Lab 1

INVESTIGACION DE OPERACIONES
Laboratorio 1
“PROGRAMACIÓN LINEAL
MÉTODO GRÁFICO”
CARRERA: TECNOLOGIA DE LA PRODUCCION
ALUMNO: AMAYA FLORES ALEJANDRO
DOCENTE: KONG PUGA MARIANELLA
CICLO: V
2019 II
PROGRAMA DE FORMACIÓN REGULAR

INVESTIGACION DE OPERACIONES TECSUP
“PROGRAMACIÓN LINEAL – MÉTODO GRÁFICO”
I. OBJETIVOS:
1. Uso del software JSIMPLEX para la optimización de la función objetivo de manera

gráfica (bidimensional) sujeta a sus respectivas restricciones.
2. Análisis de sus resultados globales para la toma de decisiones en una actividad
productiva.
II. INTRODUCCIÓN TEÓRICA:
Indudablemente plasmar un modelo y tratar de resolverlo gráficamente tiene una

limitación muy grande, sólo se pueden resolver modelos que tengan sólo dos variables
(bidimensional) ya que contamos con un plano formado por X1 y X2 que es la región en
la cual vamos a trabajar, se podría tener la posibilidad de trabajar con modelos que tienen
tres dimensiones pero será muy tedioso (sin embargo en la parte final de este manual
realizaremos algunos ejemplos para resolver estos tipos de modelos).
Vamos entonces a desarrollar modelos relativamente pequeños pero que sean provechosos
para cumplir con los objetivos que deseamos alcanzar , los cuales son familiarizarnos con
una representación geométrica de un modelo lineal y llegar a tener algunas respuestas
importantes a algunas interrogantes que nos vamos a plantear a través del desarrollo del
tema.
2.1 Pasos para resolver modelos de programación lineal mediante gráficas:
Para resolver este tipo de problemas se tendrá que llevar un orden respectivo,
supongamos que tenemos el siguiente problema planteado:
Ejemplo 1:
Maximizar = 4 x1 + 9 x2
Sujeto a:
5x1 + 8x2 <= 50
6x1 + 5x2 <= 60
8x1 - 5x2 <= 40
PROGRAMA DE FORMACIÓN REGULAR 2

TECSUP INVESTIGACION DE OPERACIONES
X1>=0, X2>=0
Los pasos que tenemos que seguir son los siguientes:
1. Toda restricción debe convertirse a igualdad, sea cual sea su orientación
Aplicando este primer paso a nuestro ejemplo:
5x1 + 8x2= 50
6x1 + 5x2 = 60
8x1 + 5x2 = 90
2. Se debe despejar las variables en cada una de las restricciones,

colocando a una de las variables el valor de cero y despejando la otra.
En nuestro ejemplo:
 Para la primera restricción:
5x1 + 8x2 = 50; Si x1= 0 , la restricción queda:
5(0) + 8x2 = 50
Despejando: x2= 50/8
Entonces agrupando en par ordenado: (x1,x2) = ( 0,50/8) ,
Luego si x2=0, la restricción queda:
5x1 + 8(0) = 50
Despejando: x1 = 50/5
Entonces agrupando en pares ordenados: (x1,x2) = ( 50/5,0)
 Para la segunda restricción:
6x1 + 5x2 = 60; Si X1=0. La restricción queda:
6(0) + 5x2 = 60

Entonces agrupando en pares ordenados: (x1,x2) = (0,60/5)
Luego, si x2=0, la restricción queda:
6x1 + 5(0) = 60
Entonces agrupando en pares ordenados: ( x1,x2)=(60/6,0)
 Para la tercera restricción:
8x1 +5x2 = 40; Si x1=0 , la restricción queda:
8(0) + 5x2 = 40
Despejando: x2 = 40/5
Entonces agrupando en pares ordenados: (x1,x2) =(0, 40/5)
Luego, si x2=0, la restricción queda:
8x1+5(0)=40
Entonces agrupando en pares ordenados: (x1,x2) =(40/8,0)
3. Realizar la gráfica
Teniendo los pares ordenados podemos ir al Excel y realizar la gráfica; ya que por
cada restricción tenemos dos puntos, los cuales al unirse nos darán las líneas rectas
que son las representaciones geométricas de las restricciones.
(x1,x2) = ( 0,50/8=6.23) , (x1,x2) =(50/5=10,0)
(x1,x2) = (0,60/5=12) , (x1,x2) =(60/6=10,0)

