Modulo - INVESTIGACIÓN DE OPERACIONES PDF
Modulo - INVESTIGACIÓN DE OPERACIONES PDF
Modulo - INVESTIGACIÓN DE OPERACIONES PDF
INDICE
Diseo Curricular
Cap. 1: Introduccin
1.1
Investigacin de Operaciones
1.2
Modelo de Decisin Simple
1.3
Modelos de la Investigacin de Operaciones
1.4
Clculos en Investigacin de Operaciones
1.5
Fases de un Estudio de Investigacin de Operaciones
6
6
6
9
12
14
16
16
16
38
59
70
70
78
85
87
98
99
101
105
118
118
119
122
134
Investigacin de Operaciones
109
PUCESE
1. INTRODUCCIN
PUCESE
Ejemplo:
El gerente de un departamento de produccin debe decidir si adquiere una mquina
automtica o una semiautomtica. Las dos mquinas producen una parte especfica en
lotes. El costo fijo inicial por lote y el costo de produccin unitario variable son:
Costo
Semiautomtica
20.00
0.60
Automtica
50.00
0.40
PUCESE
Investigacin de Operaciones
PUCESE
Observemos el efecto de la restriccin del turno nico de 8 horas. Si el tamao del lote
no excede 120 unidades, el problema de decisin tiene dos alternativas, de las cuales
la mquina semiautomtica es la mejor eleccin. Por otra parte, para tamaos de lote
entre 120 y 200 unidades, la mquina semiautomtica es una alternativa infactible, lo
que deja a la mquina automtica como la nica opcin factible. Por ltimo, para tamaos de lote de ms de 200 unidades, ambas alternativas son infactibles.
Ejercicio 1.1.- Determinar la decisin ptima suponiendo que la duracin del
turno se extiende a 10 horas.
Podemos apreciar que las restricciones en un problema de decisin, actan para limitar
las opciones mediante la eliminacin de las alternativas infactibles o no factibles.
Este sencillo ejemplo sirve para presentar todos los elementos bsicos de cualquier
modelo de decisin. En esencia, el modelo de decisin debe contener tres elementos:
Normalmente, el primer paso en el proceso de toma de una decisin consiste en construir el modelo. Despus de este paso, el encargado de tomar la decisin debe hallar
un mtodo para resolver el modelo. En algunos casos, puede haber ms de una manera de resolverlo. En otros casos, el modelo resultante puede ser tan complejo que quiz
ser difcil obtener una solucin aproximada al problema.
El procedimiento general de construccin de un modelo de decisin y la bsqueda de
su solucin, representa la parte fundamental del proceso de toma de decisiones en el
campo de la investigacin de operaciones. Sin embargo, la Investigacin de Operaciones emplea una terminologa un poco diferente. Se habla de variables de decisin en
lugar de alternativas de decisin. As mismo, se busca determinar el valor de las variables de decisin optimizando (minimizando el costo o maximizando las ganacias)
una funcin objetivo, procedimiento que es exactamente equivalente a la clasificacin
de las alternativas de decisin. El proceso de optimizacin est confinado normalmente
a los valores factibles de las variables de decisin que satisfacen todas las restricciones del modelo.
1.3. MODELOS DE INVESTIGACIN DE OPERACIONES
En la mayora de las aplicaciones de Investigacin de Operaciones, se supone que la
funcin objetivo y las restricciones del modelo se pueden expresar en forma cuantitativa o matemtica como funciones de las variables de decisin. En este caso, decimos
que tratamos con un modelo matemtico.
Por desgracia, pese a los adelantos impresionantes en la representacin por modelos
matemticos, un nmero apreciable de situaciones reales siguen estando fuera del
alcance de las tcnicas matemticas de que se dispone en el presente. Por un motivo,
el sistema real puede tener demasiadas relaciones, variables, para hacer posible una
representacin matemtica adecuada. En otro sentido, aun cuando se pueda formular
un modelo matemtico, ste puede ser demasiado complejo para resolverse a travs
de mtodos de solucin disponibles.
Investigacin de Operaciones
PUCESE
Almacn
50
100
60
30
20
35
La meta de Coop consiste en satisfacer la demanda mensual en las tres tiendas regionales al menor costo de transportacin posible.
Solucin:
Objetivo: minimizar el costo total de transporte en todas las rutas
Costo de transporte = 50x11 + 100x12 + 60x13 + 30x21 + 20x22 + 35x23
Sujeto a:
x11 + x12 + x13
x21 + x22 + x23
x11 +
x21
x12 +
x22
x13 +
x23
= 1000
= 2000
= 1500
= 750
= 750
Investigacin de Operaciones
PUCESE
Solucin:
La variable de decisin de este problema es el nmero de cajeros que se instalar. El
valor ptimo de la variable de decisin se determina minimizando la suma del costo de
operacin de los cajeros y el costo de esperar a ser atendidos. La figura 1-3 presenta
un resumen de la situacin en forma grfica.
Investigacin de Operaciones
PUCESE
PUCESE
Como ejemplo de stos casos tomaremos el modelo de transporte del ejemplo 1.1.
Pese a que el modelo e transporte posee un algoritmo exacto eficiente, podemos emplear un mtodo heurstico para hacerlo an ms eficiente. Esto se logra a travs de la
seleccin inteligente del programa de transporte inicial. La idea del mtodo heurstico
es la de asignar la tarea, hasta donde sea posible, a la ruta ms econmica de la tabla
sin violar las restricciones de oferta y demanda. El proceso de seleccin de la siguiente
ruta ms econmica se repite entonces hasta que se satisfacen todas las demandas.
Tiendas
1
50
2
100
30
20
3
60
1
Almacn
35
Costo Unitario ()
50
60
30
20
Cantidad (sacos)
250
750
1250
750
Costo ($)
125.00
450.00
375.00
150.00
2
5
1
3
6
7
4
5
4
1
Figura 1.5 Problema del viajero
Investigacin de Operaciones
PUCESE
Este problema se puede formular como un modelo matemtico exacto. Sin embargo, la
obtencin de la solucin ptima exacta a este problema ha probado ser formidable. No
obstante, se puede obtener una buena solucin mediante el uso de un mtodo heurstico que requiere se viaje de la ciudad presente a la ciudad no visitada ms prxima.
1.5. FASES DE UN ESTUDIO DE INVESTIGACIN DE OPERACIONES
Un estudio de Investigacin de Operaciones no puede ser realizado y controlado por el
analista de Investigacin de Operaciones solamente. Aunque puede ser un experto en
modelos y tcnicas de solucin, posiblemente no ser un perito en todas las reas
donde surgen los problemas de investigacin de operaciones. Consecuentemente, un
equipo de investigacin de operaciones deber incluir a los miembros de la organizacin directamente responsables de las funciones donde existe el problema, as como
para la ejecucin e implantacin de la solucin recomendada. En otras palabras, un
analista de Investigacin de Operaciones comete un grave error al suponer que puede
resolver problemas sin la cooperacin de aquellos que implantarn sus recomendaciones.
Las principales fases a travs de las cuales pasara el equipo a fin de efectuar un estudio de Investigacin de Operaciones son:
1.
2.
3.
4.
5.
Aunque esta sucesin de ninguna manera es estndar, parece generalmente aceptable. Excepto para la fase solucin del modelo, la cual est basada comnmente en
tcnicas bien desarrolladas, las fases restantes no parecen seguir reglas fijas. Esto
surge del hecho de que los procedimientos para estas fases dependen del tipo de problema en investigacin y el mbito de operacin en el cual existe. En este aspecto, un
equipo de investigacin de operaciones estara guiado en el estudio principalmente por
las diferentes experiencias profesionales de sus miembros, en lugar de reglas fijas.
La primera fase del estudio requiere una definicin del problema. Desde el punto de
vista de investigacin de operaciones esto indica tres aspectos principales:
a) Una descripcin de la meta o el objetivo del estudio
b) Una identificacin de las alternativas de decisin del sistema, y
c) Un reconocimiento de las limitaciones, restricciones y requisitos del sistema
La segunda fase del estudio corresponde a la construccin del modelo. Dependiendo
de la definicin del problema, el equipo de investigacin de operaciones deber decidir
sobre el modelo ms adecuado para representar el sistema. Tal modelo deber especificar expresiones cuantitativas para el objetivo y las restricciones el problema en funcin de sus variables de decisin. Si el modelo resultante se ajusta a uno de los modelos matemticos comunes puede obtenerse una solucin conveniente mediante tcnicas matemticas. Si las relaciones matemticas del modelo son demasiado complejas
para permitir soluciones analticas, puede ser ms apropiado un modelo de simulacin.
Algunos casos pueden requerir el uso de una combinacin de modelos matemticos,
heursticos y de simulacin. Esto depende mucho de la naturaleza y complejidad del
sistema que se est investigando.
Investigacin de Operaciones
10
PUCESE
La tercera fase del estudio corresponde a la solucin del modelo. En modelos matemticos esto se logra usando tcnicas de optimizacin bien definidas y se dice que el
modelo proporciona una solucin ptima. Si se usan los modelos de simulacin o
heursticos, el concepto de optimizar no est tan bien definido, y la solucin en estos
casos se emplea para obtener evaluaciones aproximadas de las medidas del sistema.
Adems de la solucin del modelo se debe tambin asegurar, siempre que sea posible,
informacin adicional sobre el comportamiento de la solucin debida a cambios en los
parmetros del sistema. Usualmente esto se conoce como anlisis de sensibilidad.
Este anlisis es especialmente necesario cuando los parmetros del sistema no pueden estimarse con exactitud. En este caso es importante estudiar el comportamiento de
la solucin ptima en los entornos de estas estimaciones.
La cuarta fase busca la validacin del modelo. Un modelo es vlido si, independientemente de sus inexactitudes al representar el sistema, puede dar una prediccin confiable del funcionamiento del sistema. Un mtodo comn para probar la validez de un
modelo es comparar su funcionamiento con algunos datos pasados disponibles del
sistema actual. El modelo ser vlido si bajo condiciones similares de entradas puede
reproducir el funcionamiento pasado del sistema. Este mtodo de validacin no es
apropiado para sistemas que no existen, ya que no habr datos disponibles para comparacin.
La fase final del estudio trata sobre la implantacin de los resultados probados del
modelo. La tarea de aplicar estos resultados recae principalmente en los investigadores
de operaciones. Esto bsicamente implicara la traduccin de estos resultados en instrucciones de operacin detallada, emitidas en una forma comprensible a los individuos
que administrarn y operarn el sistema despus.
Investigacin de Operaciones
11
PUCESE
2. PROGRAMACIN LINEAL
2.1. INTRODUCCIN
Es la tcnica matemtica para determinar la mejor asignacin de los recursos limitados
de una empresa.
Se necesitan 5 requerimientos bsicos para emplear la programacin lineal para resolver problemas de investigacin de operaciones:
1. Hay que expresar un objetivo bien definido, que pueda servir para maximizar la
produccin, o minimizar los costos. El objetivo debe estar bien definido en forma
matemtica.
2. Debe haber una solucin que satisfaga la funcin objetivo.
3. Las ecuaciones y desigualdades deben describir el problema en forma lineal.
4. Las variables de decisin debe interrelacionarse
5. Los recursos son limitados.
2.2. MODELO DE PROGRAMACIN LINEAL SIMPLE Y SU SOLUCIN GRFICA
Reddy Mikks Company posee una pequea fbrica de pinturas que produce colorantes
para interiores y exteriores de casa para su distribucin al mayoreo. Se utilizan dos
materiales bsicos, A y B, para producir las pinturas. La disponibilidad mxima de A es
de 6 toneladas diarias; la de B es de 8 toneladas por da. Los requisitos diarios de materias primas por tonelada de pintura para interiores y exteriores se resumen en la tabla
siguiente:
Toneldas de materia prima
por tonelada de pintura
Exterior
Interior
Materia prima A
Materia prima B
Investigacin de Operaciones
12
PUCESE
1. Qu busca determinar el modelo? Dicho de otra manera, cules son las variables (incgnitas) del problema?
2. Qu restricciones deben imponerse a las variables a fin de satisfacer las limitaciones del sistema representado por el modelo?
3. Cul es el objetivo (meta) que necesita alcanzarse para determinar la solucin ptima (mejor) de entre todos los valores factibles de las variables?
Una manera efectiva de responder a estas preguntas consiste en hacer un resumen
verbal del problema. En trminos del ejemplo de Reddy Mikks, la situacin se describe
en la forma siguiente:
La compaa busca determinar las cantidades (toneladas) de pintura para exteriores e interiores que se producirn para maximizar (incrementar hasta donde sea
factible) el ingreso bruto total (en miles de unidades monetarias), a la vez que se
satisfacen las restricciones de la demanda y el uso de materias primas
El punto principal del modelo matemtico consiste en identificar en primer trmino las
variables y despus expresar el objetivo y las restricciones como funciones matemticas de las variables.
2.2.1.1. Variables
Como se desea determinar las cantidades de pintura para exteriores e interiores que se
producirn, las variables del modelo se pueden definir como:
xE = toneladas de pintura para exteriores producidas diariamente
xI = toneladas de pintura para interiores producidas diariamente
2.2.1.2. Funcin objetivo
Como cada tonelada de pintura para exteriores se vende en $ 3000, el ingreso bruto
obtenido de la venta de xE toneladas es 3xE miles de unidades monetarias. En forma
anloga, el ingreso bruto que se obtiene de vender xI toneladas de pintura para interiores es 2xI miles de unidades monetarias. Bajo la suposicin de que las ventas de pintura para exteriores e interiores son independientes, el ingreso bruto total se convierte en
la suma de los dos ingresos.
Sea z el ingreso bruto total (en miles de unidades monetarias), la funcin objetivo se
puede escribir matemticamente como z = 3xE + 2xI. La meta consiste en determinar
los valores (factibles) de xE y xI que maximizarn este criterio.
2.2.1.3. Restricciones
El problema de Reddy Mikks impone restricciones sobre el uso de materias primas y
sobre la demanda. La restriccin del uso de materias primas se puede expresar en
forma verbal como
(uso de materias primas en ambas pinturas) (disponibilidad mxima de materias primas)
13
PUCESE
(cantidad en exceso de pinturas para interiores sobre exteriores) (1 tonelada por da)
(demanda de pintura para interiores) (2 toneladas por da)
Investigacin de Operaciones
14
PUCESE
El segundo paso consiste en encontrar los valores correspondientes a los vrtices del
rea de solucin (A, B, C, D, E, F). Esto se lo realiza resolviendo el sistema de ecuaciones formado por las rectas que se cruzan en cada uno de los puntos.
El tercer paso es reemplazar cada una de estas coordenadas en la funcin objetivo y
verificar cual de ellas es la que proporciona el mximo valor. En este ejemplo, el mayor
1
3
(miles de $)
CASOS DE ESTUDIO
CASO 1: Poltica de Prstamos Bancarios
Una institucin financiera, Imperial Bank, se encuentra en el proceso de formular su
poltica de prstamos para el prximo trimestre. Para ese fin se asigna un total de $ 12
millones. Siendo una institucin de servicios integrales, est obligado a otorgar prstamos a diversos clientes. La tabla que sigue seala los tipos de prstamos, la tasa de
inters que cobra el banco y la posibilidad de que el cliente no cubra sus pagos, irrecuperables o incobrables, segn se estima por experiencia:
Investigacin de Operaciones
15
PUCESE
Tipo de Prstamos
Personal
Automvil
Vivienda
Agrcola
Comercial
Tasa de inters
0.140
0.130
0.120
0.125
0.100
Probabilidad de incobrables
0.10
0.07
0.03
0.05
0.02
Se supone que los pagos que no se cubren son irrecuperables y, por lo tanto, no producen ingreso por concepto de intereses.
La competencia con otras instituciones financieras del rea requiere que el banco asigne cuando menos el 40% de los fondos totales a prstamos agrcolas y comerciales.
Para dar asistencia a la industria de la construccin en la regin, los prstamos para
vivienda deben ser iguales cuando menos al 50% de los prstamos personales, para
automvil y para vivienda. El banco tiene adems una poltica establecida que especifica que la relacin global de pagos irrecuperables no puede ser superior a 0.04.
Determine el modelo matemtico correspondiente al problema.
CASO 2: Uso y Urbanizacin de la tierra
Invasores Corp. posee 800 acres de tierra de primera clase, pero no urbanizada, en un
lago en la parte central de Imbabura. En el pasado, se aplicaba poca o ninguna regulacin a nuevas urbanizaciones en torno al lago. Las orillas del lago ahora estn alineadas con residencias vacacionales agrupadas. Debido a la falta de servicio de drenaje, o
desage por alcantarillado, se utilizan muchos tanques spticos, la mayora instalados
en forma inadecuada. Con el paso de los aos, la infiltracin de los tanques spticos ha
provocado un severo problema de contaminacin del agua.
Para controlar la degradacin ms profunda en la calidad del agua, los funcionarios del
municipio presentaron y aprobaron algunos reglamentos estrictos aplicables a todas las
urbanizaciones a futuro:
1. Slo se pueden construir casas para una, dos y tres familias, donde las unifamiliares constituyen cuando menos el 50% del total.
