GP S2 Investigacion

Asignatura: Investigación Operativa
Docente: Lcdo. José Cún Mgs.

Semestre: Segundo
Investigación Operativa
G U I A D E E S T U D I O
CARRERA: TÉCNICO SUPERIOR EN GESTION DE PRODUCCIÓN Y SERVICIOS
NIVEL: Técnico TIPO DE CARRERA: Tradicional
NOMBRE DE LA ASIGNATURA: Investigación Operativa
CÓDIGO DE LA ASIGNATURA: GE-S2-INOP
PRE – REQUISITO: Ninguna CO – REQUISITO: Ninguna
TOTAL HORAS: Teoría 48 Práctica 32 Trabajo independiente 48
NIVEL: Segundo PERIODO ACADÉMICO: Noviembre 2019 – Abril 2020
MODALIDAD: Presencial DOCENTE RESPONSABLE: Lic. José Cún, Mgs.
Copyright©2020 Instituto Superior Tecnológico Ismael Pérez Pazmiño. All rights reserved.
2
Lcdo. José Cún Tinoco, Mgs.
ÍNDICE:
PRESENTACIÓN………………………………………………………………… 4
SYLLABUS DE LA ASIGNATURA…………………………………………….. 5
ORIENTACIONES PARA EL USO DE LA GUÍA DE ESTUDIOS………….. 17
DESARROLLO DE ACTIVIDADES……………………………………………. 19
UNIDAD 1 ………………………………………………………………………… 19
Introducción a la Investigación Operativa
UNIDAD 2………………………………………………………………………… 30
Aplicaciones de la programación lineal

UNIDAD 3………………………………………………………………………… 49
Programación lineal: método grafico
UNIDAD 4 ………………………………………………………………………… 62
Programación entera
UNIDAD 5 ………………………………………………………………………… 78
Redes de distribución
BIBLIOGRAFIA 89
3
PRESENTACIÓN
La presente guía didáctica está diseñada para los estudiantes del segundo semestre
de técnico superior en gestión de producción y servicios, con el propósito de buscar
en ellos el desarrollo de habilidades y destrezas para el análisis y toma de decisiones
de las actividades en una empresa, el razonamiento lógico matemático, y el estudio
para la modelización de situaciones que permitan dinamizar la solución óptima de un
problema.
El objetivo de esta guía es incentivar a los estudiantes que vean a esta asignatura, no
solo como una materia a evaluar durante todo el semestre para obtener una
calificación, sino como algo importante que debe convertirse en un aprendizaje
significativo, que les ayudará en la formación y ejecución de carrera profesional.
Esta guía didáctica consta del syllabus de la asignatura, plan calendario, desarrollo de
las unidades y cada una de ellas contendrá introducción, objetivos, sustento teórico,
actividades a desarrollar, auto-evaluación y evaluación de la unidad.
En la primera unidad se trata de Introducción a la Investigación Operativa, conceptos

básicos como su origen y su fase de estudio.
En la segunda unidad se detallan las aplicaciones de la programación lineal en las

diferentes áreas.
En la tercera unidad se detalla la resolución del método grafico para la resolución de

problemas y la toma asertiva de una decisión.
En la cuarta unidad se habla de la programación entera y sus diferentes tipos de

métodos de solución.
En la quinta unidad se menciona de la Red de distribución y su algoritmo de resolución.
4
INSTITUTO SUPERIOR TECNOLÓGICO

ISMAEL PÉREZ PAZMIÑO
SYLABO DE LA ASIGNATURA
I. DATOS INFORMATIVOS
CARRERA: Técnico Superior en Gestión de Producción y Servicio
NIVEL: Técnico
TIPO DE CARRERA: Tradicional

NOMBRE DE LA ASIGNATURA: Investigación Operativa.
CÓD. ASIGNATURA: GE-S2-INOP
PRE – REQUISITO: NINGUNA CO – REQUISITO: NINGUNA

TOTAL HORAS: 128
Componente Docencia: 48
Componente de prácticas de aprendizaje: 32
Componente de aprendizaje autónomo: 48
SEMESTRE: Segundo PARALELOS: A
PERIODO ACADÉMICO: Junio - Noviembre 2020

MODALIDAD: Presencial
DOCENTE RESPONSABLE: Lic. José Cún Tinoco, Mgs.
II. FUNDAMENTACIÓN
Desde el advenimiento de la Revolución Industrial, el mundo ha sido testigo de un

crecimiento sin precedentes en el tamaño y la complejidad de las organizaciones. Los
pequeños talleres artesanales se convirtieron en las actuales corporaciones de miles
de millones de dólares. Una parte integral de este cambio revolucionario fue el gran
aumento de la división del trabajo y en la separación de las responsabilidades
administrativas en estas organizaciones. Los resultados han sido espectaculares.
La Investigación de Operaciones es una asignatura Teórica- Práctica, que busca que

el estudiante use el razonamiento lógico y crítico en soluciones de problemas de
Gestión de Producción y Servicios en la vida cotidiana.
En cuanto a la importancia de esta disciplina en Gestión de Producción y Servicios

juega un papel muy significativo pues constituye una herramienta fundamental para el
análisis y toma de decisiones de las actividades que realiza el futuro profesional en
esta área.
5
Ya que Gestión de Producción y Servicios trata de conceptos que son esencialmente

cuantitativos y cualitativos, en su gran mayoría la toma de decisiones tiene una
aplicación obligadamente dependiente de la Investigación operativa, proporcionando
ésta una estructura sistemática y lógica dentro de la cual pueden estudiarse las
relaciones cuantitativas y cualitativas de esta carrera.
Por lo que la Investigación de Operaciones, toma al razonamiento lógico matemático

como objeto de estudio para la modelización de situaciones que permitan dinamizar
la solución óptima de un problema (transporte, construcción, logístico etc.) y así
garantizar elecciones mejoradas al momento de la toma de decisiones, respetando
las restricciones no controlables por quien debe hacer la elección; es decir, nos
permite plantear una RESOLUCION a cualquier problema operacional dentro de una
organización.
Por lo mencionado, la Investigación operativa tiene como objetivo: desarrollar un

sistema de solución cuantitativa, basando sus cálculos en el método científico y
técnicas matemáticas, que le permita optimizar la toma de decisiones con ética
empresarial.
En general, esta asignatura nos facilita en gran manera una visión más amplia del
medio productivo mundial como metodología de optimización dentro de cualquier tipo
de organización; lo cual nos lleva a ser más competentes dentro del proceso de
desarrollo del mismo.
III. OBJETIVOS ESPECÍFICOS
Unidad I: Reconocer los diferentes conceptos relacionados a la investigación

operativa, mediante la interpretación y lectura comprensiva que nos permita
su correcta aplicación en la vida profesional con honestidad
Unidad II: Plantear problemas de programación lineal, aplicando la formulación
correcta para la solución óptima, que permita maximización de utilidades y
minimización de costos en las empresas con ética profesional.
Unidad III: Resolver problemas de programación lineal, aplicando el método simplex
para expresarlos gráficamente con su respectivo análisis y toma de
decisión con honestidad profesional.
Unidad IV: Formular problemas de programación entera, con la ayuda de los
constructos teóricos y su respectiva formulación, para la optimización de
los recursos con ética profesional, que ayuden a la mejora de las
condiciones de la empresa.
Unidad V: Evaluar la resolución de problemas de redes de distribución, aplicando
algoritmos de solución para su análisis cuantitativo y planteamiento de la
opción óptima, para la toma de decisiones con ética profesional.
6
IV. CONTENIDOS
Sistema General de conocimientos

Unidad I. Introducción a la Investigación Operativa
Unidad II. Aplicaciones de la programación lineal
Unidad III. Programación lineal: método grafico
Unidad IV. Programación entera.
Unidad V. Redes de distribución.
Sistema General de Habilidades
Unidad I. Reconocer los diferentes conceptos relacionados a la investigación

operativa.
Unidad II. Plantear problemas de programación lineal.
Unidad III. Resolver problemas de programación lineal simplex
Unidad IV. Formular problemas de programación entera.
Unidad V. Evaluar la resolución de problemas de redes de distribución.
Sistema General de Valores
Unidad I. Honestidad en la aplicación de los conceptos de investigación operativa

Unidad II. Ética profesional en maximización de utilidades y minimización de costos
Unidad III. Honestidad profesional en el análisis y toma de decisiones.
Unidad IV. Ética profesional en la optimización de recursos
Unidad V. Ética profesional en el análisis cuantitativo y planteamiento de la solución
óptima
V. PLAN TEMÁTICO
DESARROLLO DEL PROCESO CON TIEMPO EN

HORAS
TEMAS DE LA C CP S CE T L E THP TI THA
ASIGNATURA
Introducción A La 3 1 1 - 1 - 1 7 8 15
Aplicaciones De La 2 12 1 - 8 - 2 25 8 33
Programación Lineal
Programación Lineal: Método 2 12 1 - 6 2 23 8 31
Grafico
Programación Entera. 1 4 1 - 3 - 2 11 8 19
Redes De Distribución. 1 4 1 - 2 - 2 10 8 18
EXAMEN FINAL 4 4 8 12
Total, de horas 9 33 5 - 26 - 13 80 48 128
7
Nomenclatura:
C – Conferencias. L – Laboratorio.
S – Seminarios. E – Evaluación.
CP – Clases prácticas. THP – Total de horas presenciales.
CE – Clase encuentro. TI – Trabajo independiente.
T – Taller. THA – Total de horas de la asignatura.
VI. SISTEMA DE CONTENIDOS POR UNIDADES DIDÁCTICAS
Unidad I: Introducción a la investigación operativa

Objetivo: Reconocer los diferentes conceptos relacionados a la investigación
operativa, mediante la interpretación y lectura comprensiva que nos permita su
correcta aplicación en la vida profesional con honestidad.
Sistema de Sistema de habilidades Sistema de Valores

conocimientos
Investigación operativa- Identificar palabras claves. Honestidad en la

Definición. Comprender la definición aplicación de los
de investigación operativa. conceptos de
investigación operativa
Origen. Identificar el origen de la
IO.
Naturaleza y área de Caracterizar la

aplicación. investigación operativa.
Fases de estudio de I.O. Identificar las fases de

estudio de la investigación
operativa.
Unidad II: Aplicaciones de la programación lineal

Objetivo: Plantear problemas de programación lineal, aplicando la formulación
correcta para la solución óptima, que permita maximización de utilidades y
minimización de costos en las empresas con ética profesional.
8
Sistema de Sistema de habilidades Sistema de

conocimientos Valores
Programación Lineal Caracterizar la programación Ética profesional en

lineal. maximización de
utilidades y
Definición. Reconocer la definición de minimización de
programación lineal. costos
Características. Identificar las características de la

programación lineal.
Aplicaciones de la Reconocer las diferentes

programación lineal. aplicaciones de la PL.
Formulación de Aplicar adecuadamente los pasos

problemas. para la formulación de problemas.
Problemas de aplicación. Resolver problemas.
Problema de Resolver problemas sobre

maximización. maximización.
Problema de Resolver problemas de

minimización. minimización.
Modelo de PL con 2 Resolver problemas de PL dos

variables. variables.
Solución gráfica de la PL. Resuelve de forma gráfica

problemas de PL.
Solución de un modelo de Analizar los resultados de la

maximización. solución de modelos de
maximización.
Solución de un modelo de Resolver las soluciones de un

minimización. modelo de minimización.
Unidad III: Programación lineal: método grafico

Objetivo: Resolver problemas de programación lineal aplicando el método simplex
para expresarlos gráficamente con su respectivo análisis y toma de decisión con
honestidad profesional.
9

conocimientos
Programación lineal, método Caracterizar el método Honestidad profesional

gráfico. gráfico. en el análisis y toma de
decisiones
Problemas de maximización. Resolver sistemas de
ecuaciones método
gráfico, maximización.
Problemas de minimización. Resolver problemas de

minimización
gráficamente.
Problemas combinados. Interpretar las soluciones

gráficas.
Análisis de sensibilidad Resolver problemas de

sensibilidad gráficamente.
Tema 4: Programación entera
Objetivo: Formular problemas de programación entera, con la ayuda de los

constructos teóricos y su respectiva formulación, para la optimización de los recursos
con ética profesional, que ayuden a la mejora de las condiciones de la empresa.

conocimientos
Introducción. Caracterizar la Ética profesional en la

programación entera. optimización de recursos
Formulación. Aplicar la formulación

correcta.
Variables binarias. Desarrollar problemas

aplicando variables
binarias.
Métodos de solución. Aplicar los algoritmos del

método de solución.
10
Tema 5: Redes de distribución
Objetivo: Evaluar la resolución de problemas de redes de distribución, aplicando

algoritmos de solución para su análisis cuantitativo y planteamiento de la opción
óptima, para la toma de decisiones con ética profesional.

conocimientos
Redes de distribución. Caracterizar las redes de Ética profesional en el