(x1,x2) =(0, 40/5=8) , (x1,x2) =(40/8= 5,0)
2.2 Región Factible:
Una vez dada la orientación a cada restricción es importante hallar una región donde
todas las restricciones se cumplan, esta región se llama REGION FACTIBLE; y viene
hacer el lugar donde se va a encontrar la solución a nuestro problema lineal
planteado, es por eso, que debemos tener mucha visión para ubicar esta región. Es
necesario aclarar que hay veces en que no se puede hallar una región factible.
EJEMPLO. La empresa Backus dentro de su línea de fabricación produce las cervezas

Cristal y Pilsen Callao. La cristal se vende a 5 dólares el barril y la Pilsen Callao a 2

dólares el barril. La producción de un barril de cristal requiere 5 libras de maíz y 2

libras de lúpulo. Para elaborar un barril de Pilsen Callao se necesitan 3 libras de maíz
y 1 libra de lúpulo. Se dispone de 60 libras de maíz y 25 libras de lúpulo. Plantee un
PL que se pueda utilizar para maximizar los ingresos.
Maximizar = 5x1 + 2x2
Sujeto a:
5x1 + 3x2 <= 60

2x1 + x2 <= 25
x1>=0, X2>=0
2X1+X2<=25
FUNCIÓN
5X1+3X2<=6 OBJETIVO
0
REGIÓN
FACTIBLE

SOLUCIÓN ÓPTIMA: Una vez que se han identificado los puntos extremos, vamos
a reemplazar las coordenadas de los puntos extremos en la Función Objetivo:
2.3 Casos Especiales:
a. SOLUCIONES ÓPTIMAS MÚLTIPLES O ALTERNATIVAS: Son las que tienen

un número infinito de soluciones óptimas, la cual se obtiene luego de desarrollar
la respectiva programación lineal.
EJEMPLO.
Sujeto a:
4x1 + 2x2 <= 120
3x1 + 5x2 <= 105
x1>=0, X2>=0
Representándolo gráficamente tenemos:

En este problema nos damos cuenta que la restricción (2)

tiene los mismos puntos que la función objetivo. Por eso
se dice que este problema tiene múltiples soluciones.
REGIÓN
FACTIBLE
b. PROGRAMACIÓN LINEAL NO FACTIBLE: Es posible que una región factible

de PL sea vacía (no contenga puntos), lo cual da como resultado un PL no factible.
Como la solución óptima a un PL es el mejor punto en la región factible, una PL
no factible no tiene soluciones óptimas.
EJEMPLO.
Sujeto a:
3x1 + 2x2 <= 30
4x1 + 1x2 >= 50

x1>=0, X2>=0
NO TIENE REGIÓN
FACTIBLE
c. PROGRAMACIÓN LINEAL NO ACOTADA: Se presenta si es posible encontrar

puntos en la región factible con valores de z arbitrariamente grandes. Esto indica
que no habría una solución óptima no acotada en una PL planteada en forma
correcta.

EJEMPLO.
Sujeto a:
3x1 - x2 <= 10
5x1 + 3x2 >= 15
x1>=0, X2>=0

INFINITAS
SOLUCIONES
III. EQUIPOS Y MATERIALES:
 Software de simulación Excel

 Computadora.
 Guía de laboratorio.
IV. PROCEDIMIENTO:
El EXCEL SOLVER es una aplicación versátil que permite la solución de una gran cantidad
de problemas: administrativos, de producción, de recurso humano, dirección de proyectos,
etc.
Debido a su facilidad y potencia de manejo, este libro se convierte en una herramienta

