciones
E Instalar convertidores C, D 10
F Convertir el sistema de facturacioí n B 4

Método probabilístico PERT


Es un meí todo probabilíístico, donde se parte de una idea del tiempo que requieren las
distintas actividades, pero que no es un valor exacto ni seguro. Ahora, el desarrollo de una
misma actividad no siempre necesita un perííodo igual, lo cual es loí gico ya que con la
praí ctica la actividad se desarrolla maí s prontamente. Esta es la base de la teoríía de
aprendizaje, con la cual se definen tiempos de actividad en distribucioí n triangular: tiempo
optimista (tiempo míínimo para la persona maí s experta), tiempo pesimista (tiempo
maí ximo de la persona menos experta) y tiempo maí s probable (moda).

Tiempo (días)
Actividad Predecesor
Optimista (a) Pesimista (b) Probable (m)
A Capacitar trabajadores – 6 3 3
B Comprar Materia prima – 9 0 0
C Fabricar producto 1 A, B 8 9 9
D Fabricar producto 2 A, B 7 0 0
Hacer pruebas con el
E D 10 0 0
producto 2
Ensamblar productos 1
F y 2 para dar origen al C, E 12 0 0
producto 3

a+ b+ 4 ∙ m 2 ( b−a )2
Media=M = σ =
⏟ 6 36
Paracada actividad

Actividad M σ
2
σ
1,7 1,3
A Capacitar trabajadores 6,00
8 3
B Comprar Materia prima 9,00 1,7 1,3

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
8 3
C Fabricar producto 1 2,7 1,6
8,00
8 7
D Fabricar producto 2 4,0 2,0
7,00
0 0
E Hacer pruebas con el producto 2 10,0 0,4 0,6
0 4 7
F Ensamblar productos 1 y 2 para dar origen al producto 12,0 1,0 1,0
3 0 0 0

La ruta críítica da la varianza del proyecto, mediante la siguiente ecuacioí n: ∑ σ 2Ruta crítica
2 2
σ Proyecto =∑ σ i , iϵ Ruta crítica

Tiempos
Media del
promedios
proyecto
(

Ruta crítica=BDEF

σ 2Proyecto =1,78+4,00+ 0,44+1,00 → σ 2Proyecto =7,22

σ Proyecto =2,69

 ¿Cuál será el tiempo en el que se comprometería a entregar el proyecto con una


seguridad de 95% (“estoy 95% seguro de que voy a cumplir con el proyecto”)?

Suponiendo que la probabilidad de que los datos se cumplan obedece a una distribucioí n
normal de media igual a la media del proyecto ( Ḿ o M Proyecto ) y una desviacioí n
estaí ndar igual a la desviacioí n estaí ndar del proyecto ( σ Proyecto ):

Curva normal N ( 0 ; 1)
N ( 0 ; 1 )=N ( M Proyecto ; σ Proyecto )
Datos actuales
N ( M Proyecto ; σ Proyecto )=N ( 38 ; 2,69 )

Para adaptar los datos actuales a la curva normal, se aplica la siguiente ecuacioí n:

x−M
z= → x=M + z ∙ σ
σ

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
P (t ) ≥ 0,95

Ahora, para que la probabilidad (aí rea bajo la curva) sea 95%: z=1,645 (bibliografíía)

x=M + z ∙ σ =38+ ( 1,645 ) ∙ ( 2,69 ) → x =42,42 ≈ 43 días

Es decir, existe un 95% de probabilidad de que en 43 díías (42,42 díías especííficamente) se


vaya a cumplir con el proyecto.

 ¿Cuál es la probabilidad de que este proyecto se complete en 35 días?

x−M 35−38
z= = → z=−1,1165
σ 2,69

Φ ( z )=Probabilidad=0,134

P (t ≤35 )=13,4

Decisiones
Para tomar una decisioí n se requiere de dos fuentes: la razoí n y el estado de aí nimo, el cual
se refiere fundamentalmente a la inteligencia emocional. El peso de cada fuente es: 20% la
razoí n y 80% para el estado de aí nimo; la razoí n puede tener un enfoque aritmeí tico.

