Investigación de Operaciones

Class Nº7 1
 Investigación de Operaciones
EJEMPLO PROTOTIPO “WYNDOR GLASS CO.
La W.G. CO. Produce artículos vidrio de alta calidad, que incluyen ventanas y puertas de vidrios.
Tiene 3 plantas. Los marcos y las molduras de aluminio se hacen en la planta 1; los de madera en
la planta 2; la planta 3 produce el vidrio y el ensamblado de los productos.

Debido a una reducción en las ganancias, la alta administración ha decidido reorganizar la línea
de producción de la compañía. Se descontinuarán varios productos no rentables y se dejará libre
una parte de la capacidad de producción, para emprender la fabricación de 2 nuevos productos
que tienen grandes ventas potenciales:

Producto 1 : Puerta de vidrio de 8 pies con marco de aluminio.

Producto 2 : Ventana Guillotina con marco de madera 4 x 6 pies.
Determinar que tasas de producción deben tener los 2 productos a fin de maximizar las
utilidades totales, sujetas a las restricciones de capacidad limitadas en las 3 plantas. Cada
producto se fabricará en lotes de 20, de manera que la tasa de producción está definida como el
número de lotes que se producen a la semana.

Class Nº7 2
 Investigación de Operaciones
PROTOTIPO WYNDOR GLASS COMPANY

A continuación se entregan los datos relevantes del problema reunidos por el equipo
de IO que estudio el problema:

Tiempo de producción
por lote horas Tiempo de producción
Producto disponible a la semana en
Planta 1 2 horas
1 1 0 4
2 0 2 12
3 3 2 18
Ganancias por lote $ 3.000 $ 5.000

Con estos antecedentes el equipo de IO reconoció de inmediato que este es

un PL clásico de mezcla de productos y procedió a la formulación del
modelo matemático correspondiente.
Class Nº7 3
 Investigación de Operaciones
PROTOTIPO WYNDOR GLASS COMPANY

FORMULACIÓN MATEMÁTICA DEL PROBLEMA DE WYNDOR GLASS COMPANY

Variables de Decisión:
X1 = N° de lotes del producto 1 fabricados por semana (Puerta)
X2 = N° de lotes del producto 2 fabricados por semana (Ventana)

Función Objetivo
Máximizar Z = 3X1 + 5X2 (Miles US$)

Sujeta a las siguientes Restricciones

X1 <= 4 (Capacidad Planta N°1)
2X2 <= 12 (Capacidad Planta N°2)
3X1 + 2X2 <= 18 (Capacidad Planta N°3)
X1 , X2 >= 0 (No Negatividad)
Class Nº7 4
 Resolución Gráfica Problemas PL
PROTOTIPO WYNDOR GLASS COMPANY

• Dibuje una gráfica con el eje de abscisas y el eje de

ordenadas (sólo el primer cuadrante).

• Trace las líneas de las restricciones en el plano:

– Utilice (X1,0), (0,X2) para cada línea.

• Encuentre el conjunto de soluciones posibles.

• Encuentre la solución óptima

– Método de solución graficando la función Objetivo
– Método de solución basado en los vértices.

Class Nº7 5
 Resolución Gráfica Problemas PL
PROTOTIPO WYNDOR GLASS COMPANY
3.- Resolución del Modelo de Programación Líneal PL
Para resolver gráficamente este Problema, debemos graficar las restricciones.
Para esto transfórmanos las inecuaciones en igualdades, luego llamamos eje “X” a la variable
“X1” y eje “Y” a “X2”.

