You are on page 1of 23

UNIVERSIDAD PRIVADA DOMINGO SAVIO

FACULTAD DE CIENCIAS EMPRESARIALES

PRACTICO N° 2

MATERIA: Investigación Operativa I (Grupo E)

DOCENTE: Ing. Juan Carlos Loza Rodríguez

ALUMNOS: Georgina Gissela Blanco Maroma

María Eugenia Camacho Fernández

Juan Marcos Díaz Mendoza

Julio César Méndez Rojas

Santa Cruz – Bolivia


Mayo - 2019.
Título: Proyecto Final
Autor/es: Georgina Gissela Blanco Maroma, María Eugenia Camacho Fernández,
Juan Marcos Díaz Mendoza, Julio César Méndez Rojas

RESUMEN:

En una empresa a diario se toma decisiones muy importantes que pueden significar tener
ganancias o pérdidas monetarias, para saber que requerimos al momento de tomar una decisión
tenemos que ver nuestras opciones.
La I.O. es una actividad que requiere del uso de métodos analíticos para ayudar a resolver
problemas de toma de decisiones. O siendo más estrictos, podemos decir que la I.O. es la
aplicación del método científico, por equipos interdisciplinarios, a problemas que comprenden
el control de sistemas, para dar soluciones que sirvan mejor a los propósitos del sistema como
un todo.
La técnica de IO más importante es la programación lineal. Está diseñada para modelos con
funciones objetivo y restricciones lineales.
En este proyecto presentaremos un modelo, a observar mediante el método simplex que
determinará la maximización de producción de un restaurante.

Palabras clave: empresa, investigación de operaciones y programación lineal.

Asignatura: Investigación Operativa


Carrera: Ingeniería Comercial Página 23 de 25
Título: Proyecto Final
Autor/es: Georgina Gissela Blanco Maroma, María Eugenia Camacho Fernández,
Juan Marcos Díaz Mendoza, Julio César Méndez Rojas

ABSTRACT:

In a company on a daily basis, very important decisions are made that can mean having
monetary gains or losses, to know that we need to make a decision when we have to see our
options, visualize them. The I.O. It is an activity that requires the use of analytical methods to
help solve decision-making problems. Or being more strict, we can say that the I.O. it is the
application of the scientific method, by interdisciplinary teams, to concepts that include the
control of systems, to give solutions that better serve the purposes of the system as a whole.
The most important IO technique is linear programming. It is designed for models with objective
functions and linear restrictions. In this project we will present a model, we will solve it and
analyze it.
In this project we will present a model, to be observed through the simplex method that will
determine the production maximization of a restaurant.

Key words: company, operations research and linear programming.

Asignatura: Investigación Operativa


Carrera: Ingeniería Comercial Página 23 de 25
Título: Proyecto Final
Autor/es: Georgina Gissela Blanco Maroma, María Eugenia Camacho Fernández,
Juan Marcos Díaz Mendoza, Julio César Méndez Rojas

Tabla De Contenidos

Introducción................................................................................................................................5
Antecedentes...............................................................................................................................6
Capítulo 1....................................................................................................................................7
1.1. Planteamiento del Problema......................................................................................7
1.2. Objetivos..........................................................................................................................7
1.2.1. Objetivo general........................................................................................................7
1.2.2. Objetivos específicos................................................................................................7
1.3. Metodología.....................................................................................................................7
Capítulo 2. Marco Conceptual....................................................................................................8
2.1 Desarrollo del marco teórico.........................................................................................8
2.1.1. Orígenes de la investigación de operaciones............................................................8
2.1.2. Naturaleza de la investigación de operaciones.........................................................8
2.1.3. Fases de un estudio de I. O.....................................................................................10
2.1.4. Solución de problemas de programación lineal: método simplex..........................12
Capítulo 3. Desarrollo..............................................................................................................15
3.1. Definición del Problema................................................................................................15
Ejecución del problema con el software...............................................................................19
Capítulo 4. Conclusiones..........................................................................................................25
Bibliografía...............................................................................................................................26
Apéndice...................................................................................................................................27

Asignatura: Investigación Operativa


Carrera: Ingeniería Comercial Página 23 de 25
Título: Proyecto Final
Autor/es: Georgina Gissela Blanco Maroma, María Eugenia Camacho Fernández,
Juan Marcos Díaz Mendoza, Julio César Méndez Rojas

