Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Autor: Valencia Nuñez Edison Roberto INVESTIGACIÓN OPERATIVA PROGRAMACIÓN LINEAL, PROBLEMAS RESUELTOS CON SOLUCIONES DETALLADAS. Dr. Galo Naranjo López RECTOR Dra. Adriana Reinoso Núñez VICERRECTORA ACADÉMICA Ing. Jorge León Mantilla VICERRECTOR ADMINISTRATIVO TÍTULO DE OBRA: INVESTIGACIÓN OPERATIVA. Programación lineal, problemas ISBN: 978-9978-978-38-2 Autor: Valencia Roberto Diseño y diagramación: MEGAGRAF Coautor: Hidalgo Claudio Impresión: MEGAGRAF-Ambato Primera Edición, 2018 Tiraje de 500 ejemplares CONSEJO EDITORIAL UNIVERSITARIO Adriana Reinoso Núñez PRESIDENTA Av. Colombia 02-11 y Chile (Cdla. Ingahurco) Teléfono: 593 (03) 2521-081 / 2822-960 Fax: 593 (03) 2521-084 www.uta.edu.ec Información editorial: editorial@uta.edu.ec La edición de este libro se da de conformidad a los literales c) y e) del Art. 6.- Atribuciones, DEL REGLAMENTO PARA LA ELABORACIÓN Y PUBLICACIÓN DE OBRAS O DOCUMENTOS ACADÉMICOS Y/O CIENTÍFICOS; Y, PARA EL FUNCIONAMIENTO DEL CONSEJO EDITORIAL UNIVERSITARIO DE LA UNIVERSIDAD TÉCNICA DE AMBATO. Y en aplicación al numeral 1, del literal a) del Art. 71.- De las obras publicadas, DEL REGLAMENTO CARRERA Y ESCALAFÓN DEL PROFESOR E INVESTIGADOR DEL SISTEMA DE EDUCACIÓN SUPERIOR. UNIVERSIDAD TÉCNICA DE AMBATO resueltos con soluciones detalladas. INVESTIGACIÓN OPERATIVA Programación lineal, problemas resueltos con soluciones detalladas. Docente de la Universidad Técnica de Ambato a nivel de grado y posgrado a tiempo completo, en la Facultad de Ingeniería en Sistemas Electrónica e Industrial, Facultad de Contabilidad y Auditoría y Facultad de Administración, desde marzo del 2010. PhD(c). En Estadística, Universidad del Rosario – Argentina. Máster Universitario en Estadística Aplicada, Universidad de Granada – España. Magister en Matemáticas, Instituto Politécni- co Nacional – México. Magister en Tecnología de la Información y Multimedia Educativa, Universidad Técnica de Ambato - Ecuador. 20 artículos publicados en bases de datos de alto impacto, varias ponencias nacionales e internacionales, 5 libros publicados, con revisores de pares externos y con registro ISBN, todo esto relacionados con el campo amplio y especifico del área de Matemáticas y Estadística. Profesor de maestrías a nivel nacional, en módulos de Estadísti- ca, Matemáticas, Producción Científica Investigación, Diseño Experimental, y Tecnologías de la información. Módulos impartidos a nivel de grado: Estadística Descriptiva, Estadística Inferencial, Cálculo Diferencial, Cálculo Integral, Investigación Operativa, Algebra Lineal, Programación Lineal, Empleo de Ntics I (Ofimática), Empleo de Ntics II (web 2.0), Comercio Electrónico, Circuitos Eléctricos, Metrología. Instructor de cursos nacionales dirigidos a docentes universitarios y del magisterio de Educación. Instructor de cursos virtuales internacionales. Docente - investigador en proyectos de investi- gación, desempeñando como: Coordinador e investigador en varias áreas multidisciplinarias, investigación especifica: Proce- samiento y análisis de datos, Minería de datos, Big Data y Machine Learning todo esto con software, R-Studio, Stata, Minitab, Sas y Spss. También ha desarrollado proyectos de vinculación con la colectividad. Docente Coordinador, guía, tutor y calificador de proyectos de investigación a nivel de posgrado. Ha participado en la dirección y codirección de tesis de posgrado y grado. Coordinador de la Comisión de Seguimiento a Graduados y Bolsa de Empleo en la Facultad de Contabilidad y Auditoría de la Universidad Técnica de Ambato desde marzo del 2012 con resolución FCAUD-CD-549-2012, hasta agosto del 2018. LÍNEAS DE INVESTIGACIÓN: ESTADÍSTICA MULTIVARIANTE Y MODELIZACIÓN MATEMÁTICA. EDISON ROBERTO VALENCIA NUÑEZ email: edisonrvalencia@uta.edu.ec cristalizacionrobert@gmail.com profemaestriarv@gmail.com Contacto: 0998266715 AMBATO - ECUADOR Agosto del 2018 CARÁTULA Presentación I.O. Roberto Valencia Página 7 INVESTIGACIÓN OPERATIVA 1 . INVESTIGACIÓN OPERATIVA 2 . PROGRAMACIÓN LINEAL 3 . MODELOS DE TRANSPORTE 4 . MODELOS DE REDES 5 . SOFTWARE DE APLICACIÓN ROBERTO VALENCIA NUÑEZ CLAUDIO HIDALGO AMBATO - ECUADOR CARÁTULA Presentación I.O. Roberto Valencia Página 9 La Investigación de Operaciones (IO) o Investigación Operativa es una rama de las matemáticas que usa modelos matemáticos y algoritmos como apoyo para mejorar la toma de decisiones y determinar la solución óptima. Se busca que las soluciones obtenidas sean más eficientes (en tiempo, recursos, beneficios, costos; entre otros) en comparación a aquellas decisiones adoptadas en forma intuitiva o sin el apoyo de una herramienta para la toma de decisiones. Los modelos de Investigación de Operaciones son frecuentemente usados para abordar una gran variedad de problemas de naturaleza real en ingeniería y ciencias sociales, lo que ha permitido a empresas y organizaciones importantes beneficios y ahorros asociados a su utilización. INTRODUCCIÓN INTRODUCCIÓN CARÁTULA Presentación I.O. Roberto Valencia Página 10 El propósito de aporte es ayudar al estudiante a comprender los problemas de programación lineal (optimización: maximizar ganancias y minimizar costos), modelos de transporte, y modelos de redes, utilizando problemas prácticos desarrollados paso a paso de una manera didáctica, para la compresión del lector, se ha dividido en cuatro partes; primera: una introducción a la investigación operativa, en donde se ve específicamente la manera práctica de la IO y los pasos que se siguen para la toma de decisiones. Segunda: programación lineal en donde se detalla de manera amplia todos los tipos de soluciones por el método gráfico y método simplex, lo que es maximizar ganancias y minimizar costos y además problemas de complemento utilizando el método dual. Tercera: modelos de transporte en donde se presentan problemas prácticos detallados con todos los tipos de soluciones, cuando la oferta es mayor que la demanda o viceversa y, además se aplica el método de los multiplicadores para llegar al costo óptimo. Cuarta: Modelo de redes en donde se hacen problemas prácticos; se numeran todas las actividades con sus respectivos tiempos, se realiza la red del proyecto y se calcula el tiempo más corto por medio de la ruta crítica. PREFACIO CAPÍTULO I Investigación Operativa Indice Roberto Valencia Página 11 .................................................................................................................................15 CAPÍTULO I 1. INVESTIGACIÓN OPERATIVA ....................................................................................... 16 1.1. INTRODUCCIÓN .......................................................................................................... 16 1.2. CONCEPTO DE LA INVESTIGACIÓN OPERATIVA .......................................................... 17 1.3. FASES DE ESTUDIO DE LA INVESTIGACIÓN DE OPERACIONES ..................................... 20 1.4. PROBLEMAS PROPUESTOS ......................................................................................... 23 ................................................................................................................................ 24 CAPÍTULO II 2. PROGRAMACIÓN LINEAL ............................................................................................ 25 2.1. INTRODUCCIÓN .......................................................................................................... 25 2.2. CARACTERÍSTICAS DE UN PROBLEMA DE PROGRAMACIÓN LINEAL............................ 25 2.3. CONOCIMIENTOS PREVIOS PARA ENTRAR A LA PROGRAMACIÓN LINEAL. ................. 26 2.3.1. TIPOS DE ECUACIONES LINEALES ........................................................................26 2.3.2. INECUACIONES LINEALES CON DOS VARIABLES.................................................. 29 2.3.3. PASOS PARA GRAFICAR LAS INECUACIONES LINEALES ....................................... 31 2.3.4. SISTEMAS DE INECUACIONES CON DOS VARIABLES ........................................... 33 2.3.5. COMPROBACIÓN DE LA SOLUCIÓN DEL SISTEMA DE INECUACIONES ................ 35 2.4. PROBLEMAS DE OPTIMIZACIÓN .................................................................................. 38 2.4.1. PASOS PARA LA RESOLUCIÓN DE PROBLEMAS DE OPTIMIZACIÓN..................... 39 2.4.2. PLANTEAMIENTO DE PROBLEMAS DE OPTIMIZACIÓN (MAXIMIZACIÓN) ........... 41 2.4.3. PLANTEAMIENTO DE PROBLEMAS DE OPTIMIZACIÓN (MINIMIZACIÓN) ........... 47 2.5. RESOLUCIÓN DE PROBLEMAS POR EL MÉTODO GRÁFICO .......................................... 50 2.6. TIPOS DE SOLUCIONES POR EL MÉTODO GRÁFICO ..................................................... 51 2.6.1. SOLUCIÓN ÓPTIMA ÚNICA ACOTADA ................................................................. 52 2.6.2. SOLUCIÓN ÓPTIMA MÚLTIPLE ACOTADA ........................................................... 63 2.6.3. SOLUCIÓN ÓPTIMA ÚNICA NO ACOTADA ........................................................... 65 2.6.4. SOLUCIÓN ÓPTIMA MÚLTIPLE NO ACOTADA ..................................................... 68 2.6.5. NINGUNA SOLUCIÓN .......................................................................................... 