IntProgLineal 1

Programacin Lineal
X
1
X
2
R
1
R
3
R
2
I ntroduccin.
Mtodo grfico
Mtodo smplex
Aplicaciones
Ing. J os Gabriel Gonzlez Turrubiates
Universidad Autnoma de Tamaulipas
Facultad de Ingeniera Arturo Narro Siller
Investigacin de Operaciones I
"Los que mandan generalmente
mueven las manos y dicen 'He
considerado todas las alternativas'.
Pero eso es casi siempre basura. Lo
ms probable es que no pudiesen
estudiar todas las combinaciones."
George B. Dantzig , el creador de la programacin lineal, en
una entrevista publicada en The College Mathematical
J ournal, marzo de 1986.
Introduccin a la Programacin Lineal
Reflexin
Considere el problema de asignar 70 hombres a 70 empleos.
Una actividad consiste en asignar el i-simo hombre al j-
simo empleo. Las restricciones son dos: en primer lugar hay
70 hombres, cada uno de los cuales debe asignarse a un
puesto, y en segundo lugar, cada uno de los 70 puestos
existentes debe estar ocupado. El nivel de una actividad puede
ser 1, lo cual indica que est siendo usada, o 0, lo cual significa
que no. En consecuencia hay 2 x 70 = 140 restricciones y 70 x
70 = 4900 actividades con 4900 variables correspondientes de
decisin uno-cero. Por desgracia tambin hay factorial de 70
permutaciones o formas de hacer las asignaciones. El problema
consiste en comparar ste factorial de 70 formas y elegir la que
sea la ptima o 'mejor' segn algn criterio previamente
establecido.
Introduccin a la PL
Una de las tcnicas ms difundidas de la (IO) es la
programacin lineal (PL). El xito de est herramienta se debe al
hecho de que es muy flexible para describir un gran nmero de
situaciones reales en reas tales como: militar, industrial,
agrcola, transporte, de la economa, de sistemas de salud, e
incluso en las ciencias sociales y de la conducta. 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 .
De hecho, la PL debera considerarse como una base
importante del desarrollo de otras tcnicas de la IO, incluidas la
programacin entera, la estocstica, la de flujo de redes y la
cuadrtica. Desde este punto de vista, el conocimiento de la PL
es fundamental para implementar estas tcnicas adicionales.
Por lo que resulta interesante saber que programacin lineal y
que no lo es, a continuacin se mencionan algunas definiciones.
... trata la planeacin de las actividades para obtener un
resultado ptimo, esto es, el resultado que mejor alcance la meta
especificada (segn el modelo matemtico) entre todas las
alternativas de solucin.
Frederick S. Hiller
Definiciones de PL
... es un problema de minimizar o maximizar una funcin lineal
en la presencia de restricciones lineales del tipo dedesigualdad,
igualdad o ambas.
Mokhtar S. Bazaraa
Abarca los mtodos de solucin de una gran variedad de
problemas de la siguiente naturaleza: se tiene alguna
cantidad (tal como un costo o un tiempo) que tiene una
funcin lineal de cierto nmero 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 mxima o mnima a la cantidad dada.
A. S. Basarov
Definiciones de PL
Definiciones de PL
... es una tcnica matemtica para encontrar los mejores usos
de la organizacin. El adjetivo lineal se usa para describir la
relacin en dos o ms variables, una relacin que es directa y
precisamente proporcional. El trmino programacin se refiere
al uso de ciertas tcnicas matemticas para obtener la mejor
solucin posible a un problema que involucra recursos
limitados.
Richad I. Levin
Supuestos
Divisibilidad
Limitaciones
No suboptimiza
Proporcionalidad
Aditividad
Determinstico
Esttico
Supuestos y limitaciones de la PL
n n
X C X C X C X
Optimizar
+ + + = ......
2 2 1 1 0
2 2 2 22 1 21
1 1 2 12 1 11
) , , ( .....
) , , ( .....
b X a X a X a
b X a X a X a
n n
n n
> = s + + +
> = s + + +
Sujeto a:
. . . . .
. . . . .
. . . . .
m n mn m m
b X a X a X a ) , , ( .....
2 2 1 1
> = s + + +
X
1,2,.....n
> 0

Variables de decisin
Coeficientes objetivo
Coeficientes tecnolgicos Coeficientes recurso
Condiciones tcnicas
o No negatividad
Modelo general de PL
Dado que el objetivo fundamental de la PL es el
de optimizar una funcin lineal sujeta a una serie
de restricciones lineales y variables no-negativas.
Dependiendo de la situacin, resulta ventajoso
efectuar ciertas manipulaciones al modelo
general para expresarlo en formas equivalentes
que sean ms fciles de comprender, solucionar
o analizar. A continuacin se presentan las
transformaciones de mayor utilidad.
Transformaciones al modelo general de PL
1.- El objetivo puede cambiarse de maximizacin a
minimizacin y viceversa.

La minimizacin de una funcin f(x), es
matemticamente equivalente a la maximizacin del
negativo de tal funcin, -f(x); complementariamente, la
maximizacin una funcin g(x), es matemticamente
equivalente a la minimizacin del negativo de la misma, -
g(x). Por ejemplo,
Mn: X
0
=- X
0
=-8X
1
-14X
2
+5X
3
Mx: X
0
=8X
1
+14X
2
- 5X
3
es matemticamente equivalente a
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:
-2X
1
- 9X
2
+4X
3
< -9
2X
1
+9X
2
- 4X
3
> 9
al multiplicarla por (-1), se convierte en
3.- Una ecuacin puede transformarse a desigualdades.
Esto se basa en el hecho de que toda ecuacin puede
reemplazarse por dos desigualdades en sentidos opuestos.
Por ejemplo:
3X
1
+5X
2
- 8X
3
<10
3X
1
+5X
2
- 8X
3
>10
3X
1
+5X
2
- 8X
3
=10
es matemticamente equivalente a las dos siguientes
desigualdades
4.- Cuando se tiene una desigualdad <", puede
transformarse a una ecuacin, si se le suma al lado
izquierdo una nueva variable, no-negativa, llamada
variable de faltante dado que solamente tomar valores
positivos cuando el lado izquierdo sea menor al lado
derecho. Por ejemplo:
9X
1
+7X
2
- 3X
3
<5
9X
1
+7X
2
- 3X
3
+s
4
=5 , s
4
>0
Es prctica comn considerar como cero al coeficiente
objetivo de la variable de faltante.
puede reemplazarse por
5.- Una desigualdad >" puede cambiarse a ecuacin,
si se le resta al lado izquierdo una nueva variable no-
negativa, llamada variable de sobrante; tal nombre
obedece a que dicha variable tomar un valor positivo,
slo cuando el lado izquierdo sea mayor que el derecho.
Por ejemplo,
-5X
1
+7X
2
- 2X
3
>15
puede reordenarse como
-5X
1
+ 7X
2
- 2X
3
- S
4
= 15 , S
4
> 0
Tambin es usual asignar un valor de cero al coeficiente
objetivo de la variable de sobrante.
6.- Una variable irrestricta en signo puede redefinirse en
funcin de variables no-negativas. El modelo general de la
PL presentado considera a todas las variables como no-
negativas. En ciertos problemas se involucran variables
irrestrictas en signo, es decir que pueden tomar valores
positivos, negativos o cero; generalmente dichas variables
estn asociadas a temperaturas, saldos financieros, niveles
de inventario, etc. Cuando en un problema se presenten
variables irrestrictas, tambin llamadas variables libres,
deben substituirse por la diferencia de dos variables no
negativas. Por ejemplo, si la variable X
7
es irrestricta,
entonces puede reemplazarse por
X
7
=X
7
+
- X
7
-
, X
7
+
y X
7
-
>0
Formatos Cannico y Estndar
1.- El formato Cannico