Introducción

En la actualidad grandes empresas han logrado alcanzar maximizar sus ganancias de manera
exponencial a través de distintas estrategias, una de ellas es la infestación operativa la cual consta
de varios métodos para resolver distintos problemas y cumplir sus objetivos.
Para llegar a cumplir los objetivos es necesario pasar por una serie de procesos entre ellos los
problemas y es muy importante visualizar todas las opciones posibles que se tiene para resolver
los problemas porque estas nos mostraran distintos resultados que se puede tener con la elección
de esta alternativa.
Puede llegar a sonar sencillo, pero no lo es del todo, lo importante y esencial es que se
encuentre la solución óptima y eficaz para el problema, buscar entre las tantas alternativas y su
correcta interpretación de los resultados numéricos.
Cada insumo que usa el restaurante será cuantificado para formular la función objetivo,
variables y restricciones, para así hacer uso del método simplex paso a paso obteniendo un
resultado numérico a interpretar que determinará la cantidad optima a producir.

Asignatura: Investigación Operativa


Carrera: Ingeniería Comercial Página 23 de 25
Título: Proyecto Final
Autor/es: Georgina Gissela Blanco Maroma, María Eugenia Camacho Fernández,
Juan Marcos Díaz Mendoza, Julio César Méndez Rojas

Antecedentes

La evolución de los negocios en los últimos años ha sido buena y el futuro es


esperanzador. Uno de los aspectos que más ha beneficiado esta actividad es el aumento de la
competencia. Al contrario de lo que puede pensarse, esto ha provocado que aumente la calidad y
la variedad de los alimentos que se ofrecen.
El restaurant de pacumutos “Don Jose” es una microempresa que se constituye e inicia
sus actividades en fecha Febrero del 2018 ante el emprendimiento de su propietario el Sr. José
Andrés que dio respuesta a la demanda abundante de los pacumutos en la cuidad, identifico sus
oportunidades y decidió poner su restaurant el cual se dedica a la venta de distintas carnes a la
parrilla. En sus inicios el Sr. José Andrés tenía otro negocio similar en sociedad, en otro punto de
la cuidad. Logrando de esa manera adquirir un capital lo que le ayudaría luego a alcanzar su
emprendimiento. Dentro su propósito y preocupación constante ha sido siempre la adecuada
administración de sus recursos, mantener un ambiente sano, productivo, eficaz y eficiente para
lograr una mejor calidad dentro el ambiente laboral como en su alimento.
De la misma manera busca incrementar su productividad dentro el mercado competitivo,
conociendo las ventajas y desventajas de su producto.

Asignatura: Investigación Operativa


Carrera: Ingeniería Comercial Página 23 de 25
Título: Proyecto Final
Autor/es: Georgina Gissela Blanco Maroma, María Eugenia Camacho Fernández,
Juan Marcos Díaz Mendoza, Julio César Méndez Rojas

Capítulo 1.

1.1. Planteamiento del Problema

El problema se presenta a partir de la falta de un sistema de investigación operativa la


cual pueda solucionar los presentes problemas del restaurante que ayudaría bastante a maximizar
las utilidades.
1.2. Objetivos

1.2.1. Objetivo general

Estudiar el problema del restaurante objetivo, para analizar y lograr de manera eficaz una mejor
toma de decisiones.
1.2.2. Objetivos específicos

• Estructurar un modelo matemático basado en el problema.


• Determinar la factibilidad de producción de dicho producto.
• Determinar la cantidad optima a producir para maximizar la utilidad.
1.3. Metodología

Para la realización de este proyecto se ha aplicado herramientas de la metodología de la


investigación para ayudarnos a encontrar y luego formular el problema. Así también nos ayudó a
encontrar y centrar en un objetivo general y los pasos a seguir para poder lograr tal objetivo. De
esta manera desde el punto de vista metodológico personal que consta en resolver el problema
del restaurant.