Definición. distribución. análisis cuantitativo y
planteamiento de la
Algoritmo de solución de Desarrollar ejercicios de solución óptima.
redes de distribución. redes de distribución.
Ejemplos de aplicación. Resolver ejercicios de

aplicación
VII. ORIENTACIONES METODOLÓGICAS Y DE ORGANIZACIÓN DE LA

ASIGNATURA.
Las clases se desarrollarán en cinco unidades, tomando en cuenta el siguiente

proceso:
 Controles de lectura: Se indica la temática a trabajarse al estudiante, el miso
que tiene que revisar el sustento teórico para compartir en la sala de clase.
 Resúmenes de clase: El estudiante en cada clase tomará apuntes de las partes
esenciales, las mismas que serán validadas la clase siguiente mediante
preguntas simples por participación voluntaria.
 Actividades extra clase: Consisten en resolución de sistemas de ejercicios o
problemas propuestos por cada temática.
 Talleres o actividades intra clase: Se entregará un material de apoyo teórico el
mismo que se lo debe de resolver con el direccionamiento del docente,
respetando los niveles de asimilación: Familiarización, Reproducción,
Producción y Creación.
 Participación activa en la pizarra: Esta se desarrollará de acuerdo a la temática,
por participación voluntaria o elección al azar, para la validación de procesos y
algoritmos de resolución.
 Trabajos de investigación: Consiste en procesos de carácter investigativo en el
cual el estudiante pone de manifiesto su creatividad al proponer organizadores
gráficos, con ejemplos y caracterizaciones del sustento teórico de la temática
consultada.
11
 GeoGebra: Aplicación de sistemas de ejercicios o problemas propuestos de las

temáticas inferidas en los que se tiene que evaluar usando el programa
GeoGebra.
 Trabajos colaborativos: Se formarán grupos de trabajo para la solución de
problemas propuestos usando a mediación tecnológica para la consecución de
los informes.
 Portafolio: Será revisado por evaluaciones tomadas a los estudiantes
(parciales, finales y supletorias) y servirá como material de apoyo teórico, en el
mismo se acumulará todos los trabajos desarrollados dentro y fuera de clase.
 Actividades EVA: Se trabaja con el entorno virtual AMAUTA, en el que se
enviarán tareas y se contará con un espacio de ideologización entre
estudiantes con el direccionamiento de preguntas disparadoras o generadoras
de conflictos socio cognitivos, a través de foros de discusión permitiendo
reflexiones metacognitivas en cada aporte.
Para el desarrollo de la asignatura los estudiantes tienen el apoyo de links en el blog,

en los cuales se ha subido direcciones de libros de consulta o textos guías.
Al final de cada unidad se realizarán clases prácticas de vinculación en una institución

nocturna, para evidenciar lo asimilado en cada clase, es decir serán cuatro clases
prácticas por semestre.
Los métodos utilizados son:
Método Reproductivo:
Método Explicativo y Método Ilustrativo: El alumno se apropia de conocimientos
elaborados y los reproduce mediante modos de actuación. El docente explica y dirige
la clase mientras el estudiante atiende y asimila los conocimientos. El estudiante
ilustra a través de ejemplos la temática inferida.
Método de Exposición Problemática: Es un método intermedio, pues supone la

asimilación de la información elaborada y de elementos de la actividad creadora. Se
establecen grupos de trabajo, facilita cierta información y permite al estudiante que
contribuya con su creatividad, ejemplifica los algoritmos de resolución de problema y
se colabora con el estandarte para la creación de su propio ejercicio.
Método Productivo:
Método Heurístico o de Búsqueda parcial de Método Investigativo. - Permite al
estudiante alcanzar conocimientos nuevos, como resultado de la actividad creadora.
El docente estimula a la investigación, y con dicha información realiza talleres de
producción textual y estimula al mismo a crear sus propios ejercicios.
12
Las Técnicas de Enseñanza se detallan a continuación:

Del interrogatorio: En el uso de preguntas y respuestas para obtener información y
puntos de vista de aplicación de lo aprendido, mediante esta técnica se pretende
despertar y conservar el interés, se exploran experiencias, capacidad, criterio de los
estudiantes y comunicación de ellos.
Del redescubrimiento: Realizar un aprendizaje satisfactorio y efectivo en el cual el

estudiante observa, piensa y realiza.
De la discusión dirigida: Realizar un análisis, una confrontación, una clasificación de

hechos, situaciones, experiencias, problemas, con presencia de docente. Se centra
en la discusión, en el cual se obtienen conclusiones positivas o valederas.
Operatoria: Consiste en realizar actividades de operaciones que permitan el

razonamiento y la comprensión facilitando el aprendizaje.
De la resolución de problemas: Permite solucionar problemas matemáticos

mediante un orden lógico, secuencial, práctico y de razonamiento.
Lluvia de ideas: El grupo actúa en un plano de confianza, libertad e informalidad y

sea capaz de pensar en alta voz, sobre un problema, tema determinado y en un tiempo
señalado.
Diálogos simultáneos: Lograr la participación de un gran grupo, dividido en parejas,

respecto a un tema de estudio, trabajo, tarea o actividad.
Del informe o trabajo escrito: En elaborar pasos para trabajos escritos con estilo
propio.
Foros de discusión: Ingresar a AMAUTA para que dejen sus opiniones sobre
temáticas formuladas
Habrá tres documentos pedagógicos básicos que permiten evidenciar los resultados
de las actividades del trabajo autónomo y de grupos, desarrollados a partir del sílabo
de la asignatura.
 Carpeta con trabajos extra-clase e intra-clase, grupales (hasta 3 a 5 alumnos).

Desarrollo de ejercicios aplicados a la teoría.
 Carpeta de trabajos autónomos. En especial consultas sobre temas especiales
y que hayan sido sustentados demostrando su dominio.
 Registro de avance académico. Revisión de trabajos extra-clase, trabajos
autónomos, lecciones orales en el aula, pruebas escritas y exámenes escritos.
Evidencia el cumplimiento y la calidad del trabajo.
13
VIII. RECURSOS DIDÁCTICOS

Básicos: marcadores, borrador, pizarra de tiza líquida.
Audiovisuales: Computador, proyector, celulares inteligentes, tabletas, laptops y
laboratorio de computación.
Técnicos: Materiales de apoyo complementarios, Sistemas de ejercicios de
aplicación práctica, Separatas, texto básico, guías de observación, Plataforma
Amauta.
IX. SISTEMA DE EVALUACIÓN DE LA ASIGNATURA

El sistema de evaluación será sistemático, participativo y permanente con el objetivo
de adquirir las habilidades y destrezas cognitivas e investigativas que garanticen la
calidad e integridad de la formación profesional.
Para la respectiva evaluación se valorará la gestión de aprendizaje propuestos por el

docente, la gestión de la práctica y experimentación de los estudiantes, y la gestión
de aprendizaje que los estudiantes propondrán mediante la investigación.
Se tomó como referencia el Reglamento del Sistema Interno de Evaluación Estudiantil

para proceder a evaluar la asignatura de Investigación Operativa, de esta manera se
toma como criterio de evaluación la valoración de conocimientos adquiridos y
destrezas evidenciadas dentro del aula de clases en cada una de las evaluaciones
aplicadas a los estudiantes, demostrando por medio de éstas que está apto para el
desenvolvimiento profesional.
Por ello desde el primer día de clases, se presentará las unidades didácticas y los
criterios de evaluación del proyecto final, evidenciado en el silabo y plan calendario
entregado a estudiantes. Además, se determinó el objeto de estudio, que en es el
razonamiento lógico matemático.
Se explica a los estudiantes que el semestre se compone de dos parciales con una
duración de diez semanas de clases cada una, en cada parcial se evaluará sobre
cinco puntos las actividades diarias de las clases, trabajos autónomos, trabajos de
investigación, actuaciones en clases y talleres; sobre dos puntos un examen de parcial
que se tomará en la semana diez y semana veinte. De esta manera cada parcial tendrá
una nota total de siete puntos como máximo.
El examen final se llevará a cabo mediante la ejecución de un proyecto integrador de

asignaturas y tiene una valoración de tres puntos. Por consiguiente, el alumno podrá
obtener una nota total de diez puntos.
El proyecto integrador del presente semestre corresponde al Diseño de una estructura

organizacional y funcional para empresas públicas y privadas.
14
Por tal motivo, la asignatura Investigación Operativa, contribuirá en el proyecto

integrador mediante la metodología cuantitativa para calcular la factibilidad de la toma
de decisiones empresarial.
Los parámetros de evaluación del presente proyecto o actividad de vinculación de la

asignatura, se clasifican en parámetros generales que serán los mismos en todas las
asignaturas y en parámetros específicos que corresponde únicamente a la asignatura;
la cual se detallan a continuación:
Parámetros Generales
- Desenvolvimiento y dominio en la exposición 0,75

- Redacción, coherencia y desarrollo del Artículo Científico 0,75
TOTAL 1,50
Parámetros Específicos
- Teoría de programación lineal 0,50
- Avance del proyecto integrador 1,00
TOTAL 1,50
Una vez que el estudiante exponga su proyecto integrador y defienda las preguntas
propuestas por el tribunal, será notificado en ese momento la nota obtenida y se
procederá a la respectiva firma de constancia.
Dentro de las equivalencias de notas se clasifican de la siguiente manera:

 10,00 a 9,50: Excelente
 9,49 a 8,50: Muy bueno
 8,49 a 8,00: Bueno
 7,99 a 7,00: Aprobado
 6,99 a menos: Reprobado
Los estudiantes deberán alcanzar un puntaje mínimo de 7,00 puntos para aprobar la
asignatura, siendo de carácter obligatorio la presentación del proyecto integrador.
Si el estudiante no alcance los 7,00 puntos necesarios para aprobar la asignatura,

deberá presentarse a un examen supletorio en la cual será evaluado sobre diez puntos
y equivaldrá el 60% de su nota final, el 40% restante corresponde a la nota obtenida
en acta final ordinaria de calificaciones.
Aquellos estudiantes que tengan más del 25% de faltas reprobarán la asignatura. Los
que no podrán presentarse al examen de recuperación son quienes estén cursando
la asignatura por tercera ocasión, y aquellos que no hayan alcanzado la nota mínima
de 2,50/10 en la nota final.
15
El estudiante no conforme con la nota del proyecto integrador podrá solicitar mediante
oficio una recalificación y obtendrá respuesta del mismo en un plazo no mayor a tres
días hábiles.
El docente tendrá un plazo de 48 horas para socializar las calificaciones obtenidas

luego se asentará en las actas finales y se procederá a recoger la firma de los
estudiantes.
Los proyectos presentados serán sometidos a mejoras o corrección si el caso lo

amerita con la finalidad de ser presentadas en la feria de proyectos científicos que el
Instituto Superior Tecnológico Ismael Pérez Pazmiño lanzará cada año.
X. BIBLIOGRAFÍA BÁSICA Y COMPLEMENTARIA
 ARREOLA, J. & ARREALA, A. (2003) Programación lineal: una introducción a

la toma de decisiones cuantitativas. México. Editorial: Thomson..
 HANDY, T. (2012). “Investigación de operaciones”. México. Pearson Educación
 HERNANDEZ, M. (2007) Introducción a la programación lineal. México. UNAM.
 HILLIER, F. & LIEBERMAN, G. (2010) Introducción a la Investigación de
Operaciones. México. Mc Graw Hill.
 MOCHILI, M. & SALA, R. (1993) Programación Lineal. Metodología y
problemas. Madrid. Editorial Tobar Flores.
Elaborado por: Revisado por: Aprobado por:
Ing. Carolina Quevedo Dra. María Isabel Jaramillo

Lic. José Cún Tinoco Coordinador de la Carrera Vicerrectora Académica
Docente Gestión de Producción y
servicio.
Fecha:05 de Junio 2019 Fecha: 05 de Junio 2019 Fecha: 05 de Junio 2019
16
ORIENTACIONES PARA EL USO DE LA GUÍA DE ESTUDIOS
Antes de empezar con nuestro estudio, debes tomar en cuenta lo siguiente:
1. Todos los contenidos que se desarrollen en la asignatura contribuyen a tu desarrollo

profesional, ética investigativa y aplicación en la sociedad.
2. El trabajo final de la asignatura será con la aplicación de la metodología de
investigación científica.
4. En todo el proceso educativo debes cultivar el valor de la constancia porque no
sirve de nada tener una excelente planificación y un horario, si no eres persistente.
5. Para aprender esta asignatura no memorices los conceptos, relaciónalos con la
realidad y tu contexto, así aplicarás los temas significativos en tu vida personal y
profesional.
6. Debes leer el texto básico y la bibliografía que está en el syllabus sugerida por el
docente, para aprender los temas objeto de estudio.
7. En cada tema debes realizar ejercicios, para ello debes leer el texto indicado para
después desarrollar individual o grupalmente las actividades.
8. A continuación te detallo las imágenes que relacionadas a cada una de las
actividades:
ICONO ACTIVIDAD
SUGERENCIA
TALLERES
REFLEXIÓN
TAREAS
17
APUNTE CLAVE
FORO
RESUMEN
EVALUACIÓN
9. Ánimo, te damos la bienvenida a este nuevo periodo académico.
18
DESARROLLO DE ACTIVIDADES
Unidad Didáctica I
Introducción a la investigación operativa
Introducción:
En esta unidad, se desarrollan contenidos de básicos de la Investigación operativa, la
cual permitirá la identificación del proceso a realizar en una empresa, permitiendo
complementar de manera óptima los conocimientos específicos de la carrera de
Técnico Superior en Gestión y Producción de Servicios.
Objetivo de la Unidad Didáctica I:

