Mtodos Determinsticos

Fase 2.
Trabajo Colaborativo 1

Integrantes:
Janeth Barreto Ruiz
Leidy Viviana Quiceno
Miguel ngel Quintero
Sandra Patricia Rodrguez Vargas

Tutora:
Adriana Yolima Morales

Universidad Nacional Abierta y a Distancia - UNAD

Escuela de Ciencias Administrativas, Contables, Econmicas y de Negocios
Grupo: 102016 _176
2017
 Tabla de Contenido

Introduccin..3
Definiciones Programacin Lineal y Programacin Lineal Entera............ 4
Problema 1. Programacin Lineal y Programacin Lineal Entera..... 4-7
Algoritmo de solucin para los problemas propuestos de Programacin lineal entera y
Modelos de transporte..... 7-19
Solucin mediante Solver problema 1 19-20
Mtodos de transportes.. 21-22
Problema 2.1. Transportes desde Bogot... 22-27
Problema 2.2. Transporte desde Cali...... 27-29
Problema 2.3. Transporte desde Medelln...29-31
Capturas de pantalla videos para el uso del Complemento Solver en Excel.31-32
Tablas de resultados para los problemas planteados mediante solver. 33-34
Conclusiones... 35-36
Bibliografa... 37-38
 Lista de tablas

Tabla 1. Planteamiento problema 1..... 5

Tabla 2. Variables de entrada y salida.10
Tabla 3. Solucin ptima... 14
 Lista de figuras

Figura 1. Solucin con solver problema 1 PL.......19

Figura 2. Solucin con solver problema 1 PLE........ 20
 Introduccin

En este trabajo analizaremos y plantearemos los posibles algoritmos que

necesitarn para resolver cada una de los problemas propuestos de Programacin lineal

entera y Modelos de transporte.

Compararemos los mtodos de respuesta que se hallen para la solucin de los

problemas, luego solucionarlos de manera manual usando dichos algoritmos

seleccionados.

Respaldar la solucin mediante la Investigacin del conocimiento y las fuentes

bibliogrficas que contienen y explicar cada uno de los mtodos de solucin, segn los

problemas planteados.

3
 Definiciones Programacin Lineal y Programacin Lineal Entera.

Programacin Lineal.

Es una tcnica o campo de la optimizacin matemtica el cual est dedicado a

maximizar o minimizar (optimizar) una funcin lineal denominada funcin objetivo
mediante la aplicacin de varias restricciones a sus variables expresadas mediante un
sistema de inecuaciones tambin lineales. Es un modelo compuesto por una funcin
objetivo y sus restricciones, constituyndose todos estos componentes como funciones
lineales en las variables en cuestin. Permitiendo resolver problemas de diversa
naturaleza como los problemas de produccin, asignacin de personal, planificacin
financiera, control, inventarios, etc., todo lo relacionado con la Economa y la Industria

Programacin Lineal Entera.

Estos son problemas de programacin lineal solo que requieren que las
variables de solucin por las condiciones del problema sean enteras, queriendo decir no
continuas o fracciones; solo a nmeros enteros se puede reducir la respuesta.

Problema 1. Programacin Lineal y Programacin Lineal Entera.

Una empresa de muebles rsticos fabrica entre muchos otros productos cinco
tipos de sillas A, B, C, D Y E, las cuales se venden a precio de 110000, 130000, 120000,
98000 Y 101000 pesos cada una y respectivamente. Las sillas pasan por cinco procesos,
corte, ensamblado, lijado, Pintado y sellado, para lo cual se dispone mximo de 17, 11,
15, 12 y 14 horas respectivamente a la semana para dedicar a estas operaciones a estos
productos.

4
 La silla tipo A requiere 3 horas para corte, 1 hora para ensamblado, 3 horas para
lijado, 1 hora para pintado y 1 hora para sellado.

La silla tipo B requiere 2 horas para corte, 3 horas para ensamblado, 2 horas
para lijado, 2 horas para pintado y 3 horas para sellado.

La silla tipo C requiere 5 horas para corte, 2 horas para ensamblado, 2 horas
para lijado, 3 horas para pintado y 1 hora para sellado.

La silla tipo D requiere 2 horas para corte, 4 horas para ensamblado, 1 hora para
lijado, 1 hora para pintado y 2 horas para sellado.

La silla tipo E requiere 1 hora para corte, ninguna hora para ensamblado, 2 horas
para lijado, 2 horas para pintado y 3 horas para sellado.

Tabla 1. Planteamiento problema 1.

Productos Horas disponibles por cada

Talleres
A x1 B x2 C x3 D x4 E x5 taller

$ 110.000 $ 130.000 $ 120.000 $ 98.000 $ 101.000

Corte 3 2 5 2 1 17
Ensamblado 1 3 2 4 0 11
Lijado 3 2 2 1 2 15
Pintado 1 2 3 1 2 12
Sellado 1 3 1 2 3 14
Total horas
requeridas x 9 12 13 10 8
producto

Expresin cannica del problema

Funcin objetivo:

Qu debemos hacer para maximizar las ganancias netas de la empresa ya que los
tiempos implementados en cada producto son inferiores a los empleados en cada taller
para cada producto?

Maximizar Z 110.000x1 130.000x2 120.000x3 98.000x4 101.000x5

5
Formulacin:

Determinar la cantidad de productos fabricados (sillas A, B, C, D, E) a la semana,

teniendo en cuenta los tiempos implementados para cada producto y los disponibles en
cada proceso a la semana, para obtener el mximo beneficio o ganancia para la
empresa.

