Textos sobre Investigacin Operativa

(Algunos de los textos que siguen han sido tomados de Internet, otros son trabajos que han sido presentados por alumnos de la materia, los ms son apuntes propios para clases mientras que otros son transcripciones de libros varios)

1.Modelizacin. Problemas tpicos en Investigacin operativa

1.1 El Problema del Carpintero Durante un par de sesiones con un carpintero (nuestro cliente), ste nos comunica que slo abrica mesas ! sillas ! que vende todas las mesas ! las sillas que abrica en un mercado" #in embargo, no tiene un ingreso estable ! desea optimi$ar esta situacin" %l objetivo es determinar cuntas mesas ! sillas deber&a abricar para maximi$ar sus ingresos netos" 'omen$amos concentrndonos en un hori$onte de tiempo, es decir, un pla$o de plani icacin, , para revisar nuestra solucin semanalmente, si uera necesario" (ara saber ms acerca de este problema, debemos ir al negocio del carpintero ! observar lo que sucede ! medir lo que necesitamos para para ormular (para crear un modelo de) su problema" Debemos con irmar que su objetivo es maximi$ar sus ingresos netos" Debemos comunicarnos con el cliente" %b el problema del carpintero se trata de determinar cuntas mesas ! sillas se debe abricar por semana) pero primero se debe establecer una uncin objetivo *a uncin objetivo es+ ,-. / 0-1, donde -. ! -1 representan la cantidad de mesas ! sillas) ! , ! 0 representan los ingresos netos (por ejemplo, en dlares ) de la venta de una mesa ! una silla, respectivamente" *os actores limitantes, que normalmente provienen del exterior, son las limitaciones de la mano de obra (esta limitacin proviene de la amilia del carpintero) ! los recursos de materia prima (esta limitacin proviene de la entrega programada)" #e miden los tiempos de produccin requeridos para una mesa ! una silla en distintos momentos del d&a ! se calculan en 1 horas ! . hora, respectivamente" *as horas laborales totales por semana son slo 23" *a materia prima requerida para una mesa ! una silla es de . ! 1 unidades, respectivamente" %l abastecimiento total de materia prima es de ,3 unidades por semana" %n consecuencia, la ormulacin de (* es la siguiente+ 4aximi$ar , -. / 0 -1

#ujeta a+ 1 -. / -1 56 23 restriccin de mano de obra -. / 1 -1 56 ,3 restriccin de materiales tanto -. como -1 son no negativas" %ste es un modelo matemtico para el problema del carpintero" *as variables de decisin, es decir, las entradas controlables son -., ! -1" *a salida o el resultado de este modelo son los ingresos netos totales , -. / 0 -1" 7odas las unciones empleadas en este modelo son lineales (las variables de decisin estn elevadas a la primera potencia)" %l coe iciente de estas restricciones se denomina 8actores 7ecnolgicos (matri$)" %l per&odo de revisin es de una semana, un per&odo conveniente dentro del cual es menos probable que cambien ( luct9en) las entradas controlables (todos los parmetros tales como ,, ,3, 1,"")" Incluso en un pla$o de plani icacin tan corto, debemos reali$ar el anlisis :hat;i o de hiptesis para responder a cualquier cambio en estas entradas a los e ectos de controlar el problema, es decir, actuali$ar la solucin prescripta" <tese que dado que el 'arpintero no va a ir a la quiebra al inal del pla$o de plani icacin, agregamos las condiciones que tanto -. como -1 deben ser no negativas en lugar de los requerimientos que -. ! -1 deben ser n9meros enteros positivos" =ecuerde que las condiciones de no negatividad tambin se denominan >restricciones impl&citas>" <uevamente, un (rograma *ineal uncionar&a bien para este problema si el 'arpintero contin9a abricando estos productos" *os art&culos parciales simplemente se contar&an como trabajos en proceso ! inalmente se trans ormar&an en productos terminados, en la siguiente semana" (odemos intentar resolver -. ! -1 enumerando posibles soluciones para cada una ! seleccionado el par (-., -1) que maximice ,-. / 0-1 (los ingresos netos)" #in embargo, lleva mucho tiempo enumerar todas las alternativas posibles ! si no se enumeran todas las alternativas, no podemos estar seguros de que el par seleccionado (como una solucin) es la mejor de todas las alternativas" ?tras metodolog&as pre eridas (ms e icientes ! e ectivas), conocidas como las 7cnicas de #oluciones de (rogramacin *ineal estn disponibles en el mercado en ms de 2333 paquetes de so t:are de todo el mundo" *a solucin ptima, es decir, la estrategia ptima, , es establecer -. 5 .3 mesas ! -1 5 13 sillas" (rogramamos las actividades semanales del carpintero para que abrique .3 mesas ! 13 sillas" 'on esta estrategia (ptima), los ingresos netos son de @#A..3" %sta solucin prescripta sorprendi al carpintero dado que debido a los ma!ores ingresos netos

provenientes de la venta de una mesa (@#A,), el sol&a abricar ms mesas que sillas" B'ontratar o no contratar a un a!udanteC #upngase que el carpintero pudiera contratar a un a!udante a un costo de @#A1 por hora (adicionales A1) B*e conviene al carpintero contratar a un a!udanteC %n caso a irmativo, Bpor cuntas horasC -0 es la cantidad de horas extra, entonces el problema modi icado es+ 4aximi$ar , -. / 0 -1 ; 1 -0 #ujeta a+ 1 -. / -1 56 23 / -0 restriccin de la mano de obra con horas adicionales desconocidas -. / 1 -1 56 ,3 restriccin de materiales %n esta nueva condicin, veremos que la solucin ptima es -. 5 ,3, -1 5 3, -0 5 D3, con ingresos netos ptimos de @#A.03" (or lo tanto, el carpintero deber&a contratar a un a!udante por D3 horas" BEu pasar&a si slo lo contrata por 23 horasC *a respuesta a esta pregunta ! a otros tipos de preguntas del estilo >qu pasar&a si> (:hat;i ) se estudia en la seccin sobre anlisis de sensibilidad"

1.2 Un Problema de la Mezcla %l taller de Foe se especiali$a en cambios de aceite del motor ! regulacin del sistema elctrico" %l bene icio por cambio del aceite es AG ! de A., por regulacin o ajuste" Foe tiene un cliente ijo con cu!a lota, le garanti$a 03 cambios de aceite por semana" 'ada cambio de aceite requiere de 13 minutos de trabajo ! AH de insumos" @na regulacin toma una hora de trabajo ! gasta A., en insumos" Foe paga a los mecnicos A.3 por hora de trabajo ! emplea actualmente a dos de ellos, cada uno de los cuales labora 23 horas por semana" *as compras de insumos alcan$an un valor de A."G,3 semanales" Foe desea maximi$ar el bene icio total" 8ormule el problema" %sto es una pregunta de programacin lineal" @na porcin de un cambio del aceite o del ajuste no es actible" -. 5 'ambios del aceite, ajuste -1 5 Ajuste 4aximi$ar G-. / .,-1

#ujeta a+ -. I5 03 'uenta De la 8lota 13-. / D3-1 65 2H33 tiempo de trabajo H-. / .,-1 65 .G,3 (rimas 4aterias -. , -1 I5 3" 1.3 Otras Aplicaciones Comunes de PL *a programacin lineal es una herramienta poderosa para seleccionar alternativas en un problema de decisin ! por consiguiente se aplica en una gran variedad de entornos de problemas" *a cantidad de aplicaciones es tan alta que ser&a imposible enumerarlas todas" A continuacin, indicamos algunas de las principales aplicaciones que cubren las reas uncionales ms importantes de una organi$acin empresarial" 8inan$as+ el problema del inversor podr&a ser un problema de seleccin del mix de su cartera de inversiones" %n general, la variedad de carteras puede ser mucho ma!or que lo que indica el ejemplo ! se pueden agregar muchas ms restricciones distintas" ?tro problema de decisin implica determinar la combinacin de mtodos de inanciacin para una cantidad de productos cuando existe ms de un mtodo de inanciacin disponible" %l objetivo puede ser maximi$ar las ganancias totales cuando las ganancias de un producto determinado dependen del mtodo de inanciacin" (or ejemplo, se puede inanciar con ondos internos, con deuda a corto pla$o o con inanciacin intermedia (crditos amorti$ados)" (uede haber limitaciones con respecto a la disponibilidad de cada una de las opciones de inanciacin, as& como tambin restricciones inancieras que exijan determinadas relaciones entre las opciones de inanciacin a los e ectos de satis acer los trminos ! condiciones de los prstamos bancarios o inanciacin intermedia" 7ambin puede haber l&mites con respecto a la capacidad de produccin de los productos" *as variables de decisin ser&an la cantidad de unidades que deben ser inanciadas por cada opcin de inanciacin" Ejemplo+ @n empresario tiene la opcin de invertir su dinero en dos planes" %l plan A garanti$a que cada unidad monetaria invertida ganar A3"G dentro de un aJo, el plan K garanti$a una rentabilidad de A1 dentro de dos aJos" %n el plan K se permiten 9nicamente las inversiones para per&odos que sean m9ltiplos de dos aJos" B'mo deben invertirse A.33"333 a in de maximi$ar las ganancias al inal de tres aJosC 8ormular el modelo de programacin lineal"

#ea -a. ! -a1 lo invertido en el plan A el primer ! segundo aJo, -b. ! -b1 lo invertido en el plan K el primer ! segundo aJo" (ara el primer aJo+ Xa1+Xb1 = 100.000

%l capital ms la ganancia de -a. al inal del primer aJo es ."G-a." %sta cantidad se debe volver a invertir en los planes A ! K ! por ello resulta la otra restriccin (ara el segundo aJo 1.7Xa1 = Xa2+Xb2

*o que se invirti en A el aJo 1 produce al inal de este aJo ."GL-a1 ! todo esto se debe invertir solamente en el plan A pues el pla$o para sacar todo el dinero es tres aJos" Al inal del aJo 0 esta cantidad ha producido ."GL."GL-a1, mientras que la cantidad -b1 produce 0L-b1 al inal del aJo tres" %l capital ms la ganancia de -b. al inal del segundo (solo se permiten en K inversiones de m9ltiplos de dos aJos) aJo es 0L-b." %sta cantidad slo se puede reinvertir en el plan A ! produce ."GL0L-b. *a cantidad total recolectada al inal del aJo tres es max = 1.7!1.7Xa2+"Xb2+1.7!"Xb1 Administracin de (roduccin ! ?peraciones+ muchas veces en las industrias de proceso, una materia prima en particular puede trans ormarse en una gran variedad de productos" (or ejemplo, en la industria petrolera, el crudo puede re inarse para producir na ta, Merosene, aceite para cale accin ! distintas clases de aceite para motor" #eg9n el margen de ganancia actual de cada producto, el problema es determinar la cantidad que se deber&a abricar de cada producto" %sta decisin est sujeta a numerosas restricciones tales como l&mites de las capacidades de diversas operaciones de re inado, disponibilidad de materia prima, demandas de cada producto ! pol&ticas gubernamentales con respecto a la abricacin de determinados productos" %n la industria de productos qu&micos ! de procesamiento de alimentos existen problemas similares" =ecursos Numanos+ los problemas de plani icacin de personal tambin se pueden anali$ar con programacin lineal" (or ejemplo, en la industria tele nica, la demanda de servicios de personal de instalacin O reparacin son estacionales" %l problema es determinar la cantidad de personal de instalacin O reparacin ! reparacin de l&neas que debemos tener

incorporada en la uer$a laboral por cada mes a in de minimi$ar los costos totales de contratacin, despido, horas extras ! salarios en horas ordinarias" %l conjunto de restricciones comprende restricciones con respecto a la demanda de servicio que se debe satis acer, uso de horas extra, acuerdos con los sindicatos ! la disponibilidad de personal cali icado para contratar" %ste ejemplo es opuesto a la hiptesis de divisibilidad" #in embargo, los niveles de uer$a laboral de cada mes normalmente son lo su icientemente altos como para poder redondear al n9mero entero ms cercano sin problemas, siempre ! cuando no se violen las restricciones" 4arMeting+ se puede utili$ar la programacin lineal para determinar el mix adecuado de medios de una campaJa de publicidad" #upngase que los medios disponibles son radio, televisin ! diarios" %l problema es determinar cuntos avisos ha! que colocar en cada medio" (or supuesto que el costo de colocacin de un aviso depende del medio elegido" %l objetivo es minimi$ar el costo total de la campaJa publicitaria, sujeto a una serie de restricciones" Dado que cada medio puede proporcionar un grado di erente de exposicin a la poblacin meta, puede haber una cota in erior con respecto a la exposicin de la campaJa" Asimismo, cada medio puede tener distintos ratings de e iciencia para producir resultados deseables ! por consiguiente puede haber una cota in erior con respecto a la e iciencia" Adems, puede haber l&mites con respecto a la disponibilidad para publicar en cada medio" Distribucin+ otra aplicacin de programacin lineal es el rea de la distribucin" 'onsidere un caso en el que existen m bricas que deben enviar productos a n depsitos" @na determinada brica podr&a reali$ar env&os a cualquier cantidad de depsitos" Dado el costo del env&o de una unidad del producto de cada brica a cada depsito, el problema es determinar el patrn de env&o (cantidad de unidades que cada brica env&a a cada depsito) que minimice los costos totales" %ste decisin est sujeta a restricciones que exigen que cada brica no pueda enviar ms productos de los que tiene capacidad para producir" #roblema $e control % mantenimiento $e inventarios+ en una ciudad se venden anualmente ., unidades de tractores 'aterpillar" %l costo de almacenamiento de esta maquinaria en bodegas especiales corresponde a un 0P del valor del inventario" %l costo de e ectuar una compra, esto es, estudiar las coti$aciones del exterior, hacer la orden de compra, gestionar los documentos de aduana ! enviar el pago, es de AH3"333" %l costo de cada equipo asciende a A1,3"333"

#e pide hallar la cantidad ptima de tractores a comprar, de manera tal que el costo total asociado a la compra sea el m&nimo posible" #roblema $e planeacin $e la pro$&ccin+ una pequeJa brica de muebles de lujo produce dos modelos de comedores, el clsico ! el Imperio" *a utilidad que produce cada uno de ellos es de A103 ! A1Q, respectivamente" Ambos modelos requieren de , horas en total en la seccin de corte ! el clsico necesita ., horas para ensamble de las pie$as mientras que el imperio consume .G horas"" (ara un juego de estilo clsico se consumen 03 pies c9bicos de madera mientras que para el estilo imperio se requieren 02 pies c9bicos" *a brica contrata 0 cortadores ! D operarios encargados del ensamble ! pulido de las pie$as, trabajando cada uno de ellos H horas por d&a" (or problemas de inanciamiento, la cantidad mxima de madera que la brica puede adquirir es de ,333 pies c9bicos por semana" Determinar la cantidad ptima de cada uno de los juegos a producir para obtener la mxima ganancia posible" #roblema $e transporte+ una empresa posee tres centros de acopio de madera situados en 'obija, 7rinidad ! (uerto #uare$" *a madera debe ser enviada para su venta a las ciudades de *a (a$, 'ochabamba ! ?ruro" %n el cuadro siguiente se dan las tari as del transporte en dlares por cada .33 pies c9bicos de carga entre cada uno de los centros de acopio ! los de consumo, as& como la capacidad mxima de acopio ! de demanda de cada uno de ellos+ *a (a$ 'ochabamba ?ruro 'ap"max 'obija 133 1G3 1Q3 1,333 7rinidad .03 .33 .13 .,333 (to #uare$ .23 ..3 .1, 23333 Demanda .H333 .D333 2333

#e desea conocer la cantidad de madera que ha! que transportar entre cada centro de acopio ! cada centro de consumo con el in de abaratar al mximo los costos del transporte" #roblema $e elaboracin $e $ietas+ *os pacientes en ermos del cora$n deben consumir una dieta balanceada a partir de ciertos alimentos+ Aceites vegetales, carnes, rutas ! legumbres, productos lcteos, bebidas, cereales" *a me$cla ptima de estos ingredientes dentro de la alimentacin diaria debe contener las siguientes cantidades de Rinc+ mximo 3", P

Sitamina %+ al menos un 1P" Sitamina K+ m&nimo un ."GP" 'alcio+ por lo menos un .3P pero no mas de .1P" #elenio+ por lo menos .P Sitamina '+ m&nimo 3"HP pero no ms de .",P (otasio+ m&nimo HP pero un mximo de Q",P %l contenido de estos ingredientes dentro de cada uno de los alimentos, as& como su costo por Milo, se da en la tabla+ Rn(mg) Sit"%(mg) S"K 'a #n(mg) S"'(mg) T(mg) 'osto(Ks) Aceites 11 H1 H 11 'arnes Q, 1D .G 8rutas , 1H ., ,3 Q 1, 03 D *cteos 0H2 , Kebidas .1 G 0 'ereales .. ,, .0 H %l objetivo del problema es determinar las cantidades requeridas de cada alimento que vana entrar en la dieta para los en ermos, cada uno de los cuales consume en promedio 1,33 gr al d&a, cumpliendo los requerimientos antes mencionados ! minimi$ando el costo total de la elaboracin" (ara ms in ormacin sobre modeli$acin de problemas, ver la seccin
Muestra de preguntas para examen.

1.4 Fases en un proyecto de IO (ara desarrollar un pro!ecto aplicando las tcnicas de la I?, se sigue por lo general cierta secuencia de pasos que se denominaran 'ases $el pro%ecto"
1.4.1 Fase 1: antecedentes del problema

%n la primera ase de un estudio de I? se debe describir el problema lo mejor posible, enunciando las restricciones existentes en cuanto a tiempo, numero de operarios, numero de mquinas, capacidad de o erta, limitacin de la demanda etc" As& como las alternativas o l&neas de accin posibles ! lo ms importante, los objetivos del pro!ecto" 'ada una de las ases ser mejor comprendida a travs del siguiente ejemplo+

#roblema $e la ()brica $e conservas *+a conservaU %xiste un pro!ecto de instalar una brica de conservas en la ciudad de #anta 'ru$, para producir tres tipos de dulces+ mango, rutilla ! gua!aba" *os inversionistas desean optimi$ar la operacin de la brica ! para ello ordenaron un estudio sobre los procesos por los que pasa cada tipo de producto, as& como los tiempos invertidos en estos procesos, las limitaciones de recursos de la planta, las ganancias unitarias ! los costos" %n el estudio se revela que cada tipo de conserva pasa a travs de cuatro procesos+ limpiado de la ruta, triturad, coccin ! pasteuri$acin ! envasado" *os tiempos, en minutos, invertidos en cada uno de estos procesos por cada 13 Mg de ruta, se escriben en la tabla+ #roceso,'r&ta +impia$o Trit&ra$o /occin Envasa$o -ango .3 min ., D, 1, 'r&tilla 23 .H D3 ., .&a%aba ., 11 H3 .H

Tabla 1 *a brica tendr&a restricciones en su capacidad de produccin debido a que no se puede adquirir sino una mquina trituradora, dos equipos de coccin ! cuatro envasadoras" *as trituradoras ! las envasadoras sern trabajadas en dos turnos de H horas diarias ! los equipos de coccin en tres turnos de , horas diarias" #e ha pensado en contratar dos empleados que se dediquen al proceso de limpiado de la ruta trabajando cada uno de ellos H horas diarias" *os costos se han calculado de la siguiente manera+ 'ostos de mano de obraO hora incluidas prestaciones sociales Ks D 'osto de .33 Mg de mango Ks .33 'osto de .33 Mg de rutilla Ks 233 'osto de .33 Mg de gua!aba Ks .23 'osto agregado por cada .33 Mg de conserva (transporte, empaque, devaluacin de equipos, comerciali$acin etc") Ks 13

Adicionalmente se reali$ un estudio sobre el precio Vpromedio de venta de la competencia ! se vio lo siguiente+ 8rasco de .333 gr de conserva de mango 8rasco de .333 gr de conserva de rutilla 8rasco de .333 gr de conserva de gua!aba Ks .2 Ks 1, Ks .D

?tra condicin a tener en cuenta en el pro!ecto es el hecho de que se puede contar con un distribuidor al cual se le tendr&a que suministrar una cantidad m&nima semanal de .33 Mg de conserva de mango ! 0D3 Mg de rutilla" 'omo los ingresos por ventas comien$an a percibirse normalmente despus de los primeros 2, d&as de uncionamiento, se genera una restriccin adicional al tomar en cuenta que los inversionistas pueden disponer solo de Ks ..,Q1 como capital de trabajo para cancelar salarios, costos agregados ! materia prima" %l objetivo de este estudio es determinar las cantidades de cada una de las conservas a producirse para hacer que la ganancia neta sea la ma!or posible"
1.4.2 Fase 2: identificacin de parmetros variables

%n esta ase se deben identi icar los parmetros ! variables determinantes del problema pasando por alto aquellos que pare$can menos importantes con el in de obtener un modelo matemtico con un n9mero no demasiado grande de variables ! hacerlo manejable" %n el ejemplo anterior los parmetros ser&an los siguientes+ . "Disponibilidad de tiempo de las mquinas+ 7rituradora W . mquina - dos turnos - H horasOd&a 5 QD3 min por d&a 'occin+ 1 equipos - 0 turnos - , horasOd&a 5 .H33 minOd&a %nvase+ 2 mquinas - 1 turnos - H horasOd&a 5 0H23 minOd&a 1" Disponibilidad de tiempo de los operarios+ 1 operarios para limpie$a de la ruta5 .D horasOd&a 5 QD3 minOd&a 0" *os tiempos de procesamiento de cada clase de conserva" %n la tabla . se tienen los tiempos de procesamiento para 13 Mg de ruta" #e puede averiguar para cada . Mg de ruta+ #roceso,'r&ta -ango 'r&tilla .&a%aba