indispensable para el estudiante de pregrado o postgrado que participa en materias como
la investigación de operaciones, los métodos de trabajo, planeación de la producción,
evaluación de proyectos, control de calidad, simulación, estadística, entre otras.
El acceso al EXCEL SOLVER se puede hacer a través del botón INICIO del sistema
operativo WINDOWS, en el menú PROGRAMAS en la carpeta EXCEL SOLVER.
Una vez seleccionado el módulo con el cual se desee trabajar, aparecerá una ventana
cuyas características iniciales serán similares para todos los módulos del EXCEL SOLVER.
La parte superior de la ventana llamada TITULO indica el nombre del módulo seleccionado,
en este caso se optó por mostrar el módulo de Programación Lineal y Entera. Dentro de
las opciones se encuentra el método gráfico (Linear and Integer Programming).
4.1 Ejemplo Aplicativo
Solución de PL con
En , la hoja de cálculo es el medio de entrada y salida para la PL. La figura 1
muestra la distribución de los datos para el modelo de Reddy Mikks (archivo

solverRM1.xls). La parte superior de la figura incluye cuatro tipos de información: (1)

celdas para ingresar datos (B5:C9 y F6:F9); (2) celdas que representan las variables
y la función objetivo (B13:D13); (3) definiciones algebraicas de la función objetivo y el
lado izquierdo de las restricciones (celdas D5:D9), y (4) celdas que proporcionan
nombres y símbolos explicativos.
Solver solamente requiere los primeros tres tipos. El cuarto tipo mejora la legibilidad
aunque no sirve para ningún otro propósito. El posicionamiento relativo de los
cuatros tipos de información en la hoja de cálculo (como se sugiere en la figura 1)
es conveniente para la referencia cruzada apropiada de las celdas en Solver, y se
recomienda su uso.
¿Cómo se vincula Solver con los datos de la hoja de cálculo? En primer lugar,
proporcionamos definiciones “algebraicas” de la función objetivo y el lado izquierdo
de las restricciones mediante los datos de entrada (celdas B5:C9 y F6:F9), así como
la función objetivo y variables (celdas B13:D13). A continuación colocamos las
fórmulas resultantes de forma apropiada en las celdas D5:D9, como se muestra en la
siguiente tabla:

FIGURA 1
Definición del modelo de Reddy Mikks con (archivo solverRM1.xls) En realidad,
sólo tiene que ingresar la fórmula en la celda D5 y luego copiarla en las celdas D6:D9. Para
hacerlo de manera correcta, es necesario utilizar la referencia fija de las celdas que
representan a x1 y x2 (es decir, $B$13 y $C$13, respectivamente).
Las fórmulas explícitas que se acaban de describir no son prácticas para PL grandes.
En su lugar, la fórmula en la celda D5 puede escribirse en forma compacta como
sigue :
= SUMPRODUCT(B5:C5,$B$13:$C$13)

La nueva fórmula puede copiarse entonces en las celdas D6:D9.

Ahora, todos los elementos del modelo de PL ya están listos para ejecutar el modelo.
Haga clic en el menú Solver de la barra de menús de la hoja de cálculo3 para acceder
al cuadro de diálogo Solver Parameters (que se muestra en medio de la figura
1). A continuación, actualice el cuadro de diálogo como sigue:
Set Target Cell:
Equal To: Max
By Changing Cells:
Esta información le indica a Solver que las variables de PL (celdas $B$13 y $C$13) se
determinan al maximizar la función objetivo en la celda $D$5.
Para establecer las restricciones haga clic en el botón en el cuadro de diálogo
para desplegar el cuadro Add Constraint (en la parte inferior de la figura 1) y
luego ingrese el tipo desigualdad en el lado izquierdo, y el lado derecho de las
restricciones como4
Para las restricciones de no negatividad haga clic en el botón una vez más e ingrese
$B$13:$C$13 7 = 0
Add
$D$6:$D$9 6= $F$6:$F$9
Add
$B$13:$C$13 }$D$5
Otra forma de ingresar las restricciones no negativas es hacer clic en la del
cuadro de diálogo Solver Parameters para acceder a Solver Options (vea la
figura 2)
y luego active las casillas u✓ y u✓ .
Por lo general no es necesario cambiar los valores predeterminados restantes en
Solver Options. Sin embargo, la precisión predeterminada de .000001 puede ser
demasiado
“alta” para algunos problemas, y Solver puede devolver de forma incorrecta el