Variables de decisin:

Ax1 Cantidad de productos fabricados (sillas A) a la semana, teniendo en cuenta

los tiempos implementados para cada producto y los disponibles en cada proceso
a la semana, para obtener el mximo beneficio o ganancia para la empresa.
Bx2 Cantidad de productos fabricados (sillas B) a la semana, teniendo en cuenta

los tiempos implementados para cada producto y los disponibles en cada proceso
a la semana, para obtener el mximo beneficio o ganancia para la empresa.
Cx3 Cantidad de productos fabricados (sillas C) a la semana, teniendo en cuenta

los tiempos implementados para cada producto y los disponibles en cada proceso
a la semana, para obtener el mximo beneficio o ganancia para la empresa.
Dx4 Cantidad de productos fabricados (sillas D) a la semana, teniendo en

cuenta los tiempos implementados para cada producto y los disponibles en cada
proceso a la semana, para obtener el mximo beneficio o ganancia para la
empresa.
Ex5 Cantidad de productos fabricados (sillas E) a la semana, teniendo en cuenta

los tiempos implementados para cada producto y los disponibles en cada proceso
a la semana, para obtener el mximo beneficio o ganancia para la empresa.

Restricciones del problema:

Talleres Re lacin Horas

Corte 3x 2x 5x 2x x 17
1 2 3 4 5
Ensamblado x 3x 2x 4x 11
1 2 3 4
Lijado 3x 2x 2x x 2x 15
1 2 3 4 5
P int ado x 2x 3x x 2x 12
1 2 3 4 5
Sellado x 3x x 2x 3x 14
1 2 3 4 5

6
 xi 0, A i E

Restriccin saturada: x1 x2 x3 x4 x5 0

Plantee los posibles algoritmos que necesitarn para resolver cada una de los
problemas propuestos de Programacin lineal entera y Modelos de transporte.

Uno de los posibles algoritmos que se necesita para resolver el problema

propuesto de programacin lineal entera es el Mtodo Simplex, ya que este mtodo

analtico permite solucionar los problemas de programacin lineal ms complejos que

los resueltos por el mtodo grfico, sin restriccin en el nmero de variables; este

algoritmo interactivo permite ir mejorando la solucin en cada paso ya que su razn

radica en caminar del vrtice de un poliedro a un vrtice vecino de modo que aumente

o disminuya (segn el contexto de la funcin objeto Maximizar o Minimizar) ya que el

nmero de vrtices que presenta un poliedro solucin es finito siempre se encuentra

solucin. Este mtodo o algoritmo fue creado por George Bernard Dantzig (EEUU) y

Leonid Vitalievich Kantorovich (Ruso) en 1947 para solucionar problemas de m

restricciones y n variables

La teora de matrices (Matriz Identidad) en el Mtodo Simplex es sumamente

importante y fundamental, dado que el algoritmo se basa en dicha teora para la

resolucin de sus problemas; Pues una matriz es una organizacin rectangular de

elementos o listado finito de elementos, los cuales pueden ser nmeros complejos o

reales, organizado en forma de filas y columnas. Esta matriz cuadrada (matriz idntica

o identidad) posee el mismo nmero de filas como de columnas de orden n que tiene

7
todos los elementos diagonales iguales a uno (1) y todos los dems componentes

iguales acero (0), esta se nombra matriz identidad de orden n, denotndose de la

siguiente manera:

Debemos tener en cuenta algunas observaciones importantes al trabajar el

Mtodo Simplex pues este trabaja basndose en ecuaciones, y las restricciones iniciales

que se forman mediante la programacin lineal no lo son; hay que trasformar estas

inecuaciones en ecuaciones implementando unas variable llamadas: Variables de

Holgura y Exceso relacionadas con el recurso al cual hace referencia la restriccin y

que en el tabulado final representa el Slack or surplus haciendo referencia a los

programas resolucin de investigacin de operaciones, estas variables adquieren un

valor importante en el anlisis de sensibilidad y juegan un rol fundamental en la creacin

de la matriz identidad base del Mtodo Simplex.

Estas variables de holgura y exceso suelen estar simbolizadas por la letra S;

se suman si la restriccin es de signo <= (menor igual) y se restan si la restriccin es

de signo >= (mayor igual).

En este paso el objetivo es asignar a cada recurso una variable de Holgura,

dado que todas las restricciones son "<=".

8
 3 x1 2 x2 5 x3 2 x4 1x5 1s1 0 s2 0 s3 0 s4 0 s5 17
1x1 3 x2 2 x3 4 x4 0 x5 0 s1 1s2 0 s3 0 s4 0 s5 11
3 x1 2 x2 2 x3 1x4 2 x5 0 s1 0 s2 1s3 0 s4 0 s5 15
1x1 2 x2 3 x3 1x4 2 x5 0 s1 0 s2 0 s3 1s4 0 s5 12
1x1 3 x2 1x3 2 x4 3 x5 0 s1 0 s2 0 s3 0 s4 1s5 14

Z 110.000x1 130.000x2 120.000x3 98.000x4 101.000x5

Cj 110.000 130.000 120.000 98.000 101.000 0 0 0 0 0

Variable s2 s3 s4 s5
Cb
Solucin
Solucin x1 x2 x3 x4 x5 s1

0 s1 17 3 2 5 2 1 1 0 0 0 0

0 s2 11 1 3 2 4 0 0 1 0 0 0

0 s3 15 3 2 2 1 2 0 0 1 0 0

0 s4 12 1 2 3 1 2 0 0 0 1 0

0 s5 14 1 3 1 2 3 0 0 0 0 1

Zj 0 0 0 0 0 0 0 0 0 0 0

Cj Zj 110.000 130.000 120.000 98.000 101.000 0 0 0 0 0

Solucin: (segundo trmino)= En esta fila se consigna el segundo trmino de

la solucin, es decir las variables, lo ms adecuado es que estas se consignen de

manera ordenada, tal cual como se escribieron en la definicin de restricciones.

Cj = La fila "Cj" hace referencia al coeficiente que tiene cada una de las

variables de la fila "solucin" en la funcin objetivo.

Variable Solucin = En esta columna se consigna la solucin bsica inicial, y

a partir de esta en cada iteracin se van incluyendo las variables que formarn parte de

la solucin final.