+impia$o Trit&ra$o /occin Envasa$o

3", min 3"G, 0"1, ."1,

1 3"Q 0 3"G,

3"G, .". 2 3"Q

2" 'osto por Mg de ruta+ 4ango+ Ks .) rutilla+ Ks 2) gua!aba Ks."2 ," %l pago por hora trabajada Ks D" D" *os costos agregados por Mg de conserva+ Ks 3"1 G" %l precio de venta+ para entrar con buenas posibilidades al mercado, el precio al cual se debe colocar el producto no debe ser superior al de la competencia; #upondremos que nuestro producto va a entrar al mercado con un precio in erior en un .3P al de la competencia, es decir que el previo por Mg de los di erentes dulces ser+ Ks .1"D , Ks 11", ! Ks .2"2 respectivamente" H" *a cantidad m&nima diaria producir debe ser de .33 MgOD d&as laborables 5 .D"G Mg de mango, ! 0D3OD 5 D3 Mg de rutilla" Q" *a disponibilidad de capital de trabajo+ ..,Q1 O 0D d&as 5 Ks 011 diario" De los 2, d&as, solamente 0D son laborables" *as variables del modelo son las incgnitas, esto es, la cantidad ptima de conserva de mango, de rutilla ! de gua!aba a producir para maximi$ar la ganancia" A estas variables las denotaremos como -., -1 ! -0 ! a la ganancia, que es la uncin objetivo, como Rmax"
1.4.! Fase !: dise"o de #n modelo

@na ve$ han sido identi icados los parmetros ! las variables determinantes del problema, se deben relacionar entre s& por medio de ecuaciones" %n esta ase se debe enunciar cuidadosamente el enunciado del problema para expresar en orma matemtica las interrelaciones que existan entre las variables ! los parmetros" %l conjunto de rmulas constitu!e un modelo matemtico del problema real, una descripcin abreviada de l" %n nuestro ejemplo estas relaciones sern las siguientes+ %n cuanto a disponibilidad de tiempo en los di erentes procesos+ (ara el limpiado 3",x. / 1x1 / 3"G,x0 X QD3

(ara el triturado 3"G,x. / 3"Qx1 / .".x0X QD3 (ara la coccin 0"1,x. / 0x1 / 2x0 X.H33 (ara el envasado ."1,x./ 3"G,x1 / 3"Qx0 X 0H23 %n cuanto a la cantidad m&nima diaria a producir+ (ara el mango -.Y .D"G (ara la rutilla -1Y D3 %n cuanto a la disponibilidad de capital se calcula de la siguiente orma+ (ara el mango+ el precio por Mg es Ks . %l costo agregado Ks 3"1 %n cuanto al costo de mano de obra, el tiempo total de trabajo utili$ado para preparar . Mg de conserva de mango a lo largo de los 2 procesos es 3",/3"G,/0"1,/."1, 5 ,"G, min 'ada hora de trabajo cuesta Ks D de modo que los ,"G, min cuestan Ks 3",G," *a suma de estos tres costos para la conserva de mango produce un costo total por Mg de Ks ."GG, De la misma orma, para la conserva de rutilla el costo total ser de Ks 2"HD, ! para la de gua!aba ser de Ks 1"1Q," %l costo total para producir x. Mg de conserva de mango, x1 de rutilla ! x0 de gua!aba no debe ser superior a la disponibilidad diaria de capital de trabajo, ."GG,x. / 2"HD,x1 / 1"1Q,x0 X 011 *a ecuacin que corresponde a la uncin objetivo, que es la cantidad que se quiere optimi$ar, es Rmax 5 (.1"D;."GG,)x. / (11",;2"HD,)x1 / (.2"2;1"1Q,)x0 %n este caso lo que se busca es maximi$ar la ganancia total debiendo ser expresada esta como una resta entre los precios de venta por Mg de cada tipo de conserva menos los costos unitarios (por Mg) respectivos" 'ada Mg de conserva de mango, rutilla ! gua!aba dejar entonces una ganancia neta de Ks .3"H1,, Ks .G"D0, ! Ks .1".3, respectivamente" 'ada ganancia unitaria debe ser multiplicada por la cantidad de Mg que se va!an a producir de cada uno de los tres dulces, obtenindose de esa manera la ganancia total" 'ompletndolo convenientemente ! escribindolo de manera tal que se note la matri$ que se orma, el modelo completo del problema queda+ 3",x. 3"G,x. / 1x1 / 3"Qx1 / 3"G,x0 / .".x0 X QD3 X QD3

0"1,x. / 0x1 / 2x0 ."1,x. / 3"G,x1 / 3"Qx0 . x. /3x1 / 3x0 3x. / x1 /3x0 ."GG,x. / 2"HD,x1 / 1"1Q,x0 .3"Hx. / .G"Dx1 / .1".x0

X.H33 X 0H23 Y .D"G Y D3 X 011 5Rmax

1.4.4 Fase 4: obtencin de #na sol#cin

%sta ase corresponde a los di erentes procedimientos ! tcnicas que se usan para resolver un modelo" %l anterior es un t&pico caso de aplicacin de mtodo simplex" 4ientras que ms adelante conoceremos algo sobre cmo trabaja este mtodo nos podremos servir por ahora de alg9n paquete computacional para resolverlo, puede ser 7?=A, ZI<E#K, el #?*S%= de %-'%*, *I<[?, *I<D? o alg9n otro disponible" *a respuesta del ZI<E#K es la siguiente+ 0specto $e la pantalla $el 1I2345 con el problema $e *+a conserva6 res&elto.
'ombined =eport or *a conserva .Q+0,+,G Decision Allo:able Sariable 4ax" c(j) . 1 0 4onda! 4arch 31 133Q

#olution @nit 'ost or 7otal =educed Kasis Allo:able Salue (ro it c(j) 'ontribution 'ost #tatus 4in" c(j) .3,H1,3 .G,D0,3 .1,.3,3 .H0,,DGG ."3,H,.333 3 3 3 basic Q,0D10 4 basic ;4 at bound ;4

4ango .D,Q,GH 8rutillaD3,3333 1Q,DDQD [ua!aba 3 .0,QQD0 ?bjective

;.,HQ.0 ."12.,DDH3

8unction

(4ax") 5 =ight Nand

*e t Nand Allo:able 'onstraint #ide 4ax" =N# . '. 4 .1H,2GHQ

#lacM #hado: or #urplus H0.,,1..

Allo:able

Direction 65

#ide

(rice 4in" =N# 3 .1H,2GHQ

QD3,3333

1 0 2 , D G

'1 DD,G.H0 4 '0 10,,..1G 4 '2 DD,.QG1 4 ', .D,Q,GH 'D D3,3333 D3,3Q23 'G 011,3333 .".GD,DDQ3

65 65 65 I5 I5 65

QD3,3333 ."H33,3333 0"H23,3333 .D,G333 D3,3333 011,3333

HQ0,1H.G .",D2,HHG3 0"GG0,H303

3 3 3

DD,G.H0 10,,..1G DD,.QG0 .D,Q,GH 3

3,1,GH 3 ;4 3 ;.1,302D 3

D,3QHD 01.,,21,

1.4.$ Fase $: pr#eba del modelo

anlisis de la sol#cin

%l resultado anterior indica que se deben producir .D"Q, Mg de dulce de mango, D3 de rutilla ! cero de gua!aba, para una ganancia mxima de Ks .12.,D" #e puede comprobar si esta solucin cumple con todas las restricciones simplemente reempla$ando los valores de x., x1 ! x0 en cada una de ellas ! observando si se cumple o no" Igualmente la uncin objetivo se puede hallar sustitu!endo .3"H L .D"Q, / .G"D0 L D3 / .1"0 L 3 5 .12."D %n esta ase se controla la solucin obtenida para comprobar si es aceptable" #e pueden variar los valores de los parmetros de entrada en pequeJos rangos (anlisis de sensibilidad) para ver cmo se comporta el modelo, #i se decrementa en una pequeJa cantidad la disponibilidad de capital, por ejemplo a Ks 01., se ver que el problema no tiene solucin o, lo mismo, que es in actible" In easibilit! Anal!sis or *a conserva In easible solution\\\ 4aMe an! o the ollo:ing and solve the problem again" 30;31;133Q =ight Nand @p 7o 13+12+3, 'onstraint Direction 7o =N# . '. 65 QD3,3333 3 1 '1 65 QD3,3333 3 #hado: =N# changes Add 7his

Add 4ore 7han

#ide (rice 7his 7o =N# ;H0.,HG03 4 ;HQ0,,G,2 4

0 2 , D G

'0 '2 ', 'D 'G

65 65 I5 I5 65

."H33,3333 0"H23,3333 .D,G333 D3,3333 01.,3333

3 ;.",DD,3D33 4 3 ;0"GG2,13Q3 4 2,0Q3Q ;4 ;3,..., 3 ;4 ;3,..., 0,D12Q 3,,21, 1"310,,0.3

#i las condiciones del problema cambiaran ! la demanda m&nima diaria de rutilla se redujera por ejemplo a ,3 Mg, la nueva solucin ser&a mejor que la anterior pues R valdr&a Ks .0D1 'ombined =eport or *a conserva 13+1D+0Q 4onda! 4arch 31 133Q

c(j) . 1 0

Decision #olution @nit 'ost or 7otal =educed Kasis Allo:able Allo:able Sariable Salue (ro it c(j) 'ontribution 'ost #tatus4in" 4ax" c(j) 4ango Q,0D10 8rutilla 1Q,DDQD [ua!aba .0,QQD0 ?bjective 22,0DD1 4 ,3,3333 3 .3,H1,3 .G,D0,3 3 2H3,1D2. HH.,G,33 ;.,HQ.0 ."0D1,3.23 3 3 basic basic ;4 ;4

.1,.3,3

at bound

8unction

(4ax") 5

*e t Nand =ight Nand #lacM #hado: Allo:able Allo:able 'onstraint #ide Direction #ide or #urplus (rice 4in" =N# 4ax" =N# . 1 0 '. 4 '1 4 '0 4 .11,.H0. GH,1G2G 1Q2,.Q31 65 65 65 QD3,3333 QD3,3333 H0G,H.DQ HH.,G1,0 3 3 .11,.H0. GH,1G2G 1Q2,.Q31

."H33,3333 .",3,,H.33 3

2 , D G

'2 Q1,Q,GH 4 ', 22,0DD1 22,0DD1 'D ,3,3333 D3,3Q23 'G 011,3333 .".22,2323

65 I5 I5 65

0"H23,3333 0"G2G,3213 3 .D,G333 ,3,3333 011,3333 1G,DDD1 3 3 3

Q1,Q,GH ;4 3 1G1,HQ1,

;.1,302D D,3QHD

1.5 Ejemplo de aplicacin Frugo.

(Apartes de un trabajo presentado por alumnos de la materia)

'0/7+T08 8E /IE2/I04 E-#9E409I0+E4 #9O:E/TO 8E I2;E4TI.0/IO2 O#E90TI;0 *'97.O6 8ocente< Ing" Fairo #ierra Integrantes+ Danit$a 4onto!a 4ar]a ?livia =equinta 4ar]a %ugenia #u^re$

I<7=?D@''I?< El presente trabajo, est natural. Para ello, previo una recopilacin de datos, construimos un modelo matemtico, para as de esta forma poder tener con mayor certe a y efectividad una solucin para dic!a necesidad. orientado a satisfacer la necesidad, de obtener

mayores utilidades de una empresa productora de jugos de frutas 100%

Para esto nos apoyaremos en el programa "#$%, E&'E( y Promodel , los cuales nos permitieron encontrar la solucin optima al problema anteriormente planteado, en tiempo breve y efectivo. 02TE/E8E2TE4 8E +0 E-#9E40 )$*+# es una empresa nueva en el mercado local enfocada a los jugos y umos 100% naturales, se fund en )ebrero del ,00-, se encuentra ubicada en el segundo anillo de la avenida Pira. (a empresa surgi tomando en cuenta las necesidades del mercado de .anta 'ru , las caractersticas climatolgicas y la tendencia del consumo de productos naturales. Entre estos factores ms importantes /ue !an beneficiado a la empresa tenemos0 el factor climatolgico como ser. 1eranos calidos, inviernos suaves y cortos y lluvias poco frecuentes. %dems del factor socio2 cultural3 donde actualmente se puede observar /ue las conductas de las personas !an evolucionado a trav4s de los a5os a causa del entorno cada ves mas competitivo y cambiante, /ue presenta un ritmo de vida mas intenso y con frecuentes despla amientos 6)$*+#7 empe con la produccin de jugos naturales de naranja, con la cual obtuvo buena aceptacin en el mercado cruce5o, lo !a llevado a pensar en ampliar su gama de productos como ser la produccin de jugos naturales de3 mandarina, lima, frutilla y pi5a. #+02TE0-IE2TO 8E+ #9O5+E-0 8ebido a los buenos resultados /ue la empresa !a obtenido durante su tiempo de funcionamiento y sabiendo /ue e9iste demanda insatisfec!a debido a su bajo volumen de produccin. )$*+# !a visto la posibilidad de ampliar su gama de produccin con la fabricacin de otros tipos de jugos naturales de fruta como frutilla, pi5a, mandarina y lima, para ofrecer mayor cantidad y variedad de productos buscando la satisfaccin de sus clientes.

(os due5os desean optimi ar la operacin de la empresa, para ello nosotros les propusimos reali ar un estudio sobre los procesos por los /ue pasa el producto, as como los tiempos invertidos en estos procesos, las limitaciones de recursos de la empresa, las variaciones estacionarias de las materias primas, las ganancias unitarias y los costos. O5=ETI;O 8E+ E4T78IO El objetivo de este estudio es determinar la cantidad de vasos de jugos de frutas a producir para poder obtener el m9imo beneficio. I8E2TI'I/0/IO2 8E ;09I05+E4 : #090-ET9O4 (os parmetros y variables del problema /ue se identificaron en el presente trabajo son los siguientes3

;ariables<
&1 : 'antidad de vasos de jugo de mandarina &, : 'antidad de vasos de jugo de lima &; : 'antidad de vasos de umo de pi5a &- : 'antidad de vasos de umo de frutilla Parmetros: 8isponibilidad de tiempo de produccin 8emanda diaria de vasos de jugos y umos de fruta 'ostos por !ora de m/uina 'ostos de la materia prima Precio por vaso de jugo o umo de fruta

TIE-#O4 8E #9O87//IO2
En el estudio de la investigacin se revelaron /ue los tipos de jugos naturales de frutas pasan a trav4s de cinco procesos3 seleccin de la fruta, limpiado de la fruta <lavado y cortado de tallos=, refrigeracin de la fruta, m/uina industrial <licuado o umo de fruta= y envasado. Procesos en minutos Seleccin de la ruta Tabla N 1 FRUTA Mandarina Lima Pia Frutilla 1> 10 ? ,0

Lim!iado Procesamiento en m"uina #n$asado

,0 11@ ;0

1> ?? ,,

,> 100 ,>

;0 @> 1A

(a tabla BC 1 muestra la cantidad en minutos por los /ue pasan las frutas en cada uno de los procesos para obtener el producto terminado. En el caso de las frutas ctricas como la mandarina y lima se consideraron de acuerdo a las unidades diarias /ue son ad/uiridas para la elaboracin de los umos de cada fruta, la cual es ;>0 unidades diarias de frutas naturales. Para la frutilla y pi5a, se consideraron en medida de Dilogramos ya /ue estas frutas se las ad/uieren de esa manera, y lo /ue se consider para el estudio es de > Dg. %&ST&S '# PR&'U%%()N Tabla N * +s, ;,;; ,0 1? ,, ;0 0.10

%&ST&S Mano de &bra - .ora %ostos / cada 110 $asos de Mandarina %ostos / cada 11 $asos de Lima %ostos / cada 122 $asos de Pia %ostos / cada 03 $asos de Frutillas %osto a4re4ado

.e reali as un estudio de la competencia de acuerdo a la informacin otorgada por la propia empresa sobre los precios promedio de las ventas /ue reali an acerca de los productos similares y se vio lo siguiente3 PR#%(&S '# LA %&MP#T#N%(A 7abla <_ 0 Precios de la %om!etencia 1 $aso de *32 ml, 'e Mandarina 1 $aso de *32 ml, 'e Lima 1 $aso de *32 ml, 'e Pia 1 $aso de *32 ml, 'e Frutilla Precio de $enta +s, ;,>0 ;,00 ,,>0 ;,>0

"ambi4n se !a podido obtener los precios en los /ue podra reali ar la venta de los productos por cada vaso de jugo o umo /ue se piensa adicionar a la venta de la empresa. Eue se muestra en el siguiente cuadro3 PR#%(&S '# 5#NTA '# LA #MPR#SA 7abla <_ 2 Precio de $enta 1 $aso de Mandarina 1 $aso de Lima 1 $aso de Pia 1 $aso de Frutilla +s, ,,>0 ,,>0 1,>0 ,,00

9E4T9I//IO2E4 8E +0 8E-0280 : #9O87//I>2

En base al estudio reali ado a la empresa y a la demanda potencial de los jugos y umos !emos podido determinar la cantidad mnima promedio de ventas diarias y produccin mnima diaria de cada uno de los jugos y umos de frutas.Fostramos a continuacin las restricciones para cada una de ellos3 Fandarina (ima Pi5a )rutilla &1 10, vasosGda &, &; &- ?, vasosGda ?, vasosGda H, vasosGda

R#STR(%%(&N#S #N %U#NT& A L&S PR&'U%T&S P#R#%#'#R&S: (a materia prima con la /ue trabaja la empresa son perecederos debido a /ue tienen una corta vida y son sensibles a los cambios climatolgicos, como el caso de la frutilla /ue a los pocos das se pudren y no pueden ser consumidas. Por lo /ue la empresa tendr las siguientes restricciones en cuanto a la cantidad de fruta /ue deber comprar a la semana. Fandarina (ima Pi5a ;>0 unidades da ;>0 unidades da > Dg. al da

)rutilla

> Dg. al da

;ariacin mens&al $e los precios $e las $i(erentes (r&tas

El siguiente cuadro muestra las variaciones de 11@ vasos de precios mensuales de la

mandarina de las ;>0 unidades /ue se re/uiere para la produccin diaria de umo, como podemos apreciar la temporada en la /ue la demanda se incrementa debido a precios ms bajos es entre mayo y agosto. (o /ue significa /ue la empresa obtiene mayores utilidades debido a costos ms bajos, lo /ue sugerimos es /ue incremente la produccin umos de esta fruta durante los meses indicados. 6RAF(%& N 1

'omo podemos observar en el siguiente cuadro donde las variaciones de precios mensuales de la lima de un promedio de ;>0 unidades, /ue se re/uiere para producir ?? vasos de umo diario, muestra /ue la demanda no tiene una variacin importante durante todo el a5o lo /ue significa /ue la empresa puede ad/uirir su Precios mensuales de la lima
,> Js.G100 unidades ,0 1> 10 > 0
o %b r il F ay o Iu ni o Iu li %g o .e os to pt ie m br e # ct ub B ov re ie m 8 ic b r e ie m br e ro En e er o br F ar
1A 1? 1? 1A 1?,> 1A ,0 ,, ,1,, ,0 1A,1 1A

materia prima a un precio sin muc!a fluctuacin. [=A8I'? <_ 1

)e

.erie1

El siguiente cuadro muestra /ue la variacin de la demanda de pi5a se incrementa entre los meses de enero y febrero debido a /ue presenta precios ms bajos al resto del a5o, posteriormente como se puede observar los precios se van incrementando en casi el doble para luego ir bajando poco a poco. (a empresa debe tomar precauciones durante los meses de enero y febrero para no incurrir en costos ms altos en los siguientes meses o dejar de producir jugos de esta fruta. .90'I/O 2?"
Precios mensuales de la !ia
1,0 100 Js.G100 unidades ?0 H0 -0 ,0 0
En er o )e br er o Iu ni o %g os to .e pt iem br e # ct ub re Bo vi em br e 8 ic iem br e F ar F ay o %b ril Iu lio o

11, ?A @0 @1

10>

10;

A?

A-

A,

A1

A1

A,

.erie1

El siguiente cuadro muestra las variaciones de precios mensuales de la frutilla de > Dg. /ue se re/uiere para produccin diariamente @> vasos de jugo, como podemos apreciar la temporada en la /ue la demanda se incrementa debido a precios ms bajos es entre diciembre y febrero. (o /ue significa /ue la empresa obtiene mayores utilidades debido a costos ms bajos, lo /ue sugerimos es /ue incremente la produccin de jugos de frutilla durante estos meses.