Evidentemente, una decisioí n se toma cuando se dispone de varias alternativas. En este


caso, para tomar una decisioí n se debe: 1) tener un modelo, 2) identificar cuaí les son las
utilidades del modelo e 3) interpretar los resultados. Las ventajas de un modelo es que es
barato y disminuye el tiempo de tomar decisiones. Las limitaciones que tienen los modelos
son que a veces los paraí metros son malinterpretados, ademaí s de que toma tiempo y
dinero construirlos y probarlos.

Existen dos tipos de decisiones:

1. Decisiones bajo condiciones de certidumbre

2. Decisiones bajo condiciones de riesgo, cuando se conoce la probabilidad de que


ocurra algo por la experiencia

3. Decisiones bajo condiciones de incertidumbre, cuando la probabilidad es conocida

Para tomar decisiones se puede construir un


aí rbol de decisiones y aplicar criterios como los
siguientes: el maí s optimista, maí s pesimista, de maximax → Criterio maí s optimista
equiprobabilidad y valor esperado. De forma maximin → Criterio maí s pesimista
general, optimista es aquella persona que cree que siempre le iraí bien (criterio maximax),
pesimista es la persona que cree que siempre le iraí mal (criterio maximin), el teí rmino
“equiprobabilidad” implica que todos los eventos tienen igual probabilidad de ocurrir, y
para el valor esperado se conoce la probabilidad de que cada evento se desarrolle.

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
 Una pequeña empresa quiere producir y vender cobertizos para patios. Para llevar a
cabo este proyecto se necesita construir una planta de producción (que puede ser una
fábrica grande o una fábrica pequeña, o nada). Si se construye una planta grande, el
mercado puede ser desfavorable o favorable. En un mercado favorable, una planta
grande espera una utilidad neta de $200000,00, pero si el mercado es desfavorable,
una pérdida neta de $180000,00. Si se construye una planta pequeña y el mercado es
favorable, se espera una utilidad neta de $100000,00, pero si el mercado es
desfavorable, una pérdida neta de $20000,00.

El primer paso 0 para1 resolver este ejercicio es construir un aí rbol de decisiones. Una red de
decisiones estaí constituida por nodos y arcos, donde los nodos (⊡) corresponden a la
decisioí n, y a partir de eí stos surgen los arcos, los cuales representan la actividad y las
decisiones que se deben realizar. Tambieí n estaí n los nodos de eventos (⨀), de los cuales
lectura en arcos que representan la consecuencia de lo realizado.
382,69 + 38

Tamaño de la Mercado Mercado


Maximax Maximin
planta favorable desfavorable
Grande 200.000,00 $ -180.000,00 $ 200.000,00 $ -180.000,00 $
Pequenñ a 100.000,00 $ -20.000,00 $ 100.000,00 $ -20.000,00 $
Nada 0,00 $ 0,00 $ 0,00 $ 0,00 $
Máximo 200.000,00 $ 0,00 $
Decisión Grande Nada

Por lo tanto, seguí n los maí ximos de cada criterio, lo mejor es decidirse por la planta grande
o por no proceder con la construccioí n.

 Si por experiencia de los vendedores, se sabe que hay una probabilidad de éxito de
45% y probabilidad de fracaso de 55%, ¿cuál es el valor esperado?

Tamaño de la Mercado Mercado Equiprobabilida


VE
planta favorable desfavorable d
Grande 200.000,00 $ -180.000,00 $ 10.000,00 $ -180.000,00 $
Pequenñ a 100.000,00 $ -20.000,00 $ 40.000,00 $ -20.000,00 $
Nada 0,00 $ 0,00 $ 0,00 $ 0,00 $
Probabilidad 45% 55% 50%
Máximo 40.000,00 $ 34.000,00 $
Decisión Pequenñ a Pequenñ a

Entonces, seguí n los maí ximos de cada criterio, lo mejor es decidirse por la planta pequenñ a.

