SlideShare una empresa de Scribd logo
1 de 18
Descargar para leer sin conexión
INVESTIGACION OPERATIVA
TALLER 1 TAREA 1
DORYS VILLAROEL M.
OCTOVO - CONTABILIDAD Y AUDITORIA
TUTOR: ING. PAULO TORRES
RESOLVER LOS EJERCICIOS APLICANDO ELMETODO SIMPLEX PARA MAXIMIZAR, DETALLAR CA
DE LAS FASES DEL PROBLEMA:
Se producxe 3 productos "A,B,C" a travéz de 3 operaciones diferentes, los tiempos requeridos
minutos por unidades de cada producto son:
Operación 1: un producto A, dos productos B y un producto C
operación 2: tres productos A, dos productos C
Operación 3: un producto A y cuatro productos B
La capaciadad diaria de las operaciones son de 430, 460 y 420 minutos respectivamente. El pro
deja una utilidad de 3 usd, B de 2 usd y C de 5 usd
EJERCICIO:
MAXIMIZAR Z= 3X1 + 2X2 +5X3
sujeto a: X1+2X2+X3≤ 430
3X1+ 2X3≤ 460
X1+4X2 ≤ 420
X1≥0 , X2≥0, X3≥0
1) CONVERTIR LAS DESIGUALDADES A IGUALDADES
X1+2X2+X3+S1 = 430
3X1+ 2X3+S2 = 460
X1+4X2 + S3 = 420
2) IGUALAR LA FUNCION OBJETIVO SIMPLEX
- 3X1 - 2X2 -5X3 + Z = 0
3) ESCRIBA LA TABLA INICIAL SIMPLEX
TABLA 1
X1 X2 X3 S1 S2
S1 1 2 1 1 0
VARIABLE DE DECISION VARIABLE DE HOLGURABASE
S2 3 0 2 0 1
S3 1 4 0 0 0
Z -3 -2 -5 0 0
4) ENCONTRAR LA VARIABLE DE DECISION QUE ESTRA EN LA BASE Y LA VARIABLE DE HOLGURA
QUE SALE DE LA BASE.
Variable de decisión
En este caso el, la variable X3 de coeficiente -5
Variable de holgura
430/1 = 430
460/2 = 230
420/0 = 0
En la intersección de la fila pivote y columna pivote tenemos el elemento pivote operacional, 2
5) ENCONTRAR LOS COEFICIENTES DE LA NUEVA TABLA
3/2 = 3/2
0/2 = 0
2/2 = 1
0/2 = 0
1/2 = 1/2
0/2 = 0
460/2 = 230
TABLA 2
X1 X2 X3 S1 S2
r -1/2 2 0 1 -1/2
m 3/2 0 1 0 1/2
l 1 4 0 0 0
Z 9/2 -2 0 0 5/2
Vieja filade X1 1 2 1 1
- - - -
coeficiente 1 1 1 1
nueva fila pivote 3/2 0 1 0
BASE VARIABLE DE DECISION VARIABLE DE HOLGURA
FILA PIVOTE
nueva fila = -1/2 2 0 1
Vieja filade X3 1 4 0 0
- - - -
coeficiente 0 0 0 0
nueva fila pivote 3/2 0 1 0
nueva fila = 1 4 0 0
Vieja filade Z -3 -2 -5 0
- - - -
coeficiente -5 -5 -5 -5
nueva fila pivote 3/2 0 1 0
nueva fila = 9/2 -2 0 0
como los elementos de la última fila hay un negativo, -2, significa que no hemos llegado a la solución óptima.
SEGUIMOS EL MISMO PROCESO
4) ENCONTRAR LA VARIABLE DE DECISION QUE ESTRA EN LA BASE Y LA VARIABLE DE HOLGURA
QUE SALE DE LA BASE.
Variable de decisión
En este caso el, la variable X2 de coeficiente -2
Variable de holgura
200/2 = 100
230/0 = 0
420/4= 105
En la intersección de la fila pivote y columna pivote tenemos el elemento pivote operacional, 2
5) ENCONTRAR LOS COEFICIENTES DE LA NUEVA TABLA
- ⅟2 /2 = - 1/4
2/2 = 1
0/2 = 0
1/2 = 1/2
- ⅟2 /2 = -1/4
0/2 = 0
200/2 = 100
TABLA 3
FILA PIVOTE
X1 X2 X3 S1 S2
b - 1/4 1 0 1/2 - 1/4
h 3/2 0 1 0 1/2
w 2 0 0 -2 1
z 4 0 0 1 2
vieja fila m 3/2 0 1 0
- - - -
coeficiente 0 0 0 0
fila pivote - 1/4 1 0 1/2
nueva fila = 3/2 0 1 0
vieja fila l 1 4 0 0
- - - -
coeficiente 4 4 4 4
fila pivote - 1/4 1 0 1/2
nueva fila = 2 0 0 -2
vieja fila Z 9/2 -2 0 0
- - - -
coeficiente -2 -2 -2 -2
fila pivote - 1/4 1 0 1/2
nueva fila 4 0 0 1
COMO TODOS LOS COEFICIENTES DE LA FILA DE LA FUNCION OBJETIVO SON POSITIVOS, HEMOS LLEGADO A LA
SOLUCIÓN ÓPTIMA.
ASI LA SOLUCIÓN ÓPTIMA VIENE DADA POR EL VALOR DE Z EN LA COLUMNA DE LOS VALORES SOLUCIÓN,
EN NUESTRO CASO ES 1350
EJERCICIO N° 2
Una empresa puede fabricar con determinada máquina trabajando 45 horas semanales 3 productos
diferentes A, B, C
El artículo A deja un beneficio neto de 4 USD, elB 12 usd y el C de 3 USD. La producción por horas de
