METODOS

CUANTITATIVOS

R.C.P
 Programación Lineal

Introducción.

X2
Método gráfico

R1
Método simplex

X1
R2
R3
Aplicaciones
 Investigación Operativa
Asignar Recursos escasos a las
diferentes operaciones militares y a
las actividades dentro de cada
operación, en la forma más efectiva.
Administraciones militares
Americanas e Inglesas reclutan un
gran número de científicos para que
aplicaran el método científico a los
problemas estratégicos y tácticos,
logrando el triunfo en muchas
batallas.
Luego del término de la guerra, el éxito de la
Investigación Operativa en las actividades bélicas generó
un gran interés en sus aplicaciones fuera del campo
militar.
Clasificación de los métodos de optimización

Métodos Clásicos
Que son los que habitualmente se explican en los
libros investigación de operaciones y se encuentran:
✓ Programación Lineal
✓ Programación Lineal Entera
✓ Programación Lineal Entera Mixta
✓ Programación Estocástica
✓ Programación Dinámica, otros más
Introducción a la Programación Lineal

"Los que mandan generalmente

mueven las manos y dicen 'He
considerado todas las alternativas'.
Pero eso es casi siempre basura. Lo
más probable es que no pudiesen
estudiar todas las combinaciones."

George B. Dantzig , el creador de la programación

lineal, en una entrevista publicada en The College
Mathematical Journal, marzo de 1986.
 Reflexión

En una carpintería se producen archivadores y

escritorios. Para su fabricación un archivador requiere
del uso de la máquina A durante 2 horas, de la
máquina B por 1 hora y de la máquina C otra hora. Un
escritorio requiere 1 hora de la máquina A, 2 horas de
la B y 1 hora de la C. Además, las máquinas A, B y C
pueden trabajar máximo 180, 160 y 100 horas/mes
respectivamente. La utilidad por cada archivador es
S/.40 y por cada escritorio es S/.60. ¿Cuántos
artículos de cada tipo debe producir con el fin de
maximizar la utilidad mensual .
Introducción A LA P. LINEAL

Una de las técnicas más difundidas de la (IO)

es la programación lineal (PL). El éxito se
debe a que es muy flexible para describir un
gran número de situaciones reales como:
militar, industrial, agrícola, transporte, de la
economía, otros más. Un factor que ha
ayudado a su amplio uso es la disponibilidad
de programas de computadora muy eficientes
para resolver problemas de grandes
magnitudes de PL .
 Definiciones de
PL
“... trata la planeación de las actividades para obtener un
resultado óptimo, esto es, el resultado que mejor alcance
la meta especificada (según el modelo matemático) entre
todas las alternativas de solución.”

Frederick S. Hiller

“... es un problema de minimizar o maximizar

una función lineal en la presencia de
restricciones lineales del tipo de desigualdad,
igualdad o ambas.”
Mokhtar S. Bazaraa
Definiciones de PL

Abarca los métodos de solución de una

gran variedad de problemas de la siguiente
naturaleza: se tiene alguna cantidad (tal
como un costo o un tiempo) que tiene una
función lineal de cierto número de variables
lineales. Se requiere, a su vez, que estas
variables satisfagan un sistema de
igualdades y desigualdades lineales. Es
necesario hallar valores no negativos de las
variables que hagan máxima o mínima a la
cantidad dada.
A. S. Basarov
Definiciones de PL

“... es una técnica matemática para encontrar

los mejores usos de la organización. El
adjetivo lineal se usa para describir la
relación en dos o más variables, una relación
que es directa y precisamente proporcional.
El término programación se refiere al uso de
ciertas técnicas matemáticas para obtener la
mejor solución posible a un problema que
involucra recursos limitados.”

Richad I. Levin
Modelo general de PL

Optimizar Coeficientes objetivo

Variables de decisión

X0 =C1X1 +C2 X2 +......+Cn Xn

Coeficientes tecnológicos Coeficientes recurso

a11 X 1 + a12 X 2 + .....+ a1n X n (, =, )b1

a 21 X 1 + a 22 X 2 + .....+ a 2 n X n (, =, )b2
. . . . .
. . . . .
. . . . .
am1 X 1 + am2 X 2 + .....+ amn X n (, =, )bm
Condiciones técnicas
X1,2,.....n > 0 o No negatividad
Transformaciones al modelo general de PL

Dado que el objetivo fundamental de la

PL es el de optimizar una función lineal
sujeta a una serie de restricciones lineales
y variables no-negativas.