Un modelo de PL est en formato cannico si todas las variables son
no-negativas y todas las restricciones son del tipo " <" para un objeto
de maximizacin, o si todas las restricciones son del tipo " >" para un
objetivo de minimizacin. Este formato es de gran utilidad en el
anlisis del modelo de PL.
2.- El formato Estndar

Un modelo de PL est en formato estndar si todas las variables son
no-negativas y todas las restricciones son igualdades, tanto en
maximizacin como minimizacin. Este formato ser siempre en la
solucin de problemas de PL. A continuacin se presentan los modelos
generales de PL planteados mediante los formatos cannicos y
estndar.
Formato Cannico
Caso de minimizacin
Minimizar
=
=
n
j
j j
X C X
1
0
=
>
n
j
i j ij
b X a
1
Sujeto a:
0 >
j
X
m j ,..., 2 , 1 =
Caso de maximizacin
Maximizar
=
=
n
j
j j
X C X
1
0
=
s
n
j
i j ij
b X a
1
Sujeto a:
0 >
j
X
m j ,..., 2 , 1 =
Formato Estndar
Caso de minimizacin
Minimizar
=
=
n
j
j j
X C X
1
0
=
=
n
j
i j ij
b X a
1
Sujeto a:
0 >
j
X
m j ,..., 2 , 1 =
Caso de maximizacin
Maximizar
=
=
n
j
j j
X C X
1
0
=
=
n
j
i j ij
b X a
1
Sujeto a:
0 >
j
X
m j ,..., 2 , 1 =
Aplicaciones de los formatos
Ejemplo 1
Formato Libre
Mx.
X
0
=15X
1
+28X
2
17X
3
Sujeto a:
2X
1
+4X
2
3X
3
> 150
4X
1
+2X
2
+4X
3
=220
5X
1
+3X
2
+2X
3
< 80
X
1, 2, 3
> 0
a) Cambie la funcin objetivo del
modelo de PL que est en formato
libre (FL).
b) Exprese el modelo de PL que
est en formato libre (FL) a formato
cannico (FC).
c) Exprese el modelo de PL que
estndar (FE).
a) Cambie la funcin objetivo del modelo de PL que est en formato libre (FL).
Mn.
- X
0
= -15X
1
- 28X
2
+17X
3
Sujeto a:
2X
1
+4X
2
3X
3
> 150
4X
1
+2X
2
+4X
3
=220
5X
1
+3X
2
+2X
3
< 80
X
1, 2, 3
> 0
Mx.
X
0
=15X
1
+28X
2
- 17X
3
Mx.
X
0
=15X
1
+28X
2
- 17X
3
(-1) (-1)
Mn.
- X
0
= -15X
1
- 28X
2
+17X
3
Transformacin
b) Exprese el modelo de PL que est en formato libre (FL) a formato
cannico (FC).
Formato Cannico
Mx.
X
0
=15X
1
+28X
2
- 17X
3
Sujeto a:
2X
1
+4X
2
3X
3
> 150
- 2X
1
- 4X
2
+3X
3
<- 150
(-1) (-1)
- 2X
1
- 4X
2
+3X
3
< - 150
4X
1
+2X
2
+4X
3
< 220
4X
1
+2X
2
+4X
3
> 220
4X
1
+2X
2
+4X
3
< 220
- 4X
1
- 2X
2
- 4X
3
< - 220
Transformacin
Transformacin
Se aplica la transformacin a la
segunda desigualdad
4X
1
+2X
2
+4X
3
> 220 (-1) (-1)
- 4X
1
- 2X
2
- 4X
3
< - 220
5X
1
+ 3X
2
+ 2X
3
< 80
X
1, 2, 3
> 0
4X
1
+2X
2
+4X
3
=220
Sustituir por:
c) Exprese el modelo de PL que est en formato libre (FL) a formato
estndar (FE).
Formato Estndar
Mx.
X
0
=15X
1
+28X
2
- 17X
3
Sujeto a:
2X
1
+4X
2
3X
3
- S
1
=150
Transformacin
2X
1
+4X
2
3X
3
- S
1
=150
Transformacin
5X
1
+3X
2
+2X
3
< 80
5X
1
+3X
2
+2X
3
+s
3
= 80
5X
1
+3X
2
+2X
3
+s
3
= 80
2X
1
+4X
2
3X
3
> 150
4X
1
+2X
2
+4X
3
=220
X
1, 2, 3
> 0
S
1
> 0
s
3
> 0
Ejemplo 2
Formato Libre
Mn.
X
0
=21X
1
- 18X
2
+28X
3
Sujeto a:
- 2X
1
+4X
2
+3X
3
< 350
6X
1
+4X
2
+2X
3
>220
5X
1
+2X
2
+3X
3
=180
X
1, 2, 3
> 0
libre (FL).
cannico (FC).
estndar (FE).
Mn.
X
0
=21X
1
- 18X
2
+28X
3
Mn.
X
0
=21X
1
- 18X
2
+28X
3
(-1)
Mx.
- X
0
= -21X
1
+18X
2
- 28X
3
Transformacin
Mn.
X
0
=21X
1
- 18X
2
+28X
3
Sujeto a:
- 2X
1
+4X
2
+3X
3
< 350
6X
1
+4X
2
+2X
3
> 220
5X
1
+2X
2
+3X
3
=180
X
1, 2, 3
> 0
(-1)
cannico (FC).
Formato Cannico
Mn.
X
0
=21X
1
- 18X
2
+28X
3
Sujeto a:
- 2X
1
+4X
2
+3X
3
< 350
2X
1
- 4X
2
- 3X
3
>- 350
(-1) (-1)
2X
1
- 4X
2
- 3X
3
> - 350
5X
1
+2X
2
+3X
3
< 180
5X
1
+2X
2
+3X
3
> 180
5X
1
+2X
2
+3X
3
> 180
- 5X
1
- 2X
2
- 3X
3
> - 180
Transformacin
Transformacin
Aplicar la transformacin en la
segunda desigualdad
4X
1
+2X
2
+4X
3
< 180 (-1) (-1)
- 4X
1
- 2X
2
- 4X
3
> - 180
6X
1
+4X
2
+2X
3
>220
X
1, 2, 3
> 0
5X
1
+2X
2
+3X
3
=180
Sustituir por:
estndar (FE).
Formato Estndar
Mx.
X
0
=21X
1
- 18X
2
+28X
3
Sujeto a:
- 2X
1
+4X
2
3X
3
+s
1
=350
Transformacin
- 2X
1
+4X
2
+3X
3
+s
1
=350
Transformacin
6X
1
+4X
2
+2X
3
> 220
6X
1
+4X
2
+2X
3
- S
2
=220
5X
1
+3X
2
+2X
3
- S
2
=220
- 2X
1
+4X
2
+3X
3
< 350
5X
1
+2X
2
+3X
3
=180
X
1, 2, 3
> 0
s
1
> 0
S
2
> 0
Ejemplo 3
Formato Libre
Mn.
X
0
=11X
1
- 32X
2
+42X
3
Sujeto a:
4X
1
+2X
2
+ X
3
=190
4X
1
+2X
2
+3X
3
> 90
6X
1
+5X
2
+3X
3
> 180
X
1, 3
> 0
X
2
=irrestricta
libre (FL).
cannico (FC).
estndar (FE).
Ejemplo 3
Formato Libre
Mn.
X
0
=11X
1
- 32X
2
+42X
3
Sujeto a:
4X
1
+2X
2
+ X
3
=190
4X
1
+2X
2
+3X
3
> 90
6X
1
+5X
2
+3X
3
> 180
X
1, 3
> 0
X
2
=irrestricta
Sustituir X
2
=X
4
+
- X
5
-
Mn.
X
0
=11X
1
32(X
4
+
- X
5
-
) + 42X
3
X
0
=11X
1
32(X
4
+
- X
5
-
) +42X
3

