Академический Документы
Профессиональный Документы
Культура Документы
Fase 2.
Trabajo Colaborativo 1
Integrantes:
Janeth Barreto Ruiz
Leidy Viviana Quiceno
Miguel ngel Quintero
Sandra Patricia Rodrguez Vargas
Tutora:
Adriana Yolima Morales
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
necesitarn para resolver cada una de los problemas propuestos de Programacin lineal
seleccionados.
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.
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.
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.
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?
5
Formulacin:
Variables de decisin:
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.
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.
los resueltos por el mtodo grfico, sin restriccin en el nmero de variables; este
radica en caminar del vrtice de un poliedro a un vrtice vecino de modo que aumente
solucin. Este mtodo o algoritmo fue creado por George Bernard Dantzig (EEUU) y
restricciones y n variables
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
siguiente manera:
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
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
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 = La fila "Cj" hace referencia al coeficiente que tiene cada una de las
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
significado es un "Shadow price", es decir, la utilidad que se deja de recibir por cada
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
En este caso todos los Cj Zj no son iguales podemos iniciar por X2 por
cuenta.
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.
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
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
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
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
130.00
x2 3,7 0,33 1 0,67 1,33 0 0 0,33 0 0 0
0
0 s5 3 0 0 -1 -2 3 0 -1 0 0 1
13
(0*9,7) + (130.000*3,7) + (0*7,7) + (0*4,7) + (0*3) = 481.000
* 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.
Maximizar Minimizar
Solucin Cuando todos los Cj - Zj sean Cuando todos los Cj - Zj sean
ptima <= 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
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
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
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
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
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
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
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
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
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
18
Los valores que podemos asignar son los siguientes:
Z = 770.000 = x1 = 2 ; x2 =1 ; x3 = 1 ; x4 = 1 ; x5 = 2
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?
SILLA A 2
SILLA B 1
SILLA C 1
SILLA D 1
SILLA E 2
20
Mtodos de transportes
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
requiere los destinos. En esta etapa analizaremos tres mtodos conocidos como
Lo primero que debemos tener en cuenta antes de desarrollar cualquier problema con
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
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).
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.
demanda.
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
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
casilla.
esquina)
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:
asignar (si nos aprace un empate (dos costos o valores mnimos)lo que debemos hacer
24
2. . Finalizado las asignaciones procedemos a realizar los calculos para obtener
escribimos mas (+) la siguiente multiplicacion de las cantidades por el envio unitario y
Aproximacin de Vogel.
Es otro mtodo considerado y cercano para evaluar una solucin factible de bajo
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.
grande y comenzamos por esa penalizacin (sea por la fila o columna) donde est
25
(0). Una vez la diferencia nos de cero esa fila o columna no la podemos volver a
trabajar.
3. Finalizado las asignaciones procedemos a realizar los clculos para obtener los
desde que orgenes hacia que destinos, debe asignarse a los productos 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:
27
Qu mtodo genera el costo mnimo y cuales asignaciones, es decir
desde que orgenes hacia que destinos, debe asignarse a los productos 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)
29
Qu mtodo genera el costo mnimo y cuales asignaciones, es decir
desde que orgenes hacia que destinos, debe asignarse a los productos 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.
31
Problema del transporte, actividad prctica.
32
Tablas de resultados para los problemas planteados mediante solver.
33
34
Conclusiones
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.
36
Bibliografa
37
Ruiz, M. (2013).Introduccin a la programacin lineal y ejemplo del mtodo grfico.
Recuperado de: https://www.youtube.com/watch?v=00UWDWg5oMw
38