9E4T9I//I>2 8E +0 8I4#O2I5I+I808 8E TIE-#O 8E +04 -@37I204< 'e 7u4os 8 9umos: 1 m/uina , turnos H !rs. H0 min. : @,0 min. da turno 1 !ora da #n$asadora: 1 m/uina , turnos H !rs. H0 min. : @,0 min. da turno 1 !ora da

R#STR(%%()N '# LA '(SP&N(+(L('A' '# T(#MP& '# L&S &P#RAR(&S: 1 o!erario !ara lim!iar la ruta: 1.> !oras H0 min. : A0 min. 8a 1 !ora da

R#STR(%%()N '# LA '(SP&N(+L('A' M:N(MA '# R#%URS&S '# LA #MPR#SA (a disponibilidad mnima de recursos /ue tiene la empresa para el capital de trabajo de la empresa es de 1,?Js. 8iarios es decir /ue su capital de trabajo mensual es de ;-?0Js.

8iseAo $e &n -o$elo

'on los parmetros y las variables ya identificadas del problema, las

relacionaremos por medio de ecuaciones matemticas. Para nuestro modelo, las interrelaciones entre las variables seran las siguientes3 En cuanto a la disponibilidad de capital de trabajo tenemos3

El costo de 11@ vasos de mandarina es de ,0 Js. El costo de ?? vasos de lima es de 1? Js. El costo de 100 vasos de pi5a es de ,, Js. El costo de @> vasos de frutilla es de ;0 Js. En cuanto al costo de mano de obra por las unidades y Kilogramos respectivos para cada fruta <mandarina y lima e9presadas en unidades y pi5a y frutilla e9presadas en Kg.=. El tiempo total de trabajo consumido para

preparar 11@ vasos de jugos de

mandarina (a !ora de mano de obra

cuesta ;.;;Js, por lo /ue los @,0 min diarios costaran -0Js. .iendo el total por dos empleados de ?0JsGda. El costo agregado comprende el costo de los vasos desec!ables, transporte, comerciali acin y otros /ue son necesarios para el proceso y su comerciali acin de los jugos y umos de fruta, el e/uivale a 0.10Js. (a empresa produce un total de <11@L??L100L@>=: ;?0 vasos diarios de umos o jugos de frutas por lo /ue el costo total es de ;?JsGda. %&ST&S T&TAL#S

Proceso %osto de seleccin %osto tiem!o de lim!iado %osto tiem!o de !roceso %osto tiem!o de en$asado %osto de la materia !rima sub, total %osto a4re4ado %&ST& T&TAL

Mandarina 0.?;1 1,11 H,-A 1,H@ A.?AA *2 11,@0 ;*,3;1

Frutas Lima Pia 0.>H,> 0.-;A 0,?; 1,;A -,?? >,>> 1,,, 1,;A 10.>1 1;.,;1 11 ** ?,?0 10,00 *<=12 ;*=22

Frutilla 1.11, 1,H@ -,1H 1,0> ,,.00? ;2 @,>0 ;0=32

%&ST&S P&R 5AS& '# >U6& & ?UM& '# FRUTA Frutas Lima Pia Frutilla 0,01 0,01 0,0, 0,0H 0,0H 0,0H 0,01 0,01 0,01 0,1; 0,11 0,;1 2=*2 2=1@ 2=A2 0,10 0,10 0,10 2=;2 2=*@ 2=32

Proceso Mandarina %osto tiem!o de lim!iado 0,01 %osto tiem!o de !roceso 0,0H %osto tiem!o de en$asado 0,01 %osto de la materia !rima 0,0A Sub total 2=10 %osto a4re4ado 0,10 %&ST& T&TAL 2=*0

En cuanto a la disponibilidad de tiempos en los diferentes procesos tenemos3

4eleccin $e la (r&ta+ 3".1H-. / 3"..2-1 / 3"3H-0 / 3"1DG-2 ,0 min" D&a +impia$o 8e +a 'r&ta 3".G.-. / 3".G3-1 / 3"1,-0 / 3"2-2 Q3 min" D&a 8e j&gos % B&mos< .-. / .-1 / .-0 / .-2 0H3 min" D&a Envasa$ora< 3"1,D-. / 3"1,-1 / 3"1,-0 / 3"1,0-2 QD min" D&a %n cuanto a la cantidad m&nima a producir tenemos+ -. .31 -1 H1 -0 H1 -2 D1 %l costo total para producir -. un vaso de jugo de mandarina, -1 un vaso de jugo de lima, -0 un vaso de $umo de piJa, -2 un vaso de $umo de rutilla, no debe superar la disponibilidad de capital de trabajo diaria+ 3"1G -. / 3"03 -1 / 3"1Q -0 / 3",3 -2 Ks"D123O03 d&as laborales 3"1G -. / 3"03 -1 / 3"1Q -0 / 3",3 -2 Ks" .1H por d&a laboral *a uncin objetivo para el presente problema ser&a+

R max 5 (1",3 ` 3"1G) -. / (1",3 ` 3"03) -1 / (.", ` 3"1Q) -0 / (1 ` 3",3) -2 %n este caso lo que se busca es maximi$ar la ganancia total, debiendo ser expresada como una resta entre los precios de venta unitarios por cada jugo o $umo de ruta, menos el costo unitario respectivo" 'ada vaso de jugo o $umo deja una ganancia de+ 4andarina Ks"1"10 *ima Ks" 1"13 (iJa Ks" ."1. 8rutilla Ks" .", (or lo que la uncin objetivo queda expresada en R max 5 1"10 -. / 1"13 -1 / ."1. -0 / .", -2 #olucin con el programa *I<[? *I<[? ` (#?*@7I?< =%(?=7); *I<[?. 4?D%*+ 8uncin ?bjetivo 4A-51"10LZ/1"13L-/."1.La/.",LR) #eleccin de la ruta 3".1HLZ/3"..2L-/3"3HLa/3"1DGLR65,0) limpiado de la ruta 3".G.LZ/3".G3L-/3"1,La/3"2LR65Q3) De jugos ! $umos .LZ/.L-/.La/.LR650H3) %nvasadora 3"1,DLZ/3"1,L-/3"1,La/3"1,0LR65QD) 9estricciones en c&anto a la $eman$a $e< 4andarina *ima (iJa ZI5.31) -I5H1) aI5H1)

8rutilla

RI5D1)

=estriccin de capital de trabajo 3"1GLZ/3"03L-/3"1QLa/3",3LR65.1H) .lobal optimal sol&tion (o&n$. Objective val&e< Total solver iterations< Sariable Z a R Salue .0,"DDDG .33"0000 H1"33333 D1"33333 71C.DE00 2 =educed 'ost 3"333333 3"333333 3"333333 3"333333 Dual (rice ."333333 3"333333 3"333333 3"Q,33333 ,"333333 3"333333 3"333333 ;3"QQ33333 ;3"G.,3333 3"333333

=o: #lacM or #urplus . 1 0 2 , D G H Q .3 G.,"2Q33 ."3H1DDG; 2"222000; 3"333333; 3"333333; 00"DDDDG/ .H"00000/ 3"333333/ 3"333333/

D"2Q3333;

Interpretacin 'on el programa *I<[? hemos logrado optimi$ar el modelo de los jugos ! $umos de ruta natural, con una utilidad de Ks" G., por d&a"

%l programa reali$o dos iteraciones para resolver el modelo" *a presente solucin da los siguientes valores+ 4andarina *ima (iJa 8rutilla .0,"DDDG vasos de $umo .33"0000 vasos de $umo H1"33333 D1"33333 vasos de jugo vasos de jugo

Eue resultan ser la solucin ptima, ! nos recomienda producir esas cantidades de vasos de jugos o $umos de las respectivas rutas" (odemos observar que los recursos 1,0 ! .3 que son+ seleccin de la ruta, limpiado de la ruta ! capital de trabajo presentan holguras por lo que no se recomienda su incremento" (odemos tambin observar que el programa nos dice que se esta produciendo por encima de la demanda m&nima diaria de $umos de mandarina ! lima" %n cuanto a las restricciones D ! G que son de la demanda m&nima de mandarina ! lima tienen valores positivos de holguraOexceso lo que indica que sus recursos son abundantes, en consecuencia sus precios duales (valor por unidad) son cero" %n cuanto a las restricciones 2 ! , que son las de produccin de los jugos ! $umos ! del envasado tienen un valor dual de 3"Q,33 ! ,"3333 respectivamente indicando que el aumento de una unidad de produccin vale ,"Q,33 juntos de renta neta" #olucin con el (rograma 7?=A LLL ?(7I4@4 #?*@7I?< #@44A=a LLL ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; 7itle+ jugos ! $umos 8inal iteration <o+ G ?bjective value (max) 5 G.,"2Q33

;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; Sariable x. mandari x1 lima x0 pina x2 rutill 'onstraint . (6) 1 (6) 0 (6) 2 (6) , (I) D (I) G (I) H (I) Q (6) Salue .0,"DDDG .33"0000 H1"3333 D1"3333 =N# ,0"3333 Q3"3333 0H3"3333 QD"3333 .31"3333 H1"3333 H1"3333 D1"3333 .1H"3333 ?bj 'oe 1"1033 1"1333 ."1.33 .",333 ?bj Sal 'ontrib =educed 'ost 031",0DH 113"G001 QQ"1133 Q0"3333 3"3333 3"3333 3"3333 3"3333 Dual (rice 3"3333 3"3333 3"Q,33 ,"3333 3"3333 3"3333 ;3"QQ33 ;3"G.,3 3"3333 ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;

;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; #lacM(;)O#urplus(/) ."3H1G; 2"2220; 3"3333; 3"3333; 00"DDDG/ .H"0000/ 3"3333/ 3"3333/ D"2Q33; ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;

LLL #%<#I7ISI7a A<A*a#I# LLL ?bjective coe icients ;; #ingle 'hanges+

;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; Sariable x. mandari x1 lima x0 pina x2 rutill 'urrent 'oe 1"1033 1"1333 ."1.33 .",333 4in 'oe 1"1333 1".GGG ;in init! ;in init! 4ax 'oe 1"1,1H 1"1033 1"1333 1"1.,3 =educed 'ost 3"3333 3"3333 3"3333 3"3333 ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;

=ight;hand #ide ;; #ingle 'hanges+ ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; 'onstraint . (6) 1 (6) 0 (6) 2 (6) , (I) D (I) G (I) H (I) Q (6) 'urrent =N# ,0"3333 Q3"3333 0H3"3333 QD"3333 .31"3333 H1"3333 H1"3333 D1"3333 .1H"3333 4in =N# ,."Q.G0 H,",,,G 0GQ",G30 Q,"GQH3 ;in init! ;in init! ,3".,DH 3"3333 .1.",.33 4ax =N# Dual (rice ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; in init! in init! 0H3"H3H3 QD"..33 .0,"DDDG .33"0000 .33"0000 DQ"2.,, in init! 3"3333 3"3333 3"Q,33 ,"3333 3"3333 3"3333 ;3"QQ33 ;3"G.,3 3"3333

?bjective 'oe icients ;; #imultaneous 'hanges d+ ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; <onbasic Sar ?ptimalit! 'ondition ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; #xG #xH 3"QQ33 / 3"G.,3 / ."3333 d1 / 3",333 d. / ;."3333 d0 I5 3 3",333 d1 / ;."3333 d2

I5 3 sx.. sx.1 3"Q,33 / ,"3333 / ;2."DDDD d. / 21"DDDD d1 I5 3 .DD"DDD1 d. / ;.DD"DDD1 d1 I5 3

=ight;hand #ide =anging ;; #imultaneous 'hanges D+ ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; Kasic Sar xQ x.3 / xD x, / / SalueO8easibilt! 'ondition ."3H1G / / 2"2220 / .H"0000 / 00"DDDG / ."3333 D. / ."3333 D1 / 3"2DQ0 D0 / ;3".1H0 D0 / ;1"0000 D2 ;3".DDG D2 ;."3333 DD ;."3333 D, ;3",333 DH ;."3333 DG ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; 3"3023 DG / ;3"3H33 DG / ;."3333 DG / ;3".2D3 DH I5 3 ;3"11Q, DH I5 3 ;3",333 DH I5 3 .DD"DDD1 D2 /

21"DDDD D0 / ;.DD"DDD1 D2 / ;2."DDDD D0 /

;3",333 DH I5 3 .DD"DDD1 D2 /

x. mandari .0,"DDDG / ;2."DDDD D0 / I5 3 x1 lima / x0 pina x.G / .33"0000 / H1"3333 / D"2Q33 /

21"DDDD D0 / ;.DD"DDD1 D2 / ."3333 DG I5 3 ."3333 DH I5 3 ;.",,33 D0 / ,"3333 D2 /

;3",333 DH I5 3

x2 rutill D1"3333 /

3"3.33 DG

;3"1.,3 DH /

."3333 DQ I5 3

I2TE9#9ET0/IO2< 7?=A 4ediante el programa 7?=A hemos logrado maximi$ar el bene icio en Ks"G.,"2Q Ks" 'on la produccin diaria de+

 .0D vasos de $umo de mandarina" .33 vasos de $umo de lima" H1 vasos de jugo de piJa" D1 vasos de jugo de rutilla"

FO+.7904< %n cuanto a los tiempos de holgura, el programa 7?=A nos muestra que los 0 recursos de seleccin de ruta, limpiado de la ruta ! capital de trabajo son los recursos que tienen holgura" #iendo el recurso mas ine icientemente utili$ado el de capital de trabajo debido a que no se utili$an KsD"2Q, los cuales se podr&an utili$ar en recursos de produccin de los jugos o $umos ! en envasado !a que por cada unidad que se invierta en produccin la uncin objetivo aumentar&a en Ks3"Q, ! en el proceso de envasado en Ks" ," %xiste una produccin excedentaria en los siguientes $umos+ *ima de Ks" .H"00 respecto a la demanda m&nima 4andarina Ks" 00"DG respecto a la demanda m&nima" 4&p&estos< 4&p&esto 1< si se a&mentara &na &ni$a$ a la $eman$a $e piAa % (r&tilla #i se aumentara en una unidad a la demanda m&nima de piJa ! rutilla, la uncin objetivo disminuir&a a Ks"G.0"GH,, esto es debido a que no existe

holgura ni exceso en estos recursos ! esto se veri ica restando a la uncin objetivo original KsG.,"2Q ` (3"QQ/3"G.,3)5 Ks"G.0"GH,"

!!! O#TI-7- 4O+7TIO2 47--09: !!! ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; 7itle+ supuesto 8inal iteration <o+ G ?bjective value (max) 5 G.0"GH,3 ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; Sariable Salue ?bj 'oe ?bj Sal 'ontrib ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; x. mandara .0,".DDQ 1"1033 03."211. x1 lima QH"H00. 1"1333 1.G"201Q x0 pina H0"3333 ."1.33 .33"2033 x2 rutilla D0"3333 .",333 Q2",333 ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; 'onstraint =N# #lacM(;)O#urplus(/) ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; . (6) ,0"3333 3"QG3G; 1 (6) Q3"3333 2".02H; 0 (6) 0H3"3333 3"3333; 2 (6) QD"3333 3"3333; , (I) .31"3333 00".DDQ/ D (I) H1"3333 .D"H00./ G (I) H0"3333 3"3333/ H (I) D0"3333 3"3333/ Q (6) .1H"3333 D"1H,3; =educed 'ost 3"3333 3"3333 3"3333 3"3333

Dual (rice 3"3333 3"3333 3"Q,33 ,"3333 3"3333 3"3333 ;3"QQ33 ;3"G.,3 3"3333

LLL #%<#I7ISI7a A<A*a#I# LLL ?bjective coe icients ;; #ingle 'hanges+ ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; Sariable 'urrent 'oe 4in 'oe 4ax 'oe ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; x. mandara 1"1033 1"1333 1"1,1H =educed 'ost 3"3333

x1 lima x0 pina x2 rutill

1"1333 ."1.33 .",333

1".GGG ;in init! ;in init!

1"1033 1"1333 1"1.,3

3"3333 3"3333 3"3333

=ight;hand #ide ;; #ingle 'hanges+ ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; 'onstraint 'urrent =N# 4in =N# 4ax =N# Dual (rice ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; . (6) ,0"3333 ,1"31Q0 in init! 3"3333 1 (6) Q3"3333 H,"HD,1 in init! 3"3333 0 (6) 0H3"3333 0GQ"D3,, 0H3"GQD3 3"Q,33 2 (6) QD"3333 Q,"H3.3 QD".3.3 ,"3333 , (I) .31"3333 ;in init! .0,".DDQ 3"3333 D (I) H1"3333 ;in init! QH"H00. 3"3333 G (I) H0"3333 ,2"2,.3 QQ"H00. ;3"QQ33 H (I) D0"3333 3"3333 DQ"D2H2 ;3"G.,3 Q (6) .1H"3333 .1."G.,3 in init! 3"3333

?bjective 'oe icients ;; #imultaneous 'hanges d+ ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; <onbasic Sar ?ptimalit! 'ondition ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; #xG 3"QQ33 / ."3333 d1 / ;."3333 d0 I5 3 #xH 3"G.,3 / 3",333 d. / 3",333 d1 / ;."3333 d2 I5 3 sx.. 3"Q,33 / ;2."DDDD d. / 21"DDDD d1 I5 3 sx.1 ,"3333 / .DD"DDD1 d. / ;.DD"DDD1 d1 I5 3

=ight;hand #ide =anging ;; #imultaneous 'hanges D+ ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; Kasic Sar SalueO8easibilt! 'ondition ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; xQ 3"QG3G / ."3333 D. / 3"2DQ0 D0 / ;1"0000 D2 / 3"3023 DG / ;3".2D3 DH I5 3 x.3 2".02H / ."3333 D1 / ;3".1H0 D0 / ;3".DDG D2 / ;3"3H33 DG / ;3"11Q, DH I5 3

xD

.D"H00. / 21"DDDD D0 / ;.DD"DDD1 D2 / ;."3333 DD / ;."3333 DG / ;3",333 DH I5 3 x, 00".DDQ / ;2."DDDD D0 / .DD"DDD1 D2 / ;."3333 D, / ;3",333 DH I5 3 x. mandara .0,".DDQ / ;2."DDDD D0 / .DD"DDD1 D2 / ;3",333 DH I5 3 x1 lima QH"H00. / 21"DDDD D0 / ;.DD"DDD1 D2 / ;."3333 DG / ;3",333 DH I5 3 x0 pina H0"3333 / ."3333 DG I5 3 x2 rutill D0"3333 / ."3333 DH I5 3 x.G D"1H,3 / ;.",,33 D0 / ,"3333 D2 / 3"3.33 DG / ;3"1.,3 DH / ."3333 DQ I5 3

4&p&esto2 < 4i se a&menta en &na &ni$a$ en los rec&rsos $e seleccin % limpia$o $e la (r&ta. #i se aumentara una unidad en estos dos recursos que originalmente presentan holgura ! su respectivo dual price son cero, la uncin objetivo no aumentar&a en nada, pero si se incrementar&an aun ms las holguras en la misma proporcin que las holguras originales es decir que de una holgura de ."3H1G aumento a 1"3H1G ! en el segundo recurso de 2"2220 a ,"2220"

!!! O#TI-7- 4O+7TIO2 47--09: !!! ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; 7itle+ supuesto 8inal iteration <o+ G ?bjective value (max) 5 G.,"2Q33 ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; Sariable Salue ?bj 'oe ?bj Sal 'ontrib =educed 'ost ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; x. mandara .0,"DDDG 1"1033 031",0DH 3"3333 x1 lima .33"0000 1"1333 113"G001 3"3333 x0 pina H1"3333 ."1.33 QQ"1133 3"3333 x2 rutill D1"3333 .",333 Q0"3333 3"3333 ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; 'onstraint =N# #lacM(;)O#urplus(/) ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; . (6) ,2"3333 1"3H1G; 1 (6) Q."3333 ,"2220; 0 (6) 0H3"3333 3"3333; 2 (6) QD"3333 3"3333; , (I) .31"3333 00"DDDG/ D (I) H1"3333 .H"0000/ G (I) H1"3333 3"3333/ H (I) D1"3333 3"3333/ Q (6) .1H"3333 D"2Q33; Dual (rice 3"3333 3"3333 3"Q,33 ,"3333 3"3333 3"3333 ;3"QQ33 ;3"G.,3 3"3333

LLL #%<#I7ISI7a A<A*a#I# LLL ?bjective coe icients ;; #ingle 'hanges+ ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; Sariable 'urrent 'oe 4in 'oe 4ax 'oe =educed 'ost ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; x. mandara 1"1033 1"1333 1"1,1H 3"3333 x1 lima 1"1333 1".GGG 1"1033 3"3333 x0 pina ."1.33 ;in init! 1"1333 3"3333 x2 rutill .",333 ;in init! 1"1.,3 3"3333 =ight;hand #ide ;; #ingle 'hanges+

;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; 'onstraint 'urrent =N# 4in =N# 4ax =N# Dual (rice ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; . (6) ,2"3333 ,."Q.G0 in init! 3"3333 1 (6) Q."3333 H,",,,G in init! 3"3333 0 (6) 0H3"3333 0GQ",G30 0H3"H3H3 3"Q,33 2 (6) QD"3333 Q,"GQH3 QD"..33 ,"3333 , (I) .31"3333 ;in init! .0,"DDDG 3"3333 D (I) H1"3333 ;in init! .33"0000 3"3333 G (I) H1"3333 13"G2,. .33"0000 ;3"QQ33 H (I) D1"3333 3"3333 GD"1D2H ;3"G.,3 Q (6) .1H"3333 .1.",.33 in init! 3"3333