9
 Cb = En esta fila se consigna el valor que tiene la variable que se encuentra a

su derecha "Variable solucin" en la funcin objetivo.

Zj = En esta fila se consigna la contribucin total, es decir la suma de los

productos entre trmino y Cb.

Cj - Zj = En esta fila se realiza la diferencia entre la fila Cj y la fila Zj, su

significado es un "Shadow price", es decir, la utilidad que se deja de recibir por cada

unidad de la variable correspondiente que no forme parte de la solucin.

Realizamos las iteraciones necesarias.

El procedimiento a seguir es el siguiente:

1. Evaluar que variable entrar y cual saldr de la solucin ptima:

Tabla 2. Variables de entrada y salida.

Maximizar Minimizar
Variable La ms positiva de los Cj - Zj La ms negativa de los Cj - Zj
que entra
Siendo b los valores bajo la celda Siendo b los valores bajo la celda
solucin y a el valor correspondiente solucin y a el valor
Variable
a la interseccin entre b y la variable correspondiente a la interseccin
que sale
que entra. La menos positiva de entre b y la variable que entra. La
los b/a. ms positiva de los b/a.

10
 Cj 110.000 130.000 120.000 98.000 101.000 0 0 0 0 0

Variable s2 s3 s4 s5
Cb
Solucin
Solucin x1 x2 x3 x4 x5 s1 b/a

0 s1 17 3 2 5 2 1 1 0 0 0 0 17/2 = 8.5

0 s2 11 1 3 2 4 0 0 1 0 0 0 11/3 = 3.7

15/2 = 7.5
0 s3 15 3 2 2 1 2 0 0 1 0 0

0 s4 12 1 2 3 1 2 0 0 0 1 0 12/2 = 6

14/3 = 4.67
0 s5 14 1 3 1 2 3 0 0 0 0 1

Zj 0 0 0 0 0 0 0 0 0 0 0

Cj Zj 110.000 130.000 120.000 98.000 101.000 0 0 0 0 0

En este caso todos los Cj Zj no son iguales podemos iniciar por X2 por

ende los valores a son los que se encuentran consignados en la columna X2 es

decir 2-3-2-2-3 respectivamente. Los valores de b son 17-11-15-12 y 14

respectivamente. Cuando el valor de a es menor o igual a 0 (cero) este no se tiene en

cuenta.

En la columna b/a se encuentran los resultados de las respectivas

operaciones, siendo los resultados de nmeros positivos inferiores en este caso el

menos positivo el resultado 3; por ende la variable que sale es S2 y se realizarla

sucesivamente con las dems.

* Importante recordar que el valor de a = 3 corresponde a la variable a entrar, en

este caso X2.

11
 Cj 110.000 130.000 120.000 98.000 101.000 0 0 0 0 0

Cb
Variable
Solucin x1 x2 x3 x4 x5 s1 s2 s3 s4 s5
Solucin

0 s1
3,7 0,33 1 0,67 1,33 0 0 0,33 0 0 0
130.000 x2

0 s3
0 s4

0 s5
Zj
Cj Zj

0 s2 11 1 3 2 4 0 0 1 0 0 0

a= 3

Toda la fila saliente (o pivote S2) es dividida entre el valor de a de la variable entrante
en este caso 3.

0 x2 3,7 0,33 1 0,67 1,33 0 0 0,33 0 0 0

Re striccion _ 1 17 3 2 5 2 1 1 0 0 0 0
fila _ pivote* 2.0 7.3 0.67 2.0 1.3 2.7 0 0 0.67 0 0 0
Nueva _ restriccion _ 1 9.7 2.3 0.0 3.7 0.67 1.0 1.0 0.67 0 0 0

0 x2 3,7 0,33 1 0,67 1,33 0 0 0,33 0 0 0

12
 Re striccion _ 3 15 3 2 2 1 2 0 0 1 0 0
fila _ pivote* 2.0 7.3 0.67 2.0 1.3 2.7 0.0 0.0 0.67 0.0 0.0 0.0
Nueva _ restriccion _ 3 7.7 2.3 0.0 0.67 1.7 2.0 0.0 0.67 1.0 0.0 0.0

0 x2 3,7 0,33 1 0,67 1,33 0 0 0,33 0 0 0

Re striccion _ 4 12 1 2 3 1 2 0 0 0 1 0
fila _ pivote* 2.0 7.3 0.67 2.0 1.3 2.7 0.0 0.0 0.67 0.0 0.0 0.0
Nueva _ restriccion _ 4 4.7 0.33 0.0 1.7 1.7 2.0 0.0 0.67 0.0 1.0 0.0

0 x2 3,7 0,33 1 0,67 1,33 0 0 0,33 0 0 0

Re striccion _ 5 14 1 3 1 2 3 0 0 0 0 1
fila _ pivote* 3.0 11 1 3.0 2.0 4.0 0.0 0.0 1.0 0.0 0.0 0.0
Nueva _ restriccion _ 5 3.0 0.0 0.0 1.0 2.0 3.0 0.0 1.0 0.0 0.0 1.0

101.00
Cj 110.000 130.000 120.000 98.000 0 0 0 0 0
0

Cb
Variable
Solucin x1 x2 x3 x4 x5 s1 s2
s3 s4 s5
Solucin

0 s1 9.7 2.33 0 3.7 -0.67 1 1 -0.67 0 0 0

130.00
x2 3,7 0,33 1 0,67 1,33 0 0 0,33 0 0 0
0

0 s3 7.7 2.33 0 0.67 -1.7 2 0 -0.67 1 0 0

0 s4 4.7 0.33 0 1.7 -1.7 2 0 -0.67 0 1 0

0 s5 3 0 0 -1 -2 3 0 -1 0 0 1

Zj 481.000 42.900 130.000 87.100 172.900 0 0 42.900 0 0 0

Cj Zj 67.100 0 32.900 -74.900

101.00
0 -42.900 0 0 0
0

Nos ubicamos en la columna Solucin y realizar las mutilaciones entre Cb *

Solucin, consignando la sumatoria de todos los resultados en la ltima casilla frente
a Zj; sera de la siguiente manera:

13
(0*9,7) + (130.000*3,7) + (0*7,7) + (0*4,7) + (0*3) = 481.000

Siguiente paso tenemos que consignar la sumatoria de las multiplicaciones

entre Cb * la matriz en este caso es la columna X2, el resultado es:

(0*0) + (130.000*1) + (0*0) + (0*0) + (0*0) = 130.000

* Nota: Realizamos esta misma operacin para las restantes columnas y los resultados
de las multiplicaciones los sumamos y los consignamos en la parte inferior de esa
columna, fila Zj respectivamente.

