1. Introduccin a la Investigacin de Operaciones. 1.1. Historia de la Investigacin de Operaciones.

La primera actividad de Investigacin de Operaciones se dio durante la Segunda Guerra Mundial en Gran Bretaa, donde la Administracin Militar llam a un grupo de cientficos de distintas reas del saber para que estudiaran los problemas tcticos y estratgicos asociados a la defensa del pas. El nombre de Investigacin de Operaciones fue dado aparentemente porque el equipo estaba llevando a cabo la actividad de investigar operaciones (militares). Motivados por los resultados alentadores obtenidos por los equipos britnicos, los administradores militares de Estados Unidos comenzaron a realizar investigaciones similares. Para eso reunieron a un grupo selecto de especialistas, los cuales empezaron a tener buenos resultados y en sus estudios incluyeron problemas logsticos complejos, la planeacin de minas en el mar y la utilizacin efectiva del equipo electrnico. Al trmino de la guerra y atrados por los buenos resultados obtenidos por los estrategas militares, los administradores industriales empezaron a aplicar las

herramientas de la Investigacin de Operaciones a la resolucin de sus problemas que empezaron a originarse debido al crecimiento del tamao y la complejidad de las industrias. Aunque se ha acreditado a Gran Bretaa la iniciacin de la Investigacin de Operaciones como una nueva disciplina, los Estados Unidos tomaron pronto el liderazgo en este campo rpidamente creciente. La primera tcnica matemtica ampliamente aceptada en el medio de Investigacin de Operaciones fue el Mtodo Smplex de Programacin Lineal, desarrollado en 1947 por el matemtico norteamericano George B. Dantzig. Desde entonces las nuevas tcnicas se han desarrollado gracias al esfuerzo y cooperacin de las personas interesadas tanto en el rea acadmica como en el rea industrial. Un segundo factor en el progreso impresionante de la Investigacin de Operaciones fue el desarrollo de la computadora digital, que con sus tremendas capacidades de velocidad de cmputo y de almacenamiento y recuperacin de informacin, permitieron al tomador de decisiones rapidez y precisin. Si no hubiera sido por la computadora digital, la Investigacin de Operaciones con sus grandes problemas de computacin no hubiera crecido al nivel de hoy en da.

Actualmente la Investigacin de Operaciones se est aplicando en muchas actividades. Estas actividades han ido ms all de las aplicaciones militares e industriales, para incluir hospitales, instituciones financieras, bibliotecas, planeacin urbana, sistemas de transporte y sistemas de comercializacin.

1.2. Caractersticas de la Investigacin de Operaciones. Es muy notable el rpido crecimiento del tamao y la complejidad de las organizaciones (empresas) humanas que se ha dado en estos ltimos tiempos. Tal tamao y complejidad nos hace pensar que una sola decisin equivocada puede repercutir grandemente en los intereses y objetivos de la organizacin y en ocasiones pueden pasar aos para rectificar tal error. Tambin el ritmo de la empresa de hoy implica que las DECISIONES se tomen ms rpidamente que nunca, pues el hecho de posponer la accin puede dar una decisiva ventaja al contrario en este mundo de la competencia. La palpable dificultad de tomar decisiones ha hecho que el hombre se aboque en la bsqueda de una herramienta o mtodo que le permita tomar las mejores decisiones de acuerdo a los recursos disponibles y a los objetivos que persigue. Tal herramienta recibi el nombre de Investigacin de Operaciones. El enfoque de la Investigacin de Operaciones es el mismo del mtodo cientfico. En particular, el proceso comienza por la observacin cuidadosa y la formulacin del problema y sigue con la construccin de un modelo cientfico (por lo general matemtico) que intenta abstraer la esencia del problema real. En este punto se propone la hiptesis de que el modelo es una representacin lo suficientemente precisa de las caractersticas esenciales de la situacin como para que las conclusiones (soluciones) obtenidas sean vlidas tambin para el problema real. Esta hiptesis se verifica y modifica mediante las pruebas adecuadas. Entonces, en cierto modo, la Investigacin de Operaciones incluye la investigacin cientfica creativa de las propiedades fundamentales de las operaciones. Sin embargo, existe ms que esto. En particular, la Investigacin de Operaciones se ocupa tambin de la administracin prctica de la organizacin. As, para tener xito, deber tambin proporcionar conclusiones positivas y claras que pueda usar el tomador de decisiones cuando las necesite. La contribucin del enfoque de Investigacin de Operaciones proviene principalmente de: 1. La estructuracin de una situacin de la vida real como un modelo matemtico, logrando una abstraccin de los elementos esenciales para que pueda buscarse una

solucin que concuerde con los objetivos del tomador de decisiones. Esto implica tomar en cuenta el problema dentro del contexto del sistema completo. 2. El anlisis de la estructura de tales soluciones y el desarrollo de procedimientos sistemticos para obtenerlas. 3. El desarrollo de una solucin, incluyendo la teora matemtica si es necesario, que lleva al valor ptimo de la medida de lo que se espera del sistema (o quiz que compare los cursos de accin opcionales evaluando esta medida para cada uno). 1.3. Definicin. Investigacin de Operaciones o Investigacin Operacional. Se puede definir de la siguiente manera: La Investigacin de Operaciones es la aplicacin por grupos interdisciplinarios del mtodo cientfico a problemas relacionados con el control de las organizaciones o sistemas a fin de que se produzcan soluciones que mejor sirvan a los objetivos de toda la organizacin.

1.4. Metodologa de la Investigacin de Operaciones. El proceso de la Investigacin de Operaciones comprende las siguientes fases: 1. Formulacin y definicin del problema. 2. Construccin del modelo. 3. Solucin del modelo. 4. Validacin del modelo. 5. Implementacin de resultados. Demos una explicacin de cada una de las fases: 1. Formulacin y definicin del problema. En esta fase del proceso se necesita: una descripcin de los objetivos del sistema, es decir, qu se desea optimizar; identificar las variables implicadas, ya sean controlables o no; determinar las restricciones del sistema. Tambin hay que tener en cuenta las alternativas posibles de decisin y las restricciones para producir una solucin adecuada. 2. Construccin del modelo. En esta fase, el investigador de operaciones debe decidir el modelo a utilizar para representar el sistema. Debe ser un modelo tal que relacione a las variables de decisin con los parmetros y restricciones del sistema. Los parmetros (o cantidades conocidas) se pueden obtener ya sea a partir de datos pasados o ser estimados por medio de algn mtodo estadstico. Es recomendable determinar si el modelo es probabilstico o determinstico. El modelo

puede ser matemtico, de simulacin o heurstico, dependiendo de la complejidad de los clculos matemticos que se requieran. 3. Solucin del modelo. Una vez que se tiene el modelo, se procede a derivar una solucin matemtica empleando las diversas tcnicas y mtodos matemticos para resolver problemas y ecuaciones. Debemos tener en cuenta que las soluciones que se obtienen en este punto del proceso, son matemticas y debemos interpretarlas en el mundo real. Adems, para la solucin del modelo, se deben realizar anlisis de sensibilidad, es decir, ver como se comporta el modelo a cambios en las especificaciones y parmetros del sistema. Esto se hace, debido a que los parmetros no necesariamente son precisos y las restricciones pueden estar equivocadas. 4. Validacin del modelo. La validacin de un modelo requiere que se determine si dicho modelo puede predecir con certeza el comportamiento del sistema. Un mtodo comn para probar la validez del modelo, es someterlo a datos pasados disponibles del sistema actual y observar si reproduce las situaciones pasadas del sistema. Pero como no hay seguridad de que el comportamiento futuro del sistema contine replicando el comportamiento pasado, entonces siempre debemos estar atentos de cambios posibles del sistema con el tiempo, para poder ajustar adecuadamente el modelo. 5. Implementacin de resultados. Una vez que hayamos obtenido la solucin o soluciones del modelo, el siguiente y ltimo paso del proceso es interpretar esos resultados y dar conclusiones y cursos de accin para la optimizacin del sistema. Si el modelo utilizado puede servir a otro problema, es necesario revisar, documentar y actualizar el modelo para sus nuevas aplicaciones.

1.5. Estructura de los modelos empleados en la Investigacin de Operaciones. El enfoque de la Investigacin de Operaciones es el modelaje. Un modelo es una herramienta que nos sirve para lograr una visin bien estructurada de la realidad. As, el propsito del modelo es proporcionar un medio para analizar el comportamiento de las componentes de un sistema con el fin de optimizar su desempeo. La ventaja que tiene el sacar un modelo que represente una situacin real, es que nos permite analizar tal situacin sin interferir en la operacin que se realiza, ya que el modelo es como si fuera un espejo de lo que ocurre. Para aumentar la abstraccin del mundo real, los modelos se clasifican como:

1) Icnicos, 2) anlogos, 3) simblicos. - Los modelos icnicos son la representacin fsica, a escala reducida o aumentada de un sistema real. - Los modelos anlogos esencialmente requieren la sustitucin de una propiedad por otra con el fin de permitir la manipulacin del modelo. Despus de resolver el problema, la solucin se reinterpreta de acuerdo al sistema original. - Los modelos ms importantes para la investigacin de operaciones, son los modelos simblicos o matemticos, que emplean un conjunto de smbolos y funciones para representar las variables de decisin y sus relaciones para describir el comportamiento del sistema. El uso de las matemticas para representar el modelo, el cual es una representacin aproximada de la realidad, nos permite aprovechar las computadoras de alta velocidad y tcnicas de solucin con matemticas avanzadas. Un modelo matemtico comprende principalmente tres conjuntos bsicos de elementos. Estos son: 1) variables y parmetros de decisin, 2) restricciones y 3) funcin objetivo. 1. Variables y parmetros de decisin. Las variables de decisin son las incgnitas (o decisiones) que deben determinarse resolviendo el modelo. Los parmetros son los valores conocidos que relacionan las variables de decisin con las restricciones y funcin objetivo. Los parmetros del modelo pueden ser determinsticos o probabilsticos. 2. Restricciones. Para tener en cuenta las limitaciones tecnolgicas, econmicas y otras del sistema, el modelo debe incluir restricciones (implcitas o explcitas) que restrinjan las variables de decisin a un rango de valores factibles. 3. Funcin objetivo. La funcin objetivo define la medida de efectividad del sistema como una funcin matemtica de las variables de decisin. La solucin ptima ser aquella que produzca el mejor valor de la funcin objetivo, sujeta a las restricciones.