?bjective 'oe icients ;; #imultaneous 'hanges d+ ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; <onbasic Sar ?ptimalit! 'ondition ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; #xG 3"QQ33 / ."3333 d1 / ;."3333 d0 I5 3 #xH 3"G.,3 / 3",333 d. / 3",333 d1 / ;."3333 d2 I5 3 sx.. 3"Q,33 / ;2."DDDD d. / 21"DDDD d1 I5 3 sx.1 ,"3333 / .DD"DDD1 d. / ;.DD"DDD1 d1 I5 3 =ight;hand #ide =anging ;; #imultaneous 'hanges D+ ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; Kasic Sar SalueO8easibilt! 'ondition ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; xQ 1"3H1G / ."3333 D. / 3"2DQ0 D0 / ;1"0000 D2 / 3"3023 DG / ;3".2D3 DH I5 3 x.3 ,"2220 / ."3333 D1 / ;3".1H0 D0 / ;3".DDG D2 / ;3"3H33 DG / ;3"11Q, DH I5 3 xD .H"0000 / 21"DDDD D0 / ;.DD"DDD1 D2 / ;."3333 DD / ;."3333 DG / ;3",333 DH I5 3 x, 00"DDDG / ;2."DDDD D0 / .DD"DDD1 D2 / ;."3333 D, / ;3",333 DH I5 3 x. mandara .0,"DDDG / ;2."DDDD D0 / .DD"DDD1 D2 / ;3",333 DH I5 3 x1 lima .33"0000 / 21"DDDD D0 / ;.DD"DDD1 D2 / ;."3333 DG / ;3",333 DH I5 3

x0 pina H1"3333 / ."3333 DG I5 3 x2 rutill D1"3333 / ."3333 DH I5 3 x.G D"2Q33 / ;.",,33 D0 / ,"3333 D2 / / ;3"1.,3 DH / ."3333 DQ I5 3

3"3.33 DG

4&p&esto "< si se incrementara en cinco &ni$a$es a los rec&rsos $e proceso % envasa$o. #i se aumentara cinco unidades a estos recursos la uncin objetivo se incrementar&a en Ks" ..,G de Ks"G.,"2Q a Ks"G1G".Q" 7ambin se observa que el recurso de capital de trabajo a disminuido su holgura en 3"H3, esto quiere decir que ese capital se esta utili$ando en aumentar los recursos mencionados(produccin ! de envasado) tra!endo resultados positivos para la empresa" !!! O#TI-7- 4O+7TIO2 47--09: !!! ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; 7itle+ supuesto 0 8inal iteration <o+ D ?bjective value (max) 5 G1G".Q33 ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; Sariable Salue ?bj 'oe ?bj Sal 'ontrib =educed 'ost ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; x. mandara .,Q"3333 1"1033 0,2",G33 3"3333 x1 lima H1"3333 1"1333 .H3"2333 3"3333 x0 pina H1"3333 ."1.33 QQ"1133 3"3333 x2 rutill D1"3333 .",333 Q0"3333 3"3333

;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; 'onstraint =N# #lacM(;)O#urplus(/) Dual (rice ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; . (6) ,0"3333 3".HD3; 3"3333 1 (6) Q3"3333 0",G.3; 3"3333

0 (6) 2 (6) , (I) D (I) G (I) H (I) Q (6)

0H,"3333 .3."3333 .31"3333 H1"3333 H1"3333 D1"3333 .1H"3333

3"3333; 0"D.33; ,G"3333/ 3"3333/ 3"3333/ 3"3333/ ,"DQ33;

1"1033 3"3333 3"3333 ;3"3033 ;."3133 ;3"G033 3"3333

LLL #%<#I7ISI7a A<A*a#I# LLL ?bjective coe icients ;; #ingle 'hanges+ ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; Sariable 'urrent 'oe 4in 'oe 4ax 'oe =educed 'ost ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; x. mandara 1"1033 1"1333 in init! 3"3333 x1 lima 1"1333 ;in init! 1"1033 3"3333 x0 pina ."1.33 ;in init! 1"1033 3"3333 x2 rutill .",333 ;in init! 1"1033 3"3333 =ight;hand #ide ;; #ingle 'hanges+ ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; 'onstraint 'urrent =N# 4in =N# 4ax =N# Dual (rice ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; . (6) ,0"3333 ,1"H.23 in init! 3"3333 1 (6) Q3"3333 HD"21Q3 in init! 3"3333 0 (6) 0H,"3333 01H"3333 0HD"2,0. 1"1033 2 (6) .3."3333 QG"0Q33 in init! 3"3333 , (I) .31"3333 ;in init! .,Q"3333 3"3333 D (I) H1"3333 DH"G.21 .0Q"3333 ;3"3033 G (I) H1"3333 GH".1,3 .1G"131, ;."3133 H (I) D1"3333 3"3333 D0"00H. ;3"G033 Q (6) .1H"3333 .11"0.33 in init! 3"3333 ?bjective 'oe icients ;; #imultaneous 'hanges d+ ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; <onbasic Sar ?ptimalit! 'ondition ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; #xD 3"3033 / ."3333 d. / ;."3333 d1 I5 3 #xG ."3133 / ."3333 d. / ;."3333 d0 I5 3

#xH sx..

3"G033 / 1"1033 /

."3333 d. / ;."3333 d2 I5 3 ."3333 d. I5 3

=ight;hand #ide =anging ;; #imultaneous 'hanges D+ ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; Kasic Sar SalueO8easibilt! 'ondition ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; xQ 3".HD3 / ."3333 D. / ;3".1H3 D0 / 3"3.23 DD / 3"32H3 DG / ;3".0Q3 DH I5 3 x.3 0",G.3 / ."3333 D1 / ;3".G.3 D0 / 3"33.3 DD / ;3"3GQ3 DG / ;3"11Q3 DH I5 3 x, ,G"3333 / ."3333 D0 / ;."3333 D, / ;."3333 DD / ;."3333 DG / ;."3333 DH I5 3 x.1 0"D.33 / ;3"1,D3 D0 / ."3333 D2 / 3"33D3 DD / 3"33D3 DG / 3"3303 DH I5 3 x. mandara .,Q"3333 / ."3333 D0 / ;."3333 DD / ;."3333 DG / ;."3333 DH I5 3 x1 lima H1"3333 / ."3333 DD I5 3 x0 piJa H1"3333 / ."3333 DG I5 3 x2 rutilla D1"3333 / ."3333 DH I5 3 x.G ,"DQ33 / ;3"1G33 D0 / ;3"3033 DD / ;3"3133 DG / ;3"1033 DH / ."3333 DQ I5 3 4ol&cin con el #rograma TO90 LLL ?(7I4@4 #?*@7I?< #@44A=a LLL ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; 7itle+ jugos ! $umos 8inal iteration <o+ G ?bjective value (max) 5 G.,"2Q33 ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; Sariable x. mandari x1 lima Salue .0,"DDDG .33"0000 ?bj 'oe 1"1033 1"1333 ?bj Sal 'ontrib =educed 'ost 031",0DH 113"G001 3"3333 3"3333 ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;

x0 pina x2 rutill 'onstraint . (6) 1 (6) 0 (6) 2 (6) , (I) D (I) G (I) H (I) Q (6)

H1"3333 D1"3333 =N# ,0"3333 Q3"3333 0H3"3333 QD"3333 .31"3333 H1"3333 H1"3333 D1"3333 .1H"3333

."1.33 .",333

QQ"1133 Q0"3333

3"3333 3"3333 Dual (rice

;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; #lacM(;)O#urplus(/) ."3H1G; 2"2220; 3"3333; 3"3333; 00"DDDG/ .H"0000/ 3"3333/ 3"3333/ D"2Q33; ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; 3"3333 3"3333 3"Q,33 ,"3333 3"3333 3"3333 ;3"QQ33 ;3"G.,3 3"3333

LLL #%<#I7ISI7a A<A*a#I# LLL ?bjective coe icients ;; #ingle 'hanges+ ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; Sariable x. mandari x1 lima x0 pina 'urrent 'oe 1"1033 1"1333 ."1.33 4in 'oe 1"1333 1".GGG ;in init! 4ax 'oe 1"1,1H 1"1033 1"1333 =educed 'ost 3"3333 3"3333 3"3333 ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;

x2 rutill

.",333

;in init!

1"1.,3

3"3333

=ight;hand #ide ;; #ingle 'hanges+ ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; 'onstraint . (6) 1 (6) 0 (6) 2 (6) , (I) D (I) G (I) H (I) Q (6) 'urrent =N# ,0"3333 Q3"3333 0H3"3333 QD"3333 .31"3333 H1"3333 H1"3333 D1"3333 .1H"3333 4in =N# ,."Q.G0 H,",,,G 0GQ",G30 Q,"GQH3 ;in init! ;in init! ,3".,DH 3"3333 .1.",.33 4ax =N# Dual (rice ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; in init! in init! 0H3"H3H3 QD"..33 .0,"DDDG .33"0000 .33"0000 DQ"2.,, in init! 3"3333 3"3333 3"Q,33 ,"3333 3"3333 3"3333 ;3"QQ33 ;3"G.,3 3"3333

?bjective 'oe icients ;; #imultaneous 'hanges d+ ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; <onbasic Sar ?ptimalit! 'ondition ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; #xG #xH sx.. sx.1 3"QQ33 / 3"G.,3 / I5 3 3"Q,33 / ,"3333 / ;2."DDDD d. / 21"DDDD d1 I5 3 .DD"DDD1 d. / ;.DD"DDD1 d1 I5 3 ."3333 d1 / 3",333 d. / ;."3333 d0 I5 3 3",333 d1 / ;."3333 d2

=ight;hand #ide =anging ;; #imultaneous 'hanges D+ ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; Kasic Sar SalueO8easibilt! 'ondition

;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; xQ x.3 / xD x, / / ."3H1G / / 2"2220 / .H"0000 / 00"DDDG / ."3333 D. / ."3333 D1 / 3"2DQ0 D0 / ;3".1H0 D0 / ;1"0000 D2 ;3".DDG D2 ;."3333 DD ;."3333 D, ;3",333 DH ;."3333 DG 3"3023 DG / ;3"3H33 DG / ;."3333 DG / ;3".2D3 DH I5 3 ;3"11Q, DH I5 3 ;3",333 DH I5 3 .DD"DDD1 D2 /

21"DDDD D0 / ;.DD"DDD1 D2 / ;2."DDDD D0 /

;3",333 DH I5 3 .DD"DDD1 D2 /

x. mandari .0,"DDDG / ;2."DDDD D0 / I5 3 x1 lima / x0 pina x.G / .33"0000 / H1"3333 / D"2Q33 /

21"DDDD D0 / ;.DD"DDD1 D2 / ."3333 DG I5 3 ."3333 DH I5 3 ;.",,33 D0 / ,"3333 D2 /

;3",333 DH I5 3

x2 rutill D1"3333 /

3"3.33 DG

;3"1.,3 DH /

."3333 DQ I5 3

I2TE9#9ET0/IO2< TO90 4ediante el programa 7?=A hemos logrado maximi$ar el bene icio en Ks"G.,"2Q Ks" 'on la produccin diaria de+ .0D vasos de $umo de mandarina" .33 vasos de $umo de lima" H1 vasos de jugo de piJa" D1 vasos de jugo de rutilla"

FO+.7904< %n cuanto a los tiempos de holgura, el programa 7?=A nos muestra que los 0 recursos de seleccin de ruta, limpiado de la ruta ! capital de trabajo son los recursos que tienen holgura" #iendo el recurso mas ine icientemente utili$ado el de capital de trabajo debido a que no se utili$an KsD"2Q, los cuales se podr&an utili$ar en recursos de produccin de los jugos o $umos ! en envasado !a que por cada unidad que se invierta en produccin la uncin objetivo aumentar&a en Ks3"Q, ! en el proceso de envasado en Ks" ," %xiste una produccin excedentaria en los siguientes $umos+ *ima de Ks" .H"00 respecto a la demanda m&nima 4andarina Ks" 00"DG respecto a la demanda m&nima" 4&p&estos< 4&p&esto 1< si se a&mentara &na &ni$a$ a la $eman$a $e piAa % (r&tilla #i se aumentara en una unidad a la demanda m&nima de piJa ! rutilla, la uncin objetivo disminuir&a a Ks"G.0"GH,, esto es debido a que no existe holgura ni exceso en estos recursos ! esto se veri ica restando a la uncin objetivo original KsG.,"2Q ` (3"QQ/3"G.,3)5 Ks"G.0"GH,"

!!! O#TI-7- 4O+7TIO2 47--09: !!!

;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; 7itle+ supuesto 8inal iteration <o+ G ?bjective value (max) 5 G.0"GH,3 ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; Sariable Salue ?bj 'oe ?bj Sal 'ontrib ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; x. mandara .0,".DDQ 1"1033 03."211. x1 lima QH"H00. 1"1333 1.G"201Q x0 pina H0"3333 ."1.33 .33"2033 x2 rutilla D0"3333 .",333 Q2",333 ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; 'onstraint =N# #lacM(;)O#urplus(/) ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; . (6) ,0"3333 3"QG3G; 1 (6) Q3"3333 2".02H; 0 (6) 0H3"3333 3"3333; 2 (6) QD"3333 3"3333; , (I) .31"3333 00".DDQ/ D (I) H1"3333 .D"H00./ G (I) H0"3333 3"3333/ H (I) D0"3333 3"3333/ Q (6) .1H"3333 D"1H,3; =educed 'ost 3"3333 3"3333 3"3333 3"3333

Dual (rice 3"3333 3"3333 3"Q,33 ,"3333 3"3333 3"3333 ;3"QQ33 ;3"G.,3 3"3333

LLL #%<#I7ISI7a A<A*a#I# LLL ?bjective coe icients ;; #ingle 'hanges+ ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; Sariable 'urrent 'oe 4in 'oe 4ax 'oe =educed 'ost ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; x. mandara 1"1033 1"1333 1"1,1H 3"3333 x1 lima 1"1333 1".GGG 1"1033 3"3333 x0 pina ."1.33 ;in init! 1"1333 3"3333 x2 rutill .",333 ;in init! 1"1.,3 3"3333

=ight;hand #ide ;; #ingle 'hanges+

;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; 'onstraint 'urrent =N# 4in =N# 4ax =N# Dual (rice ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; . (6) ,0"3333 ,1"31Q0 in init! 3"3333 1 (6) Q3"3333 H,"HD,1 in init! 3"3333 0 (6) 0H3"3333 0GQ"D3,, 0H3"GQD3 3"Q,33 2 (6) QD"3333 Q,"H3.3 QD".3.3 ,"3333 , (I) .31"3333 ;in init! .0,".DDQ 3"3333 D (I) H1"3333 ;in init! QH"H00. 3"3333 G (I) H0"3333 ,2"2,.3 QQ"H00. ;3"QQ33 H (I) D0"3333 3"3333 DQ"D2H2 ;3"G.,3 Q (6) .1H"3333 .1."G.,3 in init! 3"3333

?bjective 'oe icients ;; #imultaneous 'hanges d+ ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; <onbasic Sar ?ptimalit! 'ondition ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; #xG 3"QQ33 / ."3333 d1 / ;."3333 d0 I5 3
Sx8 -1.0000 d4 sx11 >= 0 sx12 >= 0 0.7150 + 0.5000 d1 + >= 0 0.9500 + 5.0000 +

0.5000 d2 + 42.6666 d2 -166.6662 d2

-41.6666 d1 + 166.6662 d1 +

Right-hand Side Ranging -- Simultaneous hanges !" ----------------------------------------------------------#asi$ %a& %alue'(easi)ilt* ondition ----------------------------------------------------------x9 0.9707 + 1.0000 !1 + 0.469+ !+ + -2.++++ !4 + 0.0+40 !7 + -0.1460 !8 >= 0 x10 4.1+48 + 1.0000 !2 + -0.128+ !+ + -0.1667 !4 + -0.0800 !7 + -0.2295 !8 >= 0 x6 16.8++1 + 42.6666 !+ + -166.6662 !4 + -1.0000 !6 + -1.0000 !7 + -0.5000 !8 >= 0 x5 ++.1669 + -41.6666 !+ + 166.6662 !4 + -1.0000 !5 + -0.5000 !8 >= 0

x1 manda&a -0.5000 !8 x2 lima -1.0000 !7 x+ ,ina x4 -&utill x17 0.0100 !7

1+5.1669 + >= 0 98.8++1 +

-41.6666 !+ + 42.6666 !+ + !8 >= 0 1.0000 !7 >= 0 1.0000 !8 >= 0 -1.5500 !+ +

166.6662 !4 + -166.6662 !4 +

+ -0.5000 8+.0000 + 6+.0000 + 6.2850 + +

5.0000 !4 +

-0.2150 !8 +

1.0000 !9 >= 0

Su!uesto*: Si se aumenta en una unidad en los recursos de seleccin 8 lim!iado de la ruta, .i se aumentara una unidad en estos dos recursos /ue originalmente presentan !olgura y su respectivo dual price son cero, la funcin objetivo no aumentara en nada, pero si se incrementaran aun ms las !olguras en la misma proporcin /ue las !olguras originales es decir /ue de una !olgura de 1.0?,@ aumento a ,.0?,@ y en el segundo recurso de -.---; a >.---;.

*** OPTIMUM SOLUTION SUMMARY *** ----------------------------------------------------------.itle" su,uesto (inal ite&ation /o" 7 0)1e$ti2e 2alue 3max4 = 715.4900 ----------------------------------------------------------%a&ia)le %alue 0)1 oe-0)1 %al ont&i) Redu$ed ost ----------------------------------------------------------x1 manda&a 1+5.6667 2.2+00 +02.5+68 0.0000 x2 lima 100.++++ 2.2000 220.7++2 0.0000 x+ ,ina 82.0000 1.2100 99.2200 0.0000 x4 -&utill 62.0000 1.5000 9+.0000 0.0000 ----------------------------------------------------------onst&aint R5S Sla$63-4'Su&,lus3+4 !ual 7&i$e -----------------------------------------------------------

1 384 0.0000 2 384 0.0000 + 384 0.9500 4 384 5.0000 5 3>4 0.0000 6 3>4 0.0000 7 3>4 -0.9900 8 3>4 -0.7150 9 384 0.0000

54.0000 91.0000 +80.0000 96.0000 102.0000 82.0000 82.0000 62.0000 128.0000

2.08275.444+0.00000.0000++.6667+ 18.+++++ 0.0000+ 0.0000+ 6.4900-

999 S:/S;.;%;.< =/=><S;S 999 0)1e$ti2e $oe--i$ients -- Single hanges"

----------------------------------------------------------%a&ia)le u&&ent oe-?in oe-?ax oe-Redu$ed ost ----------------------------------------------------------x1 manda&a 2.2+00 2.2000 2.2528 0.0000 x2 lima 2.2000 2.1777 2.2+00 0.0000 x+ ,ina 1.2100 -in-init* 2.2000 0.0000 x4 -&utill 1.5000 -in-init* 2.2150 0.0000 Right-hand Side -- Single hanges"

----------------------------------------------------------onst&aint u&&ent R5S ?in R5S ?ax R5S !ual 7&i$e ----------------------------------------------------------1 384 54.0000 51.917+ in-init* 0.0000 2 384 91.0000 85.5557 in-init* 0.0000 + 384 +80.0000 +79.570+ +80.8080 0.9500

4 384 96.1100 5 3>4 1+5.6667 6 3>4 100.++++ 7 3>4 100.++++ 8 3>4 76.2648 9 384 in-init*

96.0000 5.0000 102.0000 0.0000 82.0000 0.0000 82.0000 -0.9900 62.0000 -0.7150 128.0000 0.0000

95.7980 -in-init* -in-init* 20.7451 0.0000 121.5100

0)1e$ti2e oe--i$ients -- Simultaneous hanges d" ----------------------------------------------------------/on)asi$ %a& 0,timalit* ondition ----------------------------------------------------------Sx7 0.9900 + 1.0000 d2 + -1.0000 d+ >= 0 Sx8 0.7150 + 0.5000 d1 + 0.5000 d2 + -1.0000 d4 >= 0 sx11 0.9500 + -41.6666 d1 + 42.6666 d2 >= 0 sx12 5.0000 + 166.6662 d1 + -166.6662 d2 >= 0 Right-hand Side Ranging -- Simultaneous hanges !" ----------------------------------------------------------#asi$ %a& %alue'(easi)ilt* ondition ----------------------------------------------------------x9 2.0827 + 1.0000 !1 + 0.469+ !+ + -2.++++ !4 + 0.0+40 !7 + -0.1460 !8 >= 0 x10 5.444+ + 1.0000 !2 + -0.128+ !+ + -0.1667 !4 + -0.0800 !7 + -0.2295 !8 >= 0 x6 18.++++ + 42.6666 !+ + -166.6662 !4 + -1.0000 !6 + -1.0000 !7 + -0.5000 !8 >= 0 x5 ++.6667 + -41.6666 !+ + 166.6662 !4 + -1.0000 !5 + -0.5000 !8 >= 0 x1 manda&a 1+5.6667 + -41.6666 !+ + 166.6662 !4 + -0.5000 !8 >= 0 x2 lima 100.++++ + 42.6666 !+ + -166.6662 !4 + -1.0000 !7

x+ ,ina x4 -&utill x17 0.0100 !7

+ -0.5000 82.0000 + 62.0000 + 6.4900 + +

!8 >= 0 1.0000 !7 >= 0 1.0000 !8 >= 0 -1.5500 !+ +

5.0000 !4 +

-0.2150 !8 +

1.0000 !9 >= 0

Su!uesto ;: si se incrementara en cinco unidades a los recursos de !roceso 8 en$asado, .i se aumentara cinco unidades a estos recursos la funcin objetivo se incrementara en Js. 11,@ de Js.@1>.-A a Js.@,@.1A. "ambi4n se observa /ue el recurso de capital de trabajo a disminuido su !olgura en 0.?0, esto /uiere decir /ue ese capital se esta utili ando en aumentar los recursos mencionados<produccin y de envasado= trayendo resultados positivos para la empresa. *** OPTIMUM SOLUTION SUMMARY *** ----------------------------------------------------------.itle" su,uesto + (inal ite&ation /o" 6 0)1e$ti2e 2alue 3max4 = 727.1900 ----------------------------------------------------------%a&ia)le %alue 0)1 oe-0)1 %al ont&i) Redu$ed ost ----------------------------------------------------------x1 manda&a 159.0000 2.2+00 +54.5700 0.0000 x2 lima 82.0000 2.2000 180.4000 0.0000 x+ ,ina 82.0000 1.2100 99.2200 0.0000 x4 -&utill 62.0000 1.5000 9+.0000 0.0000

