Universidad Nacional Del Callao

FACULTAD DE INGENIERIA INDUSTRIAL Y SISTEMAS

ESCUELA PROFESIONAL DE INGENIERIA INDUSTRIAL

MÉTODO GRAFICO

ING. OSMART MORALES CHALCO

Ejemplo
Gepetto S.L., manufactura muñecos y trenes de madera.
Cada muñeco:
• Produce un beneficio neto de 3 €.
• Requiere 2 horas de trabajo de acabado.
• Requiere 1 hora de trabajo de carpinteria.
Cada tren:
• Produce un beneficio neto de 2 €.
• Requiere 1 hora de trabajo de acabado.
• Requiere 1 hora trabajo de carpinteria.
Cada semana Gepetto puede disponer de:
• Todo el material que necesite.
• Solamente 100 horas de acabado.
• Solamente 80 horas de carpinteria.
También:
• La demanda de trenes puede ser cualquiera (sin límite).
• La demanda de muñecos es como mucho 40.

Gepetto quiere maximizar sus beneficios.

¿Cuántos muñecos y cuántos trenes debe fabricar?
Este problema es un ejemplo típico de un problema de programación lineal (PPL).
Variables de Función Objetivo. En cualquier
Decisión PPL, la decisión a tomar es
como maximizar (normalmente el
x = nº de muñecos beneficio) o minimizar (el coste)
producidos a la de alguna función de las
semana variables de decisión. Esta
y = nº de trenes función a maximizar o minimizar
producidos a la se llama función objetivo.
semana
El objetivo de Gepetto es
elegir valores de x e y para
maximizar 3x + 2y. Usaremos
la variable z para denotar el
valor de la función objetivo. La
función objetivo de Gepetto es:
Max z = 3x + 2y
Restricciones
Son desigualdades que
limitan los posibles
valores de las variables
de decisión.
En este problema las
restricciones vienen
dadas por la
disponibilidad de horas
de acabado y carpintería
y por la demanda de
muñecos.
También suele haber
restricciones de signo o
no negatividad:
x≥0
y≥0
 Restricciones
Cuando x e y crecen, la función objetivo de Gepetto también crece.
Pero no puede crecer indefinidamente porque, para Gepetto, los
valores de x e y están limitados por las siguientes tres restricciones:
Restricción 1: no más de 100 horas de tiempo de acabado pueden ser usadas.
Restricción 2: no más de 80 horas de tiempo de carpinteria pueden ser usadas.
Restricción 3: limitación de demanda, no deben fabricarse más de 40 muñecos.

Estas tres restricciones pueden expresarse matematicamente

por las siguientes desigualdades:
Restricción 1: 2 x + y ≤ 100
Restricción 2: x + y ≤ 80

Restricción 3: x ≤ 40

Además, tenemos las restricciones de signo: x ≥ 0 e y ≥ 0

 Formulación matemática del PPL
Variables de Decisión x = nº de muñecos producidos a la semana
y = nº de trenes producidos a la semana

Muñeco Tren

Beneficio 3 2 Max z = 3x + 2y (función objetivo)

Acabado 2 1 ≤ 100 2 x + y ≤ 100 (acabado)

Carpintería 1 1 ≤ 80 x + y ≤ 80 (carpinteria)

Demanda ≤ 40 x ≤ 40 (demanda muñecos)

x ≥0 (restricción de signo)

y ≥0 (restricción de signo)
 Formulación matemática del PPL

Para el problema de Gepetto, combinando las restricciones de

signo x ≥ 0 e y ≥ 0 con la función objetivo y las restricciones,
tenemos el siguiente modelo de optimización:

Max z = 3x + 2y (función objetivo)

Sujeto a (s.a:)
2 x + y ≤ 100 (restricción de acabado)
x + y ≤ 80 (restricción de carpinteria)
x ≤ 40 (restricción de demanda de muñecos)
x ≥0 (restricción de signo)
y ≥0 (restricción de signo)
7
Copyright (c) 2004 Brooks/Cole, a division of Thomson Learning, Inc.
 Región factible

La región factible de un PPL es el conjunto de todos los puntos

que satisfacen todas las restricciones. Es la región del plano
delimitada por el sistema de desigualdades que forman las
restricciones.