70 2.7. RESOLUCIÓN DE PROBLEMAS POR EL MÉTODO SIMPLEX ........................................... 74 2.7.1. MAXIMIZACIÓN POR EL MÉTODO SIMPLEX CON SIGNO (MENOR IGUAL: “≤ “) . 76 2.7.2. MAXIMIZACIÓN POR EL MÉTODO SIMPLEX CON SIGNO (MAYOR IGUAL: “≥ “) . 87 2.7.3. MAXIMIZACIÓN POR EL MÉTODO SIMPLEX CON SIGNO (IGUAL: “ = “) ..... 93 2.8. MINIMIZACIÓN POR EL MÉTODO SIMPLEX ................................................................. 96 CAPÍTULO I Investigación Operativa Indice Roberto Valencia Página 12 2.9. DEGENERACIÓN, SOLUCIONES NO ACOTADAS, SOLUCIONES ÓPTIMAS MULTIPLEX EN EL MÉTODO SIMPLEX. ............................................................................................... 106 2.9.1. DEGENERACIÓN ................................................................................................ 107 2.9.2. SOLUCIONES NO ACOTADAS ............................................................................ 110 2.9.3. SOLUCIONES ÓPTIMAS MÚLTIPLES .................................................................. 111 2.10. DUALIDAD ................................................................................................................. 115 2.11. ANÁLISIS DE SENSIBILIDAD ........................................................................................ 127 2.12. PROBLEMAS PROPUESTOS ........................................................................................ 132 2.12.1. RESOLVER POR EL MÉTODO GRÁFICO .............................................................. 132 2.12.2. RESOLVER POR EL MÉTODO SIMPLEX (MAXIMIZACIÓN) .................................. 140 2.12.3. RESOLVER POR EL MÉTODO SIMPLEX (MINIMIZACIÓN) ................................... 144 2.12.4. RESOLVER POR EL MÉTODO SIMPLEX DEGENERACIÓN .................................... 147 2.12.5. PROBLEMAS DE DUALIDAD ............................................................................... 149 ............................................................................................................................. 153 CAPÍTULO III 3. MODELOS DE TRANSPORTE ...................................................................................... 154 3.1. INTRODUCCIÓN ........................................................................................................ 154 3.2. CARACTERÍSTICAS DE UN MODELO DE TRANSPORTE ............................................... 155 3.3. MÉTODOS PARA CALCULAR EL COSTO INICIAL ......................................................... 157 3.3.1. MÉTODO DE LA ESQUINA NOROESTE ............................................................... 157 3.3.2. MÉTODO DEL COSTO MÍNIMO ......................................................................... 161 3.3.3. MÉTODO DE VOGEL .......................................................................................... 163 3.4. PROBLEMAS DE TRANSPORTE DESBALANCEADO ..................................................... 167 3.4.1. LA DEMANDA MAYOR QUE LA OFERTA ............................................................ 167 3.4.2. LA OFERTA MAYOR QUE LA DEMANADA .......................................................... 170 3.5. COSTO ÓPTIMO......................................................................................................... 172 3.5.1. MÉTODO DEL BANQUILLO ................................................................................ 172 3.5.2. MÉTODO DE LOS MULTIPLICADORES ............................................................... 173 3.6. RESOLUCIÓN DE PROBLEMAS EQUILIBRADOS PARA CALCULAR EL COSTO ÓPTIMO 174 3.7. RESOLUCIÓN DE PROBLEMAS DESBALANCEADOS .................................................... 192 3.8. MODELOS DE ASIGNACIÓN ....................................................................................... 209 3.8.1. PROBLEMAS DE ASIGNACIÓN, MINIMIZACIÓN................................................. 210 3.8.2. PROBLEMAS DE ASIGNACIÓN MAXIMIZACIÓN ................................................. 217 3.9. PROBLEMAS PROPUESTOS DE TRANSPORTE ............................................................ 223 3.9.1. PROBLEMAS BALANCEADOS ............................................................................. 223 3.9.2. PROBLEMAS DESBALANCEADOS ....................................................................... 231 CAPÍTULO I Investigación Operativa Indice Roberto Valencia Página 13 3.9.3. PROBLEMAS DE ASIGNACIÓN .......................................................................... 236 ............................................................................................................................. 241 CAPÍTULO IV 4. MODELOS DE REDES ................................................................................................. 242 4.1. INTRODUCCIÓN ........................................................................................................ 242 4.2. TERMINOLOGÍA DE REDES ........................................................................................ 243 4.3. REDES PERT ((PROGRAM EVALUATION AND REVIEW TECHNIQUE - TÉCNICA DE EVALUACIÓN Y REVISIÓN DE PROGRAMAS).............................................................. 245 4.3.1. REGLAS PARA CONSTRUIR UN DIAGRAMA PERT .............................................. 245 4.3.2. PROBLEMAS RESUELTOS DE REDES PERT ......................................................... 248 4.4. REDES PERT - CÁLCULO DE TIEMPOS ........................................................................ 252 4.5. MÉTODO CPM (CRITICAL PATH METHOD O MÉTODO DE LA RUTA CRÍTICA) ............ 254 4.6. DIFERENCIAS ENTRE LOS MÉTODOS PERT Y CPM ..................................................... 256 4.7. PROBLEMAS RESUELTOS DE REDES PERT-CPM ......................................................... 257 4.8. PERT – COSTOS ......................................................................................................... 268 4.9. PROBLEMAS PROPUESTOS PERT-CPM ...................................................................... 271 ................................................................................................................................. 282 APÉNDICE 5. APÉNDICE A ............................................................................................................... 283 5.1. PROGRAMA QM FOR WINDOWS ...................................................................... 2835.2. RESOLUCIÓN DE EJERCICIOS DE PROGRAMACIÓN LINEAL ............................... 288 5.3. RESOLUCIÓN DE PROBLEMAS DE TRANSPORTE ............................................... 292 5.4. RESOLUCIÓN DE PROBLEMAS DE REDES PERT-CPM ......................................... 295 6. APÉNDICE B ............................................................................................................... 300 6.1. PROGRAMA PHPSIMPLEX EN LA WEB............................................................... 300 7. APÉNDICE C ............................................................................................................... 305 7.1. PROGRAMA GEOGEBRA ................................................................................... 305 ........................................................................................................................... 315 BIBLIOGRAFÍA CAPÍTULO I Investigación Operativa Conceptualización Roberto Valencia Página 15 .................................................................................................................................15CAPÍTULO I 1. INVESTIGACIÓN OPERATIVA ...................................................................................... 16 1.1. INTRODUCCIÓN .......................................................................................................... 16 1.2. CONCEPTO DE LA INVESTIGACIÓN OPERATIVA ......................................................... 17 1.3. FASES DE ESTUDIO DE LA INVESTIGACIÓN DE OPERACIONES .................................... 20 1.4. PROBLEMAS PROPUESTOS ........................................................................................ 