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
 Hay la posibilidad de contratar un estudio de mercado por $100000,00,
presentándose un 45% de probabilidad de que el resultado del estudio sea favorable
y 55% de que el estudio resulte desfavorable. Si el resultado del estudio fue favorable,
entonces hay un 78% de probabilidad de éxito en las ventas y, por lo tanto, 22% de
probabilidad de fracaso en las ventas. Pero si el resultado del estudio fue
desfavorable, hay un 27% de probabilidad de éxito en las ventas. Finalmente, si no se
hace el estudio, se estima igual probabilidad de éxito o fracaso. Indique cuál será la
mejor alternativa y qué es lo que habrá que hacer.

35 38

En resumen, para los caí lculos se tiene lo siguiente:

Nod VE Máximo Nod VE Máximo

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
o o
$106.400,0
2
0 $106.400,0
3 $63.600,00 0
$49.200,0
-$10.000,00 1
0
4 -$87.400,00 $49.200,0
5 $2.400,00 $2.400,00 0
-$10.000,00
6 $10.400,00
$40.000,0
7 $40.000,00 $40.000,00
0
$0,00

Noí tese que ⊡ implica una decisioí n (seleccioí n del mayor valor) y ⨀ implica caí lculos para
determinar el valor esperado ( VE ), siendo:

VE=∑ Probabilidad ∙ Valor

Por ejemplo, para el nodo 1:

VE=0,45 ∙ $ 106.400,00+ 0,55∙ $ 2.400,00=$ 49.200,00

 Ejercicio de Nigel Smithe. Nigel Smithe, un hombre robusto de 50 años, es


administrador de un colegio universitario y vive en los suburbios del norte de Dallas.
Un cardiólogo de la Universidad Texas le ha diagnosticado que tiene defectuosa una
válvula del corazón. Aunque se encuentra sano, el problema del corazón de Smithe
podría resultar fatal si se deja sin tratamiento. Aún no se dispone de los datos del
informe de la empresa para predecir la probabilidad de supervivencia sin recurrir a
la cirugía en un hombre de la edad y condición de Smithe, sin embargo, basándose en
su propia experiencia y en investigaciones recientes, el cardiólogo le dice que si elija
evitar el tratamiento quirúrgico del problema de la válvula, las posibilidades de
supervivencia serían: 50% de vivir solo un año, 20% de sobrevivir dos años, 20% de
sobrevivir cinco años y 10% de alcanzar 58 años. No obstante, la operación de bypass
es un procedimiento de cirugía muy complicado. El 5% de los pacientes muere
durante la operación o su período de recuperación con una mortalidad de 45%
durante el primer año. El 20% sobrevive cinco años, 13% diez años, y el 8%, 5% y 4%
viven 15, 20 y 25 años, respectivamente.

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
Introducción a la programación
dinámica
La programacioí n dinaí mica divide a un caso complejo en casos maí s pequenñ os, que son maí s
faí ciles de resolver. En la mayor parte de los problemas, la solucioí n se obtiene en reversa, es
decir identificando el final o punto de llegada y analizando el problema hasta alcanzar el
inicio, de modo que una vez que se ha llegado al inicio se conoce el camino solucioí n.

 Suponga que hay 30 palillos en una mesa, con los que pueden jugar dos personas. Se
quiere participar en este juego, donde uno de los jugadores comenzarán tomando 1,
2 o 3 palillos. Entonces el oponente debe tomar 1, 2 o 3 palillos. Se continúa de este
modo hasta que se toma el último palillo. El perdedor es quien toma el último palillo.
Como puede estar seguro de ganar el fuego si usted tiene el primer turno.

1, 2, 2, 1,
2,1 1,2 2,2 1,3 1,4 1,5 2,5 2,6
1 3 4 6
||| ||| ||| ||| ||| ||| ||| ||| ||| || |
|| ||| ||| ||| ||| ||| ||| ||| ||| ||| |
| ||| ||| ||| ||| ||| ||| ||| ||| ||| | |

Por lo tanto, al final las uí nicas posibilidades es que queden 2, 3 o 4 palillos. Si quedan 2
palillos, uno de los jugadores toma uno y el otro recoge el que resta; si quedan 3 palillos,
un jugador toma 2 palillos y al otro le corresponde el uí ltimo; y si sobran 4 palillos, el
primer jugador toma 3 palillos mientras que al otro no le queda sino coger el palillo

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
sobrante. Por lo tanto, el jugador que tiene el primer turno deberíía iniciar tomando un
palillo.