la maquina es para cada uno de los tres productos de 50 , 25 y 75 respectivamente. Por último las ventas
posibles para los tres productos hacienden a un máximo de 1000 und de A, 500 und de B y 1500 und de C.
Como se deberá repartir la producción de manera que se maximice los beneficios.
BASE VARIABLE DE DECISION VARIABLE DE HOLGURA
Maximizar Z = 4a + 12b +3c
sujeto a: 50a ≤ 1000
25b ≤ 500
75c ≤ 1500
a≥0, b≥0, c≥0
1) CONVERTIR LAS DESIGUALDADES EN IGUALDADES
50a + y1 = 1000
25b + y2 = 500
75c + y3 = 1500
2)IGULAMOS LA FUNCION OBJETIVO A CERO
- 4a - 12b -3c + Z = 0
3) ESCRIBA LA TABLA INICIAL SIMPLEX
TABLA 1
a b c y1 y2
y1 50 0 0 1 0
y2 0 25 0 0 1
y3 0 0 75 0 0
Z -4 -12 -3 0 0
4) ENCONTRAR LA VARIABLE DE DECISION QUE ESTRA EN LA BASE Y LA VARIABLE DE HOLGURA
QUE SALE DE LA BASE.
Variable de decisión
En este caso el, la variable c de coeficiente -12
Variable de holgura
1000/0 = 0
500/25 = 20
1500/0 = 0
BASE VARIABLE DE DECISION VARIABLE DE HOLGURA
En la intersección de la fila pivote y columna pivote tenemos el elemento pivote operacional, 25
5) ENCONTRAR LOS COEFICIENTES DE LA NUEVA TABLA
0/25 = 0
25/25 = 1
0/25 = 0
0/25 = 0
1/25 = 1/25
0/25 = 0
500/25 = 20
TABLA 2
a b c y1 y2
y1 50 0 0 1 0
y2 0 1 0 0 1/25
y3 0 0 75 0 0
Z -4 0 -3 0 12/25
LA VARIABLE DE DECISION ES LA a de -4
1000 / 50 = 20
20 / 0 = 0
1500/ 0 = 0
valores para la nueva tabla
50/50 = 1
0 / 50 = 0
0 / 50 = 0
1 / 50 = 1/50
0 / 50 = 0
0 / 50 = 0
1000/50 = 20
TABLA 3
FILA PIVOTE
BASE VARIABLE DE DECISION VARIABLE DE HOLGURA
BASE VARIABLE DE DECISION VARIABLE DE HOLGURA
a b c y1 y2
y1 1 0 0 1/50 0
y2 0 1 0 0 1/25
y3 0 0 75 0 0
Z 0 0 -3 2/25 12/25
variable de decisión b de -3
20/0 = 0
20/0 = 0
1500/75 20
valores para la nueva tabla
0/ 75 = 0
0/75 = 0
75/ 75 = 1
0/ 75 = 0
0/75 = 0
0/25 = 0
1 500/75 = 20
TABLA 4
a b c y1 y2
y1 1 0 0 1/50 0
y2 0 1 0 0 1/25
y3 0 0 1 0 0
Z 0 0 0 2/25 12/25
COMO TODOS LOS COEFICIENTES DE LA FILA DE LA FUNCION OBJETIVO SON POSITIVOS, HEMOS LLEGADO
A LA SOLUCIÓN ÓPTIMA.
ASI LA SOLUCIÓN ÓPTIMA VIENE DADA POR EL VALOR DE Z EN LA COLUMNA DE LOS VALORES SOLUCIÓN,
EN NUESTRO CASO ES 380
Z= 4a 12b 3c
380 = 4(20)= 80 12(20)=240 3(20)=60
380 = 380
BASE VARIABLE DE DECISION VARIABLE DE HOLGURA
BASE VARIABLE DE DECISION VARIABLE DE HOLGURA
RATIVA
AUDITORIA
ARA MAXIMIZAR, DETALLAR CADA UNA
rentes, los tiempos requeridos en
minutos respectivamente. El producto A
S3
0 430
LE DE HOLGURA
VALORES
SOLUCION
0 460
1 420
0 0
RIABLE DE HOLGURA
pivote operacional, 2
S3
0 200
0 230
1 420
0 1150
0 0 430
- - -
1 1 1
1/2 0 230
LE DE HOLGURA
VALORES
SOLUCION
-1/2 0 200
0 1 420
- - -
0 0 0
1/2 0 230
0 1 420
0 0 0
- - -
-5 -5 -5
1/2 0 230
5/2 0 1150
emos llegado a la solución óptima.
RIABLE DE HOLGURA
pivote operacional, 2
S3
0 100
0 230
1 20
0 1350
1/2 0 230
- - -
0 0 0
- 1/4 0 100
1/2 0 230
0 1 420
- - -
4 4 4
- 1/4 0 100
1 1 20
5/2 0 1150
- - -
-2 -2 -2
- 1/4 0 100
2 0 1350
N POSITIVOS, HEMOS LLEGADO A LA
NA DE LOS VALORES SOLUCIÓN,
as semanales 3 productos
a producción por horas de
vamente. Por último las ventas
, 500 und de B y 1500 und de C.
LE DE HOLGURA
VALORES
SOLUCION
y3
0 1000
0 500
1 1500
0 0
RIABLE DE HOLGURA
LE DE HOLGURA
VALORES
SOLUCION
pivote operacional, 25
y3
0 1000
0 20
1 1500
0 240
LE DE HOLGURA
VALORES
SOLUCION
LE DE HOLGURA
VALORES
SOLUCION
y3
0 20
0 20
1 1500
0 320
y3
0 20
0 20
0 20
0 380
N POSITIVOS, HEMOS LLEGADO
NA DE LOS VALORES SOLUCIÓN,
LE DE HOLGURA
VALORES
SOLUCION
LE DE HOLGURA
VALORES
SOLUCION
DORYS LILIANA VILLAROEL

Más contenido relacionado

La actualidad más candente

Investigacion de operaciones ejercicios resueltos
Investigacion de operaciones ejercicios resueltosInvestigacion de operaciones ejercicios resueltos
Investigacion de operaciones ejercicios resueltosUniversidadTecnologi2
 
09 método simple-dual
09 método simple-dual09 método simple-dual
09 método simple-dualJulio Pari
 
programacion lineal con analisis de sensibilidad
programacion lineal con analisis de sensibilidadprogramacion lineal con analisis de sensibilidad
programacion lineal con analisis de sensibilidadsmalicett
 
Investigacion de operaciones ejercicios resueltos
Investigacion de operaciones ejercicios resueltosInvestigacion de operaciones ejercicios resueltos
Investigacion de operaciones ejercicios resueltosJhonnyJesusOsorioRey1
 
Fx 7400 gplus-sp_ch02_es
Fx 7400 gplus-sp_ch02_esFx 7400 gplus-sp_ch02_es
Fx 7400 gplus-sp_ch02_esRoberto Lamilla
 
Programacion Lineal
Programacion LinealProgramacion Lineal
Programacion Linealmarthyn1989
 
Programacion lineal entera invope
Programacion lineal entera invopeProgramacion lineal entera invope
Programacion lineal entera invopeDeysi Tasilla Dilas
 
Metodo simplex - Elvis del Aguila L
Metodo simplex - Elvis del Aguila LMetodo simplex - Elvis del Aguila L
Metodo simplex - Elvis del Aguila Lelvisdelaguila
 
Tema IV. Análisis de sensibilidad guía
Tema IV. Análisis de sensibilidad guíaTema IV. Análisis de sensibilidad guía
Tema IV. Análisis de sensibilidad guíaSistemadeEstudiosMed
 
Códigos g cnc (1)
Códigos g cnc (1)Códigos g cnc (1)
Códigos g cnc (1)Daniel Merel
 
Programación lineal
Programación linealProgramación lineal
Programación linealNelson Quinde
 

La actualidad más candente (20)

Investigacion de operaciones ejercicios resueltos
Investigacion de operaciones ejercicios resueltosInvestigacion de operaciones ejercicios resueltos
Investigacion de operaciones ejercicios resueltos
 
Expo 2 método dual simplex
Expo 2   método dual simplexExpo 2   método dual simplex
Expo 2 método dual simplex
 
09 método simple-dual
09 método simple-dual09 método simple-dual
09 método simple-dual
 
programacion lineal con analisis de sensibilidad
programacion lineal con analisis de sensibilidadprogramacion lineal con analisis de sensibilidad
programacion lineal con analisis de sensibilidad
 
Investigacion de operaciones ejercicios resueltos
Investigacion de operaciones ejercicios resueltosInvestigacion de operaciones ejercicios resueltos
Investigacion de operaciones ejercicios resueltos
 
Fx 7400 gplus-sp_ch02_es
Fx 7400 gplus-sp_ch02_esFx 7400 gplus-sp_ch02_es
Fx 7400 gplus-sp_ch02_es
 
Programacion Lineal
Programacion LinealProgramacion Lineal
Programacion Lineal
 
Programacion Lineal
Programacion LinealProgramacion Lineal
Programacion Lineal
 
Curso torno cnc
Curso torno cncCurso torno cnc
Curso torno cnc
 
Analisis de sensibilidad
Analisis de sensibilidadAnalisis de sensibilidad
Analisis de sensibilidad
 
Programacion lineal entera invope
Programacion lineal entera invopeProgramacion lineal entera invope
Programacion lineal entera invope
 
Metodo simplex - Elvis del Aguila L
Metodo simplex - Elvis del Aguila LMetodo simplex - Elvis del Aguila L
Metodo simplex - Elvis del Aguila L
 
Curso cnc resumen
Curso cnc resumenCurso cnc resumen
Curso cnc resumen
 
Tema IV. Análisis de sensibilidad guía
Tema IV. Análisis de sensibilidad guíaTema IV. Análisis de sensibilidad guía
Tema IV. Análisis de sensibilidad guía
 
Códigos g cnc (1)
Códigos g cnc (1)Códigos g cnc (1)
Códigos g cnc (1)
 
Programación lineal
Programación linealProgramación lineal
Programación lineal
 
Sesion 05a - Metodo Simplex
Sesion 05a - Metodo SimplexSesion 05a - Metodo Simplex
Sesion 05a - Metodo Simplex
 
Manual de programación cnc
Manual de programación cncManual de programación cnc
Manual de programación cnc
 
Unidad 1
Unidad 1Unidad 1
Unidad 1
 
Funciones Preparatorias Fagor 8025
Funciones Preparatorias Fagor 8025Funciones Preparatorias Fagor 8025
Funciones Preparatorias Fagor 8025
 

Similar a Dorys villaroel tarea1.1 (20)

Maximizacion tarea 1 hilda sarmiento
Maximizacion tarea 1 hilda sarmientoMaximizacion tarea 1 hilda sarmiento
Maximizacion tarea 1 hilda sarmiento
 
Maximizacion tarea 1 hilda sarmiento
Maximizacion tarea 1 hilda sarmientoMaximizacion tarea 1 hilda sarmiento
Maximizacion tarea 1 hilda sarmiento
 
MÉTODO SIMPLEX 2022_2.pptx
MÉTODO SIMPLEX 2022_2.pptxMÉTODO SIMPLEX 2022_2.pptx
MÉTODO SIMPLEX 2022_2.pptx
 
Unidad2 métodos cuantitativa
Unidad2 métodos cuantitativa Unidad2 métodos cuantitativa
Unidad2 métodos cuantitativa
 