23 CAPÍTULO I Investigación Operativa Conceptualización Roberto Valencia Página 16 CAPÍTULO I 1. INVESTIGACIÓN OPERATIVA 1.1. INTRODUCCIÓN 1Cuando una persona se enfrenta por vez primera con el término Investigación de Operaciones, no suele ser conocedora de las características específicas de esta ciencia ni de su objeto de estudio. Además, la Investigación Operativa puede tener componentes muy diversos dependiendo de su área de aplicación concreta: Administración de Empresas, Ingeniería u otras. El objeto de estudio de la Investigación Operativa es la toma científica de decisiones mediante el empleo de técnicas cuantitativas. Es importante tener esta definición clara y, de esta forma, nos daremos cuenta de la amplitud de campo de la Investigación Operativa (IO). Con frecuencia se ha hecho demasiado hincapié en los modelos de Programación Lineal dentro de la Investigación Operativa, lo cual ha dificultado la distinción entre ambos términos. Lo cierto es que la Programación Lineal es sólo una parte de la Investigación Operativa aunque, sin duda, una de las más importantes. La Investigación Operativa es una ciencia multidisciplinaria que aparece en muchos campos del ámbito industrial, empresarial y de la administración pública. De hecho, con la aparición de la Programación Lineal en los años 1940, aparece el sentimiento de dar una cohesión o visión de conjunto a todas las técnicas anteriormente enunciadas. Esa visión cohesionada, junto con el concepto de sistema, permite la aparición de la Investigación de Operaciones como ciencia. Las subdivisiones en las que se establece la IO tienen los siguientes elementos en común: Son necesarios amplios conocimientos de matemáticas, es decir, del manejo de muchas técnicas matemáticas, aunque con inmediata aplicación a la realidad. Es necesario que, al final de cada problema definido, haya una decisión que tomar. Es preciso definir un modelo que dé cauce a la toma de decisiones. En el estudio de la Investigación Operativa se puede hacer más énfasis en los aspectos teóricos de los modelos matemáticos o bien en los aspectos prácticos. Estudiar de forma exclusiva modelos matemáticos, aun siendo importante para la IO, no constituye el principal ejercicio de la misma, es necesario verificar la aplicabilidad de los resultados que se deriven de los modelos matemáticos. Por ello, en muchos casos, se hace énfasis en los aspectos prácticos de la IO estableciendo puentes con los diversos ámbitos de la gestión empresarial. En este sentido, y con objeto de tener una visión precisa para una introducción de las técnicas operativas, se recomienda la consulta de los capítulos introductorios de alguno de los manuales cuyos autores son: 1 http://www.uoc.edu/in3/emath/docs/Intro_IO.pdf http://www.uoc.edu/in3/emath/docs/Intro_IO.pdf CAPÍTULO I Investigación Operativa Conceptualización Roberto Valencia Página 17 Anderson, D.R., Sweeney, D. J. y Williams, T.A. (2001) (Capítulos 1 y 7) referentes a la programación lineal. Hillier, F.S. y Liebermann, G.J. (2001) (Capítulos 1,2 y 3) Hillier, F.S., Hillier, M.S. y Liebermann, G.J. (2000) (Capítulos 1 y 2) referentes a la programación lineal. También a nivel introductorio se pueden visitar algunas de las siguientes páginas web: http://www.informs.org/ Sociedad Americana de Investigación Operativa. http://www.orie.cornell.edu/ Departamento de Investigación Operativa de la Universidad de Cornell en Nueva York. http://www.worms.ms.unimelb.edu.au/ Información genérica de la Investigación Operativa. En este sentido, hay que destacar que las técnicas de Investigación Operativa tienen un auge inusitado en los Estados Unidos. Algunos de los motivos de este incremento son: a) razones históricas. b) la cultura empresarial americana. c) la dimensión del mercado americano. En Europa, cada vez se aplican más estas técnicas pero, con frecuencia, con un acento mucho más teórico. Entre los países europeos que más aplican las técnicas de la IO se pueden destacar los siguientes: Gran Bretaña, Holanda, Francia y Alemania. Con el fenómeno de la globalización económica, cada vez son más las empresas multinacionales que emplean técnicas de Investigación Operativa para la toma científica de decisiones. 1.2. CONCEPTO DE LA INVESTIGACIÓN OPERATIVA La Investigación Operativa es una disciplina moderna que utiliza modelos matemáticos, estadísticos y algoritmos para modelar y resolver problemas complejos, determina la solución óptima y mejora la toma de decisiones. Esta materia también recibe el nombre de Investigación de Operaciones, Investigación Operacional o Ciencias de la Administración. (Hillier & Lieberman, 2010). Actualmente la Investigación Operativa incluye gran cantidad de ramas como la Programación Lineal, Programación No Lineal, Programación Dinámica, Simulación, Teoría de Colas, Teoría de Inventarios, Teoría de Grafos, etc. 2Aunque su nacimiento como ciencia se establece durante la Segunda Guerra Mundial y debe su nombre a las operaciones militares, los verdaderos orígenes de la Investigación Operativa se remontan mucho más atrás en el tiempo, hasta el siglo XVII (desde el punto de vista matemático). Incluso se puede considerar que el problema de hacer un uso óptimo de los recursos disponibles ha existido siempre y con el que la humanidad ha ido tratando a lo largo de su historia. Sin embargo el crecimiento de esta ciencia se debe, en su mayor parte, al rápido desarrollo de la informática, que ha posibilitado la resolución de problemas en la práctica y la 2 http://www.phpsimplex.com/investigacion_operativa.htm http://www.phpsimplex.com/historia.htm http://www.phpsimplex.com/historia.htm http://www.phpsimplex.com/investigacion_operativa.htm CAPÍTULO I Investigación Operativa Conceptualización Roberto Valencia Página 18 obtención de soluciones que de otra forma conllevarían un enorme tiempo de cálculohaciéndolos inviables. Debido al gran éxito obtenido por la Investigación Operativa, según Taha (2011) en el campo militar, ésta se extendió a otros campos tales como la industria, física, administración, informática, ingeniería, economía, estadística y probabilidad, ecología, educación, servicio social (p. 850), siendo hoy en día utilizada prácticamente en todas las áreas imaginables donde se pretenda mejorar la eficiencia. 3En la siguiente tabla se pueden observar algunos ejemplos de casos reales de uso de la Investigación Operativa por parte de diferentes organizaciones y las ganancias y/o ahorros conseguidos a raíz de ello. CASOS REALES DE USO DE LA INVESTIGACIÓN OPERATIVA Organización Aplicación Año Ahorros anuales Ministerio holandés de Infraestructura y Medio Ambiente (The Netherlands ) Desarrollo de la política nacional de administración del agua, incluyendo mezcla de nuevas instalaciones, procedimientos de operaciones y costes 1985 $15 millones Electrobras/CEPA L Brasil Asignación óptima de recursos hidráulicos y térmicos en el sistema nacional de generación de energía 1986 $43 millones United Airlines Programación de turnos de trabajo en oficinas de reservas y aeropuertos para cumplir con las necesidades del cliente a un costo mínimo 1986 $6 millones CITGO Petroleum Corp. Optimización de las operaciones de refinación y de la oferta, distribución y comercialización de productos 1987 $70 millones Texaco, Inc. Optimización de la mezcla de ingredientes disponibles para que los combustibles obtenidos cumplieran con los requerimientos de ventas y calidad 1989 $30 millones IBM Integración de una red 1990 $20 millones + 3 http://www.phpsimplex.com/casos_reales.htm CAPÍTULO I Investigación Operativa Conceptualización Roberto Valencia Página 19 Organización Aplicación Año Ahorros anuales nacional de inventario de recambios para mejorar el apoyo al servicio $250 millones en menor inventario American Airlines Diseño de un sistema de estructura de precios, sobreventas (exceso de reservas) y coordinación de vuelos para mejorar los beneficios 1992 $500 millones más de ingresos AT&T Desarrollo de un sistema informático en el diseño del centro de llamadas para guiar a los clientes del negocio 1993 $750 millones Delta Airlines Maximización de ganancias a partir de la asignación de los tipos de aviones en 2.500 vuelos nacionales en Estados Unidos 1994 $100 millones Procter & Gamble Rediseño del sistema de producción y distribución norteamericano para reducir costos y mejorar la rapidez de llegada al mercado 1997 $200 millones Hewlett-Packard Rediseño de tamaño y localización de inventarios de seguridad en la línea de producción de impresoras 1998 $280 millones de ingreso adicional Coca-Cola Enterprises (CCE) La implementación de un modelo de optimización de enrutamiento de vehículos 2005 El impacto incluye un ahorro anual de $45 millones. Canadian Pacific Railway Por medio de un modelo matemático que permitió manejar los horario de acuerdo con las necesidades del servicio de entrega de carga 2007 Reducir sus costos en $285 millones. FUENTE: http://www.phpsimplex.com/casos_reales.htm CAPÍTULO I Investigación Operativa Conceptualización Roberto Valencia Página 20 1.3. FASES DE ESTUDIO DE LA INVESTIGACIÓN DE OPERACIONES 1. Definición del problema.- Descripción de los objetivos del sistema, es decir, qué se desea optimizar; identificar las variables implicadas, ya sean controlables o no; determinar las restricciones del sistema. También hay que tener en cuenta las alternativas posibles de decisión y las restricciones para producir una solución adecuada. 2. Construcción del modelo.