Este documento presenta dos ejemplos resueltos gráficamente de modelos de programación lineal. En el primer ejemplo, se busca maximizar los beneficios de una fábrica que fabrica dos tipos de tejido sujetos a restricciones en los insumos disponibles. La solución óptima es de 555.55 metros del primer tejido y 2166.67 metros del segundo. En el segundo ejemplo, una empresa busca maximizar las ventas de dos bebidas sujetas a restricciones en la demanda mínima y relación entre productos. La
0 calificaciones0% encontró este documento útil (0 votos)
193 vistas11 páginas
Este documento presenta dos ejemplos resueltos gráficamente de modelos de programación lineal. En el primer ejemplo, se busca maximizar los beneficios de una fábrica que fabrica dos tipos de tejido sujetos a restricciones en los insumos disponibles. La solución óptima es de 555.55 metros del primer tejido y 2166.67 metros del segundo. En el segundo ejemplo, una empresa busca maximizar las ventas de dos bebidas sujetas a restricciones en la demanda mínima y relación entre productos. La
Este documento presenta dos ejemplos resueltos gráficamente de modelos de programación lineal. En el primer ejemplo, se busca maximizar los beneficios de una fábrica que fabrica dos tipos de tejido sujetos a restricciones en los insumos disponibles. La solución óptima es de 555.55 metros del primer tejido y 2166.67 metros del segundo. En el segundo ejemplo, una empresa busca maximizar las ventas de dos bebidas sujetas a restricciones en la demanda mínima y relación entre productos. La
Este documento presenta dos ejemplos resueltos gráficamente de modelos de programación lineal. En el primer ejemplo, se busca maximizar los beneficios de una fábrica que fabrica dos tipos de tejido sujetos a restricciones en los insumos disponibles. La solución óptima es de 555.55 metros del primer tejido y 2166.67 metros del segundo. En el segundo ejemplo, una empresa busca maximizar las ventas de dos bebidas sujetas a restricciones en la demanda mínima y relación entre productos. La
Descargue como PDF, TXT o lea en línea desde Scribd
Descargar como pdf o txt
Está en la página 1/ 11
Universidad de San Carlos de Guatemala
Facultad de Ingeniera Escuela de Mecnica Industrial INVESTIGACIN DE OPERACIONES I Aux. Alejandra Castaeda
PRCTICA 2 Solucin grfica de modelos de programacin lineal
OBJETIVOS:
GENERAL
Desarrollar en el estudiante un criterio propio basado en el anlisis y solucin grafica
en modelos de programacin lineal
ESPECIFICOS
Conocer el mtodo de solucin grfica para modelos de programacin lineal.
Aprender a resolver un problema por medio de programacin lineal. Identificar los elementos bsicos de un modelo matemtico de programacin lineal
TEORIA:
MTODO GRFICO
El mtodo grfico es un procedimiento de solucin de problemas de programacin lineal muy
limitado en cuanto al nmero de variables (2 si es un grfico 2D y 3 si es 3D) pero muy rico en materia de interpretacin de resultados e incluso anlisis de sensibilidad. Este consiste en representar cada una de las restricciones y encontrar en la medida de lo posible el polgono (poliedro) factible, comnmente llamado el conjunto solucin o regin factible, en el cual por razones trigonomtricas en uno de sus vrtices se encuentra la mejor respuesta (solucin ptima). Los problemas de programacin lineal (pl) que slo tengan dos variables de decisin pueden resolverse grficamente, ya que, como se ha visto en los Antecedentes, una ecuacin de dos variables corresponde a una recta en el plano y una desigualdad de dos variables corresponde a una regin en el plano. La representacin grfica de los problemas de pl ofrece un medio muy efectivo para entender los distintos casos que se pueden presentar en este tipo de problemas. Aunque la mayora de los problemas de inters prctico tienen ms variables y por lo tanto no es posible su representacin en R2, al entender el significado de algunos conceptos bsicos de manera grfica, posteriormente se pueden generalizar para n dimensiones. Ms adelante se utilizar tambin la representacin geomtrica para introducir el concepto de sensibilidad o anlisis de pos-optimalidad. Para los problemas con tres o ms variables de decisin se estudiar el mtodo Simplex; actualmente existen varias herramientas computacionales para resolver estos problemas, ya que los casos reales suelen tener decenas o centenas de variables y de restricciones. En el presente libro se presentar como herramienta de resolucin la utilera Solver de la hoja de clculo Excel. El mtodo grfico consiste en encontrar en primer lugar todos los puntos que son solucin del conjunto de restricciones; el conjunto de puntos solucin se llama regin factible. Posteriormente hay que determinar, de todas las posibles soluciones, cul o cules de ellas optimizan la funcin objetivo (fo).
EJEMPLO 1
La fbrica de Hilados y Tejidos "SALAZAR" requiere fabricar dos tejidos de calidad diferente T y T; se dispone de 500 Kg de hilo a, 300 Kg de hilo b y 108 Kg de hilo c. Para obtener un metro de T diariamente se necesitan 125 gr de a, 150 gr de b y 72 gr de c; para producir un metro de T por da se necesitan 200 gr de a, 100 gr de b y 27 gr de c.