Asignatura: Investigación Operativa


Carrera: Ingeniería Comercial Página 23 de 25
Título: Proyecto Final
Autor/es: Georgina Gissela Blanco Maroma, María Eugenia Camacho Fernández,
Juan Marcos Díaz Mendoza, Julio César Méndez Rojas

Capítulo 2. Marco Conceptual

2.1 Desarrollo del marco teórico

2.1.1. Orígenes de la investigación de operaciones.

Desde el advenimiento de la Revolución industrial, el mundo ha sido testigo de un


crecimiento importante del tamaño y la complejidad de las organizaciones. Los pequeños talleres
artesanales de épocas anteriores se convirtieron en las corporaciones actuales de miles de
millones de dólares. Una parte esencial de este cambio revolucionario fue el gran aumento de la
división del trabajo y de la separación de las responsabilidades administrativas en estas
organizaciones. Los resultados han sido espectaculares. Sin embargo, junto con los beneficios, el
aumento del grado de especialización trajo consigo problemas nuevos que aún existen en
numerosas organizaciones. Uno de éstos es la tendencia de algunos componentes de una
organización a convertirse en imperios con autonomía relativa, con sus propias metas y sistemas
de valores; de esta manera pierden de vista la forma en que sus actividades y objetivos se
acoplan a los de toda la organización. Con frecuencia, lo que es mejor para un componente va en
detrimento de otro, de forma que sus acciones pueden caminar hacia objetivos opuestos. Un
problema relacionado es que, en la medida que aumentan la complejidad y la especialización, es
más difícil asignar los recursos disponibles a las diferentes actividades de la manera más eficaz
para la organización como un todo. Este tipo de problemas y la necesidad de encontrar la mejor
forma de resolverlos crearon el ambiente propicio para el surgimiento de la investigación de
operaciones, a la que también se hace referencia como IO.1
2.1.2. Naturaleza de la investigación de operaciones.

Como su nombre lo indica, el objetivo de esta disciplina implica “investigar sobre las
operaciones”. En consecuencia, esta disciplina se aplica a la problemática relacionada con la
conducción y la coordinación de actividades en una organización. En esencia, la naturaleza de la
organización es irrelevante, por lo cual la IO ha sido aplicada de manera extensa en áreas tan
diversas como manufactura, transporte, construcción, telecomunicaciones, planeación financiera,
1
Frederick S. Hillier, Gerald J. Lieberman (2010). Introducción a la investigación de operaciones. The McGraw-
Hill Companies, Inc. (9, ed.), 1.

Asignatura: Investigación Operativa


Carrera: Ingeniería Comercial Página 23 de 25
Título: Proyecto Final
Autor/es: Georgina Gissela Blanco Maroma, María Eugenia Camacho Fernández,
Juan Marcos Díaz Mendoza, Julio César Méndez Rojas

cuidado de la salud, fuerzas armadas y servicios públicos, por nombrar sólo unas cuantas. Así, la
gama de aplicaciones es inusualmente amplia. La IO incluye el término investigación en el
nombre porque utiliza un enfoque similar al que se aplica en las áreas científicas establecidas. El
método científico se utiliza para explorar los diversos problemas que deben ser enfrentados, pero
en ocasiones se usa el término management science o ciencia de la administración como
sinónimo de investigación de operaciones. El proceso comienza por la observación cuidadosa y
la formulación del problema, lo cual incluye la recolección de los datos pertinentes. El siguiente
paso es la construcción de un modelo científico —generalmente matemático— con el cual se
intenta abstraer la esencia del problema real. En esta etapa se propone la hipótesis de que el
modelo será una representación tan precisa de las características esenciales de la situación, que
permitirá que las conclusiones —soluciones— que se obtengan sean válidas también para el
problema real. Después se llevan a cabo los experimentos adecuados para probar esta hipótesis,
para modificarla si es necesario y para verificarla en determinado momento, paso que se conoce
como validación del modelo. En cierto sentido, la IO involucra la investigación científica
creativa de las propiedades fundamentales de las operaciones. Sin embargo, es más que esto. La
IO se ocupa también de la administración práctica de la organización. Por lo tanto, para tener
éxito, también debe proporcionar conclusiones claras que el tomador de decisiones pueda usar
cuando sea necesario. Otra característica de la investigación de operaciones es su amplio punto
de vista. Como quedó implícito en la sección anterior, la IO adopta una visión organizacional.
Desde esta perspectiva intenta resolver los conflictos de intereses entre los componentes de la
organización de forma que el resultado sea el mejor para ésta en su conjunto. Ello no significa
que el estudio de cada problema deba considerar en forma explícita todos los aspectos de la
organización, sino que los objetivos que se persiguen deben ser congruentes con los objetivos
globales. Una característica adicional de la investigación de operaciones es que intenta encontrar
una mejor solución —llamada solución óptima— para el problema en cuestión. (Se dice una
mejor solución y no la mejor solución porque es posible que existan muchas soluciones que
puedan considerarse como las mejores.) En lugar de conformarse con mejorar el estado de las
cosas, la meta es identificar el mejor curso de acción posible. Aun cuando debe interpretarse con