Determinantes Segunda Parte
Determinantes Segunda ParteDeterminantes Segunda Parte
Determinantes Segunda Parte
 
DETERMINANTES
DETERMINANTESDETERMINANTES
DETERMINANTES
 
Método simplex
Método simplexMétodo simplex
Método simplex
 
Simplex
 Simplex  Simplex
Simplex
 
Metodo Simplex.pdf
Metodo Simplex.pdfMetodo Simplex.pdf
Metodo Simplex.pdf
 
Investigación de Operaciones 2/2
Investigación de Operaciones 2/2Investigación de Operaciones 2/2
Investigación de Operaciones 2/2
 
Presentacion i dual sis-14
Presentacion i dual sis-14Presentacion i dual sis-14
Presentacion i dual sis-14
 
Simplexxxx
SimplexxxxSimplexxxx
Simplexxxx
 
Si
SiSi
Si
 
Simplexxxx
SimplexxxxSimplexxxx
Simplexxxx
 
deber
deberdeber
deber
 
Ejemplo práctico en clase
Ejemplo práctico en claseEjemplo práctico en clase
Ejemplo práctico en clase
 
Sesión 04 2015 II
Sesión 04 2015 IISesión 04 2015 II
Sesión 04 2015 II
 
Algoritmos especiales
Algoritmos especialesAlgoritmos especiales
Algoritmos especiales
 
Distribución de los recursos
Distribución de los recursosDistribución de los recursos
Distribución de los recursos
 
Materia (1)
Materia (1)Materia (1)
Materia (1)
 