Reconocer los diferentes conceptos relacionados a la investigación operativa,
mediante la interpretación y lectura comprensiva que nos permita su correcta
aplicación en la vida profesional con honestidad.
Organizador Gráfico de la Unidad didáctica I:
Definición
Fases de
estudio INVESTIGACIÓN Origen
OPERATIVA
Naturaleza
y Área de
Aplicación
19
ACTIVIDADES DE APRENDIZAJE DE LA UNIDAD DIDÁCTICA I:
Actividad de Aprendizaje 1 de la Unidad Didáctica I:
Tema 1:
INVESTIGACION OPERATIVA
DEFINICIÓN
La investigación operativa o investigación de operaciones es una rama de las
matemáticas que consiste en el uso de modelos matemáticos, estadística y algoritmos
con objeto de modelar y resolver problemas complejos, determinando la solución
óptima y permitiendo, de este modo, tomar decisiones. Frecuentemente trata del
estudio de complejos sistemas reales, con la finalidad de mejorar (u optimizar) su
funcionamiento. La investigación de operaciones permite el análisis de la toma de
decisiones teniendo en cuenta la escasez de recursos, para determinar cómo se
puede optimizar un objetivo definido, como la maximización de los beneficios o la
minimización de costos.
En esta disciplina se destacan las siguientes características esenciales:
• una fuerte orientación a Teoría de Sistemas,

• la participación de equipos interdisciplinarios,
• la aplicación del método científico en apoyo a la toma de decisiones.
En base a estas propiedades, una posible definición es: la Investigación Operativa es

la aplicación del método científico por equipos interdisciplinarios a problemas que
comprenden el control y gestión de sistemas organizados (hombre- máquina); con el
objetivo de encontrar soluciones que sirvan mejor a los propósitos del sistema (u
organización) como un todo, enmarcados en procesos de toma de decisiones.
Otra definición: la Investigación Operativa es la aplicación del método científico a un

mismo problema por diversas ciencias y técnicas, en apoyo a la selección de
soluciones, en lo posible óptimas.
Observar que el problema es UNO SOLO; sin embargo, existen maneras distintas de
observar un mismo problema, dependiendo de los objetivos que se planteen para
resolverlo.
Ejemplo: Un proceso de decisión respecto a la política de inventarios en una

organización. Existen 4 funciones administrativas que han dado lugar a
departamentos cuyos objetivos son:
20
Función Objetivo
Producción Maximizar la cantidad de bienes (servicios) producidos y
minimizar el costo unitario de la producción
Comercialización Maximizar la cantidad vendida y minimizar el costo unitario de
las ventas
Finanzas Minimizar el capital requerido para mantener cierto nivel del
negocio
Personal Mantener la moral y la alta productividad entre empleados
Con respecto al INVENTARIO y según estos OBJETIVOS: El departamento de

producción necesita producir tanto como sea posible a un costo mínimo, lo que se
logra fabricando un solo producto en forma continua, pues se logra mayor eficiencia y
se minimiza el tiempo perdido por cambio de equipo, al cambiar de artículo. Con este
procedimiento se logra un gran inventario con una línea de productos pequeña.
El departamento de mercado también necesita un gran inventario, pero para vender

tanto como sea posible, debe surtir de la más amplia variedad de productos. Motivos
de desencuentro con el departamento de producción.
Para minimizar el capital necesario para que el negocio marche, el departamento de

Finanzas debe reducir la cantidad de dinero "comprometido", lo más directo es reducir
los inventarios. Se propone que los inventarios deben aumentar o disminuir en
proporción a la fluctuación de las ventas.
En contraposición, cuando las ventas son bajas, ni producción ni personal requieren

disminuir la producción, ni reducir personal. Personal le interesa mantener la
producción a un nivel tan constante como sea posible, ya que el despido implica
repercusiones en la moral del personal, pérdida de personal calificado, nuevos costos
de formación de nuevo personal cuando así se requiera. Esto se traduce en producir
hasta el nivel del inventario cuando las ventas son bajas y agotarlo cuando éstas son
altas.
Los objetivos enumerados y definidos de esta manera son difíciles de llevar a la

práctica por su inconsistencia desde el punto de vista de la organización y del sistema
en su conjunto. Es tarea y responsabilidad del ejecutivo (gerente) determinar una
política de inventario que convenga a los intereses de toda la compañía y no de una
sola de las funciones subordinadas. La tarea de organización y gerenciamiento
requiere que se considere al SISTEMA en su conjunto y ésta es la esencia del trabajo
gerencial. El ejecutivo debe decidir y para ello recurrirá a algún método. Le convendrá
recurrir a un Investigador de Operaciones, dado que supuestamente éste estará apto
para utilizar la investigación científica en apoyo a las decisiones que el ejecutivo deba
tomar. Este apoyo se hace especialmente necesario cuando se trata de la búsqueda
21
de soluciones “óptimas” a problemas que se originan en las organizaciones y servicios

en general.
ORIGEN
Desde el advenimiento de la Revolución industrial, el mundo ha sido testigo de un
crecimiento importante del tamaño y la complejidad de las organizaciones. Los
pequeños talleres artesanales de épocas anteriores se convirtieron en las
corporaciones actuales de miles de millones de dólares.
Una parte esencial de este cambio revolucionario fue el gran aumento de la división
del trabajo y de la separación de las responsabilidades administrativas en estas
organizaciones. Los resultados han sido espectaculares. Sin embargo, junto con los
beneficios, el aumento del grado de especialización trajo consigo problemas nuevos
que aún existen en numerosas organizaciones. Uno de éstos es la tendencia de
algunos componentes de una organización a convertirse en imperios con autonomía
relativa, con sus propias metas y sistemas de valores; de esta manera pierden de vista
la forma en que sus actividades y objetivos se acoplan a los de toda la organización.
Con frecuencia, lo que es mejor para un componente va en detrimento de otro, de
forma que sus acciones pueden caminar hacia objetivos opuestos. Un problema
relacionado es que, en la medida que aumentan la complejidad y la especialización,
es más difícil asignar los recursos disponibles a las diferentes actividades de la
manera más eficaz para la organización como un todo. Este tipo de problemas y la
necesidad de encontrar la mejor forma de resolverlos crearon el ambiente propicio
para el surgimiento de la investigación de operaciones, a la que también se hace
referencia como IO.
Las raíces de la IO pueden encontrarse muchas décadas atrás, cuando se hicieron

los primeros intentos por emplear el método científico para administrar una empresa.
Sin embargo, el inicio de la actividad llamada investigación de operaciones es
atribuible a ciertos servicios militares que se prestaron al inicio de la Segunda Guerra
Mundial. Debido a los esfuerzos bélicos, existía la urgente necesidad de asignar
recursos escasos a las distintas maniobras militares y a las actividades que
componían cada operación de la manera más eficaz. Por ello, las administraciones
militares estadounidense y británica llamaron a un gran número de científicos para
que aplicaran el método científico a éste y a otros problemas estratégicos y tácticos.
En realidad, les solicitaron que hicieran investigación sobre operaciones (militares).
Estos grupos de científicos fueron los primeros equipos de IO. Debido al desarrollo de
métodos eficaces para utilizar la nueva herramienta que representaba el radar, los
científicos contribuyeron al triunfo en la guerra aérea que libró Gran Bretaña.
Sus investigaciones para mejorar el manejo de las operaciones antisubmarinas y de

protección también tuvieron un papel importante en la victoria de la campaña del
Atlántico Norte. Esfuerzos similares fueron de gran ayuda en la campaña del Pacífico.
22
Al terminar la guerra, el éxito de la IO en las actividades bélicas generó gran interés

debido a las posibilidades de aplicarla en un ámbito distinto al militar. Una vez que la
explosión industrial posterior a la guerra siguió su curso, los problemas provocados
por el aumento de la complejidad y la especialización de las organizaciones pasaron
de nuevo al primer plano. Entonces comenzó a ser evidente para un gran número de
personas, entre ellas los consultores industriales que habían trabajado con o para los
equipos de IO durante la guerra, que estos problemas eran en esencia los mismos
que los que debían enfrentar los militares pero en un contexto diferente. Al inicio de la
década de los años cincuenta, estos visionarios introdujeron el uso de la investigación
de operaciones en una serie de organizaciones industriales, de negocios y del
gobierno. Desde entonces, se ha desarrollado con rapidez.
Es posible identificar por lo menos otros dos factores que tuvieron gran importancia
en el desarrollo de la IO durante este periodo. Uno es el progreso sustancial que se
logró en el mejoramiento de las técnicas disponibles. Después de la guerra, muchos
de los científicos que habían participado en equipos de IO o que tenían información
sobre este trabajo, estaban motivados para realizar investigación relevante en el
campo, de lo cual resultaron avances importantes; un ejemplo sobresaliente es el
método símplex para resolver problemas de programación lineal, desarrollado en 1947
por George Dantzig. Muchas de las herramientas características de la IO, como
programación lineal, programación dinámica, teoría de colas y teoría de inventarios
habían sido desarrolladas casi por completo antes del término de la década de los
años cincuenta.
Un segundo factor que dio gran impulso al desarrollo de este campo fue la revolución
de las computadoras. El manejo eficaz de los complejos problemas inherentes a la IO
casi siempre requiere un gran número de cálculos. Realizarlos de forma manual puede
resultar casi imposible, por lo cual el desarrollo de la computadora electrónica digital,
con su capacidad para hacer cálculos aritméticos, miles o tal vez millones de veces
más rápido que los seres humanos, fue una gran ayuda para esta disciplina. Otro
avance tuvo lugar en la década de los años ochenta, con el desarrollo de
computadoras personales cada vez más rápidas y de buenos paquetes de software
para resolver problemas de IO. De esta forma, las técnicas más complejas estuvieron
al alcance de un gran número de personas, y este progreso se aceleró aún más en la
década de 1990 y al inicio del siglo XXI. Hoy en día, millones de individuos tienen
acceso a estos paquetes y en forma cotidiana se utiliza toda una gama de
computadoras, desde las grandes hasta las portátiles, para resolver problemas de
investigación de operaciones, algunos de ellos muy complejos.
23
Naturaleza y áreas de aplicación:
Naturaleza
Como su nombre lo indica, el objetivo de esta disciplina implica “investigar sobre las
operaciones”. En consecuencia, esta disciplina se aplica a la problemática relacionada
con la conducción y la coordinación de actividades en una organización. En esencia,
la naturaleza de la organización es irrelevante, por lo cual la IO ha sido aplicada de
manera extensa en áreas tan diversas como manufactura, transporte, construcción,
telecomunicaciones, planeación financiera, cuidado de la salud, fuerzas armadas y
servicios públicos, por nombrar sólo unas cuantas. Así, la gama de aplicaciones es
inusualmente amplia.
La IO incluye el término investigación en el nombre porque utiliza un enfoque similar

al que se aplica en las áreas científicas establecidas. El método científico se utiliza
para explorar los diversos problemas que deben ser enfrentados, pero en ocasiones
se usa el término management science o ciencia de la administración como sinónimo
de investigación de operaciones. El proceso comienza por la observación cuidadosa
y la formulación del problema, lo cual incluye la recolección de los datos pertinentes.
El siguiente paso es la construcción de un modelo científico —generalmente

matemático— con el cual se intenta abstraer la esencia del problema real. En esta
etapa se propone la hipótesis de que el modelo será una representación tan precisa
de las características esenciales de la situación, que permitirá que las conclusiones
—soluciones— que se obtengan sean válidas también para el problema real. Después
se llevan a cabo los experimentos adecuados para probar esta hipótesis, para
modificarla si es necesario y para verificarla en determinado momento, paso que se
conoce como validación del modelo. En cierto sentido, la IO involucra la investigación
científica creativa de las propiedades fundamentales de las operaciones. Sin embargo,
es más que esto. La IO se ocupa también de la administración práctica de la
organización. Por lo tanto, para tener éxito, también debe proporcionar conclusiones
claras que el tomador de decisiones pueda usar cuando sea necesario.
Otra característica de la investigación de operaciones es su amplio punto de vista.