Asignatura: Investigación Operativa


Carrera: Ingeniería Comercial Página 23 de 25
Título: Proyecto Final
Autor/es: Georgina Gissela Blanco Maroma, María Eugenia Camacho Fernández,
Juan Marcos Díaz Mendoza, Julio César Méndez Rojas

todo cuidado en términos de las necesidades reales de la administración, esta “búsqueda del
mejor camino” es un aspecto importante de la IO.2
2.1.3. Fases de un estudio de I. O.

Los estudios de investigación de operaciones se basan en la labor de equipo, donde los


analistas de IO y el cliente trabajan codo con codo. Los conocimientos de modelado de los
analistas de IO se deben complementar con la experiencia y cooperación del cliente para quien
realizan el estudio.
Como herramienta de toma de decisiones, la IO es tanto una ciencia como un arte. Es una
ciencia por las técnicas matemáticas que incorpora, y un arte porque el éxito de las fases que
conducen a la solución del modelo matemático depende en gran medida de la creatividad y
experiencia del equipo de IO. Willemain (1994) manifiesta que “una práctica [de IO] eficaz
requiere más que competencia analítica. También requiere, entre otros atributos, juicio técnico
(es decir, cuándo y cómo utilizar una técnica dada), así como habilidades de comunicación y
supervivencia organizacional”.
Es difícil prescribir cursos de acción específicos (semejantes a los que indica la teoría precisa
de la mayoría de los modelos matemáticos) para estos factores intangibles. Sin embargo,
podemos ofrecer lineamientos generales para la implementación de la IO en la práctica.
Para implementar la IO en la práctica, las fases principales son:
1. Definición del problema.
2. Construcción del modelo.
3. Solución del modelo.
4. Validación del modelo.
5. Implementación de la solución.
La fase 3, que se ocupa de la solución del modelo, es la mejor definida y por lo general la
más fácil de implementar en un estudio de IO, porque maneja principalmente modelos
matemáticos precisos. La implementación de las fases restantes es más un arte que una teoría.
La definición del problema implica definir el alcance del problema investigado.

2
Frederick S. Hillier, Gerald J. Lieberman (2010). Introducción a la investigación de operaciones. The McGraw-
Hill Companies, Inc. (9, ed.) 2-3.

Asignatura: Investigación Operativa


Carrera: Ingeniería Comercial Página 23 de 25
Título: Proyecto Final
Autor/es: Georgina Gissela Blanco Maroma, María Eugenia Camacho Fernández,
Juan Marcos Díaz Mendoza, Julio César Méndez Rojas

Esta función debe ser realizada por todo el equipo de IO. El objetivo es identificar tres elementos
principales del problema de decisión: (1) descripción de las alternativas de decisión; (2)
determinación del objetivo del estudio, y (3) especificación de las limitaciones bajo las cuales
funciona el sistema modelado.
La construcción del modelo implica un intento de transformar la definición del problema
en relaciones matemáticas. Si el modelo resultante se ajusta a uno de los modelos matemáticos
estándar, como la programación lineal, se suele obtener una solución utilizando los algoritmos
disponibles. Por otra parte, si las relaciones matemáticas son demasiado complejas como para
permitir la determinación de una solución analítica, el equipo de IO puede optar por simplificar
el modelo y utilizar un método heurístico, o bien considerar la simulación, si es lo apropiado. En
algunos casos, una simulación matemática puede combinarse con modelos heurísticos para
resolver el problema de decisión, como lo demuestran los análisis de casos del capítulo 26, que
se encuentra en el sitio web.
La solución del modelo es por mucho la más sencilla de todas las fases de IO porque
implica el uso de algoritmos de optimización bien definidos. Un aspecto importante de la fase de
solución del modelo es el análisis de sensibilidad. Tiene que ver con la obtención de información
adicional sobre el comportamiento de la solución óptima cuando el modelo experimenta algunos
cambios de parámetros. El análisis de sensibilidad es particularmente necesario cuando no se
pueden estimar con precisión los parámetros del modelo. En estos casos es importante estudiar el
comportamiento de la solución óptima en el entorno de los parámetros estimados.
La validez del modelo comprueba si el modelo propuesto hace en realidad lo que dice que hace,
es decir, ¿predice adecuadamente el comportamiento del sistema que se estudia? Al principio, el
equipo de IO debe estar convencido de que el resultado del modelo no contenga “sorpresas”. En
otras palabras, ¿tiene sentido la solución? ¿Los resultados sin intuitivamente aceptables? Del
lado formal, un método común de comprobar la validez de un modelo es comparar su resultado
con resultados históricos. El modelo es válido si, en condiciones de datos de entrada iguales,
reproduce de forma razonable el desempeño pasado. Sin embargo, no suele haber seguridad de
que el desempeño futuro continuará copiando el comportamiento pasado. Además, como el

