TRABAJO FINAL DE INVESTIGACIN DE OPERACIONES

LAURA VANESSA ARIAS AHUMADA

LUIS ANDRES JARAMILLO SALAMANCA
HARY GRAY JIMENEZ CANTILLO

UNIVERSIDAD DEL ATLANTICO

FACULTAD DE INGENIERA
PROGRAMA DE INGENIERA QUMICA
BARRANQUILLA
2016
TRABAJO FINAL DE INVESTIGACIN DE OPERACIONES
 LAURA VANESSA ARIAS AHUMADA
LUIS ANDRES JARAMILLO SALAMANCA
HARY GRAY JIMENEZ CANTILLO

ING. NELSON FABRICIO ZUIGA PORTILLO

UNIVERSIDAD DEL ATLANTICO

FACULTAD DE INGENIERA
PROGRAMA DE INGENIERA QUMICA
BARRANQUILLA
2016
CONTENIDO
ACTUALIZAR TABLA DE CONTENIDO

2
Para que esta tabla de contenido se actualice automticamente se deben usar los estilos
Titulo 1, Titulo 2 y Titulo 3. Posteriormente haz click sobre la tabla y selecciona actualizar
tabla.

Pg.Y
1. INTRODUCCIN 13
2. OBJETIVOS 14
2.1 OBJETIVO GENERAL 14
2.2 OBJETIVOS ESPECFICOS 14
3 PLANTEAMIENTO DEL PROBLEMA 15
3.1 DEFINICIN DEL PROBLEMA 15
3.2 JUSTIFICACIN 15
4. MARCO TERICO 16
5.1 MATERIALES 17
5.2 METODOLOGA 17
6 DESARROLLO DEL PROYECTO 18
6.1 ANLISIS DEL DESARROLLO DEL PROYECTO 18
6.2 CRONOGRAMA 19
CONCLUSIONES 20
RECOMENDACIONES 21
BIBLIOGRAFA 22

3
 LISTA DE TABLAS

Pg

Tabla 1. Valores de las variables para distintos valores de la disponibilidad de

mano de obra. ?

Tabla 2.

4
 LISTA DE FIGURAS

Pg

Figura 1. Solucin ptima del ejemplo planteado ?

Figura 2. Solucin ptima para la restriccin mano de obra ?

5
 1. INTRODUCCIN

La investigacin de operaciones es una herramienta efectiva en la administracin

de organizaciones. Todo ingeniero debe ser capaz de tomar decisiones de gran
impacto en las organizaciones, y para esto es de gran ayuda mtodos cientficos
que sean aplicables a situaciones reales.

En el estudio de la investigacin de operaciones surgen varios tems que merecen

especial atencin ya que estn directamente relacionados con sucesos de la
realidad y una correcta formulacin de problemas de este tipo conllevar a una
toma de decisiones acertada a fin de obtener un beneficio a la hora de ofrecer
productos o servicios. Asimismo, los distintos tipos de programacin lineal
existentes permiten resolver una gran cantidad de problemas en distintas reas
del conocimiento, entre stas, la ingeniera qumica.

En el presente trabajo presentan tres temas especiales de la investigacin de

operaciones: el anlisis de sensibilidad, el problema de transporte y el problema
de asignacin. Se revisarn los fundamentos tericos de stos y se mostrarn
ejemplos resueltos aplicando la tcnica correspondiente, para realizar
posteriormente la interpretacin de los resultados obtenidos. Adicionalmente, se
realizar una consulta sobre artculos cientficos de la base de datos de la
Universidad del Atlntico en las cuales se hayan aplicado conceptos de
investigacin de operaciones para la solucin de problemas asociados a la
ingeniera qumica.