Sujeto a:
4X
1
+2X
4
+
- 2X
5
-
+ X
3
=190
4X
1
+2X
4
+
- 2X
5
-
+3X
3
> 90
6X
1
+5X
4
+
- 5X
5
-
+3X
3
> 180
X
1, 3
>0
X
4
+
, X
5
-
> 0
Mn.
X
0
=11X
1
- 32X
4
+
32X
5
-
+28X
3
Mn.
X
0
=11X
1
- 32X
4
+
- 32X
5
-
+28X
3
(-1)
Mx.
- X
0
= -11X
1
+32X
4
+
+32X
5
-
- 28X
3
Transformacin
(-1)
Mn.
X
0
=11X
1
32(X
4
+
- X
5
-
) +42X
3

Sujeto a:
4X
1
+2X
4
+
- 2X
5
-
+ X
3
=190
4X
1
+2X
4
+
- 2X
5
-
+3X
3
> 90
6X
1
+5X
4
+
- 5X
5
-
+3X
3
> 180
X
1, 3
> 0
X
4
+
, X
5
-
>0
cannico (FC).
Formato Cannico
Mn.
X
0
=11X
1
+32X
4
+
- 32x
5
-
+28X
3
Sujeto a:
- 6X
1
- 5X
4
+
+5X
5
-
- 3X
3
> - 180
4X
1
+2X
4
+
- 2X
5
-
+X
3
< 190
4X
1
+2X
4
+
- 2X
5
-
+X
3
> 190
- 4X
1
- 2X
4
+
+2X
5
-
- X
3
> - 190
4X
1
+2X
4
+
+2X
5
-
+X
3
> 190
Transformacin
Aplicar la transformacin en la
primera desigualdad
4X
1
+2X
4
+
- 2X
5
-
+X
3
< 190
(-1) (-1)
- 4X
1
- 2X
4
+
+2X
5
-
- X
3
> - 190
4X
1
+2X
4
+
- 2X
5
-
+3X
3
> 90
X
1, 2, 3
> 0
4X
1
+2X
4
+
- 2X
5
-
+X
3
=190
Sustituir por:
6X
1
+5X
4
+
- 5X
5
-
+3X
3
< 180 (-1) (-1)
- 6X
1
- 5X
4
+
+5X
5
-
- 3X
3
> - 180
Transformacin
estndar (FE).
Formato Estndar
- 2X
1
+4X
2
3X
3
+s
1
=350
Transformacin
6X
1
+5X
4
+
- 5X
5
-
+3X
3
+s
3
=180
Transformacin
6X
1
+4X
2
+2X
3
> 220
6X
1
+4X
2
+2X
3
- S
2
=220
4X
1
+2X
4
+
- 2X
5
-
+3X
3
- S
2
= 90
- 2X
1
+4X
2
+3X
3
< 350
4X
1
+2X
4
+
- 2X
5
-
+X
3
=190
X
1, 2, 3
> 0
s
3
> 0
S
2
> 0
Mn.
X
0
=11X
1
+32X
4
+
- 32x
5
-
+28X
3
Sujeto a:
Mtodos de solucin
Programacin
lineal
Grfico
Algebraico
Smplex Dos fases
M grande
Smplex
revisado
Dual
Smplex
Karmarkar
Construccin de modelos de PL
Ejemplo 1.
Una planta puede fabricar cualquier combinacin de cinco
productos diferentes. La fabricacin de cada producto
requiere cierto tiempo en tres mquinas diferentes, como se
indica en la siguiente tabla. Todas las cifras estn
expresadas en minutos por libra de producto.
TIEMPO-MQUINA (min/lb)
PRODUCTO 1 2 3
A 12 8 5
B 7 9 10
C 8 4 7
D 10 3
E 7 11 2
Cada mquina est disponible durante 128 horas por
semana. Los productos A, B, C, D y E son muy competitivos
y pueden venderse cualquier cantidad que se produzca a
precios por libra de $5, $4, $5, $4 y $4, respectivamente.
Los costos variables de mano de obra son $4 por hora para
las mquinas 1 y 2 y $3 por hora en la mquina 3. Los
costos de material son $2 por cada libra de los productos A
y C, y $1 por cada libra de los productos B, D y E. Lo que
se desea es maximizar las ganancias de la compaa.
Formule el modelo de programacin
lineal correspondiente.
Donde:
PV =Precio de venta
CM =Costo del material.
CVMOm
1
=Costo variable de mano de obra en la mquina 1.
CVMOm
2
CVMOm
3
Utilidad =PV-[(CM)+(CVMOm
1
)+(CVMOm
2
)+(CVMOm
3
)]
Clculo de costos variables de mano de obra en la mquina 1.
Producto A.
1 hora =$4
60 minutos = $4
12 minutos =X
X =$ 0.80/lb