Dependiendo de la situación, resulta ventajoso

efectuar ciertas manipulaciones al modelo general
para expresarlo en formas equivalentes que sean
más fáciles de comprender, solucionar o analizar. A
continuación se presentan las transformaciones de
mayor utilidad.
Transformaciones al modelo general de PL
1.- El objetivo puede cambiarse de maximización a
minimización y viceversa.

La minimización de una función f(x), es matemáticamente

equivalente a la maximización del negativo de tal función, -
f(x); complementariamente, la maximización una función
g(x), es matemáticamente equivalente a la minimización del
negativo de la misma, -g(x). Por ejemplo,

Maximizar: X0 = 8X1 + 14X2 - 5X3

Es matemáticamente equivalente a

Minimizar: X´0 = - X0 = -8X1 -14X2 +5X3

Transformaciones al modelo general de PL

2.- El sentido de una desigualdad puede invertirse.

Cuando una desigualdad se multiplica por (-1), su
sentido puede invertirse. Si es “ < " cambia a “ > ",
si es “ >" cambia a “ < ". Por ejemplo:

2X1 + 9X2 - 4X3 > 9

al multiplicarla por (-1), se convierte en

-2X1 - 9X2 + 4X3 < -9

Métodos de solución

Simplex
Dos fases

Algebraico
M grande

Programación
lineal
Gráfico

Símplex
revisado
Karmarkar
Dual
Símplex
 Problemasdeprogramaciónlineal

Los pasos a seguir para resolverlo son:

1er paso: plantear el sistema de inecuaciones e identificar la
funciónobjetivo.
2º paso: resolver el sistema de inecuaciones dibujando la
región solución.
3er paso: dibujar el vector de la función objetivo, y buscar el
punto de la región solución que la optimiza.
4º paso: escribir la solución con una frase si es posible.

⭯
Para fabricar una tarta de chocolate necesitamos medio kilo
de azúcar y 5 huevos; para fabricar la de manzana
necesitamos un kilo de azúcar y 6 huevos. La tarta de
chocolate se vende a 12 € y la de manzana a 15 €. Si en total
tenemos 60 huevos y 9 kilos de azúcar, ¿qué cantidad de
cada tipo de tarta se debe elaborar para que la venta sea
máxima?
1er paso: Organizamos los datos en una tabla y hallamos las inecuaciones

0.5x + y  9
Tarta Cantidad Azúcar (kg) Huevos (u.)


Chocolate x 0.5x 5x
5x + 6 y  60
x  0
Manzana y 1y 6y 
 y  0
Disponible 9 60

La función objetivo es la que queremos optimizar. En este caso queremos

que la venta sea la mayor posible:
max Z = 12x +15 y
2º paso:Buscoel semiplanosolución de la primera inecuación 0'5x + y  9
Represento la recta: 0.5x + y = 9 Tabla de valores:
Despejo la variable y: y = 9 − 0.5x x y
2 8
Elijo el punto (0,0), que no está en la recta,
y estudio cómoresponde la inecuación: 6 6
0'5(0 ) + (0 )  9 → 0  9
Comoel punto(0,0) RESPONDE BIENa la inecuación, el semiplanoen el que está ESLASOLUCIÓN.

3er paso: Buscoel semiplanosolución de la segunda inecuación 5x + 6y  60

Represento la recta: 5x + 6y = 60 Tabla de valores:
Despejo la variable y: y = 60 − 5x x y
6
Elijo el punto (0,0), que no está en la recta, 6 5
y estudio cómo respondela inecuación: 12 0
5(0 ) + 6(0 )  60 → 0  60
Comoel punto(0,0) RESPONDE BIENa la inecuación, el semiplanoen el que está ESLASOLUCIÓN.
 4º paso:Buscolos semiplanosolución de las últimas inecuaciones

x0 y0

5º paso: Busco la región solución del sistema como

intersección de los semiplanos anteriores

La solución del problema está en esta región.

Realmente, sólo valen los valores x e y no
decimales (los puntos de intersección de las
cuadrículas).