2. Para limitar el nmero de tanques spticos, se requieren tamaos de lote mnimos de 2, 3 y 4 acres para casas de una, dos y tres familias.
3. Se deben establecer reas de recreo de 1 acre cada una a razn de un rea
por cada 200 familias.
4. Para preservar la ecologa del lago, no se puede extraer agua del subsuelo para
uso en la casa o el jardn.
El presidente de Invasores Corp. estudia la posibilidad de urbanizar los 800 acres de la
compaa en el lago. La nueva urbanizacin incluir casas para una, dos y tres familias. El estima que el 15% del terreno se utilizar en la apertura de calles y vas de acceso para servicios. Tambin calcula que los siguientes sern sus ingresos derivados
de la venta de las diversas unidades habitacionales:
Unidades habitacionales
Ingreso Neto por unidad ($)
Investigacin de Operaciones
Sencilla
10000
Doble
15000
Triple
20000
16
PUCESE
El costo de conexin del servicio de agua al rea es proporcional al nmero de unidades que se construyan. Sin embargo, la comunidad estipula que se deber colectar un
mnimo de $ 100000 para que el proyecto sea econmicamente factible. Adems, la
expansin del sistema acufero ms all de su capacidad actual est limitada a 200000
galones por da durante perodos de consumo mximo, pico. Los datos que siguen resumen el costo de conexin del servicio de agua y tambin del consumo de agua suponiendo una familia de tamao medio:
Unidad habitacional
Costo del servicio de
agua por unidad ($)
Consumo de agua
por unidad (gal/da)
Sencilla
Doble
Triple
Recreo
1000
1200
1400
800
400
600
840
450
MAYORISTA B
Necesidades mnimas
Naranjas
16 cajas
Pltanos
5 cajas
Manzanas
20 cajas
Distancia
150 Km
300 Km
Variables
Llamamos x al nmero de contenedores del mayorista A
Llamamos y al nmero de contenedores del mayorista B
Restricciones
Investigacin de Operaciones
17
PUCESE
2. Una compaa tiene dos minas: la mina A produce diariamente 1 tonelada de carbn de antracita de alta calidad, 2 toneladas de carbn de calidad media y 4 toneladas de carbn de baja calidad; la mina B produce 2 toneladas de cada una de las
tres clases. La compaa necesita 70 toneladas de carbn de alta calidad, 130 de
calidad media y 150 de baja calidad. Los gastos diarios de la mina A ascienden a
150 dlares y los de la mina B a 200 dlares. Cuntos das debern trabajar en
cada mina para que la funcin de costo sea mnima?
Solucin:
Mina B
Necesidades mnimas
Alta
70
Media
130
Baja
150
Coste diario
150 $
200 $
Variables
Llamamos x al nmero de das trabajados en la mina A
Llamamos y al nmero de das trabajados en la mina B
Investigacin de Operaciones
18
PUCESE
Restricciones
3. Imaginemos que las necesidades semanales mnimas de una persona en protenas, hidratos de carbono y grasas son, respectivamente, 8, 12 y 9 unidades. Supongamos que debemos obtener un preparado con esa composicin mnima mezclando dos productos A y B, cuyos contenidos por Kg. son los que se indican en la
siguiente tabla:
Protenas
Hidratos
Grasas
Costo/Kg.
600
400
Investigacin de Operaciones
19
PUCESE
Solucin:
Necesidades
Protenas
Hidratos
12
Grasas
Costo
600
400
Variables
Llamamos x al nmero de Kg. usados del producto A
Llamamos y al nmero de Kg. usados del producto B
Restricciones
Investigacin de Operaciones
20
PUCESE
Variables
Llamamos x a la cantidad de sustancia A
Llamamos y a la cantidad de sustancia B
Restricciones
Investigacin de Operaciones
21
PUCESE
EJERCICIOS PROPUESTOS
1. Se considera la regin del plano determinada por las inecuaciones:
x+3y
8x+y
yx3
x0
y0
5. Una persona tiene 500.000 pesetas para invertir en dos tipos de acciones A y B. El
tipo A tiene bastante riesgo con un inters anual del 10% y el tipo B es bastante
seguro con un inters anual del 7%. Decide invertir como mximo 300.000 pesetas
en A y como mnimo 100.000 pesetas en B, e invertir en A por lo menos tanto como en B. Cmo deber invertir sus 500.000 pesetas para maximizar sus intereses
anuales?
Investigacin de Operaciones
22
PUCESE
6. Las restricciones pesqueras impuestas por la CEE obligan a cierta empresa a pescar como mximo 2.000 toneladas de merluza y 2.000 toneladas de rape, adems,
en total, las capturas de estas dos especies no pueden pasar de las 3.000 toneladas. Si el precio de la merluza es de 1.000 Ptas./Kg. y el rape del rape es de 1.500
Ptas./Kg., qu cantidades debe pescar para obtener el mximo beneficio?
7. Un pastelero tiene 150 Kg. de harina, 22 Kg. de azcar y 27.5 Kg. de mantequilla
para hacer dos tipos de pasteles P y Q. Para hacer una docena de pasteles de tipo
P necesita 3 Kg. de harina, 1 Kg. de azcar y 1 de mantequilla y para hacer una
docena de tipo Q necesita 6 Kg. de harina, 0.5 Kg. de azcar y 1 Kg. de mantequilla. El beneficio que obtiene por una docena de tipo P es 20 y por una docena de
tipo Q es 30. Halla, utilizando las tcnicas de programacin lineal, el nmero de
docenas que tiene que hacer de cada clase para que el beneficio sea mximo.
8. En una fbrica de bombillas se producen dos tipos de ellas, las de tipo normal valen 450 pesetas y las halgenas 600 pesetas. La produccin est limitada por el
hecho de que no pueden fabricarse al da ms de 400 normales y 300 halgenas
ni ms de 500 en total. Si se vende en toda la produccin, cuntas de cada clase
convendr producir para obtener la mxima facturacin?
9. Un hipermercado necesita como mnimo 16 cajas de langostino, 5 cajas de ncoras y 20 de percebes. Dos mayoristas, A y B, se ofrecen al hipermercado para satisfacer sus necesidades, pero slo venden dicho marisco en contenedores completos. El mayorista A enva en cada contenedor 8 cajas de langostinos, 1 de ncoras y 2 de percebes. Por su parte, B enva en cada contenedor 2, 1 y 7 cajas respectivamente. Cada contenedor que suministra A cuesta 210.000 ptas., mientras
que los del mayorista B cuestan 300.000 pesetas cada uno. Cuntos contenedores debe pedir el hipermercado a cada mayorista para satisfacer sus necesidades
mnimas con el menor coste posible?
10. Se va a organizar una planta de un taller de automviles donde van a trabajar electricistas y mecnicos; por necesidades de mercado, es necesario que haya mayor
o igual nmero de mecnicos que de electricistas y que el nmero de mecnicos
no supere al doble que el de electricistas. En total hay disponibles 20 electricistas y
30 mecnicos. El beneficio de la empresa por jornada es 25.000 ptas. por electricista y 20.000 por mecnico. Cuntos trabajadores de cada clase deben elegirse
para obtener el mximo beneficio?
11. Imaginemos que las necesidades semanales mnimas de una persona en protenas, hidratos de carbono y grasas son 8, 12, 9 unidades respectivamente. Supongamos que debemos obtener un preparado con esa composicin mnima mezclando los productos A y B cuyos contenidos por kilogramo son los que se indican en la
siguiente tabla:
Producto A
Producto B
Protenas
2
1
Hidratos
6
1
Grasas
1
3
Coste (kg)
600
400
x+y 8
Investigacin de Operaciones
x+y 4
x + 2y 6
23
PUCESE
x+y10
0x3
0 y 2
Coste salarial
Coste energtico
A
200
100
B
100
300
Investigacin de Operaciones
24
PUCESE
10.000 ptas. por tonelada vendida de B. Averiguar, razonadamente, cuntas toneladas debo vender de A y cuntas de B para maximizar la ganancia.
19. Una fbrica textil elabora prendas de punto de calidades A y B. Las de calidad A se
fabrican con 1 unidad de lana y 2 unidades de fibra sinttica y las de calidad B con
dos unidades de lana y 1 de fibra sinttica. Los beneficios obtenidos en la venta de
las prendas son de 1.500 ptas. para las de calidad A y 1.000 ptas. para las de calidad B. Sabiendo que slo se dispone de 180 unidades de lana y 240 de fibra sinttica, se pide:
a) Determinar cuntas prendas de cada tipo deben elaborarse para obtener un
beneficio mximo si la produccin no puede ser superior a 1.000 prendas.
b) A cunto ascender dicho beneficio? Justificar las respuestas.
20. Una compaa fabrica dos modelos de sombrero: Bae y Viz. La fabricacin de los
sombreros se realiza en las secciones de moldeado, pintura y montaje. La fabricacin de cada modelo Bae requiere 2 horas de moldeado, 3 de pintura y una de
montaje. La fabricacin del modelo Viz requiere tres horas de moldeado, 2 de pintura y una de montaje. Las secciones de moldeado y pintura disponen, cada una,
de un mximo de 1.500 horas cada mes, y la de montaje de 600. Si el modelo Bae
se vende a 10.000 pesetas y el modelo Viz a 12.000 pesetas, qu cantidad de
sombreros de cada tipo ha de fabricar para maximizar el beneficio mensual?
21. Se considera la funcin z = 20000x + 16000y. Determinar el punto en que esta
funcin toma valor mnimo con las siguientes restricciones:
6x + 2y 12
2x + 2y 8
4x + 12y 24
x0
y0
x7
y7
y -x + 4
y -x + 2
yx+2
y x-2
23. Una empresa fabrica dos tipos de rotuladores, de la clase A a 200 ptas. la unidad y
de la clase B a 150 ptas. En la produccin diaria se sabe que el nmero de rotuladores de la clase B no supera en 1000 unidades a los de la A; adems, entre las
dos clases no superan las 3000 unidades y la de la clase B no bajan de 1000 unidades por da. Hallar el costo mximo y mnimo de la produccin diaria.
24. En un taller de motos estiman que, por trmino medio, la revisin normal de una
moto nueva supone 0.5 h en la seccin de mecnica, y 1 h. en la seccin de electricidad, mientras que la revisin de una moto usada supone 3h de mecnica y 1h
de electricidad. Por la revisin de una moto nueva cobran 2500 ptas. y por la revisin de una moto usada cobran 4500 ptas. Si la seccin mecnica puede trabajar
durante 9 h al da como mximo, y la de electricidad durante 8h al da, calcular
cmo deben seleccionar el trabajo para obtener los mximos ingresos.
25. Podemos comprar paquetes de abono A o B. Cada paquete contiene las unidades
de potasio (K), fsforo (P) y nitrgeno (N) indicadas en la tabla.
Investigacin de Operaciones
25
PUCESE
Marca
A
B
K
4
1
P
6
10
N
1
6
Precio
15
24
En qu proporcin hay que mezclar ambos tipos de abono para obtener al mnimo precio un abono que contenga 4 unidades de K, 23 de P y 6 de N?
26. Para fabricar los artculos A y B se dispone de 600 Kg. de acero. Para producir un
artculo A se consumen 4 Kg. de acero y, para obtener uno de B, 8 kg. Calcular
cuntos artculos de cada tipo se deben fabricar para obtener el mximo beneficio,
sabiendo que el precio de venta de cada artculo de tipo A es de 1200 ptas. y cada
uno del tipo B es de 2000 ptas. y que, por falta de otros materiales, no se pueden
fabricar ms de 120 unidades del tipo A ni ms de 70 unidades del tipo B.
27. En una granja se preparan dos clases de piensos, P y Q, mezclando dos productos
A y B. Un saco de P contiene 8 Kg. de A y 2 de B, y un saco de Q contiene 10 Kg.
de A y 5 de B. Cada saco de P se vende a 300 ptas. y cada saco de Q a 800 ptas.
Si en la granja hay almacenados 80 Kg. de A y 25 de B, cuntos sacos de cada
tipo de pienso deben preparar para obtener los mximos ingresos?
28. A una persona que quiere adelgazar se le ofrecen dos productos A y B para que
tome una mezcla de ambos con las siguientes recomendaciones:
a) Cuntos gramos de cada producto debe mezclar para obtener el preparado ms rico en vitaminas?
b) Y el ms pobre en caloras?
29. Dos mataderos, P y Q, se encargan de suministrar la carne consumida semanalmente en tres ciudades, R, S y T: 20, 22 y 14 toneladas, respectivamente. El matadero P produce cada semana 26 toneladas de carne, y el Q, 30. Sabiendo que
los costes de transporte, por tonelada de carne, desde cada matadero de a cada
ciudad, son los reflejados en la siguiente tabla:
P
Q
R
1
2
S
3
1
T
1
1
x1
y2
Investigacin de Operaciones
3y 24 2x
y + 2x 12
26
PUCESE
x+y20
xy+20
x3
y1
y3
32. Se considera la funcin z = 2350x 2690y. Determinar el punto en el que la funcin toma valor mximo con las siguientes restricciones:
x + y 100
x 3y
x0
y0
33. Un fabricante produce sillas y mesas. Tiene la produccin montada en dos secciones, la de montaje y la de pintura. Fabricar una mesa requiere 3 horas de montaje
y 1 hora de pintura, una silla requiere 1 hora de montaje y 2 horas de pintura. La
seccin de montaje slo puede funcionar 9 horas al da como mximo, mientras
que la de pintura puede funcionar 8 horas a lo sumo. El beneficio que se obtiene
en cada mesa es de 500 ptas. y en cada silla de 250 ptas. Cul sera la produccin de sillas y mesas que permitira maximizar el beneficio?
34. Un camin puede transportar como mximo 9 Tm por viaje. En cierto viaje desea
transportar al menos 4 Tm de la mercanca A, y un peso de la mercanca B que no
sea inferior a la mitad del peso que transporta de A. Sabiendo que se cobran 3
ptas. por Kg. de A y 2 ptas. por Kg. de B cmo se debe cargar el camin para obtener la ganancia mxima?
35. En una urbanizacin se van a construir casas de dos tipos: A y B. La empresa
constructora dispone para ello de un mximo de 1800 millones de ptas., siendo el
coste de cada tipo de casa de 30 y 20 millones respectivamente. El Ayuntamiento
exige que el nmero total de casas no sea superior a 80. Sabiendo que el beneficio
obtenido por la venta de una casa de tipo A es de 4 millones y de 3 millones por
una de tipo B cuntas casas deben construirse de cada tipo para obtener el mximo beneficio?
36. Resolver grficamente el siguiente problema de programacin lineal:
Maximizar z= 0.75x + y
Sujeto a:
x + 3y 15
5x + y 20
3x + 4y 24
x0
y0
Es nica la solucin?
37. En una granja de pollos se da una dieta para engordar con una composicin mnima de 15 unidades de una sustancia A y otras 15 de una sustancia B. En el mercado slo se encuentran dos clases de compuestos: el tipo X con una composicin
de una unidad de A y cinco de B, y el tipo Y, con una composicin de cinco unidades de A y una de B. El precio del tipo X es de 1000 pesetas y el del tipo Y es de
3000 pesetas. Qu cantidades se han de comprar de cada tipo para cubrir las
necesidades con un coste mnimo?
Investigacin de Operaciones
27
PUCESE
12x + 5y 120
6x + 8y 180
5x + 10y 100
x0
y0
x0
y0
-7x + 5y 10
-7x + 3y -15
2x 3y -10
x2
x -2
y1
y + 2x =1
2y 1 + x
Investigacin de Operaciones
28
PUCESE
un kilo de B tiene 4 gramos del primer elemento, 1 gramo del segundo y 2 del tercero. Si se desea obtener al menos 16 gramos del primer elemento y las cantidades del segundo y del tercero han de ser como mucho 5 y 20 gramos respectivamente y la cantidad de A es como mucho el doble que la de B, calcule los kilos de
A y los de B que han de tomarse para que el coste sea mnimo si un kilo de A vale
200 ptas. y uno de B 1000 ptas. Puede eliminarse alguna restriccin?
47. Un fabricante de aviones produce en dos fbricas tres tipos de aparatos: el A, el B
y el C. Se ha comprometido a entregar semanalmente a un emirato rabe 12 aviones del tipo A, 8 del tipo B y 24 del tipo C. Al fabricante le cuesta 2 millones de pesetas diarias el funcionamiento de la primera fbrica y 16 millones el de la segunda. La primera fbrica produce, en un da, 6 aviones tipo A, 2 tipo B y 4 tipo C
mientras que la segunda produce, respectivamente, 2, 2 y 12. Cuntos das por
semana debe trabajar cada fbrica para, cumpliendo el contrato con el emir, conseguir reducir al mximo los costos de funcionamiento de las fbricas?
48. Considerar la funcin z = 1.5x + y en el conjunto:
x0
y0
3x + 2y- 2 0
3x + 4y 12 0
x + 3y 26
4x + 3y 44
2x + 3y 28
x0
y0
50. La casa X fabrica helados A y B, hasta un mximo diario de 1000 kg. La fabricacin de un Kg. de A cuesta 180 ptas. , y uno de B, 150. Calcule cuntos Kg. de A y
B deben fabricarse, sabiendo que la casa dispone de 270000 Ptas./da y que un
Kg. de A deja un margen igual al 90% del que deja uno de B.