Primero observemos las restricciones de No Negatividad X1 >= 0 y X2 >= 0 , exigen que

cualquier punto (X1,X2) estén en cuadrante positivo de los ejes (incluso sobre cualquiera de los
ejes )

Después observe la restricción X1 <= 4 (Planta 1), significa que (X1,X2) no puede estar a la
derecha de X1 = 4

Class Nº7 6
 Resolución Gráfica Problemas PL
PROTOTIPO WYNDOR GLASS COMPANY
3.- Resolución del Modelo de Programación Líneal PL

X2
10 _ X1 = 4

9_
8_
7_
6_
5_
4_
3_
2_
1_
0_
1 2 3 4 5 6 7 8 9 10 X1

Class Nº7 7
 Resolución Gráfica Problemas PL
PROTOTIPO WYNDOR GLASS COMPANY
3.- Resolución del Modelo de Programación Líneal PL
De forma similar la restricción 2X2<= 12 (o de modo equivalente X2<= 6)
debe agregarse a la frontera de la región factible, significa que (X1,X2) no
puede estar arriba de X2 = 6

Class Nº7 8
 Resolución Gráfica Problemas PL
PROTOTIPO WYNDOR GLASS COMPANY
3.- Resolución del Modelo de Programación Líneal PL

X2
X1 = 4
10 _
9_
8_
7_
X2 = 6
6_
5_
4_
3_
2_
1_
0_
1 2 3 4 5 6 7 8 9 10 X1

Class Nº7 9
 Resolución Gráfica Problemas PL
PROTOTIPO WYNDOR GLASS COMPANY
3.- Resolución del Modelo de Programación Líneal PL
Finalmente la última restricción 3 X1 + 2 X2 <= 18 se encuentra al graficar

3 X1 + 2 X2 = 18

Así Calculamos los pares ordenados, en cada restricción, haciendo X1 = 0 y despejamos X2,
luego hacemos X2 = 0 y despejamos X1

3 X1 + 2 X2 = 18
Si X1 = 0 , ===> X2 = 9 (0 , 9)

Si X2 = 0 , ===> X1 = 6 (6 , 0)

Por ser una restricción <= (menor o igual) implica que es valida la región bajo y
a la izquierda de esta recta hacia el origen.

AHORA GRAFICAMOS ESTA RECTA

Class Nº7 10
 Resolución Gráfica Problemas PL
PROTOTIPO WYNDOR GLASS COMPANY
3.- Resolución del Modelo de Programación Líneal PL

X2
10 _ X1 = 4
9_
3 X2 + 2 X1 = 18
8_
7_
6_ X2 = 6

5_
4_
3_
2_
1_
0_
1 2 3 4 5 6 7 8 9 10 X1

Class Nº7 11
 Resolución Gráfica Problemas PL
PROTOTIPO WYNDOR GLASS COMPANY
3.- Resolución del Modelo de Programación Líneal PL
Por último para graficar la función objetivo, debemos encontrar 2 puntos que satisfagan la recta
de la función y dibujamos la recta que una estos 2 puntos. Para esto intentamos algunos valores
de prueba y error.
Por ejemplo sea Z = 10 = 3 X1 + 5 X2 , ahora hacemos que una variable tome el valor cero y
calculamos el valor de la otra variable, luego repetimos el calculo a la inversa.
Sea Z= 10 = 3 X1 + 5X2
Si X1= 0 ====> X2 = 2 (0, 2)
Si X2 = 0 ====> X1 = 3.33 (3,33 , 0)
Otro ejemplo sea Z = 20 = 3 X1 + 5 X2 , ahora hacemos que una variable tome el valor cero y
calculamos el valor de la otra variable, luego repetimos el calculo a la inversa.
Sea Z= 20 = 3 X1 + 5X2
Si X1= 0 ====> X2 = 4 (0, 4)
Si X2 = 0 ====> X1 = 6.66 (6,66 , 0)

Ahora Grafiquemos las rectas resultantes

Class Nº7 12
 Resolución Gráfica Problemas PL
PROTOTIPO WYNDOR GLASS COMPANY
3.- Resolución del Modelo de Programación Líneal PL

X2
10 _
9_
8_
7_
6_
5_
4_
3_ Z = 20
2_
1_ Z = 10
0_
1 2 3 4 5 6 7 8 9 10 X1

Class Nº7 13
 Resolución Gráfica Problemas PL
PROTOTIPO WYNDOR GLASS COMPANY
3.- Resolución del Modelo de Programación Líneal PL