1.6. Concepto de optimizacin. Una caracterstica adicional, que se mencion como de pasada, es que la Investigacin de Operaciones intenta encontrar la mejor solucin, o la solucin ptima, al problema bajo consideracin. En lugar de contentarse con slo mejorar el estado de las cosas, la meta es identificar el mejor curso de accin posible. An cuando debe

interpretarse con todo cuidado, esta bsqueda de la optimalidad es un aspecto muy importante dentro de la Investigacin de Operaciones.

1.7 reas de aplicacin de la Investigacin de Operaciones. Como su nombre lo dice, Investigacin de Operaciones significa hacer investigacin sobre las operaciones. Esto dice algo del enfoque como del rea de aplicacin. Entonces, la Investigacin de Operaciones se aplica a problemas que se refieren a la conduccin y coordinacin de operaciones o actividades dentro de una organizacin. La naturaleza de la organizacin es esencialmente inmaterial y, de hecho, la Investigacin de Operaciones se ha aplicado en los negocios, la industria, la milicia, el gobierno, los hospitales, etc. As, la gama de aplicaciones es extraordinariamente amplia. Casi todas las organizaciones ms grandes del mundo (alrededor de una docena) y una buena proporcin de las industrias ms pequeas cuentan con grupos bien establecidos de Investigacin de Operaciones. Muchas industrias, incluyendo la area y de proyectiles, la automotriz, la de comunicaciones, computacin, energa elctrica, electrnica, alimenticia, metalrgica, minera, del papel, del petrleo y del transporte, han empleado la Investigacin de Operaciones. Las instituciones financieras, gubernamentales y de salud estn incluyendo cada vez ms estas tcnicas. ORGENES DE LA INVESTIGACIN DE OPERACIONES La toma de decisiones es un proceso que se inicia cuando una persona observa un problema y determina que es necesario resolverlo procediendo a definirlo, a formular un objetivo, reconocer las limitaciones o restricciones, a generar alternativas de solucin y evaluarlas hasta seleccionar la que le parece mejor, este proceso puede se cualitativo o cuantitativo. El enfoque cualitativo se basa en la experiencia y el juicio personal, las habilidades necesarias en este enfoque son inherentes en la persona y aumentan con la prctica. En muchas ocasiones este proceso basta para tomar buenas decisiones. El enfoque cuantitativo requiere habilidades que se obtienen del estudio de herramientas matemticas que le permitan a la persona mejorar su efectividad en la toma de decisiones. Este enfoque es til cuando no se tiene experiencia con problemas similares o cuando el problema es tan complejo o importante que requiere de un anlisis exhaustivo para tener mayor posibilidad de elegir la mejor solucin.

La investigacin de operaciones proporciona a los tomadores de decisiones bases cuantitativas para seleccionar las mejores decisiones y permite elevar su habilidad para hacer planes a futuro. En el ambiente socioeconmico actual altamente competitivo y complejo, los mtodos tradicionales de toma de decisiones se han vuelto inoperantes e inadmisibles ya que los responsables de dirigir las actividades de las empresas e instituciones se enfrentan a situaciones complicadas y cambiantes con rapidez que requieren de soluciones creativas y prcticas apoyadas en una base cuantitativa slida. En organizaciones grandes se hace necesario que el tomador de decisiones tenga un conocimiento bsico de las herramientas cuantitativas que utilizan los especialistas para poder trabajar en forma estrecha con ellos y ser receptivos a las soluciones y recomendaciones que se le presenten. En organizaciones pequeas puede darse que el tomador de decisiones domine las herramientas cuantitativas y l mismo las aplique para apoyarse en ellas y as tomar sus decisiones. Desde al advenimiento de la Revolucin Industrial, el mundo ha sido testigo de un crecimiento sin precedentes en el tamao y la complejidad de las organizaciones. Los pequeos talleres artesanales se convirtieron en las corporaciones actuales de miles de millones de pesos. Una parte integral de este cambio revolucionario fue el gran aumento en la divisin del trabajo y en la separacin de las responsabilidades administrativas en estas organizaciones. Los resultados han sido espectaculares. Sin embargo, junto con los beneficios, el aumento en el grado de especializacin creo nuevos problemas que ocurren hasta la fecha en muchas empresas. Uno de estos problemas es las tendencia de muchas de las componentes de una organizacin a convertirse en imperios relativamente autnomos, con sus propias metas y sistemas de valores, perdiendo con esto la visin de la forma en que encajan sus actividades y objetivos con los de toda la organizacin. Lo que es mejor para una componente, puede ir en detrimento de otra, de manera que pueden terminar trabajando con objetivos opuestos. Un problema relacionado con esto es que, conforme la complejidad y la especializacin crecen, se vuelve ms difcil asignar los recursos disponibles a las diferentes actividades de la manera ms eficaz para la organizacin como un todo. Este tipo de problemas, y la necesidad de encontrar la mejor forma de resolverlos, proporcionaron el ambiente adecuado para el surgimiento de la INVESTIGACIN DE OPERACIONES (IO).

Las races de la investigacin de operaciones se remontan a muchas dcadas, cuando se hicieron los primeros intentos para emplear el mtodo cientfico en la administracin de una empresa. Sin embargo, el inicio de la actividad llamada investigacin de operaciones, casi siempre se atribuye a los servicios militares prestados a principios de la segunda guerra mundial. Debido a los esfuerzos blicos, exista una necesidad urgente de asignar recursos escasos a las distintas operaciones militares y a las actividades dentro de cada operacin, en la forma ms efectiva. Por esto, las administraciones militares americana e inglesa hicieron un llamado a un gran nmero de cientficos para que aplicaran el mtodo cientfico a ste y a otros problemas estratgicos y tcticos. De hecho, se les pidi que hicieran investigacin sobre operaciones (militares). Estos equipos de cientficos fueron los primeros equipos de IO. Con el desarrollo de mtodos efectivos para el uso del nuevo radar, estos equipos contribuyeron al triunfo del combate areo ingls. Al terminar la guerra, el xito de la investigacin de operaciones en las actividades blicas gener un gran inters en sus aplicaciones fuera del campo militar. Como la explosin industrial segua su curso, los problemas causados por el aumento en la complejidad y especializacin dentro de las organizaciones pasaron de nuevo a primer plano. Comenz a ser evidente para un gran nmero de personas, incluyendo a los consultores industriales que haban trabajado con o para los equipos de IO durante la guerra, que estos problemas eran bsicamente los mismos que los enfrentados por la milicia, pero en un contexto diferente. Cuando comenz la dcada de 1950, estos individuos haban introducido el uso de la investigacin de operaciones en la industria, los negocios y el gobierno. Desde entonces, esta disciplina se ha desarrollado con rapidez. Se pueden identificar por lo menos otros dos factores que jugaron un papel importante en el desarrollo de la investigacin de operaciones durante este perodo. Uno es el gran progreso que ya se haba hecho en el mejoramiento de las tcnicas disponibles en esta rea. Despus de la guerra, muchos cientficos que haban participado en los equipos de IO o que tenan informacin sobre este trabajo, se encontraban motivados a buscar resultados sustanciales en este campo; de esto resultaron avances importantes. Un ejemplo sobresaliente es el mtodo simplex para resolver problemas de programacin lineal, desarrollado en 1947 por George Dantzing. Muchas de las herramientas caractersticas de la investigacin de operaciones, como programacin lineal, programacin dinmica, lneas de espera y teora de inventarios, fueron desarrolladas casi por completo antes del trmino de la dcada de 1950.

Un segundo factor que dio mpetu al desarrollo de este campo fue el advenimiento de la computadoras. Para manejar de una manera efectiva los complejos problemas inherentes a esta disciplina, por lo general se requiere un gran nmero de clculos. Llevarlos a cabo a mano puede resultar casi imposible. Por lo tanto, el desarrollo de la computadora electrnica digital, con su capacidad para realizar clculos aritmticos, miles o tal vez millones de veces ms rpido que los seres humanos, fue una gran ayuda para la investigacin de operaciones. Un avance ms tuvo lugar en la dcada de 1980 con el desarrollo de las computadoras personales cada vez ms rpidas, acompaado de buenos paquetes de software para resolver problemas de IO, esto puso las tcnicas al alcance de un gran nmero de personas. Hoy en da, literalmente millones de individuos tiene acceso a estos paquetes. En consecuencia, por rutina, se usa toda una gama e computadoras, desde las grandes hasta las porttiles, para resolver problemas de investigacin de operaciones. QU ES LA INVESTIGACIN DE OPERACIONES? Como toda disciplina en desarrollo, la investigacin de operaciones ha ido evolucionando no slo en sus tcnicas y aplicaciones sino en la forma como la conceptualizan los diferentes autores, en la actualidad no existe solamente una definicin sino muchas, algunas demasiado generales, otras demasiado engaosas, aqu seleccionamos dos de las mas aceptadas y representativas. LA DEFINICIN DE CHURCHMAN, ACKOFF Y ARNOFF: LA INVESTIGACIN DE OPERACIONES ES LA APLICACIN, POR GRUPOS INTERDISCIPLINARIOS, DEL MTODO CIENTFICO A PROBLEMAS RELACIONADOS CON EL CONTROL DE LAS ORGANIZACIONES O SISTEMAS (HOMBRE-MQUINA), A FIN DE QUE SE PRODUZCAN SOLUCIONES QUE MEJOR SIRVAN A LOS OBJETIVOS DE LA ORGANIZACIN.