- El investigador de operaciones debe decidir el modelo a utilizar para representar el sistema. Debe ser un modelo tal que relacione a las variables de decisión con los parámetros y restricciones del sistema. Los parámetros (o cantidades conocidas) se pueden obtener ya sea a partir de datos pasados, o ser estimados por medio de algún método estadístico. Es recomendable determinar si el modelo es probabilístico o determinístico. El modelo puede ser matemático, de simulación o heurístico, dependiendo de la complejidad de los cálculos matemáticos que se requieran. La construcción del modelo matemático de manera general se puede resumir en cuatro pasos: 2.1. Identificar las variables de decisión Un paso crucial en la construcción de un modelo matemático es determinar aquellos factores sobre los que el decidor tiene control, que normalmente se llaman variables de decisión del problema. Hay que distinguir entre lo que está a nuestro alcance cambiar (por ejemplo, la cantidad de artículos a producir de cada producto o el material a utilizar) de aquello que no podemos modificar (como el número de horas de trabajo disponibles o fechas límite a cumplir), que normalmente denominaremos parámetros. Según el tipo de problema, lo que a veces es una variable de decisión en otros casos puede ser un parámetro o viceversa. Para identificar las variables de decisión, puede ser útil hacerse las siguientes preguntas: ¿qué es lo que hay que decidir? o ¿sobre qué elementos tenemos control? o ¿cuál sería una respuesta válida para este caso? Definición del problema Construcción del modelo Solución del modelo Validación del modelo Implantación de la solución CAPÍTULO I Investigación Operativa Conceptualización Roberto Valencia Página 21 2.2. Identificar la función objetivo El objetivo de la mayoría de los estudios de IO, y el de todos los modelos de optimización, es encontrar el modo de optimizar alguna medida respetando las restricciones existentes. Aunque una compañía quizás esté satisfecha con una mejora sustancial de la situación actual, normalmente el objetivo es buscar el valor óptimo para cierta función. A la hora de encontrar la función objetivo, la pregunta que podemos hacemos es ¿qué es lo que queremos conseguir? o si yo fuera el jefe de esta empresa, ¿qué me interesaría más? 2.3. Identificar las restricciones En la búsqueda de la solución óptima, normalmente existen ciertas restricciones (prohibiciones, requisitos) que acorta nuestra decisión. Ejemplos de estas condiciones frecuentes son: los recursos disponibles (trabajadores, máquinas, material, etc.) son limitados; fechas límite impuestas por los contratos; obstáculos impuestos por la naturaleza del problema (por ejemplo: el flujo de entrada a un nodo debe ser igual al flujo de salida). 2.4. Traducir los elementos anteriores a un modelo matemático Una vez identificados los elementos básicos hay que expresarlos matemáticamente. Siguiendo el orden de pensamiento de los autores Hiller & Liberman (2010) que explica que, se lo hará dependiendo de la naturaleza de las funciones matemáticas, el modelo será de un tipo u otro; por ejemplo, si todas ellas son lineales, el problema será de Programación Lineal; si existe más de una función objetivo, será de programación multicriterio. 3. Solución del modelo.- Una vez que se tiene el modelo, se procede a resolver el problema aplicando las técnicas matemáticas del método gráfico o simplex, de esta manera llegamos a la solución óptima del problema. Debemos tener en cuenta que las soluciones que se obtienen en este punto del proceso, son matemáticos y debemos interpretarlas en el mundo real. Además, para la solución del modelo, se deben realizar análisis de sensibilidad, es decir, ver cómo se comporta el modelo a cambios en las especificaciones y parámetros del sistema. Esto se hace, debido a que los parámetros nonecesariamente son precisos y las restricciones pueden estar equivocadas. 4. La validación del modelo.- La validación de un modelo requiere que se determine si dicho modelo puede predecir con certeza el comportamiento del sistema. Un método común para probar la validez del modelo, es someterlo a datos pasados disponibles del sistema actual y observar si reproduce las situaciones pasadas del sistema. Pero como no hay seguridad de que el comportamiento futuro del sistema continúe replicando el comportamiento pasado, entonces siempre debemos estar atentos de cambios posibles del sistema con el tiempo, para poder ajustar adecuadamente el modelo. 5. La Implantación De La Solución.- Consiste en traducir los resultados del modelo validado en instrucciones para el usuario o los ejecutivos responsables que serán los que tomen las decisiones.4 4http://invdeop.wordpress.com/2011/04/07/fases-de-la-investigacion-de-operaciones/ http://invdeop.wordpress.com/2011/04/07/fases-de-la-investigacion-de-operaciones/ CAPÍTULO I Investigación Operativa Conceptualización Roberto Valencia Página 22 La comunicación efectiva de los resultados de un estudio es esencial para el éxito del mismo. La utilidad del análisis será nula si las personas que toman las decisiones no aprecian totalmente su valor. Los decisores deben comprender completamente el enfoque del analista, las hipótesis y simplificaciones que se han hecho, y la lógica en la recomendación. Las presentaciones orales (utilizando transparencias, videos o software especializado) y los informes son formas tradicionales para la comunicación. APLICACIÓN Interpretar la solución. Aplicar la solución. SOLUCIÓN Resolver el problema matemático FORMULACIÓN Formular el problema real Supuestos y variables del problema Formular el modelo matematico CAPÍTULO I Investigación Operativa Problemas Propuestos Roberto Valencia Página 23 1.4. PROBLEMAS PROPUESTOS a) Defina ¿qué es la Investigación Operativa? b) ¿Cuáles son los elementos en común de la Investigación Operativa? c) ¿Cuáles son los motivos del auge de la Investigación Operativa? d) ¿En qué circunstancia y país nace la Investigación Operativa? e) ¿Qué ramas incluye la Investigación Operativa? f) Citar siete ejemplos de casos reales de la Investigación Operativa. g) ¿Cuáles son las fases de estudio de la Investigación Operativa? h) Describa la solución del modelo. i) Realizar un resumen del Capitulo1 en SmartArt. j) Realizar una presentación con ideas primarias, secundarias, terciarias en la herramienta de drive – presentaciones de Google Roberto Valencia Página 24 CAPÍTULO II………. ............................................................................................................................................................................. 2. PROGRAMACIÓN LINEAL ................................................................................................................................................................... 2.1. INTRODUCCIÓN ................................................................................................................................................................................... 2.2. CARACTERÍSTICAS DE UN PROBLEMA DE PROGRAMACIÓN LINEAL ......................................................................................... 2.3. CONOCIMIENTOS PREVIOS PARA ENTRAR A LA PROGRAMACIÓN LINEAL. ............................................................................. 2 2.3.1. TIPOS DE ECUACIONES LINEALES ............................................................................................................................................... 2 2.3.2. INECUACIONES LINEALES CON DOS VARIABLES ......................................................................................................................... 2 2.3.3. PASOS PARA GRAFICAR LAS INECUACIONES LINEALES ............................................................................................................... 2.3.4. SISTEMAS DE INECUACIONES CON DOS VARIABLES ................................................................................................................... 2.3.5. COMPROBACIÓN DE LA SOLUCIÓN DEL SISTEMA DE INECUACIONES ........................................................................................ 2.4. PROBLEMAS DE OPTIMIZACIÓN .............................................................................................................................................................. 3 2.4.1. PASOS PARA LA RESOLUCIÓN DE PROBLEMAS DE OPTIMIZACIÓN ............................................................................................ 3 2.4.2. PLANTEAMIENTO DE PROBLEMAS DE OPTIMIZACIÓN (MAXIMIZACIÓN) ................................................................................... 2.4.3. PLANTEAMIENTO DE PROBLEMAS DE OPTIMIZACIÓN (MINIMIZACIÓN).................................................................................... 4 2.5. RESOLUCIÓN DE PROBLEMAS POR EL MÉTODO GRÁFICO .......................................................................................................... 2.6. TIPOS DE SOLUCIONES POR EL MÉTODO GRÁFICO ............................................................................................................................................ 2.6.1. SOLUCIÓN ÓPTIMA ÚNICA ACOTADA ........................................................................................................................................ 2.6.2. SOLUCIÓN ÓPTIMA MÚLTIPLE ACOTADA ................................................................................................................................... 2.6.3. SOLUCIÓN ÓPTIMA ÚNICA NO ACOTADA .................................................................................................................................. 2.6.4. SOLUCIÓN ÓPTIMA MÚLTIPLE NO ACOTADA ............................................................................................................................. 6 2.6.5. NINGUNA SOLUCIÓN ................................................................................................................................................................. 