----------------------------------------------------------onst&aint R5S Sla$63-4'Su&,lus3+4 !ual 7&i$e ----------------------------------------------------------1 384 5+.0000 0.18600.0000

2 384 0.0000 + 384 2.2+00 4 384 0.0000 5 3>4 0.0000 6 3>4 -0.0+00 7 3>4 -1.0200 8 3>4 -0.7+00 9 384 0.0000

90.0000 +85.0000 101.0000 102.0000 82.0000 82.0000 62.0000 128.0000

+.57100.0000+.610057.0000+ 0.0000+ 0.0000+ 0.0000+ 5.6900-

999 S:/S;.;%;.< =/=><S;S 999 0)1e$ti2e $oe--i$ients -- Single hanges"

----------------------------------------------------------%a&ia)le u&&ent oe-?in oe-?ax oe-Redu$ed ost ----------------------------------------------------------x1 manda&a 2.2+00 2.2000 in-init* 0.0000 x2 lima 2.2000 -in-init* 2.2+00 0.0000 x+ ,ina 1.2100 -in-init* 2.2+00 0.0000 x4 -&utill 1.5000 -in-init* 2.2+00 0.0000 Right-hand Side -- Single hanges"

----------------------------------------------------------onst&aint u&&ent R5S ?in R5S ?ax R5S !ual 7&i$e ----------------------------------------------------------1 384 5+.0000 52.8140 in-init* 0.0000 2 384 90.0000 86.4290 in-init* 0.0000 + 384 +85.0000 +28.0000 +86.45+1 2.2+00 4 384 101.0000 97.+900 in-init* 0.0000 5 3>4 102.0000 -in-init* 159.0000 0.0000

6 3>4 1+9.0000 7 3>4 127.2025 8 3>4 6+.++81 9 384 in-init*

82.0000 -0.0+00 82.0000 -1.0200 62.0000 -0.7+00 128.0000 0.0000

68.7142 78.1250 0.0000 122.+100

0)1e$ti2e oe--i$ients -- Simultaneous hanges d" ----------------------------------------------------------/on)asi$ %a& 0,timalit* ondition ----------------------------------------------------------Sx6 0.0+00 + 1.0000 d1 + -1.0000 d2 >= 0 Sx7 1.0200 + 1.0000 d1 + -1.0000 d+ >= 0 Sx8 0.7+00 + 1.0000 d1 + -1.0000 d4 >= 0 sx11 2.2+00 + 1.0000 d1 >= 0

Right-hand Side Ranging -- Simultaneous hanges !" ----------------------------------------------------------#asi$ %a& %alue'(easi)ilt* ondition ----------------------------------------------------------x9 0.1860 + 1.0000 !1 + -0.1280 !+ + 0.0140 !6 + 0.0480 !7 + -0.1+90 !8 >= 0 x10 +.5710 + 1.0000 !2 + -0.1710 !+ + 0.0010 !6 + -0.0790 !7 + -0.2290 !8 >= 0 x5 57.0000 + 1.0000 !+ + -1.0000 !5 + -1.0000 !6 + -1.0000 !7 + -1.0000 !8 >= 0 x12 +.6100 + -0.2560 !+ + 1.0000 !4 + 0.0060 !6 + 0.0060 !7 + 0.00+0 !8 >= 0 x1 manda&a 159.0000 + 1.0000 !+ + -1.0000 !6 + -1.0000 !7 + -1.0000 !8 >= 0 x2 lima 82.0000 + 1.0000 !6 >= 0 x+ ,i@a 82.0000 + 1.0000 !7 >= 0 x4 -&utilla 62.0000 + 1.0000 !8 >= 0 x17 5.6900 + -0.2700 !+ + -0.0+00 !6 + -0.0200 !7 / ;3"1033 DH / ."3333 DQ I5 3

1.6 Problemas adicionales *os siguientes problemas son tomados del libro bInvestigacin operativa b, de Kronson, serie #chaumm"

#roblema" @n expendio de carne acostumbra preparar la carne para

albndigas con una me$cla de carne molida de res ! de cerdo" *a carne de res contiene H3P de carne ! 13P de grasa ! cuesta A3"H la libra" *a carne de cerdo contiene DHP de carne ! 01P de grasa ! cuesta A3"D por libra" BEu cantidad de cada tipo de carne debe emplear la tienda en cada libra de albndigas, si se desea minimi$ar el costo ! mantener el contenido de grasa no ma!or del 1,PC 4ol&cin+ %l objetivo es minimi$ar el costo R, de una libra de albndigas" Sariables+ -.5n9mero de libras de carne de res empleada en cada libra de albndiga" -15n9mero de libras de carne de cerdo empleada en cO libra de albndiga" Rmin 5 H3x. / D3x1 'ada libra de albndiga tendr 3"1x. libras de grasa provenientes de la carne de res ! 3"01x1 libras de grasa provenientes de la carne de cerdo" %l contenido total de grasa de una libra de albndiga no debe ser ma!or que 3"1, lb, entonces 3"1x. / 3"01x1 X 3"1, Adems el n9mero de libras de carne de res ! de cerdo por lb de albndiga debe sumar ., entonces x. / x1 5 . 8inalmente las cantidades no pueden ser nunca negativas, entonces x. Y3 ! x1 Y3 %l modelo queda+ Rmin 5 H3x. / D3x1 3"1x. / 3"01x1 X 3"1, x. / x1 5 . x. Y3 ! x1 Y3

#roblema" @na brica de muebles tiene D unds de madera ! 1H horas

disponibles, durante las cuales se va a abricar biombos" 'on anterioridad se han vendido bien dos modelos, de manera que se limitar a producir estos dos" #e estima que el modelo . requiere 1 unds de madera ! G horas del tiempo disponible, mientras que el modelo 1 requiere . und de madera ! H horas" *os precios de los modelos son A.13 ! AH3" B'untos biombos de cada modelo se deben producir para maximi$ar los ingresos por ventasC

4ol&cin+ *a uncin objetivo R es maximi$ar el ingreso *a variable x.5n9mero a producir del modelo . -1 5n9mero a producir del modelo 1 %l modelo queda+ R max 5 .13x. / H3x1 #ujeto a las restricciones+ 1x./x1 X D Gx./Hx1X 1H 'on x. ! x1 enteras no negativas"

#roblema" @na compaJ&a minera opera tres minas" %l mineral de cada

una se separa antes de embarcarse, en dos grados" *a capacidad diaria de produccin as& como sus costos diarios de operacin son los siguientes+ 4ineral grado alto 4ineral grado bajo 'osto operacin 7onOdia tonOdia A.333Odia 4ina . 4ina 1 4ina 0 2 D . 2 2 D 13 11 .H

*a compaJ&a se comprometi a entregar ,2 ton de material de grado alto ! D, de grado bajo para ines de la semana siguiente" Adems tiene contratos de trabajo que garanti$an a los trabajadores el pago del d&a completo por cada d&a o raccin que la mina est abierta" Determine el n9mero de d&as que la mina deber&a operar durante la siguiente semana, para que los costos sean m&nimos" 4ol&cin+ %l modelo queda+ Rmin 5 13x. / 11x1 / .Hx0 s"a+ 2x./ Dx1/ x0 Y,2 2x./ 2x1/ Dx0 YD, -. XG -1 XG -0 XG %s XG porque la produccin debe tardar mximo una semana"

#roblema" @n abricante est iniciando la 9ltima semana de produccin

de 2 modelos di erentes de consolas de madera, I, II, III ! IS, cada uno de los cuales debe ensamblarse ! luego decorarse" *os modelos requieren 2, ,, 0 ! , horas respectivamente para el decorado ! 1,.",, 0 ! 0 horas para el

ensamble" *as ganancias por modelo son AG, AG, AD ! AQ" Na! 03333 horas disponibles para ensamblar estos productos (G,3 ensambladores trabajando 23 horas semanales) ! 13333 horas disponibles para decorar (,33 decoradores trabajando 23 horasOsemana) B'untas unidades de cada modelo se debe producir para maximi$ar las gananciasC 4ol&cin+ Rmax 5 Gx./Gx1/ Dx0/Qx2 s"a+ 2x./,x1/ 0x0/,x2 X 03333 1x./.",x1/0x0/0x2 X13333 'on todas las variables enteras no negativas"

#roblema" @n excursionista planea salir de campamento" Na! cinco

art&culos que desea llevar consigo, pero entre todos sobrepasan las D3 lb que considera que puede cargar" (ara auxiliarse en la seleccin, ha asignado un valor a cada art&culo en orden ascendente en importancia+ Art&culo (eso lb Salor . ,1 .33 1 10 D3 0 0, G3 2 ., ., , G .,

BEu art&culos debe llevar para maximi$ar el valor total, sin sobrepasar la restriccin de pesoC 4ol&cin+ *as variables xi (i5., 1, 0, 2, ,) indica la cantidad a levar del art&culo i" %l objetivo es Rmax 5 .33x./D3x1/G3x0/.,x2/.,x, 'on las condiciones ,1x./10x1/0,x0/.,x2/Gx, XD3 -. X. -1 X. -0 X. -2 X. -, X. 'on todas las variables enteras no negativas"

#roblema" @n supermercado que unciona las 12 horas tiene los

siguientes requerimientos m&nimos para los cajeros+ (er&odo . 1 0 2 , D

Nora del d&a 0;G <9mero m&nimo G

G;.. ..;., 13 .2

.,;.Q 13

.Q;10 .3

10;0 .,

%l per&odo . sigue a continuacin del per&odo D" @n cajero trabaja H horas consecutivas, empe$ando al inicio de uno de los seis per&odos" (lantee el modelo para determinar qu grupo diario de empleados satis ace las necesidades con el m&nimo personal" 4ol&cin+ -i (i5., 1, 0, 2, , ,D) ser el n9mero de cajeros que empie$an a trabajar al inicio del per&odo i" Rmin 5 x./x1/x0/x2/x,/xD #ujeto a x. / xDYG -./x1 Y13 -1/x0 Y.2 -0/x2 Y13 -2/x, Y.3 -,/xDY, 'on todas las variables enteras ! no negativas"

#roblema" @n abricante de plsticos tiene en existencia, en una de sus

bricas, .133 cajas de envoltura transparente ! otras .333 cajas en su segunda brica" #e tienen rdenes para este producto por parte de tres di erentes detallistas en cantidades de .333,G33 ! ,33 cajas, respectivamente" *os costos unitarios de env&o (en centavos por caja) de las bricas a los detallistas son los siguientes+ 8brica . 8brica 1 Detallista . .2 .0 Detallista 1 Detallista 0 .0 .. .0 .1

Determ&nese una cdula de embarque con costo m&nimo para satis acer toda la demanda con el inventario actual" 4ol&cin+ -ij (i5.,1) j5., 1,0) es el n9mero de cajas que se enviaran desde la brica i hasta el detallista j %l objetivo es Rmin 5 .2x.. / .0x.1 / ..x.0 / .0x1. / .0x11 / .1x10 a las restricciones de capacidad (o erta) son x../x.1/x.0 X.133

-1./x11/x10X.333 4ientras las restricciones de demanda son x../x1.Y.333 -.1/x11YG33 -.0/x10Y,33

2.M%todos de sol#cin.
2.1 olucin gr!"ica de un problema de programacin lineal

#ea la siguiente uncin objetivo de un modelo lineal+ Rmax 5 1H3x / .Q3! #ujeto a las restricciones+ Qx / 2! X ,D Hx / ,! X D, (ara representar gr icamente las dos restricciones del problema, lo primero es calcular los cortes de las rectas con los ejes x e !" (ara hallar el corte con el eje x de la restriccin . se sustitu!e ! por 3 ! se despeja x - X ,DOQ o sea x X D"11 %l punto de corte con el eje x de la primera restriccin ser entonces (D"11, 3)" Asimismo el punto de corte de la primera restriccin con el eje ! se produce en (3, .2)+ ! X ,DO2 5 .2 (rocediendo de la misma manera para la segunda restriccin, estos puntos de corte con los ejes x e ! respectivamente sern (H".1,, 3) ! (3 ,.0) %n general lo que se hace es llenar la siguiente tabla+ =estriccin . =estriccin 1 X (ara x53 - X ,DOQ (ara x53 - X D,OH : !X,DO2 para !53 !XD,O, para !53

*a igura contiene la representacin de las dos rectas correspondientes a las restricciones (lineales) en un plano coordenado x;!" ?bserve que el rea solucin para el modelo completo es la interseccin de las dos reas solucin de las restricciones" (ara poder hallar el punto del rea solucin que produce el valor ptimo de R, se representa la recta de la uncin objetivo, que tambin es lineal, de la siguiente orma+ #e elige arbitrariamente un punto dentro del rea solucin por el cual se supone que pasa la recta de R, por ejemplo el punto (D"11, 3)" %n este punto la 8"?" tiene un valor de 1H3 L D"11 / .Q3 L 3 5 .G2."D (ara tra$ar la recta de R, representada a tra$os en el gr ico siguiente, se requiere por lo menos otro punto que, por simpli icacin, vamos a elegir situado sobre el eje !" *as coordenadas de ese otro punto de corte se hallan despejando ! en la igualdad 1H3 L 3 / .Q3 L ! 5 .G2."D =esulta un valor para ! 5 Q".DD

As& que el punto de corte de la recta R con el eje ! ser (3, Q".DD) (?bserve que en este punto la uncin objetivo tiene el mismo valor de .G2."D)

(ero el valor .G2."D no necesariamente es el mximo para R" %l valor mximo de R se consigue trasladando paralelamente a s& misma la recta de la 8"?" hacia arriba ! hacia la derecha del rea solucin" %l 9ltimo punto del rea solucin que toque la recta R, es el punto que produce el mejor

valor para este R+ el R ptimo" 'omo se puede ver en la igura, la 9ltima regin del rea solucin que toca la recta R es la seccin de recta a;b" (or ello la mejor solucin se produce a lo largo de este segmento de recta, particularmente por ejemplo, para el punto (3,.0) obtenindose un valor de 1H3 L 3 / .Q3 L .0 5 12G3 *os pasos generales que se deben seguir para hallar gr icamente la solucin ptima de un modelo lineal, son+ ." =epresentar gr icamente las restricciones del modelo" 1" Determinar el rea solucin" 0" 7ra$ar la recta de la 8"?" pasando por cualquier punto del rea solucin" 2" Despla$ar esta recta hacia uno de los vrtices del rea solucin movindola paralelamente a s& misma hacia arriba ! hacia la derecha si el problema maximi$a, ! hacia abajo ! hacia la i$quierda si el problema minimi$a" %l 9ltimo punto de contacto entre la recta de la 8"?" ! el rea solucin determina el punto ptimo"

<ote que para el modelo de nuestro ejemplo, la recta de la restriccin . ! la de la uncin objetivo se superponen exactamente en la $ona de la solucin ptima, debido a que ambas tienen la misma pendiente" +a sol&cin ptima se consig&e siempre en &no $e los p&ntos extremos $el )rea sol&cin" %n el numeral 2"0 del libro bInvestigacin de operaciones en la ciencia administrativaU de %ppen;[ould se encuentra desarrollado un ejemplo utili$ando el paquete %-'%*"

2.2

olucin de modelos lineales por el #$todo imple%.

@na pequeJa industria produce dos tipos de modelos de motor para motocicleta, de 23 cc" a de Q3 cc" *a instalacin completa comprende tres plantas+ una undidora, una seccin de corte ! una seccin de torneado de las pie$as" %l tiempo que consume cada tipo de motor en cada seccin ! la ganancia unitaria que producen, as& como las disponibilidades de tiempo de las secciones respectivas, se dan en el siguiente cuadro+ #ro$&cto 4eccin 8undicin 'orte 7orneado [anancia unitaria -otor $e D0 cc. -otor $e E0 cc. .h . 1 A133 ,h 0 1 A.33 8isponibili$a$ .3 h D H

#e pide resolver ptimamente el problema" 4ol&cin+ 0ctivi$a$es o ;ariables+ -.+ n9mero de motores de 23cc a producir -1+ n9mero de motores de Q3cc a producir" *a '&ncin objetivo ser maximi$ar el ingreso total por venta de motores" %l mo$elo es+ Rmax 5 133x. / .33x1 s"a+ x. / ,x1 X .3 (sujeto a)x. / 0x1 X D 1x./ 1x1 X H

*os rec&rsos son tres+ el tiempo de mano de obra en la seccin de undicin, de corte ! de torneado" *a $isponibili$a$ de los recursos es .3, D ! H unidades respectivamente" #aso .+ para resolver el modelo por el mtodo #implex es expresarlo en orma estndar, esto es, todas las restricciones se deben trans ormar a igualdades" *a desigualdad xX ., por ejemplo, se puede trans ormar en una igualdad sumando una variable que se llama bvariable $e Golg&raU al miembro i$quierdo+ x / s 5 .," De esta misma orma se pueden

trans ormar las desigualdades del modelo, el cual quedar&a en su orma estndar as&+ -./ ,x1 / s. 5 .3 -./ 0x1 / s1 5D 1x./ 1x1 / s0 5 H Rmax 5 133x. / .33x1 #on tres variables de holgura di erentes, s., s1, s0, una para cada restriccin" Ahora trabajaremos solo con los coe icientes de las variables, los cuales colocaremos en una tabla que se llama btabla simplex inicialU Sars" Kasicas #. #1 #0 Rmax A la matri$ . . 1 , 0 1 x. . . 1 133 . 3 3 x1 , 0 1 .33 3 . 3 s. . 3 3 3 3 3 . s1 3 . 3 3 s0 3 3 . 3 b .3 D H 3

#e le conoce como la matri$ c de m ilas por n columnas+ c mLn 5 c 0L, #us elementos se notan a.. a.1d a.n a1. a11 d a1n d" am. am1 damn %n general son los elementos aij, con el sub&ndice i que denota la ila ! j que denota la columna" Al vector .3 se le llama el vector b de m50 ilas por . columna" D H

%n alguna bibliogra &a tambin se le menciona como blos trminos del lado derechoU, bvector de trminos independientesU o b=ight Nand #ide (9F4) U" #us elementos se notan como b. b1 b0

Al vector (133 .33 3 3 3 ) se le conoce como el vector de los coe icientes de la uncin objetivo ! sus elementos se notan como c., c1dcm *a solucin inicial de este sistema de tres ecuaciones con cinco incgnitas, x., x1, s., s1, s0, estar&a dada por la matri$ identidad Sars" Kasicas #. #1 #0 Rmax x. x1 s. . 3 3 3 s1 3 . 3 3 s0 3 3 . 3 b .3 D H 3

Sariables bsicas Sariables no bsicas (su valor siempre es 3) 8uncin objetivo R

#.5.3, #15 D, #0 5 H -.53" -153 3

*a ganancia R 53 pues seg9n la solucin actual no se est reali$ando ninguna actividad (x. ! x1 son 3) ! estn sobrando .3, D ! H horas de tiempo en cada seccin respectivamente" %stas son las horas de Golg&ra de cada una de las tres secciones, que corresponden a las tres variables de holgura s., s1 ! s0" (ara mejorar la solucin actual se ejecutan trans ormaciones lineales al sistema de 0 ecuaciones simultneas, seg9n el mtodo de [auss;Fordan" A cada conjunto de trans ormaciones lineales se le llama una iteracin" #e opera de la siguiente manera+ #aso 2+ #e elige el mximo cj para identi icar la col&mna pivote j, que es la que determina la variable que va a entrar a la base en la siguiente iteracin 4ax (c.5133, c15.33, c053, c253, c,53, cD53) 5 133 Euiere decir que cj 5 c. 5 133 ! j 5 ." ? sea que x., que es la variable que est en la columna ., va a entrar a la base en la siguiente iteracin" #aso "+ #e elige el m&nimo de los bi O aij con j determinado en el paso i" %sta eleccin identi icar la (ila pivote i que determina la variable que sale de la base en la siguiente iteracin" 4in (b.Oa..5 .3O., b1Oa1.5 DO., b0Oa0. 5 HO1) 5 HO1 5 2

%n este caso la ila escogida como pivote es la ila i5 0" ? sea que la variable que saldr de la base es s0" (or ahora tenemos el tablero simplex inicial