El T se vende a $4000 el metro y el T se vende a $5000 el metro. Si se debe obtener el mximo
beneficio, cuntos metros de T y T se deben fabricar?
VARIABLES
XT: Cantidad de metros diarios de tejido tipo T a fabricar
XT: Cantidad de metros diarios de tejido tipo T a fabricar
RESTRICCIONES
0,12XT + 0,2XT 500 Hilo a
0,15XT + 0,1XT 300 Hilo b 0,072XT + 0,027XT 108 Hilo c
Las restricciones de no negatividad no son necesarias en este ejemplo dado que se trata de un ejercicio de maximizacin, cuando el ejercicio sea de minimizacin lo ms recomendado es incluirlas.
FUNCIN OBJETIVO
ZMAX = 4000XT + 5000XT
LA SOLUCIN MEDIANTE MTODO GRFICO
PASO 1: GRAFICAR LAS RESTRICCIONES
Para iniciar con el trazado de las restricciones es indispensable igualar las restricciones a 0, de esta manera podemos mediante despeje de ecuaciones iniciar con la tabulacin que nos otorgar las coordenadas para esbozar cada una de las grficas. Adems, dado que se trabajar en el plano cartesiano sera prudente renombrar las variables XT = x XT' = y
Igualamos las restricciones,
0,12X + 0,2y = 500
0,15X + 0,1y = 300 0,072X + 0,027y = 108
Acto seguido iniciamos con la primera restriccin, hallamos las primeras dos coordenadas. Para hallar las coordenadas regularmente llevamos una de las variables a cero, para de esta manera despejar ms fcilmente la segunda.
Por ejemplo, para un x = 0
0,12(0) + 0,2y = 500
0,2y = 500 500/0,2 = y 2500 = y
y para un y = 0
0,12x + 0,2(0) = 500
0,12x = 500 x = 500/0,12 x = 4167 Seguimos con la segunda restriccin, 0,15X + 0,1y = 300
Tercera restriccin, 0,072X + 0,027y = 108 En el siguiente grfico se muestra el polgono solucin de color gris, en este conjunto es donde cada coordenada cumple con todas las restricciones, las cuales se caracterizan por ser restricciones de menor o igual y esta caracterstica se representa con una flecha haca abajo. Una vez se llega a este punto es indispensable saber que las soluciones ptimas se alojan en los vrtices del polgono solucin (color gris) y que identificar a la solucin ptima es cuestin de elegir la mejor alternativa dependiendo de las herramientas disponibles (tecnolgicas y conocimientos matemticos). La primera opcin es la geomtrica, esta depende de trazar la ecuacin que representa a la funcin objetivo (este paso consiste en realizar el mismo procedimiento de las restricciones).
Funcin objetivo, ZMAX = 4000x + 5000y Luego igualamos a 0. 4000x + 5000y = 0 luego tabulamos para obtener las coordenadas necesarias para esbozar la grfica correspondientes a la ecuacin (en esta ocasin es recomendable ms de dos coordenadas, incluyendo la coordenada (x = 0, y = 0).
Claramente solo en el punto "B", es decir en el vrtice formado por la interseccin de las ecuaciones 1 y 2, es el punto que corresponde a la coordenada ptima. Para hallar el valor de esta coordenada es indispensable recurrir a la resolucin de ecuaciones lineales 2x2, y se pueden considerar varios mtodos de solucin entre ellos: - Mtodo por sustitucin - Mtodo por igualacin - Mtodo por reduccin o Eliminacin - Mtodo por eliminacin Gauss - Mtodo por eliminacin Gauss - Jordn - Mtodo por determinantes
El mtodo por reduccin o eliminacin consiste en igualar los coeficientes de una de las variables multiplicando una o las dos ecuaciones, teniendo en cuenta que estos coeficientes queden iguales, pero con signos contrarios.
Ecuacin 1 0,12x + 0,2y = 500
Ecuacin 2 0,15x + 0,1y = 300 multiplicamos por (-2) Ecuacin 3 (2*(-2)) -0,30x - 0,2y = -600 Sumamos 1 y 3 -0,18x = -100 Despejamos "x" x = -100 / (-0,18) x = 555,55
luego reemplazamos x = 555,55 en cualquiera de las dos ecuaciones originales con el objetivo de despejar "y".
Ecuacin 1 0.12x + 0.2y = 500
Reemplazamos "x" 0.12(555.55) + 0.2y = 500 Despejamos "y" 66.666 + 0.2y = 500 0.2y = 500 66.666 0,2y = 433,334 y = 433,334 / 0,2 y = 2166,67
De esta forma hemos obtenido los valores para "x" y "y".
