1

CARRERA: ING. INDUSTRIAL

TECNOLOGIA MECANICA
PROYECTO FINAL
PORTA PROYECTORA

INTEGRANTES : J OSE CARLO J IMENEZ ALVAREZ
WALDO HERBAS MONTAO
SERGIO DENIS SANCHEZ ILLANES
BRENDA MELISA RENGEL ALCOBA
KARLA LORENA VACAFLOR TOMASI

DOCENTE : ING. GUSTAVO BACHERER
GRUPO : I
Santa Cruz Bolivia
2

TRABAJO FINAL
INVESTIGACION OPERATIVA
INTRODUCCIN
La investigacin operativa tuvo su origen en el Reino unido durante la segunda guerra
mundial y se extendi rpidamente el resto del mundo su nacimiento tuvo lugar en el
campo de la milicia, posteriormente se extendi su aplicacin a la industria y el
gobierno.
Posteriormente la continua mecanizacin y la automatizacin contribuyeron al
desarrollo industrial provocando la descentralizacin de las operaciones, y la divisin
de las funciones de direccin haciendo que cada unidad funcional elabore sus propios
objetivos como por ejemplo:
-Departamento de produccin.-
Minimizar el costo de produccin
Maximizar el volumen de produccin
-Departamento Comercial.-
Minimizar el coste de venta unitaria
Mximo volumen de ventas
-Departamento financiero.-
Intenta hacer ptima la poltica de inversin del capital del negocio.
Estos objetivos no son siempre compatibles por lo que a veces se ven en conflicto,
entonces queda la pregunta cul es la mejor poltica de stock para la organizacin en
conjunto? Este es un tpico problema ejecutivo.
Los esfuerzos por dar soluciones a esta problemtica significan el uso de la ciencia en
el estudio de los problemas ejecutivos dirigidos a encontrar la solucin ptima.
La Investigacin Operativa se ocupa de encontrar una decisin ptima. aunque puede
que no siempre la encuentre por varios factores, como por as decirlo la falta de
tiempo, de fondos o de oportunidades, pero la Investigacin Operativa dirige
continuamente sus esfuerzos a conseguir el OPTIMO o una situacin lo ms prxima
posible al optimo
3


Definicin de la investigacin operativa.-
La Investigacin Operativa Es una actividad que requiere del uso de mtodos
analticas para ayudar a resolver problemas de tomas de decisiones. O siendo mas
estrictos, podemos decir que la Investigacin Operativa es la aplicacin del mtodo
cientfico, por equipos interdisciplinarios, a problemas que comprenden el control de
sistemas, para dar soluciones que sirvan a mejor los propsitos del sistema como un
todo.
OBJETIVOS
Objetivo general
Formar al estudiante con conocimientos bsicos y necesarios para que sea
capaz de caracterizar,analizar,planificar y solucionar problemas determinativos
utilizando mtodos con tcnicas cuantitativas.
Elaborar un trabajo en una industria,gobierno,hospitales, etc. En base a las
tcnicas de la investigacin de operaciones para la optimizacin de los
recursos.
Hacer nfasis en la importancia de la investigacin de operacin es como un
instrumento del ingeniero industrial en la optimizacin de los recursos.
Desarrollar una serie de capacidades intelectuales sobre la base de la
creatividad que le permiten al alumno desarrollar actitudes, valores.
Participar activamente en la resolucin de problemas de investigacin operativa
utilizando mtodos adecuados.
Objetivo para nuestro planteamiento de nuestro problema
Resolver el problema de programacin lineal mediante el mtodo simplex en
forma manual como por medio de paquetes de computadoras pero que en
nuestro caso fue realizado por medio del TORA.
Investigar el efecto que se tendra sobre la solucin optima en caso de que
prevalecieran otras condiciones y que se estudie a travs del anlisis de
sensibilidad.