Restricciones de Gepetto
2x + y ≤ 100 (restricción finalizado)
x + y ≤ 80 (restricción carpintería)
x ≤ 40 (restricción demanda)
x ≥0 (restricción signo)
y ≥0 (restricción signo)
 Solución óptima
Se puede demostrar
Para un problema de maximización, una solución
que la solución
óptima es un punto en la región factible en el cual
óptima de un PPL
la función objetivo tiene un valor máximo. Para un
está siempre en la
problema de minimización, una solución óptima es
frontera de la región
un punto en la región factible en el cual la función
factible, en un
objetivo tiene un valor mínimo.
vértice (si la
La mayoría de PPL tienen solamente una solución solución es única) o
óptima. Sin embargo, algunos PPL no tienen en un segmento
solución óptima, y otros PPL tienen un número entre dos vértices
infinito de soluciones. contiguos (si hay
infinitas soluciones)
Más adelante veremos que la solución del PPL de
Gepetto es x = 20 e y = 60. Esta solución da un
valor de la función objetivo de:
z = 3x + 2y = 3·20 + 2·60 = 180 €

Cuando decimos que x = 20 e y = 60 es la solución óptima,

estamos diciendo que, en ningún punto en la región factible, la
función objetivo tiene un valor (beneficio) superior a 180.
 Representación Gráfica de las restricciones
Y
Cualquier PPL con sólo dos
variables puede resolverse
100
gráficamente. 2x + y = 100

Por ejemplo, para representar 80

gráficamente la primera
restricción, 2x + y ≤ 100 :
60
Dibujamos la recta 2x + y = 100

Elegimos el semiplano que 40

cumple la desigualdad: el
punto (0, 0) la cumple
(2·0 + 0 ≤ 100), 20

así que tomamos el

semiplano que lo contiene.
20 40 60 80 X
 Dibujar la región factible

Puesto que el PPL de Gepetto tiene dos variables, se puede resolver

gráficamente. La región factible es el conjunto de todos los puntos
que satisfacen las restricciones:

2 x + y ≤ 100 (restricción de acabado)

x + y ≤ 80 (restricción de carpintería)
x ≤ 40 (restricción de demanda)
x ≥0 (restricción de signo)
y ≥0 (restricción de signo)

Vamos a dibujar la región factible que satisface estas restricciones.

 Dibujar la región factible
Y

100
2x + y = 100
Restricciones
2 x + y ≤ 100
80
x + y ≤ 80
x ≤ 40
60
x ≥0
y ≥0
40

Teniendo en
cuenta las 20
restricciones de
signo (x ≥ 0, y ≥ 0),
nos queda: 20 40 60 80 X
 Dibujar la región factible
Y

100

Restricciones 80

2 x + y ≤ 100
x + y ≤ 80 60 x + y = 80
x ≤ 40
x ≥0 40

y ≥0

20

20 40 60 80 X
 Dibujar la región factible
Y

100

Restricciones 80
x = 40
2 x + y ≤ 100
x + y ≤ 80 60

x ≤ 40
x ≥0 40

y ≥0

20

20 40 60 80 X
 Dibujar la región factible
Y
La intersección
de todos estos
semiplanos 100
2x + y = 100
(restricciones)
nos da la región
80
factible x = 40

60

x + y = 80
40

Región
20 Factible

20 40 60 80 X
 Vértices de la región factible
Y Restricciones
La región factible (al
2 x + y ≤ 100
estar limitada por
rectas) es un polígono. 2x + y = 100 x + y ≤ 80
100
En esta caso, el x ≤ 40
polígono ABCDE. x ≥0
80 E x = 40
Como la solución y ≥0
óptima está en alguno
D
de los vértices (A, B, C, 60

D o E) de la región
x + y = 80
factible, calculamos 40
esos vértices.
Región
20 Factible C

B
A 20 40 60 80 X
 Vértices de la región factible
Y
Los vértices de la región factible
son intersecciones de dos
rectas. El punto D es la 100
intersección de las rectas 2x + y = 100