6º paso:Dibujo el vector de la función objetivo

venta = 12x + 15y
El vector de la funciónobjetivo es: (− 15,12)(− 5,4 )
Se dibuja desde el origen (0,0) hasta el punto(-5,4).
7º paso:Trazo paralelas al vector de la función objetivo, sobre la región factible, y observo cuál está
más alejado.

Los puntos (x,y) de cada recta paralela dan el

mismo valor a la función objetivo. Con cada recta
paralela cambia el valor de la función objetivo:
paralelas hacia un lado aumentan la función objetivo,
y hacia el otro lado la disminuyen. En los punto de la
región factible más alejados están los valores
óptimos: máximoy mínimo.

Seobservaqueel punto (3,7.5) es el quemaximiza la función objetivo. Recuerdaquelos valores

decimalesde x e y no tienen sentido en este problema.

SOLUCIÓN: Si se elaboran 3 tartas de chocolate y 7.5 de manzana, las ventas son mayores y se
obtienen 148.50 €.

⭯
Vértice x1 x2 z
O 0 0 0
A 12 0 144
B 3 7.5 148.50
C 0 9 135

Para maximizar las utilidades se

recomienda producir 3 tartas de
chocolate y 7.5 tartas de
manzana, con ello la utilidad
máxima a percibir será de 148.50
U.M.
 PROBLEMA 1
Por razones de competencia, entre impresoras y escáner, se
tiene establecido que un pequeño comercio venda como
máximo 100 unidades.
Dispone de 60 impresoras y de 70 escáneres.
Determina las impresoras y escáneres que debe vender para
maximizar sus beneficios, sabiendo que le reportan unos
beneficios unitarios de 25 € y de 30 €. Respectivamente.

1.-Definición de variables

Sea x = Nº de impresoras que vende.

Sea y = Nº de escáneres que vende.

2.-Función objetivo
Max. z= 25.x + 30y. 22
3.-Restricciones del problema
x + y <= 100 , pues no puede vender más de 100 unidades
total.
x <= 60 , pues no tiene más de 60
y <= 70 , pues no tiene más de 70
x >=0 , pues debe ser una cantidad positiva
y >=0 , pues debe ser una cantidad positiva
Determinamos la
región factible
Vértice x1 x2 z
A 0 0 0

x ≤ 60
B 0 70 2100
C 30 70 2850
y ≤ 70 D 60 40 2700
E 60 0 1500

Para maximizar las utilidades se

recomienda vender 30
impresoras en la planta A y 70
escáneres, con ello la utilidad
máxima a percibir será de 2850
U.M.
 PROBLEMA 2

Una pequeña empresa fabrica sillas, mesas y

estanterías en dos locales.
Un local produce diariamente 1, 3 y 5 unidades
respectivamente de sillas, mesas y estanterías.
El otro local produce diariamente 2 unidades de cada
producto.
La empresa se ha comprometido a entregar a sus
clientes, al menos, 80, 160 y 200 unidades
respectivamente de sillas, mesas y estanterías.
Sabiendo que el coste de producción es de 200 € al
día en cada planta, ¿Determine el plan óptimo de
producción para la fabrica?.
25
1.-Definición de variables
Sea x = Nº de días que debe trabajar la planta A.
Sea y = Nº de días que debe trabajar la planta B.
2.-Función objetivo
Min z = 200.x + 200.y
3.-Restricciones del problema

• x+2.y ≥ 80
pues entre las dos plantas se deben producir al menos 80
sillas.
• 3.x+2.y ≥ 160
pues entre las dos plantas se deben producir al menos 160
mesas.
• 5.x+2.y ≥ 200
pues entre las dos plantas se deben producir al menos 200.000
estanterías.
• x≥0
• y≥0
Determinamos la región factible
x+2.y >= 80 y >= (80 – x)/2 → Tabla: (0,40) , (80,0)
3.x+2.y >= 160 y >= (160 – 3x)/2→ Tabla: (0,80) , (53`33,0)
5.x+2.y >= 200 y >= (200 – 5x)/2→ Tabla: (0,100) , (40,0)

Vemos que la zona rayada común

es una región abierta.