4

FUNDAMENTO TEORICO
-Definicin del problema.- se puede resumir en 3 aspectos principios:
1. Una descripcin de la meta o el objetivo del estudia
2. Una identificacin de las alternativas de decisin del sistema.
3. Un reconociendo de las limitaciones restricciones y requisitos del sistema.
-construccin del modelo.- dependiendo de la definicin del problema, el equipo de
IO deber decidir sobre el modelo ms adecuado para adecuado para representar el
sistema.
-solucin por el modelo.- en modelos matemticos esto se logra usando tcnicas de
optimizacin bien definidas y se dice que el modelo proporciona una solucin optima.
-validacin del modelo.- un modelo es vlido, independientemente de sus
inexactitudes al representar el sistema.
-implantar de los resueltos finales o resueltos probados del modelo.- la ltima
etapa es poner en prctica la solucin final , tal como la aprob el tomador de
decisiones .Esta etapa crtica ya que es aqu que se conocern los beneficios del
estudio.
MODELOS
Modelos determinanticos
Modelos estocsticos
Modelos estticos
Modelos dinmicos
Un modelo matemtico incluye tres elementos:
Variables de decisin y parmetros.-las variables de decisin son las incgnitas
a ser determinadas en la solucin los parmetros representan las variables
controlables del sistemas.
Restricciones.- un modelo matemtico incluye restricciones que permiten limitar
la variable de decisin
Funcin objetiva.- define la media de efectividad del sistema como una funcin
matemtica de sus variables, como la FO.

5



Un modelo matemtico consta al menos de tres conjuntos bsicos de
elementos:
1. Variables de decisin y parmetros
Las variables de decisin son incgnitas que deben ser determinadas a partir
de la solucin del modelo. Los parmetros representan los valores conocidos
del sistema o bien que se pueden controlar.
2. Restricciones
Las restricciones son relaciones entre las variables de decisin y magnitudes
que dan sentido a la solucin del problema y las acotan a valores factibles. Por
ejemplo si una de las variables de decisin representa el nmero de empleados
de un taller, es evidente que el valor de esa variable no puede ser negativo.
3. Funcin Objetivo
La funcin objetivo es una relacin matemtica entre las variables de decisin,
parmetros y una magnitud que representa el objetivo o producto del sistema. Por
ejemplo si el objetivo del sistema es minimizar los costos de operacin, la funcin
objetivo debe expresar la relacinentre el costo y las variables de decisin. La solucin
PTIMA se obtiene cuando el valor del costo sea mnimo para un conjunto de valores
factibles de las variables. Es decir hay que determinar las variables x1, x2,..., xn que
optimicen el valor de Z = f(x1, x2, ..., xn) sujeto a restricciones de la forma g(x1, x2, ...,
xn) b. Donde x1, x2,..., xn son las variables de decisin Z es la funcin objetivo, f es
una funcin matemtica.
Variables de holgura o excedente.
Son variables que se agregan a la restriccin para que la relacin de la restriccin sea
de igualdad (representa el valor que le hace falta al lado izquierdo para ser igual al
lado derecho). Ambos tipos de variables tienen que cumplir con la restriccin de no
negatividad.

6



Los siguientes mtodos para resolver el problema son:
El mtodo simplex
Es un procedimiento iterativo que permite ir mejorando la solucin a cada paso. El
proceso concluye cuando no es posible seguir mejorando ms dicha solucin.
Partiendo del valor de la funcin objetivo en un vrtice cualquiera, el mtodo consiste
en buscar sucesivamente otro vrtice que mejore al anterior. La bsqueda se hace
siempre a travs de los lados del polgono (o de las aristas del poliedro, si el nmero
de variables es mayor). Cmo el nmero de vrtices (y de aristas) es finito, siempre se
podr encontrar la solucin.
El mtodo del simplex se basa en la siguiente propiedad: si la funcin objetivo, f, no
toma su valor mximo en el vrtice A, entonces hay una arista que parte de A, a lo
largo de la cual f aumenta.
El mtodo Simplex revisado
Es un algoritmo de George Dantzig para resolver problemas de optimizacin (de la
rama de programacin lineal).
Tambin se hace un anlisis la cual es:
Anlisis de dualidad
El dual es un problema de PL que se obtiene matemticamente de un modelo primal
de PL dado. Los problemas dual y primal estn relacionados a tal grado, que la
solucin simplex ptima de cualquiera de los dos problemas conduce en forma
automtica a la solucin ptima del otro.
Anlisis de sensibilidad
El anlisis de sensibilidad es una de las partes ms importantes en la programacin
lineal,
Sobretodo para la toma de decisiones; pues permite determinar cuando una solucin
sigue
7

Siendo ptima, dados algunos cambios ya sea en el entorno del problema, en la
empresa o en
Los datos del problema mismo.
Este anlisis consiste en determinar que tan sensible es la respuesta ptima del
Mtodo
Simplex, al cambio de algunos datos como las ganancias o costos unitarios
(coeficientes de la funcin objetivo) o la disponibilidad de los recursos (trminos
independientes de las restricciones).
La variacin en estos datos del problema se analizar individualmente, es decir, se
analiza la sensibilidad de la solucin debido a la modificacin de un dato a la vez,
asumiendo que todos los dems permanecen sin alteracin alguna. Esto es importante
porque estamos hablando de que la sensibilidad es esttica y no dinmica, pues solo
contempla el cambio de un dato a la vez y no el de varios.

