Professional Documents
Culture Documents
TEMAS A INVESTIGAR:
OBJETIVO
Investigar mediante libros los temas establecidos, dando a conocer lo ms
importante del mismo.
INTRODUCCIN
Esta investigacin tiene como propsito fundamental la contextualizacin
variables de holgura o artificiales, tambin se centra en Aplicacin de modelos
duales, sensibilidad para la toma de decisiones en las organizaciones
Analizar las aplicaciones del Modelo de Transporte como lo veremos a
continuacin.
Definiciones
VARIABLES DE HOLGURA
VARIABLES ARTIFICIALES
Son herramientas de clculo para generar soluciones iniciales de
programacin lineal. Si una variable artificial fue agregada tiene un valor
positivo (no cero), entonces la restriccin original en la cual esta variable
artificial fue agregada no ha sido satisfecha. Se ha encontrado una solucin
factible cuando todas las variables artificiales son iguales a cero, lo que indica
que todas las restricciones han sido satisfechas. Esta cuestin se maneja
mediante la funcin objetivo del problema. (Render , Stair , & Hanna, 2006)
Taha, (2004) menciona que: los programas lineales en los que todas las
restricciones son (<=) con lados derechos no negativos ofrecen una cmoda
solucin factible bsica de inicio con todas las holguras. Los modelos donde
intervienen restricciones del tipo (=) o (>) no poseen esta propiedad.
El procedimiento para iniciar programas lineales "de mal comportamiento" con
restricciones (=) y (=>) es permitir que variables artificiales desempeen el
trabajo de holguras en la primera iteracin, para despus, en alguna iteracin
posterior, desecharlas en forma legtima. Aqu presentaremos dos mtodos
muy relacionados: el mtodo M y el mtodo de dos fases.
Mtodo M
El mtodo M comienza con la programacin lineal en forma de ecuacin Una
ecuacin i que no tenga una holgura (o una variable que pueda hacer el papel
de una holgura) se aumenta con una variable artificial, R para formar una
solucin de inicio parecida a la solucin bsica con todas las holguras. Sin
embargo, como las variables artificiales son ajenas al modelo de
programacin lineal, se usa un mecanismo de retroalimentacin en el que el
proceso de optimizacin trata en forma automtica de hacer que esas
variables tengan nivel cero. En otras palabras, la solucin final ser como si
las variables artificiales nunca hubieran existido en primer lugar. El resultado
deseado se obtiene penalizando las variables artificiales en la funcin
objetivo.
M, en problemas de maximizacin
Coeficiente objetivo de la variable artificial M en problemas de minizacin
EJEMPLO
Minimizar
Sujeto a:
Minimiza:
Sujeto a:
Minimizar
Sujeto a:
Minimizar
Sujeto a:
V.B. Z X1 X2 X3 S1 S2 R1 Solucin
Z 1 -3 -2 -4 0 0 -M 0
R1 0 2 2 3 -1 0 1 15
S2 0 2 3 1 0 1 0 12
V.B. Z X1 X2 X3 S1 S2 R1 Solucin
Z 1 -3+2M -2+2M -4+3M -M 0 0 15M
R1 0 2 2 3 -1 0 1 15
S2 0 2 3 1 0 1 0 12
V.B. Z X1 X2 X3 S1 S2 R1 Solucin
Z 1 -1/3 2/3 0 -4/3 0 4/3-M 20
X3 0 2/3 2/3 1 -1/3 0 1/3 5
S2 0 4/3 7/3 0 1/3 1 -1/3 7
V.B. Z X1 X2 X3 S1 S2 R1 Solucin
Z 1 -5/7 0 0 -10/7 -2/7 10/7-M 18
EJEMPLO
EJERCICIO
METODO PRIMAL
Maximizar la funcin objetivo.