De sta definicin se pueden destacar los siguientes conceptos: 1. Una organizacin es un sistema formado por componentes que se interaccionan, unas de estas interacciones pueden ser controladas y otras no. 2. En un sistema la informacin es una parte fundamental, ya que entre las componentes fluye informacin que ocasiona la interaccin entre ellas. Tambin dentro de la estructura de los sistemas se encuentran recursos que generan interacciones. Los objetivos de la organizacin se refieren a la eficacia y eficiencia con que las componentes pueden

controlarse, el control es un mecanismo de autocorreccin del sistema que permite evaluar los resultados en trminos de los objetivos establecidos. 3. La complejidad de los problemas que se presentan en las organizaciones ya no encajan en una sola disciplina del conocimiento, se han convertido en multidisciplinario por lo cual para su anlisis y solucin se requieren grupos compuestos por especialistas de diferentes reas del conocimiento que logran comunicarse con un lenguaje comn. 4. La investigacin de operaciones es la aplicacin de la metodologa cientfica a travs modelos matemticos, primero para representar al problema y luego para resolverlo. La definicin de la sociedad de investigacin de operaciones de la Gran Bretaa es la siguiente: La investigacin de operaciones es el ataque de la ciencia moderna a los complejos problemas que surgen en la direccin y en la administracin de grandes sistemas de hombres, mquinas, materiales y dinero, en la industria, en los negocios, en el gobierno y en la defensa. Su actitud diferencial consiste en desarrollar un modelo cientfico del sistema tal, que incorpore valoraciones de factores como el azar y el riesgo y mediante el cual se predigan y comparen los resultados de decisiones, estrategias o controles alternativos. Su propsito es el de ayudar a la gerencia a determinar cientficamente sus polticas y acciones. EN RELACIN A STA DEFINICIN DEBEN DESTACARSE LOS SIGUIENTES ASPECTOS: 1. Generalmente se asocian los conceptos de direccin y administracin a las empresas de tipo lucrativo, sin embargo, una empresa es un concepto ms amplio, es algo que utiliza hombres, mquinas, materiales y dinero con un propsito especfico; desde ste punto de vista, se considera como empresa desde una universidad hasta una armadora de automviles. 2. Para tratar de explicar el comportamiento de un sistema complejo, el cientfico debe representarlo en trminos de los conceptos que maneja, lo hace expresando todos los rasgos principales del sistema por medio de relaciones matemticas. A esta representacin formal se le llama modelo. 3. La esencia de un modelo es que debe ser predictivo, lo cual no significa predecir el futuro, pero si ser capaz de indicar muchas cosas acerca de la forma en que se puede esperar que un sistema opere en una variedad de circunstancias, lo que permite valorar su vulnerabilidad. Si se conocen las debilidades del sistema se pueden tomar cursos de

accin agrupados en tres categoras: A) Efectuar cambios que lleven a la empresa o parte de ella a una nueva ruta; B) Realizar un plan de toma de decisiones; C) Instalar estrategias que generen decisiones. Cuando se aplica alguno de estos remedios, la investigacin de operaciones nos ayuda a determinar la accin menos vulnerable ante un futuro incierto. 4. El objetivo global de la investigacin de operaciones es el de apoyar al tomador de decisiones, en cuanto ayudarlo a cumplir con su funcin basado en estudios cientficamente fundamentados.

ENFOQUE DE LA INVESTIGACIN DE OPERACIONES: la parte innovadora de la IO es sin duda alguna su enfoque modelstico, producto de sus creadores aunado a la presin de supervivencia de la guerra o la sinerga generada al combinarse diferentes disciplinas, una descripcin del enfoque es la siguiente. (Ver la figura 11). 1. Se define el sistema real en donde se presenta el problema. Dentro del sistema interactuan normalmente un gran numero de variables. 2. Se seleccionan las variables que norman la conducta o el estado actual del sistema, llamadas variables relevantes, con las cuales se define un sistema asumido del sistema real. 3. Se construye un modelo cuantitativo del sistema asumido, identificando y simplificando las relaciones entre las variables relevantes mediante las utilizacin de funciones matemticas. 4. Se obtiene la solucin al modelo cuantitativo mediante la aplicacin de una o mas de las tcnicas desarrolladas por la IO. 5. Se adapta e imprime la mxima realidad posible a la solucin terica del problema real obtenida en el punto 4, mediante la consideracin de factores cualitativos o no cuantificables, los cuales no pudieron incluirse en el modelo. Adems se ajusta los detalles finales va el juicio y la experiencia del tomador de decisiones. 6. Se implanta la solucin en el sistema real.

LA INVESTIGACIN DE OPERACIONES OBTIENE LA SOLUCIN DEL PROBLEMA REAL INDIRECTAMENTE, Y NO COMO NORMALMENTE SE INTENTARA PASANDO DIRECTAMENTE DEL PROBLEMA REAL A LA SOLUCIN REAL.

METODOLOGA DE LA INVESTIGACION DE OPERACIONES DEFINICIN DEL PROBLEMA Y RECOLECCIN DE DATOS La mayor parte de los problemas prcticos con los que se enfrenta el equipo IO estn descritos inicialmente de una manera vaga. Por consiguiente, la primera actividad que se debe realizar es el estudio del sistema relevante y el desarrollo de un resumen bien definido del problema que se va a analizar. Esto incluye determinar los objetivos apropiados, las restricciones sobre lo que se puede hacer, las interrelaciones del rea bajo estudio con otras reas de la organizacin, los diferentes cursos de accin posibles, los lmites de tiempo para tomar una decisin, etc. Este proceso de definir el problema es crucial ya que afectar en forma significativa la relevancia de las conclusiones del estudio. Es difcil extraer una respuesta "correcta" a partir de un problema "equivocado"! Por su naturaleza, la investigacin de operaciones se encarga del bienestar de toda la organizacin, no slo de algunos de sus componentes. Un estudio de IO busca soluciones ptimas globales y no soluciones subptimas aunque sean lo mejor para uno de los componente. Entonces, idealmente, los objetivos que se formulan debe coincidir con los de toda la organizacin. Sin embargo, esto no siempre es conveniente. Muchos problemas interesan nada ms a una parte de la organizacin, de manera que el anlisis sera innecesariamente besado si los objetivos fueran muy generales y si se prestara atencin especial a todos los efectos secundarios sobre el resto de la organizacin. En lugar de ello, los objetivos usados en un estudio deben ser tan especficos como sea posible, siempre y cuando contemplen las metas principales del tomador de decisiones y mantengan un nivel razonable de consistencia con los objetivos de los altos niveles. Las condiciones fundamentales para que exista un problema es que se establezca una diferencia entre lo que es (situacin actual) y lo que debe ser (situacin deseada u objetivo) y adems exista cuando menos una forma de eliminar o disminuir esa diferencia. Los componentes de un problema son: a) el tomador de decisiones o ejecutivo; b) los objetivos de la organizacin; c) el sistema o ambiente en el que se sita el problema; d) Los cursos de accin alternativos que se pueden tomar para resolverlo.

Para formular un problema se requiere; a) identificar las componentes y variables controlables y no controlables del sistema; b) identificar los posibles cursos de accin, determinados por las componentes controlables; c) definir el marco de referencia dado por las componentes no controlables; d) definir los objetivos que se busca alcanzar y clasificarlos por orden de importancia; e) identificar las interpelaciones importantes entre las diferentes partes del sistema y encontrar las restricciones que existen. FORMULACIN DE UN MODELO MATEMTICO Una vez definido el problema del tomador de decisiones, la siguiente etapa consiste en reformularlo de manera conveniente para su anlisis. La forma convencional en que la investigacin de operaciones realiza esto es construyendo un modelo matemtico que represente la esencia del problema. Antes de analizar como formular los modelos de este tipo, se explorar la naturaleza general de los modelos y, en particular, la de los modelos matemticos. El modelo matemtico est constituido por relaciones matemticas (ecuaciones y desigualdades) establecidas en trminos de variables, que representa la esencia el problema que se pretende solucionar. Para construir un modelo es necesario primero definir las variables en funcin de las cuales ser establecido. Luego, se procede a determinar matemticamente cada una de las dos partes que constituyen un modelo: a) la medida de efectividad que permite conocer el nivel de logro de los objetivos y generalmente es una funcin (ecuacin) llamada funcin objetivo; b) las limitantes del problema llamadas restricciones que son un conjunto de igualdades o desigualdades que constituyen las barreras y obstculos para la consecucin del objetivo. Un modelo siempre debe ser menos complejo que el problema real, es una aproximacin abstracta de la realidad con consideraciones y simplificaciones que hacen ms manejable el problema y permiten evaluar eficientemente las alternativas de solucin. Los modelos matemticos tienen muchas ventajas sobre una descripcin verbal del problema. Una ventaja obvia es que el modelo matemtico describe un problema en forma mucho ms concisa. Esto tiende a hacer que toda la estructura del problema sea ms comprensible y ayude a revelar las relaciones importantes entre causa y efecto. De esta manera, indica con ms claridad que datos adicionales son importantes para el anlisis. Tambin facilita simultneamente el manejo del problema en su totalidad y el estudio de todas sus interpelaciones. Por ltimo, un modelo matemtico forma un puente para poder emplear tcnicas matemticas y computadoras de alto poder, para analizar el problema. Sin

duda, existe una amplia disponibilidad de paquetes de software para muchos tipos de modelos matemticos, para micro y minicomputadoras. Por otro lado, existen obstculos que deben evitarse al usar modelos matemticos. Un modelo es, necesariamente, una idealizacin abstracta del problema, por lo que casi siempre se requieren aproximaciones y suposiciones de simplificacin si se quiere que el modelo sea manejable (susceptible de ser resuelto). Por lo tanto, debe tenerse cuidado de que el modelo sea siempre una representacin vlida del problema. El criterio apropiado para juzgar la validez de un modelo es el hecho de si predice o no con suficiente exactitud los efectos relativos de los diferentes cursos de accin, para poder tomar una decisin que tenga sentido. En consecuencia, no es necesario incluir detalles sin importancia o factores que tienen aproximadamente el mismo efecto sobre todas las opciones. Ni siquiera es necesario que la magnitud absoluta de la medida de efectividad sea aproximadamente correcta para las diferentes alternativas, siempre que sus valores relativos (es decir, las diferencias entre sus valores) sean bastante preciso. Entonces, todo lo que se requiere es que exista una alta correlacin entre la prediccin del modelo y lo que ocurre en la vida real. Para asegurar que este requisito se cumpla, es importante hacer un nmero considerable de pruebas del modelo y las modificaciones consecuentes. Aunque esta fase de pruebas se haya colocado despus en el orden del libro, gran parte del trabajo de validacin del modelo se lleva a cabo durante la etapa de construccin para que sirva de gua en la obtencin del modelo matemtico.

OBTENCIN DE UNA SOLUCIN A PARTIR DEL MODELO Resolver un modelo consiste en encontrar los valores de las variables dependientes, asociadas a las componentes controlables del sistema con el propsito de optimizar, si es posible, o cuando menos mejorar la eficiencia o la efectividad del sistema dentro del marco de referencia que fijan los objetivos y las restricciones del problema. La seleccin del mtodo de solucin depende de las caractersticas del modelo. Los procedimientos de solucin pueden ser clasificados en tres tipos: a) analticos, que utilizan procesos de deduccin matemtica; b) numricos, que son de carcter inductivo y funcionan en base a operaciones de prueba y error; c) simulacin, que utiliza mtodos que imitan o, emulan al sistema real, en base a un modelo.