#aso D+ @na ve$ determinadas la ila ! la columna pivote, se divide toda la ila por el elemento pivote aij 5 a0. 5 1" %s la primera trans ormacin lineal" *a nueva ila pivote queda+ Sars" Kasicas #. #1 Rmax x. . . . 133 x1 , 0 . .33 s. . 3 3 3 s1 3 . 3 3 s0 3 3 .O1 3 b .3 D HO1 3 biOaij .3O. DO. HO1

*uego se llevan a cabo 0 trans ormaciones lineales ms para que la columna . (pivote) sea parte de la matri$ identidad" *a primera trans ormacin es sobre la ila ., a la cual se le debe sumar la ila 0(pivote) multiplicada por ;." De este modo el elemento a..5., es trans ormado a a..53" %sta trans ormacin lineal se nota as&+ 8./(;.)L80 *os elementos de la primera ila+ . , . 3 3 .3 se trans ormarn seg9n las siguientes operaciones+ %l . se trans orma a 3 35./ (;.)L. %l , se trans orma a 2 25,/ (;.)L. %l . permanece igual .5./ (;.)L3 %l 3 permanece igual 353/ m (;.)L3 %l 3 se trans orma a ;.O153/ (;.)L.O1 %l .3 se trans orma a D D5.3/ (;.)LHO1

*a nueva ila . ser 3 2 . 3 ;.O1 D" De la misma orma se calculan las trans ormaciones para la ila 1+81/ (;.)L80 ! para la ila 2+ 82/(;133)L80, obteniendo la nueva matri$ Sars" Kasicas #. #1 x. Rmax x. x1 3 2 3 1 . . 3 ;.33 s. . 3 3 3 s1 3 . 3 3 s0 b 7rans " lineales ;.O1 D 8./ (;.)L80 ;.O1 1 81/ (;.)L80 .O1 HO1 ;.33 ;H33 82/ (;133)L80

#aso C+ veri icar los valores de los cj" #i todos los cj son 3 negativos, se ha obtenido la sol&cin ptima, si no, se debe proceder de nuevo con el paso ii, pero con la actual matri$" %n este caso la condicin de inali$acin de iteracin se cumple puesto que los cj son 3, ;.33, 3, 3, ;.33, todos son 3 o negativos" De esta manera la solucin ptima para nuestro modelo se puede hallar al leer las columnas pertenecientes a la matri$ identidad+

*a 4ol&cin >ptima (4.O) del modelo es+ #.5 D, #15 1 ! -.5 2, como variables bsicas, con ganancia de H33" *as variables que no estn en la base valen 3, en este caso x153 ! s053" *a interpretacin de esta solucin es que se debe reali$ar 2 unidades de la primera actividad, motores de 23 cc" (-.52), ! van a sobrar D unidades del primer recurso (s.5D), D horas de trabajo en la seccin de undido, ! 1 unidades del segundo recurso (s151), 1 horas de trabajo de la seccin corte, que son las holguras" 'omo la holgura del tercer recurso es cero (s053) quiere decir que este recurso se est agotando" ? sea que la seccin de torneado est trabajando a toda su capacidad" De la segunda actividad, motores de Q3 cc" <o se va a producir nada (x153)" #i se quiere veri icar esta solucin se puede reempla$ar los valores hallados en las restricciones originales+ -. / ,x1 / s. 5 .3 5 2/D

-. / 0x1 / 1x./ 1x1 / Rmax 5 133x. / .33x1

s1

5D52/1 s0 5 H 5 H / 3 5 133L2 5H33

%n la prctica, este tipo de clculos se ejecutan en la computadora ! los reali$a el paquete que resuelve el modelo" @sted no debe preocuparse por reali$ar estos tediosos ! largos clculos, el computador los har por @sted" Ejemplo =esuelva por el mtodo #implex el siguiente problema+ una pequeJa carpinter&a produce dos modelos de muebles, clsico ! *uis xv" *os muebles deben pasar a travs de los procesos de corte, ensamble ! terminado" *a siguiente tabla muestra los tiempos unitarios, en horas, empleados por cada tipo de mueble en cada proceso, as& como la disponibilidad de tiempo en cada proceso ! el precio de venta de cada uno" /l)sico /orte Q(h) Ensamble H Termina$o , #recio A1H3 +&is xv 2(h) , D A.Q3 8isponibili$a$ HGI ,D D, ,3

*as variables x. ! x1 designan el n9mero de unidades de mueble de cada tipo a producir" *a uncin objetivo es maximi$ar el ingreso total por ventas" Rmax 5 1H3x. / .Q3x1 s"a+ Qx. / 2x1 X ,D Hx. / ,x1 X D, ,x. / Dx1 X ,3 (ara obtener la orma estndar (paso i") se debe adicionar variables de holgura" 7rans ormando el modelo a Rmax 5 s"a+ 1H3x. / .Q3x1 Qx. / 2x1 / .s. 5 ,D Hx. / ,x1 / .s1 5 D, ,x. / Dx1 / .s0 5 ,3

*a tabla simplex inicial queda Sar"basicas -. x1 s. s1 s0 b biOaij

#. #1 #0 Rmax

Q H , 1H3

2 , D .Q3

. 3 3 3

3 . 3 3

3 3 . 3

,D D, ,3 3

,DOQ D,OH ,3O,

*a columna pivote (paso ii) es la primera, 4ax (1H3, .Q3, 3,3, 3) 5 1H3 5 c.5cj *a ila pivote (paso iii) es la primera+ 4in (,DOQ, D,OH, ,3O,) 5 ,DOQ5b.Oa..5biOai. %l elemento pivote es aij con i5. ! j5., a..5 Q" #e divide toda la primera ila sobre Q (paso iv") . 2OQ .OQ 3 3 ,DOQ ! se hacen tres trans ormaciones lineales sobre las ilas restantes, la segunda, tercera ! cuarta del tablero para hacer que la columna ., la pivote, sea parte de la matri$ identidad, Sar"basicas #1 #0 Rmax Sar"basicas -. #1 #0 Rmax -. . H , 1H3 x1 2OQ , D .Q3 s. .OQ 3 3 3 s1 3 . 3 3 s0 3 3 . 3 s0 3 3 . 3 b ,DOQ D, ,3 3 biOaij ,DOQ D,OH 81/ (;H)L8. ,3O, 80/ (;,)L8. 82/ (;1H3)L8.

-. x1 . 2OQ 3 .0OQ 3 02OQ 3 ,Q3OQ

s. s1 .OQ 3 ;HOQ . ;,OQ 3 ;1H3OQ 3

b biOaij ,DOQ .0GOQ 81/ (;H)L8. .G3OQ 80/ (;,)L8. ;.G21"1 82/ (;1H3)L8.

#e veri ica la condicin de in de iteracin+ si todos los cj son 3 negativos" #e observa que c1 5 ,Q3OQ es a9n positivo, lo cual obliga a hacer una segunda iteracin, volviendo al paso ii del algoritmo" 4ax (3, ,Q3OQ, ;1H3OQ, 3, 3) " Ahora la columna pivote es la j con cj 5 c1 5 ,Q3OQ" Sar"basicas -. #1 #0 Rmax -. x1 . 2OQ 3 .0OQ 3 02OQ 3 ,Q3OQ s. s1 .OQ 3 ;HOQ . ;,OQ 3 ;1H3OQ 3 s0 3 3 . 3 b biOaij ,DOQ ,DOQO2OQ 5 ,DO2 .0GOQ .0GOQO.0OQ5.0GO.0 .G3OQ .G3OQO02OQ5.G3O02 ;.G21"1

*a ila pivote es min (,DO2, .0GO.0, .G3O02) 5 .G3O02 5 ila i5 ila 0 %l elemento pivote es a01 5 02OQ" #e divide toda la ila 0 por 02OQ+ 80O02OQ, Euedando 3 . ;,O02 3 QO02 .G3O02 %l siguiente tablero simplex correspondiente a la iteracin n9mero 1 queda, Sar"basicas -. x1 s. s1 s0 b biOaij -. . 2OQ .OQ 3 3 ,DOQ 8./ (;2OQ)L80 #1 3 .0OQ ;HOQ . 3 .0GOQ 81/ (;.0OQ)L80 3 . ;,O02 3 QO02 .G3O02 Rmax 3 ,Q3OQ ;1H3OQ 3 3 ;.G21"1 82/ (;1H3)L8. Sar"basicas -. #1 -1 -. . x1 3 3 . 3 s. 1GO.,0 ;.QGO03D ;,O02 ;0D,O.G s1 3 . 3 3 s0 ;2O02 ;.0O02 QO02 ;,Q3O023 b 0DOQ G1OQ ;13DQ"QG

3 3 .G3O02 Rmax 3

%n este 9ltimo tablero todos los cj son negativos o cero ! por ello se ha llegado a la siguiente solucin ptima+ *as variables bsicas -. 5 0DOQ, s1 5 G1OQ, x1 5 .G3O02, *a uncin objetivo R 5 13DQ,QG *as variables no bsicas s. 5 3, s0 5 3 *as variables de holgura signi ican que los recursos primero ! tercero se estn agotando completamente, mientras que del segundo sobran G1OQ horas" 2.& #odelos con restricciones '(.)so de *ariables arti"iciales. -Jto$o $e las $os (ases. =esolver el modelo+ X1 1 . . X2 1 1 . , 65 65 I5 5 .33 .H3 23 (=estriccin bI5U) Rmax

Al aumentar las variables de holgura para obtener la base inicial se notar que no se puede obtener la matri$ identidad debido al valor negativo del coe iciente de #0 en la tercera ila+ X1 1 . 3 Rmax . X2 1 1 . , 41 . 3 3 3 42 3 . 3 3 4" 3 3 ;. 3 b .33 .H3 23 3

*a orma como se puede obtener una solucin bsica actible inicial es aumentando una variables con coe iciente unitario ! positivo a la tercera restriccin, solamente con el in de completar la matri$ identidad" A esta variable la notaremos A0 ! se le llama variable arti icial" *a tabla quedar as&+ X1 1 . 3 Rmax . X2 1 1 . , 41 . 3 3 3 42 3 . 3 3 4" 3 3 ;. 3 0" 3 3 . 3 b .33 .H3 23 3

(ara resolverlo, se minimi$a primero el valor de la(s) variable(s) arti icial(es) por medio de una uncin objetivo inicial cu!os coe icientes resultan de la ecuacin que contiene la variable arti icial trans ormada as&+ -1;#0/A0 5 23 queda A0 ;23 5 3-.;.-1/3#./3#1/.#0

*a nueva tabla inicial quedar X1 1 . 3 3 X2 1 1 . ;. 41 . 3 3 3 42 3 . 3 3 4" 3 3 ;. . 0" 3 3 . 3 b .33 .H3 23 ;23

A0min

?bserve el coe iciente inicial de la variable A0+ 3" 'omo se est minimi$ando, se elige como columna pivote la que tenga el coe iciente 'j ms negativo" %n este caso la segunda" Despus de ejecutar las trans ormaciones lineales necesarias, la nueva matri$ es+ X1 1 X2 3 41 . 42 3 4" 1 0" ;1 b 13

A0min

. 3 3

3 . 3

3 3 3

. 3 3

1 ;. 3

;1 . .

.33 23 3

#igni ica que se ha minimi$ado A0" @na ve$ obtenido este objetivo (si no se puede, el modelo es in actible) se comien$a con la ase II+ se anula la columna de A0, la ila de A0min ! se introduce la uncin objetivo original 5ase #. #1 -1 Rmax X1 1 . 3 . X2 3 3 . , 41 . 3 3 3 42 3 . 3 3 4" 1 1 ;. 3 b 13 .33 23 3

(ero observe que la base se ha perdido pues -1 no podr&a hacer parte de ella al no ser la segunda columna parte de la matri$ identidad" *a base se recupera sin embargo al trans ormar la 9ltima ila+ 5ase #. #1 -1 Rmax X1 1 . 3 . X2 3 3 . 3 41 . 3 3 3 42 3 . 3 3 4" 1 1 ;. , b 13 .33 23 ;133

A continuacin se itera normalmente hasta conseguir una solucin ptima+ 5ase #. #1 -1 Rmax 2.4 X1 . ;. . ;2 X2 3 3 . 3 41 .O1 ;. .O1 ;,O1 42 3 . 3 3 4" . 3 3 3 b .3 H3 ,3 ;1,3

olucin de un modelo utili+ando el pa,uete E-.E/

Eueda la siguiente matri$+

#e instala la herramienta #olver en ArchivoOopcionesOcomplementosOherram" (ara anal"OirOsolverOaceptar *uego+ DatosO#olver ! llenar la pantalla que aparece a continuacin, de la siguiente orma+

#e hace elige b=esolverU ! se obtiene la solucin del modelo"

!.Precios sombra
&.1 Precios sombra.

modelo d#al.

(ara iniciar este tema es bueno recordar nuestro ejemplo de la pequeJa carpinter&a tratado en una seccin anterior, con la salvedad de que vamos a considerar ahora solamente dos, en ve$ de tres recursos+ los tiempos de las secciones de ensamble ! terminado" Ejemplo =esuelva por el mtodo #implex el siguiente problema+ una pequeJa carpinter&a produce dos modelos de muebles, clsico ! *uis xv" *os muebles deben pasar a travs de los procesos de corte, ensamble ! terminado" *a siguiente tabla muestra los tiempos unitarios, en horas,

empleados por cada tipo de mueble en cada proceso, as& como la disponibilidad de tiempo en cada proceso ! el precio de venta de cada uno" /l)sico Ensamble H Termina$o , #recio A1H3 +&is xv , D A.Q3 8isponibili$a$ HGI ,G D,

*as variables x. ! x1 designan el n9mero de unidades de mueble de cada tipo a producir" *a uncin objetivo es maximi$ar el ingreso total por ventas" %l modelo es Rmax 51H3x. / .Q3x1 s"a+ Hx. / ,x1 X ,G ,x. / Dx1 X D, %l tablero ptimo queda ahora Sar"basicas -. -1 Rmax -. 3 x1 3 s. K"1.7 s1 KC.21 b 3"G2 .3"1. ;1.2H,0

(?bviando los valores interiores del tablero, que no interesan por ahora) *a solucin ptima es *as variables bsicas -. 5 3"G2, x1 5.3"1., *a uncin objetivo R 5 1.2H *as variables no bsicas s. 5 3, s1 5 3 *as variables de holgura signi ican que los dos recursos se estn agotando completamente" %n este momento se podr&a considerar cmo puede ser aumentado el valor de la uncin objetivo que es, en 9ltima instancia, lo que ms interesa" *a opcin para ello ser&a aumentar las disponibilidades de los recursos agotados" (ero suponga que si se desea aumentar por ejemplo la disponibilidad del primer recurso, esto es, horas de trabajo en la seccin de ensamble de la carpinter&a, la mano de obra ina est algo escasa ! no se pueda contratar un ensamblador por menos de Ks 03 la hora extra" #uponga tambin que la carpinter&a tenga unos gastos ijos por pago de salarios a 2 operarios de Ks".233 semanales" %ste gasto ijo que no se inclu! en el modelo inicial ! tendr&a que descontarse de la ganancia producida por las actividades, o sea que la ganancia neta semanal ser&a de 1.2H ; .233 5 Ks G2H #i se contratan horas extras es claro que la produccin aumentar&a ! por ende el ingreso por ventas, pero el costo total de las horas extras se debe restar de la uncin objetivo" *a pregunta crucial es+ BEu tan rentable es

contratar horas extraC B%n cunto aumentar la ganancia por cada unidad de horas extra que se contrateC %sta pregunta la responde un actor llamadoU precio sombraU o bprecio dualU (#hado: price o dual price)" #i se resuelve este mismo problema pero con la disponibilidad de uno de los recursos agotados, el primero, aumentada en una unidad, Rmax 5 #"a+ 1H3x. / .Q3x1 Hx. / ,x1 X CL ,x. / Dx1 X D,

?bserve el resultado que se obtiene+ Sar"basicas -. -. -1 Rmax 3 x1 3 s. K"1.7 s1 ;,"1. b . .3 ;1.H3

*a uncin objetivo que antes val&a 1.2H,0 ahora aument su valor en "1.7+ 1.2H"0 / 0."G 5 1.H3 Al restarle los gastos ijos de Ks .233 la 8"?" queda en Ks GH3 que es la ganancia neta" (ero no olvidemos que por cada hora extra que se contrate mano de obra se deben pagar Ks 03 ms, as& que el aumento de la ganancia al aumentar en una unidad la disponibilidad del primer recurso ser solamente de 0."G; 03 5 ."G ! el valor de la nueva ganancia neta no ser de Ks GH3 sino de Ks G,3" #i aumentamos la disponibilidad del segundo recurso en una unidad, Rmax 5 s"a+ 1H3x. / .Q3x1 Hx. / ,x1 X ,G ,x. / Dx1 X MM

a se resuelve de nuevo el modelo, el resultado es Sar"basicas -. x1 s. s1 b -. 3",1 -1 .3",D Rmax 3 3 ;0."G KC.21 ;1.,0",. *a "?" aument en C.21+ 1.2H"0 / ,"1. 5 1.,0",. #i se observa el tablero simplex ptimo en cada caso, se ver que estos actores, 0.,G ! ,,1. estn debajo de las columnas de las variables de holgura" A los coe icientes de la ila de la 8"?" en el tablero ptimo que

correspondan a las columnas encabe$adas por variables de holgura, se les llama bprecios sombraU ! nos dicen en c&anto variar) la '&ncin Objetivo c&an$o la $isponibili$a$ $el rec&rso correspon$iente a&menta en &na &ni$a$.

&.2 Problema 0ual1 .onstruccin y

igni"icado

Asociado a cada problema (primario) de (* existe un problema correspondiente denominado problema dual" (ara construir el dual se debe saber que existe una correspondencia uno a uno entre el tipo de restriccin ! el tipo de variable" 'on la siguiente tabla se puede establecer la relacin entre los operadores de las restricciones ! de las variables entre ambos modelos+ En el primal< 'uando Rmin #i restriccin i es X bi #i restriccin i es 5 bi #i restriccin i es Y bi #i la variable xi es Y 3 #i la variable xi es no restringida #i la variable xi es X 3 'uando Rmax #i restriccin i es X bi #i restriccin i es 5 bi #i restriccin i es Y bi #i la variable xi es Y 3 #i la variable xi es no restringida #i la variable xi es X 3 En el 8&al< [max *a variable !i X 3 *a variable !i no restringida" *a variable !i Y3 *a restriccin i es X ci *a restriccin i es 5ci *a restriccin i es Y ci [min *a variable !i Y 3 *a variable !i no restringida" *a variable !i X3 *a restriccin i es Y ci *a restriccin i es 5ci *a restriccin i es X ci

'onsidere el siguiente problema primario+ min x. ; 1x1 sujeta a+ x. / x1 56 1, x. ; x1 56 ;., x15I 0, x., x1 5I 3 #iguiendo la regla de construccin antes mencionada, el problema dual es+ 4ax 1u. ; u1 / 0u0 sujeta a+ u. / u1 5I ., u. ; u1 / u0 I5 ;1, u.I5 3, u1 I5 3, u0 I5 3 El #roblema 8&al $el #roblema $el /arpintero< %l problema primal es+ 4aximi$ar ,-. / 0-1 #ujeta a+ 1-. / -1 23 -. / 1-1 ,3 -. 3 -1 3 %l problema dual es+ 4inimi$ar 23@. / ,3@1 #ujeta a+ 1@. / @1 , @. / 1@1 0 @. 3

@1 3

Donde -. ! -1 representan la cantidad de mesas ! sillas a abricar" #upngase que el 'arpintero desea contratar un seguro para sus ingresos netos" Digamos que+ @. 5 el monto en dlares pagadero al 'arpintero por cada hora de trabajo perdida (por en ermedad, por ejemplo), @1 5 el monto en dlares pagadero al 'arpintero por cada unidad de materia prima perdida (por incendio, por ejemplo)" (or supuesto que el corredor de seguros intenta minimi$ar el monto total de @#A(23@. / ,3@1) pagadero al 'arpintero por la 'ompaJ&a de #eguros" #in embargo, como es de esperar, el 'arpintero ijar las restricciones (es decir las condiciones) para que la compaJ&a de seguros cubra toda su prdida que equivale a sus ingresos netos debido a que no puede abricar los productos" %n consecuencia, el problema de la compaJ&a de seguros es+ 4inimi$ar 23 @. / ,3 @1 1@. / .@1 5I , ingresos netos por una mesa .@. / 1@1 5I 0 ingresos netos por una silla @., @1 son no negativas"

#i implementa este problema en un paquete de so t:are, ver que la solucin ptima es @. 5 @#AGO0 ! @1 5 @#A.O0 con el valor ptimo de @#A..3 (el monto que el 'arpintero espera recibir)" %sto asegura que el 'arpintero pueda manejar su vida sin inconvenientes" %l 9nico costo es la prima que le cobra la compaJ&a de seguros" 'omo puede ver, el problema de la compaJ&a de seguros est estrechamente relacionado con el problema original" 7al como vimos en el (roblema del 'arpintero ! su (roblema Dual, el Salor ?ptimo es siempre el mismo para ambos problemas" %sto se denomina EN&ilibrio Econmico entre el (roblema (rimario ! el (roblema Dual" Errores $e 9e$on$eo cometi$o por los .erentes+ tenga cuidado siempre que redondee el valor de los precios sombra" (or ejemplo, el precio sombra de la restriccin de recursos en el problema anterior es HO0, por ende, si usted desea comprar ms de este recurso, no deber&a pagar ms de @#A1"DD" #in embargo, siempre que usted quiera vender cualquier unidad de este recurso, no deber&a hacerlo a un precio in erior a @#A1"DG" (odr&a darse un error similar si usted redondea en los l&mites de los rangos de sensibilidad" 'omo siempre, ha! que prestar atencin porque los l&mites superiores e in eriores deben redondearse para abajo ! para arriba, respectivamente" /)lc&lo $e los #recios 4ombra Ahora !a sabe que los precios sombra son la solucin del problema dual" Aqu& tenemos un ejemplo numrico" 'alcule el precio sombra para ambos recursos en el siguiente problema de (*+ 4ax ;-. / 1-1 -. / -1 56 , -. / 1-1 56 D tanto -. como -1 son no negativas" *a solucin de este problema primario (utili$ando por ejemplo el mtodo gr ico) es -. 5 3, -1 5 0, con el sobrante #. 5 1 del primer recurso mientras que el segundo recurso se utili$a por completo, #1 5 3" *os precios sombra son la solucin del problema dual+