Ahora procedemos a realizar la diferencia entre Cj - Zj y la igualdad la

consignamos en las ltimas casillas, correspondientes a la operacin:

(110.000 42.900) = 67.100; (130.000 130.000) = 0; (120.000 87.100) = 32.900

y as sucesivamente.

De esta manera se culmina la primera interaccin, sin embargo este paso se

repetir cuantas veces sea necesario y solo se dar por terminado el mtodo cuando
se cumplan los siguientes criterios:

Tabla 3. Solucin ptima.

Maximizar Minimizar
Solucin Cuando todos los Cj - Zj sean Cuando todos los Cj - Zj sean
ptima <= 0 >= 0

Ahora seleccionamos la variable que entra x5 y la que sale s5 .

Cj 110.000 130.000 120.000 98.000 101.000 0 0 0 0 0

Variable
Cb
Solucin
Solucin x1 x2 x3 x4 x5 s1 s2 s3 s4 s5 b/a

9,7/1 = 9,7
0 s1 9.7 2.33 0 3.7 -0.67 1 1 -0.67 0 0 0

3,7/0 = 0
130.000 x2 3,7 0,33 1 0,67 1,33 0 0 0,33 0 0 0

7,7/2 = 3,85
0 s3 7.7 2.33 0 0.67 -1.7 2 0 -0.67 1 0 0

4,7/2 = 2,35
0 s4 4.7 0.33 0 1.7 -1.7 2 0 -0.67 0 1 0

3/3 = 1
0 s5 3 0 0 -1 -2 3 0 -1 0 0 1

14
 Zj 481.000 42.900 130.000 87.100 172.900 0 0 42.900 0 0 0

Cj Zj 67.100 0 32.900 -74.900 101.000 0 -42.900 0 0 0

fila _ pivote _ S5 3 0 0 1 2 3 0 1 0 0 1
fila _ pivote 3 1 0 0 0.33 0.67 1 0 0.33 0 0 0.33

Re striccion _ 1 9.7 2.3 0 3.7 0.67 1 1 0.67 0 0 0

fila _ pivote* 1 1 0 0 0.33 0.67 1 0 0.33 0 0 0.33
Nueva _ restriccion _ 1 8.7 2.3 0.0 4.0 0 0 1 0.33 0 0 0.33

Re striccion _ 2 3.7 0.33 1 0.67 1.33 0 0 0.33 0 0 0

fila _ pivote* 0 0 0 0 0 0 0 0 0 0 0 0
Nueva _ restriccion _ 2 3.7 0.33 1 0.67 1.33 0 0 0.33 0 0 0

Re striccion _ 3 7.7 2.3 0 0.67 1.7 2 0 0.67 1 0 0

fila _ pivote* 2.0 2.0 0 0 0.67 1.3 2.0 0 0.67 0 0 0.67
Nueva _ restriccion _ 3 5.7 2.3 0 1.3 0.33 0 0 0 1 0 0.67

Re striccion _ 4 4.7 0.33 0 1.7 1.7 2 0 0.67 0 1 0

fila _ pivote* 2.0 2.0 0 0 0.67 1.3 2 0 0.67 0 0 0.67
Nueva _ restriccion _ 4 2.7 0.33 0 2.3 0.33 0 0 0 0 1 0.67

Ahora seleccionamos la variable que entra x3 y la que sale s4 .

Cj 110.000 130.000 120.000 98.000 101.000 0 0 0 0 0

Variable s4
Cb
Solucin
Solucin x1 x2 x3 x4 x5 s1 s2 s3 s5 b/a

8,7/4 = 2.17
0 s1 8.7 2.33 0 4 0 0 1 -0.33 0 0 -0.33

3,7/0.67 = 5.5
130.000 x2 3,7 0,33 1 0,67 1,33 0 0 0,33 0 0 0

5,7/1.3 = 4.3
0 s3 5.7 2.3 0 1.3 -0.33 0 0 0 1 0 -0.67

2,7/2.3 = 1.17
0 s4 2.7 0.33 0 2.3 -0.33 0 0 0 0 1 -0.67

1/-0.33 = 0
101.000 x5 1 0 0 -0.33 -0.67 1 0 -0.33 0 0 0.33

Zj 582.000 42.900 130.000 53.770 105.230 101.000 0 9.570 0 0 33.330

Cj Zj 67.100 0 66.230 -7.230 0 0 -9.570 0 0 -33.330

15
 fila _ pivote _ S 4 2.7 0.33 0 2.3 0.33 0 0 0 0 1 0.67
fila _ pivote 2.3 1.1 0.14 0 1 0.14 0 0 0 0 0.43 0.29

Re striccion _ 1 8.7 2.3 0 4 0 0 1 0.33 0 0 0.33

fila _ pivote * 4 4.6 0.57 0 4 0.57 0 0 0 0 1.7 1.1
Nueva _ restriccion _ 1 4.1 1.8 0. 0 0.57 0 1 0.33 0 1.7 0.81