Muchos de los procedimientos de solucin tienen la caracterstica de ser iterativos, es decir buscan la solucin en base a la repeticin de la misma regla analtica hasta llegar a ella, si la hay, o cuando menos a una aproximacin. PRUEBA DEL MODELO El desarrollo de un modelo matemtico grande es anlogo en algunos aspectos al desarrollo de un programa de computadora grande. Cuando se completa la primera versin, es inevitable que contenga muchas fallas. El programa debe probarse de manera exhaustiva para tratar de encontrar y corregir tantos problemas como sea posible. Eventualmente, despus de una larga serie de programas mejorados, el programador (o equipo de programacin) concluye que el actual da, en general, resultados razonablemente vlidos. Aunque sin duda quedarn algunas fallas ocultas en el programa (y quiz nunca se detecten, se habrn eliminado suficientes problemas importantes como para que sea confiable utilizarlo. De manera similar, es inevitable que la primera versin de un modelo matemtico grande tenga muchas fallas. Sin duda, algunos factores o interpelaciones relevantes no se incorporaron al modelo y algunos parmetros no se estimaron correctamente. Esto no se puede eludir dada la dificultad de la comunicacin y la compresin de todos los aspectos y sutilezas de un problema operacional complejo, as como la dificultad de recolectar datos confiables. Por lo tanto, antes de usar el modelo debe probarse exhaustivamente para intentar identificar y corregir todas las fallas que se pueda. Con el tiempo, despus de una larga serie de modelos mejorados, el equipo de IO concluye que el modelo actual produce resultados razonablemente vlidos. Aunque sin duda quedarn algunos problemas menores ocultos en el modelo (y quiz nunca se detecten), las fallas importantes se habrn eliminado de manera que ahora es confiable usar el modelo. Este proceso de prueba y mejoramiento de un modelo para incrementar su validez se conoce como validacin del modelo. Debido a que el equipo de IO puede pasar meses desarrollando todas las piezas detalladas del modelo, es sencillo "no ver el bosque por buscar los rboles". Entonces, despus de completar los detalles ("los rboles") de la versin inicial del modelo, una buena manera de comenzar las pruebas es observarlo en forma global ("el bosque") para verificar los errores u omisiones obvias. El grupo que hace esta revisin debe, de preferencia, incluir por lo menos a una persona que no haya participado en la formulacin. Al examinar de nuevo la formulacin del problema y comprarla con el modelo pueden descubrirse este tipo de

errores. Tambin es til asegurarse de que todas las expresiones matemticas sean consistentes en las dimensiones de las unidades que emplean. Adems, puede obtenerse un mejor conocimiento de la validez del modelo variando los valores de los parmetros de entrada y/o de las variables de decisin, y comprobando que los resultados del modelo se comporten de una manera factible. Con frecuencia, esto es especialmente revelador cuando se asignan a los parmetros o a las variables valores extremos cercanos a su mximo o a su mnimo. Un enfoque ms sistemtico para la prueba del modelo es emplear una prueba retrospectiva. Cuando es aplicable, esta prueba utiliza datos histricos y reconstruye el pasado para determinar si el modelo y la solucin resultante hubieran tenido un buen desempeo, de haberse usado. La comparacin de la efectividad de este desempeo hipottico con lo que en realidad ocurri, indica si el uso del modelo tiende a dar mejoras significativas sobre la prctica actual. Puede tambin indicar reas en las que el modelo tiene fallas y requiere modificaciones. Lo que es ms, el emplear las alternativas de solucin y estimar sus desempeos histricos hipotticos, se pueden reunir evidencias en cuanto a lo bien que el modelo predice los efectos relativos de los diferentes cursos de accin. Cuando se determina que el modelo y la solucin no son vlidos, es necesario iniciar nuevamente el proceso revisando cada una de las fases de la metodologa de la investigacin de operaciones. ESTABLECIMIENTO DE CONTROLES SOBRE LA SOLUCION Una solucin establecida como vlida para un problema, permanece como tal siempre y cuando las condiciones del problema tales como: las variables no controlables, los parmetros, las relaciones, etc., no cambien significativamente. Esta situacin se vuelve ms factible cuando algunos de los parmetros fueron estimados

aproximadamente. Por lo anterior, es necesario generar informacin adicional sobre el comportamiento de la solucin debido a cambios en los parmetros del modelo. usualmente esto se conoce como anlisis de sensibilidad. En pocas palabras, esta fase consiste en determinar los rangos de variacin de los parmetros dentro de los cuales no cambia la solucin del problema. IMPLANTACIN DE LA SOLUCIN El paso final se inicia con el proceso de "vender" los hallazgos que se hicieron a lo largo del proceso a los ejecutivos o tomadores de decisiones. Una vez superado ste obstculo, se debe traducir la solucin encontrada a instrucciones y operaciones comprensibles para los

individuos que intervienen en la operacin y administracin del sistema. La etapa de implantacin de una solucin se simplifica en gran medida cuando se ha propiciado la participacin de todos los involucrados en el problema en cada fase de la metodologa. Preparacin para la aplicacin del modelo Esta etapa es crtica, ya que es aqu, y slo aqu, donde se cosecharn los beneficios del estudio. Por lo tanto, es importante que el equipo de IO participe, tanto para asegurar que las soluciones del modelo se traduzcan con exactitud a un procedimiento operativo, como para corregir cualquier defecto en la solucin que salga a la luz en este momento. El xito de la puesta en prctica depende en gran parte del apoyo que proporcionen tanto la alta administracin como la gerencia operativa. Es ms probable que el equipo de IO obtenga este apoyo si ha mantenido a la administracin bien informada y ha fomentado la gua de la gerencia durante el estudio. La buena comunicacin ayuda a asegurar que el estudio logre lo que la administracin quiere y por lo tanto merezca llevarse a la prctica. Tambin proporciona a la administracin el sentimiento de que el estudio es suyo y esto facilita el apoyo para la implantacin. La etapa de implantacin incluye varios pasos. Primero, el equipo de investigacin de operaciones de una cuidadosa explicacin a la gerencia operativa sobre el nuevo sistema que se va a adoptar y su relacin con la realidad operativa. En seguida, estos dos grupos comparten la responsabilidad de desarrollar los procedimientos requeridos para poner este sistema en operacin. La gerencia operativa se encarga despus de dar una capacitacin detallada al personal que participa, y se inicia entonces el nuevo curso de accin. Si tiene xito, el nuevo sistema se podr emplear durante algunos aos. Con esto en mente, el equipo de IO supervisa la experiencia inicial con la accin tomada para identificar cualquier modificacin que tenga que hacerse en el futuro. A la culminacin del estudio, es apropiado que el equipo de investigacin de operaciones documento su metodologa con suficiente claridad y detalle para que el trabajo sea reproducible. Poder obtener una rplica debe ser parte del cdigo de tica profesional del investigador de operaciones. Esta condicin es crucial especialmente cuando se estudian polticas gubernamentales en controversia.

INTRODUCCIN A LA PROGRAMACIN LINEAL Muchas personas clasifican el desarrollo de la programacin lineal entre los avances cientficos ms importantes de mediados del siglo XX, su impacto desde 1950 ha sido

extraordinario. En la actualidad es una herramienta de uso normal que ha ahorrado miles o millones de pesos a muchas compaas o negocios, incluyendo empresas medianas en los distintos pases industrializados del mundo; su aplicacin a otros sectores de la sociedad se est ampliando con rapidez. Una proporcin muy grande de los clculos cientficos en computadoras est dedicada al uso de la programacin lineal. Cul es la naturaleza de esta notable herramienta y qu tipos de problemas puede manejar. Expresado brevemente, el tipo ms comn de aplicacin abarca el problema general de asignar recursos limitados entre actividades competitivas de la mejor manera posible (es decir, en forma ptima). Con ms precisin, este problema incluye elegir el nivel de ciertas actividades que compiten por recursos escasos necesarios para realizarlas. Despus, los niveles de actividad elegidos dictan la cantidad de cada recurso que consumir cada una de ellas. La variedad de situaciones a las que se puede aplicar esta descripcin es sin duda muy grande, y va desde la asignacin de instalaciones de produccin a los productos, hasta la asignacin de los recursos nacionales a las necesidades de un pas; desde la seleccin de una cartera de inversiones, hasta la seleccin de los patrones de envo; desde la planeacin agrcola, hasta el diseo de una terapia de radiacin, etc. No obstante, el ingrediente comn de todas estas situaciones es la necesidad de asignar recursos a las actividades eligiendo los niveles de las mismas. La programacin lineal utiliza un modelo matemtico para describir el problema. El adjetivo lineal significa que todas las funciones matemticas del modelo deber ser funciones lineales. En este caso, las palabra programacin no se refiere a programacin en computadoras; en esencia es un sinnimo de planeacin. As, la programacin lineal 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. Aunque la asignacin de recursos a las actividades es la aplicacin ms frecuente, la programacin lineal tiene muchas otras posibilidades. de hecho, cualquier problema cuyo modelo matemtico se ajuste al formato general del modelo de programacin lineal es un problema de programacin lineal. An ms, se dispone de un procedimiento de solucin extraordinariamente eficiente llamado mtodo simplex, para resolver estos problemas, incluso los de gran tamao. Estas son algunas causas del tremendo auge de la programacin lineal en las ltimas dcadas.

