TRABAJO PRÁCTICO

de
INVESTIGACIÓN OPERATIVA

I.- Introducción.-

La Investigación Operativa nace en el período de la Segunda Guerra Mundial, en Inglaterra

para la toma de decisiones en tema de la utilización de materiales bélicos, terminada la
guerra las ideas formuladas para operaciones militares pasan a uso del sector civil
ofreciendo una mejor eficiencia y productividad.

Actualmente la Investigación Operativa es una herramienta indispensable para la toma de

decisiones, donde el elemento fundamental es el modelo matemático que se obtiene a través
de un texto semántico gramatical convertido al lenguaje matemático, en este caso
utilizamos la programación lineal para aplicarlo en el modelo de optimización en el cual
esta compuesto por una función objetivo (f(x) = Z), sus respectivas restricciones y sus
variables de decisión (X1, X2, …… Xn) que veremos más adelante.

II.- Ejercicio.-

El problema que se da a continuación es un ejercicio de programación lineal donde se

observara un modelo de maximización, y se apreciara la solución mediante el
procedimiento del método grafico, mediante el método algebraico (SIMPLEX)
obtendremos el caso especial de “Óptimo Alternativo”, con su respectiva solución, y
finalizando el análisis de sensibilidad del ejercicio.

II.1.- Problema.-

Una planta produce dos (2) tipos de refrigeradores “A” y “B”, hay dos (2) líneas de
producción para “A” y “B”. La capacidad de la línea “A” es de sesenta unidades por día
(60 [U/día]), y la de “B” es de cincuenta unidades por día (50 [U/día]). “A” requiere
veinte minutos de mano de obra (20[min./MOD]), y “B” requiere de cuarenta minutos
de mano de obra (40 [min./MOD]).

Actualmente hay un máximo de cuarenta horas de mano de obra (40 [hrs./MOD]) por
día que puede ser asignado a cada una de las líneas. La contribución a las ganancias son
de veinte dólares (20 $us.-) para el refrigerador “A” y treinta dólares (30 $us.-) para
“B”.

Determinar:
a) El Modelo Lineal.
b) La Solución mediante el Método Grafico.
c) La Optimización por el Método Simplex.
d) El Análisis de Sensibilidad mediante el Método Simplex.
II.2.- Solución.-

Primeramente, debemos tomar los respectivos datos del ejercicio, en este caso son los
siguientes:

Datos:

1. La Planta tiene 2 líneas de producción para cada refrigerador “A” y “B”

Planta = {A, B}
2. En la Línea A se produce 60 [U/día] y requiere 20[min./MOD]
3. En la Línea B se produce 50 [U/día] y requiere 40 [min./MOD]
4. Las 40 [hrs./MOD] convertimos a minutos:

40 hrs. 60 [min.] 2400 [min./Mod.]

Mod. 1 [hrs.]

5. Las contribuciones a las ganancias son de 20 $us.- para A, y para B de 30$us.-

6. Se obtiene la siguiente tabla de información:

Detalle A B Disponibilidad

Producción de A [u./ día] 1 60

Producción de B [u./ día] 1 50
[min./Mod.] por día 20 40 2400
Contribución [$us.-] 20 30 ?

En las cuales:

- Son restricciones de Producción

- Es restricción de Tiempo / Mod.
- Lo que se pretende obtener ( f(x) Objetivo)

II.3.- Formulación del Modelo.-

1) Variables de Decisión.-
Denominaremos como a la primera variable a “A” como X 1 y a “B” como X2, por
que el ejercicio esta en función a los 2 tipos de refrigeradores.

A = X1
B = X2
 2) Restricciones.-
Como restricciones tenemos:
X1 <= 60 , por la capacidad de producción que tiene la línea A, y es menor o
igual por el limite que tiene y no excede de 60 unidades.

X2 <= 50 , por la capacidad de producción que tiene la línea B, y es menor o

igual por el limite que tiene y no excede de 50 unidades.

20X1 + 40X2 <= 2400, por que A requiere 20 minutos y B 40 minutos por Mod.,
y no pueden sobrepasarse de los 2400 minutos de limite.

X1; X2 >= 0 ; por No negatividad, / X1; X2 distintos a cero.

3) Función Objetivo.-
En este caso, nos pide maximizar la contribución a las ganancias, entonces:

Máx.: Z = 20X1 + 30X2, Por que para la contribución de A es de 20$us.- y para

B es de 30$us.-

III.- Modelo Lineal.-

a) Tenemos:

Máx.: Z = 20X1 + 30X2

s/a
X1 <= 60
X2 <= 50
20X1 + 40X2 <= 2400
X1; X2 >= 0

IV.- Solución Por el Método Grafico.-

Una vez obtenido el modelo, seguimos a encontrar los valores para graficar el modelo, el
procedimiento es el siguiente:

1) denominamos cuantas restricciones existen:

Máx.: Z = 20X1 + 30X2
s/a
X1 <= 60 r1)
X2 <= 50 r2)
20X1 + 40X2 <= 2400 r3)
X1; X2 >= 0