Z = 5X1 + 4X2
X1 = PINTURA TIPO 1 Z= 5 4
X2 = PINTURA TIPO 2
TABLA DE RESUMEN
TORTAS X1 X2
PRECIO 5 4
MATERIAL 1 6 4 24,00 24
MATERIAL 2 1 2 6,00 6
MATERIAL 3 0 1 1,50 2
MATERIAL 4 -1 1 (1,50) 1
Z MAX 21,00
METODO DUAL
W = 24y1 + 6y2 + 2 y3 + y4
Z= 24 6 2 1
TABLA DE RESUMEN
MATERIAL Y1 Y2 Y3 Y4 RESTRICCIONES
PRECIO 24 6 2 1
X1 6 1 -1 5,00 5
X2 4 2 1 1 4,00 4
Z MIN 20,67
EJEMPLO
EJERCICIO
Car californio fabrica tres tipos de acero en diferentes plantas. El tiempo requerido para
fabricar una tonelada de acero y los costos en cada planta se ilustran en la siguiente tabla.
Cada semana debe producirse 140 toneladas de acero del tipo I y II y del tipo III 150 (1,2 y
3). Cada planta est abierta 40 hrs por semana. Plantear el modelo de transporte.
Costo MODELO DE TRANSPORTE
Planta Acero 1 Acero 2 Acero 3 Tiempo 1 2 3
1 60 40 28 20 1 60 40 28
2 50 30 30 16 2 50 30 30
3 43 20 20 15 3 43 20 20
DEMAN
DA 140 140 150
TABLA DE RESUMEN
X11 X12 X13 X21 X22 X23 X31 X32
PRECIO 60 40 28 50 30 30 43 20
UNIDAD
ES - - 120 140 - 10 - 140
OFERTA
PLANTA
1 1 1 1
OFERTA
PLANTA
2 1 1 1
OFERTA
PLANTA
3 1 1
1 1 1
1 1 1
1 1
Z MIN 13.860,00
Anlisis Al menor costo posible los envos deben realizarse de la siguiente manera:
:
X21 De la planta 1 ubicada hacia la fbrica 3 se debe realizar 1 solo envi con 120 ton de acero cajas a un precio de $28.
X22 De la planta 2 ubicada hacia la fbrica 1 se debe realizar 1 solo envi con 140 ton de acero cajas a un precio de $50.
X31 De la planta 2 ubicada hacia la fbrica 3 se debe realizar 1 solo envi con 10 ton de acero cajas a un precio de $30.
De la planta 3 hacia la fbrica 2 se debe realizar 1 solo envi con 140 ton de acero cajas a un precio
X23 de $20.
X33 De la planta 3 ubicada hacia la fbrica 3 se debe realizar 1 solo envi con 20 ton de acero cajas a un precio de $20.
CONCLUSIN:
Estas herramientas estudiadas nos ayudan a generar soluciones
econmicas de las empresas por medio de la programacin lineal, como
tambin nos permite tomar decisiones por medio de la sensibilidad ya
que nos muestra el comportamiento dinmico de la solucin ptima del
problema los cuales podemos hacer cambios.
En conclusin los modelos de transporte tiene como objetivo minimizar el
costo total de transportar los productos desde cada origen a su debido
destino satisfaciendo la demanda en cada momento.
BIBLIOGRAFA:
Martinez, I., Vertis, G., Lopez, J., Jimenez Guillermo, & Moncayo, L. (2014).
Investigacion de operaciones. Mexico: Ebook.
Render , B., Stair , R., & Hanna, M. (2006). Metodos cuantitativos para los
negocios. Mexico: Pearson Educacion.
Salazar, B. (2017). ingenieriaindustrialonline. Obtenido de
ingenieriaindustrialonline:
https://www.ingenieriaindustrialonline.com/herramientas-para-el-
ingeniero-industrial/investigaci%C3%B3n-de-
operaciones/m%C3%A9todo-simplex/
Taha, H. (2004). Investigacion de operaciones. Mexico: Pearson Educacion.
Recuperado de:http://www.youtube.com/watch?v=NrJQ0oVtLLQ