2x + y = 100 x = 40
80 E(0, 80)
x + y = 80
La solución del sistema x = 20,
D (20, 60)
y = 60 nos da el punto D. 60

B es solución de
40
x = 40
y=0
Región
C es solución de C(40, 20)
20 Factible
x = 40 x + y = 80

2x + y = 100 B(40, 0)
E es solución de A(0, 0) 20 40 60 80 X
x + y = 80
x=0
 Resolución gráfica
Y
Max z = 3x + 2y
100
Para hallar la
solución (0, 80)
80
óptima,
dibujamos las (20, 60)
rectas en las 60

cuales los
puntos tienen el 40

mismo valor de Región

(40, 20)
z. 20 Factible
(40, 0)
(0, 0) 20 40 60 80 X
 Resolución gráfica Y

Max z = 3x + 2y
100

La última recta de (0, 80)

80
z que interseca
(toca) la región (20, 60)
factible indica la 60

solución óptima
para el PPL. Para 40
el problema de
Gepetto, esto Región
(40, 20)
ocurre en el 20 Factible
punto D (x = 20, y
(40, 0)
= 60, z = 180).
(0, 0) 20 40 60 80 X
z = 180
z=0 z = 100
 Resolución analítica
Y
Max z = 3x + 2y
También podemos encontrar la 100
solución óptima calculando el
valor de z en los vértices de la
80
(0, 80)
región factible.

Vértice z = 3x + 2y (20, 60)

60
(0, 0) z = 3·0+2·0 = 0
(40, 0) z = 3·40+2·0 = 120
(40, 20) z = 3·40+2·20 = 160 40

(20, 60) z = 3·20+2·60 = 180

Región
(0, 80) z = 3·0+2·80 = 160 (40, 20)
20 Factible
La solución óptima es:
(40, 0)
x = 20 muñecos
y = 60 trenes (0, 0) 20 40 60 80 X
z = 180 € de beneficio
Hemos identificado la región factible para
el problema de Gepetto y buscado la
solución óptima, la cual era el punto en la
región factible con el mayor valor posible
de z.
Un problema de minimización

Dorian Auto fabrica y vende coches y

furgonetas.La empresa quiere emprender una
campaña publicitaria en TV y tiene que decidir
comprar los tiempos de anuncios en dos tipos
de programas: del corazón y fútbol.

• Cada anuncio del programa del corazón es visto por 6 millones de mujeres y 2
millones de hombres.
• Cada partido de fútbol es visto por 3 millones de mujeres y 8 millones de hombres.
• Un anuncio en el programa de corazón cuesta 50.000 € y un anuncio del fútbol
cuesta 100.000 €.
• Dorian Auto quisiera que los anuncios sean vistos por por lo menos 30 millones de
mujeres y 24 millones de hombres.
Dorian Auto quiere saber cuántos anuncios debe contratar en cada tipo de
programa para que el coste de la campaña publicitaria sea mínimo.
 Formulación del problema:

• Cada anuncio del programa del

corazón es visto por 6 millones de
mujeres y 2 millones de hombres.
• Cada partido de fútbol es visto por 3
millones de mujeres y 8 millones de
hombres. Corazón Fútbol
• Un anuncio en el programa de (x) (y)
corazón cuesta 50.000 € y un anuncio
del fútbol cuesta 100.000 €.
• Dorian Auto quisiera que los mujeres 6 3 6x + 3y ≥ 30
anuncios sean vistos por por lo menos
30 millones de mujeres y 24 millones
hombres 2 8 2x + 8y ≥ 24
de hombres.
Dorian Auto quiere saber cuántos
anuncios debe contratar en cada tipo Coste
50 100 50x +100y
de programa para que el coste de la 1.000€
campaña publicitaria sea mínimo.
 Formulación del problema:

Variables de decisión: x = nº de anuncios en programa de corazón

y = nº de anuncios en fútbol

Min z = 50x + 100y (función objetivo en 1.000 €)

s.a: 6x + 3y ≥ 30 (mujeres)
2x + 8y ≥ 24 (hombres)
x, y ≥ 0 (no negatividad)
25
Copyright (c) 2004 Brooks/Cole, a division of Thomson Learning, Inc.
 Dibujamos la región factible.
Y