Vértice x1 x2 z
O 0 100 20000
A 20 50 14000
B 40 20 12000
C 80 0 16000

Para minimizar el costo total

se recomienda trabajar 40
días en la planta A y 20 días
en la planta B, con ello el
costo total mínimo a incurrir
será de 12000 U.M.
 Resuelve los problemas:
a) Una empresa fabrica neveras normales (cada una lleva 3 horas de montaje y 3 de acabado), y
neveras de lujo (cada una lleva 3 h de montaje y 6 de acabado). Los beneficios son de 180 €
en la normal y de 240 en la de lujo. Si en total dispone de 120 h de montaje y 180 h de
acabado, ¿cuántas debe fabricar de cada tipo para maximizar el beneficio?
b) Una panadería fabrica dos tipos de bollos: el tipo A tiene 500 g de masa y 250 g de crema;
mientras que el tipo B tiene 250 g de masa y 250 g de crema. Se vende a 1’19 € el tipo A y a
0’89 € el tipo B. Si se dispone de 20 kg de masa y 15 kg de crema, ¿cuántos bollos de cada
tipo se deben elaborar para maximizar la venta?
c) Un herrero tiene 80 kg de acero y 120 kg de aluminio para fabricar bicicletas. Las de montaña
llevan 2 kg de cada material, mientras que las de paseo llevan 1 kg de acero y 3 kg de
aluminio. La de paseo la vende a 120 € y la de montaña a 90 €. ¿Cuántas debe fabricar de
cada tipo?
d) ALSA organiza un viaje para al menos 200 personas. Dispone de 5 microbuses de 25 plazas y
de 4 autobuses de 50, y sólo tiene 6 conductores. El microbús se alquila a 250 € y el autobús
a 375 €. ¿Cuántos vehículos de cada tipo debe utilizar?

a) 20 neverasnormalesy 20 de lujo, que reportan de beneficio de 8.400 €.

b) 20 bollos tipoAy 40 bollos tipo B, que reportan de beneficio de 59’40 €.
c) 20 bicis de paseo y 30 de montaña,que reportan de beneficio de 5.100 €.
d) 2 microbusesy 4 autobuses,que reportan de beneficio de 2.000€. ⭯
Construcción de modelos de PL Ejemplo 1.
La empresa de muebles Lima fabrica mesas y sillas
de comedor. Cada silla necesita 20 pies de tabla (P.
t.) y 4 horas de trabajo. Cada mesa, 50 p. t. y solo 3
horas de trabajo. El fabricante tiene 3300 p. t. de
madera disponible y un equipo humano capaz de
proporcionar 380 horas de trabajo. Por último, el
fabricante ha determinado que hay una utilidad de $3
por cada silla vendida y $6 por cada mesa vendida.
Para simplificar, supongamos que los materiales
necesarios (como clavos o barniz) se tienen en
cantidades suficientes. ¿Determine el plan óptimo de
producción para la empresa, suponiendo que se
vende todo objeto producido?
Definición de Variables:
x1 : Número de sillas a producir por periodo de tiempo
x:2Número de mesas a producir por periodo de tiempo
 Matriz de datos: de la empresa
Recursos Utilidad
Producto Madera Mano de /Unidad
Obra
x1 20 4 3
x2 50 3 6
Disponible 3300 380

El modelo de programación lineal en forma

canónica
Función Objetivo
Maximizar z = 3x1 +6x2
20x1 + 50x2  3300 disponibilidad de maderas
Restricciones
4x1 + 3x2  380 disponibilidad de horas De recursos:
xi  0 De no negatividad Donde i = 1; 2
 Coordenadas
Vértices z
x1 x2
A 0 0 0
B 0 66 396
C 65 40 435
D 95 0 285
Un lago de montaña en un parque Ejemplo nacional
3.
tiene en la primavera de cada año dos
especies de peces, s1 y s2. El peso
promedio de cada pez en el lago es de 4
libras
Se para
dispone de s1
dos ytipos
2 libras para s2.
de alimento,
f1 y f2. Las necesidades promedio de
un pez de especie s1 son de 1 unidad
de f1 y 3 unidades de f2 diariamente.
Las necesidades correspondientes de
s2 son de 2 unidades de f1 y 1 unidad
de f2. Si se cuenta con 500 unidades
de f1 y 900 unidades de f2 por día,
¿Cómo debe ser la cantidad de peces de cada clase
para maximizar el peso de pescado que se pueda
producir?
 Coordenadas
Vértices z
x1 x2
A 0 0 0
B 0 250 500
C 260 120 1280
D 300 0 1200
Una empresa va a lanzar Ejemplo 3.
al mercado un nuevo producto.
Los planes de promoción para
el próximo mes están en marcha.
Los medios alternativos
para realizar la publicidad así
como los costos y la audiencia
estimada por unidad de
publicidad se muestran a
continuación:

TELEVISION RADIO PRENSA

Audiencia por unidad de
100,000 18,000 40,000
publicidad
Coto por unidad de
2,000 300 600
publicidad
Para lograr un uso balanceado de los medios,
la publicidad en radio debe ser igual al 50% de
unidades de publicidad autorizadas. Además la
cantidad de unidades solicitadas en televisión
debe ser al menos 10% del total autorizado. El
presupuesto total para promociones se ha
limitado a Bs. 18.500,00. Se necesita
determinar el plan óptimo para maximizar la
audiencia total o cantidad de personas que
vean la publicidad.
 Ejemplo 4.

El director de servicio de agua en una ciudad

encuentra una forma de proporcionar al menos 10
millones de galones de agua potable al día (mgd).
El suministro puede ser proporcionado por el
depósito local o por medio de unas tuberías desde
una ciudad vecina. El depósito local tiene un
rendimiento diario de 5 mgd, que no puede ser
sobrepasado. La tubería no puede abastecer más de
10 mgd debido a su diámetro. Por otra parte, por
acuerdo contractual, se bombearía como mínimo 6
mgd.
Finalmente, el agua del depósito cuesta $300 (dólares) por
millón de galones y el agua abasto por tubería cuesta $500
por millón de galones. ¿Cómo podría el director minimizar los
costos de suministro diario de agua?
 Coordenadas
Vértices z
x1 x2
A 4 6 4200
B 0 10 5000
C 5 10 6500
D 5 6 4500
 MODELOS DE PL
SEGÚN TIPO DE SOLUCIÓN
 2X1 + 3X2 = 12

Maximizar z = 3X1 + 4X2 (-1) 2X1 + X2 = 8 (-1)

Sujeto a: 2X2 = 4
2X1 + 3X2 < 12 X2 = 2
2X1 + X2 < 8 2X1 + X2 = 8
X1, X2 > 0 2X1 + 2= 8
X1 = 3

Coordenadas
Vértices z
x1 x2
A 0 0 0
B 0 4 16
C 3 2 17
Región D 4 0 12
factible La solución óptima se
presenta en el vértice C
 Solución óptima múltiple ó alternativa
Coordenadas
Vértices z
x1 x2
Máx. z = 2X1 + 3X2
A 5 0 10
Sujeto a: B 0 5 15
C 3 8 30
2X1 + 3X2 < 30
D 10 10/3 30
- X1 + X2 < 5 E 10 0 20
X1 + X2 > 5
X1 < 10 Puntos
óptimos
X1, X2 > 0

La pendiente de la
función objetivo es Región
igual a la pendiente
de alguna de sus
factible
restricciones

mZ = mR1
-2/3 = -2/3
 Solución ilimitada ó No Acotada
Máx. Z = X1 + 2X2
Sujeto a:
-2X1 + X2 < 4
X1 - 3X2 < 3
X1, X2 > 0 Coordenadas
Vértices z
x1 x2
A 0 0 0
Coordenadas
B 0 4 8
(0, 4) (-2 , 0) E 3 0 3

(0, -1) ( 3, 0)
 Solución Infactible
Máx. z = X1 + 2X2
Sujeto a:
X1 + 2X2 < 4
2X1 + 3X2 > 12
X1, X2 > 0

Coordenadas
(0, 2) (4, 0)
(0, 4) (6, 0)
Construcción de modelos de PL Ejemplo 5.