FIGURA 2
Cuadro de diálogo Solver
Options (Opciones de Solver)
mensaje “Solver could not find a feasible solution” (Solver no pudo determinar una solución
factible). En esos casos se tiene que especificar una precisión menor (es decir, un valor mayor).
Si el mensaje persiste, es posible que el problema sea no factible.
Los nombres de rango descriptivos de Excel pueden usarse para mejorar la legibilidad.
Se crea un rango resaltando las celdas deseadas y escribiendo el nombre en el cuadro superior
izquierdo de la hoja, pulsando luego la tecla Return. La figura 3
(archivo solverRM2.xls) proporciona los detalles con un resumen de los nombres de rango
utilizados en el modelo. Hay que cotejar el modelo contra el archivo solverRM1.xls
para ver cómo se utilizan los rangos en las fórmulas.
Para resolver el problema haga clic en el botón del cuadro de diálogo Solver
Parameters. De este modo el estado de la solución aparece en el nuevo cuadro de diálogo
Solver Results. Si la elaboración del modelo es correcta, el valor óptimo de z aparecerá en
la celda D5 y los valores de x1 y x2 aparecerán en las celdas B13 y C13, respectivamente.
Por conveniencia, la celda D13 exhibe el valor óptimo de z al ingresar la fórmula _D5 en
la celda D13, y en celdas contiguas aparece la solución óptima completa.
Si un problema no tiene una solución factible, Solver mostrará el mensaje explícito
“Solver could not find a feasible solution” (Solver no pudo determinar una solución
factible). Si el valor objetivo óptimo es ilimitado (no finito), Solver emitirá un mensaje un tanto
ambiguo “The Set Cell values do not converge” (Los valores de la celda no convergen). En
cualquier caso, el mensaje indica que hay algo erróneo en la formulación del modelo, como se
verá en la sección 3.5.
FIGURA 3
Uso de nombres de rango en (archivo solverRM2.xls)


V. DESARROLLO ACTIVIDAD PRÁCTICA:
Calcular la solución óptima y la región factible de los siguientes problemas:
1. Max z = x1 + x2
Sujeto a:
x1 + x2 <= 4
x1 - x2 >= 5
x1>=0, X2>=0
2. Max z = 4x1 + x2
Sujeto a:
8x1 + 2x2 <= 16
5x1 + 2x2 <= 12
x1>=0, X2>=0
3. Max z = -x1 + 3x2

Sujeto a:
x1 - x2 <= 4
x1 + 2x2 >= 4
x1>=0, X2>=0
4. Max z = 3x1 + x2
Sujeto a:
2x1 + x2 <= 6
x1 + 3x2 <= 9
x1>=0, X2>=0
5. Max z = x1 - x2
Sujeto a:
x1 + x2 <= 6
x1 - x2 >= 0

x2 – x1 >= 3
x1>=0, X2>=0
6. Max z =2x1 - x2
Sujeto a:
x1 - x2 <= 1
2x1 + x2 >= 6
x1>=0, X2>=0
7. Max z = 3x1 + 2x2

Sujeto a:
1/40x1 + 1/60x2 <= 1
1/50x1 +1/50 x2 <= 1
x1 >= 30
x2 >= 20
x1>=0, X2>=0
Formular y desarrollar los siguientes problemas:
1. PROBLEMA SOBRE INVERSION
Disponemos de 210.000 euros para invertir en bolsa. Nos recomiendan dos tipos de
acciones. Las del tipo A, que rinden el 10% y las del tipo B, que rinden el 8%. Decidimos
invertir un máximo de 130.000 euros en las del tipo A y como mínimo 60.000 en las del
tipo B. Además queremos que la inversión en las del tipo A sea menor que el doble de la
inversión en B. ¿Cuál tiene que ser la distribución de la inversión para obtener el máximo
interés anual?
Inversion: Rendimiento:
TA: X 0.1X
TB: Y 0.08Y
FUNCIÓN OBJETIVO:
Max z: 0.10x + 0.08y

RESTRICCIONES
X + Y <=
R1:
210000
R2: X <= 130000
R3: Y >= 60000
R4: X <= 2 Y
Negatividad: x , y >=0
X R1 R2 R3 R4
0 210000 0 60000 0
50000 160000 0 60000 25000
100000 110000 0 60000 50000
120000 90000 0 60000 60000
130000 80000 0 60000 65000
140000 70000 0 60000 70000
150000 60000 0 60000 75000
160000 50000 0 60000 80000
170000 40000 0 60000 85000
180000 30000 0 60000 90000
190000 20000 0 60000 95000