Como quedó implícito en la sección anterior, la IO adopta una visión organizacional.
Desde esta perspectiva intenta resolver los conflictos de intereses entre los
componentes de la organización de forma que el resultado sea el mejor para ésta en
su conjunto. Ello no significa que el estudio de cada problema deba considerar en
forma explícita todos los aspectos de la organización, sino que los objetivos que se
persiguen deben ser congruentes con los objetivos globales.
Una característica adicional de la investigación de operaciones es que intenta

encontrar una mejor solución —llamada solución óptima— para el problema en
cuestión. (Se dice una mejor solución y no la mejor solución porque es posible que
existan muchas soluciones que puedan considerarse como las mejores.) En lugar de
24
conformarse con mejorar el estado de las cosas, la meta es identificar el mejor curso
de acción posible. Aun cuando debe interpretarse con todo cuidado en términos de
las necesidades reales de la administración, esta “búsqueda del mejor camino” es un
aspecto importante de la IO.
Estas características conducen de manera casi natural a otra. Es evidente que no

puede esperarse que un solo individuo sea experto en los múltiples aspectos del
trabajo de investigación de operaciones o de los problemas que se estudian, sino que
se requiere un grupo de individuos con diversos antecedentes y aptitudes. Cuando se
decide emprender un estudio de IO completo de un problema nuevo, es necesario
emplear el enfoque de equipo. Este grupo de expertos debe incluir individuos con
antecedentes sólidos en matemáticas, estadística y teoría de probabilidades, al igual
que en economía, administración de empresas, ciencias de la computación,
ingeniería, ciencias físicas, ciencias del comportamiento y, por supuesto, en las
técnicas especiales de IO. El equipo también necesita experiencia y aptitudes
necesarias para considerar de manera adecuada todas las ramificaciones del
problema dentro de la organización.
AREAS DE APLICACIÓN
La automatización y la disminución de costos, reclutamiento de personal, clasificación
y asignación de tareas e incentivos a la producción:
1. MERCADO Y DISTRIBUCION. El desarrollo e introducción de un producto,

envasado, demanda y actividad competidora, localización de bodegas y centros
distribuidores.
2. COMPRAS Y MATERIALES. Las cantidades y fuentes de suministro, costos fijos,
sustitución de materiales, reemplazo de equipo, comprar o rentar.
3. MANUFACTURA. La aplicación y control de la producción, mezclas optimas de
manufactura, ubicación y tamaño de la planta, tráfico de materiales y el control de
calidad
4. FINANZAS Y CONTABILIDAD. Los análisis de flujo de efectivo, capital requerido
de largo plazo, inversiones alternas, muestreo para la seguridad en auditorias
5. PLANEACION. Con los métodos Pert para el control de métodos, avances de
cualquier proyecto con múltiples actividades, tantas simultaneas como las que se
deben esperar.
Responda las siguientes preguntas

1. ¿Con qué otro nombre se la conoce a la Investigación operativa?
2. ¿Cuál es Objetivo de la Investigación Operativa?
3. ¿En dónde y cuándo se originó la actividad de la Investigación Operativa?
4. Elabora un mapa mental especificando las áreas donde se utiliza la IO
25
Revisar la plataforma AMAUTA donde encontrará un foro con el Tema

Investigación Operativa, el cual reforzará los contenidos vistos hasta
el momento.
Actividad de Aprendizaje 2 de la Unidad Didáctica I:
Tema 2:
FASES DE ESTUDIO
La Investigación de Operaciones aspira determinar la mejor solución (optima) para un
problema de decisión con la restricción de recursos limitados.
En la Investigación de Operaciones utilizaremos herramientas que nos permiten tomar

una decisión a la hora de resolver un problema tal es el caso de los modelos e
Investigación de Operaciones que se emplean según sea la necesidad.
Para llevar a cabo el estudio de Investigación de Operaciones es necesario cumplir

con una serie de etapas o fases. Las principales etapas o fases de las que hablamos
son las siguientes:
1. Formulación y definición del problema.

Descripción de los objetivos del sistema, es decir, qué se desea optimizar; identificar
las variables implicadas, ya sean controlables o no; determinar las restricciones del
sistema. También hay que tener en cuenta las alternativas posibles de decisión y las
restricciones para producir una solución adecuada.
2. Construcción del modelo.

El investigador de operaciones debe decidir el modelo a utilizar para representar el
sistema. Debe ser un modelo tal que relacione a las variables de decisión con los
parámetros y restricciones del sistema. Los parámetros (o cantidades conocidas) se
pueden obtener ya sea a partir de datos pasados o ser estimados por medio de algún
método estadístico. Es recomendable determinar si el modelo es probabilístico o
determinístico. El modelo puede ser matemático, de simulación o heurístico,
dependiendo de la complejidad de los cálculos matemáticos que se requieran.
3. Solución del modelo.

Una vez que se tiene el modelo, se procede a derivar una solución matemática
empleando las diversas técnicas y métodos matemáticos para resolver problemas y
ecuaciones. Debemos tener en cuenta que las soluciones que se obtienen en este
punto del proceso, son matemáticas y debemos interpretarlas en el mundo real.
Además, para la solución del modelo, se deben realizar análisis de sensibilidad, es
decir, ver cómo se comporta el modelo a cambios en las especificaciones y
26
parámetros del sistema. Esto se hace, debido a que los parámetros no

necesariamente son precisos y las restricciones pueden estar equivocadas.
4. Validación del modelo.

La validación de un modelo requiere que se determine si dicho modelo puede predecir
con certeza el comportamiento del sistema. Un método común para probar la validez
del modelo, es someterlo a datos pasados disponibles del sistema actual y observar
si reproduce las situaciones pasadas del sistema. Pero como no hay seguridad de que
el comportamiento futuro del sistema continúe replicando el comportamiento pasado,
entonces siempre debemos estar atentos de cambios posibles del sistema con el
tiempo, para poder ajustar adecuadamente el modelo.
5. Implementación de resultados.
Consiste en traducir los resultados del modelo validado en instrucciones para el
usuario o los ejecutivos responsables que serán tomadores de decisiones.
Efecto de la investigación de operaciones

La investigación de operaciones ha tenido un efecto impresionante en el mejoramiento
de la eficiencia de numerosas organizaciones de todo el mundo. En el proceso, la IO
ha contribuido de manera significativa al incremento de la productividad de la
economía de varios países. Hoy existen más de 30 países miembros de la
International Federation of Operational Research Societies (IFORS), cada uno de los
cuales cuenta con una sociedad de investigación de operaciones. Tanto en Europa
como en Asia existen federaciones de sociedades de IO que dan conferencias y
publican revistas internacionales en esos continentes. Además, el Institute for
Operations Research and the Management Sciences (INFORMS) es una sociedad de
IO internacional. Entre sus múltiples revistas existe una, llamada Interfaces, que
publica artículos que presentan estudios importantes de IO y el efecto que éstos
tuvieron en sus organizaciones.
Problemas tipo en Investigación Operativa

Desde sus comienzos la Investigación de Operaciones se ha aplicado a una gran
variedad de problemas; la gran mayoría de ellos han sido de naturaleza táctica, más
que estratégica. Un problema es más táctico que estratégico si cumple con las
siguientes condiciones:
1) su solución puede modificarse o anularse fácilmente, tiene efecto de corta duración;

2) su solución afecta a una parte menor de la organización;
3) los resultados deseados se consideran como proporcionados (obtenidos), sin que
medie una selección de medios, fines, metas u objetivos a largo plazo.
La planificación de una empresa u organización, con sus metas y objetivos, es un

problema más estratégico que táctico. El minimizar los costos del transporte, en el que
27
la minimización en sí es el resultado conveniente, es considerado un problema más

táctico que estratégico.
La aplicación de la Investigación Operativa a una amplia variedad de

problemas tácticos, y la frecuente recurrencia de esos problemas, ha permitido
identificar problemas tipo que se agrupan según los modelos y procedimientos
(técnicas) similares para su resolución. Esos problemas tipo son: asignación de
recursos escasos, ordenamiento, secuenciación y coordinación de tareas, líneas de
espera, mantenimiento y reemplazo de equipos, inventarios, costos y tiempos, gestión
de proyectos.
Asignación de recursos, Ordenamiento

Los primeros desarrollos de la Investigación Operativa se refirieron a
problemas de asignación de recursos, ordenamientos de tareas, reparto de cargas de
trabajo, planificación, todos con un objetivo preciso de optimización de la función
económica U en un mundo determinista. Entre las técnicas de optimización citamos:
la Programación Lineal (se verá en el curso), No lineal, Los métodos de
ordenamiento, Programación Dinámica, Combinatoria, algoritmos de teoría de
Grafos, etc. Un ejemplo clásico: determinar el número de piezas, de cada tipo, que
debe producir un determinado taller, a fin de obtener el máximo beneficio. Existen
varias máquinas, cada una de las cuales tiene determinadas propiedades
y características, según las categorías o partes de piezas a producir por cada una de
ellas; por lo general se conoce la capacidad máxima del taller y el beneficio que se
obtendrá con cada categoría de pieza producida.
Líneas de espera, Reemplazo de equipos

Estos temas se desarrollan en mundo aleatorio por lo general. Se estudian las esperas
y retrasos ocurridos en el sistema, o las fallas en las instalaciones, su reparación y
posibles políticas de mantenimiento y/o reemplazo.
Inventario, Costos y tiempos

Se trata de la operación más simple, la de almacenar y/o mantener recursos; se
estudia cuánto y cuándo adquirir. Muchos casos se resuelven modelándolos como
líneas de espera.
Gestión de proyectos
Los conjuntos de tareas de un proyecto se modelan mediante un grafo, sobre el que
se determinan cuáles son los tiempos y las tareas críticas ("cuellos de botellas") del
proyecto. Técnicas usadas: CPM-PERT, método del Camino Crítico. Algunos de
estos problemas, se estudiarán en el curso “Introducción a la Investigación
de Operaciones”.
28
Responda las siguientes preguntas

1. Elabora un mapa mental de las fases de estudio de la IO, describiendo la
función principal de cada etapa.
2. ¿Cuál es el efecto positivo de la IO?
Revisar la plataforma AMAUTA donde encontrará un foro con el Tema

Fases de la Investigación Operativa, el cual reforzará los contenidos
vistos hasta el momento.
Actividades de Auto-evaluación de la Unidad Didáctica I:
Resolver las siguientes preguntas.
1. ¿Cuál es Objetivo de la Investigación Operativa?
2. ¿En dónde y cuándo se originó la actividad de la Investigación Operativa?
3. Describa las áreas donde se utiliza la IO
4. Escriba cuales son las fases de estudio de la IO y describa la función principal de

cada etapa.
Actividad de Evaluación de la Unidad Didáctica I:
La tarea será subida a la plataforma AMAUTA, estar pendiente.
29
Unidad Didáctica II
Introducción:
En esta unidad, se desarrollan contenidos de la programación lineal y las formas de
aplicarla, permitiendo la resolución de problemas de manera óptima, cuyos
conocimientos le servirán en la carrera.
Objetivo de la Unidad Didáctica II:

Plantear problemas de programación lineal, aplicando la formulación correcta para la
solución óptima, que permita maximización de utilidades y minimización de costos en
las empresas con ética profesional.
Organizador Gráfico de la Unidad didáctica II:
Programación Lineal
Aplicaciones
Definición Problemas
de la PL
Caracteristicas Maximización
Minimización
2 Variables
ACTIVIDADES DE APRENDIZAJE DE LA UNIDAD DIDÁCTICA II:
Actividad de Aprendizaje 1 de la Unidad Didáctica II:
Tema 1:
PROGRAMACIÓN LINEAL
Es una técnica matemática de análisis que permite determinar cuál es la asignación
más eficiente de los recursos limitados en actividades que desarrolla la empresa con
el propósito de optimizar los objetivos de la organización, esto es, maximizar
beneficios o minimizar costos.
30
El nombre de programación lineal no procede de la creación de programas de

ordenador, sino de un término militar, programar, que significa “realizar planes o
propuestas de tiempo para el entrenamiento, la logística o el despliegue de las
unidades de combate”.
La investigación de operaciones en general y la programación lineal en particular

recibieron un gran impulso gracias a los ordenadores. Uno de momentos más
importantes fue la aparición del método del simplex.
Tipo de Soluciones
Los programas lineales con dos variables suelen clasificarse atendiendo al tipo de
solución que presentan. Éstos pueden ser:
 Factibles: Si existe el conjunto de soluciones o valores que satisfacen las

restricciones. Estas a su vez pueden ser: con solución única, con solución
múltiple (si existe más de una solución) y con solución no acotada (cuando no
existe límite para la función objetivo).
 No factibles: Cuando no existe el conjunto de soluciones que cumplen las
restricciones, es decir, cuando las restricciones son inconsistentes.
Métodos de solución
Existen tres métodos de solución de problemas de programación lineal:
 Método gráfico: Las rectas de nivel dan los puntos del plano en los que la
función objetivo toma el mismo valor.
 Método analítico: El siguiente resultado, denominado teorema fundamental de
la programación lineal, nos permite conocer otro método de solucionar un
programa con dos variables: “en un programa lineal con dos variables, si existe
una solución única que optimice la función objetivo, esta se encuentra en un
punto extremo (vértice) de la región factible acotada, nunca en el interior de
dicha región. Si la función objetivo toma el mismo valor óptimo en dos vértices,
también toma idéntico valor en los puntos del segmento que determinan. En el
caso de que la región factible no es acotada, la función lineal objetivo no
alcanza necesariamente un valor optimo concreto, pero, si lo hace este se
encuentra en uno de los vértices de la región”.
 Esquema práctico: Los problemas de programación lineal puede presentarse
en la forma estándar, dando la función, objetivos y las restricciones, o bien
plantearlos mediante un enunciado.
Elementos de un modelo de programación lineal.
Variables de decisión:
Incógnitas del Modelo (X1, X2, X3, ... , Xn)
31
Parámetros:
Variables controlables del sistema. ( aij )
Función objetivo:
Maximización o Minimización. ( Max Zo. Ó Min Zo. )
Restricciones:
Expresadas como ecuaciones restrictivas, representan los recursos límites del
sistema.
Región factible.
Son el conjunto de valores de Xi que verifican todas y cada una de las restricciones.
Todo punto de esa región puede ser solución del problema; todo punto no
perteneciente a ese conjunto no puede ser solución.
La solución óptima del problema será un par de valores (Xa, Xb) del conjunto factible
que haga que f(Xa,Xb) tome el valor máximo o mínimo.
Modelo De Programación Lineal
32
CARACTERISTICAS DE PROGRAMACIÓN LINEAL.