Asignatura: Investigación Operativa


Carrera: Ingeniería Comercial Página 23 de 25
Título: Proyecto Final
Autor/es: Georgina Gissela Blanco Maroma, María Eugenia Camacho Fernández,
Juan Marcos Díaz Mendoza, Julio César Méndez Rojas

modelo se basa en el examen cuidadoso de datos pasados, la comparación propuesta casi siempre
es favorable. Si el modelo propuesto representara un sistema nuevo (inexistente), no habría datos
históricos disponibles. En esos casos podemos utilizar la simulación como una herramienta
independiente para comprobar el resultado del modelo matemático.
La implementación de la solución de un modelo validado implica la transformación de
los resultados en instrucciones de operación comprensibles que se emitirán a las personas que
administrarán el sistema recomendado. La responsabilidad de esta tarea recae principalmente en
el equipo de IO.3
Conclusiones.
La investigación de operaciones está ligada en forma íntima al empleo de computadoras. Hasta
hace poco se usaban de manera casi exclusiva computadoras grandes, pero cada vez es mayor el
uso de las computadoras personales y estaciones de trabajo para resolver modelos de IO.
Para concluir la presentación de las etapas más importantes de un estudio de IO, debe observarse
que existen muchas excepciones a las “reglas” prescritas en este capítulo. Por su naturaleza, la
investigación de operaciones requiere una gran dosis de ingenio e innovación, por lo que es
imposible prescribir un procedimiento estándar que los equipos de IO deban seguir siempre. En
su lugar, la descripción anterior debe verse como un modelo que representa, a grandes rasgos,
cómo llevar a cabo un estudio exitoso de investigación de operaciones.
2.1.4. Solución de problemas de programación lineal: método simplex.

Es el momento de comenzar a estudiar el método simplex, un procedimiento general para


resolver problemas de programación lineal. Desarrollado por George Dantzig1 en 1947, se ha
comprobado su extraordinaria eficiencia, y se usa en forma rutinaria para resolver problemas
grandes en las computadoras de hoy en día. Excepto en el caso de problemas muy pequeños, se
ejecuta siempre en una computadora y existe una amplia variedad de paquetes complejos de
software para ello. También se usan extensiones y variaciones del método simplex para realizar
análisis pos óptimo (que incluye el análisis de sensibilidad) del modelo.4

3
Hamdy A. Taha. (2012). Investigación de operaciones. Pearson Education, Inc. (9, ed.), 9-10.
4
Frederick S. Hillier, Gerald J. Lieberman (2010). Introducción a la investigación de operaciones. The McGraw-
Hill Companies, Inc. (9, ed.) 81.

Asignatura: Investigación Operativa


Carrera: Ingeniería Comercial Página 23 de 25
Título: Proyecto Final
Autor/es: Georgina Gissela Blanco Maroma, María Eugenia Camacho Fernández,
Juan Marcos Díaz Mendoza, Julio César Méndez Rojas

Transición de la solución gráfica a la solución algebraica5

2.1.5. Iteraciones simplex con TORA.

Con TORA se pueden hacer todas las iteraciones simplex en el formato. Ingrese el modelo de

programación lineal en la forma acostumbrada. A continuación, en el menú

(resolver/modificar), seleccione
(resolver/algebraico/iteraciones/todas holguras). La selección All-Slack indica que la solución
básica de inicio consiste sólo en variables de holgura. A continuación, especifique la exactitud

que desee en el resultado y haga clic en (ir a la pantalla de resultados).


La figura 3.8 muestra las iteraciones simplex generadas por TORA para el modelo de Reddy

Mikks. Puede usted generar una o todas las iteraciones, haciendo clic en

(iteración siguiente) o en (todas las iteraciones). Si opta usted por generar


las iteraciones una por una, podrá especificar las variables de entrada y de salida haciendo clic en
5
Hamdy A. Taha. (2012). Investigación de operaciones. Pearson Education, Inc. (9, ed.), 72.