14

Min z = 50 x + 100y 12
6x + 3y = 30
s.a. 6x + 3y ≥ 30
10
2x + 8y ≥ 24
x, y ≥ 0 8

4
2x + 8y = 24
2

X
2 4 6 8 10 12 14
 Calculamos los vértices de la región factible:
Y
El vértice A es solución del
La región factible
sistema 14
no está acotada
6x + 3y = 30
12
x=0
Por tanto, A(0, 10) A
10
Región
El vértice B es solución de 8
Factible
6x + 3y = 30
2x + 8y = 24 6

Por tanto, B(4, 2)

4

El vértice C es solución de B
2
2x + 8y = 24
C
y=0
X
Por tanto, C(12, 0) 2 4 6 8 10 12 14
 Resolvemos por el método analítico

Evaluamos la función objetivo z en los vértices.

Y
Vértice z = 50x + 100y
14
z = 50·0 + 100·10 =
A(0, 10)
= 0+10000 = 10 000 12

z = 50·4 + 100·2 = 10
A(0, 10)
B(4, 2) Región
= 200+200 = 400
8
Factible
z = 50·12 + 100·0 =
C(12, 0)
= 6000+0 = 6 000 6

El coste mínimo se obtiene en B. 4

B(4, 2)
Solución: 2
x = 4 anuncios en pr. corazón C(12, 0)
y = 2 anuncios en futbol X
Coste z = 400 (mil €) 2 4 6 8 10 12 14
 Resolvemos por el método gráfico
Min z = 50 x + 100y Y

s.a. 6x + 3y ≥ 30 14

2x + 8y ≥ 24
12
x, y ≥ 0

10 A(0, 10)
El coste mínimo Región
8
se obtiene en el Factible
punto B.
6
Z = 400
4

B(4, 2)
2
Solución:
x = 4 anuncios en pr. corazón C(12, 0)
y = 2 anuncios en futbol X
2 4 6 8 10 12 14
Coste z = 400 (mil €)
 PROBLEMAS

1.-En una pastelería se hacen dos tipos de tartas: Vienesa y Real.

Cada tarta Vienesa necesita un cuarto de relleno por cada Kg. de
bizcocho y produce un beneficio de 250 Pts, mientras que una tarta
Real necesita medio Kg. de relleno por cada Kg. de bizcocho y
produce 400 Ptas. de beneficio. En la pastelería se pueden hacer
diariamente hasta 150 Kg. de bizcocho y 50 Kg. de relleno, aunque por
problemas de maquinaria no pueden hacer mas de 125 tartas de cada
tipo. ¿Cuántas tartas Vienesas y cuantas Reales deben vender al día
para que sea máximo el beneficio?
 Universidad Nacional Del Callao
FACULTAD DE INGENIERIA INDUSTRIAL Y SISTEMAS

ESCUELA PROFESIONAL DE INGENIERIA INDUSTRIAL

MÉTODO SIMPLEX

ING. OSMART
MORALES CHALCO
Método Simplex:

Es un procedimiento iterativo que

permite ir mejorando la solución a cada
paso. El proceso concluye cuando no es
posible seguir mejorando más dicha
solución.
 Para poder realizar el trabajo de el método simplex se
deben seguir una serie de pasos como son:

1- Se convierten las restricciones en igualdades.

2- Se iguala la función objetivo a cero.
3- Se agregan los coeficientes según el numero de
restricciones.
4-Se inicia la tabla simplex o matriz nueva.
5-Se busca el menor negativo y el menor positivo para
seleccionar el numero pivote.
6- Se busca la matriz nueva.
Caso 1.
Se desea maximizar: Z= X1+0.5X2

Sujeto a las Siguientes restricciones:

2X1 + X2 ≤4
X1 + 2X2 ≤3
1-Se convierten las restricciones en igualdades:

2X1+X2=4
X1+2X2=3

2- Se iguala la función objetivo a cero:

Z - X1 -0.5X2 = 0
3- Se agregan los coeficientes según el numero
de restricciones:

2X1 + X2 + X3 = 4
X1 + 2X2 + __ + X4 = 3
Z -X1 -0.5X2 + __+__ = 0
 2X1 + X2 + X3 =4
X1 + 2X2 + __ + X4 = 3
Z -X1 -0.5X2 + __ +__ = 0

4- Se inicia la tabla simplex o matriz nueva,

usando los coeficientes de las variables:

Variables Z X1 X2 X3 X4 Lado
Básicas Derecho
X3 0 2 1 1 0 4
X4 0 1 2 0 1 3
Z 1 -1 -0,5 0 0 0
5- Se busca el menor negativo y el menor positivo para
encontrar el numero pivote:
Variables Z X1 X2 X3 X4 Lado
Básicas Derecho
X3 0 22 1 1 0 44
X4 0 11 2 0 1 33
Z 1 -1 -0,5 0 0 0

El menor negativo es: -1

Para encontrar el menor positivo se divide el lado derecho

entre la columna donde se encuentra el menor negativo:

4÷2=2 3÷1=3

El menor positivo es: 2

El numero pivote es el que tienen en común la fila del menor positivo y la
columna del menor negativo:

Variables Z X1 X2 X3 X4 Lado
Básicas Derecho
X3 0 22 1 1 0 4 4÷2=2
X4 0 11 2 0 1 3 3÷1=3
Z 1 -1
-1 -0,5 0 0 0 0 ÷ -1 = 0

6- Se busca la matriz nueva; para encontrar los valores de la matriz nueva en

su primer fila se dividirán los valores de la primer fila de la matriz vieja entre
el numero pivote de la fila misma:
Z: 0 ÷ 2 = 0
X1: 2 ÷ 2 = 1
X2: 1 ÷ 2 = 0.5
X3: 1 ÷ 2 = 0.5
X4: 0 ÷ 2 = 0
LD: 4 ÷ 2 = 2
Se anotaran los valores nuevos donde corresponden a cada variable

Variables Z X1 X2 X3 X4 Lado
Básicas Derecho
X1 0 1 0,5 0,5 0 2
X4 0 1 2 0 1 3
Z 1 -1 -0.5 0 0 0

Para encontrar el resto de los valores se realizaran los siguientes cálculos

matemáticos:
Se selecciona el valor de la
Z: – (1*0) +0 =0 fila de la Matriz Vieja y ha
X1:– (1*1) +1 =0 este numero se le resta el
X2:– (1*0,5) +2 = 1,5 resultado de la
X3:– (1*0,5) +0 = -0,5 multiplicación de el numero
X4:– (1*0) +1 =1 pivote de la fila por el valor
LD:– (1*2) +3 =1 de la primer fila ya
encontrada.
Fila pivote Fila antigua
 Variables Z X1 X2 X3 X4 Lado
Básicas Derecho
X3 0 1 0,5 0,5 0 2
X4 0 0 1,5 -0,5 1 1
Z 1 -1 -0.5 0 0 0

Para encontrar la ultima fila de nuestra matriz nueva se realiza el mismo

procedimiento:

Z: 1*0 + 1 =1 Se selecciona el valor de la

X1: 1*1 + -1 = 0 fila de la Matriz Vieja y ha
X2: 1*0,5 + -0.5 = 0 este numero se le resta el
X3: 1*0,5 + 0 = 0,5 resultado de la
X4: 1*0 + 0 =0 multiplicación de el numero
LD: 1*2 + 0 =2 pivote de la fila por el valor
de la primer fila ya
Fila antigua encontrada.
Fila pivote
Nuestro ejercicio concluye cuando al haber encontrado la
matriz nueva, los valores en Z (Producción) son todos
positivos.
MATRIZ VIEJA

Variables Z X1 X2 X3 X4 Lado
Básicas Derecho
X3 0 2 1 1 0 4
X4 0 1 2 0 1 3
Z 1 -1
-1 -0,5
-0,5 00 00 00

MATRIZ NUEVA
Variables Z X1 X2 X3 X4 Lado
Básicas Derecho
X3 0 1 0,5 0,5 0 2
X4 0 0 1,5 -0,5 1 1
Z 1 0 0 0,5
0,5 0 22
Ejemplo 2: se fabrica dos tipos de pelotas: de futbol y de
basquet. Los tiempos de produccion en las maquinas A Y B
para cada tipo de pelota son los siguientes:
Maquina A Maquina B
Pelotas de futbol 2 1
Pelotas de basquet 1 2

Las horas disponibles empleadas por dia para la maquina A

es 10 horas y para B, 8 horas. Y las utilidades en cada tipo
son 5 y 6, respectivamente.