Las características utilizadas son:
1) Es la técnica de IO más importante.

2) La f. objetivo y las restricciones son funciones lineales de los valores
3) La linealidad asume que no puede haber términos asi:
4) Asume las propiedades aditivas y multiplicativas.

• Si una unidad tipo 1 necesita 2 horas en la Maquina A y una unidad tipo 2
necesita 2. horas, entonces ambas necesitan 4. horas.
• Si una unidad tipo 3 necesita 1 hora en la maquina B, entonces 10 unidades
necesitan 10 horas.
5) En la función objetivo que se va a optimizar (maximizar ó minimizar) no aparece
ningún término independiente ó constante. Los valores de las Xj son independientes
de cualquier constante.
6) Cuando se dice que hay m restricciones, no están incluidas las condiciones Xj ≥ 0
(condición de no negatividad).
7) Soluciones:
a) Cualquier conjunto de Xj que satisface las m restricciones se llama una solución

al problema.
b) Si la solución satisface la condición de no negatividad Xj ≥ 0 , se llama una
solución factible
c) Una solución factible que optimiza la función objetiva se llama una solución
factible óptima
Usualmente hay un número infinito de soluciones factibles al problema, de todas

estas, tiene que hallarse una óptima
Limitaciones de la programación lineal.

 No hay garantía de que dé soluciones enteras.
 No necesariamente al redondear se llega a la solución óptima.
 Para esto es necesario emplear la programación entera.
 En algunos casos las soluciones podrían ser deficientes.
 Tal es el caso de las decisiones donde las variables deben tomar un valor como
0 o 1,
 como las decisiones de “si” o “no”.
 No permite la incertidumbre.
 Es un modelo determinístico y no probabilista.
 Asume que se conocen todos los coeficientes de las ecuaciones.
 Existe también la programación lineal bajo incertidumbre.
 Tanto la función objetivo como las restricciones están limitadas a ser lineales
33
 Existen técnicas más avanzadas de programación no lineal
DETERMINE LOS ELEMENTOS DEL

SIGUIENTE EJERCICIO.
Revisa la plataforma AMAUTA donde encontrará un foro con el Tema

Programación Lineal, el cual reforzará los contenidos vistos hasta el
momento.
Tema 2:
La programación lineal constituye un importante campo de la optimización por varias
razones, muchos problemas prácticos de la investigación de operaciones pueden
plantearse como problemas de programación lineal. Algunos casos especiales de
programación lineal, tales como los problemas de flujo de redes y problemas de flujo
de mercancías se consideraron en el desarrollo de las matemáticas lo suficientemente
importantes como para generar por si mismos mucha investigación sobre algoritmos
especializados en su solución. Una serie de algoritmos diseñados para resolver otros
tipos de problemas de optimización constituyen casos particulares de la más amplia
técnica de la programación lineal. Históricamente, las ideas de programación lineal
han inspirado muchos de los conceptos centrales de la teoría de optimización tales
como la dualidad, la descomposición y la importancia de la convexidad y sus
generalizaciones. Del mismo modo, la programación lineal es muy usada en la
microeconomía y la administración de empresas, ya sea para aumentar al máximo los
ingresos o reducir al mínimo los costos de un sistema de producción.
34
Aplicaciones de la programación lineal en marketing

Selección de medios publicitarios: La Programación Lineal se utiliza en el campo
del marketing y la publicidad como una herramienta que nos permite determinar cuál
es la combinación más efectiva de medios para anunciar nuestros productos. En
muchas ocasiones partiremos de un presupuesto para publicidad fijo y nuestro
objetivo será distribuirlo entre las distintas opciones que se nos ofrecen (televisión,
radio, periódicos, revistas, etc.) de forma que nuestros productos tengan la mayor
difusión posible. En otros casos, las restricciones no serán presupuestarias, sino que
vendrán dadas por la disponibilidad de cada medio y por las políticas publicitarias de
nuestra propia empresa.
Aplicaciones de la programación lineal en producción

Combinación óptima de bienes: A menudo las técnicas de PL permiten decidir sobre
la cantidad más adecuada que una empresa debe producir de cada uno de sus
productos a fin maximizar los beneficios sin dejar de cumplir con unos determinados
requisitos (financieros, de demanda, contractuales, de disponibilidad de materias
primas, etc.).
Planificación de la producción: El establecer un plan de producción para un período

de semanas o meses resulta ser una tarea difícil e importante en la mayoría de las
plantas de producción. El director de operaciones debe considerar muchos factores:
mano de obra, costes de inventario y almacenamiento, limitaciones de espacio,
demanda, etc. Por lo general la mayoría de las plantas producen más de un bien, con
lo que la tarea anterior se complica aún más. Como veremos en el siguiente ejemplo,
el problema de la planificación se asemeja bastante al de la combinación óptima de
bienes, pudiendo ser el objetivo maximizar beneficios o bien minimizar los costes de
producción más almacenamiento.
35
Aplicaciones de la programación lineal a la distribución de áreas

Asignación de trabajos: El objetivo aquí será asignar de la forma más eficiente
posible un trabajo a cada empleado o máquina. Ejemplos de este tipo de asignación
serían la distribución de coches patrulla por las calles de una ciudad o la destino de
cada jefe de ventas a una determinada zona geográfica. El objetivo puede ser bien
minimizar los tiempos o costes de desplazamiento, o bien maximizar la efectividad de
las asignaciones.
Aparte de poder utilizar los algoritmos tradicionales (Simplex y Karmarkar), este tipo
de problemas también puede resolverse usando técnicas especialmente diseñadas
para sus características como el método húngaro, el cual necesita de menos
iteraciones para dar con la solución.
Una propiedad particular de los problemas de asignación es que tanto los coeficientes
tecnológicos cómo los términos independientes (right-hand-side) siempre toman el
valor 1. Además, todas las variables serán binarias, tomando el valor 1 si la asignación
propuesta se lleva a cabo y 0 en caso contrario.
Planificación de horarios: La planificación de horarios intenta dar una respuesta

efectiva a las necesidades de personal durante un período concreto de tiempo. La
aplicación de la PL a este tipo de problemas resulta especialmente útil cuando los
directivos disponen de cierta flexibilidad a la hora de asignar tareas a empleados poli
funcionales. Un sector típico donde se hace uso de la PL para tomar decisiones sobre
planificación de horarios son las entidades bancarias.
Aplicaciones de la programación lineal a las finanzas

Selección de una cartera de valores: Un problema al que se tienen que enfrentar
de forma habitual los directivos de bancos, fondos de inversión, y compañías de
seguros es la selección de una serie de inversiones concretas de entre la gran
variedad de alternativas existentes en el mercado. Por norma general, el objetivo de
estos directivos es maximizar los beneficios esperados de estas inversiones, las
cuales se ven sometidas a un conjunto de restricciones, algunas legales y otras
provenientes de la propia empresa (como puede ser el nivel de riesgo que se desea
asumir o la cantidad máxima que se permite invertir).
Aplicaciones de la programación lineal a la logística

El problema del transporte: El llamado problema del transporte se refiere al proceso
de determinar el número de bienes o mercancías que se han de transportar desde
cada uno de los orígenes a cada uno de los destinos posibles. El objetivo suele ser
minimizar costes de transporte, y las restricciones vienen dadas por las capacidades
productivas de cada origen y las necesidades de cada destino. Este tipo de problema
es un caso específico de PL, por lo que existen métodos y algoritmos especiales que
facilitan su resolución (Regla de la Esquina NorOeste, Método de Vogel, Método de
Paso Secuencial, y Método de distribución modificada o MODI).
36
Aplicaciones de la programación lineal a mezclas

El problema de la dieta: Este problema representa una de las primeras aplicaciones
de la PL, y comenzó a utilizarse en los hospitales para determinar la dieta más
económica con la que alimentar a los pacientes a partir de unas especificaciones
nutritivas mínimas. En la actualidad también se aplica con éxito en el ámbito agrícola
con la misma idea de encontrar la combinación óptima de alimentos que, logrando un
aporte nutritivo mínimo, suponga el menor coste posible.

Aplicaciones de la Programación Lineal, el cual reforzará los
contenidos vistos hasta el momento.
Tema 3:
Método Analítico de la programación lineal
Se trata del resultado que se le llama teorema fundamental de la programación, este
permite tener conocimiento de otro método que solucione un programa por medio de
dos variables.
Dentro de un programa que contenga dos variables, si tiene una única solución que
perfeccione la función objetivo, se puede encontrar en un punto extremo de la región
factible demarcada y no dentro de la región.
En caso de que la función objetivo tenga el mismo valor en dos vértices, toma el mismo
valor en los puntos del segmento determinado.
Si la región factible no es demarcada, la función objetivo no podrá alcanzar el valor

concreto, pero si lo llega a hacer, se podrá encontrar en uno de los vértices d la región.
Al aplicar este método pueden darse las siguientes posibilidades según la "forma" que
tenga la región factible:
 Si la región factible es acotada: Solución única o infinitas soluciones.

 Si la región factible no es acotada: Existe la posibilidad de que no haya
soluciones óptimas.
Ejemplo
PASO I. Determinación de la función objetivo
En el caso que se desarrolla como ejemplo ya se ha determinado que la función
objetivo es:
37
Z = (u/m1) (x1) + (u/m2) (x2)

Z = 200x1 + 120x2
Donde:
PASO II. Determinación de las restricciones

En el caso que se desarrolla como ejemplo, las restricciones son la capacidad en
horas máquina en los procesos I y II.
Mientras que el tiempo requerido por cada uno de los productos es:
PROCESO I PROCESO II
Juegos de comedor (horas) 8 4

Juegos de living (horas) 2 6
Por lo cual las funciones de restricción son:

PROCESO I
PROCESO II
PASO III. Formulación de la restricción de no negatividad

La cantidad a producir de juegos de comedor o de juegos de living no pueden ser
negativos, es decir la cantidad a producir debe ser igual o mayor a cero ya que no
sería factible producir menos un juego de comedor; por lo cual:
x1 >= 0
x2 >= 0
38
PASO IV. Determinación del punto donde la función objetivo hace tangente con
el vértice de un ángulo del área factible.
Considerando que en programación lineal se tiene un teorema que dice que la solución
óptima se encuentra en el vértice de un ángulo del área factible, entonces la solución
óptima se encuentra en uno de los vértices donde la función de beneficio hace
tangente.
Con el método algebraico se pueden encontrar uno o más puntos donde la función de
beneficio haga tangente con el vértice de un ángulo del área factible, sin embargo, se
logra el Máximo beneficio cuando la función de beneficio toma su mayor valor.
En el ejemplo en cuestión, si se observa el gráfico 11-13 los vértices de los ángulos
del área factible se encuentran en los puntos:
Punto Juego de Juego de

comedor x1 living x2
B 1.125 0
C 0 2.500
D 600 2.100
En esos puntos la función beneficio adquieren un valor de:

Z = 200x1 + 120x2
En el punto “B” donde:
La utilidad es:
En el punto “C” donde:
La utilidad es:
39
En el punto “D” donde:
La utilidad es:
El máximo beneficio se logra cuando Z adquiere el valor de $ 372.000 y se da cuando

en el punto "D".
Por tanto, la empresa debe producir 600 juegos de comedor y 2.100 juegos de
living. Como se recordará, el cálculo se hizo con ayuda del gráfico 11-13, mientras
que solo mediante método algebraico y sin ayuda del gráfico, el análisis es el
siguiente:
La función de máximo beneficio está dada por:
Las restricciones que limitan el área factible están dadas por las funciones:
Los vértices de los ángulos del área factible se encuentran:
a) En la intersección de las ecuaciones 2 y 3:

Si se despeja x2 en la ecuación 2:
Reemplazando 4 en la ecuación 3:
40
Reemplazando x1 = 600 en la ecuación 2:
b) Otra situación se da cuando la función restricción hace intersección con el eje de

las ordenadas, es decir que cuando:
x1= 0
En tal caso reemplazando en la ecuación 3:
c) Otra situación se da cuando la función restricción hace intersección en el eje de las

abscisas, es decir que cuando:
x2 = 0
En tal caso reemplazando en la ecuación 2:
Por tanto, en los vértices de los ángulos del área factible x1 y x2 toman los siguientes
valores:
Vértice X1 Unidades X2 Unidades

B 1.125 0
C 0 2.500
D 600 2.100
41
En esos puntos la función beneficio Z = 200x1 + 120x2 toma los siguientes valores:
Vértice X1 Unidades X2 Unidades Beneficios

B 1.125 0 225.000
C 0 2.500 300.000
D 600 2.100 372.000
Z = 200x1 + 120x2
Cuando:
El beneficio es:
Cuando:
El beneficio es:
Cuando:
El beneficio es:
Por tanto, la solución se da cuando la intersección de las funciones de restricción que

limitan el área factible:
Hacen tangente con la función objetivo:

Z = 200x1 + 120x2
42
Por lo cual como las funciones de restricción que limitan el área factible son:
La intersección se da cuando:
El máximo beneficio se determina reemplazando los anteriores valores en:
En conclusión, se deben elaborar:
Para lograr el máximo beneficio que asciende a $ 372.000.
MAXIMIZACIÓN
Una fábrica de fertilizantes produce dos tipos de abono, A y B, a partir de dos materias
primas M1 y M2. Para fabricar una tonelada de A hacen falta 500Kg de M1 y 750kg de
M2, mientas que las cantidades de M1 y M2 utilizadas para fabricar una tonelada de B
son 800kg y 400kg, respectivamente. La empresa tiene contratado un suministro
máximo de 10 toneladas de cada materia prima y vende 1000 dólares y 1500 dólares
cada tonelada de abono A y B, respectivamente.
Sabiendo que la demanda de B nunca llega a triplicar la de A ¿Cuántas toneladas de

cada abono debe fabricar para maximizar sus ingresos y cuáles son estos?
1. Planteamiento del Problema.

 Tabla con los datos del enunciado: Expresamos las cantidades en toneladas
(t). Recuerda 1t = 1000 kg
A(t) B(t) Disponible (t)
M1 0,50 0,80 10
M2 0,75 0,40 10
Precio $ 1.000 1.500
 Función objetivo y restricciones: Nombramos las variables, planteamos la

función objeto a maximizar y las restricciones.
x = número de toneladas de abono tipo A

y = número de toneladas de abono tipo B
43
Función objetivo a maximizar
I (x,y) = 1000x + 1500y
Restricciones
0,50x + 0,80y <= 10
0,75x + 0,40y <= 10
X<=3y
x >= 0
y >= 0
Las variables x e y no pueden ser negativas. Estas dos restricciones hay que añadirlas
Ejercicio 1
Una tienda de lencería encarga a un fabricante pijamas y camisones. El fabricante
dispone de 750m de tejido de algodón y 1000m de nylon. Para cada pijama necesita
1m de algodón y 2m de nylon y para cada camisón 1,5m de algodón y 1m de nylon.
El precio de venta del pijama es de 5 dólares y el del camisón de 2 dólares. ¿Qué
número de pijamas y camisones debe suministrar el fabricante para que la tienda de
lencería consiga los máximos beneficios con la venta?
Solución
Ordenamos los datos de una tabla, denominando x al número de pijamas e y al de
camisones.
Pijamas (x) Camisones (y) Tela

Disponible
Tejido de algodón 1 1,5 750
Tejido de nylon 2 1 1000
La función objetivo que hay que optimizar, en este caso maximizar; es: f (x,y) = 5x +
2y; con las inecuaciones (restricciones) que vienen dadas por la cantidad de tejidos y
por el número de pijamas y camisones que son números naturales
Para el de algodón 1x + 1,5y <= 750

Para el de nylon 2x + 1y <= 1000
x >= 0; y >= 0
Dibujamos la región factible, delimitada por las inecuaciones y representamos la recta

5x + 2y = 0 que se desplazará paralelamente hacia la derecha para encontrar el punto
máximo.
44
Sus coordenadas se calcularán resolviendo el sistema: 2x + 3y = 1500; 2x + y = 1000.

Resuelto esto se obtiene x = 375 pijamas e y = 250 camisones. Con su venta se
obtendrían 2375000 dólares.
Resolver los siguientes ejercicios.

1. Un herrero con 80 Kg. de acero y 120 Kg. de aluminio quiere hacer
bicicletas de paseo y de montaña que quiere vender, respectivamente a
20.000 y 15.000 pesos cada una para sacar el máximo beneficio. Para la de
paseo empleará 1 Kg. De acero y 3 Kg. de aluminio, y para la de montaña 2
Kg. de ambos metales. ¿Cuántas bicicletas de paseo y de montaña deberá
fabricar para maximizar las utilidades?
2. Un fabricante de muebles tiene 6 unidades de madera y 28 horas

disponibles, durante las cuales fabricará biombos decorativos. CCon
anterioridad, se han vendido bien 2 modelos, de manera que se limitará a
producir estos 2 tipos. Estima que el modelo uno requiera 2 unidades de
madera y 7 horas de tiempo disponible, mientras que el modelo dos requiere
1 unidad de madera y 8 horas. Los precios de los modelos son $ 120 y $80,
respectivamente. ¿Cuántos biombos de cada modelo debe fabricar si desea
maximizar su ingreso en la veta?

Maximización, el cual reforzará los contenidos vistos hasta el
momento.
MINIMIZACIÓN
Ozark Farms consume diariamente un mínimo de 800 lbs de un alimento
especial, el cual es una mezcla de maíz soya con las siguientes
composiciones:
Lb por libras de forraje Costo (lb)
Proteína Fibra
Maíz 0.09 2 0.3
Soya 0.60 6 0.9
a. Verificación de las variables

x1 = libras de maíz en la mezcla diaria
x2 = libras de soya en la mezcla diaria
b. Función objetivo
Minimizar z = 0.3x1 + 0.9x2
c. Restricciones
 1x1 + 1x2 >= 800 Cantidad diaria de mezcla
45
 0.90x1 + 0.6x2 >= 0.3 (x1 + x2) Libras de maíz y soya al 30% total de
la mezcla
 0.02x1 + 0.06x2 >= 0.05 (x1 + x2) Libras de maíz y soya al 30% total de
la mezcla
 X1, x2 >= 0
Restricciones Calculadas
1x1 + 1x2 >= 800 Cantidad diaria de mezcla
0.21x1 + 0.30x2 >= 0 Libras de maíz y soya al 30% total de
la mezcla
0.03x1 + 0.01x2 >= 0 Libras de maíz y soya al 30% total de
la mezcla
X1, x2 >= 0
Ejercicio 2
Un estudiante de administración de empresas del Nowledge Collage necesita
completar un total de 65 cursos para graduarse. El número de cursos de
administración tendrá que ser mayor que o igual a 23. El número de cursos ajenos al
área de administración deberá ser mayor que o igual a 20. El curso de administración
promedio requiere un libro de texto que cuesta $60 e implica 120 horas de estudio.
Los cursos ajenos al área de administración requieren un libro de texto que cuesta
$24 e implican 200 horas de estudio. El estudiante dispone de un presupuesto de
$3.000 para libros.
a) Formule un conjunto de ecuaciones lineales para describir la función objetivo y
las restricciones.
b) Utilice el análisis gráfico para encontrar la solución visual.
c) ¿Con que combinación de cursos de Administración y otros ajenos a esta área
se minimizará el número total de horas de estudio?
d) Identifique las variables de holgura o superávit.
Solución
Parte a
X = Cursos de administración que cursará el estudiante
Y = Cursos ajenos al área de administración que cursará el estudiante
Función Objetivo:
Min (120x + 200y)
Restricciones:
Cursos Necesarios para graduarse x + y = 65

Cantidad de Cursos de Administración x >= 23
Cantidad de Cursos ajenos a Administración y >= 20
Presupuesto del Estudiante 60x + 24y <= 3000
46
Con los valores obtenidos de x = 40, y = 25, se minimizará las horas de estudio,
teniendo como resultado 9800 horas.

1. En una granja de pollos se da una dieta, para engordar, con una
composición mínima de 15 unidades de una sustancia A y otras 15 de una
sustancia B. En el mercado sólo se encuentra dos clases de compuestos:
el tipo X con una composición de una unidad de A y 5 de B, y el otro tipo,
Y, con una composición de cinco unidades de A y una de B. El precio del
tipo X es de 10 euros y del tipo Y es de 30 €.
¿Qué cantidades se han de comprar de cada tipo para cubrir las

necesidades
con un coste mínimo?
2. Pinturas Pintulac produce pinturas para interiores y exteriores con dos

materias primas M1 y M2. La tabla siguiente proporciona los datos básicos
el problema.
Toneladas de materia
prima por tonelada de Disponibilidad
Pintura Pintura diaria máxima ( t
para para )
exteriores interiores
Materia prima M1 6 4 24
Materia prima M2 1 2 6
Utilidad x tonelada ($1000) 5 4

Minimización, el cual reforzará los contenidos vistos hasta el
momento.
Actividades de Auto-evaluación de la Unidad Didáctica II:
1. Un orfebre fabrica dos tipos de joyas: La unidad de tipo A se hace con 1 g de oro
y 1,5 g de plata y se vende a 25€. La de tipo B se vende a 30 € y lleva 1,5 g de oro
y 1 g de plata. Si solo se dispone de 750 g de cada metal, ¿cuántas joyas ha de
fabricar de cada tipo para obtener el máximo beneficio?
47
2. En Granjas Modelo se usa diariamente un mínimo de 800 kg de un alimento

especial, que es una mezcla de maíz y soya, con las composiciones siguientes:
kg por kg de alimento
Alimento Proteínas Fibras Costo/kg
Maíz 0.09 0.02 0.30
Soya 0.60 0.06 0.90
Las necesidades dietéticas del alimento especial son un mínimo de 30% de proteínas
y un máximo de 5% de fibras. Granjas Modelo desea determinar las cantidades de
alimento que produzcan un costo diario mínimo.
3. Con el comienzo del curso se va a lanzar unas ofertas de material escolar.

Unos almacenes quieren ofrecer 600 cuadernos, 500 carpetas y 400 bolígrafos para
la oferta, empaquetándolo de dos formas distintas; en el primer bloque pondrá 2
cuadernos, 1 carpeta y 2 bolígrafos; en el segundo, pondrán 3 cuadernos, 1 carpeta y
1 bolígrafo. Los precios de cada paquete serán 6.5 y 7 €, respectivamente.
¿Cuántos paquetes le conviene poner de cada tipo para obtener el máximo beneficio?
Actividad de Evaluación de la Unidad Didáctica II:
48
Unidad Didáctica III

Programación lineal: método grafico
Introducción:
En esta unidad, se desarrollan contenidos de graficación de la programación lineal
utilizando los diferentes tipos de optimización a través de la resolución de problemas,
permitiendo complementar de manera óptima los conocimientos de la carrera.
Objetivo de la Unidad Didáctica III:

Resolver problemas de programación lineal aplicando el método simplex para
expresarlos gráficamente con su respectivo análisis y toma de decisión con
honestidad profesional.
Organizador Gráfico de la Unidad didáctica III:
Maximización
Programación
Análisis de Lineal
Minimización
Sensibilidad MÉTODO
GRÁFICO
Combinado
ACTIVIDADES DE APRENDIZAJE DE LA UNIDAD DIDÁCTICA III:
Actividad de Aprendizaje 1 de la Unidad Didáctica III:
Tema 1:
MAXIMIZACIÓN
49
50
51

1. Un herrero con 80 Kg. de acero y 120 Kg. de aluminio quiere hacer
bicicletas de paseo y de montaña que quiere vender, respectivamente a
20.000 y 15.000 pesos cada una para sacar el máximo beneficio. Para la de
paseo empleará 1 Kg. De acero y 3 Kg. de aluminio, y para la de montaña 2
Kg. de ambos metales. ¿Cuántas bicicletas de paseo y de montaña deberá
fabricar para maximizar las utilidades?