Recordemos que x y y fueron los nombres que recibieron las variables originales XT y XT' x = XT y = XT' XT = 555,55 XT' = 2166,67 y la contribucin obtenida (reemplazando las variables en la funcin objetivo) es de:
La compaa comercializadora de bebidas energticas "CILANTRO SALVAJE" se encuentra
promocionando dos nuevas bebidas, la tipa A y la tipo B, dado que se encuentran en promocin se puede asegurar el cubrimiento de cualquier cantidad de demanda, sin embargo existen 2 polticas que la empresa debe tener en cuenta. Una de ellas es que la cantidad de bebidas tipo A que se vendan no puede ser menor que las de tipo B, y la segunda es que se deben de vender por lo menos 1500 bebidas de cualquier tipo. Dado que se encuentran en promocin el precio de venta de ambas bebidas equivale a $1800 pesos. Determine la cantidad de unidades que deben venderse.
Variables
X = Cantidad de bebidas tipo A a vender
Y = Cantidad de bebidas tipo B a vender
Restricciones
X => Y X + Y => 1500
Funcin Objetivo
Zmax = 1800X + 1800Y
La grfica resultante sera:
En este ejercicio las variables pueden aumentar mejorando indefinidamente la funcin objetivo, en estos casos se dice que la solucin ptima no es acotada, por lo cual las posibles soluciones son infinitas. HOJA DE TRABAJO 2
1. Una compaa de auditores se especializa en preparar liquidaciones y auditoras de
empresas pequeas. Tienen inters en saber cuntas auditoras y liquidaciones pueden realizar mensualmente para maximizar sus ingresos. Se dispone de 800 horas de trabajo directo y 320 horas para revisin. Una auditora en promedio requiere de 40 horas de trabajo directo y 10 horas de revisin, adems aporta un ingreso de 300 dls. Una liquidacin de impuesto requiere de 8 horas de trabajo directo y de 5 horas de revisin, produce un ingreso de 100 dls. El mximo de liquidaciones mensuales disponibles es de 60.
2. Un departamento de publicidad tiene que planear para el prximo mes una estrategia de publicidad para el lanzamiento de una lnea de T.V. a color tiene a consideracin 2 medios de difusin: La televisin y el peridico. Los estudios de mercado han mostrado que: La publicidad por T.V. Llega al 2 % de las familias de ingresos altos y al 3 % de las familias de ingresos medios por comercial. La publicidad en el peridico llega al 3 % de las familias de ingresos altos y al 6 % de las familias de ingresos medios por anuncio. La publicidad en peridico tiene un costo de 500 dls. por anuncio y la publicidad por T.V. tiene un costo de 2000 dls. por comercial. La meta es obtener al menos una presentacin como mnimo al 36 % de las familias de ingresos altos y al 60 % de las familias de ingresos medios minimizando los costos de publicidad.
3. Un expendio de carnes acostumbra preparar carne para hamburguesa con una
combinacin de carne molida de res y carne molida de cerdo. La carne de res contiene 80% de carne y 20% de grasa y le cuesta a la tienda 80 centavos por libra. La carne de cerdo contiene 68% de carne y 32% de grasa y cuesta 60 centavos por libra. Qu cantidad de cada tipo de carne debe emplear la tienda por cada libra de carne para hamburguesa si desea minimizar el costo y mantener el contenido de grasa no mayor de 25%?
4.Un comprador est tratando de seleccionar la combinacin ms barata de dos alimentos,
que debe cumplir con ciertas necesidades diarias de vitaminas. Los requerimientos vitamnicos son por lo menos 40 unidades de vitamina W, 50 unidades de vitamina X y 49 unidades de vitamina Y. Cada onza del alimento A proporciona 4 unidades de vitamina W, 10 unidades de vitamina X y 7 unidades de vitamina Y; cada onza del alimento B proporciona 10 unidades de W, 5 unidades de X y 7 unidades de Y. El alimento A cuesta 5 pesos/kilogramo y el alimento B cuesta 8 pesos/kilogramo.
MECNICA DE LA DISCUSIN:
En equipos de trabajo (los mismos formados en la Prctica) analizar, discutir y
proponer soluciones al problema que se le presenta. Nombrar en cada equipo de trabajo un portavoz que enumere las conclusiones de cada grupo para que se expongan en forma general a todos los integrantes del Curso de Investigacin de operaciones 1 Se premiar la participacin de cada equipo de trabajo en la discusin del caso. Este control lo llevar el Moderador de la mecnica de discusin. Se presentar un INFORME con los resultados obtenidos y las propuestas y recomendaciones respectivas que apoyen la discusin del caso. El equipo de trabajo que no haya tenido participacin en la discusin, no se le recibir el Informe y, por lo tanto, no tendr la puntuacin respectiva.
MARCO PRCTICO 2
BIBLIOGRAFIA
Crilly, Tony (2011). 50 cosas que hay que saber sobre matemticas. Ed. Ariel. ISBN 978-987-1496-09-9. Khachiyan, L. (1979). A polynomial algorithm in linear programming 20. Soviet Math. Doklady. Loomba, N.P. Linear Programming: An introductory analysis. McGraw-Hill, New York, 1964 Universidad Peruana Unin - Biblioteca Central - libro nmero 0.001245/f12 Programacin lineal.