Re striccion _ 2 3.7 0.33 1 0.67 1.3 0 0 0.33 0 0 0

fila _ pivote * 0.67 0.76 0.095 0.0 0.67 0.095 0 0 0 0 0.29 0.19
Nueva _ restriccion _ 2 2.9 0.24 1 0 1.4 0 0 0.33 0 0.29 0.19

Re striccion _ 3 5.7 2.3 0 1.3 0.33 0 0 0 1 0 0.67

fila _ pivote * 1.3 1.5 0.19 0 1.3 0.19 0 0 0 0 0.57 0.38
Nueva _ restriccion _ 3 4.1 2.1 0 0 0.14 0 0 0 1 0.57 0.29

Re striccion _ 5 1 0 0 0.33 0.67 1 0 0.33 0 0 0.33

fila _ pivote * 0.33 0.38 0.048 0 0.33 0.048 0 0 0 0 0.14 0.095
Nueva _ restriccion _ 5 1.4 0.048 0 0 0.71 1 0 0.33 0 0.14 0.24

Ahora seleccionamos la variable que entra x1 y la que sale s3 .

Cj 110.000 130.000 120.000 98.000 101.000 0 0 0 0 0

Variable
Cb
Solucin
Solucin x1 x2 x3 x4 x5 s1 s2 s3 s4 s5 b/a

4.1/1.8 = 2.28
0 s1 4.1 1.8 0 0 0.57 0 1 -0.33 0 -1.71 0.81

2.9/0.24= 12.08
130.000 x2 2.9 0.24 1 0 1.4 0 0 0,33 0 -0.29 0.19

4.1/2.1 = 1.95
0 s3 4.1 2.1 0 0 -0.14 0 0 0 1 -0.57 -0.29

1.14/0.14 = 8
120.000 x3 1.14 0.14 0 1 -0.14 0 0 0 0 0.43 -0.29

1.4/0.05 = 28
101.000 x5 1.4 0.05 0 0 -0.71 1 0 -0.33 0 0.14 0.24

Zj 655.200 53.050 130.000 120.000 93.490 101.000 0 9.570 0 28.040 14.140

Cj Zj 56.950 0 0 4.510 0 0 -9.570 0 -28.040 -14.140

16
 fila _ pivote _ S3 4.1 2.1 0 0 0.14 0 0 0 1 0.57 0.29
fila _ pivote 2.1 1.9 1 0 0 0.067 0 0 0 0.47 0.27 0.13

Re striccion _ 1 4.1 1.8 0 0 0.57 0 1 0.33 0 1.7 0.81

fila _ pivote * 1.8 3.4 1.8 0 0 0.12 0 0 0 0.82 0.47 0.23
Nueva _ restriccion _ 1 0.69 0 0 0 0.69 0 1 0.33 0.82 1.2 1.04

Re striccion _ 2 2.9 0.24 1 0 1.4 0 0 0.33 0 0.29 0.19

fila _ pivote * 0.24 0.46 0.24 0 0 0.016 0 0 0 0.11 0.063 0.032
Nueva _ restriccion _ 2 2.4 0 1 0 1.4 0 0 0.33 0.11 0.22 0.22

Re striccion _ 4 1.1 0.14 0 1 0.14 0 0 0 0 0.43 0.29

fila _ pivote * 0.14 0.28 0.14 0 0 0.0095 0 0 0 0.067 0.038 0.019
Nueva _ restriccion _ 4 0.87 0 0 1 0.13 0 0 0 0.067 0.47 0.27

Re striccion _ 5 1.4 0.048 0 0 0.71 1 0 0.33 0 0.14 0.24

fila _ pivote * 0.048 0.092 0.048 0 0 0.0032 0 0 0 0.022 0.013 0.0063
Nueva _ restriccion _ 5 1.3 0 0 0 0.71 1 0 0.33 0.022 0.16 0.24

Ahora seleccionamos la variable que entra x4 y la que sale s1 .

Cj 110.000 130.000 120.000 98.000 101.000 0 0 0 0 0

Variable
Cb
Solucin
Solucin x1 x2 x3 x4 x5 s1 s2 s3 s4 s5 b/a

0.69/0.69 = 1
0 s1 0.69 0 0 0 0.69 0 1 -0.33 -0.82 -1.2 1.04

2.4/ 1.4 = 1.7

130.000 x2 2.4 0 1 0 1.4 0 0 0,33 -0.11 -0.22 0.22

1.9/-0.067 = 0
110.000 x1 1.9 1 0 0 -0.067 0 0 0 0.47 -0.27 -0.13

0.87/-0.13 = 0
120.000 x3 0.87 0 0 1 -0.13 0 0 0 -0.067 0.47 -0.27

1.3/ -0.71 = 0
101.000 x5 1.3 0 0 0 -0.71 1 0 -0.33 -0.022 0.16 0.24

Zj 756.700 110.000 130.000 120.000 87.320 101.000 0 9.570 27.138 14.260 6.140

Cj Zj 0 0 0 10.680 0 0 -9.570 -27.138 -14.260 -6.140

17
 fila _ pivote _ S1 0.69 0 0 0 0.69 0 1 0.33 0.82 1.2 1.04
fila _ pivote 0.69 1 0 0 0 1 0 1.5 0.48 1.2 1.8 1.5

Re striccion _ 2 2.4 0 1 0 1.4 0 0 0.33 0.11 0.22 0.22

fila _ pivote * 1.4 1.4 0 0 0 1.4 0 2.1 0.70 1.7 2.6 2.2
Nueva _ restriccion _ 2 1 0 1 0 0 0 2.1 1.03 1.6 2.4 2.0

Re striccion _ 3 1.9 1 0 0 0.067 0 0 0 0.47 0.27 0.13

fila _ pivote* 0.067 0.067 0 0 0 0.067 0 0.097 0.032 0.080 0.12 0.10
Nueva _ restriccion _ 3 2 1 0 0 0 0 0.097 0.032 0.39 0.39 0.032