Graficación de Maximización, el cual reforzará los contenidos vistos
hasta el momento.
52
MINIMIZACIÓN
Un ganadero debe suministrar un mínimo diario de 4mg de vitamina A y 6mg de
vitamina B en el pienso que da a sus reses. Dispone para ello de dos tipos de pienso
P1 y P2, cuyos contenidos vitamínicos por kg son los que aparecen en la tabla:
A B
P1 2 6
P2 4 3
Si el kilogramo de pienso P1 vale 0.40 ctvs y el del P2 vale 0.60 ctvs ¿Cómo deben
mezclarse los piensos para suministrar las vitaminas requeridas con un coste mínimo?
Solución
a) Sean x = “kg de pienso P1” e y = “kg de pienso P2”
2
En consecuencia, para que el coste sea mínimo se deben mezclar kg de pienso P1
3
2
y kg de pienso P2
3
53

1. En una granja de pollos se da una dieta, para engordar, con una
composición mínima de 15 unidades de una sustancia A y otras 15 de una
sustancia B. En el mercado sólo se encuentra dos clases de compuestos: el
tipo X con una composición de una unidad de A y 5 de B, y el otro tipo, Y,
con una composición de cinco unidades de A y una de B. El precio del tipo
X es de 10 euros y del tipo Y es de 30 €.
¿Qué cantidades se han de comprar de cada tipo para cubrir las

necesidades
con un coste mínimo?

Graficación de Minimización, el cual reforzará los contenidos vistos
hasta el momento.
COMBINADOS
Una fabrica produce dos tipos de productos A y B; el primero requiere la utilización de
7kg de materia prima, 2 horas/hombre de mano de obra, 4,5 horas/maquina de
utilización de maquinaria. El segundo requiere 3kg de materia prima, 3 horas/hombres
de mano de obra y 4 horas maquina de utilización de maquinaria. La empresa cuenta
para la fabricacion de productos con los siguientes recursos: 21kg de materia prima,
12 horas/hombre de mano de obra y 18 horas/maquinas. ¿Cuál es la combinación
óptima de producción que maximice el beneficio, suponiendo que la fabrica estima
ganar $15 por cada unidad de producto A y $11 por cada unidad del producto B?
1. Definición de variables:
X1 = Producto A
X2 = Producto B
2. Función Objetiva: Z(max) = 15x1 + 11x2
3. Restricciones:
VARIABLES
RECURSOS DISPONIBILIDAD
X1 X2
Materia prima 7 kg 3 kg 21 kg
Mano de obra 2h/H 3h/H 12h/H
Utilización maquinaria 4,5 h/m 4 h/m 18 h/m
Beneficio $ 15 $ 11
54
7x1 + 3x2 <= 21 (1)

2x1 + 3x2 <= 12 (2)
4,5x1 + 4x2 <= 18 (3)
4. No negación: x1, x2 >= 0
55

1.

Graficación Combinada, el cual reforzará los contenidos vistos hasta
el momento.
56
Actividad de Aprendizaje 2 de la Unidad Didáctica III:
Tema 2:
ANÁLISIS DE SENSIBILIZACIÓN.
El Análisis de Sensibilidad se relaciona con la cuantificación de los efectos en la
solución óptima de cambios en los parámetros del modelo matemático. Cuando
escribimos un modelo, damos por aceptado que los valores de los parámetros se
conocen con certidumbre; pero en la realidad no siempre se cumple que los valores
sean verídicos, ya que por ejemplo las variaciones en los costos delos materiales, en
la mano de obra o en el precio de un producto, ocasionan cambios en los coeficientes
de la función objetivo. Así mismo las demoras en los envíos de los proveedores, las
huelgas, los deterioros no previstos y otros factores imponderables generarán
cambios en la disponibilidad de los recursos.
Los cambios en el modelo matemático, que pueden cuantificarse a veces sin

necesidad de volver a resolver el modelo, se relacionan con:
 Cambios en los coeficientes de las variables de decisión en la función objetivo
(Ganancias por unidad de variable de decisión) o
 Cambios en los lados derechos de las restricciones que definen el modelo.
(Cantidad de recursos disponibles)
Los efectos de cambios en los coeficientes dentro de la matriz A son muy difíciles de
cuantificar, y por tanto en estos casos se aconseja correr de nuevo el modelo con los
cambios. En primera instancia veremos cuando sólo un coeficiente cambia; después
veremos cuando varios coeficientes cambian simultáneamente.
Objetivo del Análisis de sensibilidad.

Es identificar los parámetros sensibles, (por ejemplo, los parámetros cuyos valores no
pueden cambiar sin que cambie la solución óptima). Para ciertos datos que no están
clasificados como sensibles, también puede resultar de gran utilidad determinar el
intervalo de valores del parámetro para el que la solución óptima no cambie.
57
El Análisis de Sensibilidad se utiliza para examinar los efectos de cambios en tres

áreas diferenciadas del problema:
1. Los coeficientes de la función objetivo (coeficientes objetivo). Los cambios en

los coeficientes objetivos NO afectan la forma de la región factible, por lo que
no afectarán a la solución óptima (aunque sí al valor de la función objetivo).
2. Los coeficientes tecnológicos (aquellos coeficientes que afectan a las variables
de las restricciones, situados a la izquierda de la desigualdad). Los cambios en
estos coeficientes provocarán cambios sustanciales en la forma de la región
factible. Gráficamente (en el caso de 2 variables) lo que varía es la pendiente
de las rectas que representan las restricciones.
3. Los recursos disponibles (los términos independientes de cada restricción,
situados a la derecha de la desigualdad). Intuitivamente (para 2 variables), los
cambios en el RHS suponen desplazamientos paralelos de las rectas
asociadas a las restricciones, lo cual hará variar la forma de la región factible
y, con ello, a la solución óptima.
Ejemplo
Un productor tabaquero posee 85 hectáreas (ha) de terreno para plantar dos
variedades de tabacos Virginia y Procesado. La variedad Virginia tiene un ingreso de
9.600 USD/ha y necesita 3 horas/ha de uso de maquinaria y 80 horas/ha de mano de
obra. Además, el Estado limita su explotación a 30 ha como máximo. La variedad
Procesado tiene un ingreso de 7.500 USD/ha y utiliza 2 horas/ha de uso de maquinaria
y 60 horas/ha de mano de obra. La cooperativa local le ha asignado un máximo de
190 horas de uso de maquinaria y solo se dispone de 5.420 horas de mano de obra a
12 USD/hora.
Formule y resuelva gráficamente un modelo de Programación Lineal que permita

determinar cuánto se debe plantar de cada variedad de tabaco de manera de
maximizar la utilidad total.
En primer lugar, definimos el modelo de optimización para este problema. Esto
consiste en identificar las variables de decisión, función objetivo y restricciones.
Variables de Decisión:
 X1 = Número de Ha a plantar de la variedad Virginia
 X2 = Número de Ha a plantar de la variedad Procesado
58
Función Objetivo:
Maximizar (9.600 – 960)X1 + (7.500 – 720)X2 = 8.640X1 + 6.780X2
Restricciones:
1. X1 ≤ 30
2. X1 + X2 ≤ 85
3. 3X1 + 2X2 ≤ 190
4. 80X1 + 60X2 ≤ 5.420
5. X1, X2 ≥ 0
Una representación gráfica del problema:
Sabemos según el Teorema Fundamental de la Programación Lineal que en caso de

existir solución óptima ésta se encontrará en un vértice o en un tramo en la frontera
del dominio de soluciones factibles (en el ejemplo área achurada en color verde).
Adicionalmente podemos apreciar que no es tan evidente que el vértice C reporte una
mayor utilidad en la función objetivo que el vértice D, por lo cual, inspeccionaremos
ambos puntos.
En el caso del vértice C éste se encuentra en la intersección de las restricciones 2 y

4. La coordenada respectiva se obtiene al resolver el siguiente sistema de ecuaciones:
X1 + X2 = 85
80X1 + 60X2 = 5.420
De donde X1=16 y X2=69, lo cual reporta un valor en la función objetivo de

V(P)=8.640*(16)+6.780(69)=606.060.
Análogamente en el caso del vértice D las restricciones activas son 3 y 4:
59
3X1 + 2X2 = 190

80X1 + 60X2 = 5.420
Luego de resolver el sistema lineal anterior se obtiene X1=28 y X2=53, lo cual reporta
un valor en la función objetivo de V(P)=8.640*(28)+6.780(53)=601.260.
En consecuencia la solución óptima del problema es X1=16 y X2=69, con valor

óptimo V(P)=8.640*(16)+6.780(69)=606.060.
Una vez resuelto el escenario original a continuación se presentan algunos análisis

adicionales que representan por separado modificaciones en los coeficientes de la
función objetivo y restricciones del problema.
La Ohio Steel produce dos tipos de vigas de acero en su planta de Warren, Ohio. Cada
uno de estos tipos de viga requiere de trabajo de máquina y finalización antes de ser
vendidos. Los requerimientos de producción y finalización son dados en la siguiente
tabla:
Tipo de viga Trabajo de maquina Finalización

(horas requeridas)
1 1 2
2 2 3
La planta de Warren, Ohio tiene una capacidad semanal de 300 horas de máquina y
200 horas de finalización. La contribución del tipo 1 a las utilidades es de $ 12 por unidad
y la del tipo 2 es de $ 8
Tipo de Viga
1 2
Trabajo de maquina 1 2 300
Finalización 2 3 200
12 8

Análisis de Sensibilidad, el cual reforzará los contenidos vistos hasta
el momento.
60
Actividades de Auto-evaluación de la Unidad Didáctica III:
Encuentre el análisis de sensibilidad de los siguientes ejercicios.
Una fábrica elabora 2 productos y utiliza en sus procesos 2 maquinarias (M1 y M2).
El primer producto requiere 2 horas en M1 y 1 hora en M2. El segundo producto
requiere 1 hora en m1 y 3 horas en M2. Los ingresos por cada unidad son de $30 y
$20, respectivamente. M1 y M2 presentan una disponibilidad diaria de 8 horas.
Cambiamos la disponibilidad de 8horas a 9 horas en M1 y M2
Actividades Actividad de Evaluación de la Unidad Didáctica III
61
Unidad Didáctica IV
Programación Entera
Introducción:
En esta unidad, se desarrollan contenidos de Programación lineal aplicando variables
binarias, permitiendo complementar de manera óptima los conocimientos específicos
de la carrera.
Objetivo de la Unidad Didáctica IV:

Formular problemas de programación entera, con la ayuda de los constructos teóricos
y su respectiva formulación, para la optimización de los recursos con ética profesional,
que ayuden a la mejora de las condiciones de la empresa.
Organizador Gráfico de la Unidad didáctica IV:
Formulación
Programación
Entera
Métodos de Variables
Solución Binarias
ACTIVIDADES DE APRENDIZAJE DE LA UNIDAD DIDÁCTICA IV:
Actividad de Aprendizaje 1 de la Unidad Didáctica IV:
Tema 1:
PROGRAMACIÓN ENTERA
¿Qué es la Programación Entera?: Un modelo de Programación Entera es aquel cuya
solución óptima tiene sentido solamente si una parte o todas las variables de decisión
toman valores restringidos a números enteros, permitiendo incorporar en el
modelamiento matemático algunos aspectos que quedan fuera del alcance de los
modelos de Programación Lineal.
62
En este sentido los algoritmos de resolución de los modelos de Programación Entera

difieren a los utilizados en los modelos de Programación Lineal, destacándose entre
ellos el Algoritmo de Ramificación y Acotamiento (o Branch & Bound), Branch & Cut,
Planos Cortantes, Relajación Lagrangeana, entre otros.
Los modelos de Programación Entera se pueden clasificar en 2 grandes
áreas: Programación Entera Mixta (PEM) y Programación Entera Pura (PEP).
Programación Entera Mixta (PEM)

A esta categoría pertenecen aquellos problemas de optimización que consideran
variables de decisión enteras o binarias pero no de forma exclusiva. De esta forma un
problema de PEM puede considerarse como un híbrido entre distintas categorías de
modelamiento, siendo un caso típico aquel que considera la mezcla de variables
enteras y variables continuas (estas últimas características de los modelos de
Programación Lineal). A modo de ejemplo los siguientes artículos que hemos
abordado en el Blog dan cuenta de modelos de Programación Entera Mixta:
 Incorporación de Costos Fijos

 Problemas de Localización y Transporte
 Problema de Generación Eléctrica
Programación Entera Pura (PEP)