Asignatura: Investigación Operativa


Carrera: Ingeniería Comercial Página 23 de 25
Título: Proyecto Final
Autor/es: Georgina Gissela Blanco Maroma, María Eugenia Camacho Fernández,
Juan Marcos Díaz Mendoza, Julio César Méndez Rojas

los encabezados de su columna y renglón correspondientes. Si sus selecciones son correctas, la


columna se vuelve verde y el renglón se vuelve rojo. Si no, aparecerá un mensaje de error. Esta
clase de retroalimentación le debe ayudar a concentrarse en comprender los conceptos básicos
del método símplex, sin hacer las tediosas operaciones de renglón de Gauss-Jordan.6

FIGURA 3.8 Iteraciones símplex para el modelo de Reddy Mikks con TORA

6
Hamdy A. Taha. (2004). Investigación de operaciones. Pearson Education, Inc. (7, ed.), 93-94.

Asignatura: Investigación Operativa


Carrera: Ingeniería Comercial Página 23 de 25
Título: Proyecto Final
Autor/es: Georgina Gissela Blanco Maroma, María Eugenia Camacho Fernández,
Juan Marcos Díaz Mendoza, Julio César Méndez Rojas

Capítulo 3. Desarrollo

3.1. Definición del Problema

El restaurant quiere determinar el plan diario de producción de los diferentes tipos de platos
que hay, con el objetivo de maximizar beneficios.
El problema propuesto por la empresa se corresponde con un problema de programación lineal
mediante el método simplex.
A continuación, se definen las distintas actividades a realizar (variables de decisión), la función
objetivo (beneficio) que hay que maximizar y las restricciones del problema originadas por las
limitaciones de los recursos (materias primas) y las demandas a satisfacer.
PACUMUTOS:
1. Jibá
Para elaboración de un plato de Jibá se necesita aproximadamente 130 gramos de carne y se sirve
con 100 gramos de yuca.
2. Alitas
Para la elaboración de un plato de este producto se necesita una alita con un peso
aproximadamente de 125 gramos y se sirve con 100 gramos de yuca.
3. Corazón
Para la elaboración de un plato de este producto se necesita aproximadamente 100 gramos de
carne de corazón de vaca y se sirve con 100 gramos de yuca.
4. Chorizo
Para la elaboración de este producto se necesita un chorizo de 125 gramos aproximadamente y se
sirve con 100 gramos de yuca. A su vez se ha realizado un estudio de mercado y de producción,
que nos proporcionan los siguientes datos:
Beneficio por plato:
• Pacumuto de Jibá: 8 Bs.
• Alitas: 7 Bs.
• Pacumuto de corazón: 7 Bs.
• Chorizo: 8 Bs.

Asignatura: Investigación Operativa


Carrera: Ingeniería Comercial Página 23 de 25
Título: Proyecto Final
Autor/es: Georgina Gissela Blanco Maroma, María Eugenia Camacho Fernández,
Juan Marcos Díaz Mendoza, Julio César Méndez Rojas

Disponibilidad diría:
 13 kg de carne para las jibás
 6 kg de alitas
 4 kg de corazón
 4 kg de chorizo
 22 kg de yuca
 4 bolsas de carbón de 2 kg
 5 litros de sazonador preparado
 6 litros de salsa de perejil preparado
Demanda esperada por día:
• Pacumuto de Jibá: a lo máximo 110 platos
• Alitas: a lo máximo 48 platos
• Pacumuto de corazón: no se ha estimado demanda alguna
• Chorizo: a lo máximo 35 platos
Una vez descrito el proceso de producción de cada producto; se ha sintetizado toda la
información en el siguiente cuadro, para ver de una forma más clara los requisitos de materia
prima por tipo de platos:
3.2. Formulación del modelo

Productos
Recursos Disponibilidad
Jibá Alitas Corazón Chorizo
Jibás 130 13000
Alitas 125 6000
Corazón 100 4000
Chorizo 125 4000
Yuca 100 100 100 100 22000
Carbón 36 36 36 36 8000
Sazonador 22 22 22 22 5000
Salsa 18 18 18 18 4000
Demanda de jibá 1 110
Demanda de alitas 1 48
Demanda de chorizo 1 35
Utilidad 8 7 7 8