6
 2. MARCO TERICO

2.1 PROBLEMAS DE INVESTIGACION DE OPERACIONES

2.1.1 ANLISIS DE SENSIBILIDAD

El anlisis de sensibilidad tiene que ver con la obtencin de informacin adicional

sobre el comportamiento de la solucin ptima cuando el modelo experimenta
algunos cambios de parmetros. El anlisis de sensibilidad es particularmente
necesario cuando no se pueden estimar con precisin los parmetros del modelo.
En estos casos es importante estudiar el comportamiento de la solucin ptima en
el entorno de los parmetros estimados. [1]

El anlisis de sensibilidad permite Identificar los parmetros sensibles, (por

ejemplo, los parmetros cuyos valores no pueden cambiar sin que cambie la
solucin ptima). Adems, con este se pueden determinar rangos de variacin de
los parmetros del problema de programacin lineal de forma de mantener una
cierta base ptima, teniendo en cuenta que una solucin bsica es factible solo si
todas las variables basales tienen un valor no negativo. [2]

La importancia del anlisis de sensibilidad radica en que por lo general los

modelos de programacin lineal son grandes y costosos, por lo tanto, no es
recomendable utilizarlos para un solo caso. Adems, los elementos que se dan
como datos para un problema de programacin lineal, la mayora de las veces son
estimaciones, por esto, es necesario investigar o tener en cuenta ms de un
conjunto de casos posibles. [2]

El anlisis de sensibilidad estudia los efectos sobre la solucin ptima debidos a:

Cambios en los coeficientes de la funcin objetivo.
Cambios en la disponibilidad de los recursos.
Cambios en los coeficientes tcnicos debidos, por ejemplo, a cambios en la
tecnologa o en las materias primas utilizadas.
La introduccin de un nuevo producto (otra variable).
La introduccin de una nueva restriccin.
Los puntos a, b y e son los que suelen cambiar ms a menudo y son fciles de
visualizar con el mtodo grfico. Los cambios en los coeficientes tcnicos slo
ocurren cuando se cambia la tecnologa de produccin, por ejemplo, por cambios

7
en el proceso o la introduccin de maquinaria, y esto no ocurre frecuentemente y
puede ameritar un anlisis completamente diferente. [3]

Ejemplo empleando el mtodo grfico:

Definir variables de decisin:

X1: cantidad de artculo A a producir
X2: cantidad de artculo B a producir

Funcin objetivo: Z m x =150 x 1+200 x 2

Restricciones:
Mano de obra: 8 x 1+8 x 2 64 horas
Materias primas: 4 x 1 +2 x2 24 unidades
Demanda: x 2 6 art culos

No negatividad:
x1 , x2 0

La solucin grfica se muestra en la figura 1, en donde se indica que la solucin

ptima ser 2 unidades del artculo A y 6 del B, obtenindose una utilidad de
$1500

8
 Figura1. Solucin ptima del ejemplo planteado

Se analizar especficamente qu pasara si cambia el vector de recursos. Hay

que sealar que el anlisis de sensibilidad se hace para cada una de las
restricciones por separado, dejando todos los dems parmetros como estaban.
Pregunta problema: Qu pasar si la mano de obra pasa de 64 a 65 horas, o a
66?, y si contina aumentando, hasta cunto vale la pena que lo haga?

Ahora bien, es necesario de acuerdo con lo mencionado anteriormente realizar un

anlisis de sensibilidad del problema planteado, graficando la restriccin de mano
de obra a diferentes horas. Como lo muestran las grficas siguientes:

9
 Figura2. Solucin ptima para la restriccin mano de obra

En las grficas anteriores, se muestra cmo al incrementarse la cantidad de horas

hombres disponibles, la regin factible se agranda, y el punto solucin se desplaza
y aumenta la utilidad. Pero despus de cierto valor, la forma de la regin factible
cambia, y la solucin que inicialmente se encontraba en la interseccin de las
rectas correspondientes a las restricciones de mano de obra y demanda pasa a un
nuevo vrtice en el que los recursos que ahora determinan la mxima produccin
son la demanda y la disponibilidad de materias primas. En la siguiente tabla se

10
muestran los valores de las variables de decisin, las variables de holgura y de la
utilidad total.