=
Producto B.
1 hora =$4
60 minutos = $4
7 minutos =X
X =$ 0.47/lb

=
Producto C.
1 hora =$4
60 minutos = $4
8 minutos =X
X =$ 0.53/lb

=
Producto
A B C D E
Precio venta ($/lb) $ 5.00 $ 4.00 $ 5.00 $ 4.00 $ 4.00
Costo de Material ($/lb) $ 2.00 $ 1.00 $ 2.00 $ 1.00 $ 1.00
Costo variable M.O ($/lb) Maq.1 $ 0.80 $ 0.47 $ 0.53 $ 0.67 $ 0.47
Costo variable M.O ($/lb) Maq.2 $ 0.53 $ 0.60 $ 0.27 $ - $ 0.73
Costo variable M.O ($/lb) Maq.3 $ 0.25 $ 0.50 $ 0.35 $ 0.15 $ 0.10
Utilidad ($/lb) $ 1.42 $ 1.43 $ 1.85 $ 2.18 $ 1.70
Solucin:
Resumen de informacin relevante:
Mquinas
Tiempo mquina minutos por libra por
producto
Minutos disponibles por
semana
1 12 7 8 10 7 7680
2 8 9 4 11 7680
3 5 10 7 3 2 7680
Formulacin:
Variable de decisin:
X
i
=Libras del producto i a fabricar por semana.
i =1, 2, 3, 4 y 5
Objetivo:
X
0
= Utilidad /semana
Restricciones:
Tiempo disponible por semana
Mquina 1
Mquina 2
Mquina 3
Condiciones tcnicas.
X
1
, X
2
, X
3
, X
4
, X
5
> 0
Modelo Matemtico de Programacin Lineal:
Mx: Utilidad
X
0
= 1.42X
1
+ 1.43X
2
+ 1.85X
3
+ 2.18X
4
+ 1.70X
5
Sujeto a:
12X
1
+ 7X
2
+ 8X
3
+ 10X
4
+ 7X
5
< 7680 Mquina 1
8X
1
+ 9X
2
+ 4X
3
+ 11X
5
< 7680 Mquina 2
5X
1
+ 10X
2
+ 7X
3
+ 3X
4
+ 2X
5
< 7680 Mquina 3
X
1
, X
2
, X
3
, X
4
, X
5
> 0
$
Semana
=
$
Libra
Libras
Semana
minutos
Libra
Libras
Semana
=
minutos
Semana
Ejemplo 2.
La Compaa Par es un pequeo fabricante de equipo y suministros para
golf. El distribuidor de Par cree que existe un mercado tanto para una bolsa
de golf de precio moderado, denominada modelo estndar, como para una
bolsa de precio elevado, denominada modelo de lujo. El distribuidor est
tan confiado en el que, si Par puede hacer las bolsas a un precio
competitivo, el distribuidor comprar todas las bolsas que Par pueda
fabricar durante los siguientes tres meses. Un anlisis cuidadoso de los
requerimientos de tiempo de produccin para las cuatro operaciones de
manufactura y la estimacin hecha por el departamento de contabilidad de
la contribucin a la ganancia por bolsa.
Producto
Estndar
De lujo
Corte y
teido
Costura Terminado
Inspeccin
y empaque
Ganancia
por bolsa
7/10
1
1/2
5/6
1
2/3
1/10
1/4
$ 10
$ 9
Tiempo de produccin (horas/bolsa)
El director de manufactura estima que dispondrn de 630 horas de tiempo
de corte y teido, 600 horas de tiempo de costura, 708 horas de tiempo de
terminado y 135 horas de tiempo de inspeccin y empaque para la
produccin de bolsas de golf durante los siguientes tres meses.
a) Si la compaa desea maximizar la contribucin a la ganancia total,
Cuntas bolsas de cada modelo debera fabricar?
b) Cuntas horas de tiempo de produccin se programaran para cada
operacin?
c) Cuntas horas de tiempo de ocio se tendrn en cada operacin?
Formulacin:
X
i
=Nmero de bolsas de modelo i a fabricar por trimestre
i =1, 2
Objetivo:
X
0
= Ganancia/trimestre
Restricciones:
Tiempo disponible por trimestre
Corte y teido
Corte
Terminado
X
1
, X
2
>0
I nspeccin y empaque
Mx: Ganancia
X
0
= 1.42X
1
+ 1.43X
2
Sujeto a:
7/10X
1
+ X
2
< 630 Corte y teido
1/2X
1
+ 5/6X
2
< 600 Costura
X
1
+ 2/3X
2
< 708 Terminado
X
1
, X
2
> 0
$
Trimestre
=
$
Bolsa
Bolsa
Trimestre
Hora
Bolsa
Bolsas
Semana
=
Horas
Semana
1/10X
1
+ 1/4X
2
< 135 Inspeccin y empaque
Ejemplo 3.
Toms produce varios productos alimenticios mexicanos y los vende a
Western Foods, cadena de tiendas de abarrotes localizada en Texas y
Nuevo Mxico. Toms fabrica dos salsa: Western Foods Salsa y Mxico
City Salsa. Esencialmente, ambos productos son mezclas de tomates
enteros, 30% de salsa de tomate y 20% de pasta de tomate. La Mxico
City Salsa, tiene una consistencia ms espesa y troceda. Cada tarro de
salsa producida pesa 10 onzas. Para el perodo de produccin actual,
Toms 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 dems ingredientes es de aproximadamente
$0.10 por recipiente. Toms compra tarros de vidrio vacos 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 Toms 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 Mxico City Salsa.
Solucin:
Onzas/recipiente
Salsa
Tomates
enteros
Salsa de
tomate
Pasta de
tomate
Wastern Foods Salsa 5 3 2
Mexico City Salsa 5 3 2
Disponibilidad Mat. Prima (lb) 280 130 100
Costo por libra $ 0.96 $ 0.64 $ 0.56
Costo por onza ocupada $ 0.30 $ 0.12 $ 0.07
Salsa
costo
especias
($/recip)
Costo de
tarros
vacos
Etiquetad
o ($/recip)
Precio
venta($/recip)
Utilidad
Wastern Foods Salsa $ 0.10 $ 0.02 $ 0.03 $ 1.64 $ 1.00
Mexico City Salsa $ 0.10 $ 0.02 $ 0.03 $ 1.93 $ 1.29
Utilidad = PV-[(CMPte)+(CMPst)+(CMPpt)+(Ce)+(Ct)+(Cet)]
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.
Formulacin:
X
1
=Nmero de recipientes a producir de Western Foods Salsa por periodo.
X
2
=Nmero de recipientes a producir Mxico City Salsa por periodo
Objetivo:
X
0
=Utilidad /periodo
Restricciones:
Materia Prima
Tomates enteros
Salsa de tomate
Pasta de Tomate
X
1
, X
2
>0
Mx: Utilidad
X
0
= X
1
+ 1.29X
2
Sujeto a:
5X
1
+ 5X
2
< 4480 Tomates enteros
3X
1
+ 3X
