SlideShare una empresa de Scribd logo
1 de 10
Unidad 2, Lección 4

Problema a resolver:

Una empresa química “Chemical” produce limpiadores para automóviles X y
pulidores Y, ganando $10 en cada lote de X, y $30 en Y. Ambos productos
requieren procesarse en las mismas máquinas, A y B, pero X requiere cuatro
horas en A y ocho en B, mientras que Y requiere seis horas en A y cuatro en
B. Durante la semana entrante las máquinas A y B tienen 12 y 16 horas de
capacidad disponible, respectivamente. Suponiendo que existe demanda de
ambos productos, cuántos lotes de cada uno deben producirse para alcanzar
la unidad óptima Z?

Definición de variables:
X: limpiadores para automóviles
Y: Pulidores
Unidad 2, Lección 4

Resumen de datos:

Producto

Máquina A

Máquina B

Precio por
unidad

X

4

8

$10

Y

6

4

$30

Disponibilidad
máquinas

12

16

Las restricciones son:
h maquina A : 4X + 6Y ≤ 12
h máquina B : 8X + 4Y ≤16
X,Y ≥ 0

La función objetivo es:

Max Z = $10X + $30Y
Unidad 2, Lección 4

Añadiendo variables de holgura:
4X + 6Y + 1S1 + 0S2 = 12
8X + 4Y + 0S1 + 1S2 = 16
El modelo es:
Sujeto a (S.a)

Max Z = $10X + $30Y + 0S1 + 0S2
4X + 6Y + 1S1 + 0S2 = 12
8X + 4Y + 0S1 + 1S2 = 16
X, Y, S1, S2 ≥ 0
Las iteraciones necesarias para llegar a la solución
óptima son:

Unidad 2, Lección 4

Iteración 1
En esta primera iteración colocamos los valores
de la función objetivo y de las restricciones tal y
como aparecen, sin contar la restricción de no
negatividad.

Max Z = $10X + $30Y + 0S1 + 0S2

C

10

30

0

0
Valores de solución

Variables de decisión

Variables de la
solución
X

Y

S1

S2

(bj)

0

S1

4

6

1

0

12

0

S2

8

4

0

1

16

Z

0

0

0

0

0

C-Z

10

30

0

4X + 6Y + 1S1 + 0S2 = 12
8X + 4Y + 0S1 + 1S2 = 16
X, Y, S1, S2 ≥ 0

0

Dado que los coeficientes de las variables de la solución factible básica son ceros (0S 1, 0S2), y la multiplicación de
estos por los coeficientes de las variables de decisión dan como resultado cero en el renglón Z, las operaciones de
la primera iteración para obtener los valores de c-z, es precisamente realizar la operación indicada, (10 – 0 = 10),
(30 – 0 = 30), y así sucesivamente:
Las iteraciones necesarias para llegar a la solución
óptima son:

Una vez elegida nuestra columna, renglón y elemento pivotes, así como ya
determinada la variable que entra y la variable que sale, entonces procedemos
en excel a ingresar las operaciones necesarias para la obtención de la iteración
2, nótese que todas las operaciones y cantidades usadas han sido vinculadas,
sin que haya la necesidad de transcribir cada número.

Iteración 1

10

Cj
Variables de
la solución

X

S1
S2
Z
C-Z

4
8
0
10

0
0

Unidad 2, Lección 4

30
0
Variables de decisión
Y
S1
6
1
4
0
0
0
30
0

0

Valores de
solución

S2
0
1
0
0

(bj)
12
16
0

Iteración 2, con fórmulas

Cj

=J5

=L5

=N5
Variables de decisión

Variables de la solución
X
=F11
=H20

=F13
S2
Z
C-Z

Valores de solución

=P5

Y

S1

=E14/F14
=($K$15*E23+E15)
=(C23*E23)+(C24*E24)
=E20-E25

=F14/F14
=($K$15*F23+F15)
=(C23*F23)+(C24*F24)
=F20-F25

=G14/F14
=($K$15*G23+G15)
=(C23*G23)+(C24*G24)
=G20-G25

S2

(bj)

=H14/F14
=I14/F14
=($K$15*H23+H15) =($K$15*I23+I15)
=(C23*H23)+(C24*H24) =(C23*I23)+(C24*I24)
=H20-H25
Cj

=J5

=L5

=N5
Variables de decisión

Variables de la solución

1

X
=F11
=H20

Y

S1

(bj)

=E14/F14
=F14/F14
=G14/F14
=H14/F14
=I14/F14
S2
=($K$15*E23+E15)
=($K$15*F23+F15)
=($K$15*G23+G15)
=($K$15*H23+H15) =($K$15*I23+I15)
En el renglón de Y=(C23*E23)+(C24*E24) =(C23*F23)+(C24*F24) tenemos la división de cada =(C23*I23)+(C24*I24)
(que es la variable entrante), =(C23*G23)+(C24*G24) =(C23*H23)+(C24*H24)
Z
uno de los elementos de S1 (variable saliente) entre el elemento pivote.
C-Z
=E20-E25
=F20-F25
=H20-H25
(4,6,1,0 y 12 entre 6)=G20-G25

10
Variables de
la solución

X

Y

30

0.67

Cj

=J5

30
0
Variables de decisión
Y
S1
1
0.17

=L5
X

0

Valores de
solución

S2
0

(bj)
2

=N5
Variables de decisión

Variables de la solución
=F11
=H20

S2

=F13

Cj

2

Valores de solución

=P5

Y

Valores de solución

=P5
S1

S2

=F13

(bj)

=E14/F14
=F14/F14
=G14/F14
=H14/F14
=I14/F14
S2
=($K$15*E23+E15)
=($K$15*F23+F15)
=($K$15*G23+G15)
=($K$15*H23+H15) =($K$15*I23+I15)
Z
=(C23*E23)+(C24*E24) =(C23*F23)+(C24*F24) =(C23*G23)+(C24*G24) =(C23*H23)+(C24*H24) =(C23*I23)+(C24*I24)
Para el renglón de S2, tenemos las operaciones de la multiplicación del negativo de la=H20-H25
columna pivote
C-Z
=E20-E25
=F20-F25
=G20-G25

del renglón S2 (-4) , por el renglón generado en el paso 1, más el valor que se está convirtiendo (es decir
el valor original de la iteración 1 en el renglón S2), ejemplo:
(-4 * (0)) 1 = 1
Quedando lo anterior, así:.
10

Cj
Variables de
la solución

X

Y
S2

30
0
Variables de decisión
Y
S1
1
0.17
0
-0.67

0.67
5.33

30
0

0

Valores de
solución

S2
0
1

(bj)
2
8

Para obtener el valor del renglón Z, tenemos que hacer la multiplicación como se muestra:

3
Cj

=J5

=L5

=N5
Variables de decisión

Variables de la solución
X
=F11
=H20

S2
Z
C-Z

Y

S1

=E14/F14
=($K$15*E23+E15)
=(C23*E23)+(C24*E24)
=E20-E25

=F13

=F14/F14
=($K$15*F23+F15)
=(C23*F23)+(C24*F24)
=F20-F25

=G14/F14
=($K$15*G23+G15)
=(C23*G23)+(C24*G24)
=G20-G25

(30 * 0.67) + (0 * 5.33) = 20
(30 * 1) + (0 * 0) = 30

Valores de solución

=P5
S2

=H14/F14
=I14/F14
=($K$15*H23+H15)
=($K$15*I23+I15)
=(C23*H23)+(C24*H24) =(C23*I23)+(C24*I24)
=H20-H25

(30 * 0) + (0 * 1) = 0
(30 * 2) + (0 * 8)

(30 * 0.17) + (0 * -0.67) = 5
10

Cj
Variables de
la solución
30
0

X

Y
S2
Z

0.67
5.33
20

30
0
Variables de decisión
Y
S1
1
0.17
0
-0.67
30
5

(bj)

0

Valores de
solución

S2
0
1
0

(bj)
2
8
60
4

Por último, para obtener el valor de Z, ya sabemos que tenemos que restar los valores de C - Z

Cj

=J5

=L5

=N5
Variables de decisión

Variables de la solución
X
=F11
=H20

S2
Z
C-Z

Y

S1

=E14/F14
=($K$15*E23+E15)
=(C23*E23)+(C24*E24)
=E20-E25

=F13

=F14/F14
=($K$15*F23+F15)
=(C23*F23)+(C24*F24)
=F20-F25

=G14/F14
=($K$15*G23+G15)
=(C23*G23)+(C24*G24)
=G20-G25

S2

10

Cj
Variables de
la solución
30
0

X

Y
S2
Z
C-Z

0.67
5.33
20
-10

30
0
Variables de decisión
Y
S1
1
0.17
0
-0.67
30
5
0
-5

(bj)

=H14/F14
=I14/F14
=($K$15*H23+H15) =($K$15*I23+I15)
=(C23*H23)+(C24*H24) =(C23*I23)+(C24*I24)
=H20-H25

10 – 20 = -10
30 – 30 = 0
0–5=-5
0–0=0

Para X:
Para Y:
Para S1:
Para S2:

Valores de solución

=P5

0

Valores de
solución

S2
0
1
0
0

(bj)
2
8
60
Unidad 2, Lección 4

Las iteraciones necesarias para llegar a la solución
óptima son:

Iteración 2

C

10

30

0

0
Valores de solución

Variables de decisión

Variables de la
solución
X

Y

S1

S2

(bj)

X = no está en la
solución

30

Y

0.67

1

0.17

0

2

Y = 2 lotes

0

S2

5.33

0

-0.67

1

8

Z = $60

Z

20

30

5

0

60

Z=$10(0)+$30(2)=60

C-Z

-10

0

-5

0

Comprobación
Universidad Autónoma de Querétaro
Facultad de Contaduría y Administración
Investigación de Operaciones, Lección 4
Este material fue elaborado por:

L.A. Diana Guzmán Medina
Diseñó:
Diana Guzmán Medina

Licenciatura en Administración

Facultad de Contaduría y Administración
Programa de Educación a Distancia (EDAD)
Centro Universitario, Querétaro, México
MMIX

Más contenido relacionado

La actualidad más candente

Ejercicio de investigación de operaciones
Ejercicio de investigación de operacionesEjercicio de investigación de operaciones
Ejercicio de investigación de operaciones
kit22
 
Investigacion de operaciones grupo # 10 modelo eoq
Investigacion de operaciones grupo # 10 modelo eoqInvestigacion de operaciones grupo # 10 modelo eoq
Investigacion de operaciones grupo # 10 modelo eoq
Katita Dávila
 
Calculo optimo de estaciones de trabajo
Calculo optimo de estaciones de trabajoCalculo optimo de estaciones de trabajo
Calculo optimo de estaciones de trabajo
Eloen13
 
Problemas resueltos-cadenas-de-markov
Problemas resueltos-cadenas-de-markovProblemas resueltos-cadenas-de-markov
Problemas resueltos-cadenas-de-markov
Kbl Julus Saraccini
 

La actualidad más candente (20)

Normas iso 14000 gestión ambiental
Normas iso 14000   gestión ambientalNormas iso 14000   gestión ambiental
Normas iso 14000 gestión ambiental
 
OPTIMIZACIÓN 08
OPTIMIZACIÓN 08OPTIMIZACIÓN 08
OPTIMIZACIÓN 08
 
Ejercicios detallados del obj 8 mat II 178
Ejercicios detallados del obj 8 mat II  178 Ejercicios detallados del obj 8 mat II  178
Ejercicios detallados del obj 8 mat II 178
 
Ejercicio de investigación de operaciones
Ejercicio de investigación de operacionesEjercicio de investigación de operaciones
Ejercicio de investigación de operaciones
 
Deber operativa
Deber operativaDeber operativa
Deber operativa
 
Investigacion de operaciones grupo # 10 modelo eoq
Investigacion de operaciones grupo # 10 modelo eoqInvestigacion de operaciones grupo # 10 modelo eoq
Investigacion de operaciones grupo # 10 modelo eoq
 
Io 2da programacion lineal
Io 2da programacion linealIo 2da programacion lineal
Io 2da programacion lineal
 
METODO DUAL : EJERCICIOS RESUELTOS DE INVESTIGACIONES DE OPERACIONES
METODO DUAL : EJERCICIOS RESUELTOS DE INVESTIGACIONES DE OPERACIONESMETODO DUAL : EJERCICIOS RESUELTOS DE INVESTIGACIONES DE OPERACIONES
METODO DUAL : EJERCICIOS RESUELTOS DE INVESTIGACIONES DE OPERACIONES
 
Análisis de decisiones
Análisis de decisionesAnálisis de decisiones
Análisis de decisiones
 
INVENTARIO SIN REABASTECIMIENTO INMEDIATO
INVENTARIO SIN REABASTECIMIENTO INMEDIATOINVENTARIO SIN REABASTECIMIENTO INMEDIATO
INVENTARIO SIN REABASTECIMIENTO INMEDIATO
 
EJERCICIO EOQ SIN FALTANTE
EJERCICIO EOQ SIN FALTANTEEJERCICIO EOQ SIN FALTANTE
EJERCICIO EOQ SIN FALTANTE
 
TEORÍA DE INVENTARIOS, INVESTIGACIÓN DE OPERACIONES.
TEORÍA DE INVENTARIOS, INVESTIGACIÓN DE OPERACIONES.TEORÍA DE INVENTARIOS, INVESTIGACIÓN DE OPERACIONES.
TEORÍA DE INVENTARIOS, INVESTIGACIÓN DE OPERACIONES.
 
Administracion de operaciones e Inventario
Administracion de operaciones e InventarioAdministracion de operaciones e Inventario
Administracion de operaciones e Inventario
 
Calculo optimo de estaciones de trabajo
Calculo optimo de estaciones de trabajoCalculo optimo de estaciones de trabajo
Calculo optimo de estaciones de trabajo
 
Problemas resueltos-cadenas-de-markov
Problemas resueltos-cadenas-de-markovProblemas resueltos-cadenas-de-markov
Problemas resueltos-cadenas-de-markov
 
ejercicios-resueltos-programacion-lineal
 ejercicios-resueltos-programacion-lineal ejercicios-resueltos-programacion-lineal
ejercicios-resueltos-programacion-lineal
 
Free cash flow
Free cash flowFree cash flow
Free cash flow
 
Historia y conceptos de la programación lineal
Historia y conceptos de la programación linealHistoria y conceptos de la programación lineal
Historia y conceptos de la programación lineal
 
Tecnicas y limitaciones de la investigacion de operaciones
Tecnicas y limitaciones de la investigacion de operacionesTecnicas y limitaciones de la investigacion de operaciones
Tecnicas y limitaciones de la investigacion de operaciones
 
Guia I
Guia IGuia I
Guia I
 

Similar a Simplex lección 4 io

Clase Nº5 Programacion Lineal
Clase Nº5 Programacion LinealClase Nº5 Programacion Lineal
Clase Nº5 Programacion Lineal
jotape74
 
Programaci n lineal_m_todo_gr_fico
Programaci n lineal_m_todo_gr_ficoProgramaci n lineal_m_todo_gr_fico
Programaci n lineal_m_todo_gr_fico
Willam Alexito
 
Ecuaciones Parabola, Recta , Hiperbola, Eclipse
Ecuaciones  Parabola, Recta , Hiperbola, EclipseEcuaciones  Parabola, Recta , Hiperbola, Eclipse
Ecuaciones Parabola, Recta , Hiperbola, Eclipse
Giancarlos Juan
 
Resolucion del metodo simplex
Resolucion del metodo simplexResolucion del metodo simplex
Resolucion del metodo simplex
Baiser Roa
 
Proyecto investigacion de operaciones
Proyecto investigacion de operacionesProyecto investigacion de operaciones
Proyecto investigacion de operaciones
juancastillosiente
 

Similar a Simplex lección 4 io (20)

Clase Nº5 Programacion Lineal
Clase Nº5 Programacion LinealClase Nº5 Programacion Lineal
Clase Nº5 Programacion Lineal
 
Programaci n lineal_m_todo_gr_fico
Programaci n lineal_m_todo_gr_ficoProgramaci n lineal_m_todo_gr_fico
Programaci n lineal_m_todo_gr_fico
 
Programacion lineal
Programacion linealProgramacion lineal
Programacion lineal
 
Sem 4_modelo_matematico_Metodo_grafico_Casos especiales - copia.pdf
Sem 4_modelo_matematico_Metodo_grafico_Casos especiales - copia.pdfSem 4_modelo_matematico_Metodo_grafico_Casos especiales - copia.pdf
Sem 4_modelo_matematico_Metodo_grafico_Casos especiales - copia.pdf
 
Ecuaciones Parabola, Recta , Hiperbola, Eclipse
Ecuaciones  Parabola, Recta , Hiperbola, EclipseEcuaciones  Parabola, Recta , Hiperbola, Eclipse
Ecuaciones Parabola, Recta , Hiperbola, Eclipse
 
Ppt programacion lineal profesor arthur nuñez mendoza
Ppt programacion lineal profesor arthur nuñez mendozaPpt programacion lineal profesor arthur nuñez mendoza
Ppt programacion lineal profesor arthur nuñez mendoza
 
Unidad2 métodos cuantitativa
Unidad2 métodos cuantitativa Unidad2 métodos cuantitativa
Unidad2 métodos cuantitativa
 
Resolucion del metodo simplex
Resolucion del metodo simplexResolucion del metodo simplex
Resolucion del metodo simplex
 
Unidad 2 ejercicios
Unidad 2 ejercicios Unidad 2 ejercicios
Unidad 2 ejercicios
 
Ft optimizacion
Ft optimizacionFt optimizacion
Ft optimizacion
 
Ejercicios detallados del obj 11 mat i (176)
Ejercicios detallados del obj 11 mat i (176)Ejercicios detallados del obj 11 mat i (176)
Ejercicios detallados del obj 11 mat i (176)
 
U2
U2U2
U2
 
mc3b3dulo-3-vschippacasse.pptx
mc3b3dulo-3-vschippacasse.pptxmc3b3dulo-3-vschippacasse.pptx
mc3b3dulo-3-vschippacasse.pptx
 
UNIDAD-I_IO - INDUSTRIAL METODO SIMPLEX - 21.pptx
UNIDAD-I_IO - INDUSTRIAL METODO SIMPLEX - 21.pptxUNIDAD-I_IO - INDUSTRIAL METODO SIMPLEX - 21.pptx
UNIDAD-I_IO - INDUSTRIAL METODO SIMPLEX - 21.pptx
 
Proyecto investigacion de operaciones
Proyecto investigacion de operacionesProyecto investigacion de operaciones
Proyecto investigacion de operaciones
 
Funciones lineales
Funciones linealesFunciones lineales
Funciones lineales
 
Programacion lineal
Programacion linealProgramacion lineal
Programacion lineal
 
funciones_varias_variables2011.pdf
funciones_varias_variables2011.pdffunciones_varias_variables2011.pdf
funciones_varias_variables2011.pdf
 
Ejemplo de problemas de Platos AS.pdf
Ejemplo de problemas de Platos AS.pdfEjemplo de problemas de Platos AS.pdf
Ejemplo de problemas de Platos AS.pdf
 
Selectividad EXTREMADURA Matemáticas CCSS Septiembre 2012-2013
Selectividad EXTREMADURA Matemáticas CCSS Septiembre 2012-2013Selectividad EXTREMADURA Matemáticas CCSS Septiembre 2012-2013
Selectividad EXTREMADURA Matemáticas CCSS Septiembre 2012-2013
 

Último

TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
jlorentemartos
 
6°_GRADO_-_MAYO_06 para sexto grado de primaria
6°_GRADO_-_MAYO_06 para sexto grado de primaria6°_GRADO_-_MAYO_06 para sexto grado de primaria
6°_GRADO_-_MAYO_06 para sexto grado de primaria
Wilian24
 

Último (20)

Factores que intervienen en la Administración por Valores.pdf
Factores que intervienen en la Administración por Valores.pdfFactores que intervienen en la Administración por Valores.pdf
Factores que intervienen en la Administración por Valores.pdf
 
FICHA PROYECTO COIL- GLOBAL CLASSROOM.docx.pdf
FICHA PROYECTO COIL- GLOBAL CLASSROOM.docx.pdfFICHA PROYECTO COIL- GLOBAL CLASSROOM.docx.pdf
FICHA PROYECTO COIL- GLOBAL CLASSROOM.docx.pdf
 
Prueba de evaluación Geografía e Historia Comunidad de Madrid 2º de la ESO
Prueba de evaluación Geografía e Historia Comunidad de Madrid 2º de la ESOPrueba de evaluación Geografía e Historia Comunidad de Madrid 2º de la ESO
Prueba de evaluación Geografía e Historia Comunidad de Madrid 2º de la ESO
 
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
 
Tema 19. Inmunología y el sistema inmunitario 2024
Tema 19. Inmunología y el sistema inmunitario 2024Tema 19. Inmunología y el sistema inmunitario 2024
Tema 19. Inmunología y el sistema inmunitario 2024
 
activ4-bloque4 transversal doctorado.pdf
activ4-bloque4 transversal doctorado.pdfactiv4-bloque4 transversal doctorado.pdf
activ4-bloque4 transversal doctorado.pdf
 
Actividades para el 11 de Mayo día del himno.docx
Actividades para el 11 de Mayo día del himno.docxActividades para el 11 de Mayo día del himno.docx
Actividades para el 11 de Mayo día del himno.docx
 
Prueba de evaluación Geografía e Historia Comunidad de Madrid 4ºESO
Prueba de evaluación Geografía e Historia Comunidad de Madrid 4ºESOPrueba de evaluación Geografía e Historia Comunidad de Madrid 4ºESO
Prueba de evaluación Geografía e Historia Comunidad de Madrid 4ºESO
 
Los avatares para el juego dramático en entornos virtuales
Los avatares para el juego dramático en entornos virtualesLos avatares para el juego dramático en entornos virtuales
Los avatares para el juego dramático en entornos virtuales
 
SISTEMA RESPIRATORIO PARA NIÑOS PRIMARIA
SISTEMA RESPIRATORIO PARA NIÑOS PRIMARIASISTEMA RESPIRATORIO PARA NIÑOS PRIMARIA
SISTEMA RESPIRATORIO PARA NIÑOS PRIMARIA
 
ACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLA
ACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLAACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLA
ACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLA
 
prostitución en España: una mirada integral!
prostitución en España: una mirada integral!prostitución en España: una mirada integral!
prostitución en España: una mirada integral!
 
1ro Programación Anual D.P.C.C planificación anual del área para el desarroll...
1ro Programación Anual D.P.C.C planificación anual del área para el desarroll...1ro Programación Anual D.P.C.C planificación anual del área para el desarroll...
1ro Programación Anual D.P.C.C planificación anual del área para el desarroll...
 
Sesión de clase APC: Los dos testigos.pdf
Sesión de clase APC: Los dos testigos.pdfSesión de clase APC: Los dos testigos.pdf
Sesión de clase APC: Los dos testigos.pdf
 
Biografía de Charles Coulomb física .pdf
Biografía de Charles Coulomb física .pdfBiografía de Charles Coulomb física .pdf
Biografía de Charles Coulomb física .pdf
 
6°_GRADO_-_MAYO_06 para sexto grado de primaria
6°_GRADO_-_MAYO_06 para sexto grado de primaria6°_GRADO_-_MAYO_06 para sexto grado de primaria
6°_GRADO_-_MAYO_06 para sexto grado de primaria
 
Procedimientos para la planificación en los Centros Educativos tipo V ( multi...
Procedimientos para la planificación en los Centros Educativos tipo V ( multi...Procedimientos para la planificación en los Centros Educativos tipo V ( multi...
Procedimientos para la planificación en los Centros Educativos tipo V ( multi...
 
Los dos testigos. Testifican de la Verdad
Los dos testigos. Testifican de la VerdadLos dos testigos. Testifican de la Verdad
Los dos testigos. Testifican de la Verdad
 
Posición astronómica y geográfica de Europa.pptx
Posición astronómica y geográfica de Europa.pptxPosición astronómica y geográfica de Europa.pptx
Posición astronómica y geográfica de Europa.pptx
 
AEC 2. Aventura en el Antiguo Egipto.pptx
AEC 2. Aventura en el Antiguo Egipto.pptxAEC 2. Aventura en el Antiguo Egipto.pptx
AEC 2. Aventura en el Antiguo Egipto.pptx
 

Simplex lección 4 io

  • 1. Unidad 2, Lección 4 Problema a resolver: Una empresa química “Chemical” produce limpiadores para automóviles X y pulidores Y, ganando $10 en cada lote de X, y $30 en Y. Ambos productos requieren procesarse en las mismas máquinas, A y B, pero X requiere cuatro horas en A y ocho en B, mientras que Y requiere seis horas en A y cuatro en B. Durante la semana entrante las máquinas A y B tienen 12 y 16 horas de capacidad disponible, respectivamente. Suponiendo que existe demanda de ambos productos, cuántos lotes de cada uno deben producirse para alcanzar la unidad óptima Z? Definición de variables: X: limpiadores para automóviles Y: Pulidores
  • 2. Unidad 2, Lección 4 Resumen de datos: Producto Máquina A Máquina B Precio por unidad X 4 8 $10 Y 6 4 $30 Disponibilidad máquinas 12 16 Las restricciones son: h maquina A : 4X + 6Y ≤ 12 h máquina B : 8X + 4Y ≤16 X,Y ≥ 0 La función objetivo es: Max Z = $10X + $30Y
  • 3. Unidad 2, Lección 4 Añadiendo variables de holgura: 4X + 6Y + 1S1 + 0S2 = 12 8X + 4Y + 0S1 + 1S2 = 16 El modelo es: Sujeto a (S.a) Max Z = $10X + $30Y + 0S1 + 0S2 4X + 6Y + 1S1 + 0S2 = 12 8X + 4Y + 0S1 + 1S2 = 16 X, Y, S1, S2 ≥ 0
  • 4. Las iteraciones necesarias para llegar a la solución óptima son: Unidad 2, Lección 4 Iteración 1 En esta primera iteración colocamos los valores de la función objetivo y de las restricciones tal y como aparecen, sin contar la restricción de no negatividad. Max Z = $10X + $30Y + 0S1 + 0S2 C 10 30 0 0 Valores de solución Variables de decisión Variables de la solución X Y S1 S2 (bj) 0 S1 4 6 1 0 12 0 S2 8 4 0 1 16 Z 0 0 0 0 0 C-Z 10 30 0 4X + 6Y + 1S1 + 0S2 = 12 8X + 4Y + 0S1 + 1S2 = 16 X, Y, S1, S2 ≥ 0 0 Dado que los coeficientes de las variables de la solución factible básica son ceros (0S 1, 0S2), y la multiplicación de estos por los coeficientes de las variables de decisión dan como resultado cero en el renglón Z, las operaciones de la primera iteración para obtener los valores de c-z, es precisamente realizar la operación indicada, (10 – 0 = 10), (30 – 0 = 30), y así sucesivamente:
  • 5. Las iteraciones necesarias para llegar a la solución óptima son: Una vez elegida nuestra columna, renglón y elemento pivotes, así como ya determinada la variable que entra y la variable que sale, entonces procedemos en excel a ingresar las operaciones necesarias para la obtención de la iteración 2, nótese que todas las operaciones y cantidades usadas han sido vinculadas, sin que haya la necesidad de transcribir cada número. Iteración 1 10 Cj Variables de la solución X S1 S2 Z C-Z 4 8 0 10 0 0 Unidad 2, Lección 4 30 0 Variables de decisión Y S1 6 1 4 0 0 0 30 0 0 Valores de solución S2 0 1 0 0 (bj) 12 16 0 Iteración 2, con fórmulas Cj =J5 =L5 =N5 Variables de decisión Variables de la solución X =F11 =H20 =F13 S2 Z C-Z Valores de solución =P5 Y S1 =E14/F14 =($K$15*E23+E15) =(C23*E23)+(C24*E24) =E20-E25 =F14/F14 =($K$15*F23+F15) =(C23*F23)+(C24*F24) =F20-F25 =G14/F14 =($K$15*G23+G15) =(C23*G23)+(C24*G24) =G20-G25 S2 (bj) =H14/F14 =I14/F14 =($K$15*H23+H15) =($K$15*I23+I15) =(C23*H23)+(C24*H24) =(C23*I23)+(C24*I24) =H20-H25
  • 6. Cj =J5 =L5 =N5 Variables de decisión Variables de la solución 1 X =F11 =H20 Y S1 (bj) =E14/F14 =F14/F14 =G14/F14 =H14/F14 =I14/F14 S2 =($K$15*E23+E15) =($K$15*F23+F15) =($K$15*G23+G15) =($K$15*H23+H15) =($K$15*I23+I15) En el renglón de Y=(C23*E23)+(C24*E24) =(C23*F23)+(C24*F24) tenemos la división de cada =(C23*I23)+(C24*I24) (que es la variable entrante), =(C23*G23)+(C24*G24) =(C23*H23)+(C24*H24) Z uno de los elementos de S1 (variable saliente) entre el elemento pivote. C-Z =E20-E25 =F20-F25 =H20-H25 (4,6,1,0 y 12 entre 6)=G20-G25 10 Variables de la solución X Y 30 0.67 Cj =J5 30 0 Variables de decisión Y S1 1 0.17 =L5 X 0 Valores de solución S2 0 (bj) 2 =N5 Variables de decisión Variables de la solución =F11 =H20 S2 =F13 Cj 2 Valores de solución =P5 Y Valores de solución =P5 S1 S2 =F13 (bj) =E14/F14 =F14/F14 =G14/F14 =H14/F14 =I14/F14 S2 =($K$15*E23+E15) =($K$15*F23+F15) =($K$15*G23+G15) =($K$15*H23+H15) =($K$15*I23+I15) Z =(C23*E23)+(C24*E24) =(C23*F23)+(C24*F24) =(C23*G23)+(C24*G24) =(C23*H23)+(C24*H24) =(C23*I23)+(C24*I24) Para el renglón de S2, tenemos las operaciones de la multiplicación del negativo de la=H20-H25 columna pivote C-Z =E20-E25 =F20-F25 =G20-G25 del renglón S2 (-4) , por el renglón generado en el paso 1, más el valor que se está convirtiendo (es decir el valor original de la iteración 1 en el renglón S2), ejemplo: (-4 * (0)) 1 = 1
  • 7. Quedando lo anterior, así:. 10 Cj Variables de la solución X Y S2 30 0 Variables de decisión Y S1 1 0.17 0 -0.67 0.67 5.33 30 0 0 Valores de solución S2 0 1 (bj) 2 8 Para obtener el valor del renglón Z, tenemos que hacer la multiplicación como se muestra: 3 Cj =J5 =L5 =N5 Variables de decisión Variables de la solución X =F11 =H20 S2 Z C-Z Y S1 =E14/F14 =($K$15*E23+E15) =(C23*E23)+(C24*E24) =E20-E25 =F13 =F14/F14 =($K$15*F23+F15) =(C23*F23)+(C24*F24) =F20-F25 =G14/F14 =($K$15*G23+G15) =(C23*G23)+(C24*G24) =G20-G25 (30 * 0.67) + (0 * 5.33) = 20 (30 * 1) + (0 * 0) = 30 Valores de solución =P5 S2 =H14/F14 =I14/F14 =($K$15*H23+H15) =($K$15*I23+I15) =(C23*H23)+(C24*H24) =(C23*I23)+(C24*I24) =H20-H25 (30 * 0) + (0 * 1) = 0 (30 * 2) + (0 * 8) (30 * 0.17) + (0 * -0.67) = 5 10 Cj Variables de la solución 30 0 X Y S2 Z 0.67 5.33 20 30 0 Variables de decisión Y S1 1 0.17 0 -0.67 30 5 (bj) 0 Valores de solución S2 0 1 0 (bj) 2 8 60
  • 8. 4 Por último, para obtener el valor de Z, ya sabemos que tenemos que restar los valores de C - Z Cj =J5 =L5 =N5 Variables de decisión Variables de la solución X =F11 =H20 S2 Z C-Z Y S1 =E14/F14 =($K$15*E23+E15) =(C23*E23)+(C24*E24) =E20-E25 =F13 =F14/F14 =($K$15*F23+F15) =(C23*F23)+(C24*F24) =F20-F25 =G14/F14 =($K$15*G23+G15) =(C23*G23)+(C24*G24) =G20-G25 S2 10 Cj Variables de la solución 30 0 X Y S2 Z C-Z 0.67 5.33 20 -10 30 0 Variables de decisión Y S1 1 0.17 0 -0.67 30 5 0 -5 (bj) =H14/F14 =I14/F14 =($K$15*H23+H15) =($K$15*I23+I15) =(C23*H23)+(C24*H24) =(C23*I23)+(C24*I24) =H20-H25 10 – 20 = -10 30 – 30 = 0 0–5=-5 0–0=0 Para X: Para Y: Para S1: Para S2: Valores de solución =P5 0 Valores de solución S2 0 1 0 0 (bj) 2 8 60
  • 9. Unidad 2, Lección 4 Las iteraciones necesarias para llegar a la solución óptima son: Iteración 2 C 10 30 0 0 Valores de solución Variables de decisión Variables de la solución X Y S1 S2 (bj) X = no está en la solución 30 Y 0.67 1 0.17 0 2 Y = 2 lotes 0 S2 5.33 0 -0.67 1 8 Z = $60 Z 20 30 5 0 60 Z=$10(0)+$30(2)=60 C-Z -10 0 -5 0 Comprobación
  • 10. Universidad Autónoma de Querétaro Facultad de Contaduría y Administración Investigación de Operaciones, Lección 4 Este material fue elaborado por: L.A. Diana Guzmán Medina Diseñó: Diana Guzmán Medina Licenciatura en Administración Facultad de Contaduría y Administración Programa de Educación a Distancia (EDAD) Centro Universitario, Querétaro, México MMIX