Tabla1. Valores de las variables para distintos valores de la disponibilidad de mano de

obra.
DISP. HOLGU HOLGU HOLGU
MANO A B UTILID RA RA RA
DE AD ($) MANO MAT. DEMAN
OBRA DE PRIMA DA
OBRA
64 2 6 1500 0 4 0
65 2,13 6 1518,75 0 3,5 0
66 2,25 6 1537,50 0 3 0
67 2,38 6 1556,25 0 2,5 0
68 2,50 6 1575 0 2 0
70 2,75 6 1612,5 0 1 0
72 3 6 1650 0 0 0
74 3 6 1650 2 0 0
80 3 6 1650 8 0 0

Del conjunto de grficas y la tabla anterior se pueden obtener las siguientes

conclusiones:
Si se aumentan las horas de mano de obra disponibles, aumenta la utilidad.
Cuando se aumenta una hora, de 64 a 65, la utilidad aumenta en $18.75; si se
aumentan dos horas, de 64 a 66, el incremento de la utilidad es de $37.50, que
equivale a 37.50/2 = 18.75 $/hora.
Este incremento por hora agregada o incremento marginal se mantiene hasta
que se llega a las 72 horas de mano de obra. En las grficas se observa que la
regin factible aumenta exactamente hasta ese valor.
Las holguras iguales a cero indican que se est cumpliendo exactamente con
esa restriccin. Inicialmente los recursos escasos o restricciones activas
corresponden a la mano de obra y a la demanda. Si se aumenta la mano de
obra por encima de 72 horas, el recurso que ahora limita el incremento de la
utilidad es el de las materias primas. La solucin cambi de vrtice y por lo
tanto de variables bsicas.

11
2.1.2 PROBLEMA DE TRANSPORTE

Un Problema de Transporte, consiste en distribuir recursos situados en distintos

orgenes a varios destinos donde son requeridos, procurando minimizar los costos
de transporte dada la oferta y la demanda en cada destino.

La red que aparece en la figura 1 representa el problema. Hay m orgenes y n

destinos, cada uno representado por un nodo. Las lneas representan las rutas
que unen los orgenes con los destinos. La lnea (i, j) que une el origen i con el
destino j transporta dos piezas de informacin: el costo de transporte por unidad,
cij y la cantidad transportada, xij. La cantidad de la oferta en el origen i es ai y la
cantidad de la demanda en el destino j es bj.

Figura 1. Representacin del modelo de transporte con nodos y arcos.

El problema es determinar el nmero de unidades xij que deben ser transportadas

desde cada origen Oi hasta cada destino Dj para realizar el transporte a coste
mnimo, teniendo en cuenta que hay que satisfacer las restricciones de oferta y
demanda, es decir, se deben distribuir todas las unidades disponibles en cada
origen (oferta) y a su vez, se debe satisfacer los requerimientos mnimos en cada
destino (demanda).

EJEMPLO

12
Supongamos que una empresa de barras de pan tiene dos almacenes A 1 y
A 2 desde los cuales debe enviar pan a tres panaderas P1 , P2 y P3 . Las
ofertas, las demandas y los costes de envo se dan en la figura 2 que aparece a
continuacin.

Solucin
Definir variables
x 11=Cantidad de barrasde pan desde origen1 hasta el destino 1
x 12=Cantidad de barras de pan desde origen 1hasta el destino 2
x 13=Cantidad de barras de pan desde origen 1 hastael destino 3
x 21=Cantidad de barras de pan desde origen 2 hastael destino 1
x 22=Cantidad de barras de pan desde origen 2 hastael destino 2
x 23=Cantidad de barras de pan desde origen 2 hastael destino 3