X2
10 _
9_
8_ Z = 36 = 3 X1 + 5 X2
7_
6_ (2,6)
5_
4_
3_ Z = 20
2_
1_ Z = 10
0_
1 2 3 4 5 6 7 8 9 10 11 12 X1

Class Nº7 14
Programación Lineal

Introducción

Método Simplex

Class Nº7 15
 Investigación de Operaciones
Método Simplex

El Método Simplex es un procedimiento algebraico. Sin

embargo, sus conceptos fundamentales son geométricos.
La comprensión de estos conceptos geométricos proporcionan
una fuerte intuición sobre cómo opera el Método Simplex y
qué lo hace tan eficiente.
Por tanto antes de profundizar en detalles algebraicos , nos
enfocaremos en visualizar el Método desde el punto de vista
geométrico.
Para ilustrar los conceptos geométricos generales utilizaremos el
ejemplo de la Wyndor Glass Company.

Class Nº7 16
 Investigación de Operaciones
Método Simplex

Frontera de Restricción = Es una recta que marca el

límite de lo que permite la restricción correspondiente, X2
Ejemplo el Tramo (0,0) -- (0,9) Restricción X2>=0
el tramo (0,6) -- (4,6) restricción 2 X2 = 12
10_ X1 = 0
9_
Vértices = Son las soluciones y corresponde a los puntos
de intersección de dos restricciones.
8_ 3 X1 + 2 X2 = 18
7_
SVF= Solución Vértice Factible
6_ X1 = 4
SVF = (0,0) - ( 0,6) - (2,6) - (4,3) - (4,0)
6_ (0, 6) (2, 6) (4, 6)
5_ 2 X2 = 12
SVNF= Solución Vértice No Factible
SVNF = (0,9) - (4,6) - (6,0) 4_
3_ Región (4, 3)
Para cualquier problema de PL con n variables de
2_ Factible
decisión, dos SVF son adyacentes entre sí y
comparten n - 1 fronteras de restricción. Dos SVF 1_
adyacentes están conectadas por un segmento de 0_ (4, 0) X2 = 0
recta que esta en estas mismas fronteras de (0, 0) 1 2 3 4 5 6 X1
restricción compartidas. Este Segmento se
denomina Orilla ó Arista de la región factible Class Nº7 17
 Investigación de Operaciones
Método Simplex

Como en este ejemplo n = 2, dos son soluciones X2

SVF adyacentes; por ejemplo, (0,0) y (0,6) son 10_ X1 = 0
adyacentes porque comparten la frontera X1 = 0. 9_
8_ 3 X1 + 2 X2 = 18
Solución SVF Sus SVF Adyacentes
7_
(0, 0) (0, 6) (4, 0)
6_ X1 = 4
(0, 6) (2, 6) (0, 0)
6_ (0, 6) (2, 6) (4, 6)
(2, 6) (4, 3) (0, 6)
5_ 2 X2 = 12
(4, 3) (4, 0) (2, 6)
4_
(4, 0) (0, 0) (4, 3)
3_ Región (4, 3)
2_ Factible
Prueba de Optimalidad: En cualquier problema 1_
de Programación Líneal que posea al menos una 0_ (4, 0) X2 = 0
solución optima. Si la SVF no tiene soluciones (0, 0) 1 2 3 4 5 6 X1
adyacentes que sean mejores (Según el valor de Z),
entonces ésa debe una SOLUCIÓN OPTIMA
Class Nº7 18
 Investigación de Operaciones
Método Simplex
Solución del Ejemplo
Paso N°1:
Elija (0,0) como la solución SVF inicial para examinarla
(Esta es una elección conveniente porque no se requiere cálculos X2
para identificarla) 10_ X1 = 0 Z = 3 X1 + 5 X2
Prueba de Optimalidad: 9_
Concluya que (0,0) no es una solución óptima
(Las soluciones SVF adyacentes son mejores) 8_ 3 X1 + 2 X2 = 18
7_
Iteración N°1:
1.- Entre las dos aristas que salen de (0,0) elija moverse a lo 6_ X1 = 4
largo de la arista aumenta el valor de X2, dado que al 6_ (0, 6) (2, 6) (4, 6)
aumentar el valor de X2 el valor de “Z” crece más rápido. 5_ Z = 30 2 X2 = 12
Z = 36
2.- Deténgase al llegar a la 1era restricción 2 X2 = 12 Si se 4_
mueve más lejos en esa dirección, saldrá de la región
3_ Región (4, 3)
factible, por ejemplo, al moverse hasta la 2da frontera se Z= 27
llega a (0,9), que es una solución no factible SVNF. 2_ Factible
3.- Obtenga la intersección del nuevo conjunto de fronteras
1_
de restricción: (0,6). Las ecuaciones para estas fronteras son ; 0_ Z = 0 Z = 12 (4, 0) X2 = 0
X1 = 0 y 2X2 = 12, llevan de inmediato a esta solución. (0, 0) 1 2 3 4 5 6 X1