Asimismo, se puede establecer una estrategia de la siguiente manera, partiendo del final:

1
2 Se deja 1 Al final
3
1
2 Se deja 5
… Se deja 13
3 1 Se deja 17
1 2 Se deja 21
2 Se deja 9 3 Se deja 25 Se debe iniciar tomando un palillo
3 Se deja 29

 Suponga que tenemos un jarro de 9 onzas, otro de 4 onzas y un recipiente muy


grande de agua. Si se debe entregar exactamente 6 onzas, ¿cómo se debe proceder?

Iniciar por el
final, en la cubeta 9 oz 9 oz
maí s grande 4 oz 4 oz
donde quedaraí n
las 6 oz de agua 6 oz 0 oz Solucioí n 9 oz 0 oz
6 oz 4 oz 5 oz 4 oz
9 oz 1 oz Arrojar 5 oz 0 oz
0 oz 1 oz Vaciar 1 oz 4 oz
1 oz 0 oz 1 oz 0 oz
1 oz 4 oz 0 oz 1 oz
Llenar 5 oz 0 oz 9 oz 1 oz
5 oz 4 oz 6 oz 4 oz
9 oz 0 oz 6 oz 0 oz

 Joe vive en Nueva York, y quiere conducir hasta Los Ángeles. Para esto ha decidido
pasar cada noche en casa de un amigo a fin de abaratar costos, y tiene amigos en
Columbus, Nashville, Louisville, Kansas City, Omaha, Dallas, Denver, San Antonio y
Los Ángeles. Joe sabe que después de conducir un día puede llegar a Columbus,
Nashville, o Louisville; luego de conducir dos días, puede llegar a Kansas City, a
Omaha o a Dallas; y después de conducir tres días, puede llegar a San Antonio o
Denver, y por último, después de cuatro días de conducir puede llegar a Los Ángeles.
¿Dónde conviene pasar cada noche de viaje, a fin de reducir al mínimo el número de
millas recorridas? La figura muestra las distancias reales por carretera entre las
ciudades nombradas.

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
Por lo tanto, el camino maí s corto desde Nueva York a Los AÍ ngeles es: Nueva York –
Columbus – Kansas City – Denver – Los AÍ ngeles.

 ¿Cuál es el camino más corto para ir de 1 a 10?

Los caminos maí s cortos son: 1 – 3 – 5 – 8 – 10, 1 – 4 – 5 – 8 – 10 y 1 – 4 – 6 – 9 – 10.

Inventario
Para resolver un problema de inventario se deben cumplir las siguientes caracteríísticas:

1. Se descompone el tiempo en perííodos, siendo el primer perííodo o perííodo actual el


“perííodo 1”, seguido del “perííodo 2”, “perííodo 3” y asíí sucesivamente, hasta llegar al
perííodo final o “perííodo t”. Asimismo, el inicio de cada perííodo se conoce la
demanda de dicho perííodo.

2. Al principio de cada perííodo se debe determinar la cantidad de productos


disponibles (inventario) y cuaí ntas unidades es necesario producir en dicho
perííodo. Generalmente la capacidad de produccioí n en cada perííodo es limitada.

3. La demanda de cada perííodo se debe satisfacer a tiempo, ya sea con el inventario


que se disponga en el perííodo o con la produccioí n. Durante el perííodo en el que se
produce (es decir, que tiene produccioí n) se incurre en un costo fijo de produccioí n

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
(habitualmente costos generales, por ejemplo de administracioí n) y en un costo
variable por unidad (es decir, lo que se gasta en los insumos).

4. La empresa tiene una capacidad de almacenamiento limitada. Esto se refleja como


líímite de inventario al final de cada perííodo.

La meta del mantenimiento de inventario consiste en minimizar el costo total de satisfacer


a tiempo las demandas de los perííodos 1, 2, 3,…, t, es decir de todos los perííodos.

 La empresa sabe que la demanda de su producto durante cada uno de los cuatro
meses siguientes serán la que se muestra continuación.