Re striccion _ 4 0.87 0 0 1 0.13 0 0 0 0.067 0.47 0.27

fila _ pivote* 0.13 0.13 0 0 0 0.13 0 0.19 0.065 0.16 0.24 0.20
Nueva _ restriccion _ 4 1 0 0 1 0 0 0.19 0.065 0.23 0.23 0.065

Re striccion _ 5 1.3 0 0 0 0.71 1 0 0.33 0.022 0.16 0.24

fila _ pivote * 0.71 0.71 0 0 0 0.71 0 1 0.34 0.85 1.3 1.1
Nueva _ restriccion _ 5 2 0 0 0 0 1 1 0.68 0.87 1.13 1.3

Cj 110 130 120 98 101 0 0 0 0 0

Variable
Cb
Solucin
Solucin x1 x2 x3 x4 x5 s1 s2 s3 s4 s5 b/a

1
98 x4 1 0 0 0 1 0 1.5 -0.48 -1.2 -1.8 1.5

1.7
130 x2 1 0 1 0 0 0 -2.1 1.03 1.6 2.4 -2.0

0
110 x1 2 1 0 0 0 0 0.097 -0.032 0.39 -0.39 -0.032

0
120 x3 1 0 0 1 0 0 0.19 -0.065 -0.23 0.23 -0.065

0
101 x5 2 0 0 0 0 1 1 -0.68 -0.87 -1.13 1.3

Zj 770 110 130 120 98 101 8.47 6.86 17.83 6.17 6.98

Cj Zj
0 0 0 0 0 -8.47 -6.86 -17.83 -6.17 -6.98

Hemos tenido que desrrollar una serie de tablas y procedimientos para

sustraer o determinar los valores correspondientes a cada variable de la funcion
objetivo:

Z 110.000x1 130.000x2 120.000x3 98.000x4 101.000x5

18
Los valores que podemos asignar son los siguientes:

Z = 770.000 = x1 = 2 ; x2 =1 ; x3 = 1 ; x4 = 1 ; x5 = 2

Si remplazamos en la funcin objeto obtenemos el mismo resultado 770.000:

770.000 110.000(2) 130.000(1) 120.000(1) 98.000(1) 101.000(2)

770.000 220.000 130.000 120.000 98.000 202.000
770.000 770.000

Solucin mediante Solver.

Figura 1. Solucin con solver PL.

Resolviendo en el software con variables continas:

Qu cantidad de cada silla debe fabricarse segn cantidades continuas?
La Cantidad de cada silla que deben fabricarse segn cantidades continuas son las
siguientes:

PROGRAMACIN LINEAL
Producto Cantidades

SILLA A 2
SILLA B 0,999999999999998
SILLA C 1
SILLA D 1
SILLA E 2

19
 Cul es la utilidad generada por dicha solucin?

La utilidad generada por dicha solucin de programacin lineal es $ 770.000

Figura 2. Solucin con solver PLE.

Modificando las condiciones de la solucin con variables enteras:

Qu cantidad de cada silla debe fabricarse segn cantidades exactas o
discretas?

PROGRAMACIN LINEAL ENTERA

Producto Cantidades

SILLA A 2
SILLA B 1
SILLA C 1
SILLA D 1
SILLA E 2

Cul es la utilidad generada por dicha solucin?

La utilidad generada por dicha solucin mediante programacin lineal entera es: $
770.000

20
 Mtodos de transportes

Los problemas de transporte tratan de encontrar la solucin para unos envos

ptimos desde ciertos orgenes (bodegas) a ciertos destinos, con unos costos unitarios

de envi, unas ofertas que nos dicen lo mximo que puede enviarse desde esos

orgenes o bodegas, tambin encontramos unas demandas que es lo que se necesita o

requiere los destinos. En esta etapa analizaremos tres mtodos conocidos como

mtodo de la Esquina Noroeste, Costos Mnimos y Aproximacin de Vogel.

Lo primero que debemos tener en cuenta antes de desarrollar cualquier problema con

estos mtodos debemos hacer:

1. Verificar si la matriz se encuentra balanceada, como lo hacemos:

Sacar los valores (suma) de la oferta y los valores de la demanda, cuanto

suman cada uno, se realiza una diferencia entre los dos valores para obtener el

valor faltante sea en la oferta o demanda para que queden ambas con el mismo

valor, este valor escribirlo al final de la columna o fila ficticia que tengamos que

hacer como se explicara en el punto 2 balancear la tabla.

2. Balancear la tabla.

Si la demanda es mayor que la oferta tendramos que crear una fila (origen)

ficticia (los costos de envi por ser ficticios deben ser cero 0, al igual que la

cantidad enviada).

21
 Si la oferta es mayor que la demanda se crea una columna (destino) ficticia (los

costos de envi por ser ficticios deben ser cero 0, al igual que la cantidad

requerida).

Nota importante: el resultado de la diferencia lo ubicamos al final de la columna

o fila ficticia que tengamos que hacer para balancear la tabla.

Problema 2.1. Transportes desde Bogot.

Mtodo Esquina noroeste

Es uno de los mtodos que se utilizan para establecer una solucin bsica

factible inicial, pero tambin es uno de los menos probables para que nos d una

buena solucin de costo mnimo pues ignora la magnitud relativa de los costos.

Los pasos desarrollar a cabalidad este mtodo son los siguientes:

1. Creamos una tabla ficticia llamada sumatoria al final de la oferta y la

demanda.

2. En cada espacio de la fila sumatoria aplicamos una frmula que es igual a

sumar cada casilla (donde escribiremos los valores mnimos a asignar) donde la

sumatoria tiene que ser igual a la oferta o demanda para saber que este todo

asignado.