MODELO DE PROGRAMACIN LINEAL

Los trminos clave son recursos y actividades, en donde m denota el nmero de distintos tipos de recursos que se pueden usar y n denota el nmero de actividades bajo consideracin. Algunos ejemplos de recursos son dinero y tipos especiales de maquinaria, equipo, vehculos y personal. Los ejemplos de actividades incluyen inversin en proyectos especficos, publicidad en un medio determinado y el envo de bienes de cierta fuente a cierto destino. En cualquier aplicacin de programacin lineal, puede ser que todas las actividades sean de un tipo general (como cualquiera de los ejemplos), y entonces cada una correspondera en forma individual a las alternativas especficas dentro de esta categora general. El tipo ms usual de aplicacin de programacin lineal involucra la asignacin de recursos a ciertas actividades. La cantidad disponible de cada recurso est limitada, de forma que deben asignarse con todo cuidado. La determinacin de esta asignacin incluye elegir los niveles de las actividades que lograrn el mejor valor posible de la medida global de efectividad. Ciertos smbolos se usan de manera convencional para denotar las distintas componentes de un modelo de programacin lineal. Estos smbolos se enumeran a continuacin, junto con su interpretacin para el problema general de asignacin de recursos a actividades. Z = xj = cj = bi = aij = valor de la medida global de efectividad nivel de la actividad j (para j = 1,2,...,n) incremento en Z que resulta al aumentar una unidad en el nivel de la actividad j cantidad de recurso i disponible para asignar a las actividades (para i = 1,2,...,m) cantidad del recurso i consumido por cada unidad de la actividad j

El modelo establece el problema en trminos de tomar decisiones sobre los niveles de las actividades, por lo que x1,x2,....,xn se llaman variables de decisin. Los valores de cj, bi y aij (para i = 1,2,....,m y j = 1,2,....,n) son las constantes de entrada al modelo. Las cj, bi y aij tambin se conocen como parmetros del modelo. FORMA ESTNDAR DEL MODELO Ahora se puede formular al modelo matemtico para este problema general de asignacin de recursos a actividades. En Datos necesarios para un modelo de programacin lineal que maneja la asignacin de recursos a actividades particular, este modelo consiste en elegir valores de x1,x2,....,xn para:

optimizar (maximizar o minimizar) Z = c1x1 + c2x2 +....+ cnxn, sujeta a las restricciones: a11x1 + a12x2 +....+ a1nxn < b1 a21x1 + a22x2 +....+ a2nxn < b2 . . . am1x1 + am2x2 +....+ amnxn < bm

X1 0,

X2 0,

...,

Xn 0.

SUPOSICIONES DEL MODELO DE PROGRAMACIN LINEAL PROPORCIONALIDAD La contribucin de cada actividad al valor de la funcin objetivo Z es proporcional al nivel de actividad xj, como lo representa el trmino cjxj en la funcin objetivo. De manera similar, la contribucin de cada actividad al lado izquierdo de cada restriccin funcional es proporcional al nivel de la actividad xj, en la forma en que lo representa el trmino aijxj en la restriccin. En consecuencia, esta suposicin elimina cualquier exponente diferente a 1 para las variables en cualquier trmino de las funciones (ya sea la funcin objetivo o la funcin en el lado izquierdo de las restricciones funcionales) en un modelo de programacin lineal.

ACTIVIDAD Establece que la entrada y salida de un recurso en particular al conjunto de actividades, deben ser la misma cantidad; o sea, que las actividades transforman los recursos y no los crean o destruyen. Esta suposicin garantiza que la contribucin total tanto a la funcin objetivo como a las restricciones, es igual a la suma de las contribuciones individuales. Cuando en un problema dado no se tenga la aditividad puede recurrirse al empleo de otras tcnicas de la programacin matemtica, dependiendo de cada caso en particular.

ADITIVIDAD

Cada funcin en un modelo de programacin lineal (ya sea la funcin objetivo o el lado izquierdo de las restricciones funcionales) es la suma de las contribuciones individuales de las actividades respectivas.

DIVISIBILIDAD Las variables de decisin en un modelo de programacin lineal pueden tomar cualquier valor, incluyendo valores no enteros, que satisfagan las restricciones funcionales y de no negatividad. As, estas variables no estn restringidas a slo valores enteros. Como cada variable de decisin representa el nivel de alguna actividad, se supondr que las actividades se pueden realizar a niveles fraccinales.

LIMITACIONES DEL MODELO DE PROGRAMACIN LINEAL MODELO DETERMINSTICO El modelo de PL involucra nicamente tres tipos de parmetros: Cj, aij y bi; de ah su sencillez y gran aplicacin. Sin embargo, el valor de dichos parmetros debe ser conocido y constante. Cuando el valor de los parmetros tiene un cierto riesgo o incertidumbre, pude utilizarse la programacin paramdica, la programacin estocstica, o realizarse un anlisis de sensibilidad.

MODELO ESTTICO En algunos modelos matemticos se han empleado con xito las ecuaciones diferenciales, para inducir la variable tiempo en ellos. En este sentido, puede decidirse que la PL utiliza un modelo esttico, ya que la variable tiempo no se involucra formalmente. Adquiriendo un poco de experiencia en la formulacin de modelos de PL, puede imbuirse la temporabilidad mencionada, con el uso de subndices en las variables.

MODELO QUE NO SUBOPTIMIZA Debido a la forma que se plantea el modelo de PL, o encuentra la solucin ptima o declara que sta no existe. Cuando no es posible obtener una solucin ptima y se debe obtener alguna, se recurre a otra tcnica ms avanzada que la PL, la cual se denomina programacin lineal por metas.

IMPACTO DE LA INVESTIGACIN DE OPERACIONES La investigacin de operaciones ha tenido un impacto impresionante en el mejoramiento de la eficiencia de numerosas organizaciones en todo el mundo. En el proceso, la investigacin de operaciones ha hecho contribuciones significativas al incremento de la productividad dentro de la economa de varios pases. Hay ahora ms de 30 pases que son miembros de la International Federation of Operational Research Societies (IFORS), en la que cada pas cuenta con una sociedad de investigacin de operaciones. Sin duda, el impacto de la investigacin de operaciones continuar aumentando. Por ejemplo, al inicio de la dcada de los 90, el U.S. Bureau of Labor Statistics predijo que la IO sera el rea profesional clasificada como la tercera de ms rpido crecimiento para los estudiantes universitarios en Estados Unidos, graduados entre 1990 y 2005. Pronostic tambin que, para el ao 2005, habra 100 000 personas trabajando como analistas de investigacin de operaciones.

RIESGO AL APLICAR LA INVESTIGACIN DE OPERACIONES Al aplicar la I de O al estudio de sistemas y a la resolucin de problemas se corre el riesgo de tratar de manipular los problemas para buscar que se ajusten a las diferentes tcnicas, modelos de algoritmos establecidos en lugar de analizar los problemas y buscar resolverlos obteniendo las soluciones mejores, utilizando los mtodos apropiados, es decir resolver el problema utilizando los mtodos que proporcionan las mejoras soluciones y no buscar ajustar el problema a un mtodo especfico. Para llegar a hacer un uso apropiado de la I de O, es necesario primero comprender la metodologa para resolver los problemas, as como los fundamentos de las tcnicas de solucin para de esta forma saber cundo utilizarlas o no en las diferentes circunstancias.

LIMITACIONES DE LA INVESTIGACIN DE OPERACIONES 1. Frecuentemente es necesario hacer simplificaciones del problema original para poder manipularlo y detener una solucin. 2. La mayora de los modelos slo considera un solo objetivo y frecuentemente en las organizaciones se tienen objetivos mltiples. 3. Existe la tendencia a no considerar la totalidad de las restricciones en un problema prctico, debido a que los mtodos de enseanza y entrenamiento dan la aplicacin de

esta ciencia centralmente se basan en problemas pequeos para razones de ndole prctico, por lo que se desarrolla en los alumnos una opinin muy simplista e ingenua sobre la aplicacin de estas tcnicas a problemas reales. 4. Casi nunca se realizan anlisis costo-beneficio de la implantacin de soluciones definidas por medio de la I de O, en ocasiones los beneficios potenciales se van superados por los costos ocasionados por el desarrollo e implantacin de un modelo.

Problema # 1 Un granjero tiene 100 acres en los cuales puede sembrar dos cultivos. Dispone de $3000 a fin de cubrir el costo del sembrado. El granjero puede confiar en un total de 1350 hrs.hombre destinadas a la recoleccin de los dos cultivos y en el cuadro se muestra los siguientes datos por acre:

Cultivos Primero Segundo

Costo de Plantar $20 $40

Demanda hrs.-hombre 5hrs. 20hrs

Utilidad $100 $300

Solucin: X1 = La cantidad de produccin del Primer cultivo en acres X2 = La cantidad de produccin del Segundo cultivo en acre Max z = 100x1 + 300x2. (1) (el programa de produccin siempre debe elegirse de modo que maximice la utilidad total). Sujeto a: X1 +x2 < 100.. (2) esta ecuacin se debe a que solo tiene 100 acres para los cultivos. 5x1 + 20x2 < 1350. (3) 20x1 + 40x2 < 3000. (4) lo que queda planteado Condicin de no negatividad: X1 + x2 > 0

Problema # 2 Una compaa produce dos productos, Ay B. Cada unidad de A requiere 2 hrs. en cada maquina y 5 hrs. En una segunda maquina. Cada unidad de B demanda 4hrs. En la primera maquina y 3 hrs. En la segunda maquina. Se dispone de 100 hrs. A la semana en la primera maquina y de 110 hrs. En la segunda maquina. Si la compaa obtiene una utilidad de $70 por cada unidad de A y $50 por cada unidad de B Cunto deber de producirse de cada unidad con objeto de maximizar la utilidad total?

Producto

hrs. Maquina1 2 4

hrs. Maquina 2 5 3

Utilidad

A B

$70 kilo $50 kilo

Solucin: Qu es lo que vamos a maximizar? X1 = la cantidad de produccin de A en unidades X2 = Cantidad de produccin de B en unidades Max Z = 70x1 + 50x2.. (1) Sujeto a: 2x1 + 4x2 < 100.. (2) 5x1 + 3x2 < 110. (3) lo que queda planteado Condicin de no negatividad: X1 + x2 > 0

Problema # 3 La Publicidad en el peridico tiene un costo de $ 500 por anuncio y la publicidad por TV tiene un costo de $2.000 por comercial. La meta de la AHC es obtener el menos de una presentacin como mnimo al 36% de las familias de ingresos altos y al 60% de las familias de ingresos medios minimizando los costos en publicidad.

PROBLEMA: Asumiendo que una persona que esta considerado ambos medios, el anuncio y el comercial como una exposicin doble (una exposicin mayor que el 100% es posible), construir un modelo de programacin lineal para AHC. Solucin.