Funcin Objetivo
Z min =8 x 1 1+ 6 x 12 +10 x 13 +10 x21 +4 x22 +9 x 23

R o S.A: Figura 2. Ejemplo 1: Ofertas,

demandas y costes de envo.
x 11 + x1 2 + x 1 3=2000
x 21+ x 22+ x 23=2500
x 11 + x 21=1500
x 12+ x 22=2000
x 13+ x 23=1000
No negatividad de las variables
x 11 , x1 2 , x 1 3 , x 21 , x 22 , x 23 0

Las restricciones se escriben con igualdad por que la suma de las ofertas (4500)
es igual al nmero de las demandas (4500). Una manera de representar el

13
problema de transporte es la forma matricial, tambin llamada tabla de costes la
cual se adecua perfectamente para este problema. Se muestra a continuacin:

Tabla 4. Forma matricial del problema de transporte

D1 D2 Dn Oferta
O1 C11 C12 Cn1 a1
O2 C21 C22 Cn2 a2
. . . . . .
. . . . . .
. . . . . .
Om Cm1 Cm2 Cmn am
Demanda b1 b1 b1

El ejemplo de la forma matricial quedara de la siguiente forma:

Tabla 5. Ejemplo 1. De tipo matricial.
P1 P2 P3 Oferta
A1 8 6 10 2000
A2 10 4 9 2500
Demanda 1500 2000 1000

Solucin factible bsica inicial.

Para calcular la solucin para el problema de transporte, se utilizara una tabla de
las mismas dimensiones de la tabla de costos a la que se llamara Tabla de flujos
all se consignaran los flujos de transporte, es decir, las cantidades de producto
transportadas desde cada origen hasta cada destino.

Tabla 6. Tabla de flujos del problema de transporte

D1 D2 Dn Oferta
O1 X11 X12 Xn1 a1
O2 X21 X22 Xn2 a2

14
 . . . . . .
. . . . . .
. . . . . .
Om Xm1 Xm2 Xmn am
Demanda b1 b1 b1

MTODO DE LA ESQUINA NOROESTE

Se obtendr la solucin factible bsica inicial siguiendo los siguientes pasos:

Paso 1. Elegir la esquina noroeste (i, j) de la tabla de flujos. Es decir x 11
Paso 2. Asignar mayor flujo posible de transporte, x ij, en: x ij=min { ai , b j }
- Se actualiza la oferta y la demanda.
- Si el mnimo es ai , la oferta de origen Oi se actualiza a cero y se
presinte de la fila i para asignaciones posteriores. Se actualiza la
demanda a b ja i
- Por el contrario, si b j es mnimo, la demanda de destino D j se
actualiza a cero y se prescinde de la columna j en las asignaciones
siguientes. Se actualiza la oferta a aib j
- Si ai y b j llegan a tener el mismo valor, se actualizan la oferta y la
demanda a cero al mismo tiempo. Se prescinde e la fila i y de la columna
j en asignaciones posteriores.

Paso 3. Pueden darse dos casos:

- Si queda solo una fila o una columna, sea signan todas las unidades que
estn sin asignar. Fin del procedimiento.
- Si este no es el caso, devolverse al Paso 1.

Para el caso de maximizacin, minimizar el negativo de una funcin equivale

maximizar la funcin. La modificacin consiste en hacer negativos todos los
coeficientes de la ganancia, es decir, multiplicar por -1.
EJEMPLO N 2
Siguiendo con el mismo ejemplo visto como forma matricial:

Tabla 5. Tabla tomada del ejemplo 1.

P1 P2 P3 Oferta
A1 8 6 10 2000

15
 A2 10 4 9 2500
Demand
a 1500 2000 1000 5000

Oferta=2000+2500=1500+2000+1000= Demanda

Paso 1. Se elige la esquina noroeste

Iteracin # 1.
P1 P2 P3 Oferta
A1 * 2000
A2 2500
Demand
1500 2000 1000 5000
a
Paso 2. Se le asigna l mximo flujo de transporte a esa posicin
x 11=min {2000,1500 }=1500

Se actualiza la nueva oferta del origen A 1 : 2000x 11=500

Se actualiza la nueva demanda del destino P1 :1500x11 =0

Como el procedimiento ha satisfecho a la demanda del destino P1 se seala la

columna 1 y no se tendr en cuenta en los clculos que siguen. La tabla de flujos
de transporte queda:

Tabla 6. Flujo de transporte

P1 P2 P3 Oferta
A1 1500 2000
A2 2500
Demand
a 1500 2000 1000 5000

Paso 3. Queda ms de una fila y una columna sin sealar por lo tanto se procede
ir nuevamente al paso 1.