22
3. Para verificar lo realizado insertamos otra fila la cual la llamaremos diferencia

tanto enseguida de la sumatoria por el lado de oferta como de demanda y la

programamos de la siguiente manera:

* Nos ubicamos en la casilla y oprimimos la tecla chift, igual y nos ubicamos en

la primera casilla de la fila sumatoria o le damos clic, luego damos menos (-)

para despus dar clic en la primera casilla de la fila oferta o demanda y damos

enter para que quede formulada; aplicamos el mismo procedimiento en cada

casilla.

4. Nos ubicamos en la celda de la esquina noroeste (celda superior izquierda

esquina)

5. Comenzamos a realizar las asignaciones o valores mnimos (entre oferta y

demanda) que pueda hacer en la esquina de la celda, esta es la asignacin

mxima que se puede hacer, hasta que la diferencia me de cero (quedando

asignada sea la fila o columna).

6. Continuamos realizando las asignaciones (bajando) en diagonal segn los

valores mnimos reduciendo la tabla de las diferencias a cero.

7. Finalizado las asignaciones procedemos a realizar los clculos para obtener

los costos de envi total mediante la funcin objetivo:

* Lo hacemos multiplicando las cantidades por l envi unitario (cada casilla) y

escribimos ms (+) la siguiente multiplicacin de las cantidades por l envi

unitario y as sucesivamente hasta terminar la diagonal.

23
Costos Mnimos.

Este metodo es uno de los mas conciderados y cercanos para evaluar una

asolucion factible de bajo costo. Los pasos desarrollar a cabalidad este metodo son

similiraes al anterior mtodo (Esquina noroeste) eseptuando el paso 4, los pasos son

los siguientes:

1. Asignar segn el costo mnimo; nos situamos en toda la tabla y

comenzamos a identificar el menor costo de cada uno de ellos y comenzamos a

asignar (si nos aprace un empate (dos costos o valores mnimos)lo que debemos hacer

es identificar el menor valor entre ellos que podemos asignar), se realiza

susecivamente hasta reducir las casillas de diferencia (existencias) a cero (0),

satisfasiendo todas las necesidades requerimeintos, siempre teniendo en cuenta el

bajo costo de la celda.

24
 2. . Finalizado las asignaciones procedemos a realizar los calculos para obtener

los costos de envio total mediante la funcion objetivo:

* Lo hacemos multiplicando las cantidades por el envio unitario (cada casilla) y

escribimos mas (+) la siguiente multiplicacion de las cantidades por el envio unitario y

asi sucesivamente hasta terminar.

Aproximacin de Vogel.

Es otro mtodo considerado y cercano para evaluar una solucin factible de bajo

costo, en este debo hallar unos factores que se llaman penalizaciones.

Estas penalizaciones las podemos colocar al lado de las diferencias (creamos otra casilla)

y se realiza determinando una diferencia entre los dos valores mnimos por fila y por

columna.

1. El resultado de las diferencias tenemos que determinar cul es el valor ms

grande y comenzamos por esa penalizacin (sea por la fila o columna) donde est

ubicada la penalizacin y comenzamos a signar hasta que la diferencia nos de cero

25
 (0). Una vez la diferencia nos de cero esa fila o columna no la podemos volver a

trabajar.

2. Realizamos este mismo procedimiento hasta de encontrar las penalizaciones y

los valores de la diferencias nos den cero.

3. Finalizado las asignaciones procedemos a realizar los clculos para obtener los

costos de envi total mediante la funcin objetivo:

* Lo hacemos multiplicando las cantidades por el envi unitario (cada casilla) y

escribimos ms (+) la siguiente multiplicacin de las cantidades por el envi unitario

y as sucesivamente hasta terminar

Qu mtodo genera el costo mnimo y cuales asignaciones, es decir

desde que orgenes hacia que destinos, debe asignarse a los productos desde

Bogot, segn dicho mtodo?

Despus de haber desarrollado y analizado los datos en los transportes desde

Bogot, el mtodo que genera los menores costos mnimos es el Mtodo de costos

26
Mnimos, el cual debe asignarse desde su origen (bodega) hasta su destino de la

siguiente manera:

Problema 2.2. Transporte desde Cali.

27
 Qu mtodo genera el costo mnimo y cuales asignaciones, es decir

desde que orgenes hacia que destinos, debe asignarse a los productos desde

Bogot, segn dicho mtodo?

Despus de haber desarrollado y analizado los datos en los transportes desde

Cali, los mtodos que generan los menores costos mnimos son los Mtodos de Costos

28
Mnimos y Aproximacin de Vogel, los cuales deben asignarse desde su origen (bodega)

hasta su destino de la siguiente manera:

Problema 2.3. Transporte desde Medelln.

29
 Qu mtodo genera el costo mnimo y cuales asignaciones, es decir

desde que orgenes hacia que destinos, debe asignarse a los productos desde

Bogot, segn dicho mtodo?

Despus de haber desarrollado y analizado los datos en los transportes desde

Medelln, el mtodo que genera los menores costos mnimos son el Mtodo de Costos

30
Mnimos, el cual debe asignarse desde su origen (bodega) hasta su destino de la

siguiente manera:

ETAPA 8.

Capturas de pantalla videos para el uso del Complemento Solver de Excel,

tutoriales prcticos y tabla de resultados para los problemas planteados.

Instalacin del Solver.

Programacin lineal y lineal entera, actividad prctica.

31
 Problema del transporte, actividad prctica.

Problema de asignacin, actividad prctica

32
Tablas de resultados para los problemas planteados mediante solver.

33
34
 Conclusiones

Miguel ngel Quintero.