Dorys villaroel tarea1.1

  • 1. INVESTIGACION OPERATIVA TALLER 1 TAREA 1 DORYS VILLAROEL M. OCTOVO - CONTABILIDAD Y AUDITORIA TUTOR: ING. PAULO TORRES
  • 2. RESOLVER LOS EJERCICIOS APLICANDO ELMETODO SIMPLEX PARA MAXIMIZAR, DETALLAR CA DE LAS FASES DEL PROBLEMA: Se producxe 3 productos "A,B,C" a travéz de 3 operaciones diferentes, los tiempos requeridos minutos por unidades de cada producto son: Operación 1: un producto A, dos productos B y un producto C operación 2: tres productos A, dos productos C Operación 3: un producto A y cuatro productos B La capaciadad diaria de las operaciones son de 430, 460 y 420 minutos respectivamente. El pro deja una utilidad de 3 usd, B de 2 usd y C de 5 usd EJERCICIO: MAXIMIZAR Z= 3X1 + 2X2 +5X3 sujeto a: X1+2X2+X3≤ 430 3X1+ 2X3≤ 460 X1+4X2 ≤ 420 X1≥0 , X2≥0, X3≥0 1) CONVERTIR LAS DESIGUALDADES A IGUALDADES X1+2X2+X3+S1 = 430 3X1+ 2X3+S2 = 460 X1+4X2 + S3 = 420 2) IGUALAR LA FUNCION OBJETIVO SIMPLEX - 3X1 - 2X2 -5X3 + Z = 0 3) ESCRIBA LA TABLA INICIAL SIMPLEX TABLA 1 X1 X2 X3 S1 S2 S1 1 2 1 1 0 VARIABLE DE DECISION VARIABLE DE HOLGURABASE
  • 3. S2 3 0 2 0 1 S3 1 4 0 0 0 Z -3 -2 -5 0 0 4) ENCONTRAR LA VARIABLE DE DECISION QUE ESTRA EN LA BASE Y LA VARIABLE DE HOLGURA QUE SALE DE LA BASE. Variable de decisión En este caso el, la variable X3 de coeficiente -5 Variable de holgura 430/1 = 430 460/2 = 230 420/0 = 0 En la intersección de la fila pivote y columna pivote tenemos el elemento pivote operacional, 2 5) ENCONTRAR LOS COEFICIENTES DE LA NUEVA TABLA 3/2 = 3/2 0/2 = 0 2/2 = 1 0/2 = 0 1/2 = 1/2 0/2 = 0 460/2 = 230 TABLA 2 X1 X2 X3 S1 S2 r -1/2 2 0 1 -1/2 m 3/2 0 1 0 1/2 l 1 4 0 0 0 Z 9/2 -2 0 0 5/2 Vieja filade X1 1 2 1 1 - - - - coeficiente 1 1 1 1 nueva fila pivote 3/2 0 1 0 BASE VARIABLE DE DECISION VARIABLE DE HOLGURA FILA PIVOTE
  • 4. nueva fila = -1/2 2 0 1 Vieja filade X3 1 4 0 0 - - - - coeficiente 0 0 0 0 nueva fila pivote 3/2 0 1 0 nueva fila = 1 4 0 0 Vieja filade Z -3 -2 -5 0 - - - - coeficiente -5 -5 -5 -5 nueva fila pivote 3/2 0 1 0 nueva fila = 9/2 -2 0 0 como los elementos de la última fila hay un negativo, -2, significa que no hemos llegado a la solución óptima. SEGUIMOS EL MISMO PROCESO 4) ENCONTRAR LA VARIABLE DE DECISION QUE ESTRA EN LA BASE Y LA VARIABLE DE HOLGURA QUE SALE DE LA BASE. Variable de decisión En este caso el, la variable X2 de coeficiente -2 Variable de holgura 200/2 = 100 230/0 = 0 420/4= 105 En la intersección de la fila pivote y columna pivote tenemos el elemento pivote operacional, 2 5) ENCONTRAR LOS COEFICIENTES DE LA NUEVA TABLA - ⅟2 /2 = - 1/4 2/2 = 1 0/2 = 0 1/2 = 1/2 - ⅟2 /2 = -1/4 0/2 = 0 200/2 = 100 TABLA 3 FILA PIVOTE
  • 5. X1 X2 X3 S1 S2 b - 1/4 1 0 1/2 - 1/4 h 3/2 0 1 0 1/2 w 2 0 0 -2 1 z 4 0 0 1 2 vieja fila m 3/2 0 1 0 - - - - coeficiente 0 0 0 0 fila pivote - 1/4 1 0 1/2 nueva fila = 3/2 0 1 0 vieja fila l 1 4 0 0 - - - - coeficiente 4 4 4 4 fila pivote - 1/4 1 0 1/2 nueva fila = 2 0 0 -2 vieja fila Z 9/2 -2 0 0 - - - - coeficiente -2 -2 -2 -2 fila pivote - 1/4 1 0 1/2 nueva fila 4 0 0 1 COMO TODOS LOS COEFICIENTES DE LA FILA DE LA FUNCION OBJETIVO SON POSITIVOS, HEMOS LLEGADO A LA SOLUCIÓN ÓPTIMA. ASI LA SOLUCIÓN ÓPTIMA VIENE DADA POR EL VALOR DE Z EN LA COLUMNA DE LOS VALORES SOLUCIÓN, EN NUESTRO CASO ES 1350 EJERCICIO N° 2 Una empresa puede fabricar con determinada máquina trabajando 45 horas semanales 3 productos diferentes A, B, C El artículo A deja un beneficio neto de 4 USD, elB 12 usd y el C de 3 USD. La producción por horas de la maquina es para cada uno de los tres productos de 50 , 25 y 75 respectivamente. Por último las ventas posibles para los tres productos hacienden a un máximo de 1000 und de A, 500 und de B y 1500 und de C. Como se deberá repartir la producción de manera que se maximice los beneficios. BASE VARIABLE DE DECISION VARIABLE DE HOLGURA