Asignatura: Investigación Operativa


Carrera: Ingeniería Comercial Página 23 de 25
Título: Proyecto Final
Autor/es: Georgina Gissela Blanco Maroma, María Eugenia Camacho Fernández,
Juan Marcos Díaz Mendoza, Julio César Méndez Rojas

• Variables de decisión
X1 = Cantidad de platos de Pacumuto de jibá a producir (Unidad/día)
X2 = Cantidad de platos de Alitas a producir (Unidad/día)
X3 = Cantidad de platos de Pacumuto de corazón a producir (Unidad/día)
X4 = Cantidad de platos de chorizo a producir (Unidad/día)
• Función objetivo
Max Z = 8 X1 + 7 X2 + 7 X3 + 8 X4 (Bs/día)
• Restricciones estructurales
R1 = 130x1 ≤ 13000 (Carne de Jibas) [Grs./Día]
R2 = 125x2 ≤ 6000 (Alitas de Pollo) [Grs./Día]
R3 = 100x3 ≤ 4000 (Carne de Corazón) [Grs./Día]
R4 = 125x4 ≤ 4000 (Gancho de Chorizos) [Grs./Día]
R5 = 100x1 + 100x2 + 100x3 + 100x4 ≤ 22000 (Yuca) [Grs./Día]
R6 = 36x1 + 36x2 + 36x3 + 36x4 ≤ 8000 (Carbón) [Grs./Día]
R7 = 22x1 + 22x2 + 22x3 + 22x4 ≤ 5000 (Sazonador) [ml./Día]
R8 = 18x1 + 18x2 + 18x3 + 18x4 ≤ 4000 (Salsa) [ml./Día]
R9 = x1 ≤ 110 (Demanda de jibá) [Unid./Día]
R10 = x2 ≤ 48 (Demanda de alitas) [Unid./Día]
R11 = x4 ≤ 35 (Demanda de chorizo) [Unid./Día]
• Restricción de no negatividad
X1; X2; X3; X4 ≥ 0

• Resumen
F. O. Max Z = 8 X1 + 7 X2 + 7 X3 + 8 X4 (Bs/día)
R1 = 130x1 ≤ 13000
R2 = 125x2 ≤ 6000
R3 = + 100x4 ≤ 22000
Sujeto a: R6 = 36x1 + 36x2 + 36x3 + 36x4 ≤ 8000
R7 = 22x1 + 22x2 + 22x3 100x3 ≤ 4000
R4 = 125x4 ≤ 4000
R5 = 100x1 + 100x2 + 100x3 + 22x4 ≤ 5000
R8 = 18x1 + 18x2 + 18x3 + 18x4 ≤ 4000
R9 = x1 ≤ 110
R10 = x2 ≤ 48
R11 = x4≤ 35
Restricción de no negatividad: X1; X2; X3; X4 ≥ 0
Forma Estándar
F. O. Max Z = 8x1 + 7 x2 + 7x3 + 8x4 + 0sx6 + 0sx7 + 0sx8 + 0sx9 + 0sx10 + 0sx11 + 0sx12 +
0sx13 + 0sx14 + 0sx15 (Bs./Día)
Restricciones estructurales
R1 = 130x1 + sx5 ≤ 13000
R2 = 125x2 + sx6 ≤ 6000
R3 = 100x3 + sx7 ≤ 4000

Asignatura: Investigación Operativa


Carrera: Ingeniería Comercial Página 23 de 25
Título: Proyecto Final
Autor/es: Georgina Gissela Blanco Maroma, María Eugenia Camacho Fernández,
Juan Marcos Díaz Mendoza, Julio César Méndez Rojas

R4 = 125x4+ sx8 ≤ 4000


R5 = 100x1 + 100x2 + 100x3 + 100x4+ sx9 ≤ 22000
R6 = 36x1 + 36x2 + 36 x3 + 36x4+ sx10 ≤ 8000
R7 = 22x1 + 22x2 + 22x3 + 22x4+ sx11 ≤ 5000
R8 = 18x1 + 18x2 + 18x3 + 18x4+ sx12 ≤ 4000
R9 = x1 + sx13 ≤ 110
R10 = x2 + sx14 ≤ 48
R11 = x4 + sx15 ≤ 35
3.4. Solución del modelo