INTERPRETACIÓN
La grafica nos muestra que la inversion en A seria de 130000 euros y 80000 euros para
B; completando de sta forma los 210000 que se hay de disponibilidad inmediata
2. PROBLEMA EN UNA PASTALERIA
En una pastelería se hacen dos tipos de tartas: Vienesa y Real. Cada tarta Vienesa necesita
un cuarto de relleno por cada Kg. de bizcocho y produce un beneficio de 250 Pts., mientras
que una tarta Real necesita medio Kg. de relleno por cada Kg. de bizcocho y produce 400
Ptas. de beneficio. En la pastelería se pueden hacer diariamente hasta 150 Kg. de bizcocho
y 50 Kg. de relleno, aunque por problemas de maquinaria no pueden hacer mas de 125
tartas de cada tipo. ¿Cuántas tartas Vienesas y cuantas Reales deben vender al día para
que sea máximo el beneficio?
TIPO IDENTIFIACION: BIZCOCHO: RELLENO: BENEFICIO:

T. VIENESA X 1 0.25 250
T. REAL. Y 1 0.5 400
150 50
MAX.: 250 X + 400 Y

Despejamos:
R1: X + Y <= 150 Y = 150 - X
R2: 0.250 X + 0.500 Y <= 50 Y = (50 - 0.250*X) / (0.500)
R3: X <=125 Y=0
R4: Y <=125 Y = 125
Restriccion técnica o negatividad: X, Y >= 0

INTERPRETACIÓN
Podemos observar que los puntos de maximizacion estan dados entre (100;50);
obteninedo un benficio de 45000
3. PROBLEMA DE UNA EXCURSION
Una escuela prepara una excursión para 400 alumnos. La empresa de transporte tiene 8
autocares de 40 plazas y 10 autocares de 50 plazas, pero solo dispone de 9 conductores.
El alquiler de un autocar grande cuesta 80 euros y el de uno pequeño, 60 euros. Calcular
cuántos de cada tipo hay que utilizar para que la excursión resulte lo mas económica
posible para la escuela.
F.OBJETIVO.MIN: 60 X + 80Y
RESTRICCIONES: Despejamos Y:
R1: X <= 8 Y=0
R2: Y <= 10 Y = 10
R3: X + Y <= 9 Y=9-X
4X + 5Y >=
R4: 40 Y = (40-4X)/(5)
F. negatividad: X;Y >= 0
Y
X
R1 R2 R3 R4
0 0 10 9 8
0.5 0 10 8.5 7.6
1 0 10 8 7.2
1.5 0 10 7.5 6.8
2 0 10 7 6.4
2.5 0 10 6.5 6
3 0 10 6 5.6
3.5 0 10 5.5 5.2
4 0 10 5 4.8
4.5 0 10 4.5 4.4
5 0 10 4 4
5.4 0 10 4 4
6 0 10 3 3.2
6.5 0 10 2.5 2.8
7 0 10 2 2.4
7.5 0 10 1.5 2
8 0 10 1 1.6
8.5 0 10 0.5 1.2
9 0 10 0 0.8
9.5 0 10 -0.5 0.4

INTERPRETACIÓN
La grafica nos muestra que la minimización para alquilar es de la siguiente manera: 5.4
alumnos para un autocar grande y 4 alumnos para en autocar pequeño; obteniendo una
minimización total de 644 euros.
4. PROBLEMA DE UN TALLER MECANICO
Se va a organizar una planta de un taller de automóviles donde van a trabajar electricistas

y mecánicos. Por necesidades de mercado, es necesario que haya mayor o igual número
de mecánicos que de electricistas y que el número de mecánicos no supere al doble que
el de electricistas. En total hay disponibles 30 electricistas y 20 mecánicos. El beneficio de
la empresa por jornada es de 250 euros por electricista y 200 euros por mecánico.
¿Cuántos trabajadores de cada clase deben elegirse para obtener el máximo beneficio y
cual es este?
X = N° electricistas.
Y = N° mecanicos.
DESPEJE
RESTRICCIONES: Y:
R1: Y>=X Y=X