2.7. RESOLUCIÓN DE PROBLEMAS POR EL MÉTODO SIMPLEX .......................................................................................................... 2.7.1. MAXIMIZACIÓN POR EL MÉTODO SIMPLEX CON SIGNO (MENOR IGUAL: “≤ “) ................................................. 7 2.7.2. MAXIMIZACIÓN POR EL MÉTODO SIMPLEX CON SIGNO (MAYOR IGUAL: “≥ “) ................................................. 8 2.7.3. MAXIMIZACIÓN POR EL MÉTODO SIMPLEX CON SIGNO (IGUAL: “ = “) .............................................................. 2.8. MINIMIZACIÓN POR EL MÉTODO SIMPLEX .................................................................................................................................... 9 2.9. DEGENERACIÓN, SOLUCIONES NO ACOTADAS, SOLUCIONES ÓPTIMAS MULTIPLEX EN EL MÉTODO SIMPLEX. .................................... 10 2.9.1. DEGENERACIÓN ....................................................................................................................................................................... 10 2.9.2. SOLUCIONES NO ACOTADAS .................................................................................................................................................... 1 2.9.3. SOLUCIONES ÓPTIMAS MÚLTIPLES .......................................................................................................................................... 1 2.10. DUALIDAD .............................................................................................................................................................................................1 2.11. ANÁLISIS DE SENSIBILIDAD.................................................................................................................................................................... 12 2.12. PROBLEMAS PROPUESTOS .................................................................................................................................................................... 1 2.12.1. RESOLVER POR EL MÉTODO GRÁFICO ....................................................................................................................... 1 2.12.2. RESOLVER POR EL MÉTODO SIMPLEX (MAXIMIZACIÓN) .............................................................................................. 2.12.3. RESOLVER POR EL MÉTODO SIMPLEX (MINIMIZACIÓN) ............................................................................................... 1 2.12.4. RESOLVER POR EL MÉTODO SIMPLEX DEGENERACIÓN ................................................................................................ 14 2.12.5. PROBLEMAS DE DUALIDAD ...................................................................................................................................... 14 CAPÍTULO II Programación Lineal Conocimientos previos Roberto Valencia Página 25 CAPÍTULO II 2. PROGRAMACIÓN LINEAL 2.1. INTRODUCCIÓN 5En cualquier empresa, muchas de las decisiones que se toman, tienen por objeto hacer el mejor uso posible (optimización) de sus recursos. Por recursos de una empresa entendemos la maquinaria que ésta posea, sus trabajadores, capital financiero, instalaciones, y las materias primas de que disponga. Tales recursos pueden ser usados para fabricar productos (electrodomésticos, muebles, comida, ropa, etc.) o servicios (horarios de producción, planes de marketing y publicidad, decisiones financieras, etc.). La Programación Lineal (PL) es una técnica matemática diseñada para ayudar a los directivos en la planificación y toma de decisiones referentes a la asignación de los recursos. Como ejemplos de problemas donde la PL desarrolla un papel fundamental, podríamos citar según Dorfman, Samuelson, & Solow (1962) que: 1. A partir de los recursos disponibles, determinar las unidades a producir de cada bien de forma que se maximice el beneficio de la empresa. 2. Elegir materias primas en procesos de alimentación, para obtener mezclas con unas determinadas propiedades al mínimo coste. 3. Determinar el sistema de distribución que minimice el coste total de transporte, desde diversos almacenes a varios puntos de distribución. Desarrollar un plan de producción que, satisfaciendo las demandas futuras de los productos de una empresa, minimice al mismo tiempo los costes totales de producción e inventario. 2.2. CARACTERÍSTICAS DE UN PROBLEMA DE PROGRAMACIÓN LINEAL Para (Elvis, 2008) las técnicas de PL han sido ampliamente utilizadas en ámbitos tan diferentes como el militar, industrial, financiero, de marketing, e incluso agrícola. No obstante de tal diversidad de aplicaciones, todos los problemas de PL tienen cuatro propiedades comunes: 1. Pretenden optimizar (maximizar o minimizar) alguna cantidad (función objetivo). Así, por ejemplo, el principal objetivo de un banquero sería maximizar beneficios, mientras que el principal objetivo de una empresa transportista podría ser minimizar los costes de los envíos. 5 http://www.uoc.edu/in3/emath/docs/Intro_IO.pdf http://www.uoc.edu/in3/emath/docs/Intro_IO.pdf CAPÍTULO II Programación Lineal Conocimientos previos Roberto Valencia Página 26 2. Habrá que tener en cuenta las restricciones que limitan el grado en el que es posible modificar las variables que afectan a nuestra función objetivo. Así, a la hora de decidir cuántas unidades de cada bien se han de producir, deberemos considerar, entre otras, las limitaciones de personal y maquinaria de que disponemos. 3. El problema debe presentar distintas alternativas posibles: si una compañía produce cuatro bienes diferentes, la dirección puede usar PL para determinar las cantidades de recursos que asigna a la producción de cada uno de ellos (podría optar por hacer una asignación ponderada, dedicar todos los recursos a la producción de un único bien abandonando la producción del resto, etc.). 4. En PL, la función objetivo debe ser una función lineal, y las restricciones deben ser expresables como ecuaciones o inecuaciones lineales. 2.3. CONOCIMIENTOS PREVIOS PARA ENTRAR A LA PROGRAMACIÓN LINEAL. Antes de entrar al estudio de la PL, vamos a revisar las ecuaciones lineales, inecuaciones lineales con dos variables, y sistemas de inecuaciones con dos variables. 2.3.1. TIPOS DE ECUACIONES LINEALES Según (Murrias, 2002). La ecuación general de la recta es: 𝑦 = 𝑚𝑥 + 𝑏, en donde vamos analizar específicamente la pendiente o inclinación de la recta (m), ya que en base a esto graficaremos las inecuaciones lineales con dos variables. Vamos, a analizar los cuatro casos de la inclinación de la recta que son: Caso 1.- La pendiente es positiva, y forma un ángulo agudo menor a 900 desde el origen con el eje positivo de la x. Ecuación general: 𝒚 = 𝒎𝒙 + 𝒃 Dónde: y= Variable Dependiente x= Variable Independiente m= Es la pendiente de la recta ECUACIÓN DE LA RECTA Caso1: 𝒚 = 𝒎𝒙 + 𝒃 Caso 2: 𝒚 = −𝒎𝒙 + 𝒃 Caso 3: 𝒚 = ±𝒃 Caso 4: 𝒙 = ±𝒂 CAPÍTULO II Programación Lineal Conocimientos previos Roberto Valencia Página 27 b= Es el punto que corta a la recta en el eje y Ejemplos, graficar las siguientes ecuaciones: 1. 𝑦 = 𝑥 + 2 x y 0 1 2 3 2. 𝒚 = 𝒙 Caso 2.- La pendiente es negativa, y forma un ángulo agudo obtuso mayor a 900 desde el origen con el eje negativo de la x. Ecuación: 𝒚 = −𝒎𝒙 + 𝒃 3. 𝒚 = −𝒙 + 𝟒 X Y 0 1 4 3 -5 -4 -3 -2 -1 1 2 3 4 5 -3 -2 -1 1 2 3 4 5 6 7 x y -5 -4 -3 -2 -1 1 2 3 4 5 -5 -4 -3 -2 -1 1 2 3 4 5 x y -5 -4 -3 -2 -1 1 2 3 4 5 -1 1 2 3 4 5 6 7 8 9 x y Recta que pasa por el origen: Pasa cortando por el origen en el punto (0,0) La pendiente es 1, el ángulo es 450, b=0 El ángulo de la pendiente positiva está en el intervalo de: 𝟎𝐨;𝟗𝟎𝟎 CAPÍTULO II Programación Lineal Conocimientos previos Roberto Valencia Página 28 -4 -3 -2 -1 1 2 3 4 -4 -3 -2 -1 1 2 3 4 x y 4. 𝒚 = −𝒙 Caso 3.- La pendiente es cero, y forma un ángulo de cero grados, la recta es paralela al eje x. Ecuación: 𝒚 = 𝒃 5. 𝒚 = 𝟑 6. 𝒚 = −𝟐 Caso 4.- La pendiente es infinita, porque el momento de calcular la pendiente con la fórmula de dos puntos: 𝒎 = 𝒚𝟐−𝒚𝟏 𝒙𝟐−𝒙𝟏 tenemos una división para cero, eso dentro de límites es infinito (∞) y forma un ángulo de noventa grados con respecto al eje x, la recta es paralela al eje y. -5 -4 -3 -2 -1 1 2 3 4 5 -5 -4 -3 -2 -1 1 2 3 4 5 x y Recta que pasa por el origen: Pasa cortando por el origen en el punto (0,0) La pendiente es -1, el ángulo es 1350, b=0 El ángulo de la pendiente negativa está en el intervalo de: 𝟗𝟎𝐨; 𝟏𝟖𝟎𝟎 -5 -4 -3 -2 -1 0 1 2 3 4 5 2.5 3.0 3.5 4.0 x y Nota: La pendiente es cero, y también el ángulo de inclinación es cero, por lo que la recta es paralela al eje x. CAPÍTULO II Programación Lineal Conocimientos previos Roberto Valencia Página 29 Ecuación: 𝒙 = 𝒂 7. 𝒙 = 𝟒 8. 