  • 6. Maximizar Z = 4a + 12b +3c sujeto a: 50a ≤ 1000 25b ≤ 500 75c ≤ 1500 a≥0, b≥0, c≥0 1) CONVERTIR LAS DESIGUALDADES EN IGUALDADES 50a + y1 = 1000 25b + y2 = 500 75c + y3 = 1500 2)IGULAMOS LA FUNCION OBJETIVO A CERO - 4a - 12b -3c + Z = 0 3) ESCRIBA LA TABLA INICIAL SIMPLEX TABLA 1 a b c y1 y2 y1 50 0 0 1 0 y2 0 25 0 0 1 y3 0 0 75 0 0 Z -4 -12 -3 0 0 4) ENCONTRAR LA VARIABLE DE DECISION QUE ESTRA EN LA BASE Y LA VARIABLE DE HOLGURA QUE SALE DE LA BASE. Variable de decisión En este caso el, la variable c de coeficiente -12 Variable de holgura 1000/0 = 0 500/25 = 20 1500/0 = 0 BASE VARIABLE DE DECISION VARIABLE DE HOLGURA
  • 7. En la intersección de la fila pivote y columna pivote tenemos el elemento pivote operacional, 25 5) ENCONTRAR LOS COEFICIENTES DE LA NUEVA TABLA 0/25 = 0 25/25 = 1 0/25 = 0 0/25 = 0 1/25 = 1/25 0/25 = 0 500/25 = 20 TABLA 2 a b c y1 y2 y1 50 0 0 1 0 y2 0 1 0 0 1/25 y3 0 0 75 0 0 Z -4 0 -3 0 12/25 LA VARIABLE DE DECISION ES LA a de -4 1000 / 50 = 20 20 / 0 = 0 1500/ 0 = 0 valores para la nueva tabla 50/50 = 1 0 / 50 = 0 0 / 50 = 0 1 / 50 = 1/50 0 / 50 = 0 0 / 50 = 0 1000/50 = 20 TABLA 3 FILA PIVOTE BASE VARIABLE DE DECISION VARIABLE DE HOLGURA BASE VARIABLE DE DECISION VARIABLE DE HOLGURA
  • 8. a b c y1 y2 y1 1 0 0 1/50 0 y2 0 1 0 0 1/25 y3 0 0 75 0 0 Z 0 0 -3 2/25 12/25 variable de decisión b de -3 20/0 = 0 20/0 = 0 1500/75 20 valores para la nueva tabla 0/ 75 = 0 0/75 = 0 75/ 75 = 1 0/ 75 = 0 0/75 = 0 0/25 = 0 1 500/75 = 20 TABLA 4 a b c y1 y2 y1 1 0 0 1/50 0 y2 0 1 0 0 1/25 y3 0 0 1 0 0 Z 0 0 0 2/25 12/25 COMO TODOS LOS COEFICIENTES DE LA FILA DE LA FUNCION OBJETIVO SON POSITIVOS, HEMOS LLEGADO A LA SOLUCIÓN ÓPTIMA. ASI LA SOLUCIÓN ÓPTIMA VIENE DADA POR EL VALOR DE Z EN LA COLUMNA DE LOS VALORES SOLUCIÓN, EN NUESTRO CASO ES 380 Z= 4a 12b 3c 380 = 4(20)= 80 12(20)=240 3(20)=60 380 = 380 BASE VARIABLE DE DECISION VARIABLE DE HOLGURA BASE VARIABLE DE DECISION VARIABLE DE HOLGURA
  • 9.
  • 11. ARA MAXIMIZAR, DETALLAR CADA UNA rentes, los tiempos requeridos en minutos respectivamente. El producto A S3 0 430 LE DE HOLGURA VALORES SOLUCION
  • 12. 0 460 1 420 0 0 RIABLE DE HOLGURA pivote operacional, 2 S3 0 200 0 230 1 420 0 1150 0 0 430 - - - 1 1 1 1/2 0 230 LE DE HOLGURA VALORES SOLUCION
  • 13. -1/2 0 200 0 1 420 - - - 0 0 0 1/2 0 230 0 1 420 0 0 0 - - - -5 -5 -5 1/2 0 230 5/2 0 1150 emos llegado a la solución óptima. RIABLE DE HOLGURA pivote operacional, 2
  • 14. S3 0 100 0 230 1 20 0 1350 1/2 0 230 - - - 0 0 0 - 1/4 0 100 1/2 0 230 0 1 420 - - - 4 4 4 - 1/4 0 100 1 1 20 5/2 0 1150 - - - -2 -2 -2 - 1/4 0 100 2 0 1350 N POSITIVOS, HEMOS LLEGADO A LA NA DE LOS VALORES SOLUCIÓN, as semanales 3 productos a producción por horas de vamente. Por último las ventas , 500 und de B y 1500 und de C. LE DE HOLGURA VALORES SOLUCION
  • 15. y3 0 1000 0 500 1 1500 0 0 RIABLE DE HOLGURA LE DE HOLGURA VALORES SOLUCION
  • 16. pivote operacional, 25 y3 0 1000 0 20 1 1500 0 240 LE DE HOLGURA VALORES SOLUCION LE DE HOLGURA VALORES SOLUCION
  • 17. y3 0 20 0 20 1 1500 0 320 y3 0 20 0 20 0 20 0 380 N POSITIVOS, HEMOS LLEGADO NA DE LOS VALORES SOLUCIÓN, LE DE HOLGURA VALORES SOLUCION LE DE HOLGURA VALORES SOLUCION