De la misma manera como se mostr anteriormente se elige la esquina noroeste

de la tabla x 12 x 12=min {500,2000 }=500

Se actualizan la oferta y la demanda a1=500x 12 =0 b2=2000500=1500

16
 Iteracin # 2
P1 P2 P3 Oferta
A1 1500 500 2000
A2 0 2500
Demand
1500 2000 1000
a

Ahora solo queda un origen por lo tanto se asigna todas las unidades sin asignar:
x 22=1500
x 23=1000

Tabla 7. Solucin del problema de transporte

P1 P2 P3 Oferta
A1 1500 500 0 2000
A2 0 1500 1000 2500
Demand
1500 2000 1000
a

La solucin es: x 11=1500 x 12=500 x 13=0 x 21=0

x 22=1500 x 23=1000
Y el coste del transporte es
z=( 8 1500 ) + ( 6 500 ) + ( 4 1500 ) + ( 9 1000 ) =30000
El mtodo de la esquina noroeste no tiene en cuenta la tabla de costes para
calcular la solucin. El mtodo tiene una mejora, esta consiste en elegir las
posiciones para asignar los flujos.6

1.1.3 PROBLEMA DE ASIGNACIN

Existe otro tipo de problema de distribucin el cual es un caso particular del modelo de
transporte; se trata del problema de asignacin, que consiste en asignar una
determinada cantidad de orgenes (por ejemplo, personas o individuos) a la misma
cantidad de destinos (que pueden ser tareas, mquinas, entre otros) a fin de
optimizar un parmetro de eficiencia de un proceso dado. Normalmente con los
problemas de asignacin se busca optimizar costos y tiempo; por este motivo, los
problemas de programacin lineal que se formulan basados en este modelo suelen
ser de minimizacin, aunque tambin es posible plantear y resolver problemas de
asignacin donde el objetivo sea de maximizacin. Sin embargo, en estos casos, el
procedimiento difiere ligeramente. [8, 9]. El mtodo presenta el siguiente procedimiento
[9]:

17
 Paso 1: Construir una matriz con todos los coeficientes de la funcin objetivo de
minimizacin (es decir, los costos)
o NOTA 1: Si la funcin objetivo es de maximizacin, los componentes de la matriz
de asignacin (coeficientes de la funcin objetivo) deben multiplicarse por -1.
o NOTA 2: Si la matriz de asignacin es no cuadrada, debe transformarse en una
agregando filas y columnas ficticias cuyos componentes sern todos cero.
Paso 2: Restar el componente ms pequeo de cada fila de la matriz de
asignacin a todos los dems componentes de dichas filas.
Paso 3: Trazar la menor cantidad de lneas que pasen por los ceros obtenidos en
el paso 2. Si dicha cantidad es igual a la dimensin de la matriz, se habr alcanzado
la solucin ptima y se sigue al paso 6. De lo contrario, proseguir con el paso 4.
20

18
 Paso 4: Repetir el procedimiento del paso 2 con las columnas. Dibujar nuevamente
las lneas. Si el nmero de lneas dibujadas es menor que la dimensin de la matriz,
continuar con el paso 5.
Paso 5: Partiendo de la matriz anterior, localizar el componente ms pequeo que
no est cortado por una recta. Sustraer este valor del resto de elementos no cortados
por rectas (de ste mismo, inclusive) y agregarlo a los componentes que se
encuentren en la interseccin (si existen) de dos lneas. Nuevamente, trazar el menor
nmero de rectas que corten todos los ceros de la matriz. Si dicha cantidad es igual a
la dimensin de la matriz, detener el procedimiento y seguir al paso 6. En caso
contrario, repetir este paso hasta que la condicin se cumpla.
Paso 6: Una vez obtenida la solucin ptima, se determina sta marcando los
ceros (que sean nicos) obtenidos en una lnea, descartar las filas y columnas que
contengan dicho cero y continuar este paso hasta que todos estos ceros estn
marcados. Reportar las asignaciones ptimas.