4in ,@. / D@1 @. / @1 ;. @. / 1@1 1 tanto @. como @1 son no negativas" *a solucin del problema dual (utili$ando por ejemplo el mtodo gr ico) es @. 5 3, @1 5 . que son los precios sombra para el primer ! el segundo recurso, respectivamente" 8&jese que siempre que la holgura O excedente de una restriccin no es cero, el precio sombra relacionado con ese =N# de la restriccin es siempre cero, pero p&e$e no $arse el caso contrario" %n este ejemplo numrico #. 5 1 (es decir, el valor de holgura del =N# . del problema primario), que no es cero) por lo tanto @. es igual a cero tal como es de esperar" 'onsidere el siguiente problema+ 4ax -. / -1 -. . -1 . -. / -1 1 todas las variables de decisin 3" @tili$ando un paquete de so t:are, puede veri icar que el precio sombra para el tercer recurso es cero, mientras que no ha! sobrante de ese recurso en la solucin ptima -. 5., -1 5 ." 0plicaciones< usted puede utili$ar la dualidad en una amplia gama de aplicaciones tales como+ e %n algunos casos, puede ser ms e iciente resolver el problema dual que el primario" e *a solucin dual proporciona una interpretacin econmica importante tal como los precios sombra (es decir, los valores marginales de los elementos =N#) que son los multiplicadores *agrangianos que demuestran una cota (estricta) del valor ptimo del problema primario ! viceversa" Nistricamente, el precio sombra se de ini como la mejora en el valor de la uncin objetivo por aumento unitario en el lado derecho, porque el problema generalmente adoptaba la orma de una mejora de maximi$acin de utilidades (es decir, un aumento)" %l precio sombra puede no ser el precio de mercado" %l precio sombra es por ejemplo el valor del recurso bajo la bsombraU de la actividad comercial" #e puede reali$ar un an)lisis $e sensibili$a$, es decir un anlisis del e ecto de pequeJas variaciones en los parmetros del sistema sobre las medidas de produccin,

calculando las derivadas de las medidas de produccin con respecto al parmetro" e #i una restriccin en un problema no es obligatoria (en otras palabras, el valor *N# o valor del lado i$quierdo) concuerda con el valor =N#), la variable asociada en el problema es cero" De manera inversa, si una variable de decisin en un problema no es cero, la restriccin asociada en el otro problema es obligatoria" A estos resultados se los conoce como 'ondiciones 'omplementarias de Nolgura" e ?btener el rango de sensibilidad del =N# de un problema partiendo del rango de sensibilidad del coe iciente de costos del otro problema ! viceversa" (ara ms detalles ! ejemplos numricos, lea los siguientes art&culos+ A" Kenjamin, #ensible =ules or =emembering DualsW #;?;K 4ethod, SIAM Review, 0G, H,;HG, .QQ," N" Arsham, An Arti icial;8ree #implex Algorithm or [eneral *( 4odels, Mathematical and Computer Modelling, 1,, .3G;.10, .QQG" Obtencin $e los precios sombra en las sol&ciones Galla$as por paN&ete Al resolver el modelo por medio del paquete ZI<E#K (u otro cualquiera) , en la solucin siempre se dan los precios sombra "?bserve en la pantalla de abajo en la columna titulada b #hado: pricesU los valores para los precios sombra tanto del primero como del segundo recurso + 0."G0 ! ,"1. " ?bserve tambin los valores m&nimos ! mximos que pueden tomar tanto los coe icientes de la 8"?", c. ! c1, como los trminos independientes+ b. ! b1 para que la base no cambie (Anlisis de sensibilidad), igualmente el valor de las variables de holgura o bslacMU" #roblema $&al $el mo$elo $e la $ieta #uponga el problema plasmado en la siguiente tabla, en el que se debe seleccionar la cantidad de alimento para componer una dieta balanceada con carbohidratos, prote&nas ! vitaminas" 0limento Elemento 2&tricional 'arbohidratos mg" *egumbres Q3 mg" *cteos 23 mg 8rutas =equer" min" 13 mg" 133

(rote&nas Sitaminas 'osto OMg

03 .3 A3"1.

D3 D3 A3".,

H3 13 A3".H

.H3 .,3

%l primal debe minimi$ar el costo de producir una dieta ideal con -. Tg de legumbres, -1 Tg de lcteos ! -0 Tg de rutas a un costo de Rmin" (ara interpretar el dual de este problema se puede suponer que la persona que hace la dieta puede consumir directamente en pastillas, por ejemplo, los carbohidratos, prote&nas ! vitaminas que requiere, las que puede adquirir en una armacia" %l dueJo de la armacia debe vender a su cliente estos productos a un precio competente para que este pre iera comprarle a l ! no adquirir en el mercado las legumbres, rutas ! verduras que necesite" *os precios a los cuales debe vender el armacutico sus productos son las variables duales a., a1, a0" Al resolver el modelo primal se hallan los valores para -., -1 ! -0, los valores para las variables excedentarias (de bsurplusU, por ser restricciones bI5U) #., #1 ! #0, ! los precios sombra para la primera, segunda ! tercera restricciones que no son ms que los mismos valores de las variables duales aj obtenidos al resolver el modelo dual" #e ver que las variables #. ! #1 son no bsicas mientras que #0 es bsica, di erente de cero" #igni ica que la solucin del primal contempla un excedente de vitaminas mientras que el requerimiento de carbohidratos ! prote&nas se cumple ajustado al m&nimo"

4.Modelos de redes.
4.1 El problema del transporte %ste problema consiste en determinar el lujo entre m or&genes ! n destinos conociendo la capacidad de o ertas de los primeros ! la demanda de los 9ltimos, adems del costo, tiempo o distancia entre ellos" *os or&genes pueden ser bricas, centros de produccin o centros de acopio" *os destinos pueden ser centros de consumo, seg9n el contexto del problema espec& ico de que se trate" %l problema del transporte se puede representar utili$ando un gra o o una matri$ de costos ! lujos" Ejemplo %l objetivo es encontrar la manera ms e ectiva de transportar productos" *a siguiente tabla presenta un resumen de la o erta ! la demanda en cada origen (por ejemplo+ el depsito) ?., ?1 ! destino (por ejemplo+ el mercado) D. ! D1, junto con el costo unitario de transporte"

-atriB $e costos D. ?. ?1 Demanda 13 .3 .,3 D1 03 23 .,3 ? ert a 133 .33 033

-ij representa la cantidad de productos enviados desde el origen i hasta el destino j" (or ejemplo x.1 ser&a la cantidad de productos enviados desde el origen . hasta el destino 1" *a ormulacin de (* del problema de minimi$acin del costo total de transporte es la siguiente+ 4in 13-.. / 03-.1 / .3-1. / 23-11 #ujeta a -.. / -.1 5 133 -1. / -11 5 .33 -.. / -1. 5 .,3 -.1 / -11 5 .,3 todas -ij I5 3" ?bserve cmo se ormar&a el tablero simplex del problema+ X11 x12 . 3 . 3 Rmin 13 . 3 3 . 03 x21 3 . . 3 .3 x22 3 . 3 . 23 b 133 .33 .,3 .,3

'omo este problema de transporte es equilibrado (o erta total 5 demanda total) todas las restricciones estn en orma de igualdad" Adems, cualquiera de las restricciones es redundante (si se suman dos restricciones cualquiera ! se resta otra obtenemos la restriccin restante)" *a 9ltima restriccin "se podr&a borrar sin que el problema se alterara" %l modelo tal como est planteado se podr&a solucionar por el mtodo simplex utili$ando cualquier paquete, pero existe un mtodo ms e ectivo que se encuentra implementado en los paquetes bajo el nombre de

bproblema del transporteU (btransportation modelU)"%l mtodo sobre el cual se basan estos paquetes para hallar el ptimo del transporte se llama b4todo de la distribucin modi icadaU" 7al el caso del paquete ZI<E#K al cual vamos a apelar en este momento" (ara ello, despus de cargar el mdulo principal, elegimos el &cono llamado b<et:orM modelingU" @na ve$ cargado este mdulo, aparecen las siguientes opciones+

'ig&ra 1. %legimos b7ransportation modelU ! tecleamos b1U en bnumber o sourcesU (n9mero de uentes u or&genes), ! tambin b1U en bnumber o destinationU (n9mero de destinos)" *uego se presenta la siguiente pantalla+

'ig&ra 2 Donde escribimos los costos correspondientes, las o ertas (b#uppl!U) ! las demandas (bDemandsU)" *uego elegimos la barra b#olve and anlisisU ! luego b#olve the problemU ! aparece la solucin en la igura 0+

'ig&ra "

*a estrategia ptima es -.. 5 ,3, -.1 5 .,3, -1. 5 .33, ! -11 5 3, con un costo total de transporte m&nimo de @#AD",33" #e puede ver tambin el problema en orma de gra o haciendo clic en el men9 b=esultsU de la barra principal, ! luego eligiendo b[raphic solutionU" (ara obtener una versin ms detallada del 4todo Algebraico, visite el sitio 7o:ard the #implex 4ethod #i desea estudiar otro ejemplo del problema de trasporte, al cargar el mdulo b<et:orM modelingU del paquete ZI<E#K, seleccione b8ileU, b*oad problemU ! elija el ejercicio llamado btransport"netU del listado que aparece" 4.2 El problema de la asignacin #uponga el problema de un taller con di erentes equipos, soldadoras, cortadoras, tornos etc" %l problema consiste en decidir individualmente entre el personal del taller para asignarle a cada quien una mquina de tal manera que se optimice (maximice) la productividad total" ?tro caso de este mismo tipo de problema ser&a el de la licitacin de algunas obras, por parte de un ente como la alcald&a, por ejemplo" (or un lado se tendr&a m obras que deben ser reali$adas por n licitantes, ! donde cada licitante o rece reali$ar la obra a un determinado costo" *a cantidad que se optimi$ar&a (minimi$ar) ser&a el monto total de los recursos asignados" %l problema de asignar m radiotaxis a n usuarios es tambin un problema de asignacin" *os radiotaxis pueden estar locali$ados alrededor de dos o tres centrales situadas en di erentes puntos de la ciudad ! los usuarios en un cierto momento estn locali$ados a todo lo ancho de la misma" %l problema consiste en decidir cules taxis van a recoger a cules usuarios para optimi$ar (minimi$ar) el costo total, el recorrido total o el tiempo total de viaje" Ejemplo @n pro!ecto de renovacin urbana llevado a cabo por la alcald&a, comprende obras tales como demolicin de antiguas viviendas expropiadas, repavimentacin de calles, construccin de una pla$oleta, tendido de redes de alcantarillado ! construccin de un mercado p9blico" *a municipalidad ha licitado las obras ! se han presentado , concursantes cu!as propuestas de costos, en miles de dlares, son+ +icitante 1 2 " D C

Obra Demolicin 2. =epaviment",D (la$oleta QD =edes 21 4ercado Q3

2H D3 Q2 22 Q3

,3 D3 H, 2D Q2

22 DH HG 20 Q.

2H DG Q2 ,3 Q3

'on el in de apresurar la terminacin del pro!ecto ! teniendo en cuenta la limitada capacidad econmica de las empresas postulantes, se ha decidido asignar a cada uno de las compaJ&as licitantes una sola obra" 7ambin se ha decidido para ma!or claridad en las cuentas, que una obra sea reali$ada solo por un licitante"" 'on estas condiciones ! estos parmetros con iguramos la siguiente matri$+ +icitante 1 Obra Demolicin 2. =epaviment",D (la$oleta QD =edes 21 4ercado Q3 Demandas . 2 2H D3 Q2 22 Q3 . " ,3 D3 H, 2D Q2 . D 22 DH HG 20 Q. . C 2H DG Q2. ,3 Q3 . O(erta . . . . .

'ada obra se le bo receU solo a . licitante, por ello la o erta de cada obra es b.U" A cada licitante se le debe asignar solo una obra, por ello cada compaJ&a pugna o demanda por obtener una sola obra+, la demanda para cada licitante es b.U" #i se uera a resolver este modelo utili$ando el mtodo simplex, tendr&amos que plantearlo de la siguiente orma+ R min 5 2.x../ 2Hx.1/ ,3x.0/ 22x.2/ 2Hx.,/ ,Dx1./d/DGx1,/ QDx0./d/Q2x0,/ 21x2./ d/,3x2,/ Q3x,./ d/Q3x,, x../x.1/x.0/x.2/x., 5 . x1./x11/x10/x12/x1, 5 . ddd" ddd" -,./x,1/x,0/x,2/x,, 5 . -../x1./x0./x2./x,. 5 . -.1/x11/x01/x21/x,1 5 .

s"a +

dd"" ddd -.,/x1,/x0,/x2,/x,, 5 . 7oda -ij Y 3, entera ! -ij 5 3 . (las variables solo pueden tomar dos valores, 3 ."#on variables binarias) #i la variable -ij toma el valor de . en la solucin, signi ica que la obra i ue asignada al contratista j) si la variable vale 3, signi ica que esa asignacin no ue hecha" *as cinco primeras restricciones son restricciones de o erta, las otras , son restricciones de demanda" (ero ahora no vamos a resolver el modelo utili$ando el mtodo simplex sino el mtodo de asignacin, que es ms e iciente que el simplex para este tipo de problemas "(ara ello cargamos de nuevo el paquete ZI<E#K ! elegimos, como para el problema del trasporte, el mdulo b<et:orM modelU ! elegimos la opcin bassignment problemU" @na ve$ all& de inimos el n9mero de objetos b<umber o objectsU (las obras, en este caso ,) ! b<umber o assignmentsU (n9mero de asignaciones o licitantes, en este caso ,), elegimos b4inimi$ationU ! luego la opcin b?MU" 'uando apare$ca la ventana de la igura 2 la llenamos con los datos de la matri$ anterior, de esta orma+ 'ig&ra D

%n este caso la asignacin ptima ue+ la obra . a la compaJ&a ., la obra 1 a la '&a" 1, la 0 a la 'ia" 0, la 2 a la 'ia" 2 ! la , ala 'ia" ," *a asignacin ptima va a costar A 0.Q"333" %s posible encontrar otras soluciones di erentes con este mismo valor de Rmin, por ejemplo -1., -21, -00, -.2 ! -,, que tambin cuesta A 0.Q"333" #i desea estudiar otro ejemplo del problema de asignacin, al cargar el mdulo b<et:orM modelingU del paquete ZI<E#K, seleccione b8ileU, b*oad problemU ! elija el primero de los ejercicios que aparecen en el listado, bassiment"netU" 4.& Problema del trasbordo (ueden existir problemas de trasporte en los cuales sea ms econmico hacer btrasbordoU, es decir, cuando se trasporta un bien de un sitio A a un sitio K, puede que sea mejor no llevarlo directo de A a K sino pasar a travs de otro sitio ' ! recorrer el camino A;K;'" %l bien puede pasar por otros or&genes ! otros destinos intermedios antes de llegar a su destino inal" %l algoritmo que resuelve este problema es casi igual al del trasporte, pero ligeramente modi icado" Ejemplo %n una brica situada en el nodo ., se producen ,33 unidades de cierto bien, las cuales son demandadas en los puntos 1, 2 ! , en cantidades de .33, 1,3 ! .,3 respectivamente" %xisten varias v&as a lo largo de las cuales puede ser enviada la mercader&a ! cu!a longitud se da en la siguiente tabla+ 8estinos OrOgenes . 1 0 2 , 1 d" .3 Q .1 ., 2 .3 d"" , d "" .33 " Q , d" 1 , d" D .1 d 1 "" 0 1,3 C ., d , 0 d" .,3 O(erta ,33

8eman$a d"

*os espacios donde no ha! n9mero indican que no es posible ir directo del nodo i al j, por ejemplo en la celda 1,2 "%sto indica que entre el nodo 1 ! el

nodo 2 no existe una ruta directa" %l problema se puede representar ahora como una matriB+ 8estinos OrOgenes . 1 0 2 , 1 3 .3 Q .1 ., 2 .3 3 , QQQQQ QQQQQ .33 /,33 " Q , 3" 1 , 3/,33" D .1 QQQQQ 1 3 0 1,3 /,33 C O(erta

., ,33/,33 QQQQQ 3/,33 , 3/,33 0 3/,33 3 3/,33 .,3 /,33

8eman$a 3/,33

?bserve que la matri$ de un modelo de trasbordo es siempre cuadrada, el n9mero de ilas (or&genes) es igual al de columnas (destinos)", esto signi ica que cada nodo de la red puede servir tanto de origen como de destino" A los espacios vac&os dentro de la matri$ se les asign un valor mu! grande, excepto los de la diagonal que ueron 3" (iense lo siguiente+ como el algoritmo minimi$a, lo primero que hace es asignar las celdas ms baratas, las ms caras con costo QQQQQ no las asignar" #i acaso las llegara a asignar esta ser&a una seJal de que el problema no tiene solucin" Adicionalmente a todas las o ertas ! todas las demandas se les sum a cada o erta ! a cada demanda el ma!or n9mero de entre todas ellas+ max (,33, .,3, 1,3) %l problema queda igual a un problema del transporte ! se resuelve de la misma orma que !a se ha visto" *a solucin ptima es la de la (ig&ra C"

Donde -.15 .33, x.05 233, x025 233, x2,5 .,3, para un R5 A ,H,3 *as dems variables+ x.. 5,33, x115 ,33, x005 .33, x2250,3, x,,5,33 #on variables denominadas barti icialesU ! no representan lujos verdaderos *os nodos que act9an como trasbor$o son el nodo 0 ! el 2 + de . a 0 existe un lujo de 233 unds", al llegar a 0 todas las unidades son reenviadas a 2" %n el nodo 2 se quedan 1,3 unidades mientras que .,3 unidades son reenviadas desde el nodo 2 hasta el ," %l nodo 0 es un nodo de trasbor$o p&ro porque no ha! consumo, el nodo 2 es un nodo de trasbor$o mixto porque adems de trasbordar tambin ha! consumo" %l problema se puede representar tambin como una re$. %sto se consigue en el mismo paquete ZI<E#K con la opcin b8ormatU ! luego b#:itch to graphic modelU *os c&rculos representan los nodos donde estn situados los sitios (or&genes ! destinos) ! las l&neas son las aristas del modelo" *os n9meros sobre las aristas representan las distancias entre cada par de nodos

%n conclusin, se puede decir que reali$ando los pequeJos cambios que hemos visto, un modelo de trasbordo se puede resolver igual que un modelo de trasporte" %s importante la interpretacin de la solucin para no incluir las variables arti iciales en la solucin real" =ecuerde tambin que la matri$ para este modelo es siempre cuadrada) a los costos de la diagonal se les asigna un valor 3 ! a los costos de las celdas donde no ha! ruta se les asigna un valor mu! alto" 8inalmente se suma el valor ma!or entre la o erta ! la demanda a todas las o ertas ! todas las demandas, esto para evitar que ha!a ceros como valores de o ertas o demandas" %n la prctica, tanto el problema del transporte como el de asignacin ! del trasbordo no siempre estarn equilibrados, la o erta total puede ser ma!or que la demanda total, en cu!o caso sobrar mercanc&a que queda en stocM en algunos de los nodos, o la demanda total puede ser superior a la o erta total en cu!o caso algunos de los nodos no completarn su demanda" 4.4 Problema del agente *iajero %l problema versa, como su nombre lo indica, sobre un agente viajero que debe visitar n sitios cumpliendo algunas condiciones+ ." %l punto de llegada debe ser el mismo de salida" %n otras palabras que la ruta sea c&clica"

1" %l vendedor debe pasar solo una ve$ por cada sitio" 0" %l vendedor debe visitar todos los sitios" 2" #e debe reali$ar el circuito de orma tal que el tiempo, la distancia o el costo totales sean el m&nimo posible" Ejemplo @n vendedor debe recorrer semanalmente , ciudades interconectadas entre s& por rutas cu!a longitud se da en la siguiente matri$+ /i&$a$ 1 2 " D C 1 ;; ;; 1, .1 2. 2 ;; ;; .H .3 1, " 1, .H ;; 13 .1 D .1 .3 13 ;; 03 C 2. 1, .1 03 ;;