2
< 2080 Salsa de tomate
2X
1
+ 2X
2
< 1600 Pasta de tomate
X
1
, X
2
> 0
$
Periodo
=
$
Recipiente
Recipiente
Periodo
onzas
recipiente
recipiente
periodo
=
onzas
periodo
Ejemplo 3.
Hexxon Oil Company tiene seis consultores de petrleo,
tres de los cuales estn actualmente en los E. U., dos en
Rusia y uno en Nigeria. Arabia Saudita ha solicitado dos
consultores durante una semana a una tarifa de $4200
cada uno. Venezuela ha solicitado dos consultores
durante una semana a una tarifa de $4000 cada uno.
Indonesia ha solicitado tres consultores tres consultores
durante una semana a una tarifa semanal de $4000 cada
uno. Los gastos semanales por consultor son de $1400
en Arabia Saudita, $1000 en Venezuela y $700 en
Indonesia. La tabla siguiente muestra las tarifas de viaje
redondo (en dlares) para enviar por avin a los
consultores:
Desde
Hacia
Arabia Saudita Venezuela Indonesia
Estados Unidos
Rusia
Nigeria
1800
1600
1300
800
1800
1200
2000
1700
1500
Formule un modelo de Programacin Lineal
Cmo asignara los consultores para obtener la mejor ganancia?
Solucin:
E. U.
R.
N.
A. S.
V.
I.
Pas
origen
Pas
destino
Cantidad de
consultores
ofertados
Cantidad de
consultores
demandados
3
2
1
2
2
3
6 7
Tarifa
Gastos
semanales
$4,200
$4,000
$4,000
$1,400
$1,000
$ 700
Resumen de informacin
$1,800
$ 800
$2,000
$1,600
$1,800
$1,700
$1,300
$1,200
$1,500
Oferta = Demanda
Viaje
redondo
en avin
Formulacin:
X
ij
=Nmero de consultores en el pas i enviados al pas j.
i =1, 2 y 3 y j =1, 2 y 3 (EU, R y N) (AS, V e I )
Objetivo:
X
0
=Utilidad
Utilidad =Tarifa (Gastos +Viaje redondo en avin)
Restricciones:
Oferta
Estados Unidos
Rusia
Nigeria
X
ij
>0
Demanda
Arabia Saudita
Venezuela
I ndonesia
i =1, 2, 3
j =1, 2, 3
Modelo matemtico de PL:
Maximizar utilidad
X
0
=1000X
11
+2200X
12
+1300X
13
+1200X
21
+1200X
22
+1600X
23
+
1500X
31
+1800X
32
+1800X
33
U
11
= 4200 (1400 + 1800)
U
12
= 4000 (1000 + 800)
U
13
= 4000 (700 + 2000)
Sujeto a:
X
11
+X
12
+X
13
=3
X
21
+X
22
+X
23
=2
X
31
+X
32
+X
33
=1
Consultores en EU
Consultores en R.
Consultores en N.
X
11
+X
21
+X
31
< 2
X
12
+X
22
+X
32
< 2
X
13
+X
23
+X
33
<3
Consultores a enviar AS
Consultores a enviar V
Consultores a enviar I
X
ij
>0
i =1, 2, 3
j =1, 2, 3
Ejemplo 4.
El grupo industrial Antar, S. A., analiza la posibilidad de orientar
su inversin hacia otros sectores en donde se encuentra
operando actualmente. El presupuesto disponible para
inversiones de esta naturaleza se ha fijado en 100,000,000 de
pesos. Tomando en cuenta las reas de inversin actuales, el
director de finanzas ha recomendado que las nuevas inversiones
se realicen en la industria petrolera y siderrgica, as como en
Certificados de la Tesorera General del Estado (CETES).
Especialmente, ha identificado siete oportunidades de inversin,
as como las tasas de rendimiento esperadas de las mismas. Esta
informacin se expone a continuacin.
Opciones de inversin Tasa de rendimiento (%)
Petrleo y derivados, S. A.
Industria Petrolera, S. A.
Petrleos del Norte, S. A.
Aceros Monclova, S. A
Siderrgica Nacional, S. A.
Hierro y Acero, S. A.
CETES
25
33
20
35
23
27
30
El consejo de administracin a impuesto, por su parte, la
siguiente estrategia de inversin:
No se debe destinar ms del 50% del total de la inversin a
una industria en particular.
La inversin CETES debe equivaler por lo menos al 25% del
total invertido en siderrgica.
La inversin en Industria Petrolera, S. A., la cual resulta ser
la de mayor rendimiento, aunque tambin de mayor riesgo,
no puede exceder al 50% del total a invertir en el sector
petrolero.
El total a invertir en siderrgica debe ser por lo menos igual
al invertido en petrleo.
Qu recomendaciones (cantidad y opciones de inversin)
pueden hacerse con respecto a este portafolio?
Solucin:
X
1
=Cantidad ($) a invertir en Petrleo y Derivados, S. A.
X
2
=Cantidad ($) a invertir en I ndustria Petrolera, S. A.
X
3
=Cantidad ($) a invertir en Petrleos del Norte, S. A.
X
4
=Cantidad ($) a invertir en Aceros de Monclova, S. A.
X
5
=Cantidad ($) a invertir en Siderrgica Nacional, S. A.
X
6
=Cantidad ($) a invertir en Hierro y Acero, S. A.
X
7
=Cantidad ($) a invertir en CETES, S. A.
Objetivo:
X
0
=Tasa de rendimiento total
Restricciones:
Presupuestal.
X
i
>0
i =1, 2, 3, 4, 5, 6, 7
Mxima inversin por industrial
Mnima inversin en CETES
Mxima inversin en I ndustria Petrolera, S. A.
I nversiones en industria siderrgica y petrolera.
Administrativas
Maximizar
X
0
=0.25X
1
+0.33X
2
+0.20X
3
+0.35X
4
+0.23X
5
+0.27X
6
+0.30X
7
Sujeto a:
X
1
+X
2
+X
3
+X
4
+X
5
+X
6
+X
7
<100,000,000 Presupuesto
X
1
+X
2
+X
3
< 50,000,000
X
4
+X
5
+X
6
< 50,000,000
Mxima inversin por industria.
X
7
< 0.25(X
4
+X
5
+X
6
)
- 0.25X
4
- 0.25X
5
- 0.25X
6
+X
7
< 0
Mnima inversin en CETES
Petrolera
Siderrgica
X
2
< 0.50(X
1
+X
2
+X
3
)
- 0.50X
1
+0.50X
2
- 0.50X
3
< 0
Mxima inversin en Industria Petrolera
Inversiones en industria petrolera y siderrgica
X
1
+X
2
+X
3
< X
4
+X
5
+X
6

X
1
+X
2
+X
3
- X
4
- X
5
- X
6
<0
X
i
>0
i =1, 2, 3, 4, 5, 6, 7
Resumen del modelo:
Maximizar
X
0
=0.25X
1
+0.33X
2
+0.20X
3
+0.35X
4
+0.23X
5
+0.27X
6
+0.30X
7
Sujeto a:
X
1
+X
2
+X
3
+X
4
+X
5
+X
6
+X
7
<100,000,000
X
1
+X
2
+X
3
< 50,000,000
X
4
+X
5
+X
6
< 50,000,000
Petrolera
Siderrgica
Presupuesto
- 0.25X
4
- 0.25X
5
- 0.25X
6
+X
7
< 0 Mnima inversin en CETES
- 0.50X
1
+0.50X
2
- 0.50X
3
< 0
Mxima inversin en Industria
Petrolera
X
1
+X
2
+X
3
- X
4
- X
5
- X
6
< 0 Inversiones en industria
petrolera y siderrgica
X
i
>0
i =1, 2, 3, 4, 5, 6, 7
Ejemplo 5.
La principal sucursal de un Banco requiere de 8 a 15 cajeros de
servicio, dependiendo de la hora del da, como se indica en la
tabla 1. Los cajeros de tiempo completo trabajan 8 horas
consecutivas a $15 la hora, comenzando con a las 8 A. M. Los
cajeros de tiempo parcial trabajan 4 horas consecutivas a $8 la
hora, comenzando a las 8 A. M., 10 A. M. o 12 del medioda. Las
regulaciones sindicales requieren que a toda hora al menos 60%
de los cajeros sean de tiempo completo. Como gerente del
personal, haga una recomendacin respecto al nmero de
empleados de tiempo completo y de tiempo parcial requeridos a
lo largo del da para minimizar el costo diario total.
Periodo Nmero mnimo de cajeros
8 10 A.M.
10 12 Medioda
12 2 P.M.
2 4 P.M.
8
10
15
12
Requerimientos de cajeros del Banco.
Construir el modelo de PL correspondiente
Solucin:
Variables de decisin:
X
1
=Nmero de cajeros de tiempo completo a contratar por da.
Y
i
=Nmero de cajeros de tiempo parcial i a contratar por da.
i =1, 2, 3. ( hora de entrada 8, 10 y 12 del medioda)
Objetivo:
X
0
=Costo total diario
C
t
= Salario cajeros TC + salario cajeros TP
Restricciones:
Requerimientos por periodo
8 10 am
10 -12 del medioda
12 2 pm
2 4 pm
X
1
>0
i =1, 2, 3
Poltica sindical para turno completo
8 10 am
10 -12 del medioda
12 2 pm
2 4 pm
Y
i
>0
Enteras
Minimizar
X
0
=120X
1
+32Y
1
+32Y
2
+32Y
3

Sujeto a:
$
da
=
$
cajero
cajeros
da
X
1
+Y
1
=8 Periodo de 8 10 a.m.
X
1
+Y
1
+Y
2
=10 Periodo de 10 12 del medioda
X
1
+Y
2
+Y
3
=15 Periodo de 12 2 p.m.
X
1
+Y
3
Requerimiento de cajeros por periodo
cajeros
da TC
cajeros
da TP
=
cajeros
da
Poltica sindical para turno completo
X
1
X
1
+Y
1
> 0.60

X
1
(X
1
+Y
1
) > 0.60

X
1
0.60X
1
+0.60Y
1
>
X
1
- 0.60X
1
- 0.60Y
1
> 0

0.40X
1
- 0.60Y
1
> 0

X
1
+Y
1
= 1

Y sabemos que una proporcin es
P(x) =
X
1
+X
2
+. . . +X
n
X
1
Periodo de 8 10 a.m.
0.4X
1
- 0.60Y
1
- 0.60Y
2
> 0 Periodo de 10 12 del medioda
0.4X
1
- 0.60Y
2
- 0.60Y
3
> 0 Periodo de 12 2 p.m.
0.4X
1
- 0.60Y
3
X
1
>0
i =1, 2, 3 Y
i
>0
Enteras
Resumen del modelo:
Minimizar
X
0
=120X
1
+32Y
1
+32Y
2
+32Y
3