Me Demand
s a
1 1
2 2
3 3
4 4

Al principio de cada mes hay que determinar cuántas unidades serán producir ese
mes. Durante el mes en que se produce cualquier número de unidades, se incurre en
un costo de preparación de tres dólares. Además, hay un costo variable de un dólar
por cada unidad producida. Al final de cada mes se incurre en un costo de 50
centavos por unidad en inventario. Las limitaciones de capacidad permiten una
producción de máximo 6 unidades durante cada mes. El tamaño de las bodegas de la
empresa restringe el inventario final de cada mes a 4 unidades cuando mucho. La
empresa quiere determinar un calendario de producción para cada mes, que cumpla
tiempo con las demandas y reduzca al mínimo la suma de costos en producción y
almacenamiento durante los cuatro meses, si al principio del primer mes hay cero
unidades.

Para resolver este problema, lo primero es construir una red que represente el caso de
inventario. Cada nodo va a ser denotado con un i y una j , siendo i el
representante del mes que inicia ( i+ 1 indica el comienzo del mes e i el final del
mes) y j el representante del nuí mero de unidades al inicio del mes. Ademaí s, dado que
uí nicamente cuando se produce en el mes se incurre en costos de produccioí n, el costo total
de un nodo a otro es:

¿
Costo total=Costo fijo+ Costo variable +Costo inventario final
producidas +$ 0,50∙ ¿ Unidades inventario ¿
Costo total=$ 3,00+$ 1,00 ∙

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
Por ejemplo, del nodo (1,0) al nodo (2,0):

¿ Unidades producidas=0−0+ 1=1

Costo total=$ 3,00+ $ 1,00 ∙ ( 0−0+1 ) + $ 0,50 ∙ ( 0 ) → Costo total=$ 4,00

Obtenido el valor de costo total para cada arco se elige el


camino maí s corto (que implica el menor costo). Cabe indicar Siempre el nuí mero de
que no se puede ir del nodo (2,0) al (3,3), del nodo (2,0) al unidades producidas
(3,4) y del nodo (2,4) al (3,0) porque no hay capacidad de debe ser menor a la
produccioí n, pues se pueden producir maí ximo 6 unidades al capacidad maí xima
mes.

min (12; 12,5;13;


Nodo Nodo
13,5) = 16
3,0 2,0
= 12
Nodo Nodo
= 10 = 15 min (20; 20,5;
3,1 2,1
Nodo 21; 20,5;
Nodo Nodo
=7 = 14 1,0 20,5)
3,2 2,2
= 20
Nodo Nodo
= 6,5 = 12
3,3 2,3
Nodo Nodo =
=6
3,4 2,4 10,5

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
Por lo tanto, cada mes se debe fabricar:

Me Número de unidades a Cost


s fabricar o
1 1 4
2 5 9
3 0 0
4 4 7
20

Tambieí n se pueden analizar problemas con varias alternativas de inversioí n, por ejemplo:

 Suponga que éste dispone de $6000,00 para invertir, y hay tres alternativas de
inversión. Si se invierte x i miles de dólares en la inversión i , entonces se tiene
un monto de miles de dólares igual a r i , donde r i es:

r 1=7 ∙ x 1 +2
r 2 =3∙ x 2+ 7 , para x i >0
r 3=4 ∙ x3 +5

La cantidad colocada en cada alternativa debe ser un múltiplo exacto de mil dólares.
Evidentemente si x 1 es igual a cero: r 1 ( 0 )=r 2 ( 0 ) =r 3 ( 0 )=0 , pues si no se
invierte nada no hay utilidad. ¿Cómo deberán asignarse los $6000,00 a fin de
maximizar el monto total que se obtiene en las inversiones?

En este caso se primero se debe construir una red con nodos ij , donde i representar
la alternativa de inversioí n y j el dinero disponible para invertir.