51. En la regin determinada por:
x + 2y 3
xy1
x -1
y -1
Investigacin de Operaciones
29
PUCESE
x0
y0
10- x 0
18 y 0
x + y 13
(10-x) + (18-y) 15
Se pide:
a) Representacin grfica del conjunto factible
b) Hallar las coordenadas de todos sus vrtices.
c) Hallar todas las soluciones ptimas.
55. En una pequea empresa se fabrican diariamente slo dos tipos de aparatos, A y
B. Como mximo pueden fabricarse 3 aparatos de cada tipo y, obligatoriamente, al
menos 1 artculo del tipo B. Indicar todas las posibilidades de fabricacin si se
quieren obtener unas ventas superiores a 6000 ptas., teniendo en cuenta que los
precios de los artculos A y B son de 3000 y 1000 ptas., respectivamente.
56. Represente la regin del plano delimitada por:
x + 2y 6
3x + 2y 12
x0
y0
Es posible maximizar y minimizar la funcin z = 4x + 3y en ella? Razone la respuesta y, en caso afirmativo, indique en qu puntos se consigue el mximo.
57. Se dispone de 600 g de un determinado frmaco para elaborar pastillas grandes y
pequeas. Las grandes pesan 40 g y las pequeas 30 g. Se necesitan al menos
tres pastillas grandes y al menos el doble de pequeas que de grandes. Cada pastilla grande proporciona un beneficio de 20 ptas. y la pequea de 10 ptas. Cuntas pastillas se han de elaborar de cada clase para que el beneficio sea mximo?
58. Maximizar y minimizar la funcin z = x y/3 sujeta a las siguientes restricciones:
2x y -3
y + 3x 3
y3
59. Se considera la funcin z = 12x + 8y. Determinar el punto donde la funcin toma su
valor mnimo con las siguientes restricciones:
35x +10y 70
60. En unos grandes almacenes necesitan entre 6 y 15 vigilantes cuando estn abiertos al pblico y entre 4 y 7 vigilantes nocturnos. Por razones de seguridad, debe
haber ms vigilantes cuando estn abiertos. Si el salario nocturno es un 60% ms
Investigacin de Operaciones
30
PUCESE
alto que el diurno, cmo debe organizarse el servicio para que resulte lo ms
econmico posible?
61. La Compaa Hierros del Norte debe decidir cuntas toneladas de acero puro X y
cuntas de chatarra Y se deben utilizar en la preparacin de una aleacin para un
cliente. El costo por tonelada de acero puro es de 3 y el de chatarra 6 (por las impurezas); la demanda del cliente es de por lo menos 5, y l aceptara ms si as se
requiere. La disponibilidad de X es 4 toneladas y 7 la de Y. La relacin entre chatarra y acero puro no puede exceder 7/8. La fbrica tiene 18 horas disponibles para
derretir y fundir; una tonelada de acero puro requiere 3 horas mientras que la de
chatarra slo 2 horas.
a) Escribir el problema de programacin lineal
b) Resolverlo grficamente.
62. Desde dos almacenes A y B, se tiene que distribuir fruta a tres mercados de la ciudad. El almacn A dispone de 10 toneladas de fruta diarias y el B de 15 toneladas,
que se reparten en su totalidad. Los dos primeros mercados necesitan, diariamente, 8 toneladas de fruta, mientras que el tercero necesita 9 toneladas diarias. El
coste del transporte desde cada almacn a cada mercado viene dado por el siguiente cuadro:
Almacn
A
B
Mercado 1
10
15
Mercado 2
15
10
Mercado 3
20
10
Investigacin de Operaciones
Hidratos
4
Protenas
6
Grasa
1
Precio
100 ptas.
31
PUCESE
10
160 ptas.
Cmo deben combinarse ambas marcas para obtener la dieta deseada al mnimo
precio?
67. Optimizar la funcin z = 3x 2y sujeta a las restricciones:
x1
y2
3y 24 2x
y+2x 12
y0
3y 2x 5
y+x5
3y + x 2
69. Con el comienzo del curso se van a lanzar unas ofertas de material escolar. Unos
almacenes quieren ofrecer 600 cuadernos, 500 carpetas y 400 bolgrafos para la
oferta, empaquetndolo de dos formas distintas; en el primer bloque, pondrn 2
cuadernos, 1 carpeta y 2 bolgrafos; en el segundo, pondrn 3 cuadernos, 1 carpeta y 1 bolgrafo. Los precios de cada paquete sern 650 y 700 ptas., respectivamente. Cuntos paquetes les conviene poner de cada tipo para obtener los mximos beneficios?
a) Escribir el problema de Programacin Lineal
b) Resolver grficamente
70. Mara distribuye su tiempo de ocio entre discoteca y cine. Cada vez que va a la
discoteca gasta por trmino medio 600 ptas., mientras que si va al cine su gasto es
de 400 ptas. En cierto mes su presupuesto para ocio asciende a 12000 ptas. y
desea ir a la discoteca al menos tantas veces como al cine.
a) Cuntas veces puede ir a cada sitio? Plantear el problema algebraicamente y dar su representacin grfica.
b) Puede ir 10 veces a cada uno de los sitios? Gasta todo su presupuesto?
c) Si decide ir a la discoteca solamente, cuntas veces podr hacerlo como
mximo?
d) Si Mara quiere maximizar el nmero total de veces que puede acudir a divertirse, determinar grficamente cuntas veces ir a la discoteca y cuntas
al cine.
71. En un pas hay dos fuentes de carbn, A y B, y tres centros de consumo, X, Y y Z.
Las fuentes producen 26 y 30 toneladas, respectivamente. Las necesidades de
carbn de los tres centros, son: 20,22 y 14 toneladas, respectivamente. Si los costes de transporte por tonelada de las minas a las ciudades son, en miles de pesetas, las que se indican en el siguiente cuadro, proponer el transporte para que el
coste sea mnimo.
A
B
X
1
2
Y
3
1
Z
1
1
72. Una empresa elabora dos productos, cada uno de ellos en una cantidad que es
mltiplo de 1000. Conoce que la demanda, de ambos productos conjuntamente es
mayor que 3000 unidades y menor que 6000 unidades. Asimismo, sabe que la
Investigacin de Operaciones
32
PUCESE
Volumen(en dm3)
30
40
Valor
75000
125000
Una camioneta puede cargar 10000 Kg. y un volumen mximo de 2400 dm3. Averiguar cmo han de cargarla para que el valor de las cajas que lleve sea lo ms alto posible.
74. Un ganadero debe suministrar un mnimo de 4 mg de vitamina A y 6 de vitamina B
por cada kilogramo de pienso que da a sus reses. Dispone, para ello, de dos tipos
de pienso, F y G, cuyos contenidos vitamnicos por kilo son los siguientes:
F
G
A
2
4
B
6
3
El kilo de pienso F vale 40 ptas. y el de G, 60 ptas. Cmo debe mezclar los piensos para suministrar la vitaminas requeridas a un coste mnimo?
75. Sea el recinto poligonal convexo definido por el sistema de inecuaciones:
x 4y -4
x + 2y 4 0
x0
y0
Se pide:
a) Dibujarlo y hallar sus vrtices.
b) Razonar si es posible maximizar en l la funcin z = x + 2y.
c) En caso afirmativo, calcular el valor ptimo correspondiente y puntos donde
se alcanza.
76. Dado el siguiente sistema de desigualdades lineales:
x + 4y 16
x + 2y 10
2x + y 14
x0
y0
a) Representarlo grficamente.
b) Maximizar z = 3x + 5y sujeta a las restricciones anteriores.
c) Discutir razonadamente si el resultado obtenido en el apartado b) seguira
siendo el mismo al aadir la condicin x 5.
Investigacin de Operaciones
33
PUCESE
Investigacin de Operaciones
34
PUCESE
Si la restriccin representa el lmite impuesto sobre el uso del recurso, s1 representar la holgura o cantidad no usada del recurso.
Despus, considrese la restriccin
2. El segundo miembro de una ecuacin puede hacerse siempre no negativo multiplicando ambos lados por -1.
Por ejemplo, 2x1 + 3x2 - 7x3 = -5 es matemticamente equivalente a -2x1 - 3x2 + 7x3
= + 5.
3. La direccin de una desigualdad se invierte cuando ambos miembros se multiplican por -1.
Por ejemplo, dado que 2 < 4, -2 > -4; luego entonces la desigualdad 2x1 - x2 -5 se
puede reemplazar por -2x1 + x2 5
Funcin objetivo
Aunque el modelo estndar de programacin lineal puede ser del tipo de maximizacin
o de minimizacin, algunas veces sirve para convertir una forma a la otra.
La maximizacin de una funcin equivale a la minimizacin del negativo de la misma
funcin y viceversa. Por ejemplo,
maximizar z = 5x1 + 2x2 + 3x3
es matemticamente equivalente a
minimizar (-z) = -5x1 - 2x2 - 3x3
Equivalencia significa que para el mismo conjunto de restricciones los valores ptimos
de x1, x2 y x3 son los mismos en ambos casos. La nica diferencia es que los valores
de las funciones objetivo, pese a ser numricamente iguales, figurarn con signos
opuestos.
2.3.2. El mtodo Simplex
En la solucin grfica observamos que la solucin ptima est asociada siempre con
un punto extremo del espacio de soluciones. El mtodo simplex est basado fundamentalmente en este concepto.
Careciendo de la ventaja visual asociada con la representacin grfica del espacio de
soluciones, el mtodo simplex emplea un proceso iterativo que principia en un punto
extremo factible, normalmente el origen, y se desplaza sistemticamente de un punto
extremo factible a otro, hasta que se llega por ltimo al punto ptimo.
Investigacin de Operaciones
35
PUCESE
La idea general del mtodo se ilustrar en trminos del modelo de Reddy Mikks, cuyo
espacio de soluciones est representado en la figura 2.2. El algoritmo simplex da inicio
en el origen (punto A de la figura 2.2), que suele denominarse solucin inicial. Despus se desplaza a un punto extremo adyacente, que pudiera ser B o F. La eleccin
especfica de uno u otro punto depende de los coeficientes de la funcin objetivo. Como xE tiene un coeficiente mayor que xI y puesto que realizamos un proceso de maximizacin, la solucin se desplazar en la direccin en la cual crezca xE hasta que se
llegue al punto extremo B. En B, el proceso se repite para ver si hay otro punto extremo que pueda mejorar el valor de la funcin objetivo. Una vez ms, mediante el uso de
la informacin de la funcin objetivo podemos decidir si existe o no este punto. Finalmente, la solucin se detendr en C, el punto extremo ptimo.
Existen dos reglas que rigen la seleccin del siguiente punto extremo del mtodo
simplex:
1. El siguiente punto extremo debe ser adyacente al actual. Por ejemplo, en la figura
2.2 la solucin no se puede desplazar de A a C en forma directa. En cambio, debe
seguir los flancos (bordes) del espacio de soluciones: A B y despus B C.
2. La solucin no puede regresar nunca a un punto extremo considerado con anterioridad. Por ejemplo, en la figura 2.2 la solucin no puede "regresar" de B a A.
Para resumir las ideas del mtodo simplex, notamos que el mtodo principia siempre
en un punto extremo factible y se desplaza siempre a un punto extremo factible adyacente, verificando la optimidad de cada punto antes de pasar a uno nuevo. En el modelo de Reddy Mikks donde el mtodo empieza en A, pasa por B y ubica el ptimo en
C, decimos que se requirieron tres iteraciones (A, B y C) para llegar al ptimo.
El espacio de soluciones de un programa lineal est representado en el mtodo simplex por la forma estndar del modelo. Por lo tanto, en el modelo de Reddy Mikks, el
espacio de soluciones est representado por
maximizar z = 3xE + 2xI + 0s1 + 0s2 + 0s3
Investigacin de Operaciones
36
PUCESE
sujeto a
Investigacin de Operaciones
37
PUCESE
La tabla muestra que el punto B (adyacente) puede generarse a partir del punto A intercambiando exactamente dos variables. En forma especfica, xE no bsica toma el
lugar de s2 bsica en A, con lo cual se produce el punto B adyacente en el cual xE es
bsica y s2 es no bsica.
El cambio de bsico a no bsico da origen a dos nombres sugerentes: la variable que
entra es una variable no bsica actual que "entrar" en el conjunto de variables bsicas en la siguiente iteracin (punto extremo adyacente). La variable que sale es una
variable bsica actual que "saldr" de la solucin bsica en la iteracin siguiente. Por
lo tanto, al pasar de A a B, las variables que entran y salen son xE y s2 respectivamente.
2.3.2.1. Detalles de clculo del Algoritmo Simplex
Los pasos del algoritmo simplex son los siguientes:
Paso 0:
Paso 1:
Paso 2:
seleccinese una variable que sale de entre las variables bsicas actuales que deben hacerse igual a cero (volverse no bsicas) cuando la
variable que entra se vuelva bsica.
Paso 3:
determnese la nueva solucin bsica haciendo que la variable que entra sea bsica y que la variable que sale sea no bsica. Dirjase al paso
1.
Los detalles del algoritmo simplex se explicarn mediante el uso del ejemplo de Reddy
Mikks. Esto requerir que la funcin objetivo y todas las restricciones se expresen en
la forma estndar como
Como se mencion, la solucin inicial se determina a partir de las restricciones haciendo dos variables (= 6 - 4) igual a cero, siempre que la solucin resultante sea nica y factible. Es evidente que al hacer xE = xI = 0, obtenemos de inmediato s1= 6, s2= 8,
s3 = 1 y s4= 2 (punto A en la figura 2.2).Por lo tanto, podemos utilizar este punto como
solucin factible inicial. El valor de z correspondiente es cero, ya que xE y xI son cero.
Investigacin de Operaciones
38
PUCESE
Como resultado, al cambiar la funcin objetivo de modo que su segundo miembro sea
igual a cero, podemos apreciar que los segundos miembros de la funcin objetivo y de
las restricciones producirn automticamente la solucin inicial completa. Este es
siempre el caso cuando la solucin inicial consta exclusivamente de variables de holgura.
Podemos resumir la informacin anterior en una tabla adecuada como sigue:
Investigacin de Operaciones
39
PUCESE
en la figura 2.3, donde la restriccin (3) con el coeficiente xE negativo (= -1) interseca
al eje xE en el sentido negativo y la restriccin (4) con el coeficiente xE cero es paralelo
al eje xE. Por otra parte, las intersecciones de las restricciones (1) y (2) estn dadas
por xE = 6 / 1 y xE = 8 / 2 = 4. Por lo tanto, xE llega a su valor mximo de 4 en B, en
cuyo punto s2 ser la variable que sale.
Las razones (intersecciones) que acabamos de definir y la variable que sale se pueden
determinar directamente a partir de la tabla simplex. Primero, identifquese la columna
debajo de la variable que entra xE y atravisense todos sus elementos negativos y
cero en las restricciones. Despus excluyendo la funcin objetivo, determnense las
razones de los elementos del segundo miembro de las ecuaciones a los elementos no
atravesados situados debajo de la variable que entra. La variable que sale es la variable bsica actual asociada con la razn mnima.
Figura 2.3 Espacio de soluciones del modelo de Reddy Mikks con restricciones
La tabla inicial del modelo de Reddy Mikks se repite despus de aplicar la condicin de
factibilidad (es decir, calcular las razones e identificar la variable que sale). Para los
fines de la determinacin de la siguiente iteracin, identificamos la columna situada
debajo de la variable que entra como la columna de entrada. El rengln asociado con
la variable que sale se denominar la ecuacin pivote y el elemento en la interseccin de la columna de entrada y la ecuacin pivote se denominar elemento pivote.
Investigacin de Operaciones
40
PUCESE
Ntese que la columna "solucin" da el nuevo valor de xE (= 4), que es igual a la razn
mnima de la condicin de factibilidad.
Investigacin de Operaciones
41
PUCESE
-2
3/2
-1/2
0
0
0
0
3/2
3/2
0
0
0
0
0
0
0)
12)
12)
2
-1/2
3/2
1
0
1
0
-1/2
-1/2
0
0
0
0
0
0
6)
-4)
2)
1
1/2
3/2
0
0
0
0
1/2
1/2
1
0
1
0
0
0
1)
4)
5)
b) Ecuacin sI:
ecuacin sI anterior:( 0 1
-(1) * nueva ecuacin pivote: ( 0 -1
= nueva ecuacin sI: ( 0 0
c) Ecuacin s3:
ecuacin s3 anterior:( 0 -1
-(-1) * nueva ecuacin pivote:( 0 1
= nueva ecuacin s3:( 0 0
Investigacin de Operaciones
42
PUCESE
ltima tabla indican que xI introduce como solucin bsica el valor 4/3 (= razn mnima), con lo que se mejora el valor de la funcin objetivo en (4/3) * (1/2) = 2/3.