Sujeto a:
X
1
+Y
1
= 8 Periodo de 8 10 a.m.
X
1
+Y
1
+Y
2
=10 Periodo de 10 12 del medioda
X
1
+Y
2
+Y
3
X
1
+Y
3
0.40X
1
- 0.60Y
1
> 0 Periodo de 8 10 a.m.
0.4X
1
- 0.60Y
1
- 0.60Y
2
> 0 Periodo de 10 12 del medioda
0.4X
1
- 0.60Y
2
- 0.60Y
3
0.4X
1
- 0.60Y
3
X
1
>0
i =1, 2, 3 Y
i
>0
Enteras
X
1
X
2
R
1
R
3
R
2
Mtodo Grfico
Solucin ptima nica
Solucin ptima mltiple
Solucin ilimitada
Solucin infactible
Ejemplo 1
Burroughs Garment Company fabrica camisas para caballero y
blusas para dama para Walmark Discount Stores. Walmark
aceptar toda la produccin que le proporcione Burroughs. El
proceso de produccin incluye corte, costura y empacado.
Burroughs 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, slo 5 das a la semana. La tabla siguiente proporciona
los requerimientos de tiempo y las utilidades por unidad para las
dos prendas:
Prenda
Minutos por unidad Utilidad por
unidad ($)
Corte Costura Empacado
Camisas
Blusas
20
60
70
60
12
4
2.50
3.20
1.- Construir el modelo de PL.
2.- Solucionar el modelo con el mtodo grfico.
Solucin:
Variables de decisin:
X
1
=Nmero de camisas a fabricar por semana.
X
2
=Nmero de blusas a fabricar por semana.
Objetivo:
X
0
=Utilidad por semana
Restricciones:
Tiempo disponible por departamento a la semana
Departamento corte
Departamento costura
Departamento empaque
X
1,
X
2
>0
Maximizar
X
0
=2.50X
1
+3.20X
2

$
semana
=
$
camisa
camisas
semana
$
blusas
blusas
semana
+
Sujeto a:
Clculo del tiempo disponible por semana
25 8
horas
da-obrero
obreros 5
das
semana
=
horas
semana
1000
Departamento
corte
35 8
horas
da-obrero
obreros 5
das
semana
=
horas
semana
1400
Departamento
costura
5 8
horas
da-obrero
obreros 5
das
semana
=
horas
semana
200
Departamento
empaque
20X
1
+60X
2
<(1000)(60) Departamento corte
horas
semana
=
minutos
camisa
camisas
semana
minutos
blusas
blusas
semana
minutos
hora
+
70X
1
+60X
2
< (1400)(60)
12X
1
+ 4X
2
< (200)(60)
X
1,
X
2
>0
Resumen del modelo:
Maximizar
X
0
=2.50X
1
+3.20X
2

20X
1
+60X
2
< 60,000 Departamento corte
70X
1
+60X
2
< 84,000
12X
1
+ 4X
2
< 12,000
X
1,
X
2
>0
Sujeto a:
Mtodo Grfico:
Paso 1. Representar las variables de decisin en un eje
coordenado XY. (Condiciones tcnicas)
Camisas
X
1
Blusas
X
2
Mtodo Grfico:
Paso 2. Calcular las coordenadas de interseccin los ejes para
cada restriccin y representarlas en el primer cuadrante.
20X
1
+60X
2
< 60,000
(0, 1000)
70X
1
+60X
2
< 84,000
12X
1
+ 4X
2
< 12,000
(X
1
, X
2
) (X
1
, X
2
)
Interseccin con los ejes
(3000, 0)
(1200, 0) (0, 1400)
(1000, 0) (0, 3000)
1000 2000 3000
1000
2000
3000
Camisas
Blusas
Regin
Factible
A
B
C
D
20X
1
+60X
2
<60,000
70X
1
+60X
2
<84,000
(-1) (-1)
50X
1
<24,000
X
1
=480
Sustituir X1 en la Restriccin 1
20(480)

+60X
2
<60,000
X
2
=840
Mtodo Grfico:
Paso 3. Calcular las alternativas de solucin (cada vrtice de la
regin factible)
Alternativas
A B C D
Utilidad
X
0
=
Camisas
X
1
=
Blusas
X
2
=
0
0
0
$3,200
0
1,000
$3,888
480
840
$2,500
1,000
0
Esta es la solucin ptima
Mtodo Grfico:
Paso 4. Calcular las variables de holgura para cada restriccin
de la solucin ptima.
Primero se transforman a igualdades todas las restricciones.
20X
1
+60X
2
+s
1
=60,000
70X
1
+60X
2
+s
2
=84,000
12X
1
+ 4X
2
+s
3
=12,000
Segundo se sustituyen los valores obtenidos para X1 y X2 de la solucin
ptima y se despeja la variable de holgura de cada restriccin.
20X
1
+60X
2
+s
1
=60,000
20(480)

+60(840) +s
1
=60,000
9600

+50400 +s
1
=60,000
60000 +s
1
=60,000
s
1
=0
Departamento corte
70X
1
+60X
2
+s
2
=84,000
70(480)

+60(840) +s
2
=84,000
33,600

+50,400 +s
2
=84,000
84,000 +s
2
=84,000
s
2
=0
12X
1
+4X
2
+s
3
=12,000
12(480)

+4(840) +s
3
=12,000
5,760

+3,360 +s
3
=12,000
9,120 +s
3
=12,000
s
3
=2,880
Interpretacin de los resultados del modelo.
Burroughs Garment Company, deber fabricar 480 camisas y 840
blusas, con este plan de produccin lograr obtener una utilidad de
$3,888 por semana
Si Burroughs Garment Company lleva acabo este programa de
produccin consumir las 1000 horas/semana que dispone en el
departamento de corte. As, como tambin, consumir sus 1400
horas/semana del departamento de costura. Sin embargo, en el
departamento de empacado de las 200 horas/semana disponibles solo
utilizar 152 horas/semana, como consecuencia se tendr un ocio de
48 horas/semana, lo que equivale a 1.2 obreros ociosos y solo
trabajaran 3.8 obreros/semana en promedio.
Mx.
X
0
=3X
1
+4X
2
Sujeto a:
2X
1
+3X
2
< 12
2X
1
+ X
2
< 8
X
1
, X
2
> 0
Coordenadas
( 0, 4) ( 6, 0)
( 0, 8) ( 4, 0)
X
1
X
2
Ejemplo 2
2X
1
+ 3X
2
= 12
(-1) 2X
1
+ X
2
= 8 (-1)
2X
2
= 4
X
2
= 2
2X
1
+ X
2
= 8
2X
1
+ 2 = 8
X
1
=3
A
B
C
D
Regin
Factible
Evaluacin de vrtices
X
0
=
X
1
=
X
2
=
s
1
=
s
2
=
A
0
0
0
12
8
B
16
0
4
0
4
C
17
3
2
0
0
D
12
4
0
4
0
Solucin ptima nica
La solucin ptima se presenta
en el vrtice C
Mx.
X
0
=2X
1
+3X
2
Sujeto a:
2X
1
+3X
2
< 30
- X
1
+ X
2
< 5
X
1
+ X
2
> 5
X
1
< 10
X
1
, X
2
> 0
Coordenadas
( 0, 10) ( 15, 0)
( 0, 5) ( - 5, 0)
( 0, 5) ( 5, 0)
( 0, 10)
A
B
C
D
E X
1
X
2
Solucin ptima mltiple alternativa
Solucin B
X
0
=30
X
1
=3
X
2
=8
s
1
= 0
s
2
=0
S
3
=6
s
4
=7
Solucin C
X
0
=30
X
1
=10
X
2
=10/3
s
1
= 0
s
2
=35/3
S
3
=25/3
s
4
=0
La pendiente de la
funcin objetivo es igual
a la pendiente de alguna
de sus restricciones
m
X0
= m
R1