0 + 29 = 29
0 + 25 = 25
10 + 25 = 0 + 21 = 21
10 + 21 =
35 10 + 17 =
31
Nodo 13 + 21 = 34 Nodo Nodo 27
13 + 17 = 30
2,6 16 + 17 = 33 2,5 2,4 13 + 13 = 26
16 + 13 = 29
19 + 13 = 32 16 + 9 = 25
19 + 9 = 28
22 + 9 = 31 19 + 0 = 19
22 + 0 = 22
25 + 0 = 25
0 + 17 = 17
10 + 13 = 0 + 13 = 13
Nodo Nodo Nodo 0+9=9
23 10 + 9 = 19
2,3 2,2 2,1 10 + 0 = 10
13 + 9 = 22 13 + 0 = 13
16 + 0 = 16
35 + 0 = 35
19 + 30 = 49
31 + 9 = 40
Nodo 1,6 10 + 37 = 47
27 + 16 = 43
0 + 44 = 44
23 + 23 = 46

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
Por lo tanto en el banco 1 deberíían invertirse 4 mil doí lares (4 = 6 – 2), mil doí lares (1 = 2 –
1) en el banco 2 y mil doí lares (1 = 1 – 0) en el banco 3, obtenieí ndose un beneficio de:

Beneficio=( 7∙ x 1+ 2 ) + ( 3 ∙ x 2 +7 ) + ( 4 ∙ x 3+ 5 )

Beneficio= (7 ∙ 4 +2 ) + ( 3 ∙1+7 )+ ( 4 ∙ 1+5 )

Beneficio=30+ 10+9 → Beneficio=49 mil dólares

 Suponga que cuenta con una mochila de 10 libras, la cual quiere llenar con los
artículos que aparecen en la tabla, a fin de maximizar el beneficio total. ¿Cómo llenar
la mochila?

En este caso, la notacioí n ij de cada nodo corresponde a i para el peso disponible en


la mochila y j para el artíículo que se la coloca en la mochila.

Artícul Peso Beneficio por


o (lb) unidad
1 4 11
2 3 7
3 5 12

El beneficio se calcula de la siguiente forma, por ejemplo del nodo (10,1) al nodo (6,2):

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
Beneficio=11 ∙ ( 10−6
4 )
=11

En este caso, la mochila podríía estar o no completamente llena, ya que lo que se busca es el
maí ximo beneficio y no el mayor peso (aunque en este problema coincidentemente la
respuesta oí ptima llena la maleta). Ademaí s, cabe indicar que el nodo 4 ( i , 4) es ficticio,
de modo que los nodos (10,4), (9,4), (8,4), (7,4), (6,4) y (5,4) no pueden participar en la
distribucioí n, ya que en eí stos auí n existe la oportunidad de introducir un artíículo.

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
{
10,3 → 12 10,2 → 24 10,1 → 25
9,3 → 12 9,2 → 21 9,1 → 23
8,3 → 12 8,2 → 19 8,1 → 22
7,3 → 12 7,2 → 14 7,1 → 18
6,3 → 12 6,2 → 14 6,1 → 14
Mejores
5,3 → 12 5,2 → 12 5,1 → 12
Valores
4,3 → 0 4,2 → 7 4,1 → 11
3,3 → 0 3,2 → 7 3,1 → 7
2,3 → 0 2,2 → 0 2,1 → 0
1,3 → 0 1,2 → 0 1,1 → 0
0,3 → 0 0,2 → 0 0,1 → 0

Por lo tanto, el maí ximo beneficio que se puede obtener es 25, con una unidad del artíículo 1
y 2 unidades del artíículo 2.

 Problema de máquina. Se acabó de comprar un automóvil nuevo de contado por


$12000,00. El costo de mantenimiento del auto durante un año depende de la edad el
auto al comienzo del año, como se da en la tabla a continuación. Para evitar los altos
costos de mantenimiento en un auto más antiguo, se lo podría dar como parte de
pago a cuenta de comprar el automóvil nuevo. El precio que se recibe por dejar el
auto como parte de pago (precio de salvamento/reventa) depende de la edad del
vehículo al momento del intercambio, como se indica en la tabla a continuación. Para
simplificar los cálculos, suponga que el análisis se hace con costos actuales, esto es
que el costo de un auto nuevo es $12000,00. El objetivo es minimizar el costo en el
que se incurre en los siete años siguientes, si el auto no se puede mantener, en
propiedad, en más de cinco años. Formule problema común caso de programación
dinámica.