R2: Y<=2X Y = 2X
R3: X<=30 Y=0
R4: Y<=20 Y = 20
NEGATIVIDAD: X ; Y>=0
F. OBJETIVO. MAX. 250 X + 200 Y
Y
X
R1 R2 R3 R4
0 0 0 0 20
2 2 4 0 20
4 4 8 0 20
6 6 12 0 20
8 8 16 0 20
10 10 20 0 20
12 12 24 0 20
14 14 28 0 20
16 16 32 0 20
18 18 36 0 20
20 20 40 0 20
22 22 44 0 20
24 24 48 0 20
26 26 52 0 20
28 28 56 0 20
30 30 60 0 20

INTERPRETACIÓN
Se aprecia graficamente que la solucion optima este entre los puntos (20;20).
5. PROBLEMA DE UNA COMPAÑÍA QUÍMICA
A causa de las reglamentaciones federales sobre contaminación, una compañía química

ha introducido en sus plantas un nuevo y más caro proceso para complementar o
reemplazar un proceso anterior para la producción de un producto químico en particular.
El proceso anterior descarga 15 gramos de dióxido de azufre y 40 gramos de partículas a
la atmosfera por cada litro de producto químico producido. El nuevo proceso descarga 5
gramos de dióxido de azufre y 20 gramos de partículas a la atmosfera por cada litro
producido. La compañía obtiene una utilidad de 30 y 20 centavos por litro en los procesos
anterior y nuevo, respectivamente. Si el gobierno le permite a la planta descargar no más
de 10,500 gramos de dióxido de azufre, y no más de 30,000 gramos de partículas a la
atmosfera cada día. ¿Cuántos litros de producto químico deben producirse diariamente,
por cada uno de los procesos, para maximizar la utilidad diaria? ¿Cuál es la utilidad diaria?

X= Dióxido de azufre
Y= Partículas a la atmósfera
30 X +
Función objetivo Máx Z = 20 Y
PROCESO PROCE
ANTERIO SO LIMITE
R NUEVO
Dióxido de azufre 15 5 ≤ 10500
Partículas a la atmósfera 40 20 ≤30000
Utilidad 30 20
Sujeto
a:
Restricciones: DESPEJE Y:
Y = (10500-
R1= 15 X + 5 Y = ≤ 10500 15X)/(5)
Y = (30000-
R2= 40 X + 20 Y = ≤30000 40X)/(20)
No negatividad X,Y≥ 0

Interpretación
Si existe una zona factible.
6. PROBLEMA DE UNA COMPAÑÍA AÉREA
Para recorrer un determinado trayecto, una compañía aérea desea ofertar, a lo sumo,
5000 plazas de dos tipos: T(turista) y P(primera). La ganancia correspondiente a cada
plaza de tipo T es de 30 euros, mientras que la ganancia del tipo P es de 40 euros.
El número de plazas tipo T no puede exceder de 4500 y el del tipo P, debe ser, como
máximo, la tercera parte de las del tipo T que se oferten.
Calcular cuántas tienen que ofertarse de cada clase para que las ganancias sean
máximas.
X= El tipo T
Y= El tipo P
DESPEJE
RESTRICCIONES: Y:

Y = 5000-
n° BEBEFICIO R1: X + Y <= 5000 X
T X 30 X R2: X<= 4500 Y=0
P Y 40 Y R3: Y<=X/3 Y = X /3
TOTAL: 5000 30 X + 40 Y NEGATIVIDAD: X ; Y >=0
F. O. 30 X + 40
MAX: Y
1. OBSERVACIONES GENERALES:
 Existen gráficos en al cual pueden ser de solución infinita;
múltiple e incluso no presentar solución alguna.
 El punto de cruce de las diferentes líneas; indica el punto de

optimización a lograr.
 No se ejecutó el laboratorio con el software SOLVER,

sino con las funciones de EXCEL.
2. RECOMENDACIONES:
Repasar de manera constante las ppt de teoría.
Tener conocimiento de algebra-, nivel regular.
Conocimiento de Excel.
Identificación de las variables; previo al planteamiento de las ecuaciones.
Identificar la optimización deseada (MAX; MIN).
Identificar de manera clara la región accesible o factible, si en todo caso lo
hubiese.
3. CONCLUSIONES:
 Finalmente podemos decir que se ejecutó el grafico o método lineal en

cada uno de los ejercicios y problemas planteados; ello en mano con la
aplicación del método simplex; identificando sus restricciones o limitaciones
según la situación dada.