Y encontramos los valores, en este caso ya tenemos los valores de la 1ra y 2da
restricción, y hallamos valores para la 3ra restricción:
 r1) X1 = 60 r2) X2 = 50 r3) X1 X2
0 60
120 0
Y obtenemos en secuencia la grafica:

Graficamos la primera
recta que pertenece a
la primera restricción
X1 = 60
Una vez obtenida la grafica de la primera restricción, pasamos a la siguiente que es
de:

Graficamos la segunda recta

que pertenece a la
restricción 2 que es: X2 = 50
y obtenemos una primera
intersección de las rectas 1)
y 2)
Y finalmente graficamos la ultima restricción:

Terminamos de graficar la ultima

recta y empezamos a determinar
nuestro Espacio Factible de
Soluciones, denominando a los
puntos de intersección, en este
caso el Espacio Factible de
Soluciones esta situado entre los
puntos ABCDE, y empezamos a
analizar cual es el punto óptimo.
Finalmente encontramos cual es el óptimo, reemplazando el punto C(60,30) en la
función objetivo Z = 20X1 + 30X2, entonces obtenemos un máximo de:

Z = 20 ( 60 ) + 30 ( 30 )
= 1200 + 900
= 2100

Z A = 20 ( 0 ) + 30 ( 0 )
= 0+0
= 0
Z B = 20 ( 60 ) + 30 ( 0 )
= 1200 + 0
= 1200
Z C = 20 ( 60 ) + 30 ( 30 )
= 1200 + 900
= 2100
Z D = 20 ( 20 ) + 30 ( 50 )
= 400 + 1500
= 1900
Z E = 20 ( 0 ) + 30 ( 50 )
= 0 + 1500
= 1500
V.- Optimización por el Método SIMPLEX.-

Utilizamos el modelo:

Máx.: Z = 20X1 + 30X2

s/a
X1 <= 60
X2 <= 50
20X1 + 40X2 <= 2400
X1; X2 >= 0

Y lo convertimos a la forma Estándar:

X1 + S1 <= 60
X2 + S2 <= 50
20X1 + 40X2 + S3 <= 2400
Máx.: Z - 20X1 - 30X2 + 0S1 + 0S2 + 0S3
Primera Iteración
Basic Z X1 X2 S1 S2 S3 Sol.
Z 1 -20 -30 0 0 0 0
S1 0 1 0 1 0 0 60
S2 0 0 1 0 1 0 50
S3 0 20 40 0 0 1 2400

Condición de Factibilidad I.-

Variable de Entrada = X2 , por que tiene el número más negativo
Basic Sol. X2 R.M.
S1 60 0 ?
S2 50 1 50
S3 2400 40 60

Pivote Razón Mínima Variable de Salida = S2

La Ecuación Pivote S2 dividimos entre el pivote 1
Entra : X2
Basic Z X1 X2 S1 S2 S3 Sol.
Z 1 -20 -30 0 0 0 0
S1 0 1 0 1 0 0 60
X2 0 0 1 0 1 0 50
S3 0 20 40 0 0 1 2400

Entonces, nos encargamos de transformar la columna de X2 en cero, excepto el

elemento pivote 1, con las operaciones algebraicas respectivas.
Segunda Iteración:
Basic Z X1 X2 S1 S2 S3 Sol.
Z 1 -20 0 0 30 0 1500
S1 0 1 0 1 0 0 60
X2 0 0 1 0 1 0 50
S3 0 20 0 0 -40 1 400

Condición de Factibilidad II.-

Variable de Entrada = X1 , por que tiene el número -20 como negativo
Basic Sol. X1 R.M.
S1 60 1 60
X2 50 0 ?
S3 400 20 20

Pivote Razón Mínima Variable de Salida = S3

La Ecuación Pivote S3 dividimos entre el pivote 20
Entra : X1
Basic Z X1 X2 S1 S2 S3 Sol.
Z 1 -20 0 0 30 0 1500
S1 0 1 0 1 0 0 60
X2 0 0 1 0 1 0 50
X1 0 1 0 0 -2 1/20 20
Repetimos la operación de dividir la Ecuación Pivote con el elemento Pivote.

Tercera Iteración:
Basic Z X1 X2 S1 S2 S3 Sol.
Z 1 0 0 0 -10 1 1900
S1 0 0 0 1 2 -1/20 40
X2 0 0 1 0 1 0 50
X1 0 1 0 0 -2 1/20 20

Caso especial “Optimo Alternativo”.-

En esta 3ra Iteración si comparamos los resultados del método Simplex, tenemos
como óptimo al punto D de acuerdo con nuestra grafica, pero en la fila de Z, existe
un -10 en la columna de S2, lo cual este es un precio sombra negativo, en cual, en Z
no debería existir, incluso por lógica, no existe un Precio Negativo, es por eso que
se utiliza la Variable de Holgura involucrada para una ultima iteración.