Pas 1.- Variables de Decisin de la AHC. Sea Xn = numero de anuncios en el peridica Xt = nmeros de anuncios comerciales TV. Pas 2.- Funcin objetivo de la AHC. Escoger Xn y Xt de tal manera que minimicen los costos totales en la publicidad = Minimizar Z=$500 X + $2.000 Xt Paso 3.- Las restricciones o las metas de la AHC. (3%) Xn + (2%) Xt 36 % (Familias de ingresos Altos) (6%) Xn + (3%) Xt 60 % (Familias de Ingresos Medios) Paso 4.- Xn 0 Xt 0. EL MODELO DE LA AHC Escoger Xn y Xt de tal manera que minimice Z= $500 Xn + $2.000 Xt Sujeto a las siguientes restricciones sobre Xn y Xt 3Xn + 2Xt 36 6Xn + 3Xt 60 Xn 0 Xt 0

Problema # 4 Pregunta. Un plan de publicidad de Xn = 6 anuncios y Xt = 6 comerciales les podr satisfacer las metas de la AHC? Un Nutricionista asesora a un individuo que sufre una deficiencia de hierro y vitamina B, y le indica que debe de ingerir al menos 2400 mg de vitamina B-1 (tiamina) y 1500 mg de Vitamina B-2 (Riboflavina) durante cierto periodo de tiempo. Existen 2 Pldoras de Vitaminas disponibles, la marca A y la marca B, cada pldora de la marca A contiene 40 mg de hierro. 10 mg de vitamina B-1, 5 mg de vitamina B-2 y cuesta 6 centavos. Cada pldora de la marca B contiene 10 mg de hierro, 15 mg de vitamina B-1 y de Vitamina B-2 y cuesta 8 Centavos. Cuales Combinaciones de pldoras debe comprar el paciente para cubrir sus requerimientos de hierro y vitamina al menor costo? Marca A 40 mg 10 mg 5 mg Marca B 10 mg 15 mg 15 Mg Requerimientos Mnimos 2400 mg 2100 mg 1500 mg

Hierro Vitamina B-1 Vitamina B-2

Min Z= 6X + 8X2

S.a 40 X1 + 10X2 2400 10X1 + 15X2 2100 5X1 + 15X2 1500 CNN X1, x2, 0

Problema #5

Vamos a considerar el problema de la FTM del Ejemplo: 8.1.1 para determinar cuantas unidades de cada comedor fabricar para vender. La FTM produce los tipos de comedor americanos Virginia (V), Massachussets (M). La FTM logra una utilidad (= precio netos de veta-costo variables de fabricacin) de $200 y $240 de las venta de un comedor virginia y uno massachuset, respectivamente. La FTM ha experimentado una alta demanda de ambos comedores. En consecuencia, el gerente general cree que puede vender todos los comedores que produzca. Los comedores requieren tiempo0 de proceso en construccin y de Pintura (P). Los requerimientos y capacidades de produccin diarios esta en la tabla 8.1 Recursos Requeridos para producir 1 unidad Tiempo de Construccin C (Horas) Tiempo de pintura P (Horas) Unidad Unitaria Producto Massachussets M 12 4 $240 Recursos Disponibles (Capacidad) 120 64

Virginia V 6 8 $200

Entonces, para determinar la mejor u optima combinacin de comedores V y M que se debe producir diariamente, la FTM tiene que asignar sus capacidades limitadas (recursos escasos) de departamentos C y P del mismo que pueda lograr su objetivo. Resultado. Se escoge los niveles de Produccin Xv y Xm tal que Maximizar Z = 200 Xv + 240 Xm (Funcin Objetivo) 6Xv + 12 Xm 120 (tiempo de C) 8Xv + 4Xm 64 (Tiempo de P) Xv 0 Xm 0

Problema #6 Un frutero necesita 16 cajas de naranjas, 5 de pltanos y 20 de manzanas. Dos mayoristas pueden suministrarle para satisfacer sus necesidades, pero solo venden la fruta en contenedores completos. El mayorista A enva en cada contenedor 8 cajas de naranjas, 1 de pltanos y 2 de manzanas. El mayorista B enva en cada contenedor 2 cajas de naranjas, 1 de pltanos y 7 de manzanas. Sabiendo que el mayorista A se encuentra a 150 Km de distancia el; Mayorista B a 30 Km, calcular cuantos contenedores habr de comprar cada mayorista, con el objeto de ahorrar tiempo y dinero, reduciendo al mnimo la distancia de lo solicitado. Funcin Objetivo (Minimizar) Matematizacion del Problema. Mayorista A 8 1 2 150 Km Mayorista B 2 1 7 300 Km Necesidades Mnimas 16 Cajas 5 Cajas 20 Cajas

Naranjas Pltanos Manzanas Distancias

VARIABLES INSTRUMENTALES Llamamos X al numero de contenedores del Mayorista A Llamamos y al numero de contenedores del Mayorista B Restricciones 8x + 2Y 16 X+Y5 2X + 7Y 20 X,Y 0

Problema # 7 Una compaa tiene dos minas A produce diariamente 1 tonelada de carbn de antacita de alta calidad 2 toneladas de carbn de calidad media y 4 toneladas de carbn de baja calidad; la mina B produce 2 toneladas de cada de las tres clases. La compaa necesita 70 toneladas de carbn de alta calidad, 130 de calidad media y 150 de baja calidad los gastos diarios de la mina A ascienden a 150 dlares y los de la mina B a 200 dlares Cuantos das deber trabajar en cada mina para que la funcin de sea mnima? Funcin Objetivo (Minimizar) F(X) = 150X + 200y Matematizacion Problemtica Mina A Alta Media Baja Coste Diario 1 2 4 150$ Mina B 2 2 2 200$ Necesidades Mnimas 70 130 150

Variables instrumentales Llamamos X al nmero de das trabajados en la mina A Llamamos y al numero de das trabajados en la mina B Restricciones X + Y 70 2X + 2Y 130 4X + 2Y 150 X,Y 0

Problema # 8 Las Texas Electronic Inc. Esta estudiando la posibilidad de agregar nuevos mini computadores a su lnea con el fin de incrementar utilidades. Tres nuevos computadores han sido diseados y evaluados. Cada uno requera una inversin de $300,00. El computador 1 tiene un valor esperado en las ventas de 50,000 unidades por ao, con cada contribucin en las utilidades de $20 por unidad. Los computadores 2 y 3 tienen un valor esperado de ventas de 300,000 y 100,000unidades respectivamente, con contribuciones en la utilidad de $5 y $10. La TEI ha asignado 800 horas mensuales de tiempo de planta tcnica para estos nuevos productos. Los computadores 1,2,3 requieren 1,0,2 y 0,5 horas tcnicas por unidad respectivamente. El sistema de empaque y despachos deban usados actualmente por la compaa. Este sistema puede empacar y despachar como mximo 25,000cajas de mini computadores 1,1 y 3. El computador 1 es empacado por 21 cajas, computadores 2 y 3 son empacados, cada uno, 4 computadores por caja. Formule un modelo de programacin lineal para determinar las decisiones que aporten la mxima unidad de la TEI. F.O Max. Z

Variables

X1= Computadora 1 X2 = Computadora 2 X3 = Computadora 3

Horas Tecnicas Registradas a 800 hrs. X1 = 1 hrs X2 = 0.2 hrs X3 = 0.5 hrs Limitantes Empaque y despacho Restringido a 25,00 cajas X1 = 1 caja X2 = 4 Pcs en 1 caja X2 = 4 PCS EN 1 Caja FO Maximizar Utilidades 20X1 + 5X2 10X3 300,000 S.a 1X1 + 0.2 X2 + 0.5 X3 800 hrs 1X1 + 1X2 + 1X3 25,000 cajas CNN X1, X2, X3, 0

Problema # 9

La compaa de seguros Primos esta en proceso de introducir dos nuevas lineas de produccin. Seguro de riesgo especial e hipotecas. Las ganancias esperadas es de $5.00 por el seguro de riesgo especial y $20 por unidad de hipoteca. La administracin desea establecer las cuotas de venta de las nuevas lineas para maximizar la ganancia total esperada. Los requerimientos de trabajo son los siguientes. Horas hombre por unidad Depto. Suscripciones Administracin Reclamaciones 2 Riesgo Especial 3 0 2 Hipotecas 2 1 0 Horas hombre disponible 2400 800 1200

Resumen Variables X1 = Seguro de riesgo esperado X2 = Hipotecas

F.O Restricciones Suscripciones 3X1 + 2X2 2400 Admn... 0X1 + 1X2 800 Reclamaciones 2X1 + 0x2 1200 CNN. X1 , X2 0

Problema # 10 Un Fabricante esta tratando de decidir sobre las cantidades de produccin para dos artculos; mesas sillas. Se cuenta con 96 unidades de material y con 72 horas de mano de obra. Cada mesa requiere 12 unidades de material y 6 horas de mano de obra. Por otra parte, las sillas usan 6 unidades de material cada una y requieren 12 horas de mano de obra por silla. El margen de contribucin es el mismo para las sillas $5.00 por unidad. El fabricante prometi construir por lo menos 2 mesas.

Maximizar Z = 5X1 + 5X2 En donde X1 es el nmero de mesas producidas X2 = numero de sillas producidas La primera restriccin es, entonces 12X1 + 8X2 96 6X1 + 12X2 72 Existe una limitacin ms. El fabricante prometi producir por lo menos dos mesas. Esto puede expresarse como: X1 2 Por ultimo, las restricciones de no negatividad son: X1 0, X2 0 Poniendo todo junto el modelo se tiene: Maximizar Z= 5X1 + 5X2 Restricciones 12x1 + 8x2 96 6X1 + 12X2 72 X1 2 CNN. X1,X2 0

Problema # 11 Una empresa papelera recibe un pedido de rollos de papel de la misma calidad y espesor para los siguientes anchos. 500 rollos de 30 in, 450 rollos de 45 in y 150 rollos de 56 in. En las bodegas de la empresa solo se tiene en existencia en esta calidad de papel en ancho de 108 in, por lo que se piensa deben someterse a un proceso de corte longitudinal si se desea cumplir la demanda de este pedido. Formular un modelo de programacin lineal correspondiente a este problema.

Funcin Objetivo. Min Z= 18X1 + 3X2 + 22X3 + 18X4 + 7X5 Variables. X1, X2, X3,X4, X5 = Numero de cortes necesarios para cumplir el pedido con un mnimo de desperdicio de papel. Restricciones: 3X1 + 2X2 + 3X3 X2 + X4 + X5 2X3 + x5 500 Rollos de 30 450 Rollos de 45 150 Rollos de 56

Las unidades.

Para restricciones

Para Funcin Objetivo

Condicin de no negatividad. X1,x2,x3,x4,x5 0

Problema # 12 Una Compaa produce 2 productos A y B. cada uno de los cuales requiere tiempo en tres maquinas, como se indica a continuacin. Producto A B Hrs. Maquina 1 2 5 Hrs. Maquina 2 4 1 Hrs. Maquina 3 3 2 Utilidad $250 Kg. $300 Kg.