La Compañía Paris es un pequeño fabricante de

equipo y suministros para golf. El distribuidor de Paris
cree que existe un mercado tanto para una bolsa de
golf de precio moderado, denominada modelo
estándar, como para una bolsa de precio elevado,
denominada modelo de lujo. El distribuidor sugiere
que si Paris produce bolsas a un precio competitivo,
comprará toda la producción durante los siguientes
tres meses.
Los requerimientos de tiempo de producción para las
cuatro operaciones de manufactura y la estimación
de ganancias por bolsa se muestra en el cuadro
siguiente:

El director de manufactura estima que dispondrán de

630 horas de tiempo de corte y teñido, 600 horas de
tiempo de costura, 708 horas de tiempo de terminado
y 135 horas de tiempo de inspección y empaque para
la producción de bolsas de golf durante los siguientes
tres meses.
 Tiempo de Producción
(horas/bolsa) Ganan
Producto Insp. y cia por
Corte y
Costura Term. Empaq Bolsa
Teñido
ue
Estándar 7/10 1/2 1 1/10 $10
De lujo 1 5/6 2/3 1/4 $9
Hora
630 600 708 135
s
a) SiDisp.
la compañía desea maximizar la contribución a la
ganancia total, ¿Cuántas bolsas de cada modelo debería
fabricar?
b)¿Cuántas horas de tiempo de producción se programarán
para cada operación?
c) ¿Cuántas horas de tiempo de ocio se tendrán en cada
operación?
Formulación:

Variable de decisión:
Xi = Número de bolsas de modelo i a fabricar por trimestre
 i = 1, 2
Objetivo:
z= Ganancia/trimestre
Corte y teñido
Restricciones:
Corte
Tiempo disponible por trimestre Terminado
Inspección y empaque
Condiciones técnicas.
X 1 , X2 > 0
Modelo Matemático de Programación Lineal:

Maximizar: Ganancia
z = 10X1 + 9X2
$ = $ Bolsa
Trimestre Bolsa Trimestre

Sujeto a:
Hora Bolsas Horas
=
Bolsa Trimestre Trimestre

7/10X1 + X2 < 630 Corte y teñido

1/2X1 + 5/6X2 < 600 Costura
X1 + 2/3X2 < 708 Terminado
1/10X1 + 1/4X2 < 135 Inspección y empaque
X1, X2 > 0
 Ejempl
Construcción de modelos de PL o 6.
Tom’s produce dos productos alimenticios mexicanos y
los vende a Western Foods, cadena de tiendas de
abarrotes localizada en Texas y Nuevo México.
✓ Western Foods Salsa y
✓ México City Salsa.
Esencialmente, ambos productos son mezclas de:
➢ Tomates enteros 50%
➢ Salsa de tomate 30% y
➢ Pasta de tomate 20%
La México City Salsa, tiene una consistencia más espesa.
Cada tarro de salsa producida pesa 10 onzas. Para el
período de producción actual, Tom’s puede adquirir hasta
280 libras de tomates enteros, 130 libras de salsa de
tomate y 100 libras de pasta de tomate; el precio por libra
de estos ingredientes es de $0.96, $0.64 y $0.56,
respectivamente.

El costo de las especias y de los demás ingredientes es

de aproximadamente $0.10 por recipiente. Tom’s compra
tarros de vidrio vacíos a $0.02 cada uno, y los costos de
etiquetado y llenado se estiman en $0.03 por cada tarro
de salsa producido. El contrato de Tom’s con Western
Foods resulta en ingresos por ventas de $1.64 por cada
tarro de Western Foods Salsa y de $1.93 por cada tarro de
México City Salsa.
Resumen de información relevante:
1 Libra=16 Onzas

Peso de
Onzas/Recipiente
Lata(Onzas)
Salsa
Tomate
Salsa de T. Pasta de T
E.
Waster
5 3 2 10
Foods
Salsa
México City
5 3 2 10
Salsa
Disp. MP(Lb) 280 130 100
Disp. MP(Onzas) 4480 2080 1600
Costo/Libra 0.96 0.64 0.56
Costo/Tarro 0.30 0.12 0.07
Resumen de información relevante:

Costo de cada tarro de cualquier producto

$/Tarro
Ingredientes Comp.(A) $/Libra(B) Onz./Tarro(C) 1 Lb(D)
(A*B*C/D)
Tomate 50% 0.96 10 16 Onz. 0.30
Salsa 30% 0.64 10 16 Onz. 0.12
Pasta 20% 0.56 10 16 Onz. 0.07
Total Costo/Tarro 0.49

1 Libra=16 Onzas
 Costo y Utilidad de un tarro por producto

Detalles Waster México City

Foods Salsa
Salsa
Especias 0.10 0.10
Tarros Vacios 0.02 0.02
Etiquetado 0.03 0.03
Insumos 0.49 0.49
Total Costos 0.64 0.64
Precio de Venta (1.64) (1.93)
Utilidad 1.00 1.29
Utilidad = PV-[(CMPte)+(CMPst)+(CMPpt)+(Ce)+(Ct)+(Cet)]a