¿ Cuál es el numero de pelotas a producir de cada tipo por

día para maximizar la utilidad?
Solucion:
Objetivo: Maximizar la utilidad en función de la cantidad
de pelotas a producirse por día y de cada tipo.
Modelo
X1: numero de pelotas de futbol fabricadas por dia
X2: numero de pelotas de basquet fabricadas por dia
Max. Z=5x1 + 6x2
s.a
2x1+x2<=10
x1+2x2<=8
x1,x2>=0
Organización:
-5x1 - 6x2 +Z=0
2x1 + x2 + s1 =10
x1 + 2x2 s2 =8
Ordenaremos esta información
Base X1 X2 S1 S2 Z LD

S1 2 1 1 0 0 10
S2 1 2 0 1 0 8
Z -5 -6 0 0 1 0

Desarrollo
Base X1 X2 S1 S2 Z LD
S1 2 1 1 0 0 10 10/1=10
S2 1 2 0 1 0 8
8/2=4
Z -5 -6 0 0 1 0

El punto pivote es 2 a este lo convertiremos en 1 multiplicando S2 por (1/2)

Base X1 X2 S1 S2 Z LD
S1 2 1 1 0 0 10
S2 1/2 1 0 1/2 0 4
Z -5 -6 0 0 1 0
Multiplicaremos a la fila S2 por (-1) y sumamos a S1

Multiplicaremos a la fila S2 por (+6) y sumamos a Z

Base X1 X2 S1 S2 Z LD
S1 2 1 1 0 0 10
S2 1/2 1 0 1/2 0 4
Z -5 -6 0 0 1 0

Base X1 X2 S1 S2 Z LD
S1 3/2 0 1 -1/2 0 6
X2 1/2 1 0 1/2 0 4
Z -2 0 0 3 1 24

Observamos que en los indicadores todavía tenemos un elemento negativo x1=-2

Base X1 X2 S1 S2 Z LD
S1 3/2 0 1 -1/2 0 6 6/3/2=4
X2 1/2 1 0 1/2 0 4
4/1/2=8
Z -2 0 0 3 1 24
El punto pivote es 3/2 a este lo convertiremos en 1 multiplicando S1 por (2/3)

Base X1 X2 S1 S2 Z LD
S1 3/2 0 1 -1/2 0 6
X2 1/2 1 0 1/2 0 4
Z -2 0 0 3 1 24

Base X1 X2 S1 S2 Z LD
S1 1 0 2/3 -1/3 0 4
X2 1/2 1 0 1/2 0 4
Z -2 0 0 3 1 24
Multiplicaremos a la fila S1 por (-1/2) y sumamos a X2
Multiplicaremos a la fila S1 por (+2) y sumamos a Z
Base X1 X2 S1 S2 Z LD
X1 1 0 2/3 -1/3 0 4
X2 0 1 -1/3 2/3 0 2
Z 0 0 4/3 7/3 1 32
Entonces acabamos de obtener los valores de las variables x1, x2

X1=4: se fabricaran 4 pelotas de futbol por día

X2=2: se fabricaran 2 pelotas de básquet por día

Mientras tanto, la solución optima es la siguiente: Z=32

Base X1 X2 S1 S2 Z LD
X1 1 0 2/3 -1/3 0 4
X2 0 1 -1/3 2/3 0 2
Z 0 0 4/3 7/3 1 32
Ejercicio:

Max. Z=5x1 + 2x2

s.a
2x1+x2<=10
x1+2x2<=8
x1,x2>=0
 Base Pegamento Madera Clavos
(frasco) (listones) (docenas)
Personal 2 1 1
Matrimonial 1 2 3
Real 3 4 5