Si el numero de horas disponibles en cada maquina al mes de 200 en la maquina uno, 240 en la maquina dos, 190 en la maquina tres. Determine cuantas unidades de cada producto deben producirse a fin de maximizar la utilidad. X1 = Productos A (Unidades) X2 = Productos B (Unidades) F.O Max. Z= 250 X1 + 300 X2 Restricciones 2X1 + 5X2 200 4X1 + 1X2 240 3X1 + 2X2 190 CNN. X1,X2 >= 0

Problema # 13 Una Compaa produce dos tipos de productos A y B. Cada unidad de A requiere de 2 horas en la primera maquina y 5 horas en la segunda maquina, cada unidad de B demanda 4 horas a la semana en la primera maquina y 110 horas en la segunda maquina. Si la compaa obtiene una utilidad de $70 por cada unidad de A y $50 por cada unidad de B, Cuanto deber de producirse de cada unidad con el objetivo de maximizar la utilidad total? X1 = Producto A (unidades) X2 = Producto B (unidades) F.O Max. Z + 70 x1 + 50x2 Restricciones 2X1 + 4x2 100 5x1 + 3x2 110 Cnn X1, x2 0

Problema # 14 Una compaa destiladora tiene dos grados de gisqui en bruto (sin Mezclar) I y II, de los cales produce dos marcas diferentes. La marca regular contiene un 50% de cada uno de los grados I y II. Mientas que la marca sper consta de dos terceras partes del grado I y una tercera parte de grado II. La compaa dispone de 3000 galones de grado I y 2000 galones del grado II para mezclar. Cada galn de la marca regular produce una utilidad de $5 mientras que cada galn del sper produce una utilidad de $6. Cuantos galones de cada marca debera producir la compaa a fin de maximizar sus utilidades?.

X1 = ala cantidad de gisqui de la marca regular en galones X2 = a la cantidad de gisqui de la marca sper en galones

F.o Max. Z = 5x1 + 6x2 Restricciones 1500 X1+ 1000x2 3000 2250x1 + 500x2 2000 CNN. X1,x2 0

Problema # 15 Un joyero fabrica 2 tipos de anillos: los anillos A1 precisan 1g de oro y 5g de plata vendindose a $40 cada uno. Para los anillos de tipo a2 emplea 1.5g de oro y 1gr de plata y los vende a $50. El joyero dispone en su taller de 750gr de cada metal. Calcula cuantos anillos deben fabricar de cada clase para obtener el mximo beneficio? F.O X1 = Anillos A1 MAX Z = 40x1 + 50x2 variables X2 = anillos A2

S.a 1x1 + 1.5 x2 750 5x1 + 1x2 750 Restricciones

Material de ORO X1= 1gr X2 = 1.5 gr. Marerial de Plata X1 = 5gr X2 = 1gr

CNN. X1, x2 0 F.O Utilidades X1 = $40 X2 = $50

Problema # 16 En una empresa se fabrican dos productos, cada producto debe pasar por una maquina de ensamble A y otra de terminado B, antes de salir a la venta, el producto 1 se vende a $ 60 y el producto 2 a $ 50 por unidad. La siguiente tabla muestra el tiempo requerido por cada producto.

Producto 1 2 Total Disponible

Maquina A 2H 4H 48H

Maquina B 3H 2H 36 H

Sea X1 y X2 la cantidad de productos a producir de A y B

F.O Max z = 60 X1 + 50 X2 Sujeto a 2 Restricciones Maquina A: 2 X1 + 4 X2 48 Maquina B: 3 X1 + 2 X2 36 CNN. X1, X2 0

Problema # 17 Una compaa fabrica 2 tipos de celulares diferentes, para fabricarlos ser utilizan 30 gr. de un producto A y 15 gr. de un producto B para el primer tipo. Para el segundo Tipo se utilizan 13 gr. del producto A y 23 gr. del producto B. la ganancia del primer celular es de $100 pesos y del segundo tipo de celular es de $75 pesos si cuanta con: 300 gr. del Producto A 250 gr. del Producto B Cuantas cantidades de cada tipo de celular debe producir la compaa para maximizar sus ganancias? F.O Max Z = 100 X1 + 75 X2 S.A 30 X1 + 13 X2 300 15 X1 + 23 X2 250 Variables X1=Primer tipo de Celulares X2= Segundo tipo de celulares

CNN. X1, X2 0

Problema #18 Un Fabricante de palillos de dientes produce dos clases de palillos, redondos, rectangulares, los departamentos de produccin tambin son dos el de corte y el de empaque, el primero puede procesar 350 cajas de palillos redondos o 626 de palillos rectangulares por hora los dos, el departamento de empaque puede procesar 600 cajas de palillos redondos y 300 cajas de palillos rectangulares. La contribucin de costo para la caja de palillos redondos es de $0.030 y pare la de rectangulares es de $0.040 y $0.045 respectivamente. Articulos o Productos (VARIABLES) Redondo = X1 Rectangulares = X2

Corte Restricciones

350 c/hr (redondo) 625 c/hr (Rectangulares)

Empaque

600 c/hr (Redondo) 300 c/hr (Rectangulares)

Costos

$0.30 / Unidad $0.35/Unidad

Utilidad

$0.40 / Pieza $0.45/Pieza

Producto Redondo Rectangular Totales

Corte 350 c/hr 625 c/hr 975

Empaque 600 c/hr 300 c/hr 900

Costos 0.30/ unidad 0.35/unidad

Utilidad 0.40/pza 0.45/pza

Funcion Objetivo (F.O) Min Z= X1 X2 MAZ Z = X1 X2 Min Z = 0.30 X1 + 0.35 X2 (Costo) Max Z = 0.40 X1 + 0.45 X2 (Utilidad)

Restricciones S.A Corte 1.350 X1 + 625 X2 = 975 Empaque 2.600 X1 + 300 X2 = 900 CNN. X1, X2 0

Problema # 19 Un avin de carga tiene 3 compartimientos para almacenar: delantero, central y trasero estos compartimentos tienen un limite tanto de peso como de espacio. Compartimiento Delantero Central Trasero Cap. De peso (Toneladas) 12 18 10 Cap. De espacio (Pies Cubicos) 7000 9000 5000

Para mantener el avin balanceado, es el peso de la carga de los respectivos compartimientos debe ser proporcional a su capacidad se encuentra con oferta para los siguientes envos para un vuelo prximo ya que se cuenta con espacio disponible.

Carga 1 2 3 4

Peso (Toneladas) 20 16 25 13

Volumen (Pies Cubicos) 500 700 1000 400

Ganancias (Toneladas) 320 400 360 290

F.O Max 350X1 + 400X2 + 360X3 + 290 X4 SA. 20X1 + 16X2 + 25X3 + 13X4 12(d) 20X1 + 16x2 + 25X3 + 13X4 18 (c) 20X1 + 16x2 + 25X3 + 13X4 10 (t) 500X1 + 70X2 + 600X3 + 400X4 7,000 500X1 + 70X2 + 600X3 + 400X4 9,000 500X1 + 70X2 + 600X3 + 400X4 5,000

CNN. X1, X2, X3, X4

Problema # 20 La compaa gillette produce hojas para rasurar actualmente produce 2 tipos de hojas de rasurar de acero inoxidable y la de aluminio. La 1ra requiere para ser producida 8 unidades de acero al carbn t 2 unidades de aleaciones de cido por cada 100 hojas mientras que la de aluminio requiere de 4 unidades de acero al carbn y 6 unidades de aleacin de cido para cada 100 hojas. Como resultado de un reciente estu8dio la compaa tiene un inventario de 24 mil unidades de acero al carbn y 10mi unidades de aleacin de cido, los cuales estn disponibles para la produccin de los 2 tipos de hojas que reportan en orden respectivo y por cada 100 hojas dicha compaa tiene una ganancia de 1 peso y 1.5 de utilidad respectivamente los cuales desea incrementar.

F.O = Max Por que desea incrementar sus ganancias. X1 , x2 2 departamentos: 24 mil de acero al carbn 10 mil de aleacin de cido F.O Max Z = 1X1 + 1.5 X2 Sa. 8X1 + 4X2 24000 2X1 + 6x2 10000 CNN. X1, X2, 0

Problema # 21 La compaa ESPECIES INDIAN C.A tiene un stock limitado de dos hierbas que se utilizan en la produccin de aderezos ESPECIES INDIAN C.A usa los dos ingredientes HB1 y HB2, para producir ya sea curry o pimentn. El departamento de mercadotecnia informa que aunque la empresa puede vender todo el pimentn que puede producir, solo vender hasta un mximo de 1500 botellas de curry6. Las hierbas no utilizadas se pueden vender a $375 la onza de HB1 y a $167 la onza de HB2. Utilizando el mtodo grfico, determine el consumo de especias que maximice el ingreso de la empresa.

Ingredientes (Onzas / Bot) Aderezo Curry Pimentn Disponibilidad (Onzas) HB1 5 2 10000 HB2 3 3 8500

Demanda (Botellas) 1500 Ilimitada

Precio de Venta por Botella ($) 2750 1300

F.O Maximizar Z= 2750 X1 + 1300 X2 Sa. 5X1 + 3X2 2X1 + 3X2 X1 X2 1500 1 100000 8500

CNN. X1, X2,

Problema # 22 En una fbrica de Carros se construyen 2 tipos de autos, El Z y el GT-R, el primero utiliza 6 cilindros mientras que el segundo 10, tambin el primero utiliza 2 frenos y el segundo 4. Pero en cuanto a vlvulas el; primero ocupa 24 mientras que el segundo 16. Si el primer auto se vende en $25,000 y el segundo en $38,000 como podemos sacar una utilidad mxima si consideramos que el almacn tiene solo 75 cilindros, 45 frenos y 160 vlvulas. Solucin F.O Max Z = 25,000 X1 + 38,000 X2 Sa. 6X1 + 10X2 75 2X1 + 4X2 45 24X1 + 16X2 160

CNN. X1, X2,

Problema # 23 La Compaa X Y Z produce juguetes, los osos bobby y teddy. Cada uno de estos productos debe ser procesado en 2 maquinas diferentes. Una maquina tiene 12 hrs. de capacidad disponibles y la otra 8. Cada Boddy producido necesita 2 hrs. De tiempo en cada maquina. Cada teddy producido requiere 3hrs, de tiempo en la primera maquina y 1hrs. En la segunda maquina. La ganancia incrementa es de $ 6.00 por cada boddy y de $7.00 por cada teddy vendidos y la firma puede vender tantas unidades de cada producto como fabricante. El problema es determinar cuantas unidades de boddy y teddy deben producirse.

