SlideShare una empresa de Scribd logo
1 de 38
PROGRAMACION LINEAL
Un problema de  Programación lineal , busca maximizar o minimizar una función lineal, sujeta a un conjunto de restricciones lineales.  La  Programación lineal  tiene amplias aplicaciones prácticas en áreas tan diversas como la asignación de recursos escasos, la compra y fabricación, la administración de agencias, la combinación y planeación de producción.
PROGRAMACION LINEAL El Enfoque Gráfico
Método para resolver problemas de Programación Lineal con solo dos variables, utilizando gráficas. Para entender como se aplica este método, veamos un ejemplo
El laboratorio LAVAL, produce dos solventes, A y B, en su planta de Valparaíso. La planta opera 40 horas a la semana y emplea a 5 trabajadores  de tiempo completo y a dos de tiempo parcial, que trabajan 15 horas a la semana para operar las 7 máquinas que mezclan ciertos químicos para producir cada solvente. Esta fuerza de trabajo proporciona hasta  230   hrs de trabajo  disponible en el departamento de mezclado. Los productos, una vez mezclados, son refinados en el departamento de purificación, que actualmente tiene 7 purificadores y emplea a 6 trabajadores de tiempo completo y a uno de tiempo parcial, que trabaja 10 horas a la semana. Este trabajo proporciona hasta  250   hrs de trabajo  disponible en el departamento de purificación. Las horas requeridas en los departamentos de mezclado y purificación para producir mil galones de cada uno de los solventes se enumeran en la siguiente tabla. Requerimiento de mezclado y purificación (hr/1000 gal) A B Mezclado Purificación 2  1 1  2 2X1  +  X2  <   230   (mezclado) X1  +  2X2  <   250   (purificación)
LAVAL, tiene una provisión casi limitada de la materia prima que necesita para producir los dos solventes. Puede vender cualquier cantidad de A, pero la demanda del producto más especializado, B, está limitada a un máximo de  120.000  galones por semana. El departamento de contabilidad estima un margen de ganancia de  US$3  (miles de dólares) por galón de A y  US$5  por galón de B. Como todos los empleados son asalariados y por tanto, se les paga la misma cantidad sin importar cuantas horas trabajen, estos salarios y los costos de las máquinas se consideran fijos y no se incluyen en los cálculos del margen de ganancia. Como gerente de operaciones, usted desea determinar el plan de fabricación semanal óptimo para LAVAL. Función Objetivo a maximizar 3 X1 + 5 X2 X2  <  120 ( Límite sobre B) Aquí, X1 es el número de miles de galones de A por producir, y X2 el número de miles de galones de B por producir.
Mediante el proceso de formulación del problema, puede desarrollar el siguiente modelo matemático. La función Objetivo se expresa en miles de dólares  Función Objetivo a maximizar 3 X1 + 5 X2 2X1  +  X2  <   230   (mezclado) X1  +  2X2  <   250   (purificación) X2  <  120 ( Límite sobre B)  X1  >   0 X2  >  0 Como Gerente de Operaciones su objetivo es resolver este problema, esto es, encontrar  valores para las variables X1 y X2 que satisfagan las cinco restricciones y produzcan el mayor margen de ganancia para la función objetivo. Ahora aprenderá a resolver este problema gráficamente. Dependiendo de:  Restricciones
Función Objetivo a maximizar 3 X1 + 5 X2 2X1  +  X2  <   230   (mezclado) X1  +  2X2  <   250   (purificación) X2  <  120 ( Límite sobre B)  X1  >   0 X2  >  0 Dependiendo de:  Dado el siguiente modelo de maximización debemos determinar la solución factible óptima que cumpla con las restricciones que acompañan la función objetivo Incluyendo las restricciones de no negatividad de X1 y X2 siendo estas las dos últimas dentro del modelo
2X1  +  X2  <   230   (mezclado) X1  +  2X2  <   250   (purificación) X2  <  120 ( Límite sobre B)  X1  >   0 X2  >  0 Dependiendo de:  El primer paso es la determinación del espacio de la  solución factible ,   para ello reemplazamos las desigualdades por ecuaciones y después trazamos las líneas rectas resultantes en el gráfico  2X1  +  X2  =  230   X1  +  2X2  =   250   X2  = 120 X1  =   0 X2  =  0 Función Objetivo a maximizar 3 X1 + 5 X2 (1) (2) (3) (4) (5)
2X1  +  X2  =  230   X1  +  2X2  =   250   X2  = 120 X1  =   0 X2  =  0 (1) (2) (3) (4) (5) Por ejemplo para la primera ecuación se pueden obtener estos puntos demostrando primero X1 = 0 , para obtener X2 = 230 y después determinando X2 = 0 para obtener X1 = 115 Por consiguiente la línea recta pasará a través de los puntos (0,230) y (115,0) X1 X2 0 230 115 0 (1) X2 X1 100 200 300 100 200 300 (1) Después consideramos el efecto de la desigualdad, todo lo que hace la desigualdad es dividir el plano X1 y X2 en dos espacios o mitades que ocurre al momento de trazar la línea recta, por lo que un lado satisface la desigualdad y el otro no  Esto se puede ver en la primera restricción asignándole a X1 y X2 el valor del origen, es decir (0,0) cuyo resultado va a ser menos a 230, queriendo decir esto que el lado factible de esta restricción incluye al mismo origen Punto Origen en caso contrario,  entonces la flecha direccional apuntaría al lado opuesto del origen. En caso a que la línea atravesara al origen,  entonces podemos elegir otro punto de referencia para efectuar el resultado deseado.  Flecha direccional
X2 X1 100 200 300 100 200 300 (1) Sea X1= 0 y X2=0 , si satisface por que 2X1 + X2 = 2 (0) + 0 = 0, que es  <  230, por lo tanto los valores factibles van hacia abajo como muestra la flecha direccional.  Ahora veremos las demás rectas resultantes de las siguientes ecuaciones X1 X2 0 125 250 0 (2) (2)
X2 X1 100 200 300 100 200 300 (1) X1 X2 0 125 250 0 (2) (2) (3) X2 = 120 (3) (4) (5) Región Factible :  El conjunto de valores para las variables de decisión en un programa lineal que satisface todas las restricciones.
X2 X1 100 200 300 100 200 300 (1) (2) (3) (4) (5) A B C D E Cualquier punto en ese espacio es un punto factible que satisface todas las restricciones. (4) y (5) permiten sólo valores no negativos, es decir a la derecha del eje X2 y encima del eje X1
Para obtener la  solución óptima.. podemos usar los puntos extremos como referencia El punto en la región factible que tiene el mejor valor de la función objetivo X2 X1 100 200 300 100 200 300 (1) (2) (3) (4) (5) A B C D E En uno de esos puntos extremos puede estar el punto que maximice la función objetivo  Punto  extremo X1 X2 Función Objetivo 3X1+5X2 A B C D E 0 115 70 10 0 0 0 90 120 120 0 345 660 630 600 Punto  C , se obtiene interceptando  (1) y (2) 2X1 + X2 = 230  (1) X1 + 2X2 = 250  (2) Sistema de ecuaciones X1=70 X2=90 Solución  óptima
Otra manera de encontrar la  solución óptima  es usando la función objetivo  1.-  Trazar la línea de la función objetivo, eligiendo cualquier punto de la región factible y calcular el valor de la función objetivo en ese punto.  2.-  Localizar su  mejor lado  (puntos que maximice la función objetivo en este caso). 3.-  Mover la línea de la función objetivo de manera paralela así misma en la dirección de mejora.
X2 X1 100 200 300 100 200 300 (1) (2) (3) (4) (5) A B C D E 30 20 Función Objetivo = 3X1 + 5X2 = 210 50 50 Función Objetivo = 3X1 + 5X2 = 400 Mejor lado
Los resultados para  LAVAL  en la forma de un plan de producción semanal son los siguientes: Cantidad de “A” por producir = 70 (miles de galones) Cantidad de “B” por producir = 90 (miles de galones) Margen de ganancia semanal = U$ 660 (miles de dólares)
La Apex Televisión debe decidir el número de televisores de 27” y 20” producidos en una de sus fábricas, la investigación de mercado indica ventas a lo más de  40  televisores de 27” y  10  de 20” cada mes. El número máximo de horas hombre disponible es de  500  por mes, un televisor de 27” requiere  20  horas-hombre y uno de 20” requiere  10  Horas-hombre, cada televisor de 27” produce una ganancia de  $120  y cada uno de 20” da una ganancia de  $80.  Un distribuidor esta de acuerdo en comprar todos los televisores producidos siempre y cuando no exceda el máximo indicado por el estudio de mercado. a) Formule el modelo de programación lineal  b) Use el método gráfico para resolver el modelo. Televisor de 27”  = X1 Televisor de  20” = X2 Ventas Horas-Hombre  Ganancias X1 X2 40 20 10 10 120 80 500 120X1 + 80X2
Función Objetivo.  Máx   (Z)  = 120X1 + 80X2 Restricciones:  X1  <   40 X2  <   10 20 X1  + 10 X2  <   500 X1  >  0 ,  X2  >  0 Igualando las Restricciones:  X1  =  40  (1) X2  =  10  (2) 20X1  +  10X2  =  500  (3) Solución a)
Solución b) Tabulando  X1 X2 40 0 0 0 X1 X2 0 10 0 0 X1 X2 0 50 25 0 R1:  R2:  R3:  X1 X2 5 10 15 20 25 30 35 40 45 50 5 10 40 R1 R2 25 R3 Región Factible Función Objetivo X2  =  10  (2) 20X1  +  10X2  =  500  (3) Obtener este punto a través de un sistema de ecuaciones. 20X1 + 10(10) = 500 X1 = 400/20 X1=20
Reemplazando en  Z  ó Función Objetivo Máx   (Z)  = 120X1 + 80X2 Máx (Z)  = 120 (20)  +  80 (10) Máx (Z)  = $3.200 Se tienen que vender 20 televisores de 27” y 10 televisores de 20” para obtener la máxima ganancia de $3.200.
http:// www.scribd.com / doc /21066515/Ejercicios-Resueltos-de- Programacion -Lineal Resolver los ejercicios que aparecen en esta dirección En el  ejercicio  Nº6  sólo planteamiento, ya que es de 3 variables y se resuelve por computadora. El ejercicio  Nº22  no deben resolver.
La empresa Whitt Windows tiene solo tres empleados que hacen dos tipos de ventanas: con marco de madera y con marco de aluminio, la ganancia es de $60 por cada ventana con marco de madera y de $30 por cada una con marco de aluminio. Doug hace marcos de madera y puede terminar 6 al día, Linda hace 4 marcos de aluminio al día, Bob forma y corta el vidrio y puede hacer 48 pies cuadrados de vidrio por día, cada ventana con marco de madera usa 6 pies cuadrados de vidrio y cada de aluminio usa 8 pies cuadrados de vidrio. La Compañía desea determinar cuantas ventanas de cada tipo producir al día para maximizar la ganancia total. a)  Formule el modelo de programación lineal. Marco de Madera = X1 Marco de Aluminio = X2 Empleado 1 Empleado 2 Vidrio Ganancia X1 X2 6 6 60 0 0 4 8 30 48 60X1 + 30X2 Requerimiento de material por cada tipo de ventana
Función Objetivo =  Máx (Z) = 60X1 + 30X2 Restricciones:  X1  <   6 X2  <   4 6 X1  + 8 X2  <   48 X1  >  0 ,  X2  >  0 Igualando las Restricciones:  X1  =  6  (1) X2  =  4  (2) 6X1  +  8X2  =  48  (3)
Tabulando  X1 X2 0 0 6 0 X1 X2 0 4 0 0 X1 X2 0 6 8 0 R1:  R2:  R3:  X1 X2 1 2 3 4 5 6 7 8 9 10 1 2 R1 R2 R3 3 4 5 6 7 8 A B C D E Solución óptima Punto  C : X1= 6  (1) 6X1  +  8X2  =  48  (3) X2=  3/2 b)  Use el método gráfico para resolver el modelo
Reemplazando en: Máx (Z) = 60 X1  +  30 X2 Max (Z) = 60 (6)  + 30 (3/2) Máx ( Z) = 405 Por lo tanto, se necesitan 6 marcos de madera y un marco y medio de aluminio, para maximizar la ganancia y obtener $405.
c)  Un nuevo competidor en la ciudad, también produce ventanas de madera, esto puede forzar a la compañía a bajar sus precios y por ende la ganancia debida a este tipo de ventanas )¿Cómo cambiará la solución óptima (si cambia) si la ganancia por ventana de madera disminuye de $60 a $40 y de $60 a $20? Cuando la función objetivo es: Máx (Z) = 60X1 + 30 X2 = 60 (6) + 30 (3/2) = 405 Si la ganancia por ventana de madera disminuye de $60 a $40: Máx (Z) = 40X1 + 30X2 = 40 (6) + 30 (3/2) = 285. Si la ganancia por ventana  de madera disminuye de $60 a $20: Máx (Z) = 20X1 +  30X2 = 20 (6) + 30 (3/2) = 165
d)  Doug piensa reducir sus horas de trabajo, lo cual reducirá el número de ventanas de madera por día ¿Cómo cambiará la solución óptima si hace solo 5 marcos diarios? Empleado 1 Empleado 2 Vidrio Ganancia X1 X2 5 6 60 0 0 4 8 30 48 60X1 + 30X2 Cambio de 6 horas a 5 horas Función Objetivo =  Máx (Z) = 60X1 + 30X2 Restricciones:  X1  <   5 X2  <   4 6 X1  + 8 X2  <   48 X1  >  0 ,  X2  >  0
Igualando las Restricciones:  X1  =  5  (1) X2  =  4  (2) 6X1  +  8X2  =  48  (3) Tabulando  X1 X2 0 0 5 0 X1 X2 0 4 0 0 X1 X2 0 6 8 0 R1:  R2:  R3:  X1 X2 1 2 3 4 5 6 7 8 9 10 1 2 R1 R2 R3 3 4 5 6 7 8 A B C D E Función Objetivo Punto  C : X1  = 5  (1) 6X1 + 8X2 = 48  (2) X2  = 9/4
Reemplazando en: Máx (Z) = 60 X1  +  30 X2 Max (Z) = 60 (5)  + 30 (9/4) Máx ( Z) = 367,5 Por lo tanto, se necesitan 5  marcos de madera y 2 más 1/4 marco de aluminio, para maximizar la ganancia y obtener $367,5.
CASOS ESPECIALES EN PROGRAMACION LINEAL
1.-  Programas lineales infactibles. 2.-  Programas lineales ilimitados. 3.-  Programas lineales con soluciones optimas alternativas. CASOS ESPECIALES EN PL
Siguiendo con el ejercicio anterior del laboratorio LAVAL: Supongamos que usted es el gerente del departamento de planeación de producción de LAVAL, y que su gerente de ventas le informa que desea firmar un contrato a largo plazo para proveer 150.000 galones del solvente “A” cada semana. Para deducir un plan de producción semanal que satisfaga este requerimiento de ventas, usted  ha modificado la formulación del programa lineal que se planteo en un principio añadiendo la siguiente restricción- X1  >   150 Función Objetivo a maximizar 3 X1 + 5 X2 2X1  +  X2  <   230   (mezclado) X1  +  2X2  <   250   (purificación) X2  <  120 ( Límite sobre B)  X1  >   0 X2  >  0 Dependiendo de:  X1  >  150 (1) (2) (3) (4) (5) (6) Nueva restricción
X2 X1 100 200 300 100 200 300 (1) (2) (3) (4) (5) A B C D E (6) 150 Como se puede apreciar, no existen valores de X1 y X2 que satisfagan la nueva restricción (6) y todas las anteriores restricciones. Esto significa que, con sus actuales recursos, LAVAL  no  puede satisfacer un acuerdo contractual para proveer 150.000 galones del solvente “A” por semana. Si se firma el contrato propuesto, LAVAL necesitará obtener recursos adicionales para incrementar las capacidades de producción. La gerencia ejecutiva, por tanto, tendrá que tomar una decisión estratégica sobre el valor de esta inversión. Este tipo de programa lineal se denomina  programa lineal infactible Programa lineal Infactible : Significa que ningún valor de las variables satisface  todas  las restricciones simultáneamente, es decir , que no existe ninguna región factible. Para tales problemas, no tiene caso tratar de obtener una solución óptima por que ni siquiera podrá encontrar una solución factible.
Siguiendo con el ejemplo. Supongamos que los signos de desigualdades de las restricciones 1 y 2 del ejemplo se revierten accidentalmente durante la formulación del problema. El programa resultante sería el siguiente: Función Objetivo a maximizar 3 X1 + 5 X2 2X1  +  X2  >   230   (mezclado) X1  +  2X2  >   250   (purificación) X2  <  120 ( Límite sobre B)  X1  >   0 X2  >  0 Dependiendo de:  (1) (2) (3) (4) (5)
X2 X1 100 200 100 200 (1) (2) (3) (4) (5) 150 Función objetivo Si movemos la línea de la función objetivo paralelamente a sí misma en la dirección de mejora o mejor lado, o sea hacia la derecha, hasta que la línea esté apunto de dejar la región factible. En este ejemplo la línea de la función objetivo nunca se alejará por que el extremo derecho de la región factible no tiene límite. Teóricamente esto significa que LAVAL puede obtener una ganancia infinita, lo que es claramente imposible. Se dice que tal problema es un  programa lineal ilimitado . Programa lineal ilimitado : Significa que la función objetivo puede mejorarse indefinidamente, esto es, que existen valores factibles de las variables que pueden hacer el valor de la función objetivo tan grande como se desee en el Caso de maximización (o tan chico como se desee en el caso de minimización ). Un programa lineal ilimitado se identifica gráficamente cuando la línea de la función objetivo puede moverse paralelamente así misma en la dirección de mejora sin abandonar nunca la región factible.
Función Objetivo a maximizar 2 X1 + 4 X2 2X1  +  X2  <   230   (mezclado) X1  +  2X2  <   250   (purificación) X2  <  120 ( Límite sobre B)  X1  >   0 X2  >  0 Dependiendo de:  Supongamos ahora que en el ejercicio de LAVAL, cambiaran los márgenes de ganancia por US$ 2 (en miles de dólares) para el solvente “A” y US$4 para el solvente “B”. El nuevo programa lineal sería: (1) (2) (3) (4) (5)
X2 X1 100 200 300 100 200 300 (1) (2) (3) (4) (5) A B C D E Punto  extremo X1 X2 Función Objetivo 2X1+4X2 A B C D E 0 115 70 10 0 0 0 90 120 120 0 230 500 500 480 Solución óptima Este tipo de problema, se denomina  Programas lineales con soluciones optimas alternativas.

Más contenido relacionado

La actualidad más candente

Problemas de tarea trasporte
Problemas de tarea trasporteProblemas de tarea trasporte
Problemas de tarea trasporteJaime Medrano
 
Ejercicios resueltos de maximización: de método simplex
Ejercicios resueltos de maximización: de método simplexEjercicios resueltos de maximización: de método simplex
Ejercicios resueltos de maximización: de método simplexJuanMiguelCustodioMo
 
ejercicios-resueltos-programacion-lineal
 ejercicios-resueltos-programacion-lineal ejercicios-resueltos-programacion-lineal
ejercicios-resueltos-programacion-linealAndres Sanchez
 
Investigación de Operaciones 1/2
Investigación de Operaciones 1/2Investigación de Operaciones 1/2
Investigación de Operaciones 1/2CEMEX
 
Casos productividad-1
Casos productividad-1Casos productividad-1
Casos productividad-1Andle Aylas
 
Resolución de problemas (oa)
Resolución de problemas (oa)Resolución de problemas (oa)
Resolución de problemas (oa)lineal
 
Semana 2 ejercicios cap 2
Semana 2 ejercicios cap 2Semana 2 ejercicios cap 2
Semana 2 ejercicios cap 2Juan Negrete
 
Ejercicios resueltos io 1 parte 2
Ejercicios resueltos io 1   parte 2Ejercicios resueltos io 1   parte 2
Ejercicios resueltos io 1 parte 2fzeus
 
Ejercicios resueltos io 1 parte 1
Ejercicios resueltos io 1   parte 1Ejercicios resueltos io 1   parte 1
Ejercicios resueltos io 1 parte 1fzeus
 
Ejercicios árbol-de-decisión
Ejercicios árbol-de-decisión Ejercicios árbol-de-decisión
Ejercicios árbol-de-decisión ISRA VILEMA
 
Decisiones matriz de pago 2015 c3
Decisiones matriz de pago 2015 c3Decisiones matriz de pago 2015 c3
Decisiones matriz de pago 2015 c3Gaston Saenz
 

La actualidad más candente (20)

Problemas de tarea trasporte
Problemas de tarea trasporteProblemas de tarea trasporte
Problemas de tarea trasporte
 
Ejercicios resueltos de maximización: de método simplex
Ejercicios resueltos de maximización: de método simplexEjercicios resueltos de maximización: de método simplex
Ejercicios resueltos de maximización: de método simplex
 
ejercicios-resueltos-programacion-lineal
 ejercicios-resueltos-programacion-lineal ejercicios-resueltos-programacion-lineal
ejercicios-resueltos-programacion-lineal
 
Investigación de Operaciones 1/2
Investigación de Operaciones 1/2Investigación de Operaciones 1/2
Investigación de Operaciones 1/2
 
EJERCICIOS DE SISTEMAS DE COLA M/M/1
EJERCICIOS DE SISTEMAS DE COLA M/M/1EJERCICIOS DE SISTEMAS DE COLA M/M/1
EJERCICIOS DE SISTEMAS DE COLA M/M/1
 
Ejercicios inventarios
Ejercicios inventariosEjercicios inventarios
Ejercicios inventarios
 
Casos productividad-1
Casos productividad-1Casos productividad-1
Casos productividad-1
 
Programacion de metas y objetivos
Programacion de metas y objetivosProgramacion de metas y objetivos
Programacion de metas y objetivos
 
Resolución de problemas (oa)
Resolución de problemas (oa)Resolución de problemas (oa)
Resolución de problemas (oa)
 
Semana 2 ejercicios cap 2
Semana 2 ejercicios cap 2Semana 2 ejercicios cap 2
Semana 2 ejercicios cap 2
 
Problemario
ProblemarioProblemario
Problemario
 
Ejercicio 2
Ejercicio 2Ejercicio 2
Ejercicio 2
 
Ejercicios resueltos io 1 parte 2
Ejercicios resueltos io 1   parte 2Ejercicios resueltos io 1   parte 2
Ejercicios resueltos io 1 parte 2
 
5 91-1-pb (1)
5 91-1-pb (1)5 91-1-pb (1)
5 91-1-pb (1)
 
Ejercicios resueltos io 1 parte 1
Ejercicios resueltos io 1   parte 1Ejercicios resueltos io 1   parte 1
Ejercicios resueltos io 1 parte 1
 
Ejercicios árbol-de-decisión
Ejercicios árbol-de-decisión Ejercicios árbol-de-decisión
Ejercicios árbol-de-decisión
 
5.4 flujo maximo
5.4 flujo maximo5.4 flujo maximo
5.4 flujo maximo
 
Decisiones matriz de pago 2015 c3
Decisiones matriz de pago 2015 c3Decisiones matriz de pago 2015 c3
Decisiones matriz de pago 2015 c3
 
Problemas Resueltos de Teoría de Colas
Problemas Resueltos de Teoría de ColasProblemas Resueltos de Teoría de Colas
Problemas Resueltos de Teoría de Colas
 
Problemas resueltos(1)
Problemas resueltos(1)Problemas resueltos(1)
Problemas resueltos(1)
 

Destacado

Nonlinear Programming, Solved Problem
Nonlinear Programming, Solved ProblemNonlinear Programming, Solved Problem
Nonlinear Programming, Solved ProblemEdgar Mata
 
HISTORIA DE LA INVESTIGACION DE OPERACIONES
HISTORIA DE LA INVESTIGACION DE OPERACIONESHISTORIA DE LA INVESTIGACION DE OPERACIONES
HISTORIA DE LA INVESTIGACION DE OPERACIONESquintomerca
 
INVESTIGACIÓN DE OPERACIONES
INVESTIGACIÓN DE OPERACIONESINVESTIGACIÓN DE OPERACIONES
INVESTIGACIÓN DE OPERACIONESSofylutqm
 
Programación no lineal
Programación no linealProgramación no lineal
Programación no linealMarcos Barboza
 
Programacion Lineal
Programacion LinealProgramacion Lineal
Programacion Linealmarthyn1989
 
Paginas de matematicas
Paginas de matematicasPaginas de matematicas
Paginas de matematicasespanol
 

Destacado (8)

Solver en la solución de modelos lineales
Solver en la solución de modelos linealesSolver en la solución de modelos lineales
Solver en la solución de modelos lineales
 
Nonlinear Programming, Solved Problem
Nonlinear Programming, Solved ProblemNonlinear Programming, Solved Problem
Nonlinear Programming, Solved Problem
 
HISTORIA DE LA INVESTIGACION DE OPERACIONES
HISTORIA DE LA INVESTIGACION DE OPERACIONESHISTORIA DE LA INVESTIGACION DE OPERACIONES
HISTORIA DE LA INVESTIGACION DE OPERACIONES
 
INVESTIGACIÓN DE OPERACIONES
INVESTIGACIÓN DE OPERACIONESINVESTIGACIÓN DE OPERACIONES
INVESTIGACIÓN DE OPERACIONES
 
Programación no lineal
Programación no linealProgramación no lineal
Programación no lineal
 
Programacion Lineal
Programacion LinealProgramacion Lineal
Programacion Lineal
 
Programación lineal
Programación linealProgramación lineal
Programación lineal
 
Paginas de matematicas
Paginas de matematicasPaginas de matematicas
Paginas de matematicas
 

Similar a Clase Nº5 Programacion Lineal

Similar a Clase Nº5 Programacion Lineal (20)

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
 
Programacion lineal 2014
Programacion lineal 2014Programacion lineal 2014
Programacion lineal 2014
 
Programacion lineal 2
Programacion lineal 2Programacion lineal 2
Programacion lineal 2
 
Algoritmos especiales
Algoritmos especialesAlgoritmos especiales
Algoritmos especiales
 
Programacion lineal
Programacion linealProgramacion lineal
Programacion lineal
 
Materia i.o
Materia i.oMateria i.o
Materia i.o
 
Programacion lineal 2
Programacion lineal 2Programacion lineal 2
Programacion lineal 2
 
Programacion lineal
Programacion linealProgramacion lineal
Programacion lineal
 
Programacion lineal
Programacion linealProgramacion lineal
Programacion lineal
 
Materia i.o
Materia i.oMateria i.o
Materia i.o
 
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
 
Método gráfico
Método gráficoMétodo gráfico
Método gráfico
 
Unidad 2 ejercicios
Unidad 2 ejercicios Unidad 2 ejercicios
Unidad 2 ejercicios
 
Analisis de Modelos por Método Grafico
Analisis de Modelos por Método GraficoAnalisis de Modelos por Método Grafico
Analisis de Modelos por Método Grafico
 
EU2-Equiponro2
EU2-Equiponro2EU2-Equiponro2
EU2-Equiponro2
 
Eu2 equipo nro.2
Eu2 equipo nro.2Eu2 equipo nro.2
Eu2 equipo nro.2
 
39617 7001180393 08-29-2019_215914_pm_s02-sust_alg_e_ipp (1)
39617 7001180393 08-29-2019_215914_pm_s02-sust_alg_e_ipp (1)39617 7001180393 08-29-2019_215914_pm_s02-sust_alg_e_ipp (1)
39617 7001180393 08-29-2019_215914_pm_s02-sust_alg_e_ipp (1)
 
U2
U2U2
U2
 
Unidad2 métodos cuantitativa
Unidad2 métodos cuantitativa Unidad2 métodos cuantitativa
Unidad2 métodos cuantitativa
 

Más de jotape74

LíNeas De Espera
LíNeas De EsperaLíNeas De Espera
LíNeas De Esperajotape74
 
Clase Nº3 Pronostico
Clase Nº3 PronosticoClase Nº3 Pronostico
Clase Nº3 Pronosticojotape74
 
Clase Nº3 Pronostico
Clase Nº3 PronosticoClase Nº3 Pronostico
Clase Nº3 Pronosticojotape74
 
2a Y 3a Clase G.O.Ust
2a Y 3a Clase G.O.Ust2a Y 3a Clase G.O.Ust
2a Y 3a Clase G.O.Ustjotape74
 
Proceso Administrativo
Proceso AdministrativoProceso Administrativo
Proceso Administrativojotape74
 
Adm.Tecnologia
Adm.TecnologiaAdm.Tecnologia
Adm.Tecnologiajotape74
 
1a Clase(Unid II)
1a Clase(Unid II)1a Clase(Unid II)
1a Clase(Unid II)jotape74
 
Liderazgo1
Liderazgo1Liderazgo1
Liderazgo1jotape74
 
Aministracion Moderna 6a Clase
Aministracion Moderna 6a ClaseAministracion Moderna 6a Clase
Aministracion Moderna 6a Clasejotape74
 
Aministracion Moderna 4a Clase
Aministracion Moderna 4a ClaseAministracion Moderna 4a Clase
Aministracion Moderna 4a Clasejotape74
 
Clase Nº7 Plan De Negocio
Clase Nº7 Plan De NegocioClase Nº7 Plan De Negocio
Clase Nº7 Plan De Negociojotape74
 
Clase Nº 6 Plan De Negocio
Clase Nº 6 Plan De NegocioClase Nº 6 Plan De Negocio
Clase Nº 6 Plan De Negociojotape74
 
Aministracion Moderna 1a Y 2a Clase
Aministracion Moderna 1a Y 2a ClaseAministracion Moderna 1a Y 2a Clase
Aministracion Moderna 1a Y 2a Clasejotape74
 
Clase 4 Plan De Negocio
Clase 4 Plan De NegocioClase 4 Plan De Negocio
Clase 4 Plan De Negociojotape74
 
Clase 3 Plan Negocio Final
Clase 3 Plan Negocio FinalClase 3 Plan Negocio Final
Clase 3 Plan Negocio Finaljotape74
 
Clase 2 Plan Negocio
Clase 2 Plan NegocioClase 2 Plan Negocio
Clase 2 Plan Negociojotape74
 
Clase 1 Aiep
Clase 1 AiepClase 1 Aiep
Clase 1 Aiepjotape74
 
Valei3(Slideshare)
Valei3(Slideshare)Valei3(Slideshare)
Valei3(Slideshare)jotape74
 

Más de jotape74 (20)

LíNeas De Espera
LíNeas De EsperaLíNeas De Espera
LíNeas De Espera
 
Clase Nº3 Pronostico
Clase Nº3 PronosticoClase Nº3 Pronostico
Clase Nº3 Pronostico
 
Clase Nº3 Pronostico
Clase Nº3 PronosticoClase Nº3 Pronostico
Clase Nº3 Pronostico
 
2a Y 3a Clase G.O.Ust
2a Y 3a Clase G.O.Ust2a Y 3a Clase G.O.Ust
2a Y 3a Clase G.O.Ust
 
Foda
FodaFoda
Foda
 
Proceso Administrativo
Proceso AdministrativoProceso Administrativo
Proceso Administrativo
 
Adm.Tecnologia
Adm.TecnologiaAdm.Tecnologia
Adm.Tecnologia
 
1a Clase(Unid II)
1a Clase(Unid II)1a Clase(Unid II)
1a Clase(Unid II)
 
Liderazgo1
Liderazgo1Liderazgo1
Liderazgo1
 
Aministracion Moderna 6a Clase
Aministracion Moderna 6a ClaseAministracion Moderna 6a Clase
Aministracion Moderna 6a Clase
 
Aministracion Moderna 4a Clase
Aministracion Moderna 4a ClaseAministracion Moderna 4a Clase
Aministracion Moderna 4a Clase
 
Clase Nº7 Plan De Negocio
Clase Nº7 Plan De NegocioClase Nº7 Plan De Negocio
Clase Nº7 Plan De Negocio
 
Clase Nº 6 Plan De Negocio
Clase Nº 6 Plan De NegocioClase Nº 6 Plan De Negocio
Clase Nº 6 Plan De Negocio
 
Aministracion Moderna 1a Y 2a Clase
Aministracion Moderna 1a Y 2a ClaseAministracion Moderna 1a Y 2a Clase
Aministracion Moderna 1a Y 2a Clase
 
pn5
pn5pn5
pn5
 
Clase 4 Plan De Negocio
Clase 4 Plan De NegocioClase 4 Plan De Negocio
Clase 4 Plan De Negocio
 
Clase 3 Plan Negocio Final
Clase 3 Plan Negocio FinalClase 3 Plan Negocio Final
Clase 3 Plan Negocio Final
 
Clase 2 Plan Negocio
Clase 2 Plan NegocioClase 2 Plan Negocio
Clase 2 Plan Negocio
 
Clase 1 Aiep
Clase 1 AiepClase 1 Aiep
Clase 1 Aiep
 
Valei3(Slideshare)
Valei3(Slideshare)Valei3(Slideshare)
Valei3(Slideshare)
 

Último

Guía de Registro slideshare paso a paso 1
Guía de Registro slideshare paso a paso 1Guía de Registro slideshare paso a paso 1
Guía de Registro slideshare paso a paso 1ivanapaterninar
 
certificado de oracle academy cetrificado.pdf
certificado de oracle academy cetrificado.pdfcertificado de oracle academy cetrificado.pdf
certificado de oracle academy cetrificado.pdfFernandoOblitasVivan
 
LUXOMETRO EN SALUD OCUPACIONAL(FINAL).ppt
LUXOMETRO EN SALUD OCUPACIONAL(FINAL).pptLUXOMETRO EN SALUD OCUPACIONAL(FINAL).ppt
LUXOMETRO EN SALUD OCUPACIONAL(FINAL).pptchaverriemily794
 
Trabajo de tecnología excel avanzado.pdf
Trabajo de tecnología excel avanzado.pdfTrabajo de tecnología excel avanzado.pdf
Trabajo de tecnología excel avanzado.pdfedepmariaperez
 
tarea de exposicion de senati zzzzzzzzzz
tarea de exposicion de senati zzzzzzzzzztarea de exposicion de senati zzzzzzzzzz
tarea de exposicion de senati zzzzzzzzzzAlexandergo5
 
El_Blog_como_herramienta_de_publicacion_y_consulta_de_investigacion.pptx
El_Blog_como_herramienta_de_publicacion_y_consulta_de_investigacion.pptxEl_Blog_como_herramienta_de_publicacion_y_consulta_de_investigacion.pptx
El_Blog_como_herramienta_de_publicacion_y_consulta_de_investigacion.pptxAlexander López
 
Los Microcontroladores PIC, Aplicaciones
Los Microcontroladores PIC, AplicacionesLos Microcontroladores PIC, Aplicaciones
Los Microcontroladores PIC, AplicacionesEdomar AR
 
GonzalezGonzalez_Karina_M1S3AI6... .pptx
GonzalezGonzalez_Karina_M1S3AI6... .pptxGonzalezGonzalez_Karina_M1S3AI6... .pptx
GonzalezGonzalez_Karina_M1S3AI6... .pptx241523733
 
La Electricidad Y La Electrónica Trabajo Tecnología.pdf
La Electricidad Y La Electrónica Trabajo Tecnología.pdfLa Electricidad Y La Electrónica Trabajo Tecnología.pdf
La Electricidad Y La Electrónica Trabajo Tecnología.pdfjeondanny1997
 
Modelo de Presentacion Feria Robotica Educativa 2024 - Versión3.pptx
Modelo de Presentacion Feria Robotica Educativa 2024 - Versión3.pptxModelo de Presentacion Feria Robotica Educativa 2024 - Versión3.pptx
Modelo de Presentacion Feria Robotica Educativa 2024 - Versión3.pptxtjcesar1
 
TALLER DE ANALISIS SOLUCION PART 2 (1)-1.docx
TALLER DE ANALISIS SOLUCION  PART 2 (1)-1.docxTALLER DE ANALISIS SOLUCION  PART 2 (1)-1.docx
TALLER DE ANALISIS SOLUCION PART 2 (1)-1.docxobandopaula444
 
tics en la vida cotidiana prepa en linea modulo 1.pptx
tics en la vida cotidiana prepa en linea modulo 1.pptxtics en la vida cotidiana prepa en linea modulo 1.pptx
tics en la vida cotidiana prepa en linea modulo 1.pptxazmysanros90
 
Documentacion Electrónica en Actos Juridicos
Documentacion Electrónica en Actos JuridicosDocumentacion Electrónica en Actos Juridicos
Documentacion Electrónica en Actos JuridicosAlbanyMartinez7
 
Tecnologias Starlink para el mundo tec.pptx
Tecnologias Starlink para el mundo tec.pptxTecnologias Starlink para el mundo tec.pptx
Tecnologias Starlink para el mundo tec.pptxGESTECPERUSAC
 
Red Dorsal Nacional de Fibra Óptica y Redes Regionales del Perú
Red Dorsal Nacional de Fibra Óptica y Redes Regionales del PerúRed Dorsal Nacional de Fibra Óptica y Redes Regionales del Perú
Red Dorsal Nacional de Fibra Óptica y Redes Regionales del PerúCEFERINO DELGADO FLORES
 
Presentación sobre la Inteligencia Artificial
Presentación sobre la Inteligencia ArtificialPresentación sobre la Inteligencia Artificial
Presentación sobre la Inteligencia Artificialcynserafini89
 
LAS_TIC_COMO_HERRAMIENTAS_EN_LA_INVESTIGACIÓN.pptx
LAS_TIC_COMO_HERRAMIENTAS_EN_LA_INVESTIGACIÓN.pptxLAS_TIC_COMO_HERRAMIENTAS_EN_LA_INVESTIGACIÓN.pptx
LAS_TIC_COMO_HERRAMIENTAS_EN_LA_INVESTIGACIÓN.pptxAlexander López
 
Crear un recurso multimedia. Maricela_Ponce_DomingoM1S3AI6-1.pptx
Crear un recurso multimedia. Maricela_Ponce_DomingoM1S3AI6-1.pptxCrear un recurso multimedia. Maricela_Ponce_DomingoM1S3AI6-1.pptx
Crear un recurso multimedia. Maricela_Ponce_DomingoM1S3AI6-1.pptxNombre Apellidos
 
FloresMorales_Montserrath_M1S3AI6 (1).pptx
FloresMorales_Montserrath_M1S3AI6 (1).pptxFloresMorales_Montserrath_M1S3AI6 (1).pptx
FloresMorales_Montserrath_M1S3AI6 (1).pptx241522327
 
AREA TECNOLOGIA E INFORMATICA TRABAJO EN EQUIPO
AREA TECNOLOGIA E INFORMATICA TRABAJO EN EQUIPOAREA TECNOLOGIA E INFORMATICA TRABAJO EN EQUIPO
AREA TECNOLOGIA E INFORMATICA TRABAJO EN EQUIPOnarvaezisabella21
 

Último (20)

Guía de Registro slideshare paso a paso 1
Guía de Registro slideshare paso a paso 1Guía de Registro slideshare paso a paso 1
Guía de Registro slideshare paso a paso 1
 
certificado de oracle academy cetrificado.pdf
certificado de oracle academy cetrificado.pdfcertificado de oracle academy cetrificado.pdf
certificado de oracle academy cetrificado.pdf
 
LUXOMETRO EN SALUD OCUPACIONAL(FINAL).ppt
LUXOMETRO EN SALUD OCUPACIONAL(FINAL).pptLUXOMETRO EN SALUD OCUPACIONAL(FINAL).ppt
LUXOMETRO EN SALUD OCUPACIONAL(FINAL).ppt
 
Trabajo de tecnología excel avanzado.pdf
Trabajo de tecnología excel avanzado.pdfTrabajo de tecnología excel avanzado.pdf
Trabajo de tecnología excel avanzado.pdf
 
tarea de exposicion de senati zzzzzzzzzz
tarea de exposicion de senati zzzzzzzzzztarea de exposicion de senati zzzzzzzzzz
tarea de exposicion de senati zzzzzzzzzz
 
El_Blog_como_herramienta_de_publicacion_y_consulta_de_investigacion.pptx
El_Blog_como_herramienta_de_publicacion_y_consulta_de_investigacion.pptxEl_Blog_como_herramienta_de_publicacion_y_consulta_de_investigacion.pptx
El_Blog_como_herramienta_de_publicacion_y_consulta_de_investigacion.pptx
 
Los Microcontroladores PIC, Aplicaciones
Los Microcontroladores PIC, AplicacionesLos Microcontroladores PIC, Aplicaciones
Los Microcontroladores PIC, Aplicaciones
 
GonzalezGonzalez_Karina_M1S3AI6... .pptx
GonzalezGonzalez_Karina_M1S3AI6... .pptxGonzalezGonzalez_Karina_M1S3AI6... .pptx
GonzalezGonzalez_Karina_M1S3AI6... .pptx
 
La Electricidad Y La Electrónica Trabajo Tecnología.pdf
La Electricidad Y La Electrónica Trabajo Tecnología.pdfLa Electricidad Y La Electrónica Trabajo Tecnología.pdf
La Electricidad Y La Electrónica Trabajo Tecnología.pdf
 
Modelo de Presentacion Feria Robotica Educativa 2024 - Versión3.pptx
Modelo de Presentacion Feria Robotica Educativa 2024 - Versión3.pptxModelo de Presentacion Feria Robotica Educativa 2024 - Versión3.pptx
Modelo de Presentacion Feria Robotica Educativa 2024 - Versión3.pptx
 
TALLER DE ANALISIS SOLUCION PART 2 (1)-1.docx
TALLER DE ANALISIS SOLUCION  PART 2 (1)-1.docxTALLER DE ANALISIS SOLUCION  PART 2 (1)-1.docx
TALLER DE ANALISIS SOLUCION PART 2 (1)-1.docx
 
tics en la vida cotidiana prepa en linea modulo 1.pptx
tics en la vida cotidiana prepa en linea modulo 1.pptxtics en la vida cotidiana prepa en linea modulo 1.pptx
tics en la vida cotidiana prepa en linea modulo 1.pptx
 
Documentacion Electrónica en Actos Juridicos
Documentacion Electrónica en Actos JuridicosDocumentacion Electrónica en Actos Juridicos
Documentacion Electrónica en Actos Juridicos
 
Tecnologias Starlink para el mundo tec.pptx
Tecnologias Starlink para el mundo tec.pptxTecnologias Starlink para el mundo tec.pptx
Tecnologias Starlink para el mundo tec.pptx
 
Red Dorsal Nacional de Fibra Óptica y Redes Regionales del Perú
Red Dorsal Nacional de Fibra Óptica y Redes Regionales del PerúRed Dorsal Nacional de Fibra Óptica y Redes Regionales del Perú
Red Dorsal Nacional de Fibra Óptica y Redes Regionales del Perú
 
Presentación sobre la Inteligencia Artificial
Presentación sobre la Inteligencia ArtificialPresentación sobre la Inteligencia Artificial
Presentación sobre la Inteligencia Artificial
 
LAS_TIC_COMO_HERRAMIENTAS_EN_LA_INVESTIGACIÓN.pptx
LAS_TIC_COMO_HERRAMIENTAS_EN_LA_INVESTIGACIÓN.pptxLAS_TIC_COMO_HERRAMIENTAS_EN_LA_INVESTIGACIÓN.pptx
LAS_TIC_COMO_HERRAMIENTAS_EN_LA_INVESTIGACIÓN.pptx
 
Crear un recurso multimedia. Maricela_Ponce_DomingoM1S3AI6-1.pptx
Crear un recurso multimedia. Maricela_Ponce_DomingoM1S3AI6-1.pptxCrear un recurso multimedia. Maricela_Ponce_DomingoM1S3AI6-1.pptx
Crear un recurso multimedia. Maricela_Ponce_DomingoM1S3AI6-1.pptx
 
FloresMorales_Montserrath_M1S3AI6 (1).pptx
FloresMorales_Montserrath_M1S3AI6 (1).pptxFloresMorales_Montserrath_M1S3AI6 (1).pptx
FloresMorales_Montserrath_M1S3AI6 (1).pptx
 
AREA TECNOLOGIA E INFORMATICA TRABAJO EN EQUIPO
AREA TECNOLOGIA E INFORMATICA TRABAJO EN EQUIPOAREA TECNOLOGIA E INFORMATICA TRABAJO EN EQUIPO
AREA TECNOLOGIA E INFORMATICA TRABAJO EN EQUIPO
 

Clase Nº5 Programacion Lineal

  • 2. Un problema de Programación lineal , busca maximizar o minimizar una función lineal, sujeta a un conjunto de restricciones lineales. La Programación lineal tiene amplias aplicaciones prácticas en áreas tan diversas como la asignación de recursos escasos, la compra y fabricación, la administración de agencias, la combinación y planeación de producción.
  • 3. PROGRAMACION LINEAL El Enfoque Gráfico
  • 4. Método para resolver problemas de Programación Lineal con solo dos variables, utilizando gráficas. Para entender como se aplica este método, veamos un ejemplo
  • 5. El laboratorio LAVAL, produce dos solventes, A y B, en su planta de Valparaíso. La planta opera 40 horas a la semana y emplea a 5 trabajadores de tiempo completo y a dos de tiempo parcial, que trabajan 15 horas a la semana para operar las 7 máquinas que mezclan ciertos químicos para producir cada solvente. Esta fuerza de trabajo proporciona hasta 230 hrs de trabajo disponible en el departamento de mezclado. Los productos, una vez mezclados, son refinados en el departamento de purificación, que actualmente tiene 7 purificadores y emplea a 6 trabajadores de tiempo completo y a uno de tiempo parcial, que trabaja 10 horas a la semana. Este trabajo proporciona hasta 250 hrs de trabajo disponible en el departamento de purificación. Las horas requeridas en los departamentos de mezclado y purificación para producir mil galones de cada uno de los solventes se enumeran en la siguiente tabla. Requerimiento de mezclado y purificación (hr/1000 gal) A B Mezclado Purificación 2 1 1 2 2X1 + X2 < 230 (mezclado) X1 + 2X2 < 250 (purificación)
  • 6. LAVAL, tiene una provisión casi limitada de la materia prima que necesita para producir los dos solventes. Puede vender cualquier cantidad de A, pero la demanda del producto más especializado, B, está limitada a un máximo de 120.000 galones por semana. El departamento de contabilidad estima un margen de ganancia de US$3 (miles de dólares) por galón de A y US$5 por galón de B. Como todos los empleados son asalariados y por tanto, se les paga la misma cantidad sin importar cuantas horas trabajen, estos salarios y los costos de las máquinas se consideran fijos y no se incluyen en los cálculos del margen de ganancia. Como gerente de operaciones, usted desea determinar el plan de fabricación semanal óptimo para LAVAL. Función Objetivo a maximizar 3 X1 + 5 X2 X2 < 120 ( Límite sobre B) Aquí, X1 es el número de miles de galones de A por producir, y X2 el número de miles de galones de B por producir.
  • 7. Mediante el proceso de formulación del problema, puede desarrollar el siguiente modelo matemático. La función Objetivo se expresa en miles de dólares Función Objetivo a maximizar 3 X1 + 5 X2 2X1 + X2 < 230 (mezclado) X1 + 2X2 < 250 (purificación) X2 < 120 ( Límite sobre B) X1 > 0 X2 > 0 Como Gerente de Operaciones su objetivo es resolver este problema, esto es, encontrar valores para las variables X1 y X2 que satisfagan las cinco restricciones y produzcan el mayor margen de ganancia para la función objetivo. Ahora aprenderá a resolver este problema gráficamente. Dependiendo de: Restricciones
  • 8. Función Objetivo a maximizar 3 X1 + 5 X2 2X1 + X2 < 230 (mezclado) X1 + 2X2 < 250 (purificación) X2 < 120 ( Límite sobre B) X1 > 0 X2 > 0 Dependiendo de: Dado el siguiente modelo de maximización debemos determinar la solución factible óptima que cumpla con las restricciones que acompañan la función objetivo Incluyendo las restricciones de no negatividad de X1 y X2 siendo estas las dos últimas dentro del modelo
  • 9. 2X1 + X2 < 230 (mezclado) X1 + 2X2 < 250 (purificación) X2 < 120 ( Límite sobre B) X1 > 0 X2 > 0 Dependiendo de: El primer paso es la determinación del espacio de la solución factible , para ello reemplazamos las desigualdades por ecuaciones y después trazamos las líneas rectas resultantes en el gráfico 2X1 + X2 = 230 X1 + 2X2 = 250 X2 = 120 X1 = 0 X2 = 0 Función Objetivo a maximizar 3 X1 + 5 X2 (1) (2) (3) (4) (5)
  • 10. 2X1 + X2 = 230 X1 + 2X2 = 250 X2 = 120 X1 = 0 X2 = 0 (1) (2) (3) (4) (5) Por ejemplo para la primera ecuación se pueden obtener estos puntos demostrando primero X1 = 0 , para obtener X2 = 230 y después determinando X2 = 0 para obtener X1 = 115 Por consiguiente la línea recta pasará a través de los puntos (0,230) y (115,0) X1 X2 0 230 115 0 (1) X2 X1 100 200 300 100 200 300 (1) Después consideramos el efecto de la desigualdad, todo lo que hace la desigualdad es dividir el plano X1 y X2 en dos espacios o mitades que ocurre al momento de trazar la línea recta, por lo que un lado satisface la desigualdad y el otro no Esto se puede ver en la primera restricción asignándole a X1 y X2 el valor del origen, es decir (0,0) cuyo resultado va a ser menos a 230, queriendo decir esto que el lado factible de esta restricción incluye al mismo origen Punto Origen en caso contrario, entonces la flecha direccional apuntaría al lado opuesto del origen. En caso a que la línea atravesara al origen, entonces podemos elegir otro punto de referencia para efectuar el resultado deseado. Flecha direccional
  • 11. X2 X1 100 200 300 100 200 300 (1) Sea X1= 0 y X2=0 , si satisface por que 2X1 + X2 = 2 (0) + 0 = 0, que es < 230, por lo tanto los valores factibles van hacia abajo como muestra la flecha direccional. Ahora veremos las demás rectas resultantes de las siguientes ecuaciones X1 X2 0 125 250 0 (2) (2)
  • 12. X2 X1 100 200 300 100 200 300 (1) X1 X2 0 125 250 0 (2) (2) (3) X2 = 120 (3) (4) (5) Región Factible : El conjunto de valores para las variables de decisión en un programa lineal que satisface todas las restricciones.
  • 13. X2 X1 100 200 300 100 200 300 (1) (2) (3) (4) (5) A B C D E Cualquier punto en ese espacio es un punto factible que satisface todas las restricciones. (4) y (5) permiten sólo valores no negativos, es decir a la derecha del eje X2 y encima del eje X1
  • 14. Para obtener la solución óptima.. podemos usar los puntos extremos como referencia El punto en la región factible que tiene el mejor valor de la función objetivo X2 X1 100 200 300 100 200 300 (1) (2) (3) (4) (5) A B C D E En uno de esos puntos extremos puede estar el punto que maximice la función objetivo Punto extremo X1 X2 Función Objetivo 3X1+5X2 A B C D E 0 115 70 10 0 0 0 90 120 120 0 345 660 630 600 Punto C , se obtiene interceptando (1) y (2) 2X1 + X2 = 230 (1) X1 + 2X2 = 250 (2) Sistema de ecuaciones X1=70 X2=90 Solución óptima
  • 15. Otra manera de encontrar la solución óptima es usando la función objetivo 1.- Trazar la línea de la función objetivo, eligiendo cualquier punto de la región factible y calcular el valor de la función objetivo en ese punto. 2.- Localizar su mejor lado (puntos que maximice la función objetivo en este caso). 3.- Mover la línea de la función objetivo de manera paralela así misma en la dirección de mejora.
  • 16. X2 X1 100 200 300 100 200 300 (1) (2) (3) (4) (5) A B C D E 30 20 Función Objetivo = 3X1 + 5X2 = 210 50 50 Función Objetivo = 3X1 + 5X2 = 400 Mejor lado
  • 17. Los resultados para LAVAL en la forma de un plan de producción semanal son los siguientes: Cantidad de “A” por producir = 70 (miles de galones) Cantidad de “B” por producir = 90 (miles de galones) Margen de ganancia semanal = U$ 660 (miles de dólares)
  • 18. La Apex Televisión debe decidir el número de televisores de 27” y 20” producidos en una de sus fábricas, la investigación de mercado indica ventas a lo más de 40 televisores de 27” y 10 de 20” cada mes. El número máximo de horas hombre disponible es de 500 por mes, un televisor de 27” requiere 20 horas-hombre y uno de 20” requiere 10 Horas-hombre, cada televisor de 27” produce una ganancia de $120 y cada uno de 20” da una ganancia de $80. Un distribuidor esta de acuerdo en comprar todos los televisores producidos siempre y cuando no exceda el máximo indicado por el estudio de mercado. a) Formule el modelo de programación lineal b) Use el método gráfico para resolver el modelo. Televisor de 27” = X1 Televisor de 20” = X2 Ventas Horas-Hombre Ganancias X1 X2 40 20 10 10 120 80 500 120X1 + 80X2
  • 19. Función Objetivo. Máx (Z) = 120X1 + 80X2 Restricciones: X1 < 40 X2 < 10 20 X1 + 10 X2 < 500 X1 > 0 , X2 > 0 Igualando las Restricciones: X1 = 40 (1) X2 = 10 (2) 20X1 + 10X2 = 500 (3) Solución a)
  • 20. Solución b) Tabulando X1 X2 40 0 0 0 X1 X2 0 10 0 0 X1 X2 0 50 25 0 R1: R2: R3: X1 X2 5 10 15 20 25 30 35 40 45 50 5 10 40 R1 R2 25 R3 Región Factible Función Objetivo X2 = 10 (2) 20X1 + 10X2 = 500 (3) Obtener este punto a través de un sistema de ecuaciones. 20X1 + 10(10) = 500 X1 = 400/20 X1=20
  • 21. Reemplazando en Z ó Función Objetivo Máx (Z) = 120X1 + 80X2 Máx (Z) = 120 (20) + 80 (10) Máx (Z) = $3.200 Se tienen que vender 20 televisores de 27” y 10 televisores de 20” para obtener la máxima ganancia de $3.200.
  • 22. http:// www.scribd.com / doc /21066515/Ejercicios-Resueltos-de- Programacion -Lineal Resolver los ejercicios que aparecen en esta dirección En el ejercicio Nº6 sólo planteamiento, ya que es de 3 variables y se resuelve por computadora. El ejercicio Nº22 no deben resolver.
  • 23. La empresa Whitt Windows tiene solo tres empleados que hacen dos tipos de ventanas: con marco de madera y con marco de aluminio, la ganancia es de $60 por cada ventana con marco de madera y de $30 por cada una con marco de aluminio. Doug hace marcos de madera y puede terminar 6 al día, Linda hace 4 marcos de aluminio al día, Bob forma y corta el vidrio y puede hacer 48 pies cuadrados de vidrio por día, cada ventana con marco de madera usa 6 pies cuadrados de vidrio y cada de aluminio usa 8 pies cuadrados de vidrio. La Compañía desea determinar cuantas ventanas de cada tipo producir al día para maximizar la ganancia total. a) Formule el modelo de programación lineal. Marco de Madera = X1 Marco de Aluminio = X2 Empleado 1 Empleado 2 Vidrio Ganancia X1 X2 6 6 60 0 0 4 8 30 48 60X1 + 30X2 Requerimiento de material por cada tipo de ventana
  • 24. Función Objetivo = Máx (Z) = 60X1 + 30X2 Restricciones: X1 < 6 X2 < 4 6 X1 + 8 X2 < 48 X1 > 0 , X2 > 0 Igualando las Restricciones: X1 = 6 (1) X2 = 4 (2) 6X1 + 8X2 = 48 (3)
  • 25. Tabulando X1 X2 0 0 6 0 X1 X2 0 4 0 0 X1 X2 0 6 8 0 R1: R2: R3: X1 X2 1 2 3 4 5 6 7 8 9 10 1 2 R1 R2 R3 3 4 5 6 7 8 A B C D E Solución óptima Punto C : X1= 6 (1) 6X1 + 8X2 = 48 (3) X2= 3/2 b) Use el método gráfico para resolver el modelo
  • 26. Reemplazando en: Máx (Z) = 60 X1 + 30 X2 Max (Z) = 60 (6) + 30 (3/2) Máx ( Z) = 405 Por lo tanto, se necesitan 6 marcos de madera y un marco y medio de aluminio, para maximizar la ganancia y obtener $405.
  • 27. c) Un nuevo competidor en la ciudad, también produce ventanas de madera, esto puede forzar a la compañía a bajar sus precios y por ende la ganancia debida a este tipo de ventanas )¿Cómo cambiará la solución óptima (si cambia) si la ganancia por ventana de madera disminuye de $60 a $40 y de $60 a $20? Cuando la función objetivo es: Máx (Z) = 60X1 + 30 X2 = 60 (6) + 30 (3/2) = 405 Si la ganancia por ventana de madera disminuye de $60 a $40: Máx (Z) = 40X1 + 30X2 = 40 (6) + 30 (3/2) = 285. Si la ganancia por ventana de madera disminuye de $60 a $20: Máx (Z) = 20X1 + 30X2 = 20 (6) + 30 (3/2) = 165
  • 28. d) Doug piensa reducir sus horas de trabajo, lo cual reducirá el número de ventanas de madera por día ¿Cómo cambiará la solución óptima si hace solo 5 marcos diarios? Empleado 1 Empleado 2 Vidrio Ganancia X1 X2 5 6 60 0 0 4 8 30 48 60X1 + 30X2 Cambio de 6 horas a 5 horas Función Objetivo = Máx (Z) = 60X1 + 30X2 Restricciones: X1 < 5 X2 < 4 6 X1 + 8 X2 < 48 X1 > 0 , X2 > 0
  • 29. Igualando las Restricciones: X1 = 5 (1) X2 = 4 (2) 6X1 + 8X2 = 48 (3) Tabulando X1 X2 0 0 5 0 X1 X2 0 4 0 0 X1 X2 0 6 8 0 R1: R2: R3: X1 X2 1 2 3 4 5 6 7 8 9 10 1 2 R1 R2 R3 3 4 5 6 7 8 A B C D E Función Objetivo Punto C : X1 = 5 (1) 6X1 + 8X2 = 48 (2) X2 = 9/4
  • 30. Reemplazando en: Máx (Z) = 60 X1 + 30 X2 Max (Z) = 60 (5) + 30 (9/4) Máx ( Z) = 367,5 Por lo tanto, se necesitan 5 marcos de madera y 2 más 1/4 marco de aluminio, para maximizar la ganancia y obtener $367,5.
  • 31. CASOS ESPECIALES EN PROGRAMACION LINEAL
  • 32. 1.- Programas lineales infactibles. 2.- Programas lineales ilimitados. 3.- Programas lineales con soluciones optimas alternativas. CASOS ESPECIALES EN PL
  • 33. Siguiendo con el ejercicio anterior del laboratorio LAVAL: Supongamos que usted es el gerente del departamento de planeación de producción de LAVAL, y que su gerente de ventas le informa que desea firmar un contrato a largo plazo para proveer 150.000 galones del solvente “A” cada semana. Para deducir un plan de producción semanal que satisfaga este requerimiento de ventas, usted ha modificado la formulación del programa lineal que se planteo en un principio añadiendo la siguiente restricción- X1 > 150 Función Objetivo a maximizar 3 X1 + 5 X2 2X1 + X2 < 230 (mezclado) X1 + 2X2 < 250 (purificación) X2 < 120 ( Límite sobre B) X1 > 0 X2 > 0 Dependiendo de: X1 > 150 (1) (2) (3) (4) (5) (6) Nueva restricción
  • 34. X2 X1 100 200 300 100 200 300 (1) (2) (3) (4) (5) A B C D E (6) 150 Como se puede apreciar, no existen valores de X1 y X2 que satisfagan la nueva restricción (6) y todas las anteriores restricciones. Esto significa que, con sus actuales recursos, LAVAL no puede satisfacer un acuerdo contractual para proveer 150.000 galones del solvente “A” por semana. Si se firma el contrato propuesto, LAVAL necesitará obtener recursos adicionales para incrementar las capacidades de producción. La gerencia ejecutiva, por tanto, tendrá que tomar una decisión estratégica sobre el valor de esta inversión. Este tipo de programa lineal se denomina programa lineal infactible Programa lineal Infactible : Significa que ningún valor de las variables satisface todas las restricciones simultáneamente, es decir , que no existe ninguna región factible. Para tales problemas, no tiene caso tratar de obtener una solución óptima por que ni siquiera podrá encontrar una solución factible.
  • 35. Siguiendo con el ejemplo. Supongamos que los signos de desigualdades de las restricciones 1 y 2 del ejemplo se revierten accidentalmente durante la formulación del problema. El programa resultante sería el siguiente: Función Objetivo a maximizar 3 X1 + 5 X2 2X1 + X2 > 230 (mezclado) X1 + 2X2 > 250 (purificación) X2 < 120 ( Límite sobre B) X1 > 0 X2 > 0 Dependiendo de: (1) (2) (3) (4) (5)
  • 36. X2 X1 100 200 100 200 (1) (2) (3) (4) (5) 150 Función objetivo Si movemos la línea de la función objetivo paralelamente a sí misma en la dirección de mejora o mejor lado, o sea hacia la derecha, hasta que la línea esté apunto de dejar la región factible. En este ejemplo la línea de la función objetivo nunca se alejará por que el extremo derecho de la región factible no tiene límite. Teóricamente esto significa que LAVAL puede obtener una ganancia infinita, lo que es claramente imposible. Se dice que tal problema es un programa lineal ilimitado . Programa lineal ilimitado : Significa que la función objetivo puede mejorarse indefinidamente, esto es, que existen valores factibles de las variables que pueden hacer el valor de la función objetivo tan grande como se desee en el Caso de maximización (o tan chico como se desee en el caso de minimización ). Un programa lineal ilimitado se identifica gráficamente cuando la línea de la función objetivo puede moverse paralelamente así misma en la dirección de mejora sin abandonar nunca la región factible.
  • 37. Función Objetivo a maximizar 2 X1 + 4 X2 2X1 + X2 < 230 (mezclado) X1 + 2X2 < 250 (purificación) X2 < 120 ( Límite sobre B) X1 > 0 X2 > 0 Dependiendo de: Supongamos ahora que en el ejercicio de LAVAL, cambiaran los márgenes de ganancia por US$ 2 (en miles de dólares) para el solvente “A” y US$4 para el solvente “B”. El nuevo programa lineal sería: (1) (2) (3) (4) (5)
  • 38. X2 X1 100 200 300 100 200 300 (1) (2) (3) (4) (5) A B C D E Punto extremo X1 X2 Función Objetivo 2X1+4X2 A B C D E 0 115 70 10 0 0 0 90 120 120 0 230 500 500 480 Solución óptima Este tipo de problema, se denomina Programas lineales con soluciones optimas alternativas.