Caso I.- Cambios en los recursos (bj)
B
-1
(b+) 0
A travs de caso se determina la variacin de la disponibilidad de los recursos
manteniendo la solucin factible.
Consiste en aplicar la formula B
-1
(b+) 0 multiplicando la matriz inversa de las
variables bsicas por la matriz de los recursos o disponibilidades, afectando al recurso
a ser tratado por la suma de una variable y aplicando la desigualdad mayor o igual
con lo que se generaran una o n desigualdades que al ser despejadas e interceptadas
unas con otras proporcionaran el intervalo entre el que est comprendido el valor a
dicho intervalo se le sumara a cada miembro el valor del recurso en estudio, en caso
de presentarse algn valor negativo este ser reemplazado por 0, y as de esta forma
se determinar el intervalo de valores entre los cuales puede variar el recurso o
disponibilidad en estudio
[ ] b
j
[ ]
Caso II.- Cambios en los coeficientes de una variable bsica
Este caso sirve para determinar si es factible realizar los cambios en los coeficientes
de una variable bsica, y sus consecuencias que ocasionara en la tabla simplex final
de ser realizado el cambio.
8

Para ello se le debe de asignar un nuevo costo o ganancia (c
n
) de la variable a tratar,
adems de ello tambin deben de modificarse los coeficientes que afectan a la
variable en las respectivas restricciones
A=
[

Con estos nuevos datos se puede re calcular el nuevo (z
*
-c=y
*
A-c) que reemplaza al
valor de cero que antes haba en la casilla, para el clculo de los valores que
reemplazaran a los de la variable se aplica A
*
=B
-1
A.
Luego de realizado este cambio se tiene que proceder a reoptimizar por el simplex
reintroduciendo la variable tratada y se verifica que consecuencias trae al resultado
final, si aumenta la ganancia o si reduce o si la solucin ya no es factible.
Caso III.- cambios en los coeficientes de una variable no bsica.-
Este caso se aplica cuando se producen cambios en lo coeficientes de una variable no
bsica, y las consecuencias que traera este cambio haciendo que el producto se
llegue a producir o no.
Para ello se le debe de asignar un nuevo costo o ganancia (c
n
) de la variable a tratar,
adems de ello tambin deben de modificarse los coeficientes que afectan a la
variable en las respectivas restricciones
A=
[

Con estos valores se lleva al mtodo simplex dual la sgte desigualdad

Reemplazando en los valores de y los valores de los precios sombra de la tabla
simplex. Una vez hecho esto se compara, si la desigualdad no se cumple entonces si
se producir un cambio en la tabla simplex final de lo contrario no se producir ningn
cambio. En caso de que suceda lo primero se procede as.
9

Se re calcula el nuevo (z
*
-c=y
*
A-c) que reemplaza al valor de que antes haba en la
casilla, para el clculo de los valores que reemplazaran a los de la variable se aplica
A
*
=B
-1
A.
Luego de realizado este cambio se tiene que proceder a reoptimizar por el simplex y
se verifica que consecuencias trae al resultado final, si aumenta la ganancia o si
reduce o si la solucin ya no es factible.
Caso IV.- Introduccin de una nueva variable (x
n
).-
Con este anlisis se puede determinar si es factible introducir un nuevo producto y que
este se produzca bajo ciertas condiciones.
Para ello se le debe de asignar un nuevo costo o ganancia (c
n
) de la variable a
introducir, adems de ello tambin deben de asignrsele los coeficientes que afectan a
la variable en las respectivas restricciones
A=
[

Con estos valores se lleva al mtodo simplex dual la sgte desigualdad

Reemplazando en los valores de y los valores de los precios sombra de la tabla
simplex. Una vez hecho esto se compara, si la desigualdad no se cumple entonces si
se producir el nuevo producto de lo contrario no se producir ningn cambio. En caso
de que suceda lo primero se procede as.
Se calcula el (z
*
-c=y
*
A-c) que corresponder a la casilla, para el clculo de los otros
valores de la variable se aplica A
*
=B
-1
A.
Luego de realizado esta introduccin se tiene que proceder a reoptimizar por el
simplex y se verifica que consecuencias trae al resultado final, si aumenta la ganancia
o si reduce o si la solucin ya no es factible.
Caso V.- Introduccin de una nueva restriccin.-
Se realiza este anlisis para cuando se plantea una nueva restriccin y las
consecuencias que esta traera al resultado final.
10