Las siguientes operaciones de Gauss-Jordan producirn la nueva tabla:
(i) Nueva ecuacin pivote (s1) = ecuacin s1 anterior (3/2).
(ii) Nueva ecuacin z = ecuacin z anterior - (-1/2) * nueva ecuacin pivote
(iii) Nueva ecuacin xE = ecuacin xE anterior - (1/2) * nueva ecuacin pivote.
(iv) Nueva ecuacin s3 = ecuacin s3 anterior - (3/2) * nueva ecuacin pivote.
(v) Nueva ecuacin s4 = ecuacin s4 anterior - (1) * nueva ecuacin pivote.
Estos clculos nos llevan a la tabla siguiente.
Investigacin de Operaciones
43
PUCESE
sujeto a
3x1 + x2 = 3
4x1 + 3x2 6
x1 + 2x2 4
x1, x2 0
La forma estndar se obtiene aumentando una variable de exceso x3 y sumando una
variable de holgura x4 a los primeros miembros de las restricciones 2 y 3. Por lo tanto,
tenemos
minimizar z = 4x1 + x2
sujeto a
Tenemos tres ecuaciones y cuatro incgnitas, lo que significa que una variable debe
ser no bsica en cero en cualquier solucin bsica. A diferencia del caso donde tenemos variables de holgura en todas y cada una de las ecuaciones, no podemos estar
seguros de que al hacer una variable igual a cero, las variables bsicas resultantes
sern no negativas. Desde luego, podemos valernos del ensayo y error haciendo una
variable igual a cero a la vez. Adems de consumir mucho tiempo, el ensayo y error no
es adecuado para realizar clculos por computadora. Por lo tanto, debemos recurrir a
un mtodo ms directo para obtener una solucin factible bsica inicial.
La idea de utilizar variables artificiales es muy simple. Esta solicita que se sume una
variable no negativa al primer miembro de cada ecuacin que no tenga variables bsicas iniciales evidentes. La variable agregada desempear la misma funcin que una
variable de holgura, al proporcionar una variable bsica inicial. Sin embargo, como
estas variables artificiales no tienen significado fsico desde el punto de vista del problema original (de aqu el nombre "artificial"), el procedimiento ser vlido slo si hacemos que estas variables sean cero cuando se llegue al ptimo. En otras palabras,
las utilizamos slo para iniciar la solucin y despus debemos hacer que sean cero en
la solucin final; de lo contrario, la solucin resultante ser no factible.
Obtenemos este resultado mediante el uso de la retroalimentacin de informacin que,
a travs del proceso de optimizacin, har por ltimo que las variables artificiales sean
cero en la solucin final siempre que exista una solucin factible.Una manera lgica de
lograr esto consiste en penalizar (o sancionar) las variables artificiales de la funcin
objetivo. Dos mtodos (ntimamente relacionados), que estn basados en la idea de
utilizar penalizaciones, se desarrollan con este fin: (1) la tcnica M o mtodo de penalizacin y (2) la tcnica de dos fases (o bifsica). Ilustraremos cada tcnica mediante el
uso del ejemplo que se describi anteriormente.
1.
Investigacin de Operaciones
44
PUCESE
sujeto a
Obsrvese la razn del uso de las variables artificiales. Tenemos tres ecuaciones y
seis incgnitas. Por lo tanto, la solucin bsica inicial debe incluir 6 - 3 = 3 variables
con valor cero. Si colocamos x1, x2 y x3 en el nivel cero, inmediatamente obtenemos la
solucin R1 = 3, R2 = 6 y x4 = 4, que es la solucin factible inicial que se requiere.
Ahora, obsrvese la forma en que el "nuevo" modelo hace que R1 y R2 sean cero. Como realizamos un proceso de minimizacin, asignando M a R1 y R2 en la funcin objetivo, el proceso de optimizacin que busca el valor mnimo de z asignar por ltimo
valores de cero a R1 y R2 en la solucin ptima. Ntese que las iteraciones inmediatas
anteriores a la iteracin ptima no son de importancia para nosotros. En consecuencia,
resulta inmaterial si incluyen o no variables artificiales en el nivel positivo.
Cmo cambia la tcnica M si maximizamos en vez de minimizar? Mediante el uso de
la misma lgica de penalizar la variable artificial, debemos asignarles el coeficiente -M
de la funcin objetivo (M > 0),con lo cual se vuelve poco atractivo mantener la variable
artificial en un nivel positivo en la solucin ptima.
Habiendo construido una solucin factible inicial, debemos "condicionar" el problema
de modo que cuando lo pongamos en forma tabular, la columna del lado derecho producir la solucin inicial en forma directa. Esto se hace mediante el uso de las ecuaciones de restricciones para sustituir R1 y R2 en la funcin objetivo. De manera que
Investigacin de Operaciones
45
PUCESE
Investigacin de Operaciones
46
PUCESE
La solucin ptima es x1 = 2/5, x2 = 9/5 y z = 17/5. Como no contiene variables artificiales en el nivel positivo, la solucin es factible con respecto al problema original antes
de que se sumaran las variables artificiales.
2.
47
PUCESE
Fase II. Utilcese la solucin bsica ptima de la fase 1 como solucin inicial para el
problema original.
Ilustraremos el procedimiento mediante el uso del ejemplo de la tcnica M de la seccin anterior.
Fase l. Como necesitamos las variables artificiales R1 y R2 en la primera y segunda
ecuaciones, el problema de la fase 1 se lee como
minimizar r = R1 + R2
sujeto a
Investigacin de Operaciones
48
PUCESE
Fase II. Las variables artificiales han servido ahora a su propsito y deben eliminarse
en todos los clculos subsiguientes. Esto quiere decir que las ecuaciones de la tabla
ptima en la fase I se pueden escribir como
Estas ecuaciones son exactamente equivalentes a las de la forma estndar del problema original (antes de que se sumen las variables artificiales). Por lo tanto, el problema original se puede escribir como
Minimizar z = 4x1 + X2
sujeto a
Investigacin de Operaciones
49
PUCESE
Degeneracin.
Alternativas ptimas.
Soluciones no acotadas.
Soluciones inexistentes (o infactibles).
El inters al estudiar estos casos especiales tiene dos sentidos: (1) presentar una explicacin terica de la razn por la que se presentan estas situaciones y (2) ofrecer
una interpretacin prctica del significado que pudieran tener estos resultados especiales en un problema verdadero.
2.3.3.1.
Degeneracin
Mediante el uso de x3 y x4 como variables de holgura, hacemos una lista de las iteraciones simplex para el ejemplo de la tabla siguiente. En la iteracin inicial, existe una
Investigacin de Operaciones
50
PUCESE
coincidencia de la variable que sale entre x3 y x4. Esta es la razn por la que la variable bsica x4 tiene un valor cero en la iteracin 1, con lo que se produce una solucin
bsica degenerada. Se llega al ptimo despus de que se realiza una iteracin adicional.
Cul es la implicacin prctica de la degeneracin? Obsrvese la figura 2.4, que proporciona la solucin grfica al modelo. Tres rectas cruzan el ptimo (x1 = 0, x2 = 2).
Como ste es un problema bidimensional, se dice que el punto est ms que determinado (o sobredeterminado), ya que slo necesitamos dos rectas para identificarlo. Por
este motivo, concluimos que una de las restricciones es redundante. En la prctica, el
simple conocimiento de que algunos recursos son superfluos puede probarse que es
de valor durante la implantacin de la solucin. Esta informacin puede conducirnos
tambin a descubrir irregularidades en la construccin del modelo. Por desgracia, no
existen tcnicas confiables para identificar restricciones redundantes directamente a
partir de la tabla. En ausencia de la representacin grfica, tenemos que apoyarnos en
otros medios para identificar redundancia en el modelo.
51
PUCESE
Alternativas ptimas
Cuando la funcin objetivo es paralela a una restriccin de enlace (o sea, una restriccin que se satisface en el sentido de la igualdad a travs de la solucin ptima), la
funcin objetivo tomar el mismo valor ptimo en ms de un punto de solucin. Por
esta razn reciben el nombre de alternativas ptimas. El ejemplo que sigue muestra
que normalmente existe un nmero infinito de estas soluciones. El ejemplo demuestra
asimismo el significado prctico de encontrar alternativas ptimas.
Investigacin de Operaciones
52
PUCESE
En trminos algebraicos, sabemos que el mtodo simplex es capaz de encontrar soluciones en puntos extremos exclusivamente. La tabla siguiente muestra que el ptimo
(x1 = 0, x2 = 5/2, z = 10) se encuentra en la iteracin1 en el punto B. Cmo sabemos
por esta tabla que existen alternativas ptimas? Obsrvense los coeficientes de las
variables no bsicas en la funcin z de la iteracin 1. El coeficiente de x1 (no bsica)
es cero, lo que indica que x1 puede entrar en la solucin bsica sin alterar el valor de z,
pero provoca un cambio en los valores de las variables. La iteracin 2 hace precisamente eso (hace que x1 entre en la solucin bsica, lo que obligar a x4 a salir). Esto
da origen al nuevo punto solucin en C (x1 = 3, x2 = 1, z = 10).
Solucin No Acotada
Investigacin de Operaciones
53
PUCESE
toman en cuenta una o ms restricciones redundantes y (2) no se determinan correctamente los parmetros (constantes) de algunas restricciones.
Los ejemplos que siguen muestran cmo se puede reconocer la falta de acotacin en
la tabla simplex, tanto en el espacio de soluciones como en el valor de la funcin objetivo.
Como x1 tiene el coeficiente ms negativo, normalmente se selecciona como la variable que entra. Sin embargo, ntese que todos los coeficientes de las restricciones por
debajo de x2 son negativos o cero, lo que quiere decir que x2 se puede hacer crecer en
forma indefinida sin que se infrinja ninguna de las restricciones. Como cada incremento de una unidad en x2 aumentar z en 1, un incremento infinito en x2 tambin dar
lugar a un crecimiento infinito en z. Por lo tanto, concluimos sin hacer ms clculos
que el problema no tiene solucin acotada. Este resultado se puede apreciar en la
figura 2.6. El espacio de soluciones no est acotado en la direccin de x2 y valor de z
se puede hacer crecer en forma indefinida.
Investigacin de Operaciones
54
PUCESE
Solucin Infactible
Si las restricciones no se pueden satisfacer en forma simultnea, se dice que el modelo no tiene solucin factible. Esta situacin nunca puede ocurrir si todas las restricciones son del tipo (suponiendo constantes no negativas en el segundo miembro), ya
que la variable de holgura produce siempre una solucin factible. Sin embargo, cuando
empleamos los otros tipos de restricciones, recurrimos al uso de variables artificiales
que, por su mismo diseo, no ofrecen una solucin factible al modelo original. Aunque
se hacen provisiones (a travs del uso de la penalizacin) para hacer que las variables
artificiales sean cero en el nivel ptimo, esto slo puede ocurrir si el modelo tiene un
espacio factible. Si no lo tiene, cuando menos una variable artificial ser positiva en la
iteracin ptima. Esta es nuestra indicacin de que el problema no tiene solucin factible.
Desde el punto de vista prctico, un espacio infactible apunta a la posibilidad de que el
modelo no se haya formulado correctamente, en virtud de que las restricciones estn
en conflicto. Tambin es posible que las restricciones no estn destinadas a cumplirse
en forma simultnea. En este caso, quiz se necesite una estructura del modelo totalmente diferente que no admita todas las restricciones al mismo tiempo. En el ejemplo
que sigue se ilustra el caso del espacio de soluciones infactible.
Investigacin de Operaciones
55
PUCESE
La solucin ptima.
El estado de los recursos.
El valor unitario de cada recurso.
La sensibilidad de la solucin ptima a cambios en la disponibilidad de recursos,
coeficientes de la funcin objetivo y uso de los recursos por parte de actividades.
Investigacin de Operaciones
56
PUCESE
Investigacin de Operaciones
57
PUCESE
Una holgura positiva significa que el recurso no se utiliza en su totalidad, o sea que es
abundante; en tanto que una holgura cero indica que las actividades del modelo consumen toda la cantidad del recurso. En el resumen vemos que las limitaciones de la
demanda (recursos 3 y 4) son "abundantes"; por lo tanto, cualquier incremento en su
lmite mximo simplemente los har "ms" abundantes sin afectar la solucin ptima.
Investigacin de Operaciones
58
PUCESE
Los recursos que se pueden incrementar para los fines de mejorar la solucin (aumentar la ganancia o utilidad) son las materias primas A y B, ya que la tabla ptima demuestra que son escasos. Se presentara una pregunta lgica en forma natural: a
cules de los recursos escasos se les debe dar prioridad en la asignacin de fondos
adicionales para mejorar la ganancia de la manera ms provechosa?.
2.4.3. Valor unitario de un recurso
El valor unitario de un recurso (o precio sombra) es la tasa de mejora en el valor ptimo de z como resultado de incrementar la cantidad disponible de ese recurso. Esta
informacin se obtiene fcilmente en la tabla simplex ptima. Obsrvense los coeficientes de la funcin z debajo de las variables bsicas iniciales s1, s2, s3 y s4.
La teora de la programacin lineal nos dice que siempre es posible asegurar el valor
unitario de un recurso a partir de coeficientes de las variables bsicas iniciales de la
funcin z ptima. No debe haber confusin en cuanto a qu coeficiente se aplica a que
recurso, ya que si est asociada exclusivamente con el recurso i.
2.4.4. Cambio mximo en la disponibilidad de un recurso
Normalmente se utiliza precios sombra para decidir qu recursos deben aumentarse.
La meta consiste en determinar el rango de variacin en la disponibilidad de un recurso que producir el valor unitario (precio sombra) que se encuentra en la tabla ptima.
Para lograr esto, necesitamos realizar otros clculos. Primero demostraremos cmo
funciona el procedimiento y despus mostraremos cmo se puede asegurar la misma
informacin a partir de la tabla ptima.
Supngase que consideramos cambiar el primer recurso en el modelo de Reddy Mikks
en la cantidad 1 lo que significa que la materia prima A disponible es 6 + 1 toneladas. Si 1 es positivo, aumenta el recurso; si es negativo, el recurso disminuye. Aunque normalmente nos interesar el caso donde aumenta el recurso (1 > 0), presentaremos ambos casos para hacer una generalizacin.
Cmo se modifica la tabla simplex al efectuarse el cambio 1.? La manera ms sencilla de responder la pregunta es la de aumentar 1 al lado derecho de la primera restriccin en la tabla inicial y despus aplicar las mismas operaciones aritmticas que se
utilizaron para desarrollar las iteraciones sucesivas. Si tenemos en mente que las
constantes del segundo miembro nunca se utilizan como elementos pivote, es evidente que el cambio 1 afectar slo al segundo miembro de cada iteracin. Se debe verificar que las iteraciones sucesivas del modelo cambien como se indica en la tabla siguiente:
Investigacin de Operaciones
59
PUCESE
Investigacin de Operaciones
60
PUCESE
Caso 1: 1 > 0. La relacin (1) se satisface siempre para 1 > 0. Las relaciones (2), (3)
y (4), por otra parte, producen los siguientes lmites respectivos: 1 10, 1 3 y 1
1. Por lo tanto, las cuatro relaciones se satisfacen para 1 1.
Caso 2: 1 < 0. Las relaciones (2), (3) y (4) se satisfacen siempre para 1 < 0, en tanto
que la relacin (1) produce el lmite 1 2.
Al combinar los casos 1 y 2, vemos que
-2 1 1
producir siempre una solucin factible. Cualquier cambio que se haga fuera de este
intervalo (es decir, disminuir la materia A en ms de 2 toneladas o incrementarla en
ms de una tonelada) nos conducir a una condicin de infactibilidad y a un nuevo
conjunto de variables bsicas
EJERCICIOS PROPUESTOS
1. La Toms River Chemical Corporation debe producir 1000 libras de una mezcla
especial para un cliente compuesta de los ingredientes A, B y C. El ingrediente A
cuesta $ 5 la libra, el B cuesta $ 6 y el C cuesta $ 7. No pueden usarse ms de 300
libras de A y debe usarse por lo menos 150 libras de B. Adems se requieren por
lo menos 200 libras de C. Como la empresa desea minimizar los costos, el problema consiste en encontrar qu cantidad de cada ingrediente debe usar la empresa.
2. La Revco Corporation tiene una pequea fbrica situada en los alrededores de una
gran ciudad. Su produccin se limita a dos productos industriales, Alfa y beta. El
departamento de contabilidad de la empresa ha calculado las contribuciones de
cada producto en $ 10 para el producto Alfa y $ 12 para el Beta. Cada producto
pasa por tres departamentos de la fbrica. Los requerimientos de tiempo para cada
producto y el total del tiempo disponible en cada departamento son los siguientes:
DEPARTAMENTO
1
2
3
HORAS REQUERIDAS
PRODUCTO
PRODUCTO
ALFA
BETA
2.0
2.0
3.0
2.0
1.0
1.0
HORAS
DISPONIBLES
ESTE MES
1500
1500
600
Investigacin de Operaciones
REQUERIMIENTOS
UNITARIOS DE TIEMPO (HORAS)
MODELO MODELO
S-1000
S-2000
4.0
2.0
2.5
1.0
4.5
1.5
HORAS
DISPONIBLES EN EL
PRESENTE MES
1600
1200
1600
61
PUCESE
La contribucin del modelo S-1000 es de 40.00 dlares por unidad, y la del modelo
S-2000 es de 10.00 dlares por unidad. Suponiendo que la compaa pueda vender cualquier cantidad de cada uno de esos productos, debido a condiciones favorables de mercado, determnese la salida ptima para cada modelo, la contribucin
ms alta posible para el presente mes, y el tiempo sobrante en los tres departamentos.
4. La Kenmore Corporation, un fabricante progresista de mecanismos civiles y militares, fabrica actualmente una lnea de armas para civiles, con una produccin actual diaria de 30 unidades del modelo Z-1200 y de 120 unidades del modelo Z1500. El vicepresidente de manufactura quiere saber si podran aumentarse las
ganancias cambiando la mezcla de productos entre los dos modelos. Se compil la
siguiente informacin sobre las horas requeridas para la fabricacin de cada modelo y las capacidades de los departamentos de la fbrica.
Departamento 1
Departamento 2
Departamento 3
Departamento 4
Contribucin por unidad
HORAS-HOMBRE
REQUERIDAS
MODELO MODELO
Z-1200
Z-1500
2
0
0
3
2
2
1 1/5
1 1/2
$50
$40
a) Determnese la mezcla ptima de productos suponiendo que pueden venderse las cantidades.
b) Cunto aumentara la mezcla ptima la contribucin a los costos fijos y a
las ganancias
c) Supngase que el precio del modelo Z-1200 se reduzca en 10.00 dlares.
Cul ser la mezcla ptima de productos?
La empresa est considerando un tercer producto, el modelo Z-1800, que utilizar
las mismas instalaciones de los otros modelos para el mercado militar. Las capacidades departamentales seguirn siendo las mismas. Los requerimientos del modelo Z-1800 son los siguientes: departamento 1, 0.1 horas; departamento 2, 3.6 horas; departamento 3, 2.2 horas, y departamento 4, 1.2 horas. La contribucin del
nuevo modelo es de 55.00 dlares por unidad (sese la contribucin original de los
otros modelos).
d) Suponiendo que la empresa pueda vender cualquier combinacin de cantidades que pueda producir, cul es la mezcla ptima de productos y la mayor contribucin diaria?
e) Es nica la respuesta a la pregunta (d)? Comprubese la respuesta. (Sugerencia: trcese grficamente el problema.)
5. De los muchos productos que fabrica la Arco Manufacturing Company, solo los
productos C, D, E y F pasan por los siguientes departamentos: cepillado (pequeo); fresado (vertical); taladrado (pequeo), y ensamble (piezas pequeas). Los
requerimientos por unidad de producto en horas y contribucin son los siguientes:
DEPARTAMENTO
CEPILLADO FRESADO TALADRADO ENSAMBLE CONTR. /
UNIDAD
Investigacin de Operaciones
62
PUCESE
Producto C
Producto D
Producto E
Producto F
0.5
1.0
1.0
0.5
2.0
1.0
1.0
1.0
0.5
0.5
1.0
1.0
3.0
1.0
2.0
3.0
$8
$9
$7
$6
Cepillado
Fresado
Taladrado
Ensamble
CAPACIDAD
(HORAS)
1800
2800
3000
6000
REQUERIMIENTOS MNIMOS
DE VENTAS
Producto C
100 unidades
Producto D
600 unidades
Producto E
500 unidades
Producto F
400 unidades
25 unidades
30 unidades
30 unidades
25 unidades
0.25
Investigacin de Operaciones
TIEMPO
DISPONIBLE
LA SEMANA
PRXIMA
(HORAS)
0.20
0.15
0.25
400
63
PUCESE
Departamento 2
Departamento 3
Departamento 4
Contribucin
por unidad
0.30
0.25
0.25
$ 10.50
0.40
0.30
0.25
0.50
0.25
0.25
0.30
0.30
0.25
$ 9.00
$ 8.00
$10.00
1000
500
500
1533
30
30
25
a) Son la mezcla actual de productos y la contribucin para la empresa las ptimas? En caso contrario, cules deben ser?
b) Qu recomendaciones deben hacerse a la empresa con respecto a las instalaciones de produccin, basndose en las respuestas de (a)?
8. La LaCross Manufacturing Company est considerando la fabricacin de una nueva lnea de productos, compuesta de cuatro productos. Cada producto puede fabricarse con dos mtodos diferentes y completamente distintos, uno de los cuales
consta de dos procesos y el otro de tres. Se fabricarn basndose en un segundo
turno. El precio de venta de esos productos y sus costos variables, as como las
cantidades que probablemente puedan venderse, de acuerdo con el grupo de investigaciones de mercadotecnia, son los siguientes:
PRODUCTO
2
3
1
Precio de venta al mayoreo
(40% de descuento)
Costos variables mtodo A
Costos variables mtodo B
Cantidad que puede venderse
$ 100
$ 150
$ 125
$ 140
80
110
1000
135
150
3000
120
100
4000
135
110
6000
La seccin de manufactura de la empresa ha determinado que los tiempos de manufactura para cada proceso son los siguientes:
1
Mtodo A
Dpto. 20
Dpto. 21
Dpto. 22
Mtodo B
Dpto. 31
Dpto. 32
PRODUCTO
2
3
3.0
9.0
1.0
3.6
10.0
1.0
2.0
8.0
0.5
3.5
9.0
0.5
4.0
5.0
4.0
8.0
2.0
4.0
4.0
3.0
15000
50000
8000
10000
64
PUCESE
Departamento 32
10000
Qu debe hacer la empresa en virtud de los tiempos de produccin y de las posibles congestiones de produccin, a fin de aumentar al mximo la contribucin total
mensual?
9. Considere el siguiente conjunto de restricciones:
Resuelva el problema a travs del mtodo simplex suponiendo que la funcin objetivo est dada de la manera siguiente:
Investigacin de Operaciones
65
PUCESE
Suponiendo que x1, x2 0, determine la funcin objetivo inicial en cada uno de los
casos que siguen despus de que se sustituyan las variables artificiales en la tcnica M.
Investigacin de Operaciones
66
PUCESE
Investigacin de Operaciones
67
PUCESE
Investigacin de Operaciones
68
PUCESE
La figura 3.1 representa el modelo de transporte como una red con m fuentes y n destinos. Una fuente o un destino est representado por un nodo. El arco que une una
fuente y un destino representa la ruta por la cual se transporta la mercanca.
sujeto a
El primer conjunto de restricciones estipula que la suma de los envos desde una fuente no puede ser mayor que su oferta; en forma anloga, el segundo conjunto requiere
que la suma de los envos a un destino satisfaga su demanda.
El modelo que acabamos de describir implica que la oferta total
debe ser
cuando menos igual a la demanda total.
Cuando la oferta total es igual a la
demanda total
, la formulacin resultante recibe el nombre de modelo de transporte balanceado. Este difiere del modelo slo en el hecho de que todas
las restricciones son ecuaciones, es decir
Investigacin de Operaciones
69
PUCESE
Mediante el uso de cdigos numricos para representar las plantas y centros de distribucin, hacemos que xij represente el nmero de automviles transportados de la
fuente i al destino j. Como la oferta total (= 1000 + 1500 + 1200 = 3700) es igual a la
demanda total (= 2300 + 1400 = 3700), el modelo de transporte resultante est balanceado. Por lo tanto, el siguiente modelo de PL que representa el problema tiene todas
las restricciones de igualdad:
Investigacin de Operaciones
70
PUCESE
71
PUCESE
La nica informacin que falta para completar el modelo son los costos de "transporte"
unitarios de la planta ficticia a los destinos. Como la planta no existe, no habr ningn
envo fsico y el costo de transporte unitario correspondiente es cero. Sin embargo,
podemos enfocar la situacin desde otro ngulo diciendo que se incurre en un costo
de penalizacin por cada unidad de demanda insatisfecha en los centros de distribucin. En este caso los costos de transporte unitarios sern iguales a los costos de penalizacin unitarios en los diversos destinos.
En la tabla siguiente se presenta un resumen del modelo balanceado con la nueva
restriccin de capacidad de la planta de Detroit. La planta ficticia (que se muestra en
una regin sombreada) tiene una capacidad de 200 automviles.
De manera anloga, si la oferta es mayor que la demanda, podemos agregar un destino ficticio que absorber la diferencia. Por ejemplo, supngase en el ejemplo 3.1 que
la demanda en Denver disminuye a 1900 vehculos. La tabla siguiente3 resume el modelo con el centro de distribucin ficticio. Cualquier automvil enviado de una planta a
un centro de distribucin ficticio representa una cantidad excedente en la planta. El
costo de transporte unitario asociado es cero. Sin embargo, podemos cobrar un costo
de almacenamiento por guardar el automvil en la planta, y en este caso el costo de
transporte unitario ser igual al costo de almacenamiento unitario.
Investigacin de Operaciones
72
PUCESE
Los ejemplos 3.1 y 3.2 ilustran el caso donde slo interviene una mercanca en el sistema de transporte. El ejemplo que sigue muestra la forma en que se puede modificar
el modelo de transporte para dar cabida a ms de una mercanca.
Ejemplo 3.3 (Modelo de transporte de mltiples mercancas).- MG Company produce cuatro modelos diferentes, a los cuales nos referimos como M1, M2, M3 y M4
con fines de simplificacin. La planta de Detroit produce los modelos M1, M2 y M4. Los
modelos M1 y M2 slo se producen en Nueva Orleans. La planta de Los ngeles manufactura los modelos M3 y M4. Las capacidades de las diversas plantas y las demandas de los centros de distribucin se presentan aqu segn el tipo de modelo.
Investigacin de Operaciones
73
PUCESE
Si se estudia detenidamente la tabla anterior se ver que en realidad resulta innecesario representar el problema por medio de un solo modelo de transporte. En virtud de la
completa independencia de los diferentes modelos, debemos poder representar el
problema para cada vehculo a travs de una tabla de transporte independiente, aunque mucho menor. En esencia, la tabla anterior puede descomponerse en las siguientes partes para representar modelos de transporte:
Investigacin de Operaciones
74
PUCESE
Investigacin de Operaciones
75
PUCESE
1.
2.
3.
4.
5.
Sistema de transporte
Fuente i
Destino j
Oferta en la fuente i
Demanda en el destino j
Costo de transporte de la fuente i al
destino j
1.
2.
3.
4.
5.
Sistema de produccin
Perodo de produccin i
Perodo de demanda j
Capacidad de produccin del perodo i
Demanda del perodo j
Costo de produccin e inventario del
perodo i al j
En la tabla siguiente se presenta un resumen del problema como un modelo de transporte. El costo de "transporte" unitario del periodo i al j es
cij =
Investigacin de Operaciones
76
PUCESE
77
PUCESE
las hay). Despus de ajustar las cantidades de oferta y demanda de todos los renglones y columnas no tachados, la cantidad factible mxima se asigna al primer elemento
no tachado de la nueva columna (rengln). El proceso se completa cuando se deja sin
tachar exactamente un rengln o una columna.
El procedimiento que se acaba de describir se aplica ahora al ejemplo de la tabla anterior.
1. x11 = 5, se tacha la columna 1. Por lo tanto, no se puede hacer otra asignacin
en la columna 1. La cantidad que falta en el rengln 1 son 10 unidades.
2. x12 = 10, se tacha el rengln 1 y faltan 5 unidades en la columna 2.
3. x22 = 5, se tacha la columna 2 y faltan 20 unidades en el rengln 2.
4. x23 = 15, se tacha la columna 3 y faltan 5 unidades en el rengln 2.
5. x24 = 5, se tacha el rengln 2 y faltan 5 unidades en la columna 4.
6. x34 = 5, se tacha el rengln 3 o la columna 4. Como slo un rengln o una columna se mantiene sin tachar, el proceso llega a su fin.
La solucin bsica inicial resultante se presenta en la tabla siguiente. Las variables
bsicas son x11 = 5, x12 = 10, x22 = 5, x23 = 15, x24 = 5 y x34 = 5. Las variables restantes
son no bsicas en el nivel cero. El costo de transporte asociado es 5 x 10 + 10 x 0 + 5
x 7 + 15 x 9 + 5 x 20 + 5 x 18 = $ 410.
Investigacin de Operaciones
78
PUCESE
(Estos valores sern los mismos sin importar la eleccin arbitraria del valor de u1).
Despus se selecciona la variable que entra como la variable no bsica con la variable
ms positiva (comprese con la condicin de optimidad de minimizacin del mtodo simplex).
Si aplicamos este procedimiento a las variables no bsicas de la tabla de solucin actual, las ecuaciones asociadas con las variables bsicas estn dadas como
Investigacin de Operaciones
79
PUCESE
Podemos apreciar en la tabla anterior que si x31 (la variable que entra) se incrementa
en una unidad, entonces para mantener la factibilidad de la solucin, las variables bsicas de esquina del ciclo x31 deben ajustarse como sigue. Disminyase x11 en una
unidad, incremntese x12 en una unidad, disminyase x22 en una unidad, incremntese
x24 en una unidad y por ltimo disminyase x34 en una unidad. Este proceso se resume
a travs de los signos de ms
y de menos
de las esquinas adecuadas de la
tabla anterior. El cambio mantendr satisfechas las restricciones de oferta y demanda.
La variable que sale se selecciona de entre las variables de esquina del ciclo que disminuirn cuando la variable que entra x31 aumente arriba del nivel cero. Estas situaciones se indican en la tabla anterior a travs de las variables contenidas en el cuadro
etiquetado con los signos menos
. De la tabla anterior, x11, x22 y x34 son las varia-
Investigacin de Operaciones
80
PUCESE
bles bsicas que disminuirn cuando aumente x31. Despus se selecciona la variable
que sale como la que tiene el valor ms chico, ya que ser la primera en llegar al valor
cero y cualquier disminucin adicional la volver negativa (comprese la condicin de
factibilidad del mtodo simplex, donde la variable que sale est asociada con la razn
mnima). En este ejemplo las tres variables
x11, x22 y x34 tienen el mismo valor (= 5)
y en este caso se puede seleccionar cualquiera de ellas como la variable que sale.
Supngase que x34 se toma como la variable que sale; despus se incrementa a 5 el
valor de x31 y los valores de las variables de esquina (bsicas) se ajustan segn este
incremento (es decir, cada una se incrementa o disminuye en 5, dependiendo de si
tiene el signo
o
asociado con ella). La nueva solucin se presenta en la tabla
siguiente. Su nuevo costo es 0 x 10 + 15 x 0 + 0 x 7 + 15 x 9 + 10 x 20 + 5 x 0 = $ 335.
Este costo difiere del asociado con la solucin inicial en 410 - 335 = $ 75, que es igual
al nmero de unidades asignadas a x31 (= 5) multiplicado por
(= $15).
La solucin bsica de la tabla anterior es degenerada, ya que las variables bsicas x11
y x22 son cero. Sin embargo, la degeneracin no requiere precauciones especiales y
las variables bsicas cero se consideran como cualquier otra variable bsica positiva.
Ahora se revisa la optimidad de la nueva solucin bsica de la tabla anterior calculando los nuevos multiplicadores como se indica en la tabla siguiente. Los valores de cpq
estn dados por los nmeros de la esquina suroeste de cada celda no bsica. La variable no bsica x21 con la variable
positiva mayor entra en la solucin. El ciclo
cerrado asociado con x21 muestra que x11 o x22 pueden ser la variable que sale. Seleccionamos arbitrariamente x11 como la que sale de la solucin.
Investigacin de Operaciones
81
PUCESE
La tabla siguiente muestra la nueva solucin bsica que sigue de la tabla anterior (x21
entra y x11 sale). Los nuevos valores de ui, vj y
se vuelven a calcular.
La tabla anterior muestra la variable que entra y la que sale como x14 y x24 respectivamente. Al efectuar este cambio en la tabla anterior, obtenemos la nueva solucin de la
tabla siguiente.
82
PUCESE
Antes de que el modelo se pueda resolver a travs de la tcnica de transporte, es necesario balancear el problema sumando trabajos o mquinas ficticios, dependiendo de
si m < n o m > n. Por lo tanto, se supondr que m = n sin que se pierda la generalidad.
El modelo de asignacin se puede expresar matemticamente de la manera siguiente:
sujeto a
83
PUCESE
Investigacin de Operaciones
84
PUCESE
Investigacin de Operaciones
85
PUCESE
Al igual que con los problemas de transporte y asignacin, es fcil plantear un modelo
de programacin lineal para el problema de transbordo, partiendo de la representacin
de red. De nueva cuenta, se requiere una restriccin para cada nodo y una variable
para cada arco. Se utilizan xij para representar el nmero de unidades que se envan
del nodo i al nodo j. Por ejemplo, x13 denota el nmero de unidades que se envan de
la planta de Denver al almacn de la ciudad de Kansas, x14 denota el nmero de unidades que se envan de la planta de Denver al almacn de Louisville, y as sucesivamente. Como la oferta o abasto en la planta de Denver es 600 unidades, la cantidad
que se enva desde la planta de Denver debe ser menor que o igual a 600. En trminos matemticos, esta restriccin de oferta se escribe
Se considera ahora la forma en la que se deben escribir las restricciones correspondientes a los dos modos de transbordo. Para el nodo 3 (el almacn de la ciudad de
Kansas) debe garantizar que el nmero de unidades que se envan es igual al nmero
de unidades que se reciben en el almacn. Dado que
Investigacin de Operaciones
86
PUCESE
se obtiene
Colocar todas las variables en el lado izquierdo de la expresin permite escribir la restriccin correspondiente al nodo 3 de la siguiente manera:
Segn lo acostumbrado, la funcin objetivo refleja el costo total de los envos en las 12
rutas. Combinando la funcin objetivo con las restricciones se llega al modelo de programacin lineal de doce variables y ocho restricciones para el problema de transbordo de la Ryan Electronics
Investigacin de Operaciones
87
PUCESE
EJERCICIOS PROPUESTOS
1. Dos camales, P y Q, se encargan de suministrar la carne consumida semanalmente en tres ciudades, R, S y T: 20, 22 y 14 toneladas, respectivamente. El camal P
produce cada semana 26 toneladas de carne, y el Q, 30. Sabiendo que los costes
de transporte, por tonelada de carne, desde cada camal a cada ciudad, son los reflejados en la siguiente tabla:
R S T
P 1 3 1
Q 2 1 1
Determinar cul es la distribucin de transporte que supone un coste mnimo.
Investigacin de Operaciones
88
PUCESE
2. Desde dos almacenes A y B, se tiene que distribuir fruta a tres mercados de la ciudad. El almacn A dispone de 10 toneladas de fruta diarias y el B de 15 toneladas,
que se reparten en su totalidad. Los dos primeros mercados necesitan, diariamente, 8 toneladas de fruta, mientras que el tercero necesita 9 toneladas diarias. El
coste del transporte desde cada almacn a cada mercado viene dado por el siguiente cuadro:
Almacn Mercado 1 Mercado 2 Mercado 3
A
10
15
20
15
10
10
Proyecto
Planta
Disponibilidad Semanal,
Cargas de Camin
50
45
75
60
50
40
Informacin de Costos:
De
Al proyecto A
Al proyecto B
Al proyecto C
Planta W
$4
$3
$3
Planta X
Planta Y
4. Una compaa tiene tres fbricas (A, B y C) para ensamblar computadoras, y dispone de tres tiendas habilitadas para la venta (D, E y F). Las cantidades producidas por A, B y C son 1.000, 5.000 y 4.000 unidades por da respectivamente. La
mxima cantidad que puede vender el almacn D es 3000 unidades/da, E es
6000 unidades/da y F es 7000 unidades/da. Los costos de transporte de cada
fbrica a cada almacn estn dados en la siguiente tabla:
Suministro
A
B
C
D
1
3
4
Demanda
E
4
1
5
F
2
2
2
Obtener una solucin bsica factible por el mtodo de la esquina del noroeste.
Resolver por el mtodo de los multiplicadores.
Investigacin de Operaciones
89
PUCESE
5. Tres centrales de distribucin tienen que dar electricidad a tres ciudades. La tabla
de costos de transporte de electricidad es la siguiente:
CENTRAL
I
II
III
DEMANDA (MKwh)
CIUDAD
B
6
12
9
20
A
8
9
14
45
SUMINISTRO
(MKwh)
35
50
40
C
10
13
16
30
Determine las variables de decisin y plantee el problema de minimizacin, determinando la distribucin elctrica para cada ciudad.
6. Hay que distribuir el agua de tres pozos entre tres ciudades. La tabla de costos de
distribucin es la siguiente:
POZO
I
II
III
DEMANDA Mlts/dia)
A
7
5
9
55
CIUDADES
B
8
12
7
40
C
10
4
8
60
OFERTA
(Mlts/dia)
40
30
45
Plantear el problema del transporte dado por dicha tabla. est equilibrado?
Como puede equilibrarlo? Determine la distribucin del Agua para cada una de
las ciudades.
7. Una Empresa dispone de 3 plantas (Pli) para hacer 3 tipos de productos (Pri). Los
costos y tiempos de produccin aparecen en la tabla. Si se necesitan 100 unidades de cada producto y hay disponibles 40 horas de trabajo, formular un modelo
de transporte para minimizar costos y resolverlo.
Pl1
Pl2
Pl3
Pr1
60
50
43
Pr2
40
30
20
Pr3
28
30
20
tiempo (minutos)
20
16
15
Refineras
Investigacin de Operaciones
1
2
3
1
120
300
200
Ing. Klber Vera T.
2
180
100
250
3
--80
120
90
PUCESE
Planta
1
2
5
1
6
2
3
4
3
11
3
4
3
3
17
Oferta
4
5
1
2
12
14
15
17
Produccin
Bodega
Venta
P1
100
B1
50
P2
60
B2
10
P3
50
B3
60
B4
30
B5
20
Total
170
Total
210
El costo de despacho de 1000 cajas desde cada planta a cada bodega aparece en
la siguiente tabla:
Destino Origen US$
B1
B2
B3
B4
B5
P1
240
300
160
500
360
P1
420
440
300
200
220
P3
300
340
300
480
400
La compaa desea determinar un programa de embarques que minimice los costos generales de transporte de la empresa
11. Considerar el problema que enfrenta el departamento de transporte de una compaa que tiene 3 plantas y cuatro almacenes regionales. Cada mes se dispone de
Investigacin de Operaciones
91
PUCESE
una lista de los requerimientos de cada almacn y se conocen tambin las capacidades de produccin de las plantas. Adems se conoce el costo de embarque de
cada planta a cada almacn. El problema es determinar que plantas deben abastecer a qu almacenes de manera que se minimicen los costos totales de transporte.
Almacenes
Plantas
1
2
3
Cantidad
requerida
1
19
70
40
2
30
30
6
3
50
40
10
4
10
60
20
14
Cantidad
disponible
7
9
18
12. Considere el problema de transporte que se originan debido a un accidente. Existen tres ambulancias con distintas capacidades para trasladar heridos hacia cuatro
Servicios de Urgencia. La siguiente tabla presenta la capacidad de las Ambulancias y los Servicios de Urgencia.
Ambulancia
1
2
3
Servicio de
Demanda
Urgencia
1
4
2
3
3
4
4
4
Capacidad
3
7
5
Ambulancia 1
Ambulancia 2
Ambulancia 3
SU 1
2
10
7
SU 2
2
8
6
SU 3
2
5
6
SU 4
1
4
8
1
85.3
78.9
82
84.3
2
88
77.4
81.3
84.6
Constructora
3
4
87.5
82.4
77.4
76.5
82.4
80.6
86.2
83.3
5
89.1
79.3
83.5
84.4
6
86.1
78.3
81.7
85.5
Ya que la cadena desea tener listos los nuevos establecimientos tan pronto como
sea posible otorgar cuando ms un trabajo a cada compaa constructora, Qu
Investigacin de Operaciones
92
PUCESE
Investigacin de Operaciones
93
PUCESE
Se muestran en la red las ofertas, las demandas y los costos de transporte por
unidad. Resolver el problema lineal para determinar la solucin ptima
17. La Austine Manufacturing Company tiene actualmente un programa de embarques
que la administracin no considera como ptimo. La empresa tiene tres fbricas y
cinco bodegas. Buscar un programa ptimo de embarques, en trminos de costos
de embarque que sean los ms bajos posibles.
Bodegas
1
2
3
4
5
Capacidad
de fbrica
A
5
8
6
6
3
Fbricas
B
4
7
7
6
5
C
8
4
6
6
4
800
600
1000
Requerimientos
de bodega
400
400
500
400
800
18. Una empresa produce equipos musicales para automviles en cuatro pases (Burundi, Kenia, Ruanda y Uganda) que posteriormente enva a tres fbricas de automviles situadas en Valladolid, Hamburgo y Miln. Hasta ahora la produccin total
no ha sido capaz de satisfacer la demanda total, por lo que la empresa ha decidido
construir una nueva planta, ya sea en Tanzania o en Zimbabwe. Las demandas,
capacidades de produccin y los costos unitarios de transporte son:
Investigacin de Operaciones
94
PUCESE
Boston
5
8
9
300
Almacenes
Atlanta
2
4
7
200
Houston
3
3
5
200
Oferta
100
300
300
w1
4
4.40
4.60
Trabajador
w2
3.60
3.50
4.40
w3
3.75
4
4.60
Trabajadores
requeridos
5
20
10
10
15
10
35
Cual es la mejor asignacin de trabajadores a los diversos trabajos, a fin de reducir al mnimo los costos?
21. La Nielsen Printing Company tiene seis pedidos de folletos de publicidad de una
sola pgina. Las cantidades son las siguientes: 28000, 15000, 15000, 20000,
38000 y 44000. Las tres prensas disponibles pueden producir 50000, 70000 y
60000 hojas diarias, respectivamente. Los costos variables por millar para producir
los pedidos en las tres prensas son los siguientes:
Investigacin de Operaciones
95
PUCESE
Prensas
1
2
3
1
4.48
4.40
4.63
2
5.60
5.44
4.80
Pedidos
3
4
6.40
5.4
6.70
4.82
6.20
5.26
5
6.42
7.52
6.18
6
4.88
5.44
5.26
Investigacin de Operaciones
96
PUCESE
Investigacin de Operaciones
97
PUCESE
Investigacin de Operaciones
98
PUCESE
Regla 2. Dos actividades diferentes no pueden identificarse por los mismos eventos
terminal y de inicio. Una situacin como esta puede surgir cuando dos o ms actividades deben ejecutarse simultneamente. Un ejemplo se muestra en la figura siguiente
(a) donde las actividades A y B tienen los mismos eventos finales. El procedimiento es
introducir una actividad ficticia ya sea entre A y uno de los eventos finales, o entre B y
uno de los eventos finales. Las representaciones modificadas, despus de introducir la
actividad ficticia D se muestran en la figura siguiente (b). Como un resultado de usar
D, las actividades A y B pueden ahora identificarse por eventos finales nicos. Debe
notarse que una actividad ficticia no consume tiempo o recursos.
Las actividades ficticias son tambin tiles al establecer relaciones lgicas en el diagrama de flechas, las cuales de otra manera, no pueden representarse correctamente.
Suponga que en cierto proyecto los trabajos A y B deben preceder a C. Por otra parte,
el trabajo E est precedido por el trabajo B solamente. La figura siguiente (a) muestra
la forma incorrecta, ya que aunque la relacin de A, B y E es correcta, el diagrama
implica que E debe estar precedida tanto por A como B. La representacin correcta
usando D ficticia se muestra en la figura siguiente (b). Ya que D no consume tiempo (o
recursos) las relaciones de precedencia indicadas estn satisfechas.
Regla 3. A fin de asegurar la relacin de precedencia correcta en el diagrama de flechas, las siguientes preguntas deben responderse cuando se agrega cada actividad a
la red.
(a) Qu actividades deben terminarse inmediatamente antes de que esta actividad
pueda comenzar?
(b) Qu actividades deben seguir a esta actividad?
(c) Qu actividades deben efectuarse simultneamente con esta actividad?
Esta regla se explica por s misma. Realmente permite verificar (y volver a verificar) las
relaciones de precedencia cuando se avanza en el desarrollo de la red.
Investigacin de Operaciones
99
PUCESE
Ejemplo 4.1
Construya el diagrama de flechas que comprenda las actividades A, B, C, . . .y L que
satisfagan las relaciones siguientes:
1. A, B y C, son las actividades iniciales del proyecto que comienzan simultneamente.
2. A y B preceden a D.
3. B precede a E, F y H.
4. F y C preceden a G.
5. E y H preceden a I y J.
6. C, D, F y J preceden a K.
7. K precede a L.
8. I, G y L son las actividades finales del proyecto.
Investigacin de Operaciones
100
PUCESE
El tiempo requerido para ejecutar cada actividad se indica sobre las flechas. Los clculos de ruta crtica incluyen dos fases. La primera fase se llama clculos hacia adelante, donde los clculos comienzan desde el nodo de "inicio" y se mueven al nodo de
"terminacin". En cada nodo se calcula un nmero que representa el tiempo de ocurrencia ms prximo del evento correspondiente. Estos nmeros se muestran en la
figura anterior dentro de cuadrados. En la segunda fase, llamada clculos hacia
atrs, comienzan los clculos desde el nodo de "terminacin" y se mueve hacia el
nodo de "inicio". El nmero calculado en cada nodo (mostrado dentro de un tringulo)
representa el tiempo de ocurrencia ms tardo del evento correspondiente. El clculo
hacia adelante se presentar a continuacin.
Sea TIPi el tiempo de inicio ms prximo de todas las actividades que se originan
en el evento i. Por consiguiente, TIPi representa el tiempo de ocurrencia ms prximo
del evento i. Si i = 0 es el evento de "inicio", entonces convencionalmente, para los
clculos de ruta crtica, TIP0 = 0. Sea Dij la duracin de la actividad (i, j). Los clculos
hacia adelante, por consiguiente, se obtienen de la frmula
TIPj = mxi {TIPi + Dij}, para todas las actividades (i, j) definidas
donde TIP0 = 0. Por consiguiente, a fin de calcular TIPj para el evento j, deben calcularse primero los eventos de comienzo de todas las actividades (i, j) que entran y los
TIPj.
Los clculos hacia adelante aplicados a la figura anterior proporcionan TIP0 = 0 como
se muestra en el cuadrado sobre el evento 0. Ya que existe solamente una actividad
que entra (0, 1) al evento 1 con D01 = 2,
TIP1 = TIP0 + D01 =0 + 2 = 2
esto se anota en el cuadrado asociado al evento 1. El siguiente evento que se va a
considerar es el 2. [Note que el evento 3 no puede considerarse en este punto, ya que
TIP2 (evento 2) todava no se conoce]. Por consiguiente
TIP2 = TIP0 + D02 = 0 + 3 = 3
que se anota en el cuadro del evento 2. El siguiente evento que se considerar es el 3.
Como hay dos actividades que entran (1, 3) y (2, 3), tenemos
TIP3 = mxi = 1, 2 {TIPi + Di 3} = mx {2 + 2, 3 + 3} = 6
que, una vez ms, se anota en el cuadro del evento 3.
El procedimiento contina de la misma manera hasta que TIPj se calcula para toda j.
Por consiguiente
TIP4 = mxi = 2, 3 {TIPi + Di 4} =mx {3 + 2, 6 + 0}= 6
TIP5 = mxi = 3, 4 {TIPi + Di 5} = mx {6 + 3, 6 + 7}= 13
TIP6 = mxi = 3, 4, 5 {TIPi + Di 6} = mx {6 + 2, 6 + 5, 13 + 6}= 19
Con estas operaciones terminan los clculos hacia adelante.
Los clculos hacia atrs comienzan desde el evento de "terminacin". El objetivo de
esta fase es calcular el TTTi, el tiempo de terminacin ms tardo, para todas las
Investigacin de Operaciones
101
PUCESE
actividades que estn en el evento i. Por consiguiente, si i = n es el evento de "terminacin", TTTn = TIPn inicia el clculo hacia atrs. En general, para cualquier nodo i,
TTTi = minj {TTTj - Dij} para todas las actividades (i, j) definidas
Los valores de TTT (que se escriben en los tringulos) se determinan de la manera
siguiente:
TTT6 =TIP6 = 19
TTT5 = TTT6 - D56= 19 - 6 = 13
TTT4 = mnj = 5.6 {TTTj D4j }= mn {13 - 7, 19 - 5}= 6
TTT3 = mnj = 4, 5.6 {TTTj D3j }= mn {6 - 0, 13 - 3, 19 - 2} = 6
TTT2 = mnj = 3.4 {TTTj D2j }= mn {6 - 3, 6 - 2} = 3
TTT1 = TTT3 - D13= 6 - 2 = 4
TTT0 = mnj = 1.2 {TTTj D0j }=mn {4 - 2, 3 3} = 0
Esto completa los clculos hacia atrs.
Las actividades de ruta crtica pueden ahora identificarse usando los resultados de los
clculos hacia adelante y hacia atrs. Una actividad (i, j) est en la ruta crtica si satisface las tres condiciones siguientes:
TIPi = TTTi
(1)
TIPj = TTTj
(2)
(3)
Estas condiciones realmente indican que no existe tiempo de holgura entre el inicio
ms prximo (terminacin) y el inicio ms tardo (terminacin) de la actividad. Por consiguiente, esta actividad debe ser crtica. En el diagrama de flechas estas actividades
estn caracterizadas por los nmeros en el cuadrado y el tringulo siendo los mismos
en cada uno de los eventos terminales y de comienzo y que la diferencia entre los nmeros en el cuadrado (o tringulo) en el evento terminal y el nmero en el cuadrado (o
tringulo) en el evento inicial es igual a la duracin de la actividad.