Class Nº7 19
 Investigación de Operaciones
Método Simplex
Prueba de Optimalidad:
Concluya que (0,6) no es una solución óptima. Existe
un solución SVF adyacente que es mejor. X2
Iteración N°2: 10_ X1 = 0 Z = 3 X1 + 5 X2
1.- Entre las dos aristas que salen de (0,6) elija moverse 9_
a lo largo de la que va a la derecha. 8_ 3 X1 + 2 X2 = 18
Moverse a lo largo de esta arista aumenta el valor de Z, 7_
mientras que hacia atrás hacia abajo del eje X2 el valor
6_ X1 = 4
de Z disminuye.
6_ (0, 6) (2, 6) (4, 6)
2.- Deténgase al encontrar la nueva frontera en esa
dirección 3 X1 + 2 X2 = 18. 5_ Z = 30 Z = 36 2 X2 = 12
Si se mueve más lejos en esa dirección, saldrá de la 4_
región factible. 3_ Región (4, 3)
Z = 27
3.- Obtenga la intersección del nuevo conjunto de 2_ Factible
fronteras de restricción: (2,6). Las ecuaciones para estas 1_
fronteras son ; 3 X1 + 2 X2 = 18 y 2X2 = 12, dan de
0_ Z = 0 Z = 12 (4, 0) X2 = 0
inmediato esta solución.
(0, 0) 1 2 3 4 5 6 X1
Prueba de Optimalidad:
Concluya que (2,6) es una solución óptima. Ninguna de
las soluciones SVF adyacentes es mejor.
Class Nº7 20
 Investigación de Operaciones
Método Simplex
X2
8_ Z = 3 X1 + 5X2
7_ Z = 30
6_
6_ (0, 6) (2, 6) Z = 36
5_ 1
2
4_ (4, 3)
3_ Región Z = 27
2_ Factible
1_ Z = 12
0_ 0
(4, 0)
(0, 0) 2 3 4 5 6 X1
Z=0 Class Nº7 21
 Investigación de Operaciones
Método Simplex

Conceptos de solución Importantes

Concepto N°1: El Método Simplex solo analiza SVF, por lo cual solo encuentra la mejor solución
SVF. Como el número de soluciones factibles por lo general es infinito, la reducción que el
Método Simplex genera es ya una simplificación enorme.
Concepto N°2: El Método Simplex es un algoritmo Iterativo con la siguiente estructura:
Inicialización (encontrar la SVF inicial); Prueba de Optimalidad e Iteración.
Concepto N°3: Siempre que es posible, la inicialización del Método Simplex elige el origen como
SVF inicial, esta elección elimina la necesidad de usar procedimientos algebraicos para obtenerla.
Concepto N°4: Después de identificar la SVF actual, el Método Simplex identifica la tasa de
mejoramiento en Z al moverse por la arista, frente a opciones de tasas positivas de
mejoramiento, selecciona moverse por aquella con la tasa mas grande de mejoramiento de Z.
Concepto N°5: La prueba de optimalidad consiste simplemente en verifica si una de las aristas
lleva una tasa positiva de mejoramiento de Z, si ninguna la tiene, la solución SVF actual es la
óptima.

Class Nº7 22