Dada la nueva restriccin:

Se reemplaza los valores de las variables x obtenidos en la tabla simplex final, si esta
desigualdad se cumple entonces la restriccin ser una restriccin redundante y no
afectar al resultado final, y si la desigualdad no se cumple entonces la restriccin
afectar al resultado final por lo que se tendr que proceder a encontrar la nueva
solucin optima del problema.
Caso VI.- Cambios en los coeficientes c
j
de la funcin objetivo.
Este anlisis se realiza para determinar entre que intervalo de valores puede variar el
precio de cada producto y que la solucin siga siendo optima.
Para ello se debe de elegir la variable cuyo precio se desee analizar, y se le realiza el
sgte anlisis con la formula: c*
j
- c
B

j
0y C
n
= - cj +
Donde c
B
es una matriz de 1x m, donde todos los valores son iguales a 0 excepto
para el valor que le corresponde a la variable tratada que tendr el valor de , esta
frmula se le aplica a todas las variables no bsicas hallando los costos reducidos
para cada variable luego de hallar los las desigualdades de los costos reducidos para
cada variable se procede a interceptar las desigualdades generando un intervalo entre
el cual estar comprendido el valor de .
Luego con la formula de C
n
se reemplaza el valor mnimo y mximo que puede tomar
, luego de aplicar un artfico matemtico se puede conocer el intervalo entre el cual
puede variar C
n
cuyos valores deben de ser siempre positivos









11

Planteamiento del problema
Una industria metalmecnica hadejado de producir un producto no provechoso lo que
provoc un exceso considerable en la capacidad de produccin, el jefe de produccin
est considerando dedicar esta capacidad en exceso, en uno o ms del resto de los
productos los cuales productos:
Producto 1: engranajes rectos
Producto2: poleas
Producto 3: ejes
Producto 4: engranaje helicoidal
La capacidad disponible de las maquinas que podra limitar la produccin se resume
en la sgte tabla:
Tipo de maquina Tiempo disponible
(hr-maq/semana)
Fresadora 450
Torno paralelo 350
Rectificador universal 180
Taladro de mesa 140

El numero de hr-maq requeridas por cada unidad de producto es de.
Producto

Tipo de maquina
Producto
1
Producto
2
Producto
3
Producto
4

Fresadora 3 4 2 4
Torno paralelo 1 3 6 7
Rectificadora universal 2 1 3 0
Taladro de mesa 1 2 0 2

La utilidad unitaria por producto ser de 28$/producto1, 18$/producto2, 23$/producto3,
32$/producto4.
El potencial de ventas para el producto1 y producto4 es de 45U/semana.
12

Formlese el modelo de programacin lineal para determinar cunto debe producir la
industria de cada producto para maximizar la utilidad.
Definicin de variables
x
1
= cantidad a producir del producto 1 (u)
x
2
= cantidad a producir del producto 2 (u)
x
4
= cantidad a producir del producto 3 (u)
x
5
= cantidad a producir del producto 4 (u)
El modelo de programacin lineal tendr la siguiente FuncionObjetivo
Max(z)=28x
1
+ 15x
2
+ 23x
3
+ 32x
4
$/u * u
sujeto a:
3x
1
+4x
2
+2x
3
+4x
4
450
1x
1
+3x
2
+6x
3
+7x
4
350
2x
1
+1x
2
+3x
3
180

1x
1
+2x
2
+2x
4
140
1x
1
+1x
4
45
x
1
, x
2
, x
3
, x
4
0
x
B
=
[

[
]

[
]


[

[
]
13

[
]
[

Tabla simplex final

Anlisis de sensibilidad
14

SOLUCION OPTIMA
Max(z)=2426.14
x
1
=36.84
x
2
=43.42
x
3
=20.96
x
4
=8.16
s
1
=91.23
s
2
=0
s
3
=0
s
4
=0
s
5
=0

Conclusin.-Llegamos a la conclusin que sacamos una solucin optima donde
pudimos comprobar que todas nuestras variables son bsicas.