Las actividades (0, 2), (2, 3), (3, 4), (4, 5) y (5, 6) definen la ruta crtica en la figura anterior. Este es realmente el tiempo ms corto posible para terminar el proyecto. Note
que las actividades (2, 4), (3, 5), (3, 6) y (4, 6) satisfacen las condiciones (1) y (2) para
actividades crticas pero no la condicin (3). Por lo tanto, stas no son crticas. Observe tambin que la ruta crtica debe formar una cadena de actividades conectadas, la
cual abarca la red desde el "inicio" hasta la "terminacin".
4.2.2. Determinacin de las Holguras
Siguiendo la determinacin de la ruta crtica, deben calcularse las holguras de las actividades no crticas. Naturalmente, una actividad crtica debe tener una holgura cero.
De hecho, esta es la principal razn para que sea crtica.
Investigacin de Operaciones
102
PUCESE
Antes de mostrar cmo se determinan las holguras, es necesario definir dos nuevos
tiempos, los cuales estn asociados con cada actividad. Estos son el tiempo de inicio
ms tardo (IT) y el tiempo de terminacin ms prximo (TT), los cuales estn definidos para la actividad (i, j) por
ITij = TTTj - Dij
TTij = TIPi + Dij
Existen dos tipos importantes de holguras: holgura total HT y holgura libre (HL). La
holgura total HTij para la actividad (i, j) es la diferencia entre el mximo tiempo disponible para realizar la actividad (= TTTj - TIPi) y su duracin (= Dij); esto es,
HTij = TTTj - TIPi- Dij = TTTj - TTij = ITij - TIPi
La holgura libre se define suponiendo que todas las actividades comienzan tan pronto
como sea posible. En este caso, HLij para la actividad (i, j) es el exceso de tiempo disponible (= TIPj - TIP) sobre su duracin (= Dij); esto es,
HLij = TIPj - TIPi - Dij
Los clculos de ruta crtica junto con las holguras para las actividades no crticas pueden resumirse en la forma conveniente mostrada en la tabla siguiente. Las columnas
(1), (2), (3) y (6) se obtienen de los clculos de la red en el ejemplo 4.2. La informacin
restante puede determinarse de las frmulas anteriores.
La tabla anterior da un resumen tpico de los clculos de ruta crtica. Incluye toda la
informacin necesaria para construir el diagrama de tiempos. La holgura libre debe ser
cero cuando la holgura total es cero. La inversa no es cierta, sin embargo, en el sentido de que una actividad no crtica puede tener una holgura libre cero. Por ejemplo, en
la tabla anterior, la actividad crtica (0, 1) tiene una holgura libre cero.
Investigacin de Operaciones
103
PUCESE
Como los datos del mundo de los negocios reflejan bsicamente una de las tres curvas de la figura anterior, los diseadores de PERT tuvieron que encontrar un tipo especial de distribucin que satisfaciera la mayor parte de las circunstancias de tiempo
ms corto (optimistas), ms largo (pesimistas), y ms probable que se use. Es evidente que el tiempo ms probable (m), debe tener una mayor ponderacin que el ms
optimista (a) y el ms pesimista (b). Ciertamente hay ms probabilidad de que un programa se complete ms cerca del tiempo ms probable que de los otros dos tiempos
extremos. La frmula desarrollada para el tiempo esperado de una actividad (te) es
Cuando se usa esa frmula para obtener una curva normal en forma de campana, el
valor calculado de te, representa el valor intermedio de la curva en forma de campana,
que es lo que queremos para ese tipo de curva.
La amplitud o rango (a, b) se supone que abarca alrededor de 6 desviaciones estndares de la distribucin, ya que alrededor de 90% o ms de cualquier funcin densidad
de probabilidad est dentro de tres desviaciones estndares de su media. La varianza
est dada por
Investigacin de Operaciones
104
PUCESE
La construccin del diagrama de tiempo debe hacerse dentro de las limitaciones de los
recursos disponibles ya que no puede ser posible realizar actividades simultneas debido a las limitaciones de personal y equipo. Aqu es donde las holguras totales para
las actividades no crticas llegan a ser tiles. Cambiando una actividad no crtica (hacia
atrs y hacia adelante) entre sus lmites TIP y TT, se pueden abatir los requisitos mximos de recursos. En cualquier caso, aun en ausencia de recursos limitados, es prctica comn usar las holguras totales para nivelar los recursos sobre la duracin del
proyecto completo. En esencia, esto significara una fuerza de trabajo ms estable
comparada con el caso donde la fuerza de trabajo (y equipo) variar drsticamente de
un da a otro.
El procedimiento para construir el diagrama de tiempo se ilustrar con el ejemplo 4.3.
El ejemplo 4.4 mostrar entonces cmo puede efectuarse la nivelacin de recursos
para el mismo proyecto.
Ejemplo 4.3.- En este ejemplo se construir el diagrama de tiempos para el proyecto
dado en el ejemplo 4.2.
La informacin necesaria para construir el diagrama de tiempo se resume en la tabla
del ejemplo 4.2. El primer paso es considerar el programa de las actividades crticas.
Despus se consideran las actividades no crticas indicando sus lmites de tiempo TIP
y TTT en el diagrama. Las actividades crticas se indican con lneas llenas. Los lmites
de tiempo para las actividades no crticas se muestran con lneas punteadas, indicando que tales actividades pueden programarse donde sea dentro de esos intervalos,
siempre y cuando no se alteren las relaciones de precedencia.
La figura siguiente muestra el diagrama de tiempo correspondiente al ejemplo 4.2. La
actividad ficticia (3, 4) no consume tiempo y por lo tanto, se muestra como una lnea
vertical. Los nmeros mostrados con las actividades no crticas, representan sus duraciones.
Las funciones de las holguras total y libre en la programacin de actividades no crticas se explican en trminos de dos reglas generales:
1. Si la holgura total es igual a la holgura libre, la actividad no crtica se puede
programar en cualquier parte entre los tiempos de inicio ms temprano y de
terminacin ms tardo (extensiones de tiempo punteadas de la figura anterior).
Investigacin de Operaciones
105
PUCESE
2. Si la holgura libre es menor que la holgura total, el inicio de la actividad no crtica se puede demorar en relacin con su tiempo de inicio ms temprano en una
cantidad no mayor que el monto de su holgura libre sin afectar la programacin
de sus actividades inmediatamente sucesivas.
En nuestro ejemplo, la regla 2 se aplica a la actividad (0, 1) nicamente, mientras que
todas las dems se programan segn la regla 1. La razn es que la actividad (0, 1)
tiene una holgura libre cero. Por lo tanto, si el tiempo inicial para (0, 1) no es demorado
ms all de su tiempo de inicio ms prximo (t = 0), la actividad inmediatamente sucesiva (1, 3) se puede programar en cualquier momento entre su tiempo de inicio ms
prximo (t = 2) y su tiempo de terminacin mas tardo (t = 6). Por otra parte, si el tiempo de inicio de (0, 1) se demora ms all de t = 0, el tiempo de inicio ms prximo de
(1, 3) deber retrasarse relativo a su tiempo de inicio ms prximo cuando menos en
la misma cantidad. Por ejemplo, si (0, 1) comienza en t = 1, termina en t = 3 y luego (1,
3) se puede programar en cualquier parte entre t = 3 y t = 6. Este tipo de restriccin no
se aplica a ninguna de las actividades no crticas restantes porque todas ellas tienen
holguras total y libre iguales. Tambin podemos observar este resultado en la figura
anterior, ya que (0,1) y (1,2) son las nicas dos actividades sucesivas cuyas extensiones de tiempo permisibles se superponen.
En esencia, tener la holgura libre menor que la holgura total nos da una advertencia de
que la programacin de la actividad no deber terminarse sin antes verificar su efecto
en los tiempos de inicio de las actividades inmediatamente sucesivas. Esta valiosa
informacin slo puede asegurarse a travs del uso de clculos de ruta crtica.
Ejemplo 4.4.- En el ejemplo 4.3, supngase que se especifican los siguientes requisitos de trabajadores para las diferentes actividades. Se requiere elaborar un programa
de tiempo que nivelar los requisitos de trabajadores mientras dure el proyecto. Ntese que las actividades (0, 1) y (1, 3) no requieren labor manual (o mano de obra), lo
que se indica asignando un nmero cero de hombres a cada actividad. Como resultado, la programacin de (0, 1) y (1,3) puede hacerse en forma independiente del procedimiento de nivelacin de recursos.
La figura siguiente (a) muestra las necesidades de personal sobre el tiempo si las actividades no crticas se programan tan pronto como sea posible, mientras que la figura
siguiente (b) muestra los requerimientos si estas actividades se programan tan tarde
como sea posible. La lnea punteada seala las necesidades para las actividades crticas que deben satisfacerse si el proyecto debe terminarse a tiempo. [Ntese que las
actividades (0, 1) y (1, 3) no requieren recursos.]
Investigacin de Operaciones
106
PUCESE
Investigacin de Operaciones
107
PUCESE
Investigacin de Operaciones
108
PUCESE
ta actividad sobre la porcin restante del proyecto, puede visualizarse mejor sobre el
diagrama de flechas.
Suponga que en cuanto el proyecto progresa en el tiempo, se descubriera que la demora de algunas actividades, hace necesario desarrollar un programa totalmente nuevo. Cmo puede efectuarse esto usando el presente diagrama de flechas? La necesidad inmediata es actualizar el diagrama de flechas asignando valores cero a las duraciones de las actividades que se han terminado. A las actividades parcialmente terminadas se les asignan tiempos equivalentes a sus porciones no terminadas. Tambin
deben hacerse los cambios en el diagrama de flechas, tales como aadir o desechar
cualquier actividad futura. Repitiendo los clculos usuales sobre el diagrama de flechas con sus nuevos elementos de tiempo, se puede determinar el nuevo programa de
tiempos y cambios posibles en la duracin del proyecto. Tal informacin se utiliza hasta que es necesario actualizar el programa de tiempos nuevamente. En situaciones
reales se requieren normalmente muchas revisiones del programa de tiempos en las
primeras etapas de la fase de ejecucin. Sigue luego un perodo estable, en el cual se
requiere poca revisin del programa actual.
EJERCICIOS PROPUESTOS
1. Trace el diagrama de flechas que abarque las actividades A, B, E, . . . , y P que
satisfaga las siguientes relaciones de precedencia:
(i)
(ii)
(iii)
(iv)
(v)
(vi)
(vii)
(viii)
(ix)
(x)
109
PUCESE
dades del programa. Por ejemplo, un entrenando no puede actuar como asistente
de un gerente de tienda hasta que haya obtenido experiencia en el departamento
de crdito, y en cuando menos un departamento de ventas. Las actividades que se
muestran en seguida son las asignaciones que cada entrenando del programa debe llevar a cabo:
Investigacin de Operaciones
110
PUCESE
Investigacin de Operaciones
111
PUCESE
9. Determine las rutas crticas para los proyectos (a) y (b), de la figura siguiente.
Investigacin de Operaciones
112
PUCESE
10. La tabla siguiente resume las actividades para reubicar 1 700 pies de una lnea
elctrica primaria de 13.8 kV debido al ensanchamiento de la seccin del camino
en la cual est instalada la lnea actualmente. Trace el modelo de la red y realice
los clculos de ruta crtica.
11. En el problema 9 calcule las holguras libre y total y resuma los clculos de ruta
crtica usando el formato en la tabla dada en clase.
12. Las actividades para la compra de un automvil nuevo se resumen en la tabla
siguiente. Trace el modelo de la red y efecte los clculos de ruta crtica.
Investigacin de Operaciones
113
PUCESE
13. En el problema 9 utilice los resultados en el problema 11, construya los diagramas
de tiempo correspondientes suponiendo que no hay lmite sobre los recursos.
14. Construya el programa de tiempo del problema 5.
15. Construya el programa de tiempo del problema 6.
16. Cosmetics Incorporated, ha decidido producir un nuevo producto revolucionario
para el mercado de consumidores. Los problemas de planeacin y control de las
diversas fases del programa -promocin de ventas, adiestramiento de vendedores,
fijacin de precios, envase, publicidad y manufactura- son evidentes para la administracin de la empresa, y quieren que el lector la gue en esa difcil situacin,
empleando PERT, porque el tiempo es esencial. La primera empresa que produzca, distribuya y venda ese tipo de producto obtendr grandes utilidades y tambin
tendr el mrito de haber lanzado al mercado un producto tan revolucionario. A
continuacin se da una lista de las actividades con los tiempos esperados, en trminos de semanas. Basndose en las actividades anteriores, determinar la ruta
crtica. Hacer recomendaciones que puedan acelerar el proyecto.
Investigacin de Operaciones
114
PUCESE
17. La H. S. Daugherty Company ha fabricado durante varios aos sistemas industriales de limpieza por aspiracin. Recientemente, un integrante del equipo de investigacin de productos nuevos de la compaa present un reporte en el que sugera
a la compaa considerar la fabricacin de una aspiradora sin cordn de enchufe.
Esta aspiradora, a la que se denomin Porta-Vac podra contribuir a la ampliacin
de las actividades de la Daugherty en el mercado domstico. Los administradores
esperan que pueda fabricarse el producto nuevo con un costo razonable y que sus
caractersticas de ser porttil y carecer de cordn lo conviertan en un producto muy
atractivo.
A los administradores de la Daugherty les gustara comenzar un proyecto para estudiar la factibilidad de la fabricacin del Porta-Vac.
Investigacin de Operaciones
115
PUCESE
18. En el problema 9 suponga que las estimaciones (a, b, m) estn dadas como se
muestra en las siguientes tablas. Calcule la ruta crtica.
Investigacin de Operaciones
116
PUCESE
5. MODELOS DE INVENTARIOS
Un problema de inventario existe cuando es necesario guardar bienes fsicos o mercancas con el propsito de satisfacer la demanda sobre un horizonte de tiempo especificado (finito o infinito). Casi cada empresa debe almacenar bienes para asegurar un
trabajo uniforme y eficiente en sus operaciones. Las decisiones considerando cundo
hacer pedidos y en qu cantidad son tpicas de cada problema de inventario. La demanda requerida puede satisfacerse almacenando una vez segn todo el horizonte de
tiempo o almacenando separadamente cada unidad de tiempo durante el horizonte.
Los dos casos que pueden considerarse son sobrealmacenamiento (con respecto a
una unidad de tiempo) o subalmacenamiento (con respecto al horizonte completo).
Un sobre almacenamiento requerira un capital invertido superior por unidad de tiempo
pero menos ocurrencias frecuentes de escasez y de colocacin de pedidos. Un subalmacenamiento, por otra parte, disminuira el capital invertido por unidad de tiempo
pero aumentara la frecuencia de los pedidos as como el tiempo de estar sin mercanca. Los dos extremos son costosos. Las decisiones considerando la cantidad ordenada y el tiempo en el cual se ordena pueden, por consiguiente, estar basadas sobre la
minimizacin de una funcin de costo apropiada la cual balancea los costos totales
resultantes de sobre almacenamiento y subalmacenamiento.
5.1. SISTEMA DE INVENTARIO ABC
En la mayora de las situaciones del mundo real, el manejo de inventarios suele implicar un nmero apreciable de artculos o productos que varan en precio desde los relativamente econmicos hasta los posiblemente muy costosos. Como el inventario representa en realidad capital ocioso (o inactivo), es natural que se ejerza el control de
inventario en artculos que sean los responsables del incremento en el costo del capital. Por lo tanto, los artculos rutinarios, como los tornillos y tuercas, contribuyen en
forma poco significativa al costo del capital cuando se comparan con artculos que
contienen partes de repuesto costosas.
La experiencia ha demostrado que slo un nmero relativamente pequeo de artculos
de inventario suelen incurrir en una parte importante del costo del capital. Estos artculos son los que deben estar sujetos a un control de inventario estricto. El sistema ABC
es un procedimiento simple que se puede utilizar para separar los artculos que requieran atencin especial en trminos de control de inventarios.
El procedimiento sugiere se grafique el porcentaje de artculos del inventario total contra el porcentaje del valor monetario total de estos artculos en un periodo dado (por lo
general un ao). La figura siguiente ilustra una curva ABC comn. La idea del procedimiento es determinar el porcentaje de artculos que contribuyen al 80% del valor monetario acumulado. Estos artculos se clasifican como grupo A y normalmente constituyen alrededor del 20% de todos los artculos. Los artculos de la clase B son aquellos que corresponden a valores monetarios porcentuales entre el 80% y el 95%. Estos
normalmente comprenden alrededor del 25% de todos los artculos. Los artculos restantes constituyen la clase C.
Los artculos de la clase A representan cantidades pequeas de artculos costosos y
deben estar sujetos a un estrecho control de inventarios. Los artculos de la clase B
son los que siguen en orden donde se puede aplicar una forma de control de inventario moderada. Por ltimo, a los artculos de la clase C se les debe asignar la ms baja
prioridad en la aplicacin de cualquier forma de control de inventarios. Por lo general,
Investigacin de Operaciones
117
PUCESE
se espera que el tamao del pedido de artculos de clase A que son costosos sea pequeo a fin de reducir el costo del capital asociado. Por otra parte, el tamao del pedido de artculos de la clase C puede ser muy grande.