𝒙 = −𝟏 2.3.2. INECUACIONES LINEALES CON DOS VARIABLES Según (Grossman S., 2008). Una inecuación lineal con dos incógnitas es cualquier desigualdad que, directamente o mediante transformaciones de equivalencia, se pueden expresar de las formassiguientes: 𝑎𝑥 + 𝑏𝑦 + 𝑐 > 0; 𝑎𝑥 + 𝑏𝑦 + 𝑐 < 0; 𝑎𝑥 + 𝑏𝑦 + 𝑐 ≥ 0; 𝑎𝑥 + 𝑏𝑦 + 𝑐 ≤ 0 En donde: a, b, c, pertenecen a los reales. La solución general está formada por el conjunto de todos los pares (𝑥1, 𝑦1) que verifican la inecuación. Como estudiamos en el tema anterior, la ecuación de la recta, cuando intercambiamos el signo de desigualdad por el signo igual, obtenemos una ecuación que viene a ser la frontera de la solución de la desigualdad. Para resolver estas inecuaciones, hay que representar gráficamente en el plano la recta dada por la correspondiente ecuación lineal y marcar una de las dos regiones en que dicha recta divide al plano. -5 -4 -3 -2 -1 1 2 3 4 5 -5 -4 -3 -2 -1 1 2 3 4 5 x y -5 -4 -3 -2 -1 1 2 3 4 5 -5 -4 -3 -2 -1 1 2 3 4 5 x y 𝒎 = ∞ á𝒏𝒈𝒖𝒍𝒐 = 𝟗𝟎𝒐 Recuerda: La pendiente es infinita, y el ángulo de inclinación es 90o, por lo que la recta es paralela al eje y. CAPÍTULO II Programación Lineal Conocimientos previos Roberto Valencia Página 30 Ejemplo: (Vera, 2005).Si queremos resolver la inecuación: 4𝑦 + 2𝑥 + 8 ≤ 0, representamos en primer lugar la recta: 4𝑦 + 2𝑥 + 8 ≤ 0, en la que intercambiamos el signo de desigualdad por el signo igual. Para ello despejamos la variable y, y damos dos puntos que corten a los ejes x, y como se observa en la tabla siguiente: 𝟒𝒚 + 𝟐𝒙 + 𝟖 = 𝟎, a toda la ecuación divido para (2) 2𝑦 − 𝑥 − 4 = 0 𝑦 = −𝑥−4 2 X Y 0 -2 -4 0 La recta divide al plano en dos partes, una de las cuales es la solución de la inecuación. Para saber que parte es la solución hay dos procedimientos: Método # 1.- Se despeja la variable (y), de la inecuación, teniendo cuidado de que si en una inecuación multiplicamos o dividimos por un número negativo, la desigualdad cambia de sentido. En este caso tenemos que: 𝑦 ≤ −𝑥 − 4 2 Observando la gráfica vemos que la recta divide al eje de ordenadas (y) en dos partes. La solución de la inecuación será aquella parte que está por debajo de la recta en el eje (y), es decir, la parte inferior, por lo que al despejar la ordenada, tenemos el sentido de desigualdad (≤), quiere decir que se pinta la solución por debajo de la recta, cuando tengamos el sentido de desigualdad (≥), la solución se pinta por encima de la recta con respecto del eje (y). -5 -4 -3 -2 -1 1 2 3 4 5 -4 -3 -2 -1 1 2 3 4 x y Recuerda: Se pinta el semiplano inferior, desde la recta que corta con el eje y, por lo que al despejar la inecuación el sentido es: ≤ CAPÍTULO II Programación Lineal Conocimientos previos Roberto Valencia Página 31 Método # 2.- Se toma un punto cualquiera el más fácil, que será siempre el punto (0,0) que no pertenezca a la recta. Para que dicho punto sea solución, se tendrá que cumplir la desigualdad, por lo que sustituimos en la inecuación inicial el (0,0): 4𝑦 + 2𝑥 + 8 ≤ 0 4(0) + 2(0) + 8 ≤ 0, es decir: 8 ≤ 0 Como esta última desigualdad es evidentemente falsa, concluimos que el semiplano que contiene al (0,0) No es la solución, por lo que se pinta el semiplano inferior, como habíamos obtenido antes. Si al graficar otra inecuación por este segundo método, al reemplazar en la inecuación inicial el punto (0,0), la desigualdad es verdadera, se pinta el semiplano que contiene dicho punto, y esa es la solución. Cualquiera de los procedimientos es válido si se realiza correctamente. 2.3.3. PASOS PARA GRAFICAR LAS INECUACIONES LINEALES Para graficar una inecuación lineal seguiremos los pasos expuestos por el autor Barsov (1972) que sugiere: 1. Reemplazar el signo de desigualdad por el signo igual y dividir el plano cartesiano tomando como frontera la recta que representa la ecuación obtenida. 2. Tomar puntos de prueba en cada región y verificar si satisfacen la desigualdad, por cualquiera de los dos métodos. 3. Graficar la solución, teniendo en cuenta que si la desigualdad es ≥ o ≤ la frontera está incluida en la solución, en caso contrario la frontera no está incluida, y se grafica con líneas entrecortadas. 9. Ejemplos: graficar la inecuación: 𝟐𝒙 − 𝟑𝒚 + 𝟓 ≤ 𝟎 2𝑥 − 3𝑦 + 5 ≤ 0 −3𝑦 ≤ −2𝑥 − 5, a esta inecuación multiplicamos por (-1) 3𝑦 ≥ 2𝑥 + 5 𝑦 ≥ 2𝑥 + 5 3 x y 0 5/3 -5/2 0 CAPÍTULO II Programación Lineal Conocimientos previos Roberto Valencia Página 32 10. Graficar: 𝟓𝒙 + 𝟒𝒚 ≥ 𝟎 𝑦 ≥ −5𝑥 4 x y 0 0 4 -5 11. Graficar la inecuación: 𝒙 + 𝒚 + 𝟓 < 𝟎 𝑥 + 𝑦 + 5 < 0 𝑦 < −𝑥 − 5 x y 0 -5 -5 0 Recuerda: La frontera de la desigualdad pasa por el origen, el primer punto es (0,0), el otro se escoge cualquiera de preferencia entero. Recuerda: Se pinta el semiplano superior, desde la recta que corta con el eje y, por lo que al despejar la inecuación el sentido es: ≥ Nota: No te olvides que la inecuación inicial fue: ≤, y al multiplicar por (-1), cambia el sentido de desigualdad. Recuerda: La inecuación no tiene igual, en consecuencia, la recta que es la frontera no es solución, y la línea va entrecortada. CAPÍTULO II Programación Lineal Conocimientos previos Roberto Valencia Página 33 Recuerda: Los valores en x mayores que dos, y menores o iguales que cuatro son: 2.1, 3,4 Intervalo: (2; 4 12. Graficar: 𝒚 ≥ 𝟐 13. Graficar: 𝟐 < 𝒙 ≤ 𝟒 2.3.4. SISTEMAS DE INECUACIONES CON DOS VARIABLES Se llama sistema de n inecuaciones lineales con dos incógnitas al conjunto formado por n de estas inecuaciones, es decir: { 𝑎1𝑥 + 𝑏1𝑦 + 𝑐1 < 0 𝑎2𝑥 + 𝑏2𝑦 + 𝑐2 ≥ 0 …… . . 𝑎𝑛𝑥 + 𝑏𝑛𝑦 + 𝑐𝑛 ≤ 0 Los signos de desigualdad, pueden ser: ≤; ≥; >; < Obtener la solución de un sistema de este tipo supone obtener el semiplano solución de cada una de las inecuaciones que lo forman y averiguar la intersección de todos ellos. Recuerda: Los valores en (y) mayores o iguales que dos son: 2,3,4,5,… Intervalo: 2;∞) CAPÍTULO II Programación Lineal Conocimientos previos Roberto Valencia Página 34 La solución de un sistema de n inecuaciones lineales con dos incógnitas es siempre un conjunto convexo. Se llama conjunto convexo a una región del plano tal; que para dos puntos cualesquiera de la misma, el segmento que los une está íntegramente contenido en dicha región. Como casos particulares, un conjunto convexo puede quedar reducido a una recta, a una semirrecta, a un segmento, a un punto o al conjunto vacío. Los segmentos que delimitan un conjunto convexo se llaman bordes o lados y, la intersección de ellos, vértices. Los vértices y puntos de los lados que pertenezcan a la solución del sistema de inecuaciones se denominan puntos extremos. Un conjunto convexo puede ser cerrado o abierto respecto a cada lado o vértice según se incluya éste o no en la solución. Puede ser acotado o no acotado, según su área sea o no finita. 14. Graficar el siguiente sistema de inecuaciones: { 2𝑥 + 3𝑦 ≥ −3 (𝟏) 2𝑥 − 𝑦 − 9 ≤ 0 (𝟐) 2𝑥 − 5𝑦 − 5 ≥ 0 (𝟑) Inecuación # 1 Inecuación # 2 Inecuación # 3 2𝑥 + 3𝑦 ≥ −3 3𝑦 ≥ −3 − 2𝑥 𝑦 ≥ − 2𝑥 3 − 1 2𝑥 − 𝑦 − 9 ≤ 0 −𝑦 ≤ 9 − 2𝑥 ∗ (−1) 𝑦 ≥ 2𝑥 − 9 2𝑥 − 5𝑦 − 5 ≥ 0 −5𝑦 ≥ 5 − 2𝑥 ∗ (−1) 5𝑦 ≤ 2𝑥 − 5 𝑦 ≤ 2𝑥 5 − 1 Pasos para graficar el sistema de inecuaciones: Paso # 1.- Se numera las restricciones Paso # 2.- Se despeja la variable y de cada inecuación. Paso # 3.- Se realiza la tabla de valores con dos puntos, cuando x= 0; cuando y= 0; además cuando la recta pasa por el origen se toma cualquier valor. Paso # 4.- Se grafica cada una de las inecuaciones dependiendo del sentido de desigualdad(≤;≥), obtenida en el paso # 2. Paso # 5.- Se pinta la intersección de todas las inecuaciones. Dicha región pintada es la solución del sistema. De no intersecarse una de ellas entonces el sistema no tiene solución. CAPÍTULO II Programación Lineal Conocimientos previos Roberto Valencia Página 35 Tabla de valores x y 0 -1 -3/2 0 Tabla de valores x y 0 -9 9/2 0 Tabla de valores x Y 0 -1 5/2 0 / 2.3.5. COMPROBACIÓN DE LA SOLUCIÓN DEL SISTEMA DE INECUACIONES Para comprobar la zona sombreada o la intersección de todas las inecuaciones, escogemos un punto cualquiera que esté dentro de la zona pintada, y remplazamos en cada una de las inecuaciones, dicho punto debe satisfacer todas las inecuaciones. Ejemplo del ejercicio # 14. { 2𝑥 + 3𝑦 ≥ −3 2𝑥 − 𝑦 − 9 ≤ 0 2𝑥 − 5𝑦 − 5 ≥ 0 Observamos la solución de la gráfica pintada y seleccionamos el P (2,-1). Reemplazamos el punto P (2,-1) en el sistema de inecuaciones iniciales. CAPÍTULO II Programación Lineal Conocimientos previos Roberto Valencia Página 36 Inecuación # 1 Inecuación # 2 Inecuación # 3 2𝑥 + 3𝑦 ≥ −3 2(2) + 3(−1) ≥ −3 4 − 3 ≥ 0 1 ≥ −3 Verdadero 2𝑥 − 𝑦 − 9 ≤ 0 2(2) − (−1) − 9 ≤ 0 4 + 1 − 9 ≤ 0 −4 ≤ 0 Verdadero 2𝑥 − 5𝑦 − 5 ≥ 0 2(2) − 5(−1) − 5 ≥ 0 4 + 5 − 5 ≥ 0 4 ≥ 0 Verdadero 15. Graficar el siguiente sistema de inecuaciones: { 𝑥 ≥ 0 (𝟏) 𝑦 ≥ 0 (𝟐) 𝑦 + 𝑥 − 2 ≤ 0 (𝟑) Inecuación # 1 Inecuación # 2 Inecuación # 3 𝑥 ≥ 0 𝑦 ≥ 0 𝑦 + 𝑥 − 2 ≤ 0 𝑦 ≤ −𝑥 + 2 Interpretación de la recta La recta es paralela al eje y 𝒙 = 𝟎 Solución: 𝟎;+∞) Interpretación de la recta La recta es paralela al eje x 𝒚 = 𝟎 Solución: 𝟎;+∞) Tabla de valores x y 0 2 2 0 Recuerda: Las inecuaciones 𝑥 ≥ 0; 𝑦 ≥ 0; quiere decir que la solución es el primer cuadrante, y todo dependerá de las otras inecuaciones. CAPÍTULO II Programación Lineal Conocimientos previos Roberto Valencia Página 37 16. Graficar el siguiente sistema de inecuaciones: { 𝑥 + 𝑦 > 1 (𝟏) 3𝑥 − 5 ≤ 𝑦 (𝟐) 𝑦 < 2𝑥 (𝟑) Inecuación # 1 Inecuación # 2 Inecuación # 3 𝑥 + 𝑦 > 1 𝑦 > −𝑥 + 1 3𝑥 − 5 ≤ 𝑦 𝑦 ≥ 3𝑥 − 5 𝑦 < 2𝑥 Recta que pasa por el origen Tabla de valores x y 0 1 1 0 Tabla de valores x y 0 -5 5/3 0 Tabla de valores x Y 0 0 1 2 17. Graficar el siguiente sistema de inecuaciones: { 1 ≤ 𝑦 ≤ 4 (𝟏) 2 ≤ 𝑥 ≤ 4 (𝟐) 𝑦 ≥ 𝑥 (𝟑) Recuerda: Las inecuaciones número uno y tres, las rectas son entrecortadas porque no contiene el signo igual. CAPÍTULO II Programación Lineal Conocimientos previos Roberto Valencia Página 38 Inecuación # 1 Inecuación # 2 Inecuación # 3 1 ≤ 𝑦 ≤ 4 2 ≤ 𝑥 ≤ 4 𝑦 ≥ 𝑥 Recta que pasa por el origen Interpretación de la recta La recta es paralela al eje x 𝒚 = 𝟏 ; 𝒚 = 𝟒 Solución: 𝟏; 𝟒 Interpretación de la recta La recta es paralela al eje y 𝒙 = 𝟐; 𝒙 = 𝟒 Solución: 𝟐; 𝟒 Tabla de valores x Y 0 0 2 2 2.4. PROBLEMAS DE OPTIMIZACIÓN Optimización.