-2/3 = -2/3

Ejemplo 3
Puntos ptimos
Regin
factible
X
1
X
2
Ejemplo 4
Mx.
X
0
= X
1
+2X
2
Sujeto a:
-2X
1
+ X
2
< 4
X
1
- 3X
2
< 3
X
1
, X
2
> 0
Coordenadas
(0, 4) (-2 , 0)
(0, -1) ( 3, 0)
Solucin ilimitada No Acotada
Ejemplo 5
Mx.
X
0
= X
1
+2X
2
Sujeto a:
X
1
+2X
2
< 4
2X
1
+3X
2
< 12
X
1
, X
2
> 0
Coordenadas
(0, 2) (4, 0)
(0, 4) (6, 0)
X
1
X
2
Solucin Infactible
El problema de transporte
I ntroduccin
Mtodo Esquina Noroeste
Mtodo de Aproximacin de Vogel
I ntroduccin al problema de transporte
El problema de transporte, este consiste bsicamente en
transportar mercancas desde varios orgenes (como pueden ser,
fbricas) a varios destinos (por ejemplo, almacenes y bodegas).
Sin embargo, el modelo se pude aplicar tambin en situaciones
prcticas como lo son el control de
inventarios, la programacin del empleo y la asignacin de
personal entre otros.
En s el problema de transporte, es un programa lineal que
puede ser resuelto a travs del mtodo smplex. Sin embargo,
por la naturaleza especial de su estructura es posible el
desarrollo de un procedimiento de solucin, denominado tcnica
de transporte, el cual es ms eficiente en trminos de calculo.
El modelo de transporte busca determinar un curso de accin de
transporte de una mercanca desde varias fuentes a varios
destinos. Entre los datos que requiere el modelo estn:
Definicin y aplicacin del modelo de transporte
1. Nivel de oferta en cada fuente y la cantidad de demanda en
cada destino.
2. El costo de transporte unitario de la mercanca de cada origen
a cada destino.
Como slo hay un tipo de mercanca, un destino puede recibir su
demanda de una o ms fuentes. El modelo tiene como objetivo
determinar la cantidad que se enviar 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
orgenes 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 mercanca. La cantidad de la oferta en el
origen i a
i
y la demanda en el destino j es b
j
. El costo de transporte
unitario entre el origen i y el destino j es C
ij
.
2
1
m
1
2
n
Origen Destino
a
1
a
2
a
m
b
1
b
2
b
m
C
11
; X
11
C
mn
; X
mn
Modelo general de PL para el problema de
transporte
n , . . . 2, 1, j
m , . . . 2, 1, i X
a X
b X
: a Sujeto
X C X
Minimizar
ij
n
j
i ij
j
m
1 i
ij
m
i
n
j
ij ij
=
= >
s
>
=
=
=
= =
0
1
1 1
0
Este modelo implica que el total de la oferta debe ser cuando
menos igual a la cantidad demandada.
Empacadora la Moderna, S.A. de C.V., tiene actualmente tres
plantas, distribuidas en Tamaulipas. Cada planta produce latas
de chiles en escabeche, que son empacadas en cajas de cien
latas de 102 g. Actualmente cuenta con tres centros de
distribucin para la zona norte de la repblica mexicana. Los
costos de transporte por cada camin desde las plantas hasta
los centros de distribucin, se muestran en la tabla.
Ejemplo 1
Planta
Centro de distribucin
CD1 CD2 CD3
P1
P2
P3
$1250
950
1520
$1380
1230
1420
$1000
840
1360
Cada centro de distribucin requiere 15, 20 y 18 camiones
semanalmente. Por otro lado, se sabe que cada planta tiene
disponibles 12, 25 y 16 respectivamente.

Se pide:

1. Construya el modelo de PL.
2. Resuelva usando el paquete WinQSB. Anotando el nmero
de iteraciones con que fue resuelto.
1250 1380 1000
12
X
11
X
12
X
13
950 1230 840
25
X
21
X
21
X
22
1520 1420 1360
16
X
31
X
32
X
33
15 20 18
Tabla Smplex de transporte
Suministro
Demanda
Coeficientes de costos
Variables de
decisin
Mtodo de Esquina Noroeste
1250 1380 1000
12
950 1230 840
25
1520 1420 1360
16
15 20 18
12
3 20 2
16
X
0
=(12)(1250)+(3)(950)+(20)(1230)+(2)(840)+(16)(1360)
X
0
=15000 +2850 +24600 +1680 +21760
X
0
=$65,890
Celdas bsicas
Celdas No
Bsicas
1250 1380 1000
12
950 1230 840
25
1520 1420 1360
16
15 20 18
12
3 20 2
16
u
1
+ v
1
= 1250
u
2
+ v
1
= 950
u
2
+ v
2
= 1230
u
2
+ v
3
= 840
u
3
+ v
3
= 840
u
1
= 0 u
2
= 1530 u
3
= 1140
v
1
= 1250
v
2
= -300
v
3
= 220
Clculo de variables no bsicas
C
ij
* = C
ij
- (u
i
+ v
j
)
C
12
* = 1380 - (1250 + 1530)
C
12
* = -1400
-1400 -1390
C
13
* = 1000 - (1250 + 1140)
C
12
* = -1390
-330 1300
1250 1380 1000
12
950 1230 840
25
1520 1420 1360
16
15 20 18
12
3 20 2
16
u
1
= 0 u
2
= 1530 u
3
= 1140
v
1
= 1250
v
2
= -300
v
3
= 220
-1400 -1390
-330 1300
(+) (-)
(+) (-)
Mtodo de cruce de arroyo
I teracin No. 2
1250 1380 1000
12
950 1230 840
25
1520 1420 1360
16
15 20 18
12
15 8 2
16
u
1
= 0 u
2
= u
3
=
v
1
=
v
2
=
v
3
=
- -
- 0
X
0
=(12)(1250)+(3)(950)+(20)(1230)+(2)(840)+(16)(1360)
X
0
=15000 +2850 +24600 +1680 +21760
X
0
=$65,890

IntProgLineal 1

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

IntProgLineal 1

Uploaded by

Copyright:

Available Formats

Programacin Lineal

You might also like