Donde:
PV = Precio de
venta
CMPte = Costo de la materia prima (tomates enteros)
CMPst = Costo de la materia prima (salsa de tomate)
CMPpt = Costo de la materia prima (pasta de tomate)
Ce = Costo de las especias
Ct = Costo del tarro
Cet = Costo del etiquetado.
 Formulación:

Variable de decisión:
X1 = N° de recipientes a producir de Western Foods Salsa/periodo.
X2 = N° de recipientes a producir México City Salsa / periodo

Objetivo:
z= Utilidad /periodo

Restricciones:
Tomates enteros
Materia Prima Salsa de tomate
Pasta de Tomate
Condiciones técnicas.
X1, X2 > 0
 Maximizar: Utilidad
z= X1 + 1.29X2
$ = $ Recipiente
Periodo Recipiente Periodo

Sujeto a:
onzas recipiente onzas
=
recipiente periodo periodo

5X1 + 5X2 < 4480 Tomates enteros

3X1 + 3X2 < 2080 Salsa de tomate
2X1 + 2X2 < 1600 Pasta de tomate

X1, X2 > 0
 MÉTODO GRÁFICO

X2
Solución óptima única

R1 Solución óptima múltiple

R2 X1
Solución ilimitada
R3

Solución infactible

Araujo Cajamarca Raul

Ejemplo 1

BG Company fabrica camisas y blusas WD Stores.

WD aceptará toda la producción que le proporcione BG.
El proceso de producción incluye corte, costura y
empacado.

BG emplea a 25 trabajadores en el departamento de corte,

a 35 en el departamento de costura y a 5 en el
departamento de empacado. La fabrica trabaja un turno
de 8 horas, sólo 5 días a la semana. La tabla siguiente
proporciona los requerimientos de tiempo y las utilidades
por unidad para las dos prendas:
 Minutos por unidad Utilidad
Prenda Corte Costura Empacad por
o unidad
($)
Camisas 20 70 12 2.50
Blusas 60 60 4 3.20
1.- Construir el modelo de PL.
2.- Solucionar el modelo con el método gráfico.
Variables de decisión:
X1 = Número de camisas a fabricar por semana.
X2 = Número de blusas a fabricar por semana.
Objetivo:
z = Utilidad por semana
Restricciones:
Departamento corte
Tiempo disponible por Departamento costura
departamento a la semana Departamento empaque

Condiciones técnicas.
X1, X2 > 0
 Maximizar
z = 2.50X1 + 3.20X2
$ = $ camisas + $ blusas
semana camisa semana blusas semana

Sujeto a:
Cálculo del tiempo disponible por semana

Departamento
horas días horas
25 obreros 8 5 = 1000 corte
día-obrero semana semana
Departamento
horas días horas
35 obreros 8 5 = 1400 costura
día-obrero semana semana
Departamento
horas días horas
5 obreros 8 5 = 200 empaque
día-obrero semana semana
20X1 + 60X2 < (1000)(60) Departamento corte

minutos camisas + minutos blusas = horas minutos

camisa semana blusas semana semana hora

70X1 + 60X2 < (1400)(60) Departamento costura

12X1 + 4X2 < (200)(60) Departamento empaque
X1, X2 > 0
Maximizar
z= 2.50X1 + 3.20X2

Sujeto a:
20X1 + 60X2 < 60,000 Departamento corte

70X1 + 60X2 < 84,000 Departamento costura

12X1 + 4X2 < 12,000 Departamento empaque

Paso 1. Representar las variables de decisión en un eje
coordenado XY. (Condiciones técnicas)
X2
Blusas

X1
Camisas
 Paso 2. Calcular las coordenadas de
intersección los ejes para cada restricción
(X , X ) (X
y, X )
cuadrante. 1 2 1 2
representarlas en 20X
el primer
+ 60X =60,000 (0, 1000)
1 2 (3000, 0)
70X1 + 60X2 = 84,000 (0, 1400) (1200, 0)

12X1 + 4X2 = 12,000 (0, 3000) (1000, 0)

Intersección con los ejes

Región
Factible
(-1) 20X1 + 60X2 = 60,000 (-1)
70X1 + 60X2 = 84,000
50X1 = 24,000
X1 = 480

20(480) + 60X2 < 60,000

X2 = 840
Paso 3. Calcular las alternativas de solución (cada vértice
de la región factible)

Vértices X1 X2 z
A 0 0 0
B 0 1,000 3,200
C 480 840 3,888
D 1,000 0 2,500
Esta es la solución óptima
Paso 4. Calcular las variables de holgura para cada restricción
de la solución óptima.