- Para tener significado, esto debería escribirse en una expresión matemática que contenga una o más variables, cuyos valores deben determinarse. La pregunta que se formula, en términos generales, es ¿qué valores deberían tener estas variables para que la expresión matemática tenga el mayor valor numérico posible (maximización) o el menor valor numérico posible (minimización)?. A este proceso general de maximización o minimización se lo denomina optimización. La optimización, también denominada programación matemática, sirve para encontrar la respuesta que proporciona el mejor resultado, la que logra mayores ganancias, mayor producción o felicidad o la que logra el menor costo, desperdicio o malestar. Con frecuencia, estos problemas implican utilizar de la manera más eficiente los recursos, tales como dinero, tiempo, maquinaria, personal, existencias, etc. CAPÍTULO II Programación Lineal Conocimientos previos Roberto Valencia Página 39 Los problemas de optimización generalmente se clasifican en lineales y no lineales, según las relaciones del problema sean lineales con respecto a las variables. Existe una serie de paquetes de software para resolver problemas de optimización. Por ejemplo, QM for windows o WinQSB, resuelven modelos de programas lineales6. 2.4.1. PASOS PARA LA RESOLUCIÓN DE PROBLEMAS DE OPTIMIZACIÓN 1. Definición de variables: Como primer paso para modelar ordenadamente un problema de optimización, debemos distinguir qué variables son aquellas sobre las que vamos a tomar decisiones en el problema, siendo cuidadosos y definidas en forma concreta. Estas variables por lo general las podemos identificar en la pregunta del problema y generalmente se designan con letras sub-indizadas. Cada variable debe presentar una cantidad que corresponda a una misma unidad de medida (utilidad, horas, artículos, precios, entre otros). 𝑥1, 𝑥2, 𝑥3, … 𝑥𝑛= Variables del problema. 2. Determinación de la función objetiva: Es la ecuación matemática que representa el objeto planteado, la misma que se expresa mediante una función lineal de la combinación de las variables discretas en la pregunta del problema; la que puede generar un mayor cuando se trata de maximizar beneficios y en un menor valor cuando se trata de minimizar costos. 𝑍(max 𝑜 min ) = 𝑐1𝑥1 + 𝑐2𝑥2 + 𝑐3𝑥3 + ⋯+ 𝑐𝑛𝑥𝑛 En donde: 𝑧(max 𝑜 min ) =Función Objetiva del problema (F.O.) 𝑐1, 𝑐2, 𝑐3, 𝑐𝑛 = Coeficientes unitarios que acompañan a las variables en la F.O. (beneficios, costos, precios, entre otros) 𝑥1, 𝑥2, 𝑥3, 𝑥𝑛= Variables del problema, donde se quiere llegar. 3. Planteamiento de las restricciones: Representan las condiciones y/o recursos a las que está expuesto el problema y se muestran por medio de desigualdad de tipo lineal, ya sean estas: físicas, económicas, técnicas, entre otras. 𝐴11𝑥1 + 𝐴12𝑥2 + 𝐴13𝑥3 + … + 𝐴1𝑛𝑥𝑛 𝑇1 𝐵1 𝐴21𝑥1 + 𝐴22𝑥2 + 𝐴23𝑥3 + … + 𝐴2𝑛𝑥𝑛 𝑇2 𝐵2 𝐴31𝑥1 + 𝐴32𝑥2 + 𝐴33𝑥3 + … + 𝐴3𝑛𝑥𝑛 𝑇3 𝐵3 : : : : : : : 𝐴𝑚1𝑥1 + 𝐴𝑚2𝑥2 + 𝐴𝑚3𝑥3 + … + 𝐴𝑚𝑛𝑥𝑛 𝑇𝑛 𝐵𝑛 6 http://home.ubalt.edu/ntsbarsh/opre640s/spanishd.htm#rop CAPÍTULO II Programación Lineal Roberto Valencia Página 40 En donde: 𝐴𝑖𝑗= Coeficiente que acompaña a las variables en las restricciones. 𝑥1, 𝑥2, 𝑥3, 𝑥𝑛= Variables de decisión del problema 𝑇1, 𝑇2, 𝑇3, 𝑇𝑛= Signo de restricción del problema (≥, ≤, =) 𝐵1, 𝐵2, 𝐵3, 𝐵𝑛= Disponibilidad del problema Para la asignación de los signos, con respecto a la disponibilidad, no pueden tener una desigualdad estricta con los signos ≥ o ≤, deben ser con los signos ≥, ≤ o =. Con frecuencia las restricciones suelen ir con signo ≤ cuando se trata de maximización y con el signo ≥ cuando se trata de minimización; además no es una regla general, se pueden identificar los signos de las restricciones mediante la terminología en los enunciados tales como: Para ≥: “mayor igual a”, “al menos”, “por lo menos”, “como mínimo”, “un mínimo de”, otros similares. Para ≤: “menor igual a”, “a lo mucho”, “cuando mucho”, “como máximo”, “no más de”, otros similares. Para =: “igual a”, “únicamente”, “un total de”, otros similares. Para el planteamiento de las restricciones se puede hacer uso de una tabla (opcional) facilitará la identificación de los recursos, donde las variables de las restriccionesdeben estar siempre en las mismas unidades; dicho de otra forma más simple, si un recurso está dado por horas, los espacios correspondientes a las variables tendrán que estar en horas, y por ende la disponibilidad también deberá estar en horas, caso contrario se tendrá que realizar la conversión de unidades. RECURSOS VARIABLES DISPONIBILIDAD Mano de obra (horas) 𝑥1 𝑥2 … 𝑥𝑛 Horas horas horas horas horas 4. Condiciones de no negatividad: Son restricciones adicionales que nos indican que las soluciones obtenidas deben ser siempre positivas, es decir, mayores o igual a cero. 𝑥𝑛 ≥ 0 5. Condiciones de optimización: Es la utilización de algún método para la resolución del problema, el mismo que nos ayudará a interpretar la solución, pueden ser: Método gráfico. Método simplex primal. Método simplex dual. Modelo de transporte. Conocimientos previos CAPÍTULO II Programación Lineal Roberto Valencia Página 41 2.4.2. PLANTEAMIENTO DE PROBLEMAS DE OPTIMIZACIÓN (MAXIMIZACIÓN) 18. Una fábrica produce dos tipos de camisas A y B; las camisas de tipo A requieren 2.5 minutos para corte y 5 minutos para confección; las de tipo B, requieren 4 minutos para corte y 4 minutos para confección. Se necesita 1 hora y 40 minutos para corte y 2 horas para confección, siendo el beneficio de 2.5 dólares por cada camisa tipo A y 3 dólares por camisa de tipo B. ¿Cuántas camisas de cada tipo debe producirse para obtener su máximo beneficio? 1.- Definición de variables: 𝑥1 = Camisas tipo A 𝑥2 = Camisas tipo B 2.- Función objetiva: 𝑍(max ) = 2.5𝑥1 + 3𝑥2 3.-Restricciones: 1 ℎ𝑜𝑟𝑎 40 𝑚𝑖𝑛𝑢𝑡𝑜𝑠 = 100 𝑚𝑖𝑛𝑢𝑡𝑜𝑠 2 ℎ𝑜𝑟𝑎𝑠 = 120 𝑚𝑖𝑛𝑢𝑡𝑜𝑠 RECURSOS VARIABLES DISPONIBILIDAD 𝑥1 𝑥2 Corte (min) 2.5 4 100 Confección (min) 5 4 120 { 2.5𝑥1 + 4𝑥2 ≤ 100 (𝟏) 5𝑥1 + 4𝑥2 ≤ 120 (𝟐) 4.- No negación: 𝑥1, 𝑥2 ≥ 0 19. Una fábrica produce dos tipos de productos A y B; el primero requiere la utilización de 7kg de materia prima, 2 horas/hombre de mano de obra, y 4,5 horas/máquina de utilización de maquinaria. El segundo requiere 3kg de materia prima, 3 horas/hombre de mano de obra y 4 horas máquina de utilización de maquinaria. La empresa cuenta para la fabricación de productos con los siguientes recursos: 21kg de materia prima, 12 horas/hombre de mano de obra y 18 horas/máquina. ¿Cuál es la combinación óptima de producción que maximice el beneficio, suponiendo que la fábrica estima ganar $15 por cada unidad de producto A y $ 11 por cada unidad del producto B? 1.- Definición de variables: 𝑥1 = Producto A 𝑥2 = Producto B 2.- Función objetiva: 𝑍(𝑚𝑎𝑥) = 15𝑥1 + 11𝑥2 3.-Restricciones: Conocimientos previos CAPÍTULO II Programación Lineal Roberto Valencia Página 42 RECURSOS VARIABLES DISPONIBILIDAD 𝑥1 𝑥2 Materia prima 7 kg 3 kg 21 kg Mano de obra 2h/H 3h/H 12 h/H Utilización maquinaria 4,5 h/m 4h/m 18 h/m Beneficio $15 $11 { 7𝑥1 + 3𝑥2 ≤ 21 (𝟏) 2𝑥1 + 3𝑥2 ≤ 12 (𝟐) 4,5𝑥1 + 4𝑥2 ≤ 18 (𝟑) 4.- No negación: 𝑥1, 𝑥2 ≥ 0 20. Para la fabricación de dos productos, se utilizan dos tipos de materiales M1 y M2 para la fabricación de dichos productos, P1 y P2. La disponibilidad de los materiales M1 y M2 es de 135 y 120 toneladas, en su orden. El producto P1 contiene el 30% de M1 y 40% de M2; mientras que el producto P2 contiene el 70% de M1 y 60% de M2. Las utilidades unitarias de los productos P1 y P2 son $3 y $5, respectivamente. La demanda del producto P1 está entre 25 y 130 unidades y la de P2 entre 35 y 150 unidades ¿Cuántos productos de cada uno se debe fabricar para maximizar sus utilidades? 1.- Definición de variables: 𝑥1 = Productos P1 𝑥2 = Productos P2 2.- Función objetiva: 𝑍(𝑚𝑎𝑥) = 3𝑥1 + 5𝑥2 3.-Restricciones: RECURSOS VARIABLES DISPONIBILIDAD 𝑥1 𝑥2 Material 1 (Tn) 0,30 0,70 135 Material 2 (Tn) 0,40 0,60 120 { 0,30𝑥1 + 0,70𝑥2 ≤ 135 (𝟏) 0,40𝑥1 + 0,60𝑥2 ≤ 120 (𝟐) 25𝑥1 ≤ 130 (𝟑) 35𝑥2 ≤ 150 (𝟒) 4.- No negación: 𝑥1, 𝑥2 ≥ 0 Conocimientos previos CAPÍTULO II Programación Lineal Roberto Valencia Página 43 21. Una empresa de instalaciones dispone de 195 kg de cobre, 20 kg de titanio y 14 kg de aluminio. Para fabricar 100 m de cable de tipo A, se necesitan 10 kg de cobre, 2 kg de titanio y 1 kg de aluminio, y se obtiene de él un beneficio de $ 1500. Para fabricar 100 m de cable de tipo B, se necesitan 15 kg de cobre, 1 kg de titanio y 1 kg de aluminio, y se obtiene un beneficio de $ 1000. Calcular cuántos metros de cable hay que fabricar, de cada tipo; para que el beneficio sea máximo. ¿Cuál es ese beneficio? 1.- Definición de variables: 𝑥1 = Metros de cable tipo A 𝑥2 = Metros de cable tipo B 2.- Función objetiva: 𝑍(𝑚𝑎𝑥) = 1500𝑥1 + 1000𝑥2 3.