Iteración 1

Iteración 2

Iteración 3

Asignatura: Investigación Operativa


Carrera: Ingeniería Comercial Página 23 de 25
Título: Proyecto Final
Autor/es: Georgina Gissela Blanco Maroma, María Eugenia Camacho Fernández,
Juan Marcos Díaz Mendoza, Julio César Méndez Rojas

Iteración 4

Iteración 5

3.4.1. Solución Optima

Z= 1672 Bs. x3 = 40 Pacumuto de Corazón


x1 = 100 Pacumuto de jibá x4 = 32 Chorizo
x2 = 48 Alitas
sx5 = 0 Carne de jibá

Asignatura: Investigación Operativa


Carrera: Ingeniería Comercial Página 23 de 25
Título: Proyecto Final
Autor/es: Georgina Gissela Blanco Maroma, María Eugenia Camacho Fernández,
Juan Marcos Díaz Mendoza, Julio César Méndez Rojas

sx6 = 0 Carne (alitas) sx11 = 160 Sazonador


sx12 = 40 Salsa
sx7 = 0 Carne (Corazón)
sx13 = 10 Demanda jibá
sx9 = 0 Yuca sx14 = 0 Demanda alitas
sx15 = 3 Demanda Chorizo
sx10 = 80 Carbón
sx8 = 0 Chorizo (Embutido de carne)
Interpretación
El negocio debe producir 100 unidades de Pacumuto de jibá, 48 unidades de alitas, 40
unidades de Pacumuto de corazón y 32 unidades de chorizo por día, para así obtener una utilidad
máxima de 1672 Bs. diarios.
En el siguiente cuadro se muestra un análisis de los recursos:
Producto y recursos Disponibilidad Consumo Sobrante
Carne de Jibás 13000 13000 0
Carne (alitas) 6000 6000 0
Carne (Corazón) 4000 4000 0
Chorizo (Embutido de carne) 4000 4000 0
Yuca 22000 22000 0
Carbón 8000 7920 80
Sazonador 5000 4840 160
Salsa 4000 3960 40
Demanda de Pacumuto (jibá) 110 100 10
Demanda de alitas 48 48 0
Demanda de chorizo 35 32 3

Observando el cuadro anterior, se puede evidenciar de que sobra 80 gramos de carbón, 160 ml
del preparado del sazonador, 40 ml de la salsa de perejil, por lo cual estos recursos pueden ser
utilizados para el siguiente día o también se tiene la opción de aumentar su disponibilidad en la
carne de jibá, chorizo y yuca, para así satisfacer las 10 demanda de Pacumuto de jibá y 3 de
alitas no satisfecha.

Asignatura: Investigación Operativa


Carrera: Ingeniería Comercial Página 23 de 25
Título: Proyecto Final
Autor/es: Georgina Gissela Blanco Maroma, María Eugenia Camacho Fernández,
Juan Marcos Díaz Mendoza, Julio César Méndez Rojas

Capítulo 4. Conclusiones

En este apartado corresponde presentar para cada objetivo específico, las conclusiones,
sugerencias o implicaciones que se derivan del trabajo de investigación.

Las conclusiones son una síntesis de lo presentado en la discusión de los datos y las
recomendaciones deben ir dirigidas a grupos de personas, funcionarios e instituciones y son
aplicaciones del conocimiento adquirido en favor de la sociedad.

Asignatura: Investigación Operativa


Carrera: Ingeniería Comercial Página 23 de 25
Título: Proyecto Final
Autor/es: Georgina Gissela Blanco Maroma, María Eugenia Camacho Fernández,
Juan Marcos Díaz Mendoza, Julio César Méndez Rojas

Bibliografía

- Frederick S. Hillier, Gerald J. Lieberman (2010). Introducción a la investigación de


operaciones. The McGraw-Hill Companies, Inc. (9, ed.).
- Hamdy A. Taha. (2012). Investigación de operaciones. Pearson Education, Inc. (9, ed.).
- Hamdy A. Taha. (2004). Investigación de operaciones. Pearson Education, Inc. (7, ed.)

Asignatura: Investigación Operativa


Carrera: Ingeniería Comercial Página 23 de 25
Título: Proyecto Final
Autor/es: Georgina Gissela Blanco Maroma, María Eugenia Camacho Fernández,
Juan Marcos Díaz Mendoza, Julio César Méndez Rojas

Apéndice

Asignatura: Investigación Operativa


Carrera: Ingeniería Comercial Página 23 de 25