PROBLEMA DE APLICACIN
A continuacin, para ilustrar el mtodo hngaro se resolver el siguiente problema [9]:
Supngase que una empresa dispone de cinco mquinas I, II, III, IV y V, as como de
otros tantos operarios A, B, C, D, E para asignarlos a las mismas, siendo la matriz de
costes:
Operario Mquina
I II III IV V
A 40 30 80 80 60
B 80 70 40 30 0
C 85 75 50 60 25
D 45 60 80 70 90
E 50 70 40 55 55
Tabla 2. Matriz de coeficientes de la funcin objetivo.

Establzcase la asignacin de costo mnimo.

SOLUCIN
1) Se resta el componente ms pequeo de cada fila a los dems componentes de las
mismas (paso 2) y se traza la menor cantidad de lneas que corten todos los ceros
(paso 3).
Operario Mquina
I II III IV V
A 10 0 50 50 30
B 80 70 40 30 0
C 60 50 25 35 0
D 0 15 35 25 45
E 10 30 0 15 15

19
2) Dado que el nmero de lneas es menor que la dimensin de la matriz (5x5) se
repite el paso 2 con las columnas (paso 4)
Operario Mquina
I II III IV V
A 10 0 50 35 30
B 80 70 40 15 0
C 60 50 25 20 0
D 0 15 35 10 45
E 10 30 0 0 15

3) Como la cantidad de lneas sigue siendo menor de 5, a todos los componentes no

cortados por rectas se les resta el menor de todos que no est cortado por lneas, y
este valor se le suma a los elementos que estn cortados por dos lneas. Luego se
traza de nuevo la menor cantidad de lneas que corten todos los ceros (paso 5):

Operario Mquina
I II III IV V
A 20 0 50 35 40
B 80 60 30 5 0
C 60 40 15 10 0
D 0 5 25 0 45
E 20 30 0 0 25

4) El nmero de lneas an es menor que la dimensin de la matriz, por lo que se

repite el paso 5:
Operario Mquina
I II III IV V
A 20 0 50 35 45
B 75 55 25 0 0
C 55 35 10 5 0
D 0 5 25 0 50
E 20 30 0 0 30

5) Dado que la cantidad de lneas es igual a la dimensin de la matriz, se ha

encontrado la solucin ptima por lo que se proceder a marcar los ceros (paso 6):
Operario Mquina
I II III IV V
A 20 [0] 50 35 45
B 75 55 25 [0] 0
C 55 35 10 5 [0]
D [0] 5 25 0 50
E 20 30 [0] 0 30

Finalmente, se reporta la solucin ptima obtenida:

20
 Operario Mquina cij
A II 30
B IV 30
C V 25
D I 45
E III 40
Costo total 170
(mnimo)

Tabla 3. Solucin (lista de asignaciones) ptima obtenida, junto con el valor ptimo de
la funcin objetivo.