Costo de Edad del


Edad del Precio de
mantenimient vehículo
vehículo (nuevo) salvamento (reventa)
o (usado)
0 – 1 (inicio) $2000,00 1 $7000,00
1–2 $4000,00 2 $5000,00
2–3 $7000,00 3 $2000,00
3–4 $10000,00 4 $1000,00
4–5 $13000,00 5 $0,00

Costo neto=Costo de compra+Costo de mantenimiento−Precio de salvamento

C 1−2=$ 12000+ ( $ 2000 )−$ 7000=$ 7000


C 1−3 =$ 12000+ ( $ 2000+ $ 4500 )−$ 5000=$ 13500
C1−4 =$ 12000+ ( $ 2000+ $ 4500+ $ 7000 )−$ 2000=$ 23500
C 1−5=$ 12000+ ( $ 2000+ $ 4500+$ 7000+ $ 10000 )−$ 1000=$ 34500
C1−6 =$ 12000+ ( $ 2000+ $ 4500+ $ 7000+ $ 10000+ $ 13000 )−$ 0=$ 48500

Ci−i +1=Ci +1−i+2 →C 1−2=C2−3=C 3−4 =C 4−5

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
13,5 + 7 = 20,5
Nodo 7 + 7 = 14 Nodo 7 + 13,5 = 20,5
6,8 13,5 5,8 0 + 23,5 = 23,5
7 + 7 + 7 = 21
20,5 + 7 = 27,5 27 + 7 = 34
13,5 + 13,5 = 27 20,5 + 13,5 = 34
Nodo 7 + 23,5 = 30,5 Nodo 13,5 + 23,5 = 37
4,8 0 + 34,5 = 34,5 3,8 7 + 34,5 = 41,5
7+7+7+7= 0 + 48,5 = 48,5
28 7 × 5 = 35
40,5 + 7 = 47,5
34 + 7 = 41
34 + 13,5 =
27 + 13,5 = 40,5
47,5
Nodo 20,5 + 23,5 = 44 Nodo
27 + 23,5 = 50,5
2,8 13,5 + 34,5 = 48 1,8
20,5 + 34,5 = 55
7 + 48,5 = 55,5
13,5 + 48,5 = 62
7 × 6 = 42
7 × 7 = 49

Por lo tanto, la respuesta es seguir la secuencia: 2 – 1 – 2 – 2, es decir: se debe comprar un


automoí vil y venderlo despueí s de 2 anñ os, para comprar otro y venderlo luego de 1 anñ o,
entonces se adquiere un auto nuevo y se lo vende en 2 anñ os, y finalmente se compra un
uí ltimo vehíículo que debe ser vendido dentro de 2 anñ os.

 Determine la política óptima de reemplazo de un motor que se va a tener diez años,


el cual nuevo cuesta $10000,00. Es decir, determine la política de reemplazo que
minimice el costo de poseer y operar con el motor durante los siguientes diez años.

Eda Costo de
Valor de reventa
d operación
1 $7000,00 $300,00
2 $6000,00 $500,00
3 $4000,00 $800,00
4 $3000,00 $1200,00
5 $2000,00 $1600,00
6 $1000,00 $2200,00

Costo neto=Costo de compra+Costo de operación−Precio de reventa

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica
C1−2=$ 10000+ ( $ 300 )−$ 7000=$ 3300
C 1−3=$ 10000+ ( $ 300+$ 500 )−$ 6000=$ 4800
C 1−4=$ 10000+ ( $ 300+ $ 500+$ 800 )−$ 4000=$ 7600
C1−5=$ 10000+ ( $ 300+ $ 500+$ 800+$ 1200 )−$ 3000=$ 9800
C1−6=$ 10000+ ( $ 300+ $ 500+ $ 800+ $ 1200+ $ 1600 )−$ 2000=$ 12400
C1−7 =$ 10000+ ( $ 300+ $ 500+ $ 800+ $ 1200+ $ 1600+$ 2200 )−$ 1000=$ 15600

Maríía Gabriela Ruiz Hinojosa


Ingenieríía Quíímica