Primero se transforman a igualdades todas las restricciones.

20X1 + 60X2 + s1 = 60,000

70X1 + 60X2 + s2 = 84,000

12X1 + 4X2 + s3 = 12,000

Segundo se sustituyen los valores obtenidos para X1 y X2 de la solución

óptima y se despeja la variable de holgura de cada restricción.

20X1 + 60X2 + s1 = 60,000 Departamento corte

20(480) + 60(840) + s1 = 60,000

9600 + 50400 + s1 = 60,000

60000 + s1 = 60,000
s1 = 0
70X1 + 60X2 + s2 = 84,000 Departamento costura
70(480) + 60(840) + s2 = 84,000

33,600 + 50,400 + s2 = 84,000

84,000 + s2 = 84,000
s2 = 0

12X1 + 4X2 + s3 = 12,000 Departamento empaque

12(480) + 4(840) + s3 = 12,000

5,760 + 3,360 + s3 = 12,000

9,120 + s3 = 12,000
s3 = 2,880
Interpretación de los resultados del modelo.

BG Company, deberá fabricar 480 camisas y 840 blusas,

con este plan de producción logrará obtener una utilidad
de $3,888 por semana

Si BG Company lleva acabo este programa de producción

consumirá las 1000 horas/semana que dispone en el
departamento de corte. Así, como también, consumirá sus
1400 horas/semana del departamento de costura. Sin
embargo, en el departamento de empacado de las 200
horas/semana disponibles solo utilizará 152
horas/semana, como consecuencia se tendrá un ocio de
48 horas/semana, lo que equivale a 1.2 obreros ociosos y
solo trabajarían 3.8 obreros/semana en promedio.
El problema de transporte

Introducción

Método Esquina Noroeste

Método de Aproximación de Vogel

El problema de transporte, este consiste básicamente en
transportar mercancías desde varios orígenes (como
pueden ser, fábricas) a varios destinos (por ejemplo,
almacenes y bodegas). Sin embargo, el modelo se pude
aplicar también en situaciones prácticas como lo son el
control de
inventarios, la programación del empleo y la asignación
de personal entre otros.
En sí el problema de transporte, es un programa lineal que
puede ser resuelto a través del método simplex. Sin
embargo, por la naturaleza especial de su estructura es
posible el desarrollo de un procedimiento de solución,
denominado técnica de transporte, el cual es más
eficiente en términos de calculo.
El modelo de transporte busca determinar un curso de
acción de transporte de una mercancía desde varias
fuentes a varios destinos. Entre los datos que requiere el
modelo están:

1. Nivel de oferta en cada fuente y la cantidad de demanda

en cada destino.
2. El costo de transporte unitario de la mercancía de cada
origen a cada destino.

Como sólo hay un tipo de mercancía, un destino puede

recibir su demanda de una o más fuentes. El modelo tiene
como objetivo determinar la cantidad que se enviará de
cada origen a cada destino, de tal forma que minimice el
costo de transporte total.
El modelo de transporte se puede representar como una
red con m orígenes y n destinos. Un origen o un destino
se representa por un nodo. El arco que une una fuente con
un destino representa la ruta por la cual se transporta la
mercancía. La cantidad de la oferta en el origen i ai y la
demanda en el destino j es bj. El costo de transporte
unitario entre el origen i y el destino j es Cij.

Origen Destino
C11; X11
a1 1 1 b1

a2 2 2 b2

am m n bm
Cmn; Xmn
Modelo general de PL para el problema de
transporte
M i n i m i z a r
m n
X 0 =  i = 1

j = 1
C ij X ij

S u j e t o a :
m

 X ij  b j
i = 1
n

j = 1
X ij  a i

X ij  0  i = 1 , 2 , . . . , m
 j = 1 , 2 , . . . , n

Este modelo implica que el total de la oferta debe ser

cuando menos igual a la cantidad demandada.