 También se analizó la solución mas oportuna para cada uno de los

problemas o situaciones planteadas; buscando una solución que globalice la
función objetivo; ya sea por una maximización o minimización; dicho valor
cuantitativo es resultado del análisis de la gráfica lineal del plano
cartesiano.

Lab 1

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Lab 1

Загружено:

Авторское право:

Доступные форматы

INVESTIGACION DE OPERACIONES

CARRERA: TECNOLOGIA DE LA PRODUCCION

ALUMNO: AMAYA FLORES ALEJANDRO

DOCENTE: KONG PUGA MARIANELLA

PROGRAMA DE FORMACIÓN REGULAR

“PROGRAMACIÓN LINEAL – MÉTODO GRÁFICO”

1. Uso del software JSIMPLEX para la optimización de la función objetivo de manera

II. INTRODUCCIÓN TEÓRICA:

Indudablemente plasmar un modelo y tratar de resolverlo gráficamente tiene una

2.1 Pasos para resolver modelos de programación lineal mediante gráficas:

PROGRAMA DE FORMACIÓN REGULAR 2

Los pasos que tenemos que seguir son los siguientes:

1. Toda restricción debe convertirse a igualdad, sea cual sea su orientación

Aplicando este primer paso a nuestro ejemplo:

2. Se debe despejar las variables en cada una de las restricciones,

 Para la primera restricción:

5x1 + 8x2 = 50; Si x1= 0 , la restricción queda:

Despejando: x2= 50/8

Entonces agrupando en par ordenado: (x1,x2) = ( 0,50/8) ,

Luego si x2=0, la restricción queda:

Entonces agrupando en pares ordenados: (x1,x2) = ( 50/5,0)

 Para la segunda restricción:

6x1 + 5x2 = 60; Si X1=0. La restricción queda:

PROGRAMA DE FORMACIÓN REGULAR 3

Despejando: x2= 60/5

Entonces agrupando en pares ordenados: (x1,x2) = (0,60/5)

Luego, si x2=0, la restricción queda:

Despejando: x1= 60/6

Entonces agrupando en pares ordenados: ( x1,x2)=(60/6,0)

 Para la tercera restricción:

8x1 +5x2 = 40; Si x1=0 , la restricción queda:

Entonces agrupando en pares ordenados: (x1,x2) =(0, 40/5)

Luego, si x2=0, la restricción queda:

Despejando: x1= 40/8

Entonces agrupando en pares ordenados: (x1,x2) =(40/8,0)

(x1,x2) = ( 0,50/8=6.23) , (x1,x2) =(50/5=10,0)

(x1,x2) = (0,60/5=12) , (x1,x2) =(60/6=10,0)

(x1,x2) =(0, 40/5=8) , (x1,x2) =(40/8= 5,0)

2.2 Región Factible:

EJEMPLO. La empresa Backus dentro de su línea de fabricación produce las cervezas

PROGRAMA DE FORMACIÓN REGULAR 5

dólares el barril. La producción de un barril de cristal requiere 5 libras de maíz y 2

Maximizar = 5x1 + 2x2

5x1 + 3x2 <= 60

PROGRAMA DE FORMACIÓN REGULAR 6

2.3 Casos Especiales:

a. SOLUCIONES ÓPTIMAS MÚLTIPLES O ALTERNATIVAS: Son las que tienen

Maximizar = 3x1 + 5x2

4x1 + 2x2 <= 120

3x1 + 5x2 <= 105

Representándolo gráficamente tenemos:

PROGRAMA DE FORMACIÓN REGULAR 7

En este problema nos damos cuenta que la restricción (2)

b. PROGRAMACIÓN LINEAL NO FACTIBLE: Es posible que una región factible

Maximizar = 2x1 + 1x2

3x1 + 2x2 <= 30

4x1 + 1x2 >= 50

PROGRAMA DE FORMACIÓN REGULAR 8

c. PROGRAMACIÓN LINEAL NO ACOTADA: Se presenta si es posible encontrar

PROGRAMA DE FORMACIÓN REGULAR 9

Maximizar = 2x1 + 5x2

5x1 + 3x2 >= 15

PROGRAMA DE FORMACIÓN REGULAR 10

III. EQUIPOS Y MATERIALES: