SlideShare una empresa de Scribd logo
1
AUTORES
Msc. JORGE ACOSTA PISCOYA. Licenciado En Estadística
Msc. DEBORA MEJIA PACHECO. Licenciado En Estadística
DOCENTES ASCRITOS AL DEPARTAMENTO DE ESTADISTICA
DE LA UNPRG – LAMBAYEQUE
2010
DOCENTES DE LA ASIGNATURA DE:
INVESTIGACION DE OPERACIONES I
2
La opción Solver de EXCEL sirve para resolver problemas de
optimización lineal y no lineal; también se pueden indicar restricciones enteras
sobre las variables de decisión. Con Solver es posible resolver problemas que
tengan hasta 200 variables de decisión, 100 restricciones explícitas y 400
simples (cotas superior e inferior o restricciones enteras sobre las variables de
decisión). Para acceder a Solver, seleccione Tools en el menú principal y
luego Solver. La ventana con los parámetros de Solver aparecerá tal y como
se muestra a continuación:
1. ingresar al Excel.
2. Desplegar el menú herramientas, si no aparece el solver hay que activarlo
para lo cual hacemos clic en complementos, saldrá la siguiente ventana
activar solver y luego aceptar
3. Dado el siguiente modelo de programación lineal, resolver utilizando solver
Max.Z = x1 + 2x2 + 4x3
S.a:
3x1 + x2 + 5x3 ≤ 10
x1 + 4x2 + x3 ≤ 8
2x1 + 2x3 ≤ 7
Xj ≥ 0 donde j=1,2,3
4. Escribir el modelo de programación lineal, como se muestra:
3
5. En la celda de la función objetivo (C2) hay que escribir la formula como se
muestra en la imagen:
6. una vez ingresada la formula dar enter y a parecerá la función objetivo con
valor cero como se muestra:
4
7. En las restricciones también se debe escribir una formula, como se muestra
en la primera restricción (H6), luego dar enter y aparecerá cero haga lo
mismo con las siguientes restricciones. Para no escribir las formulas
ubíquese en la formula de la primera restricción y arrástrelo hasta la ultima
restricción, esto se puede dado de que no se fijo el coeficiente.
8. luego ubíquese en la celda de la función objetivo C2 ir al menú
herramienta, clic en solver y aparecerá la siguiente pantalla:
Clic
9. Ingrese los valores de la variable, como se muestra:
clic
10. Aparecerá la siguiente pantalla, luego deberá ingresar las, restricciones,
clic en agregar, como se muestra:
5
Clic
11. Aparecerá la siguiente pantalla:
12. deben ingresarse las restricciones, como se muestra, una a una hasta la
última restricción, después de escribir la primera restricción no se olvide de
aceptar, para luego ingresar la otra y así sucesivamente:
13. Las restricciones de no negatividad se deben introducir manualmente como
se muestra:
6
14.- Luego clic en aceptar y aparecerá la siguiente pantalla
15. Luego clic en resolver y aparecerá la siguiente pantalla, y dar clic en
aceptar:
16. y se obtiene la solución del modelo:
Donde el valor de la función objetivo es 9.89473684 y los valores de la variable: X1=0 ; X2=1.5789;
X3= 1.6842
7
Ejercicio de Aplicación 1.- (Decisiones sobre plantación de cultivos) Un granjero tiene 100
hectáreas en los cuales puede sembrar Maíz y Arroz . Dispone de $ 3000 a fin de cubrir el costo
del sembrado. El granjero puede confiar en un total de 1350 horas-hombre destinadas a la
recolección de los dos cultivos y en el cuadro se muestra los siguientes datos por hectárea:
CULTIVOS COSTO DE
PLANTAR
DEMANDA HORAS-
HOMBRE
UTILIDAD
MAIZ $20 5 $ 100
ARROZ $40 20 $ 300
Formule el modelo de Programación lineal que permita maximizar sus utilidades del granjero.
Solución:
CULTIVOS HECTAREAS COSTO DE
PLANTAR
DEMANDA
HORAS-HOMBRE
UTILIDAD
MAIZ 1 $20 5 $ 100
ARROZ 1 $40 20 $ 300
RECURSO
DISPONIBLE
100 $3000 1350
 Variable s de Decisión:
x1 = Producción de Maíz por hectárea.
x2 = Producción de Arroz por hectárea.
 Función Objetivo:
Maximizar sus utilidades
 Restricciones:
R1. x1 + x2 < 100
R.2. 5x1 + 20x2 < 1350
R.3. 20x1 + 40x2 < 3000
 Condición de No negatividad:
x1 ≥ 0 ; x2 ≥ 0
 Modelo de Programación Lineal:
Max Z = 100x1 + 300x2
Sujeto a:
x1 + x2 < 100
5x1 + 20x2 < 1350
20x1 + 40x2 < 3000
x1 ≥ 0 ; x2 ≥ 0
Utilizando Solver para su solución:
1.- Digitamos el modelo de programación lineal en una hoja de cálculo de Excel
8
2.- digitamos las formulas en los respectivos casilleros:
 Primero la formula de la función objetivo
 Luego las formulas de las restricciones:
9
3.- luego seleccionamos herramientas y solver:
4. – Agregamos los valores de las variables.
5.- clic en resolver y se obtiene los siguientes resultados:
10
INTERPRETACIÓN DEL RESULTADO:
Para obtener una utilidad máxima de 21000 dólares, se debe cultivar 30 hectáreas de Maíz y 60
hectáreas de Arroz.
Ejercicio de Aplicación 2.- (Planeación dietética) La dietista de un hospital debe encontrar la
combinación más barata de dos productos, A y B, que contienen:
 al menos 0.5 miligramos de tiamina
 al menos 600 calorías
PRODUCTO TIAMINA CALORIAS
A 0.2 mg 100
B 0.08 mg 150
Solución:
PRODUCTO TIAMINA CALORIAS
A 0.2 mg 100
B 0.08 mg 150
REQUERIMINETOS
MINIMOS
0.5 600
 Variable s de Decisión:
x1 = Cantidad mas Barata del producto A
x2 = Cantidad mas Barata del Producto B
 Función Objetivo:
Minimizar Recursos
 Restricciones:
R1. 0.2x1 + 0.08x2 > 0.5
R.2. 100x1 + 150x2 > 600
 Condición de No negatividad:
x1 ≥ 0 ; x2 ≥ 0
11
 Modelo de Programación Lineal:
Min Z = x1 + x2
Sujeto a:
0.2x1 + 0.08x2 > 0.5
100x1 + 150x2 > 600
x1 ≥ 0 ; x2 ≥ 0
Utilizando Solver para su solución:
1.- Digitamos el modelo de programación lineal en una hoja de cálculo de Excel
2.- digitamos las formulas en los respectivos casilleros:
12
3.- luego seleccionamos herramientas y luego solver ingresamos los valores de la variable y
seleccionamos la opción minimizar, dado a que se trata de un modelo de programación lineal cuya
función objetivo es minimizar:
:
4.- clic en resolver:
INTERPRETACIÓN DEL RESULTADO:
Para Minimizar los costos a $4.4091 se deben Adquirir 1.2273 mg. Del producto A, y 3.1818
mg. Del producto B.
Ejercicio de Aplicación 3.- Un granjero tiene 200 cerdos que consumen 120 libras de comida
especial todos los días. El alimento se prepara como una mezcla de maíz y harina de soya con las
siguientes composiciones: Libras por Libra de Alimento
Alimento Calcio Proteína Fibra Costo ($/lb)
Maíz 0.001 0.09 0.02 0.2
Harina de
Soya
0.002 0.6 0.06 0.6
Los requisitos de alimento de los cerdos son:
1. Cuando menos 1% de calcio
2. Por lo menos 30% de proteína
3. Máximo 5% de fibra
13
Determine la mezcla de alimentos con el mínimo de costo por día
Solución:
 Variable s de Decisión:
x1 = Cantidad de Maíz Libra por libra de Alimento
x2 = Cantidad de Harina de Soya Libra por libra de Alimento
 Función Objetivo:
Minimizar el costo de alimento por día.
 Restricciones:
R1. 0.001x1 + 0.002x2 > (120)(0.01)
R.2. 0.09x1 + 0.6x2 > (120)(0.3)
R.3. 0.02x1 + 0.06x2 < (120)(0.05)
 Condición de No negatividad:
x1 ≥ 0 ; x2 ≥ 0
 Modelo de Programación Lineal:
Min Z = 0.2x1 + 0.6x2
Sujetos a:
0.001x1 + 0.002x2 > 1.2
0.09 x1 + 0.6 x2 > 36
0.02 x1 + 0.06 x2 < 6
x1 ≥ 0 ; x2 ≥ 0
Utilizando Solver para su solución:
1.- Digitamos el modelo de programación lineal en una hoja de cálculo de Excel
2.- digitamos las formulas en los respectivos casilleros:
14
3.- luego seleccionamos herramientas y luego solver ingresamos los valores de la variable y
seleccionamos la opción minimizar, dado a que se trata de un modelo de programación lineal cuya
función objetivo es minimizar:
4.- clic en resolver:
15
INTERPRETACIÓN DEL RESULTADO:
Para Minimizar los costos de alimento en $60, se debe comprar solamente 218.182 libras de
harina de soya y 27.27 libras de Maíz
Ejercicio de Aplicación 4.- Dos productos se elaboran al pasar en forma sucesiva por tres
máquinas. El tiempo por máquina asignado a los productos está limitado a 10 horas por día. El
tiempo de producción y la ganancia por unidad de cada producto son: Minutos Por Unidad
Producto Máquina 1 Máquina 2 Máquina 3 Ganancia
1 10 6 8 $2
2 5 20 15 $3
Determine cuantas unidades de cada productos se deben producir por día, que permita
maximizar las Ganancias.
Solución:
 Variable s de Decisión:
x1 = Cantidad de Unidades del Producto 1, a producir por día.
x2 = Cantidad de Unidades del Producto 2, a producir por día.
 Función Objetivo:
Maximizar las Ganancias.
 Restricciones:
R1. 10x1 + 5x2 < 10(60)
R.2. 6x1 + 20x2 < 10(60)
R.3. 8x1 + 15x2 < 10(60)
 Condición de No negatividad:
x1 ≥ 0 ; x2 ≥ 0
 Modelo de Programación Lineal:
Max Z = 2x1 + 3x2
Sujetos a:
10x1 + 5x2 < 600
6x1 + 20x2 < 600
8x1 + 15x2 < 600
x1 ≥ 0 ; x2 ≥ 0
.
16
Utilizando Solver para su solución:
1.- Digitamos el modelo de programación lineal en una hoja de cálculo de Excel
2.- Digitalizamos las formulas en los casilleros correspondientes
3.- Ingresamos los valores de las variables
17
4.- clic en resolver
INTERPRETACIÓN DEL RESULTADO:
Para tener una ganancia máxima de $141,8182 dólares diarios se deben producir por día 55
unidades del producto 1 y 11 unidades del producto 2, por día.
Ejercicio de Aplicación 5.- Las restricciones pesqueras impuestas por el ministerio obligan a
cierta empresa a pescar como máximo 2000 toneladas de merluza y 2000 toneladas de jurel,
además, en total, las capturas de estas dos especies no pueden pasar de las 3000 toneladas. Si el
precio de la merluza es de $1000 por kg y el precio del jurel es de $1500 por kg, ¿ Qué
cantidades debe pescar para obtener el máximo beneficio?.
Solución:
TIPO DE
PESCADO
PEZCA EN TONELADAS PEZCA PRECIO $
MERLUZA 1 0 1 1000
JUREL 0 1 1 1500
RECURSO
MAXIMO
2000 2000 3000
18
 Variable s de Decisión:
x1 = Tonelada de Merluza a pescar.
x2 = Tonelada de Jurel a pescar.
 Función Objetivo:
Maximizar los Beneficios.
 Restricciones:
R1. x1 < 2000
R.2. x2 < 2000
R.3 x1 + x2 < 3000
 Condición de No negatividad:
x1 ≥ 0 ; x2 ≥ 0
 Modelo de Programación Lineal:
Max Z = 1000x1 + 1500x2
Sujeto a:
x1 < 2000
x2 < 2000
x1 + x2 < 3000
x1 ≥ 0 ; x2 ≥ 0
Utilizando Solver para su solución:
1.- Digitamos el modelo de programación lineal en una hoja de cálculo de Excel
2.- Digitalizamos las formulas en los casilleros correspondientes.
19
3.- Ingresamos los valores de la variable
4.- clic en resolver
20
INTERPRETACIÓN DEL RESULTADO:
Para tener una ganancia máxima de 4000000 dólares se debe pescar 1000 toneladas de Merluza y
2000 toneladas de Jurel.
Ejercicio de Aplicación 6.- Se desea contratar movilidad para trasladar a 400 personas y se
dispone de las siguientes alternativas. Hay 8 buses con capacidad para 40 personas y cada una
cuesta $12000 y 10 buses con capacidad 50 personas, con un valor de $16000 cada uno. Si se
dispone sólo de 9 conductores para esa oportunidad. ¿Cuántos buses de cada tipo convendría
arrendar para que el viaje resulte lo más económico posible?
SOLUCION
 Variables de Decisión:
x1 = cantidad de buses que se deben arrendar con capacidad para 40 personas.
x2 = cantidad de buses que se deben arrendar con capacidad para 50 personas.
 Función Objetivo:
Minimizar los costos.
 Restricciones:
R1. 40x1 + 50x2 ≥ 400
R.2. x1 + x2 = 9
R.3 x1 < 8
R.4. x2 < 10
 Condición de No negatividad:
x1 ≥ 0 ; x2 ≥ 0
 Modelo de Programación Lineal:
Min Z = 12000 x1 + 16000 x2
Sujeto a:
40x1 + 50x2 ≥ 400
x1 + x2 = 9
x1 < 8
x2 < 10
x1 ≥ 0 ; x2 ≥ 0
Utilizando Solver para su solución:
1.- Digitamos el modelo de programación lineal en una hoja de cálculo de Excel
21
2.- Digitalizamos las formulas en los casilleros correspondientes.
3.- Ingresamos los valores de las variables.
22
4.- clic en aceptar
INTERPRETACIÓN DEL RESULTADO:
Para tener un gasto mínimo de $124000, se debe arrendar 5 buses de capacidad de 40
personas y 4 buses de capacidad para 50 personas.
Ejercicio de Aplicación 7.- Se aplica un examen que contiene preguntas del tipo A que
valen 4 puntos y del tipo B que valen 7 puntos. Se debe responder al menos 5 del tipo A y
al menos 3 del tipo B, pero las restricciones de tiempo impiden responder más de 10 de cada
tipo. En total, no se puede responder más de 18 preguntas. Suponiendo que las respuestas de
un alumno sean correctas:
a) ¿cuántas preguntas de cada tipo debe responder el alumno para maximizar su
Puntuación?
b) ¿cuál es la calificación máxima?
SOLUCION
 Variables de Decisión:
x1 = Número de preguntas tipo A resueltas de 4 puntos.
x2 = Número de preguntas tipo B resueltas de 7 puntos.
.
 Función Objetivo:
Maximizar los puntajes.
 Restricciones:
R1. x1 ≥ 5
R.2. x2 ≥ 3
R.3 x1 < 10
R.4. x2 < 10
R.5. x1 + x2 < 18
 Condición de No negatividad:
x1 ≥ 0 ; x2 ≥ 0
23
 Modelo de Programación Lineal:
Máx. Z = 4 x + 7 x2
Sujeto a:
x1 ≥ 5
x2 ≥ 3
x1 < 10
x2 < 10
x1 + x2 < 18
x1 ≥ 0 ; x2 ≥ 0
1.- Digitamos el modelo de programación lineal en la hoja de cálculo de Exel.
2.- Digitalizamos las formulas en los casilleros correspondientes.
24
3.- Ingresamos los valores de las variables.
4.- clic en resolver:
INTERPRETACIÓN DE RESULTADOS:
(a) Para maximizar su puntuación debe responder 8 preguntas tipo A y 10 preguntas tipo B.
(b) La calificación máxima es de 102 puntos
25
Ejercicio de Aplicación 8.- En una fábrica de bombillas se producen dos tipos de ellas, las de
tipo normal valen $ 450 y las de halógenos $ 600. La producción está limitada por el hecho de
que no se pueden fabricar al día más de 400 normales y 300 halógenas ni más de 500 en total.
Si se vende toda la producción, ¿cuántas de cada clase convendrá producir para obtener la
máxima ganancia?
SOLUCION:
 Variables de Decisión:
x1 = Número de Bombillas Normales a producir.
x2 = Número de Bombillas de Halógeno a producir.
.
 Función Objetivo:
Maximizar las ganancias.
 Restricciones:
R1. x1 < 400
R.2. x2 < 300
R.3. x1 + x2 < 500
 Condición de No negatividad:
x1 ≥ 0 ; x2 ≥ 0
 Modelo de Programación Lineal:
Máx. Z = 4 x + 7 x2
Sujeto a:
x1 < 400
x2 < 300
x1 + x2 < 500
x1 ≥ 0 ; x2 ≥ 0
1.- Digitamos el modelo de programación lineal en la hoja de cálculo de Exel.
2.- Digitalizamos las formulas en los casilleros correspondientes.
26
3.- Ingresamos los valores de las variables.
4.- clic en resolver:
27
INTERPRETACIÓN DEL RESULTADO:
Para tener una utilidad máxima de 270000 dólares se debe producir 200 bombillas
Normales y 300 bombillas de halógeno.

Más contenido relacionado

La actualidad más candente

Ejercicio 2
Ejercicio 2Ejercicio 2
Ejercicio 2
Sofylutqm
 
Resolucion problemas 5
Resolucion problemas 5Resolucion problemas 5
Resolucion problemas 5
lineal
 
Método de dos fases
Método de dos fasesMétodo de dos fases
Método de dos fases
Andres Eduardo Ortuño Rodriguez
 
Presentacion programacion dinamica
Presentacion programacion dinamicaPresentacion programacion dinamica
Presentacion programacion dinamica
VINAYOCANDO13
 
Clase Nº5 Programacion Lineal
Clase Nº5 Programacion LinealClase Nº5 Programacion Lineal
Clase Nº5 Programacion Lineal
jotape74
 
Unidad 1. Programación entera
Unidad 1. Programación enteraUnidad 1. Programación entera
Unidad 1. Programación entera
Universidad del golfo de México Norte
 
Unmsm fisi - programación lineal entera y binaria - io1 cl15 entera-binaria
Unmsm   fisi - programación lineal entera y binaria - io1 cl15 entera-binariaUnmsm   fisi - programación lineal entera y binaria - io1 cl15 entera-binaria
Unmsm fisi - programación lineal entera y binaria - io1 cl15 entera-binaria
Julio Pari
 
Vbtora98
Vbtora98Vbtora98
5.0 programación lineal
5.0 programación lineal5.0 programación lineal
5.0 programación lineal
jaldanam
 
Cien problemas de programacion lineal parte 2
Cien problemas de programacion lineal   parte 2Cien problemas de programacion lineal   parte 2
Cien problemas de programacion lineal parte 2
fzeus
 
Ejercicios resueltos io 1 parte 2
Ejercicios resueltos io 1   parte 2Ejercicios resueltos io 1   parte 2
Ejercicios resueltos io 1 parte 2
fzeus
 
Método simplex
Método simplex Método simplex
Método simplex
yaz de Zurita
 
Trabajo final programación lineal
Trabajo final programación linealTrabajo final programación lineal
Trabajo final programación lineal
Lizzy Cotrina Gutierrez
 
Programación entera (1)
Programación entera (1)Programación entera (1)
Programación entera (1)
BIOPOWER
 
Resolución de problemas (oa)
Resolución de problemas (oa)Resolución de problemas (oa)
Resolución de problemas (oa)
lineal
 
Problemas liniales
Problemas linialesProblemas liniales
Problemas liniales
Franco Snipes
 
Programación dinámica
Programación  dinámicaProgramación  dinámica
Programación dinámica
Elmer Gabriel Chan Pech
 
Ejercicios+analisis+de+sensibilidad
Ejercicios+analisis+de+sensibilidadEjercicios+analisis+de+sensibilidad
Ejercicios+analisis+de+sensibilidad
Jose Sanchez
 
Problemas de sistemas con lingo
Problemas de sistemas con lingoProblemas de sistemas con lingo
Problemas de sistemas con lingo
Alberto Garcia Leal
 
Clase 12. modelamiento matematico problemas de mezcla en pl
Clase 12. modelamiento matematico problemas de mezcla en plClase 12. modelamiento matematico problemas de mezcla en pl
Clase 12. modelamiento matematico problemas de mezcla en pl
Lucas Mosquera
 

La actualidad más candente (20)

Ejercicio 2
Ejercicio 2Ejercicio 2
Ejercicio 2
 
Resolucion problemas 5
Resolucion problemas 5Resolucion problemas 5
Resolucion problemas 5
 
Método de dos fases
Método de dos fasesMétodo de dos fases
Método de dos fases
 
Presentacion programacion dinamica
Presentacion programacion dinamicaPresentacion programacion dinamica
Presentacion programacion dinamica
 
Clase Nº5 Programacion Lineal
Clase Nº5 Programacion LinealClase Nº5 Programacion Lineal
Clase Nº5 Programacion Lineal
 
Unidad 1. Programación entera
Unidad 1. Programación enteraUnidad 1. Programación entera
Unidad 1. Programación entera
 
Unmsm fisi - programación lineal entera y binaria - io1 cl15 entera-binaria
Unmsm   fisi - programación lineal entera y binaria - io1 cl15 entera-binariaUnmsm   fisi - programación lineal entera y binaria - io1 cl15 entera-binaria
Unmsm fisi - programación lineal entera y binaria - io1 cl15 entera-binaria
 
Vbtora98
Vbtora98Vbtora98
Vbtora98
 
5.0 programación lineal
5.0 programación lineal5.0 programación lineal
5.0 programación lineal
 
Cien problemas de programacion lineal parte 2
Cien problemas de programacion lineal   parte 2Cien problemas de programacion lineal   parte 2
Cien problemas de programacion lineal parte 2
 
Ejercicios resueltos io 1 parte 2
Ejercicios resueltos io 1   parte 2Ejercicios resueltos io 1   parte 2
Ejercicios resueltos io 1 parte 2
 
Método simplex
Método simplex Método simplex
Método simplex
 
Trabajo final programación lineal
Trabajo final programación linealTrabajo final programación lineal
Trabajo final programación lineal
 
Programación entera (1)
Programación entera (1)Programación entera (1)
Programación entera (1)
 
Resolución de problemas (oa)
Resolución de problemas (oa)Resolución de problemas (oa)
Resolución de problemas (oa)
 
Problemas liniales
Problemas linialesProblemas liniales
Problemas liniales
 
Programación dinámica
Programación  dinámicaProgramación  dinámica
Programación dinámica
 
Ejercicios+analisis+de+sensibilidad
Ejercicios+analisis+de+sensibilidadEjercicios+analisis+de+sensibilidad
Ejercicios+analisis+de+sensibilidad
 
Problemas de sistemas con lingo
Problemas de sistemas con lingoProblemas de sistemas con lingo
Problemas de sistemas con lingo
 
Clase 12. modelamiento matematico problemas de mezcla en pl
Clase 12. modelamiento matematico problemas de mezcla en plClase 12. modelamiento matematico problemas de mezcla en pl
Clase 12. modelamiento matematico problemas de mezcla en pl
 

Destacado

HISTORIA DE LA INVESTIGACION DE OPERACIONES
HISTORIA DE LA INVESTIGACION DE OPERACIONESHISTORIA DE LA INVESTIGACION DE OPERACIONES
HISTORIA DE LA INVESTIGACION DE OPERACIONES
quintomerca
 
INVESTIGACIÓN DE OPERACIONES
INVESTIGACIÓN DE OPERACIONESINVESTIGACIÓN DE OPERACIONES
INVESTIGACIÓN DE OPERACIONES
Sofylutqm
 
Nonlinear Programming, Solved Problem
Nonlinear Programming, Solved ProblemNonlinear Programming, Solved Problem
Nonlinear Programming, Solved Problem
Edgar Mata
 
Programación no lineal
Programación no linealProgramación no lineal
Programación no lineal
Marcos Barboza
 
Programacion Lineal
Programacion LinealProgramacion Lineal
Programacion Lineal
marthyn1989
 
Programación lineal
Programación linealProgramación lineal
Programación lineal
Inmaculada Leiva Tapia
 
Paginas de matematicas
Paginas de matematicasPaginas de matematicas
Paginas de matematicas
espanol
 

Destacado (7)

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
 
Nonlinear Programming, Solved Problem
Nonlinear Programming, Solved ProblemNonlinear Programming, Solved Problem
Nonlinear Programming, Solved Problem
 
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 Solver en la solución de modelos lineales

Clase 2 - Metodo simplex
Clase 2 - Metodo simplexClase 2 - Metodo simplex
Clase 2 - Metodo simplex
guestcfb4affd5
 
SIMULACION REPASO USO SOLVER.ppt
SIMULACION REPASO  USO SOLVER.pptSIMULACION REPASO  USO SOLVER.ppt
SIMULACION REPASO USO SOLVER.ppt
DennisRecharte
 
MÉTODOS CUANTITATIVOS MATEMATICAS .pptx
MÉTODOS CUANTITATIVOS MATEMATICAS .pptxMÉTODOS CUANTITATIVOS MATEMATICAS .pptx
MÉTODOS CUANTITATIVOS MATEMATICAS .pptx
MIRIAMAYDEENRIQUEZSA
 
Investigacion Operativa Aspectos Generales
Investigacion Operativa Aspectos GeneralesInvestigacion Operativa Aspectos Generales
Investigacion Operativa Aspectos Generales
Instituto Tecnologico De Pachuca
 
Informática solver
Informática solverInformática solver
Informática solver
Alejandra Ulcuango
 
Algoritmos especiales
Algoritmos especialesAlgoritmos especiales
Algoritmos especiales
Thania2608
 
11 solveroptimización
11 solveroptimización11 solveroptimización
11 solveroptimización
Hugo Pereira
 
Función Solver
Función SolverFunción Solver
Función Solver
victoria210813
 
Sen Met grafico
Sen Met graficoSen Met grafico
Sen Met grafico
Jose Villanueva
 
Problemas rsueltos pl
Problemas rsueltos plProblemas rsueltos pl
Problemas rsueltos pl
Maykol Fernandez Huayhua
 
Problemasrsueltos pl
Problemasrsueltos plProblemasrsueltos pl
Problemasrsueltos pl
jacobo galicino
 
Manual lindo
Manual lindoManual lindo
Manual lindo
Nickson Blanco
 
2 3 investigacion de operaciones_2
2 3 investigacion de operaciones_22 3 investigacion de operaciones_2
2 3 investigacion de operaciones_2
Carlos Alberto Hernandez
 
Plantillabasicas
PlantillabasicasPlantillabasicas
Plantillabasicas
alexandragayon
 
06 guia
06 guia06 guia
Investigación de operaciones y simulación
Investigación de operaciones y simulaciónInvestigación de operaciones y simulación
Investigación de operaciones y simulación
GLSP
 
Solving Word Problems: Graphical Method
Solving Word Problems: Graphical MethodSolving Word Problems: Graphical Method
Solving Word Problems: Graphical Method
Edgar Mata
 
Solver, Jazmin, Freddy
Solver, Jazmin, FreddySolver, Jazmin, Freddy
Solver, Jazmin, Freddy
Freddy Velez
 
Solver, jazmin, freddy
Solver, jazmin, freddySolver, jazmin, freddy
Solver, jazmin, freddy
Jazmin Cabezas
 
Ejemplos vARIOS
Ejemplos vARIOSEjemplos vARIOS
Ejemplos vARIOS
Digitex Perú SAC
 

Similar a Solver en la solución de modelos lineales (20)

Clase 2 - Metodo simplex
Clase 2 - Metodo simplexClase 2 - Metodo simplex
Clase 2 - Metodo simplex
 
SIMULACION REPASO USO SOLVER.ppt
SIMULACION REPASO  USO SOLVER.pptSIMULACION REPASO  USO SOLVER.ppt
SIMULACION REPASO USO SOLVER.ppt
 
MÉTODOS CUANTITATIVOS MATEMATICAS .pptx
MÉTODOS CUANTITATIVOS MATEMATICAS .pptxMÉTODOS CUANTITATIVOS MATEMATICAS .pptx
MÉTODOS CUANTITATIVOS MATEMATICAS .pptx
 
Investigacion Operativa Aspectos Generales
Investigacion Operativa Aspectos GeneralesInvestigacion Operativa Aspectos Generales
Investigacion Operativa Aspectos Generales
 
Informática solver
Informática solverInformática solver
Informática solver
 
Algoritmos especiales
Algoritmos especialesAlgoritmos especiales
Algoritmos especiales
 
11 solveroptimización
11 solveroptimización11 solveroptimización
11 solveroptimización
 
Función Solver
Función SolverFunción Solver
Función Solver
 
Sen Met grafico
Sen Met graficoSen Met grafico
Sen Met grafico
 
Problemas rsueltos pl
Problemas rsueltos plProblemas rsueltos pl
Problemas rsueltos pl
 
Problemasrsueltos pl
Problemasrsueltos plProblemasrsueltos pl
Problemasrsueltos pl
 
Manual lindo
Manual lindoManual lindo
Manual lindo
 
2 3 investigacion de operaciones_2
2 3 investigacion de operaciones_22 3 investigacion de operaciones_2
2 3 investigacion de operaciones_2
 
Plantillabasicas
PlantillabasicasPlantillabasicas
Plantillabasicas
 
06 guia
06 guia06 guia
06 guia
 
Investigación de operaciones y simulación
Investigación de operaciones y simulaciónInvestigación de operaciones y simulación
Investigación de operaciones y simulación
 
Solving Word Problems: Graphical Method
Solving Word Problems: Graphical MethodSolving Word Problems: Graphical Method
Solving Word Problems: Graphical Method
 
Solver, Jazmin, Freddy
Solver, Jazmin, FreddySolver, Jazmin, Freddy
Solver, Jazmin, Freddy
 
Solver, jazmin, freddy
Solver, jazmin, freddySolver, jazmin, freddy
Solver, jazmin, freddy
 
Ejemplos vARIOS
Ejemplos vARIOSEjemplos vARIOS
Ejemplos vARIOS
 

Más de UNIVERSIDAD NACIONAL PEDRO RUIZ GALLO DE LAMBAYEQUE

TEORIA DE INVENTARIO: CON FALTANTE Y DESCUENTO POR CANTIDAD
TEORIA DE INVENTARIO: CON FALTANTE Y DESCUENTO POR CANTIDADTEORIA DE INVENTARIO: CON FALTANTE Y DESCUENTO POR CANTIDAD
TEORIA DE INVENTARIO: CON FALTANTE Y DESCUENTO POR CANTIDAD
UNIVERSIDAD NACIONAL PEDRO RUIZ GALLO DE LAMBAYEQUE
 
INVENTARIO SIN REABASTECIMIENTO INMEDIATO
INVENTARIO SIN REABASTECIMIENTO INMEDIATOINVENTARIO SIN REABASTECIMIENTO INMEDIATO
INVENTARIO SIN REABASTECIMIENTO INMEDIATO
UNIVERSIDAD NACIONAL PEDRO RUIZ GALLO DE LAMBAYEQUE
 
INVENTARIO MODELO ECONOMICO
INVENTARIO MODELO ECONOMICOINVENTARIO MODELO ECONOMICO
Grafico de regresión y correlación lineal – tutorial
Grafico de regresión y correlación lineal – tutorialGrafico de regresión y correlación lineal – tutorial
Grafico de regresión y correlación lineal – tutorial
UNIVERSIDAD NACIONAL PEDRO RUIZ GALLO DE LAMBAYEQUE
 
Analisis de varianza de un factor con Excel – tutorial
Analisis de varianza de un factor con Excel – tutorialAnalisis de varianza de un factor con Excel – tutorial
Analisis de varianza de un factor con Excel – tutorial
UNIVERSIDAD NACIONAL PEDRO RUIZ GALLO DE LAMBAYEQUE
 
Epistemologia y educación
Epistemologia y educaciónEpistemologia y educación
Investigaciòn de Operaciones Flujo maximo
Investigaciòn de Operaciones Flujo maximoInvestigaciòn de Operaciones Flujo maximo
Investigaciòn de Operaciones Flujo maximo
UNIVERSIDAD NACIONAL PEDRO RUIZ GALLO DE LAMBAYEQUE
 
La ruta mas corta
La ruta mas cortaLa ruta mas corta
La Aldea Global
La Aldea Global La Aldea Global
APLICACIÓN DE LA ESCALA MULTIDIMENSIONAL MÉTRICA
APLICACIÓN DE LA ESCALA MULTIDIMENSIONAL MÉTRICA APLICACIÓN DE LA ESCALA MULTIDIMENSIONAL MÉTRICA
APLICACIÓN DE LA ESCALA MULTIDIMENSIONAL MÉTRICA
UNIVERSIDAD NACIONAL PEDRO RUIZ GALLO DE LAMBAYEQUE
 
Análisis de varianza con spss
Análisis de varianza con spssAnálisis de varianza con spss
Estadistica descriptiva con spss
Estadistica descriptiva con spssEstadistica descriptiva con spss
Estadistica descriptiva con spss
UNIVERSIDAD NACIONAL PEDRO RUIZ GALLO DE LAMBAYEQUE
 

Más de UNIVERSIDAD NACIONAL PEDRO RUIZ GALLO DE LAMBAYEQUE (12)

TEORIA DE INVENTARIO: CON FALTANTE Y DESCUENTO POR CANTIDAD
TEORIA DE INVENTARIO: CON FALTANTE Y DESCUENTO POR CANTIDADTEORIA DE INVENTARIO: CON FALTANTE Y DESCUENTO POR CANTIDAD
TEORIA DE INVENTARIO: CON FALTANTE Y DESCUENTO POR CANTIDAD
 
INVENTARIO SIN REABASTECIMIENTO INMEDIATO
INVENTARIO SIN REABASTECIMIENTO INMEDIATOINVENTARIO SIN REABASTECIMIENTO INMEDIATO
INVENTARIO SIN REABASTECIMIENTO INMEDIATO
 
INVENTARIO MODELO ECONOMICO
INVENTARIO MODELO ECONOMICOINVENTARIO MODELO ECONOMICO
INVENTARIO MODELO ECONOMICO
 
Grafico de regresión y correlación lineal – tutorial
Grafico de regresión y correlación lineal – tutorialGrafico de regresión y correlación lineal – tutorial
Grafico de regresión y correlación lineal – tutorial
 
Analisis de varianza de un factor con Excel – tutorial
Analisis de varianza de un factor con Excel – tutorialAnalisis de varianza de un factor con Excel – tutorial
Analisis de varianza de un factor con Excel – tutorial
 
Epistemologia y educación
Epistemologia y educaciónEpistemologia y educación
Epistemologia y educación
 
Investigaciòn de Operaciones Flujo maximo
Investigaciòn de Operaciones Flujo maximoInvestigaciòn de Operaciones Flujo maximo
Investigaciòn de Operaciones Flujo maximo
 
La ruta mas corta
La ruta mas cortaLa ruta mas corta
La ruta mas corta
 
La Aldea Global
La Aldea Global La Aldea Global
La Aldea Global
 
APLICACIÓN DE LA ESCALA MULTIDIMENSIONAL MÉTRICA
APLICACIÓN DE LA ESCALA MULTIDIMENSIONAL MÉTRICA APLICACIÓN DE LA ESCALA MULTIDIMENSIONAL MÉTRICA
APLICACIÓN DE LA ESCALA MULTIDIMENSIONAL MÉTRICA
 
Análisis de varianza con spss
Análisis de varianza con spssAnálisis de varianza con spss
Análisis de varianza con spss
 
Estadistica descriptiva con spss
Estadistica descriptiva con spssEstadistica descriptiva con spss
Estadistica descriptiva con spss
 

Último

La vida de Martin Miguel de Güemes para niños de primaria
La vida de Martin Miguel de Güemes para niños de primariaLa vida de Martin Miguel de Güemes para niños de primaria
La vida de Martin Miguel de Güemes para niños de primaria
EricaCouly1
 
ACTA-DE-ENTREGA-DE-BOLETAS-DE-NOTAS-PRIMER-TRIMESTRE
ACTA-DE-ENTREGA-DE-BOLETAS-DE-NOTAS-PRIMER-TRIMESTREACTA-DE-ENTREGA-DE-BOLETAS-DE-NOTAS-PRIMER-TRIMESTRE
ACTA-DE-ENTREGA-DE-BOLETAS-DE-NOTAS-PRIMER-TRIMESTRE
ssuserbbe638
 
Evaluacion del tercer trimestre del 2023-2024
Evaluacion del tercer trimestre del 2023-2024Evaluacion del tercer trimestre del 2023-2024
Evaluacion del tercer trimestre del 2023-2024
israelsouza67
 
ACERTIJO DESCIFRANDO CÓDIGO DEL CANDADO DE LA TORRE EIFFEL EN PARÍS. Por JAVI...
ACERTIJO DESCIFRANDO CÓDIGO DEL CANDADO DE LA TORRE EIFFEL EN PARÍS. Por JAVI...ACERTIJO DESCIFRANDO CÓDIGO DEL CANDADO DE LA TORRE EIFFEL EN PARÍS. Por JAVI...
ACERTIJO DESCIFRANDO CÓDIGO DEL CANDADO DE LA TORRE EIFFEL EN PARÍS. Por JAVI...
JAVIER SOLIS NOYOLA
 
Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinaria). UCLM
Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinaria). UCLMExamen de Selectividad. Geografía junio 2024 (Convocatoria Ordinaria). UCLM
Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinaria). UCLM
Juan Martín Martín
 
Manual de procedimiento para gráficos HC
Manual de procedimiento para gráficos HCManual de procedimiento para gráficos HC
Manual de procedimiento para gráficos HC
josseanlo1581
 
SEMIOLOGIA DE HEMORRAGIAS DIGESTIVAS.pptx
SEMIOLOGIA DE HEMORRAGIAS DIGESTIVAS.pptxSEMIOLOGIA DE HEMORRAGIAS DIGESTIVAS.pptx
SEMIOLOGIA DE HEMORRAGIAS DIGESTIVAS.pptx
Osiris Urbano
 
tema 7. Los siglos XVI y XVII ( resumen)
tema 7. Los siglos XVI y XVII ( resumen)tema 7. Los siglos XVI y XVII ( resumen)
tema 7. Los siglos XVI y XVII ( resumen)
saradocente
 
Los Dominios y Reinos de los Seres Vivos
Los Dominios y Reinos de los Seres VivosLos Dominios y Reinos de los Seres Vivos
Los Dominios y Reinos de los Seres Vivos
karlafreire0608
 
Presentación simple corporativa degradado en violeta blanco.pdf
Presentación simple corporativa degradado en violeta blanco.pdfPresentación simple corporativa degradado en violeta blanco.pdf
Presentación simple corporativa degradado en violeta blanco.pdf
eleandroth
 
2° año LA VESTIMENTA-ciencias sociales 2 grado
2° año LA VESTIMENTA-ciencias sociales 2 grado2° año LA VESTIMENTA-ciencias sociales 2 grado
2° año LA VESTIMENTA-ciencias sociales 2 grado
GiselaBerrios3
 
Camus, Albert - El Extranjero.pdf
Camus, Albert -        El Extranjero.pdfCamus, Albert -        El Extranjero.pdf
Camus, Albert - El Extranjero.pdf
AlexDeLonghi
 
Liturgia día del Padre del siguiente domingo.pptx
Liturgia día del Padre del siguiente domingo.pptxLiturgia día del Padre del siguiente domingo.pptx
Liturgia día del Padre del siguiente domingo.pptx
YeniferGarcia36
 
pueblos originarios de chile presentacion twinkl.pptx
pueblos originarios de chile presentacion twinkl.pptxpueblos originarios de chile presentacion twinkl.pptx
pueblos originarios de chile presentacion twinkl.pptx
RAMIREZNICOLE
 
Nuevos espacios,nuevos tiempos,nuevas practica.pptx
Nuevos espacios,nuevos tiempos,nuevas practica.pptxNuevos espacios,nuevos tiempos,nuevas practica.pptx
Nuevos espacios,nuevos tiempos,nuevas practica.pptx
lautyzaracho4
 
Compartir p4s.co Pitch Hackathon Template Plantilla final.pptx-2.pdf
Compartir p4s.co Pitch Hackathon Template Plantilla final.pptx-2.pdfCompartir p4s.co Pitch Hackathon Template Plantilla final.pptx-2.pdf
Compartir p4s.co Pitch Hackathon Template Plantilla final.pptx-2.pdf
JimmyDeveloperWebAnd
 
CONCURSOS EDUCATIVOS 2024-PRESENTACIÓN ORIENTACIONES ETAPA IE (1).pptx
CONCURSOS EDUCATIVOS 2024-PRESENTACIÓN ORIENTACIONES ETAPA IE (1).pptxCONCURSOS EDUCATIVOS 2024-PRESENTACIÓN ORIENTACIONES ETAPA IE (1).pptx
CONCURSOS EDUCATIVOS 2024-PRESENTACIÓN ORIENTACIONES ETAPA IE (1).pptx
CARMENSnchez854591
 
Vida, obra y pensamiento de Kant I24.ppt
Vida, obra y pensamiento de Kant I24.pptVida, obra y pensamiento de Kant I24.ppt
Vida, obra y pensamiento de Kant I24.ppt
LinoLatella
 
RETROALIMENTACIÓN PARA EL EXAMEN ÚNICO AUXILIAR DE ENFERMERIA.docx
RETROALIMENTACIÓN PARA EL EXAMEN ÚNICO AUXILIAR DE ENFERMERIA.docxRETROALIMENTACIÓN PARA EL EXAMEN ÚNICO AUXILIAR DE ENFERMERIA.docx
RETROALIMENTACIÓN PARA EL EXAMEN ÚNICO AUXILIAR DE ENFERMERIA.docx
100078171
 
p4s.co Ecosistema de Ecosistemas - Diagrama.pdf
p4s.co Ecosistema de Ecosistemas - Diagrama.pdfp4s.co Ecosistema de Ecosistemas - Diagrama.pdf
p4s.co Ecosistema de Ecosistemas - Diagrama.pdf
DavidCamiloMosquera
 

Último (20)

La vida de Martin Miguel de Güemes para niños de primaria
La vida de Martin Miguel de Güemes para niños de primariaLa vida de Martin Miguel de Güemes para niños de primaria
La vida de Martin Miguel de Güemes para niños de primaria
 
ACTA-DE-ENTREGA-DE-BOLETAS-DE-NOTAS-PRIMER-TRIMESTRE
ACTA-DE-ENTREGA-DE-BOLETAS-DE-NOTAS-PRIMER-TRIMESTREACTA-DE-ENTREGA-DE-BOLETAS-DE-NOTAS-PRIMER-TRIMESTRE
ACTA-DE-ENTREGA-DE-BOLETAS-DE-NOTAS-PRIMER-TRIMESTRE
 
Evaluacion del tercer trimestre del 2023-2024
Evaluacion del tercer trimestre del 2023-2024Evaluacion del tercer trimestre del 2023-2024
Evaluacion del tercer trimestre del 2023-2024
 
ACERTIJO DESCIFRANDO CÓDIGO DEL CANDADO DE LA TORRE EIFFEL EN PARÍS. Por JAVI...
ACERTIJO DESCIFRANDO CÓDIGO DEL CANDADO DE LA TORRE EIFFEL EN PARÍS. Por JAVI...ACERTIJO DESCIFRANDO CÓDIGO DEL CANDADO DE LA TORRE EIFFEL EN PARÍS. Por JAVI...
ACERTIJO DESCIFRANDO CÓDIGO DEL CANDADO DE LA TORRE EIFFEL EN PARÍS. Por JAVI...
 
Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinaria). UCLM
Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinaria). UCLMExamen de Selectividad. Geografía junio 2024 (Convocatoria Ordinaria). UCLM
Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinaria). UCLM
 
Manual de procedimiento para gráficos HC
Manual de procedimiento para gráficos HCManual de procedimiento para gráficos HC
Manual de procedimiento para gráficos HC
 
SEMIOLOGIA DE HEMORRAGIAS DIGESTIVAS.pptx
SEMIOLOGIA DE HEMORRAGIAS DIGESTIVAS.pptxSEMIOLOGIA DE HEMORRAGIAS DIGESTIVAS.pptx
SEMIOLOGIA DE HEMORRAGIAS DIGESTIVAS.pptx
 
tema 7. Los siglos XVI y XVII ( resumen)
tema 7. Los siglos XVI y XVII ( resumen)tema 7. Los siglos XVI y XVII ( resumen)
tema 7. Los siglos XVI y XVII ( resumen)
 
Los Dominios y Reinos de los Seres Vivos
Los Dominios y Reinos de los Seres VivosLos Dominios y Reinos de los Seres Vivos
Los Dominios y Reinos de los Seres Vivos
 
Presentación simple corporativa degradado en violeta blanco.pdf
Presentación simple corporativa degradado en violeta blanco.pdfPresentación simple corporativa degradado en violeta blanco.pdf
Presentación simple corporativa degradado en violeta blanco.pdf
 
2° año LA VESTIMENTA-ciencias sociales 2 grado
2° año LA VESTIMENTA-ciencias sociales 2 grado2° año LA VESTIMENTA-ciencias sociales 2 grado
2° año LA VESTIMENTA-ciencias sociales 2 grado
 
Camus, Albert - El Extranjero.pdf
Camus, Albert -        El Extranjero.pdfCamus, Albert -        El Extranjero.pdf
Camus, Albert - El Extranjero.pdf
 
Liturgia día del Padre del siguiente domingo.pptx
Liturgia día del Padre del siguiente domingo.pptxLiturgia día del Padre del siguiente domingo.pptx
Liturgia día del Padre del siguiente domingo.pptx
 
pueblos originarios de chile presentacion twinkl.pptx
pueblos originarios de chile presentacion twinkl.pptxpueblos originarios de chile presentacion twinkl.pptx
pueblos originarios de chile presentacion twinkl.pptx
 
Nuevos espacios,nuevos tiempos,nuevas practica.pptx
Nuevos espacios,nuevos tiempos,nuevas practica.pptxNuevos espacios,nuevos tiempos,nuevas practica.pptx
Nuevos espacios,nuevos tiempos,nuevas practica.pptx
 
Compartir p4s.co Pitch Hackathon Template Plantilla final.pptx-2.pdf
Compartir p4s.co Pitch Hackathon Template Plantilla final.pptx-2.pdfCompartir p4s.co Pitch Hackathon Template Plantilla final.pptx-2.pdf
Compartir p4s.co Pitch Hackathon Template Plantilla final.pptx-2.pdf
 
CONCURSOS EDUCATIVOS 2024-PRESENTACIÓN ORIENTACIONES ETAPA IE (1).pptx
CONCURSOS EDUCATIVOS 2024-PRESENTACIÓN ORIENTACIONES ETAPA IE (1).pptxCONCURSOS EDUCATIVOS 2024-PRESENTACIÓN ORIENTACIONES ETAPA IE (1).pptx
CONCURSOS EDUCATIVOS 2024-PRESENTACIÓN ORIENTACIONES ETAPA IE (1).pptx
 
Vida, obra y pensamiento de Kant I24.ppt
Vida, obra y pensamiento de Kant I24.pptVida, obra y pensamiento de Kant I24.ppt
Vida, obra y pensamiento de Kant I24.ppt
 
RETROALIMENTACIÓN PARA EL EXAMEN ÚNICO AUXILIAR DE ENFERMERIA.docx
RETROALIMENTACIÓN PARA EL EXAMEN ÚNICO AUXILIAR DE ENFERMERIA.docxRETROALIMENTACIÓN PARA EL EXAMEN ÚNICO AUXILIAR DE ENFERMERIA.docx
RETROALIMENTACIÓN PARA EL EXAMEN ÚNICO AUXILIAR DE ENFERMERIA.docx
 
p4s.co Ecosistema de Ecosistemas - Diagrama.pdf
p4s.co Ecosistema de Ecosistemas - Diagrama.pdfp4s.co Ecosistema de Ecosistemas - Diagrama.pdf
p4s.co Ecosistema de Ecosistemas - Diagrama.pdf
 

Solver en la solución de modelos lineales

  • 1. 1 AUTORES Msc. JORGE ACOSTA PISCOYA. Licenciado En Estadística Msc. DEBORA MEJIA PACHECO. Licenciado En Estadística DOCENTES ASCRITOS AL DEPARTAMENTO DE ESTADISTICA DE LA UNPRG – LAMBAYEQUE 2010 DOCENTES DE LA ASIGNATURA DE: INVESTIGACION DE OPERACIONES I
  • 2. 2 La opción Solver de EXCEL sirve para resolver problemas de optimización lineal y no lineal; también se pueden indicar restricciones enteras sobre las variables de decisión. Con Solver es posible resolver problemas que tengan hasta 200 variables de decisión, 100 restricciones explícitas y 400 simples (cotas superior e inferior o restricciones enteras sobre las variables de decisión). Para acceder a Solver, seleccione Tools en el menú principal y luego Solver. La ventana con los parámetros de Solver aparecerá tal y como se muestra a continuación: 1. ingresar al Excel. 2. Desplegar el menú herramientas, si no aparece el solver hay que activarlo para lo cual hacemos clic en complementos, saldrá la siguiente ventana activar solver y luego aceptar 3. Dado el siguiente modelo de programación lineal, resolver utilizando solver Max.Z = x1 + 2x2 + 4x3 S.a: 3x1 + x2 + 5x3 ≤ 10 x1 + 4x2 + x3 ≤ 8 2x1 + 2x3 ≤ 7 Xj ≥ 0 donde j=1,2,3 4. Escribir el modelo de programación lineal, como se muestra:
  • 3. 3 5. En la celda de la función objetivo (C2) hay que escribir la formula como se muestra en la imagen: 6. una vez ingresada la formula dar enter y a parecerá la función objetivo con valor cero como se muestra:
  • 4. 4 7. En las restricciones también se debe escribir una formula, como se muestra en la primera restricción (H6), luego dar enter y aparecerá cero haga lo mismo con las siguientes restricciones. Para no escribir las formulas ubíquese en la formula de la primera restricción y arrástrelo hasta la ultima restricción, esto se puede dado de que no se fijo el coeficiente. 8. luego ubíquese en la celda de la función objetivo C2 ir al menú herramienta, clic en solver y aparecerá la siguiente pantalla: Clic 9. Ingrese los valores de la variable, como se muestra: clic 10. Aparecerá la siguiente pantalla, luego deberá ingresar las, restricciones, clic en agregar, como se muestra:
  • 5. 5 Clic 11. Aparecerá la siguiente pantalla: 12. deben ingresarse las restricciones, como se muestra, una a una hasta la última restricción, después de escribir la primera restricción no se olvide de aceptar, para luego ingresar la otra y así sucesivamente: 13. Las restricciones de no negatividad se deben introducir manualmente como se muestra:
  • 6. 6 14.- Luego clic en aceptar y aparecerá la siguiente pantalla 15. Luego clic en resolver y aparecerá la siguiente pantalla, y dar clic en aceptar: 16. y se obtiene la solución del modelo: Donde el valor de la función objetivo es 9.89473684 y los valores de la variable: X1=0 ; X2=1.5789; X3= 1.6842
  • 7. 7 Ejercicio de Aplicación 1.- (Decisiones sobre plantación de cultivos) Un granjero tiene 100 hectáreas en los cuales puede sembrar Maíz y Arroz . Dispone de $ 3000 a fin de cubrir el costo del sembrado. El granjero puede confiar en un total de 1350 horas-hombre destinadas a la recolección de los dos cultivos y en el cuadro se muestra los siguientes datos por hectárea: CULTIVOS COSTO DE PLANTAR DEMANDA HORAS- HOMBRE UTILIDAD MAIZ $20 5 $ 100 ARROZ $40 20 $ 300 Formule el modelo de Programación lineal que permita maximizar sus utilidades del granjero. Solución: CULTIVOS HECTAREAS COSTO DE PLANTAR DEMANDA HORAS-HOMBRE UTILIDAD MAIZ 1 $20 5 $ 100 ARROZ 1 $40 20 $ 300 RECURSO DISPONIBLE 100 $3000 1350  Variable s de Decisión: x1 = Producción de Maíz por hectárea. x2 = Producción de Arroz por hectárea.  Función Objetivo: Maximizar sus utilidades  Restricciones: R1. x1 + x2 < 100 R.2. 5x1 + 20x2 < 1350 R.3. 20x1 + 40x2 < 3000  Condición de No negatividad: x1 ≥ 0 ; x2 ≥ 0  Modelo de Programación Lineal: Max Z = 100x1 + 300x2 Sujeto a: x1 + x2 < 100 5x1 + 20x2 < 1350 20x1 + 40x2 < 3000 x1 ≥ 0 ; x2 ≥ 0 Utilizando Solver para su solución: 1.- Digitamos el modelo de programación lineal en una hoja de cálculo de Excel
  • 8. 8 2.- digitamos las formulas en los respectivos casilleros:  Primero la formula de la función objetivo  Luego las formulas de las restricciones:
  • 9. 9 3.- luego seleccionamos herramientas y solver: 4. – Agregamos los valores de las variables. 5.- clic en resolver y se obtiene los siguientes resultados:
  • 10. 10 INTERPRETACIÓN DEL RESULTADO: Para obtener una utilidad máxima de 21000 dólares, se debe cultivar 30 hectáreas de Maíz y 60 hectáreas de Arroz. Ejercicio de Aplicación 2.- (Planeación dietética) La dietista de un hospital debe encontrar la combinación más barata de dos productos, A y B, que contienen:  al menos 0.5 miligramos de tiamina  al menos 600 calorías PRODUCTO TIAMINA CALORIAS A 0.2 mg 100 B 0.08 mg 150 Solución: PRODUCTO TIAMINA CALORIAS A 0.2 mg 100 B 0.08 mg 150 REQUERIMINETOS MINIMOS 0.5 600  Variable s de Decisión: x1 = Cantidad mas Barata del producto A x2 = Cantidad mas Barata del Producto B  Función Objetivo: Minimizar Recursos  Restricciones: R1. 0.2x1 + 0.08x2 > 0.5 R.2. 100x1 + 150x2 > 600  Condición de No negatividad: x1 ≥ 0 ; x2 ≥ 0
  • 11. 11  Modelo de Programación Lineal: Min Z = x1 + x2 Sujeto a: 0.2x1 + 0.08x2 > 0.5 100x1 + 150x2 > 600 x1 ≥ 0 ; x2 ≥ 0 Utilizando Solver para su solución: 1.- Digitamos el modelo de programación lineal en una hoja de cálculo de Excel 2.- digitamos las formulas en los respectivos casilleros:
  • 12. 12 3.- luego seleccionamos herramientas y luego solver ingresamos los valores de la variable y seleccionamos la opción minimizar, dado a que se trata de un modelo de programación lineal cuya función objetivo es minimizar: : 4.- clic en resolver: INTERPRETACIÓN DEL RESULTADO: Para Minimizar los costos a $4.4091 se deben Adquirir 1.2273 mg. Del producto A, y 3.1818 mg. Del producto B. Ejercicio de Aplicación 3.- Un granjero tiene 200 cerdos que consumen 120 libras de comida especial todos los días. El alimento se prepara como una mezcla de maíz y harina de soya con las siguientes composiciones: Libras por Libra de Alimento Alimento Calcio Proteína Fibra Costo ($/lb) Maíz 0.001 0.09 0.02 0.2 Harina de Soya 0.002 0.6 0.06 0.6 Los requisitos de alimento de los cerdos son: 1. Cuando menos 1% de calcio 2. Por lo menos 30% de proteína 3. Máximo 5% de fibra
  • 13. 13 Determine la mezcla de alimentos con el mínimo de costo por día Solución:  Variable s de Decisión: x1 = Cantidad de Maíz Libra por libra de Alimento x2 = Cantidad de Harina de Soya Libra por libra de Alimento  Función Objetivo: Minimizar el costo de alimento por día.  Restricciones: R1. 0.001x1 + 0.002x2 > (120)(0.01) R.2. 0.09x1 + 0.6x2 > (120)(0.3) R.3. 0.02x1 + 0.06x2 < (120)(0.05)  Condición de No negatividad: x1 ≥ 0 ; x2 ≥ 0  Modelo de Programación Lineal: Min Z = 0.2x1 + 0.6x2 Sujetos a: 0.001x1 + 0.002x2 > 1.2 0.09 x1 + 0.6 x2 > 36 0.02 x1 + 0.06 x2 < 6 x1 ≥ 0 ; x2 ≥ 0 Utilizando Solver para su solución: 1.- Digitamos el modelo de programación lineal en una hoja de cálculo de Excel 2.- digitamos las formulas en los respectivos casilleros:
  • 14. 14 3.- luego seleccionamos herramientas y luego solver ingresamos los valores de la variable y seleccionamos la opción minimizar, dado a que se trata de un modelo de programación lineal cuya función objetivo es minimizar: 4.- clic en resolver:
  • 15. 15 INTERPRETACIÓN DEL RESULTADO: Para Minimizar los costos de alimento en $60, se debe comprar solamente 218.182 libras de harina de soya y 27.27 libras de Maíz Ejercicio de Aplicación 4.- Dos productos se elaboran al pasar en forma sucesiva por tres máquinas. El tiempo por máquina asignado a los productos está limitado a 10 horas por día. El tiempo de producción y la ganancia por unidad de cada producto son: Minutos Por Unidad Producto Máquina 1 Máquina 2 Máquina 3 Ganancia 1 10 6 8 $2 2 5 20 15 $3 Determine cuantas unidades de cada productos se deben producir por día, que permita maximizar las Ganancias. Solución:  Variable s de Decisión: x1 = Cantidad de Unidades del Producto 1, a producir por día. x2 = Cantidad de Unidades del Producto 2, a producir por día.  Función Objetivo: Maximizar las Ganancias.  Restricciones: R1. 10x1 + 5x2 < 10(60) R.2. 6x1 + 20x2 < 10(60) R.3. 8x1 + 15x2 < 10(60)  Condición de No negatividad: x1 ≥ 0 ; x2 ≥ 0  Modelo de Programación Lineal: Max Z = 2x1 + 3x2 Sujetos a: 10x1 + 5x2 < 600 6x1 + 20x2 < 600 8x1 + 15x2 < 600 x1 ≥ 0 ; x2 ≥ 0 .
  • 16. 16 Utilizando Solver para su solución: 1.- Digitamos el modelo de programación lineal en una hoja de cálculo de Excel 2.- Digitalizamos las formulas en los casilleros correspondientes 3.- Ingresamos los valores de las variables
  • 17. 17 4.- clic en resolver INTERPRETACIÓN DEL RESULTADO: Para tener una ganancia máxima de $141,8182 dólares diarios se deben producir por día 55 unidades del producto 1 y 11 unidades del producto 2, por día. Ejercicio de Aplicación 5.- Las restricciones pesqueras impuestas por el ministerio obligan a cierta empresa a pescar como máximo 2000 toneladas de merluza y 2000 toneladas de jurel, además, en total, las capturas de estas dos especies no pueden pasar de las 3000 toneladas. Si el precio de la merluza es de $1000 por kg y el precio del jurel es de $1500 por kg, ¿ Qué cantidades debe pescar para obtener el máximo beneficio?. Solución: TIPO DE PESCADO PEZCA EN TONELADAS PEZCA PRECIO $ MERLUZA 1 0 1 1000 JUREL 0 1 1 1500 RECURSO MAXIMO 2000 2000 3000
  • 18. 18  Variable s de Decisión: x1 = Tonelada de Merluza a pescar. x2 = Tonelada de Jurel a pescar.  Función Objetivo: Maximizar los Beneficios.  Restricciones: R1. x1 < 2000 R.2. x2 < 2000 R.3 x1 + x2 < 3000  Condición de No negatividad: x1 ≥ 0 ; x2 ≥ 0  Modelo de Programación Lineal: Max Z = 1000x1 + 1500x2 Sujeto a: x1 < 2000 x2 < 2000 x1 + x2 < 3000 x1 ≥ 0 ; x2 ≥ 0 Utilizando Solver para su solución: 1.- Digitamos el modelo de programación lineal en una hoja de cálculo de Excel 2.- Digitalizamos las formulas en los casilleros correspondientes.
  • 19. 19 3.- Ingresamos los valores de la variable 4.- clic en resolver
  • 20. 20 INTERPRETACIÓN DEL RESULTADO: Para tener una ganancia máxima de 4000000 dólares se debe pescar 1000 toneladas de Merluza y 2000 toneladas de Jurel. Ejercicio de Aplicación 6.- Se desea contratar movilidad para trasladar a 400 personas y se dispone de las siguientes alternativas. Hay 8 buses con capacidad para 40 personas y cada una cuesta $12000 y 10 buses con capacidad 50 personas, con un valor de $16000 cada uno. Si se dispone sólo de 9 conductores para esa oportunidad. ¿Cuántos buses de cada tipo convendría arrendar para que el viaje resulte lo más económico posible? SOLUCION  Variables de Decisión: x1 = cantidad de buses que se deben arrendar con capacidad para 40 personas. x2 = cantidad de buses que se deben arrendar con capacidad para 50 personas.  Función Objetivo: Minimizar los costos.  Restricciones: R1. 40x1 + 50x2 ≥ 400 R.2. x1 + x2 = 9 R.3 x1 < 8 R.4. x2 < 10  Condición de No negatividad: x1 ≥ 0 ; x2 ≥ 0  Modelo de Programación Lineal: Min Z = 12000 x1 + 16000 x2 Sujeto a: 40x1 + 50x2 ≥ 400 x1 + x2 = 9 x1 < 8 x2 < 10 x1 ≥ 0 ; x2 ≥ 0 Utilizando Solver para su solución: 1.- Digitamos el modelo de programación lineal en una hoja de cálculo de Excel
  • 21. 21 2.- Digitalizamos las formulas en los casilleros correspondientes. 3.- Ingresamos los valores de las variables.
  • 22. 22 4.- clic en aceptar INTERPRETACIÓN DEL RESULTADO: Para tener un gasto mínimo de $124000, se debe arrendar 5 buses de capacidad de 40 personas y 4 buses de capacidad para 50 personas. Ejercicio de Aplicación 7.- Se aplica un examen que contiene preguntas del tipo A que valen 4 puntos y del tipo B que valen 7 puntos. Se debe responder al menos 5 del tipo A y al menos 3 del tipo B, pero las restricciones de tiempo impiden responder más de 10 de cada tipo. En total, no se puede responder más de 18 preguntas. Suponiendo que las respuestas de un alumno sean correctas: a) ¿cuántas preguntas de cada tipo debe responder el alumno para maximizar su Puntuación? b) ¿cuál es la calificación máxima? SOLUCION  Variables de Decisión: x1 = Número de preguntas tipo A resueltas de 4 puntos. x2 = Número de preguntas tipo B resueltas de 7 puntos. .  Función Objetivo: Maximizar los puntajes.  Restricciones: R1. x1 ≥ 5 R.2. x2 ≥ 3 R.3 x1 < 10 R.4. x2 < 10 R.5. x1 + x2 < 18  Condición de No negatividad: x1 ≥ 0 ; x2 ≥ 0
  • 23. 23  Modelo de Programación Lineal: Máx. Z = 4 x + 7 x2 Sujeto a: x1 ≥ 5 x2 ≥ 3 x1 < 10 x2 < 10 x1 + x2 < 18 x1 ≥ 0 ; x2 ≥ 0 1.- Digitamos el modelo de programación lineal en la hoja de cálculo de Exel. 2.- Digitalizamos las formulas en los casilleros correspondientes.
  • 24. 24 3.- Ingresamos los valores de las variables. 4.- clic en resolver: INTERPRETACIÓN DE RESULTADOS: (a) Para maximizar su puntuación debe responder 8 preguntas tipo A y 10 preguntas tipo B. (b) La calificación máxima es de 102 puntos
  • 25. 25 Ejercicio de Aplicación 8.- En una fábrica de bombillas se producen dos tipos de ellas, las de tipo normal valen $ 450 y las de halógenos $ 600. La producción está limitada por el hecho de que no se pueden fabricar al día más de 400 normales y 300 halógenas ni más de 500 en total. Si se vende toda la producción, ¿cuántas de cada clase convendrá producir para obtener la máxima ganancia? SOLUCION:  Variables de Decisión: x1 = Número de Bombillas Normales a producir. x2 = Número de Bombillas de Halógeno a producir. .  Función Objetivo: Maximizar las ganancias.  Restricciones: R1. x1 < 400 R.2. x2 < 300 R.3. x1 + x2 < 500  Condición de No negatividad: x1 ≥ 0 ; x2 ≥ 0  Modelo de Programación Lineal: Máx. Z = 4 x + 7 x2 Sujeto a: x1 < 400 x2 < 300 x1 + x2 < 500 x1 ≥ 0 ; x2 ≥ 0 1.- Digitamos el modelo de programación lineal en la hoja de cálculo de Exel. 2.- Digitalizamos las formulas en los casilleros correspondientes.
  • 26. 26 3.- Ingresamos los valores de las variables. 4.- clic en resolver:
  • 27. 27 INTERPRETACIÓN DEL RESULTADO: Para tener una utilidad máxima de 270000 dólares se debe producir 200 bombillas Normales y 300 bombillas de halógeno.