ARTICULOS CIENTFICOS:

1. PROGRAMACIN DE OPERACIONES PARA EL LLENADO DE TOLVAS

DOSIFICADORAS EN UNA EMPRESA DE CONCENTRADOS
Titulo alterno: SCHEDULING HOPPERS FILLING OPERATIONS IN THE ANIMAL
CONCENTRATED FEEDING INDUSTRY
Idioma: Spanish
Autores:
Ramrez, Gloria1 ramirez@correounivalle.edu.co
Torn, Marcela2 mtorne@riopaila-castilla.com
Orejuela-Cabrera, Juan3 orejuela@correounivalle.edu.co
Fuente:
Revista Ingenieras Universidad de Medellin. 2012, Vol. 11 Issue 20, p165-178. 13p. 1
Diagram, 1 Chart, 4 Graphs.
Resumen:
En el presente artculo de investigacin se desarrolla una propuesta de programacin de
operaciones que garantiza la toma eficiente de decisiones en el mediano y corto plazo de
las industrias fabricantes de alimento concentrado. La metodologa planteada parte de la
generacin de la explosin de materiales bajo el enfoque del MRP y posteriormente
contina con el desarrollo de un modelo de programacin lineal entera mixta que coordina
las operaciones de llenado de tolvas dosificadoras de manera que se cuente
oportunamente con las materias primas requeridas en el proceso de dosificacin y se
minimicen los costos relevantes en el sistema. La propuesta se aplic a un caso de
estudio con datos reales y present mejores resultados que los obtenidos en la prctica
por esta industria. [ABSTRACT FROM AUTHOR]
Link ( revisado el 4 de diciembre de 2016 11:45 pm)
http://dbvirtual.uniatlantico.edu.co:2186/ehost/detail/detail?vid=14&sid=64c1973a-bba7-
4a68-8b7b-
8e1e38beeb66%40sessionmgr1&bdata=Jmxhbmc9ZXMmc2l0ZT1laG9zdC1saXZl#AN=83
532863&db=fua

21
2. PLAN PTIMO DE PRODUCCIN EN UNA PLANTA EMBOTELLADORA DE
GASEOSAS
Ttulo alterno: OPTIMAL PRODUCTION PLAN IN A SOFT DRINK BOTTLING
PLANT.

Autores:
Ortiz Triana, Viviana Karolina1 vivianakarolinaot@ufps.edu.co
Caicedo Roln, lvaro Junior2

Fuente: Revista Ingeniera Industrial. 2012, Vol. 11 Issue 1, p69-82. 14p. 2 Black
and White Photographs, 6 Charts.

Resumen:
El propsito de esta investigacin fue disear un plan ptimo de produccin en una
planta embotelladora de gaseosas ubicada en la ciudad de San Jos de Ccuta
(Colombia), donde se identificaron las restricciones del sistema productivo para el
desarrollo de un modelo matemtico, siguiendo la metodologa de la investigacin de
operaciones, especficamente la tcnica de programacin lineal, en conjunto con la
teora de restricciones. Como resultado se obtuvieron las cantidades ptimas de
fabricacin al menor costo para el perodo seleccionado (junio del 2011). Adems, el
estudio permiti evidenciar una capacidad productiva no utilizada, a partir de lo cual se
identificaron escenarios y oportunidades para el aprovechamiento de sus recursos. El
modelo matemtico, que representa el plan ptimo de produccin, se puede
implementar en plantas embotelladoras de gaseosas que presenten las mismas
caractersticas del caso de estudio considerado en este artculo. [ABSTRACT FROM
AUTHOR]

Link ( revisado el 4 de diciembre de 2016 11:45 pm)

http://dbvirtual.uniatlantico.edu.co:2186/ehost/detail/detail?sid=a8428b05-6c87-4c39-
9320-
f4f2aa585ec2%40sessionmgr104&vid=0&hid=123&bdata=Jmxhbmc9ZXMmc2l0ZT1la
G9zdC1saXZl#AN=83812851&db=a9h

BIBLIOGRAFA

22
HAMDY. Taha, Investigacin de operaciones. 9 ed. Pearson: Mxico. 2012

ZUIGA F., ALMEDIDA E. Anlisis de sensibilidad. (2010) Tecnolgico de estudios

superiores. Facultad de Ingeniera. Programa de ingeniera industrial. Trabajo de
investigacin.

FALTAN EL RESTO DE REFERENCIAS

23