El anlisis ABC suele ser el primer paso que se debe aplicar en una situacin de control de inventarios. Cuando se identifican los artculos importantes del inventario, se
pueden utilizar modelos de los tipos que se presentarn en las secciones posteriores
para decidir cul es la forma ideal de controlar los inventarios.
Investigacin de Operaciones
118
PUCESE
Investigacin de Operaciones
119
PUCESE
El modelo general de inventarios anterior parece ser lo suficientemente simple. Entonces por qu tenemos grandes variedades de modelos cuyos mtodos de solucin
van desde uso del clculo simple a las refinadas aplicaciones de la programacin dinmica y matemtica? La respuesta radica principalmente en si la demanda del artculo es determinista (se conoce con certeza) o probabilstica (la describe una densidad
de probabilidad). La figura siguiente ilustra las diversas clasificaciones de la demanda
como se toman normalmente en modelos de inventarios. Una demanda determinista
puede ser esttica, en el sentido de que la tasa de consumo permanece constante
durante el transcurso del tiempo, o dinmica, donde la demanda se conoce con certeza pero vara de un periodo al siguiente. La demanda probabilstica tiene dos clasificaciones anlogas: el caso estacionario, en el cual la funcin densidad de probabilidad de la demanda se mantiene sin cambio con el tiempo; y el caso no estacionario,
donde la funcin densidad de probabilidad vara con el tiempo.
Es raro que una demanda esttica determinista ocurriera en el mundo real. Por lo tanto, consideramos esta situacin como un caso de simplificacin. Por ejemplo, aunque
la demanda de artculos de almacn, como el pan, puede variar de un da a otro, las
variaciones pueden ser mnimas e insignificantes con el resultado de que una suposicin de demanda esttica quiz no est muy distante de la realidad.
La representacin ms precisa de la demanda puede hacerse quiz a travs de distribuciones no estacionarias probabilsticas. Sin embargo, desde el punto de vista matemtico, el modelo de inventarios resultante ser ms bien complejo, en especial a medida que aumente el horizonte de tiempo del problema. En la figura anterior se ilustra
este aspecto mostrando que la complejidad matemtica de los modelos de inventarios
aumenta conforme nos apartamos de la suposicin de la demanda esttica determinista a la demanda no estacionaria probabilstica. En realidad, podemos pensar que las
clasificaciones de la figura anterior representan diferentes niveles de abstraccin en la
demanda.
El primer nivel supone que la distribucin de probabilidad de la demanda es estacionaria en el tiempo. Esto es, la misma funcin de densidad de probabilidad se utiliza para
representar la demanda en todos los periodos sobre los cuales se hace el estudio. La
implicacin de esta hiptesis es que los efectos de tendencias estacionales en la demanda, si existe alguno, no estarn incluidos en el modelo.
Investigacin de Operaciones
120
PUCESE
El segundo nivel de simplificacin reconoce las variaciones en la demanda entre diferentes periodos. Sin embargo, ms que utilizar distribuciones de probabilidad se utiliza
la demanda promedio para representar las necesidades de cada periodo. Esta simplificacin tiene el efecto de ignorar elementos de riesgo en la situacin de inventario. Sin
embargo, permite al analista considerar tendencias estacionales en la demanda, las
cuales por dificultades analticas y de clculo puede no ser posible incluir en un modelo probabilista. En otras palabras, parece haber alguna clase de transaccin entre la
utilizacin de distribuciones de probabilidades estacionarias y demandas variables
conocidas, segn la hiptesis de "certeza supuesta".
El tercer nivel de simplificacin elimina ambos elementos de riesgo y variabilidad en la
demanda. Por consiguiente, la demanda en cualquier periodo se supone igual al promedio de las demandas conocidas (supuestamente) para todos los periodos en consideracin. El resultado de esta simplificacin es que la demanda puede representarse
como una tasa constante por unidad de tiempo.
Aunque el tipo de demanda es un factor principal en el diseo del modelo de inventarios, los factores que siguen pueden influenciar tambin la forma en que se formula el
modelo.
1. Demoras en la entrega o (tiempos gua). Cuando se coloca un pedido, puede entregarse inmediatamente o puede requerir algn tiempo antes de que la entrega se
efecte. El tiempo entre la colocacin de un pedido y su surtido se conoce como
demora en la entrega. En general, las holguras de entrega pueden ser deterministas o probabilistas.
2. Reabasto del almacn. Aunque un sistema de inventarios puede operar con demoras en las entregas, el abastecimiento real del almacn puede ser instantneo o
uniforme. El instantneo ocurre cuando el almacn compra de fuentes externas. El
uniforme puede ocurrir cuando el producto se fabrica localmente dentro de la organizacin. En general, un sistema puede operar con demora positiva en la entrega y
tambin con reaprovisionamiento uniforme de almacn.
3. Horizonte de tiempo. El horizonte define el periodo sobre el cual el nivel de inventarios estar controlado. Este horizonte puede ser finito o infinito, dependiendo de
la naturaleza de la demanda.
4. Abastecimiento mltiple. Un sistema de inventario s puede tener varios puntos de
almacenamiento (en lugar de uno). En algunos casos estos puntos de almacenamiento estn organizados de tal manera que un punto acta como una fuente de
abastecimiento para algunos otros puntos. Este tipo de operacin puede repetirse
a diferentes niveles de tal manera que un punto de demanda pueda de nuevo llegar a ser un nuevo punto de abastecimiento. La situacin usualmente se denomina
sistema de abastecimiento mltiple.
5. Nmero de artculos. Un sistema de inventarios puede comprender ms de un artculo (mercancas). Este caso es de inters, principalmente si existe alguna clase
de interaccin entre los diferentes artculos. Por ejemplo, stos pueden competir
en espacio o capital total limitados.
121
PUCESE
delo suficientemente general, tal vez no sea posible de resolver analticamente. Los
modelos presentados en esta seccin, por consiguiente, tratan de ser ilustrativos de
algunos sistemas de inventarios. Es improbable que estos modelos se ajusten exactamente a una situacin real; pero el objetivo de la presentacin es proveer ideas diferentes que puedan ser adaptadas a sistemas de inventario especficos.
Se describen cinco modelos en esta seccin. La mayora de estos modelos tratan con
un inventario de un solo artculo. nicamente se trata el efecto en la solucin de incluir
varios artculos competitivos. Las principales diferencias entre estos modelos son si la
demanda es esttica o dinmica. El tipo de funcin de costo es tambin importante
para formular y resolver los modelos.
5.3.1. Modelo Esttico de un solo Artculo
El tipo ms simple de modelo de inventarios ocurre cuando la demanda es constante
en el tiempo con reabastecimiento instantneo y sin escasez. Las situaciones tpicas a
las cuales este modelo se puede aplicar son:
1. Uso de lmparas en un edificio.
2. Uso de artculos de oficina, como papel, almohadillas y lpices, en una compaa grande.
3. Uso de ciertos abastecimientos industriales, como tornillos y tuercas.
4. Consumo de alimentos de almacn, como pan y leche.
La figura siguiente ilustra la variacin del nivel de inventario. Se supone que la demanda ocurre con la tasa (por unidad de tiempo). El nivel ms alto del inventario ocurre
cuando se entrega la cantidad ordenada y. (La demora en la entrega se supone una
constante conocida.) El nivel de inventario alcanza el nivel cero y/ unidades de tiempo despus que se recibe la cantidad pedida y.
Investigacin de Operaciones
122
PUCESE
El valor ptimo de y se obtiene minimizando TCU(y) con respecto a y. Por consiguiente, suponiendo que y es una variable continua se deduce que
123
PUCESE
Ejemplo 5.1.- La demanda diaria para una mercanca es aproximadamente 100 unidades. Cada vez que se coloca un pedido se origina un costo fijo de $100. El costo
diario de mantener el inventario por unidad es de $0.02. Si el tiempo de demora es de
12 das, determine el tamao econmico de lote y el punto de reordenacin.
De las frmulas anteriores, el tamao econmico del lote es
Por lo tanto, la longitud del ciclo ptima asociada est dada como
124
PUCESE
Las funciones de costo TCU1 y TCU2 de la figura anterior revelan que la determinacin
de la cantidad ptima y* del pedido depende de dnde se ubique q, el punto de reduccin en el precio, con respecto a las zonas I, II y III que se indican en la figura. Estas
zonas estn definidas determinando q1 (> ym) a partir de
Como se conoce ym (=
), la solucin de la ecuacin producir el valor de q1.
En este caso las zonas se definen como sigue
Investigacin de Operaciones
125
PUCESE
Puesto que q > ym, es necesario verificar si q est en la zona II o III. El valor de q1 se
calcula de
Investigacin de Operaciones
126
PUCESE
o bien,
La substitucin proporciona
o bien,
Esto da q1 = 26.18 o bien, q1 = 3.82. Por definicin, q. se selecciona como el valor mayor. Ya que ym < q < q1, q est en la zona II. Se deduce que y* = q = 15 unidades. El
costo total asociado por tiempo unitario se determina como
Ejercicio 5.2.- En el ejemplo 5.2, determine y* y el costo total por ciclo en cada uno de
los casos siguientes.
a. q = 30.
b. q = 5.
Suponga que cada artculo se repone instantneamente y que no hay descuentos por
cantidad. Suponga adems que no se permite ninguna escasez. Sean i, Ki, y hi respectivamente, la tasa de demanda por unidad de tiempo, el costo fijo y el costo de
Investigacin de Operaciones
127
PUCESE
sujeto a
Investigacin de Operaciones
128
PUCESE
Suponga que el rea de almacenamiento total disponible est dada por A = 25 pies2.
Dada la frmula
Investigacin de Operaciones
129
PUCESE
Sea
Investigacin de Operaciones
130
PUCESE
que es la cantidad de inventario que se lleva desde i hasta i + 1. Esto significa que el
costo de mantener el inventario en el periodo i es hixi+1.La hiptesis se introduce nicamente para simplificar ya que el modelo puede extenderse fcilmente hasta cubrir
cualquier funcin de costo de mantenimiento de inventario Hi(xi+1) remplazando hixi+1
por Hi(xi+1). Anlogamente, el costo de mantenimiento de inventario puede estar basado en xi o (xi + xi +1)/2.
El desarrollo del modelo de programacin dinmica se simplifica representando grficamente el problema, como se muestra en la figura siguiente. Cada periodo representa una etapa.
Usando la ecuacin recursiva hacia atrs, se pueden definir los estados del sistema en
la etapa i como la cantidad de inventario que entra xi. Sea f(xi) el costo de inventario
mnimo para los periodos i, i + 1,..., y N. La ecuacin recursiva completa est dada por
La ecuacin recursiva de avance puede desarrollarse definiendo los estados en la etapa i como la cantidad de inventario al final de periodo i. De la figura anterior estos estados son equivalentes a xi + 1. En cualquier etapa, los valores de xi + 1 estn limitados
por
Investigacin de Operaciones
131
PUCESE
132
PUCESE
Investigacin de Operaciones
133
PUCESE
Un ciclo se define como el periodo entre dos llegadas sucesivas de pedidos. Las hiptesis del modelo son:
1. El tiempo de demora entre la colocacin de un pedido y su recepcin es estocstico.
2. La demanda que no se satisface durante el tiempo de demora se deja pendiente para ser satisfecha en periodos posteriores.
3. La distribucin de la demanda durante el tiempo de demora es independiente del tiempo en la cual sta ocurre.
4. No existe ms de un pedido sobresaliente a la vez.
5.4.2. Modelos de un solo periodo
Los modelos de inventarios de un solo periodo ocurren cuando un artculo es ordenado una vez, nicamente para satisfacer la demanda de un periodo especfico. Por
ejemplo, un artculo de moda llega a ser obsoleto despus de un cierto periodo y despus no puede volverse a pedir. Los modelos de un solo periodo se investigan en condiciones diferentes, incluyendo principalmente demandas instantneas y uniformes
con costo fijo y sin l. Se supone que el reaprovisionamiento ocurre instantneamente.
El nivel de inventario ptimo se deduce con base en la minimizacin de los costos esperados de inventario. Estos incluyen los costos de pedidos (costo fijo ms costos de
compra o produccin) de mantenimiento y escasez. Debido a que la demanda es probabilstica, el costo por unidad de compra (produccin), aunque constante, ser un
factor efectivo en la funcin de costo. Los diferentes modelos son:
Investigacin de Operaciones
134
PUCESE
EJERCICIOS PROPUESTOS
1. Una empresa industrial produce 1000 unidades al mes de un cierto artculo, P1.
Cada unidad de producto terminado lleva incorporados 1.5kgs. de una determinada materia prima, MP. El coste de adquisicin, ca, de MP es de 11 $/kg., pero el proveedor hace un descuento de 3 $/kg. cuando el lote de pedido es mayor o igual que 50000 kilogramos. Se sabe, adems, que el coste unitario diario
de posesin, cp, supone un 1% del de adquisicin y que el coste de emisin de
un pedido, ce, es de 10000 $. Sabiendo que la empresa emplea un modelo de
cantidad fija de pedido, que el perodo de gestin es un mes y que se suponen
condiciones de certeza, se desea conocer el lote econmico, que minimiza los
costes mensuales de gestin de inventarios, y el valor de stos.
2. Un gran distribuidor de equipo de perforacin de pozos petroleros ha operado
los ltimos dos aos con polticas EOQ con base en una tasa costo anual de
posesin del inventario del 22 %. Bajo la poltica EOQ, se ha pedido un producto especfico con un Q* = 80 Una evaluacin reciente de los costos de poInvestigacin de Operaciones
135
PUCESE
Investigacin de Operaciones
136
PUCESE
137
PUCESE
trabajan hasta que quede disponible una posicin de tiempo completo de chofer. TRANSPORTE S.A., considera los 1.600 dlares mensuales cancelados a
cada conductor ocioso como un costo de posesin necesario para mantener
esa fuente de nuevos choferes de camiones capacitados disponibles para servicio inmediato. Considerando los nuevos choferes como unidades del tipo de
inventario, de que tamao debera ser la clase de capacitacin para minimizar los costos totales anuales de capacitacin y de tiempo ocioso de los nuevos choferes? Cuantas clases de capacitacin deber impartir la Empresa
cada ao? Cul es el costo total anual asociado con su recomendacin?
9. Una empresa que se dedica a la fabricacin de transformados metlicos debe
comprar en el exterior una pieza de plstico que incorpora a sus productos,
siendo su coste de adquisicin de 0.125um/unidad. El consumo diario de dicha
pieza es prcticamente constante y asciende a 178 unidades. Cada vez que se
hace un pedido, ste tarda en llegar 7 das y se generan unos costes por emisin iguales a 500um. Un estudio realizado sobre los costes, cp, originados por
el almacenamiento de las piezas de plstico en la empresa, revela que stas
suponen 1.25um/unidad y ao. La empresa no viene practicando ningn mtodo cientfico de gestin de stocks y parece ser que esto provoca unos gastos
demasiado elevados en el departamento de aprovisionamiento. Debido a ello,
el gerente solicita del mismo un estudio adecuado para la gestin de las diferentes materias primas y productos de fabricacin ajena que son adquiridos por
la empresa, entre los cuales se encuentra la pieza de plstico a la que venimos
haciendo referencia. Para ellos, y dentro del estudio general encomendado, se
desea conocer, para un perodo q, de 360 das laborables:
a.) El tamao del lote de pedido, Q*, que minimiza los costes totales de la
gestin de inventarios de este producto.
b.) El nmero de pedidos a realizar.
c.) El perodo de reaprovisionamiento ptimo.
d.) El punto de pedido.
e.) El coste total de gestin, CT.
10. Suponga que usted esta revisando la decisin del tamao del lote asociado con
una operacin de produccin de 8000 unidades por ao, con una demanda del
producto de 2000 unidades por ao, el costo de efectuar un pedido es de 300
dlares por pedido y el costo de almacenamiento es de 1.60 dlares la unidad
por ao. Considere adems que la practica actual incluye corridas de produccin de 500 unidades cada tres meses recomendara usted cambiar el tamao del lote de produccin actual? porqu si y porqu no? Cunto se podr
ahorrar al convertir la produccin a su recomendacin del tamao del lote de
produccin?
11. PUBLICACIONES C.A. produce libros para el mercado infantil cuya demanda
anual constante se estima en 7.200 ejemplares. El costo de cada libro infantil
es de 14,50 dlares. El costo de posesin se basa en una tasa anual del 18% y
los costos de puesta en marcha de la produccin es de 150 dlares por cada
puesta en marcha de la produccin. La imprenta tiene una capacidad de produccin de 25.000 libros infantiles por ao, con una operacin de 250 das al
ao y plazo de entrega de una corrida de produccin de de 15 das. Utilizando
el modelo de tamao de lote de produccin determine lo siguiente:
Investigacin de Operaciones
138
PUCESE
0 - 499
500 ms
Investigacin de Operaciones
30,00
20
24.00
139
PUCESE
0 - 99
10,00
100 ms
9.70
Investigacin de Operaciones
140
PUCESE
6. ANEXOS
6.1. ANEXO 1: TRABAJOS DE EXPOSICIN
Investigacin de Operaciones
141