Por medio de este trabajo analice y comprend la cantidad de algoritmos
existentes (mtodo de aproximacin de Vogel, costo mnimo, esquina noroeste, grafico,
CPM Mtodo de la ruta crtica, PERT (Project Evaluation and Review Techniques),
etc.), los cuales podemos implementar para resolver cualquier problema que se nos
presente en nuestra vida profesional y como fue el caso del problema 1. Programacin
Lineal y Lineal Entera, el cual nos presentaba cinco clases de productos que se
elaboraban en una fbrica de muebles, los cuales contaban con unos precios, procesos
y tiempos por los cuales tena que pasar semanalmente para su elaboracin; no lo puedo
negar que al inicio se me presento un poco de dificultad al no tener conocimiento de
estos mtodos, pero al ir analizndolos pude ir comprendindolos y asimilndolos poco
a poco ya que son procedimientos o mtodos que haba estudiado anteriormente
(algebra lineal matrices ) pero de la teora a la aplicacin que fue el caso se me presento
un poco de dificultad pues tuve que recurrir a conocimientos anteriores para saber cmo
se aplicaba, pero ahora teniendo la oportunidad de aplicarlos, saber la existencia de los
diferentes mtodos de algoritmo que se pueden implementar pues resulta muy
importante el saber aplicarlos, pues son herramientas factibles para la solucin,
maximizar la produccin o minimizar los costos en la fabricacin de un producto,
ahorrndonos tiempo, materia y generando rentabilidad a la empresa; sin embargo el
mtodo que escog y que me pareci muy factible fue el Mtodo Simplex; puesto que
este mtodo analtico me permite solucionar problemas de programacin lineal muy
complejos, sin restriccin en el nmero de variables, mejorando la solucin en cada paso
pues su razn est en pasar del vrtice de un poliedro a un vrtice vecino de modo que
aumente o disminuya (segn el contexto de la funcin objeto Maximizar o Minimizar) ya
que el nmero de vrtices que presenta un poliedro solucin es finito siempre se

35
encuentra solucin; sin embrago para su solucin es importante tener en cuenta la teora
de matrices (Matriz Identidad) la cual es muy importante en el mtodo Simplex, esta
matriz cuadrada (matriz idntica o identidad) posee el mismo nmero de filas como de
columnas de orden n que tiene todos los elementos diagonales iguales a uno (1) y todos
los dems componentes iguales acero (0), esta se nombra matriz identidad de orden nxn.

Tambin saber que tenemos la ayuda de un complemento llamado Solver que

se puede implementar en Excel, herramienta que nos ayuda a resolver las dificultades
que se nos presente a la hora de asignar los productos de una ciudad a otra como las
que analizamos en el trabajo, pues es una gran ayuda al planear y calcular de una
manera ms precisa y viable para la empresa, y que genera el costo mnimo con las
asignaciones correspondientes para mejorar el transporte de estos productos a los
destinos seleccionados, aumentando nuestras ganancias. En este caso se me facilito el
realizar los clculos con esta herramienta y claro gracias a los videos, referencias y
constante re-alimentaciones enviadas por el Director y Tutora, que sin estos se me
hubiera dificultado un poco, pero no me hubiera dejado intimidar por ello, ya que la
universidad nos ha enseado a ser investigadores constantes.

Desarrollamos los problemas de Transporte propuestos desde Bogot, Cali y

Medelln mediante los algoritmos de transporte, Esquina Noroeste, Costos Mnimos y
Aproximacin de Vogel los cuales nos ayudaron a identificar el menor costo de
asignacin para los productos desde-hacia las bodegas destino; comprendiendo que
tenemos varios algoritmos o mtodos por los cuales nos facilitan y aumenta nuestra
produccin reduciendo los costos y maximizando nuestras ganancias para nuestra
empresa.

36
 Bibliografa

GEO Tutoriales. (2011).Problema de Asignacin en Programacin Entera resuelto con

Solver de Excel.avi. Recuperado de: https://www.youtube.com/watch?v=iaJfPj4So4Y

Mndez, C. (2015). Programacin Lineal Entera. Recuperado de:

https://www.youtube.com/watch?v=qCK3Q8LWJsk

Pineda, M. R. J. (2015).Transportes Entorno de Conocimiento. Recuperado de:

https://www.youtube.com/watch?v=yUGhb7c_fsI

Pineda, M. R. J. (2015).Transportes mtodos manuales y solver de Excel. Recuperado

de: https://www.youtube.com/watch?v=uvR0w3fhi1g&t=2039s

Pineda, M. R. J. (2015).Transportes mtodos manuales y solver de Excel. Recuperado

de: https://www.youtube.com/watch?v=uvR0w3fhi1g

Pineda, M. R. J. (2015).Video de PL y PLE Entorno Conocimiento. Recuperado de:

https://www.youtube.com/watch?v=IU6Jgzpk4gE

Programacionlineal.net (2014). Mtodo Simplex. Recuperado de:

http://www.programacionlineal.net/simplex.html

Red Tutores Programacin Lineal (2017). Solucin de problemas de Programacin Lineal

por el Mtodo Simplex. Recuperado de:
https://www.youtube.com/watch?v=58Jb2sU6x0s

Ruiz, S. (2013).Mtodo simplex paso a paso. Recuperado de:

https://www.youtube.com/watch?v=HdWnCBmasYI&t=849s

37
Ruiz, M. (2013).Introduccin a la programacin lineal y ejemplo del mtodo grfico.
Recuperado de: https://www.youtube.com/watch?v=00UWDWg5oMw

Salazar, L. B. (2016). MTODO SIMPLEX. Recuperado de:

https://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-
industrial/investigaci%C3%B3n-de-operaciones/m%C3%A9todo-simplex/

Torres, D. O. (2016). Programacin Lineal Entera. Recuperado de:

https://www.youtube.com/watch?v=V-zSgHymEb0

Vargas, V. M. (2014).Programacin lineal con 3 variables Yarelys Vargas. Recuperado

de: https://www.youtube.com/watch?v=PxZIrClHeLk

Vzquez, M. (2016). P16-cap8 Programacin lineal con 3 o ms variables. Recuperado

de: https://www.youtube.com/watch?v=rpSps9dTGM8

Yamil, J. (2011).Ejercicio de Programacin lineal. Recuperado de:

https://www.youtube.com/watch?v=n06ho_ROmTE

38