F.o Max Z = ? F.O Max Z = 6x1 + 7x2

Variables: X1 Boddy X2 Teddy

Restricciones Maquina 1 disponible 12 hrs. 2X1 + 3X1 Maquina 2 disponible 12 hrs. 2X1 + 1X1 F.O Utilidades X1 = $6.00 X2 = $7.00

S.A 2X1 + 3X2 12 hrs. 2X1 + 1X2 8 hrs. CNN. X1, X2, 0

Problema # 24 Una Compaa textil tiene una planta de produccin de fibras sintticas y en la lnea de produccin procesa 2 clases de fibras: La F1 y la F2 la produccin en el departamento de hilanderia requiere de 20 y 40 hrs. p/cada mil lb., este departamento cuenta con una disponibilidad de 2000 hrs. Al mes. En el departamento de estiramiento requiere de 60 y 80 hrs. Para cada 1000 lb. De F1 y F2 respectivamente, este departamento tiene disponibilidad de 4800 hrs. Al mes y el departamento de corte requiere de 100 y 60 hrs. Para sacar mil libras de dichas fibras contando con una disponibilidad de 6000 hrs. Mensualmente las ventas limitan las ventas de produccin de F1 a un mximo de 23000 lb. Al mes. Cunto deber de producirse de cada fibra en el fin de maximizar utilidades sabiendo que las contribuciones de las fibras F1 y F2 son 100 y 150 para cada mil Fibras respectivamente?

F.O Maximizar 100X1 + 150 X2

Variables X1 = F1 (Fibra uno) X2 = F2 (Fibra dos) Sa. 20X1 + 40X2 2000 hrs. 60X1 + 80X2 4800 hrs. 100X1 + 60X2 6000 hrs. X1 + X2 2300 lb.

CNN. X1, X2,

Problema # 25

La fabrica ACE tiene la opcin de producir dos productos en periodos de actividad holgada. Para la prxima semana la produccin se ha programado para que la maquina que muele este libre 20hrs. Y la mano de obra calificada tenga 16hrs. De tiempo disponible. El producto 1 requiere 8hrs. De tiempo maquina y 4hrs. De mano de obra calificada. El producto 1 Contribuye $7dlls. Por unidad a las utilidades y el producto 2 contribuye con $5dlls. Variables Maquina P1 8hrs 4hrs Mano de obra P2 4Hrs 4hrs Restricciones 20 hrs. 16 hrs. F.O. $7 dlls. $5 dlls.

F.O. Mx. Z = 7x1+5x2 s.a 8x1+4x2<20 4x1+4x1<16 CNN x1, x2

Mtodos por el cual se puede resolver: -Grafico -Simplex

Problema # 26 La main snowmobil company fabrica dos clases de maquinas, cada una requiere de una tcnica diferente de fabricacin. La maquina de lujo requiere de 18hrs. De mano de obra, 9 horas de prueba y produce una utilidad de $400 dlls. La maquina estndar requiere de 3 hrs. De mano de obra, 4 hrs. de prueba y produce una utilidad de $200 dlls. Se dispone de 800 hrs. Para mano de obra y 600 hrs. Para prueba cada mes. Se ha pronosticado que la demanda mensual para el modelo de lujo no es mas de 50 y de la maquina estndar no es mas de 150. La gerencia desea saber el numero de maquinas de cada modelo, que deber producirse para maximizar la utilidad total.

Variables X1 18hrs. 9hrs X2 3hrs 4hrs

Restricciones 800 hrs. Mano de obra 600 hrs. De prueba F.O. $400 dlls. $200 dlls. F.O Max Z= 400x1+200x2 18x1+3x2 < 800 9x1+4x2 < 600 CNN x1+x2 >0 Mtodos por el cual se puede resolver: -Grafico -Simplex S.a

Problema # 27 Un joyero fabrica dos tipos de anillos: los anillos A1 precisan 1gramo de oro y 5 de plata vendindolos a $40 dlls. Cada uno. Para los anillos A2 emplea 1.5 gramos de oro y 1 gramo de plata y los vende a $50 dlls. El joyero dispone en su taller de 750 gramos de cada metal. Calcular cuantos anillos debe fabricar de cada clase para obtener el mximo beneficio? Variables A1 1 gramo de oro 5 gramo de plata 1.5 gramos de oro 1 gramo de plata

A2

Restricciones 750 gramos c/metal F.O. $40 dlls. $50 dlls

F.O Max Z = 40x1+50x2 S.a CNN x1+1.5x2 < 750 5x1+x2 < 750 x1+x2 > 0

Mtodos por el cual se puede resolver: -Grafico -Simplex

Problema # 28 Una empresa, especializada en la fabricacin de mobiliario para casas de muecas, produce cierto tipo de mesas y sillas que vende a 2000 pst. Y 3000 pst. Por unidad respectivamente. Desea saber cuantas unidades de cada artculo debe fabricar diariamente un operario para maximizar los ingresos tenindose las siguientes restricciones: -El nmero total de unidades de los dos tipos no podr exceder de 4 por da y operario. -Cada mesa requiere 2 hrs. Para su fabricacin; cada silla 3 hrs. La jornada laboral mxima es de 10 hrs. -El material utilizado en cada mesa cuesta 400 pst. El utilizado en cada silla cuesta 200 pst. Cada operario dispone de 1200 pst. Diarias para material.

Variables X1 2 hrs. mesas 400 pst x2 3 hrs. sillas 200 pst. Restricciones 4 unidades por da 10 hrs. Mximo de trabajo 1200 pst. F.O. 2000 pst. P/unidad 3000 pst. P/unidad

F.O Max Z = 2000x1+3000x2 S.a 2x1+3x2 < 10 400x1+200x2 < 1200 X1+X2 < 0 x1, x2 > 0

CNN

Mtodos por el cual se puede resolver: -Simplex -Grafico

Problema # 29 La compaa IBM produce 2 tipos de impresoras de lujo y la comn la primera tiene un precio de $100 dlls. Y la comn a un precio de $120 dll Para ello se cuenta con una capacidad de produccin limitada ya que la primera impresora necesita de 3hrs. De mano de obra directa y 4hrs. Para el acabado, y la segunda maquina requiere de 6hrs. De mano de obra directa y 2hrs. De acabado. Cuantas impresoras y de que tipo hay que producir para maximizar las utilidades, IBM cuenta con 60hrs. De mano de obra y 32hrs. De acabado. Funcin Objetivo X1 X2 $100dlls. Por maquina $120dlls. Por maquina

Variables X1 3hrs. Mano de obra 4hrs. Acabado fino x2 6hrs. Mano de obra 2hrs. Acabado fino

Restricciones 60hrs. Mano de obra 32hrs. Acabado fino

F.O Max Z = 100x1+120x2 S.a 3x1+6x2 < 60 4x1+2x2 < 32 Cnn x1+x2 > 0

Mtodos por el cual se puede resolver: -Grafico -Simplex

Problema # 30 La compaa Word Light produce 2 dispositivos para lmparas (producto 1 y 2), que requieren partes de metal y componentes elctricos. La administracin desea determinar cuantas unidades de cada producto fabricar para maximizar las ganancias. -Por cada unidad del producto 1 se requieren 1 unidad de parte de metal y 2 unidades de componentes elctricos. -Por cada unidad del producto 2 necesitan 3 unidades de partes de metal y 2 unidades de componentes elctricos. La compaa tiene 200 unidades de partes de metal y 300 de componentes elctricos. Cada unidad del producto 1 da una ganancia de $1 peso, y cada unidad del producto, hasta 60 unidades da una ganancia de $2 pesos. Cualquier exceso de 60 unidades del producto 2 no tiene ganancia, por lo que fabricar mas de 60 esta fuera de consideracin.

P1

Variables 1 unidad de metal 2 unidades de elctricos 3 unidades de metal 2 unidades elctricas

P2

Restricciones 200 unidades metal 300 elctricas

Funcin objetivo $1 peso $2 pesos F.O Max Z = x1+x2 s.a x1+3x2 < 200 2x1+ 2x2 < 300 60x2 > 0 Cnn x1+x2 > 0

Problema #31 Un empresario tiene la opcin de invertir en dos planes: el plan A garantiza que cada dlar invertido ganara $0.70 un ao despus, y el plan B garantiza que cada dlar invertido ganara $2 a los 2 aos. En el plan A se pueden hacer periodos mltiplos de 2 aos, Cmo deba de invertir $100000 el empresario para maximizar las ganancias al final de 3 aos?

Ganancia $.70 dlls $ 2 dlls Plan A 1 ao

Plan B 2 aos

F.O Max Z = .70x1+2x2 s.a X1 > 1 X2 < 2 X1+X2 < 100000 cnn X1+X2 > 0

Problema # 32 Una compaa vende dos mezclas diferentes de nueces. La mezcla ms barata contiene un 80% de cacahuates y un 20 % de nueces, mientras que la ms cara contiene 50% de cada tipo. Cada semana la compaa obtiene 1800 kilos de cacahuate y 1200 kilos de nueces de sus fuentes de suministros. Cuantos kilos de cada mezcla debera producir a fin de maximizar las utilidades si las ganancias son de $10 por cada kilo de la mezcla ms barata y de $ 15 por cada kilo de la mezcla ms cara?

Variables X1 80% cacahuates 20% nuez X2 50% cacahuates 50% nuez Restricciones 1800 k cacahuate 1200 k nuez Funcin Objetivo $ 10 $ 15 F.O Max Z = 10x1+15x2 S.a 80x1+50x2 < 1800 20x1+50x2 < 1200 Cnn x1+x2 > 0

Problema # 33 Ahorros S.A. desea invertir una suma que genere un rendimiento mnimo de $10,000. Dispone de dos grupos accionarios: acciones selectas y acciones de alta tecnologa, con un rendimiento anual promedio de 10% y 25%, respectivamente. Aunque las acciones de alta tecnologa, con un rendimiento anual promedio de 10% y 25%, respectivamente. Aunque las acciones de alta tecnologa dan ms rendimiento, son ms arriesgadas, y ahorros desea limitar la cantidad invertida en ellas a un mximo de 60% del total. Cul es la cantidad mnimo que debe invertir Ahorros en cada grupo de acciones para alcanzar la meta de la inversin.