<ota+ el b;;bsigni ica que la ruta entre los nodos i ! j no existe o no es practicable" Igualmente todos los elementos de la diagonal, pues si no, signi icar&a que del nodo i puede viajar al mismo nodo i" (ara resolver este problema utili$amos de nuevo el paquete ZI<E#K" 'argamos el mdulo b<et:orM modelingU seleccionando la opcin b8ileU ! b<e: problemU" De la ventana que aparece seleccionamos la opcin b7raveler salesman problemU de iniendo si es maximi$acin o minimi$acin lo que se va a calcular ! el n9mero de nodos de que consta el problema" %lija b4inimi$ationU ! b<umber o nodesU como ," *a estructura matricial que aparece enseguida se llena con los datos correspondientes tal como se observa en la igura D" @na ve$ llena, va!a al men9 b#?lve and anal!$eU ! elija luego b#olve the problemU" A continuacin aparecen cuatro distintas opciones para seleccionar el algoritmo de solucin" %lija por ejemplo, el primero, b<earest neighbor heuristicU (el vecino ms cercano) #e obtiene la solucin que ha! en la parte in erior de la igura D"

'ig&ra M

*a solucin ptima indica que en su recorrido, el agente viajero debe ir del nodo . siempre al 2, del 2 al 1, del 1 al 0, del 0 al , ! del , al . inali$ando as& el ciclo, a un costo de Q0 unidades de distancia, de tiempo o de dinero" aa que la ruta es c&clica, el agente viajero puede empe$ar por cualquiera de los nodos, no necesariamente el ." #i desea estudiar otro ejemplo del problema de agente viajero, al cargar el mdulo b<et:orM modelingU del paquete ZI<E#K, seleccione b8ileU, b*oad problemU ! elija el ejercicio llamado b7#("<%7U que aparecen en el listado" 4.5 Problema del camino m!s corto %l concepto del problema se entender a cabalidad con el siguiente ejemplo+ desde el nodo (punto) A se quiere llegar al nodo D de la manera ms econmica posible" %xiste una serie de caminos alternativos entre los nodos A, K, ', D, % ! 8 que con orman la siguiente red+

(ara resolver este problema utili$amos el mdulo b<et:orM modelingU del ZI<E#K" %legimos la opcin b#hortest pathU, entramos el n9mero de nodos de que consta el problema+ D ! luego introducimos los datos tal como muestra la igura G 4.6 Problema del "lujo m!%imo %jemplo+ desarrollar un programa de embarque que maximice la cantidad de material enviado entre dos puntos, un origen A ! un destino D" %xisten varias v&as entre A ! D, los puntos K ! ' son empalmes o trasbordos" @na condicin es que no es posible almacenar material en los puntos empalme, por ello cualquier material que llegue all& debe ser enviado inmediatamente a otro sitio" %n la red de la igura H se dan los datos del problema" %l n9mero asociado a cada rama i,j, es la capacidad o cantidad mxima de material que puede enviarse del nodo i al nodo j) por ejemplo, pueden embarcarse G unidades de A a ', pero de ' a A se pueden embarcar 3 unidades" 'uando los valores de ida son di erentes a los de vuelta, se le llama un gra o orientado o dirigido" #i ambos valores coinciden, es un gra o no dirigido"

'ig&ra L *a solucin ptima la vemos en la (ig&ra E"

%l lujo mximo que se puede enviar desde A hasta K es 11 unidades, de A a D directamente se pueden enviar H, de A a K se env&an G, de A a ' se env&an G, etc" 4.2 Problema del !rbol de recorrido m3nimo

Ejemplo+ una %mpresa editora de peridicos tiene su imprenta en cierto

lugar ? ! busca la mejor manera de hacer sus env&os diarios del peridico a todos los dems municipios del departamento" *os H municipios estn intercomunicados por caminos que con orman la red de la igura .3, donde los n9meros sobre las l&neas indican la distancia en Tm" entre cada par de municipios+

'ig&ra 10 (ara resolver ptimamente el problema nos valemos de nuevo del ZI<E#K, mdulo b<et:orM modelingU, pero esta ve$ escogemos la opcin b4inimal spanning treeU o brbol de m&nima expansinU) el n9mero de nodos de este problema es Q" Introducimos los datos tal como lo presenta la igura ..

'ig&ra 11 a se obtiene la siguiente solucin ptima<

7odos los nodos se alcan$an desde ?, con un recorrido total de 02 Tm"

?tro ejemplo+ *a administracin de un parque nacional planea llevar a cabo un pro!ecto de apertura de caminos para que los turistas accedan a algunos sitios dentro de los terrenos del parque, relevantes por su belle$a paisaj&stica+ una catarata, un mirador, una cueva ! un crter" #e desea unir todos estos puntos por medio de caminos con la m&nima longitud para preservar en lo posible, toda el rea" *as distancias entre estos puntos son las siguientes+

#e debe determinar qu tra!ectos son los que se deben construir para cumplir con los requerimientos de la administracin del parque" (ara resolver el problema nos servimos una ve$ ms del paquete ZI<E#K" 'argamos el mdulo b<et:orM modelingU, luego b8ileU ! b<e: problemU" %legimos la opcin b#hortest path problemU (problema de recorrido m&nimo) e introducimos el n9mero de nodos de que consta el problema+ ," @na ve$ aparece la estructura base para introducir los datos ! ormar la matri$ de costos (o distancias, en este caso), escogemos la opcin b%ditU ! luego b<ode namesU para asignar nombre a los nodos" Necho esto, introducimos los datos tal como aparecen en la parte superior de la pantalla de la igura G, obtenindose la solucin que se ve en la parte media de la misma pantalla) si se hace un clic sobre el men9 b=esultsU ! se escoge b[raphic solutionU se obtiene la solucin presentada en orma gr ica de la parte in erior de la pantalla" %sta solucin ptima indica que se debe construir el tra!ecto entre la entrada ! la catarata ( , Tm"), ! entre la catarata ! el mirador( H Tm")" ?tro tra!ecto es entre la entrada ! el crter (., Tm") ! el otro entre la entrada ! la cueva (H Tm"), para un total de 0D Tm" de caminos construidos" De esta

manera los tramos construidos permiten a los turistas acceder a todos los puntos del parque, minimi$ando la longitud de la suma de estos tramos"

'ig&ra 7

$. &eora de inventarios
%l modelo matemtico de control de inventarios es in luido por los siguientes (actores (sin ser exhaustivos)+ Demanda+ Determin&stica+ %sttica o dinmica (robabil&stica+ %stacionaria o no estacionaria" 7iempo de demora en la entrega, puede ser probabil&stico o determin&stico" =eabasto del almacn, si es instantneo o uni orme" Nori$onte de tiempo, per&odo en el que se va a controlar el inventario" Abastecimiento m9ltiple, un punto puede actuar como abastecedor de otros" <9mero de &tems que se controlan, ha! interacciones entre ellos, comparten espacio en bodega o el capital disponible" *os par)metros que van a ser implicados en el modelo son+ (recio unitario, b

Demanda por per&odo, D 7asa de almacenamiento, (" Depender del tiempo que permane$ca almacenado el art&culo, de una tasa unitaria de almacenamiento, ! del n9mero de veces que se compre" 'osto de e ectuar una compra, T" Di erente al costo de adquisicin" <9mero de veces que se compra, n Inters de oportunidad, i D icit permitido, D 'osto de agotamiento o penuria, 'agot" 'uanto le vale a la empresa el no poder satis acer una orden a tiempo" *a variable del modelo es la cantidad a comprar en cada per&odo, E ;entajas de mantener inventarios+ ." 4enor costo de adquisicin al ser ma!or el volumen de la compra" 1" Disponibilidad inmediata" 0" 4enor gasto en papeler&a, coti$aciones etc" 8esventajas de mantener inventarios+ ." 'apital inmvil" 1" @n gran volumen de mercanc&a representa un costo de oportunidad grande" 0" =iesgo de obsolescencia ! deterioro" 2" [astos adicionales en bodegas, seguros etc" *as preg&ntas clave a resolver en la teor&a de inventarios son+ P3&J canti$a$ $e artOc&los se $ebe pe$irQ P/on N&J (rec&encia se $ebe Gacer el pe$i$oQ El objetivo del modelo debe ser optimi$ar el costo total del manejo del inventario cumpliendo ciertas restricciones sobre demanda, d icit permitido, stocM de seguridad etc" De orma general, el 'osto 7otal %sperado 'te est integrado por varios actores+ /te = / a$N&isicin + / (ijo + / almto + / escaseB 'osto de adquisicin+ el precio unitario puede variar con el tamaJo del pedido" 'osto ijo+ al hacer un pedido se debe gastar en papeler&a, coti$aciones etc"

'osto de almacenamiento+ bodegaje, inters sobre capital invertido, manejo, depreciacin, mantenimiento, riesgos" 'osto de escase$+ penali$acin por altantes" 5.1 #odelo 41 demanda constante y uni"orme5 precio unitario constante. /te = / a$N&is + / (ijo + / almto. = = 8 b + R n + #b3,2 donde n5DOE

%l punto donde se intersectan las gr icas de las unciones MDOE ! b (EO1 corresponde al m&nimo valor del 'te" (ara este valor de 'te el correspondiente de E es
Qopt = 1kD O bP

5.2 #odelo 441 demanda constante y uni"orme5 precio de ad,uisicin unitario b constante5 stoc6 de

proteccin %l modelo matemtico para este caso es+ /te = 8 b + R 8 , 3 + b # 3 , 2 + 4p b # 3opt =

1kD O bP

5.& #odelo 444 1 demanda constante y uni"orme5 precio b constante5 d$"icit cubierto en tiempo de

reposicin.

4 5 nivel mximo de stocM E 5 requerimiento E;4 5 carencia o d icit

t. 5 t durante el cual ha! existencia t1 5 t en el que existe d icit t 5 t de cada per&odo o ciclo

%l costo total se incrementa en un actor de penali$acin 'agot, el cual depende de una tasa ! de la cantidad en d icit" *lamaremos # 5 costo por la alta de una unidad durante un aJo h5 costo anual por mantener una unidad en inventario #e supone que la demanda se acumula ! no se pierden ventas" Adems se hace un pedido cada ve$ que alten E ; 4 unidades" %l nivel mximo de inventario es 4, por ejemplo si E 5 033 unds" ! E ; 4 5 .33, se har un pedido por 033 unds" 'ada ve$ que alten .33 unds" 'ada pedido satis acerla la demanda acumulada de .33 ! ocasionar un nivel de inventario de 033;.33 5 133 unds" %l costo de compra b D no depende d E ni de 4 ! por ello se podr&a dejar por uera del anlisis" De manera tal que /te = / almto. an&al + / escaseB an&al + / or$en an&al + Hb 8 I De la gr ica t1 5 t ` t. (ero t. 5 4 O D ! t5EOD As& que t1 5 (E ` 4) O D 'omo se han pedido E unidades por ciclo" se debe hacer D O E pedidos, que es el n9mero de ciclos por aJo" %l 'almto por aJo 5 'almto por ciclo L ciclos por aJo 'almto por ciclo 5 'almto para t. %l nivel promedio de existencias en t. es 4 O 1 As& que 'almto por ciclo 5 (4 O 1) (4O D) h 5 'almto por aJo 5 ( M De la misma orma 'escase$ por aJo 5 'escase$ por ciclo L ciclos por aJo %l nivel promedio de escase$ durante t1 es (E ` 4) O 1 ! el intervalo de tiempo t1 es (E ` 4) O D, as& que
1

h O 1D
1

h O 1D )

(DOE)5

hO1E

'escase$ por aJo 5 es (E ` 4) (E ` 4) # D O 1 D E =eempla$ando+ /te =

M
1

G,23 + I H3 S - I 1 4 , 2 3 + R 8 , 3 + H b 8 I

(ara hallar el Eopt ! nivel de stocM mximo, se deriva 'te respecto de E ! respecto de 4, ! se igualan a cero, despejndose luego Eopt ! 4opt as& 3opt = -opt =
1kD( h + S ) O hS 1kDS O h( h + S )

5.4 #odelo 471 demanda constante y uni"orme5 precio unitario b *ariable seg8n la cantidad comprada 9descuento por cantidad:.

q es la cantidad a partir de la cual existe una rebaja en el precio de adquisicin, de b. a b1"(or la tanto la gr ica 'te vs" E vlida cambia a partir de esta cantidad"

5.5 #odelo de in*entario con produccin1 demanda 0 constante y uni"orme5 costo de produccin b "ijo 9incluye materia prima5 gastos generales etc.:5 tiempo gu3a de reposicin conocido5 tasa de produccin ;P5 no se permite d$"icit5 6 es el costo de organi+ar la produccin 5 costo de almacenamiento Pb.

%jemplo+ una brica de estu as debe determinar cunto ! cuando producir, para satis acer una demanda de D333 unidades por aJo" Algunas caracter&sticas del sistema son+ @n solo tipo de art&culo" Demanda D 5 D333 unds"OaJo 5 D333O.1 unds O mes 7iempo gu&a o de organi$acin 7g 5 . semana 5 .O,1 aJo 5 .1O,1 mes 3"10. mes (tiempo para iniciar una corrida de produccin)" 7asa de produccin durante la corrida 7( 5H33 unds O mes" <o se permite d icit" 'osto de organi$acin de la produccin para preparar maquinaria M5A.333 'osto unitario de produccin b 5 A1,3" 7asa de almacenamiento unitaria ( 5A3"12 por aJo 5 3"12O.1 mes" 'omo no puede haber d icit, 7( I5 D" Al iniciar una corrida de produccin suponga que se decide por producir una cantidad E5 233 estu as" (ara ello se requiere tiempo de produccin 233O H33 mes 5 3", mes 5 E O 7( %n esos 3", de mes, el nivel de inventario <Inv aumentar&a a (H33 ` ,33) L 3", 5 .,3 unds" 5 (7( ` D)L E O 7( Al terminar la produccin se vende a una tasa de ,33 unds" Omes ! por ello el inventario se agota en .,3 O ,33 5 3"0 meses 5 (7(;D)L E O (7( L D) %l tiempo de ciclo ser&a 3", / 3"0 5 3"H mes 5 233 O ,33 5 E O D

%l inventario se inicia en 3, llega a .,3 ! vuelve a 3" *a orden de produccin debe hacerse en el tiempo 3"H ` 3"10. 5 3",DQ mes 5 tciclo ` tguia *a decisin ser&a+ producir E 5 233 unidades cada 7 5 3"H mes a un costo total mensual de 'teOmes 5 M D OE / (<Inv O1) ( b 5 M D OE / (7( ` D) E ( b O 1 7( 5 5 .333 L ,33O233 / .,3 L , O 1 5 A.D1,

*a solucin ptima ser&a+ Eoptimo 5

1kD O Pb(TP D ) O TP

1 L.333 L ,33 O 3"31 L 1,3 (H33 ,33) O H33

5 G03"0 unds"

(ara de inir una cantidad entera de E, se sustitu!e en 'te los dos valores posibles+ G03 ! G0." (ara ambos valores se obtiene un 'te 5 A.0DQ"0. %l n9mero de pedidos por mes a colocar es ,33 O G03 5 3"DH, pedidos por mes, de G03 unds, cada uno %l nivel mximo de inventario es <Inv max 5 (7(;D)LEop O 7( 5 (H33 ` ,33) LG03 O H33 5 1G0"G unds" %* tiempo 7 de ciclo ser Eop O D 5 G03 O ,33 5 .,2D mes %l tiempo para ordenar la produccin es ."2D ` 3"10. 5 .,11Q mes %l tiempo de in de produccin es Eop O 7( 5 G03 O H33 5 3"Q.1 mes %l punto de reorden (= es la demanda durante el tiempo gu&a 7guia L D 5 3"10. L ,33 5 ..,", unds"

5.6 #odelo con demanda probabil3stica -o$elo $e revisin contin&a #i no se conoce la distribucin de probabilidad de la demanda, se estima la demanda esperada por per&odo, se iguala la demanda a esta demanda esperada ! luego se calculan E ! (= por per&odo seg9n las rmulas antes vistas" %n caso de demanda probabil&stica+

*os tiempos entre per&odos var&an ! si D L treposicin I (= se produce d icit" #i se hace un pedido para un (= 5 02D unds", puede que el ,3P de los ciclos hubiera d icit" %sta posibilidad de que exista d icit se debe controlar" #e de ine una probabilidad de satis acer la demanda (nivel de con ian$a) f 5 ( (D L trep 65 (=) #e adiciona un stocM de seguridad #p que cubra las luctuaciones de la demanda durante el t gu&a o de reposicin de tal orma que ( (D L trep 6 5 (= / #p) I 5 f (ero #p no debe ser mu! grande para que no aumente demasiado el 't" #e debe entonces determinar el valor de #p m&nimo tal que se cumpla el requerimiento de probabilidad anterior" %n la prctica se usa una distribucin normal para representar la demanda" %sta distribucin es ms con iable" #e debe estimar la demanda esperada durante el tiempo de reposicin ! la desviacin estndar de esta demanda, sabiendo que la uncin de distribucin de probabilidad de la demanda corresponde a una distribucin normal con estos parmetros" Ejemplo+ #uponga que en un hospital existe una demanda esperada de pel&culas de ra!os x de .H333 unidades al aJo siendo su desviacin estndar de .333 unds" al aJo" #uponga un tiempo de reposicin de . semana (. O ,1 aJo), M 5 A.33, b 5 A13 ! ( 5 3"0"

#e debe hallar la demanda esperada D% durante el tiempo de reposicin ! su correspondiente desviacin g" D%trep 5 .H333 L . O ,1 5 02D 5 (= g trep 5 .333 L
. O ,1

5 .0H"G

(ara determinar el valor de (= /#p (punto cr&tico), debemos hallar el valor del estad&stico R tal que el rea bajo la curva de la distribucin normal estndar a la i$quierda de R sea f" R 5 ( x ` u ) O g 5 h ( (= / #p ) ` D%trep i O g trep 5 #p O g trep (ara f" 5 3"Q, se obtiene de la tabla de la distribucin normal estndar R 5 ."D2," Al despejar queda #p 5 11H"1 und" *a solucin al problema es entonces+ ordenar Eopt 5
1kD O bP

1 L .33 L .H333 O 3"0 L 13

5 GG, unds"

#iempre que el nivel de inventario sea <I 5 (= / #p 5 02D / 11Q 5 ,G, 'omo el tiempo en que el <I llega a ,G, no se conoce, el <I se debe comprobar continuamente+ bmodelo de revisin continua b 't 5 D% b / M D% O E / (E O 1 / #p) ( b 5 5 .H333 L 13 / .33 L .H333 O GG, / (GG, O 1 / 11Q) L 3"0 L 13 5 0DD"D1.

'. (#ta crtica )PM

P*(&.

6.1 Ejemplo de aplicacin del PE<; %l siguiente es un ejemplo de aplicacin de la tcnica #E9T ((rogram %valuation and =evie: 7echnic) a un pro!ecto de construccin de una cabaJa, resuelto con el paquete computacional -4K#roject" %l pro!ecto completo comprende tareas o actividades como preparacin del terreno, construccin de cimientos, actividades de albaJiler&a etc" Eue se listan en la primera columna de la tabla ! cu!as duraciones estimadas se escriben en la segunda columna" *as echas de inicio ! inali$acin de cada actividad las determina el programa" *as actividades precedentes de cada una de las actividades son aquellas actividades que deben estar terminadas antes de que comience la prxima actividad, as& por ejemplo, para que comience la actividad de poner cimientos (1), debe haberse terminado con la actividad de preparar el terreno (.)" (ara comen$ar con la pintura de interiores (.3) deben haber terminado las actividades (G),(H) ! (Q)"
<ombre de la tarea 'osto
1. Preparacin del terreno 2. Cimientos 3. !l"a#ilera $paredes, m%ros, etc.&

Duracin
14 das 28 das ' das

8echa inicio

8echa in

(recedente
$ 0,00 1 2 2 4 3 $ 0,00 $ 0,00 $ 0,00 $ 0,00 $ 0,00 $ 0,00 $ 0,00 ', 7,8,9 7,8,9 10,11 12 $ 0,00 $ 0,00 $ 0,00 $ 0,00 $ 0,00

4. (esa)%es 7 das '. *e+ado $estr%ct%ra, te+as, etc& 3' das . Piso $compactacin& 7. ,nstalacin el-ctrica 8. .ontanera 9. Carpintera 10. Pint%ra de interiores 11. Pint%ra de e/teriores 12. 0impie1a 2inal 13. +ardinera 7 das 21 das 28 das 42 das ' das 14 das 7 das 7 das

31/07/2008 09:00 20/08/2008 09:00 29/09/2008 09:00 29/09/2008 09:00 08/10/2008 09:00 1 /12/2008 09:00 2'/12/2008 09:00 2'/12/2008 09:00 2'/12/2008 09:00 23/02/2009 09:00 23/02/2009 09:00 12/0'/2009 09:00 21/0'/2009 09:00

19/08/2008 19:00 2 /09/2008 19:00 1'/12/2008 19:00 07/10/2008 19:00 2'/11/2008 19:00 24/12/2008 19:00 22/01/2009 19:00 02/02/2009 19:00 20/02/2009 19:00 11/0'/2009 19:00 12/03/2009 19:00 20/0'/2009 19:00 29/0'/2009 19:00

%n color rojo se destaca la ruta cr&tica, es decir, la serie de actividades que no se pueden retrasar ni un solo d&a sin que por ello se vea a ectado todo el pro!ecto" %sta ruta est con ormada por las actividades ., 1, 0, D, Q, .3, .1, .0 ! la duracin total m&nima del pro!ecta la calcula el paquete al resolver el modelo"