-Restricciones: RECURSOS VARIABLES DISPONIBILIDAD 𝑥1 𝑥2 Cobre (Kg) 10 15 195 Titanio (Kg) 2 1 20 Aluminio (Kg) 1 1 14 Beneficio ($) 1500 1000 { 10𝑥1 + 15𝑥2 ≤ 195 ÷ 5 2𝑥1 + 𝑥2 ≤ 20 𝑥1 + 𝑥2 ≤ 14 = { 2𝑥1 + 3𝑥2 ≤ 39 (𝟏) 2𝑥1 + 𝑥2 ≤ 120 (𝟐) 𝑥1 + 𝑥2 ≤ 14 (𝟑) 4.- No negación: 𝑥1, 𝑥2 ≥ 0 22. Un fabricante de muebles produce dos tipos de mesas: clásicas y modernas. Cada mesa del modelo clásico requiere 4 horas de lijado y 3 horas de barnizado, y deja un beneficio de 200 dólares. No deben fabricarse más de 9 de estas mesas. Cada mesa moderna necesita 3 horas de lijado y 4 horas de barnizado, y su beneficio es de 100 dólares. Se dispone de 48 horas para lijado y de 60 horas para barnizado. ¿Cuántas mesas de cada tipo se han de fabricar para que sus beneficios sean máximos? 1.- Definición de variables: 𝑥1 = Número de mesas clásicas 𝑥2 = Número de mesas modernas 2.- Función objetiva: 𝑍(𝑚𝑎𝑥) = 200𝑥1 + 100𝑥2 3.-Restricciones: Conocimientos previos CAPÍTULO II Programación Lineal Roberto Valencia Página 44 RECURSOS VARIABLES DISPONIBILIDAD 𝑥1 𝑥2 Lijado 4 3 48 Barnizado 3 4 60 Beneficio ($) 200 100 { 𝑥1 ≤ 9 (𝟏) 4𝑥1 + 3𝑥2 ≤ 48 (𝟐) 3𝑥1+4𝑥2 ≤ 60 (𝟑) 4.- No negación: 𝑥1, 𝑥2 ≥ 0 23. Un mayorista desea comprar dos tipos de televisores TV1 y TV2, los de tipo TV1 cuestan 300 dólares y los de tipo TV2 500 dólares la unidad. Dispone de 7000 dólares para realizar las compras, y en su almacén, únicamente dispone de espacio para 20 televisores. En la venta de cada televisor gana el 30% del precio de la compra. ¿Cuántos televisores de cada tipo han de comprar para maximizar su beneficio? 1.- Definición de variables: 𝑥1 = TV1 𝑥2 = TV2 2.- Función objetiva: 𝑍(𝑚𝑎𝑥) = 300(30%)𝑥1 + 500(30%)𝑥2 𝑍(𝑚𝑎𝑥) = 90𝑥1 + 150𝑥2 3.-Restricciones: RECURSOS VARIABLES DISPONIBILIDAD 𝑥1 𝑥2 Capital ($) 300 500 7000 Espacio 1 1 20 { 300𝑥1 + 500𝑥2 ≤ 7000 ÷ 100 𝑥1 + 𝑥2 = 20 = { 3𝑥1 + 5𝑥2 ≤ 70 (𝟏) 𝑥1 + 𝑥2 = 20 (𝟐) 4.- No negación: 𝑥1, 𝑥2 ≥ 0 24. Los estudiantes en la universidad deben tomar por lo menos 3 cursos de humanidades y 2 de ciencias. El número máximo permitido de cursos de ciencias es de 5. El número total de créditos en ciencias y humanidades no debe exceder de 80. Los puntos de calidad para cada curso se asignan de la manera usual: el número de horas crédito por 4 para una calificación de A, por 3 para una calificación de B y por 2 para una calificación de C. Cierto estudiante espera obtener B en todos sus cursos de ciencias. Conocimientos previos CAPÍTULO IIProgramación Lineal Roberto Valencia Página 45 Espera obtener C en la mitad de sus cursos de humanidades, B en la cuarta parte de ellos y A en el resto. Bajo esas hipótesis, ¿Cuántos cursos de cada clase debe tomar para obtener el máximo número posible de horas? 1.- Definición de variables: 𝑥1 = Curso de ciencias 𝑥2 = Curso de Humanidades 2.- Función objetiva: Calificación: A= 4 B= 3 C= 2 𝑍(𝑚𝑎𝑥) = 3𝑥1 + ( 2 2 + 3 4 + 4 4 )𝑥2 𝑍(𝑚𝑎𝑥) = 3𝑥1 + 2,75𝑥2 3.-Restricciones: RECURSOS VARIABLES DISPONIBILIDAD 𝑥1 𝑥2 Créditos 5 4 80 { 𝑥2 ≥ 3 (𝟏) 𝑥2 ≤ 12 (𝟐) 𝑥1 ≥ 4 (𝟑) 5𝑥1 + 4𝑥2 ≤ 80 (𝟒) 4.- No negación: 𝑥1, 𝑥2 ≥ 0 25. La empresa lechera Milk, no puede recibir más de 100000 litros de leche al día, debido a las limitaciones impuestas por el congestionamiento de recepción. Las políticas de la administración requieren el uso de al menos 10000 litros de leche diarios para la fabricación de queso, y el resto para ser empleado en manteca o leche embotellada, según lo permita el equipo. El beneficio de un litro según como se emplee es como sigue: Manteca $ 0.02 Leche $ 0.10 Queso $ 0.30 El equipo para fabricar manteca puede procesar hasta 60000 litros de leche por día y el de fabricar queso hasta 30000 litros de leche diarios. Plantear el problema. 1.- Definición de variables: 𝑥1 = Litros de leche para manteca Conocimientos previos CAPÍTULO II Programación Lineal Problemas de optimización Roberto Valencia Página 46 𝑥2 = Litros de leche para leche 𝑥3 = Litros de leche para queso 2.- Función objetiva: 𝑍(𝑚𝑎𝑥) = 0.02𝑥1 + 0.10𝑥2 + 0.03𝑥3 3.-Restricciones: RECURSOS VARIABLES DISPONIBILIDAD 𝑥1 𝑥1 𝑥3 Total 1 1 1 100000 Manteca 1 60000 Leche 1 10000 Queso 1 30000 { 𝑥1 + 𝑥2 + 𝑥3 ≤ 100000 (𝟏) 𝑥1 ≤ 60000 (𝟐) 𝑥2 ≤ 10000 (𝟑) 𝑥3 ≤ 3000 (𝟒) 4.- No negación: 𝑥1, 𝑥2, 𝑥3 ≥ 0 26. Un agricultor posee un terreno de 100 hectáreas, ahí quiere producir papas y arveja, por su experiencia él calcula que una hectárea puede producir 20 qq si solo siembra papas o 25 qq si solo se cultiva arveja. Los recursos con que cuenta, además del terreno, son 8000 unidades monetarias; la hectárea de papas requiere un capital de 1000 unidades monetarias y la de arveja requiere 1200 unidades monetarias, las necesidades de agua de riego son de 800 m 3 y 700 m 3 por hectárea de papas y arveja. La disponibilidad de agua en ese sector es de 5800 m 3 . Si los precios de venta son de 18 unidades monetarias por qq de papas y 16 por qq de arveja. ¿Cuánto se debe producir de cada producto para maximizar la ganancia? 1.- Definición de variables: 𝑥1 = Quintales de papas 𝑥2 = Quintales de arveja 2.- Función objetiva: 𝑍(𝑚𝑎𝑥) = 18𝑥1 + 16𝑥2 3.-Restricciones: { 1 20 𝑥1 + 1 25 𝑥2 ≤ 100 1000 20 𝑥1 + 1200 25 𝑥2 ≤ 8000 800 20 𝑥1 + 700 25 𝑥2 ≥ 5800 = { 1 20 𝑥1 + 1 25 𝑥2 ≤ 100 (1) 25𝑥1 + 24𝑥2 ≤ 4000 (2) 10𝑥1 + 7𝑥2 ≥ 1450 (3) 4.- No negación: 𝑥1, 𝑥2 ≥ 0 CAPÍTULO II Programación Lineal Problemas de optimización Roberto Valencia Página 47 2.4.3. PLANTEAMIENTO DE PROBLEMAS DE OPTIMIZACIÓN (MINIMIZACIÓN) 27. Una empresa fabricante de automóviles produce dos modelos, A y B. Tiene dos factorías, F1 y F2. En F1 se producen diariamente 6 coches tipo A y 4 tipos B, con un coste de $ 32 000 diarios. F1 no funciona más de 50 días. En F2 se producen 4 de A y 4 de B, con un coste de $ 24 000 diarios. Para abastecer el mercado, se han de poner a la venta al menos 360 coches de tipo A y al menos 300 de tipo B. ¿Cuántos días debe funcionar cada factoría para que el coste sea mínimo?, y ¿Cuál es ese costo? 1.- Definición de variables: 𝑥1 = Número de días que debe funcionar F1. 𝑥2 = Número de días que debe funcionar F2. 2.- Función objetiva: 𝑍(𝑚𝑖𝑛) = 32000𝑥1 + 24000𝑥2 3.-Restricciones: RECURSOS VARIABLES DISPONIBILIDAD 𝑥1 𝑥2 Modelo A 6 4 360 Modelo B 4 4 300 Costo ($) 32000 24000 { 0 ≤ 𝑥 ≤ 50 6𝑥1 + 4𝑥2 ≥ 360 ÷ 2 4𝑥1 + 4𝑥2 ≥ 300 ÷ 4 = { 0 ≤ 𝑥 ≤ 50 (𝟏) 3𝑥1 + 2𝑥2 ≥ 180 (𝟐) 𝑥1 + 𝑥2 ≥ 75 (𝟑) 4.- No negación: 𝑥1, 𝑥2 ≥ 0 28. Un expendio de carnes de la ciudad acostumbra preparar la carne para albondigón con una combinación de carne molida de res y carne molida de cerdo. La carne de res contiene 80% de carne y 20% de grasa, y le cuesta a la tienda 80 centavos por libra; la carne de cerdo contiene 68% de carne y 32% de grasa, y cuesta 60 centavos por libra. ¿Qué cantidad de cada tipo de carne debe emplear la tienda en cada libra de albondigón, si se desea minimizar el costo y mantener el contenido de grasa no mayor de 25%? 1.- Definición de variables: 𝑥1 = Número de libras de carne molida de res empleadas en cada libra de albondigón. 𝑥2 = Número de libras de carne molida de cerdo empleadas en cada libra de albondigón. 2.- Función objetivo: 𝑍(𝑚𝑖𝑛) = 80𝑥1 + 60𝑥2 3.-Restricciones: RECURSOS VARIABLES DISPONIBILIDAD 𝑥1 𝑥2 Grasa (res, cerdo) 0.20 0.32 0.25 Carne (res, cerdo) 1 1 1 Costo ($) 80 60 CAPÍTULO II Programación Lineal Problemas de optimización Roberto Valencia Página 48 { 0.20𝑥1 + 0.32𝑥2 ≤ 0.25 ∗ 100 𝑥1 + 𝑥2 = 1 = { 20𝑥1 + 32𝑥2 ≤ 25 (𝟏) 𝑥1 + 𝑥2 = 1 (𝟐) 4.- No negación: 𝑥1, 𝑥2 ≥ 0 29. Se desea realizar una mezcla con dos sustancias, A y B, que ha de contener como mínimo 10 unidades de cada una de ellas. Estas sustancias las venden dos proveedores en forma de lotes. El lote del primer proveedor es tal, que los contenidos de B y de A están en relación de 4 a 1 y hay una unidad de A. El lote del segundo proveedor es tal que los contenidos de A y de B están en relación de 4 a 1 y hay una unidad de B. El primer proveedor vende cada lote a $10 y el segundo al doble. Ambos proveedores nos venden lotes enteros o fracciones de ellos. ¿Qué número de lotes hemos de comprar para que el coste sea mínimo? 1.- Definición de variables: 𝑥1 = Lotes del primer proveedor. 𝑥2 = Lotes del primer proveedor. 2.- Función objetiva: 𝑍(𝑚𝑖𝑛) = 10𝑥1 + 20𝑥2 3.-Restricciones: RECURSOS VARIABLES DISPONIBILIDAD 𝑥1 𝑥2 Sustancia A 1 4 10 Sustancia B 4 1 10 Costo ($) 10 20 { 𝑥1 + 4𝑥2 ≥ 10 (𝟏) 4𝑥1 + 𝑥2 ≥ 10 (𝟐) 4.- No negación: 𝑥1, 𝑥2 ≥ 0 30. Los responsables de un videoclub han de realizar el pedido de películas de estreno y novedades a sus proveedores. El coste de cada película de estreno es de 760 pesetas, y el de cada novedad 370. Se desea un coste total que no supere las 94500 pesetas. Por otra parte, el proveedor les exige que los estrenos sean, al menos, la mitad que las novedades, y que las novedades más la mitad de los estrenos no sea inferior a las 100 unidades. Si se desea que el total de unidades pedidas sea mínimo, ¿de cuántas unidades de cada tipo ha de constar el pedido? ¿Cuál es entonces el coste del pedido? 1.- Definición de variables: 𝑥1 = Número de películas de estreno. 𝑥2 = Número de películas de novedades. 2.- Función objetiva: 𝑍(𝑚𝑖𝑛) = 𝑥1 + 𝑥2 3.-Restricciones: CAPÍTULO II Programación Lineal Problemas de optimización Roberto Valencia Página 49 { 760𝑋1 + 370𝑋2 ≤ 94500 ÷ 10 𝑋1 ≥ 𝑋2 2 𝑋2 + 𝑋1 2 ≥ 100 = { 76𝑋1 + 37𝑋2
Compartir