Empezamos nuevamente a realizar las operaciones para hallar la factibilidad del

precio sombra:
 Condición de Factibilidad III.-
Variable de Entrada = S2, por que tiene el número -10 como negativo
Basic Sol. S2 R.M.
S1 60 2 30
X2 50 1 50
X3 400 -2 -10

Pivote Razón Mínima Variable de Salida = S1

La Ecuación Pivote S1 y dividimos entre el pivote 2
Entra : S2
Basic Z X1 X2 S1 S2 S3 Sol.
Z 1 0 0 0 -10 1 1900
S2 0 0 0 1/2 1 -1/40 20
X2 0 0 1 0 1 0 50
X1 0 1 0 0 -2 1/20 20
Dividiendo la Ecuación Pivote entre 2 obtenemos:

Cuarta Iteración:
Basic Z X1 X2 S1 S2 S3 Sol.
Z 1 0 0 5 0 3/4 2100
S1 0 0 0 1/2 1 -1/40 20
X2 0 0 1 -1/2 0 1/40 30
X1 0 1 0 1 0 0 60

Solución Final.-
 Z = 20 ( 60 ) + 30 ( 30 ) X1 = 60
= 1200 + 900 X2 = 30
= 2100 Z = 2100

La solución mediante el Método SIMPLEX finaliza al hallar el óptimo, y verificamos

con el grafico si los valores de X1, X2 y Z son los mismos.
VI.- Análisis de Sensibilidad.-

Tomamos de punto de partida el modelo lineal:

Máx.: Z = 20X1 + 30X2
s/a
X1 <= 60
X2 <= 50
20X1 + 40X2 <= 2400
X1; X2 >= 0
y observamos la ultima iteración del método Simplex

Basic Z X1 X2 S1 S2 S3 Sol.
Z 1 0 0 5 0 3/4 2100
S1 0 0 0 1/2 1 -1/40 20
X2 0 0 1 -1/2 0 1/40 30
X1 0 1 0 1 0 0 60

Y la colocamos en el formato para el análisis:

Basic X1 X2 S1 S2 S3 Sol.
S1 0 0 1/2 1 -1/40 20
X2 0 1 -1/2 0 1/40 30
X1 1 0 1 0 0 60
Z 0 0 5 0 3/4 2100

Determinación de Variables.-

Variables estructurales: {X1, X2}

Variables No Básicas: No existen
Variables Básicas: {X1, X2}
Variables de Holgura: {S1, S2, S3}/ = Precios Sombra

Análisis de Sensibilidad para X1:

Basic X1 X2 S1 S2 S3 Sol.
S1 0 0 1/2 1 -1/40 20
X2 0 1 -1/2 0 1/40 30
X1 1 0 1 0 0 60
Z 0 0 5 0 3/4 2100

Comenzamos por la primera tabla y a la fila de X1, se le multiplica y se le suma Z

 Basic X1 X2 S1 S2 S3 Sol.
S1 0 0 1/2 1 -1/40 20
X2 0 1 -1/2 0 1/40 30
X1 1 0 1 0 0 60
Z - 0 5 0 3/4 2100
Obtenemos: 0 0 

 = 0
Infinito
Hallando el intervalo:
-5 <= 
-5 + 20 <=  +20
15 <= C1 <= Infinito

Análisis de Sensibilidad para X2:

Repetimos el procedimiento, en la tabla, la fila de X2, se le multiplica y se le suma Z
Basic X1 X2 S1 S2 S3 Sol.
S1 0 0 1/2 1 -1/40 20
X2 0 1 -1/2 0 1/40 30
X1 1 0 1 0 0 60
Z 0 - 5 0 3/4 2100
Obtenemos: 0 0 -1/2

-1/2  + 5 >= 0 



Hallando el intervalo:
-30 <=  <= 
-30 + 30 <=  <= 10 + 30
0 <= C2 <= 40

Análisis de Sensibilidad para S1:

20 1/2 20 + 1/2
30 +-1/2 = 30 – 1/2 
60 1 60 + 
2100 5 2100 + 5 

Hallando el intervalo:
-40 <=  <= 60
-40 + 60 <=  + 60 <= 60 + 60
20 <= Bi <= 120
Análisis de Sensibilidad para S2:
20 1 20 + 
30 + 0 = 30 
60 0 60 
2100 0 2100 

Hallando el intervalo:
-20 <= 
-20 + 50 <=  + 50
30 <= Bii <= Infinito

Análisis de Sensibilidad para S3:

20 -1/40 20 - 1/40
30 + 1/40 = 30 +1/40 
60 0 60 
2100 3/4 2100 + 3/4 

Hallando el intervalo:
-1200<=  <= 800
-1200 + 2400 <=  + 60 <= 800 + 2400
1200 <= Biii <= 3200
Bibliografía.-

o Investigación de Operaciones – Hamdy A. Taha – 7ma edición.

o Investigación Operativa – Kamlesh Mathur – 6ta edición

Cd Multimedia TORA

Internet:

1. www.wiquipedia.com / programación lineal

2. www.google.com