En esta categoría encontramos aquellos modelos de Programación Entera que
consideran exclusivamente variables de decisión que adoptan valores enteros o
binarios. Un ejemplo de ello son las siguientes aplicaciones:
 Problema de Asignación
 Problema de Corte de Rollos
 Selección de Invitados a una Boda
 Programación de la Explotación Forestal
 Problema de la Mochila
63
Notar que en los problemas anteriores (PEP) el conjunto de las soluciones factibles (o
dominio de soluciones factibles) es finito. Esto ocurrirá generalmente con los
problemas de Programación Entera (puros).
Adicionalmente resulta interesante hacer un contraste entre las propiedades de un

modelo de Programación Lineal (PL) y uno de Programación Entera (PE). A
continuación, se presentan 2 modelos de optimización que se diferencian únicamente
en que al segundo de ellos (PE) se le exige que las variables de decisión adopten
valores enteros.
Para los problemas propuestos realizamos una representación gráfica haciendo uso
del software Geogebra. El dominio de soluciones factibles del Problema Lineal
(PL) corresponde al área achurada de color verde. Por otro lado el dominio de
soluciones factibles del Problema Entero (PE) es enumerable y corresponde a las
coordenadas denotadas por A, E, F, B, G, H, I, J, K, C, L, M, D (que es
un subconjunto del dominio de factibilidad del PL). En este caso en particular la
solución óptima de ambos problemas coincide (en el vértice C), no obstante,
perfectamente podrían ser distintas (bastaría con modificar los parámetros del
problema).
64
En este contexto y dada la naturaleza de los problemas propuestos, el valor óptimo

del Problema Lineal (PL) será una cota superior del valor óptimo del Problema Entero
(PE). También se concluye que el dominio de soluciones factibles de un modelo de
Programación Lineal (cuando existe) representa un conjunto convexo (los problemas
de Programación Lineal son convexos) y en el caso del problema de Programación
Entera Pura su conjunto de soluciones factibles es discreto.
FORMULACIÓN
En general, un modelo discreto se usa por distintas razones:
• Directas: las variables de interés deben tomar valores enteros

• Codificación: las variables enteras (usualmente 0-1) se usan para representar el
cumplimiento (o no) de algunas condiciones
• Transformación: las variables enteras son útiles para representar ciertas condiciones
(implicaciones, condiciones lógicas, etc.)
Primer caso: selección entre alternativas

• Usaremos variables binarias yi para escoger subconjuntos entre una serie de
alternativas
 Si las variables yi toman el valor1, la alternativa se escoge, en caso contrario
no se escoge (o no se realiza)
• Estas variables se multiplican por sus correspondientes costes, uso de recursos, etc.
 Si la variable toma el valor 1, asumimos el correspondiente coste
 Si toma el valor 0, no incurrimos en el coste
• Las variables se pueden usar para contar el número de proyectos seleccionados,
etc.
 Sumando los valores de yi
Ejemplo
65
66
Segundo caso: problemas de asignación

 Se trata de encontrar asignaciones eficientes de algunos recursos a un
conjunto de tareas
 Ejemplos: • Planificación de horarios, de tareas a máquinas, rotas de trenes
o aviones, asignación de comerciales a regiones, etc.
 Problema binario 0-1
 El objetivo es generalmente minimizar costes, tiempo de viaje, o maximizar
eficiencia
 Aparece como submodelo de modelos más complejos
 Las variables binarias yij toman valor 1 si recurso i se asigna a tarea j
 El número de tareas o recursos a asignar se controla sumando yij
VARIABLES BINARIAS
Supongamos ahora que las variables pueden tomar sólo valores 0 ó 1. Ahora no se
tienen que agregar restricciones adicionales a los subproblemas sino determinar que
una variable toma valor 0 o toma valor 1. El número máximo de problemas a
examinar es O(2n), para un problema con n variables binarias (profundidad n). La
relajación lineal se obtiene reemplazando cada restricción de binariedad por 0 ≤ xj ≤ 1
para cada variable. Veamos un ejemplo:
(PE) máx z = 2x1 + x2 + 2x3

s.a. x1 + 2x2 + x3 ≤ 3
2x1 + 2x2 + 2x3 ≤ 3
x1 + 2x2 + 2x3 ≤ 4
x1, x2, x3 ∈ {0, 1}
Sea (P0) la relajación lineal.

La solución óptima viene dada por:
67
x ∗ 1 = 1 x ∗ 2 = 0 x ∗ 3 = 1 2 z0 = 3 Ramificamos en x3 (única posibilidad):

En (P1), agregamos x3 = 0.
En (P2), agregamos x3 = 1.
Luego de resolver el problema por B&B el árbol queda:

Programación entera, el cual reforzará los contenidos vistos hasta el
momento.
Actividad de Aprendizaje 2 de la Unidad Didáctica IV:
Tema 2:
METODOS DE SOLUCIÓN
Método de ramificación y acotación (branch and bound).

El método de ramificación y acotación, más conocido por su nombre en inglés Branch
and Bound, recibe su nombre precisamente por las dos técnicas en las que basa su
desarrollo, que son la ramificación y la acotación.
El método de ramificación y acotación comienza por resolver el PLA, de modo que, si

la solución al PLA verifica las condiciones de integridad, entonces también es la
solución al problema entero, en caso contrario se comienza con la ramificación del
problema.
68
La ramificación consiste en dividir cada problema en dos nuevos subproblemas,

obtenidos mediante la imposición de restricciones excluyentes que dividen el conjunto
de oportunidades del problema original en dos partes, pero eliminando en ambas
partes la solución no entera del problema original.
Cuando en la solución al PLA una variable que ha de ser entera xi toma el valor xbi
no entero, entonces se generan a partir de dicho valor dos restricciones xi ≤ [xbi] y xi
≥ [xbi]+1 (siendo [xbi] la parte entera por defecto de xbi ), que añadidas cada uno por
separado al problema original, da lugar a dos nuevos subproblemas. Vamos a explicar
este proceso a través de un ejemplo particular:
la solución al PLA, prescindiendo de la condición de que las variables han de ser

enteras es
x1 = 1,5, x2 =5 y F(x) = 31
Como dicha solución no verifica las condiciones de integridad se elige la variable x1

que no es entera y a partir de ella se generan dos restricciones
x1 ≤ 1 y x1 ≥ 2
Que añadidas cada una de ellas al problema original dan lugar a dos nuevos
subproblemas que serían los siguientes:
De este modo se han eliminado todas las posibles soluciones no enteras del conjunto
de oportunidades tales que 1< x1 < 2. El proceso se repite con cada uno de los dos
subproblemas obtenidos, los cuales darán lugar a otros dos subproblemas cada uno
69
de ellos y así sucesivamente hasta que en todos los subproblemas tengan solución
entera o infactible.
Utilizando únicamente la ramificación, el número de subproblemas a resolver crece

exponencialmente, por este motivo para evitar el tener que resolver todos los
subproblemas, la ramificación se combina con la acotación.
La acotación se basa en el hecho de que dado que los conjuntos de oportunidades

del subproblema 1.1. (S11) y del subproblema 1.2 (S12) son a su vez subconjuntos
del conjunto de oportunidades del problema 1 (S1) la solución óptima de los dos
subproblemas siempre será inferior (problema de máximo o superior para problemas
de mínimo) que la solución óptima del problema 1 por ser los conjuntos de elección
menores.
Así pues, el proceso de acotación consiste, para problemas de máximo, en tomar

como cota inferior aquella solución entera con mayor valor de la función objetivo
obtenida y dado que cualquier otro subproblema con solución no entera sabemos que
al ramificarlo nos dará como resultado valores de la función objetivo menores o
iguales, nos permite descartar como subproblemas a ramificar todos aquellos que
tengan como solución óptima un valor de la función inferior a la cota establecida.
De este modo se
reduce el número
de subproblemas a
ramificar y por lo
tanto el tiempo
necesario para la
resolución de los
problemas enteros.
El proceso a seguir
en la resolución de
problemas enteros
mediante el método
de ramificación y
acotación se
resume en el
siguiente esquema
algorítmico:
70
71
Dado que ya conocemos una solución entera x1 = 0, x2 = 4, F(x) = 40, ésta solución
actuara como cota inferior y solamente deberán ser ramificados aquellos
subproblemas con soluciones factibles no enteras que tengan un valor para la función
objetivo que 40. Como el único subproblema por ramificar es el subproblema 2 y la
función objetivo vale 38, el proceso se dé por terminado, siendo por tanto la solución
óptima al problema entero.
X1 = 0, x2 = 4, F(x) = 40
Consideremos el siguiente modelo de Programación Entera el cual

resolveremos con el algoritmo de Branch and Bound:

Metodo Branch and Bound, el cual reforzará los contenidos vistos
hasta el momento.
72
Método de redondeo de la solución de programación lineal

No se asegura obtener la solución óptima, en algunos casos se obtiene una solución
muy lejos de la óptima.
Ejemplo
Máx Z = x1 + 5x2
Sujeto a: +x1 + 10x2 ≤ 20
x1 ≤ 2
Solución modelo relajado (PL): x1 = 2 x2 = 1.8 Z = 11
Solución con redondeo: x1 = 2 x2 = 1 Z = 7

Solución óptima de PE: x1 = 0 x2 = 2 Z = 10
Al redondear se debe tener en cuenta la magnitud de las variables
Siempre se debe verificar que la solución redondeada se mantenga factible.
Consideremos el siguiente problema de programación lineal en:

Z = min x1 – 11x2
- x1 + 10x2 <= 40
10x1 + 10x2 <= 205
X1, x2 >= 0 y enteras
Solución óptima sin considerar las condiciones de integralidad:

X1 = 15 y x2 = 5,5

Método de Redondeo, el cual reforzará los contenidos vistos hasta el
momento.
73
Método de enumeración completa
Si hay 2 variables binarias, 4 soluciones posibles. Si hay 50 variables binarias, 250

soluciones posibles.
Ejemplo.
Método plano cortantes o algoritmo fraccional de Gomory

Divide la región factible en 2 regiones que no contienen la solución del modelo de
programación lineal relajado y que sí contienen todas sus soluciones enteras factibles.
Agregar restricciones a un modelo no puede producir un modelo con mejor solución
Z.
Procedimiento para maximizar:
74
1. Resolver el modelo de programación entera relajado: si la solución es entera es la

óptima.
2. Definir cotas superior e inferior: Cota Superior (CS) = Modelo relajado Cota Inferior
(CI) = Redondeo factible
3. Ramificar.
4. Para cada nodo, resolver su modelo relajado y definir su cota superior y cota inferior.
5. Si ya no se puede ramificar la solución óptima es la del nodo con mejor solución

entera.
6. Si se puede ramificar, volver al paso 3
• La cota inferior es igual a la mejor solución entera hasta el momento.
• La cota superior en un nodo es igual a Z encontrado.
• A medida que se ramifica y se desciende del árbol la cota superior tiende a
disminuir
Procedimiento para minimizar:

1. Cambiar la cota superior por la cota inferior.
2. Definir cotas superior e inferior:
Cota Superior (CS) = Redondeo factible
Cota Inferior (CI) = Modelo relajado
3. Para cada nodo:
Resolver su modelo relajado y definir su CS y CI
Si solución es entera
Si solución es infactible Ya no ramificar más el nodo.
Si Z > CS
• CS es igual a la mejor solución entera hasta el momento.
• La CI en un nodo es igual a Z encontrado.
• A medida que se ramifica y se desciende del árbol la CI tiende a aumentar.
Ejemplo
Considerando:
Max Z = 7x1 + 9x2

Sujeto a: -x1 + 3x2 <= 6
7x1 + x2 <= 35
x1, x2 enteros no negativos
La solución óptima está dada por Z = 63, x1 = 9/2 y x2 = 7/2 , la cual no es entera. El
algoritmo de planos de corte cambia el conjunto del espacio de soluciones, de tal
forma que los puntos extremos apropiados llegan a ser factibles del programa original
75
Resolver el siguiente ejercicio.

Método planos cortantes, el cual reforzará los contenidos vistos hasta
el momento.
Actividades de Auto-evaluación de la Unidad Didáctica IV:
76
Actividad de Evaluación de la Unidad Didáctica IV :
77
Unidad Didáctica V
Redes de distribución
Introducción:
En esta unidad, se desarrollan contenidos de las redes de distribución, permitiendo la
resolución por medio de algoritmos de manera óptima, cuyos conocimientos le
servirán en la carrera.
Objetivo de la Unidad Didáctica V:

Evaluar la resolución de problemas de redes de distribución, aplicando algoritmos de
solución para su análisis cuantitativo y planteamiento de la opción óptima, para la toma
de decisiones con ética profesional.
Organizador Gráfico de la Unidad didáctica V:
Red de
Distribución
Definición
Algoritmo de
solución
ACTIVIDADES DE APRENDIZAJE DE LA UNIDAD DIDÁCTICA V:
Actividad de Aprendizaje 1 de la Unidad Didáctica V:
Tema 1:
DEFINICIÓN
El problema del transporte o distribución, es un problema de redes especial en
programación lineal que se funda en la necesidad de llevar unidades de un punto
específico llamado fuente u origen hacia otro punto específico llamado destino. Los
principales objetivos de un modelo de transporte son la satisfacción de todos los
requerimientos establecidos por los destinos, y claro está, la minimización de los
costos relacionados con el plan determinado por las rutas escogidas.
78
El contexto en el que se aplica el modelo de transporte es amplio y puede generar

soluciones atinentes al área de operaciones, inventario y asignación de elementos.
El procedimiento de resolución de un modelo de transporte se puede llevar a cabo
mediante programación lineal común, sin embargo, su estructura permite la creación
de múltiples alternativas de solución tales como la estructura de asignación o los
métodos heurísticos más populares como Vogel, Esquina Noroeste o Mínimos Costos.
Los problemas de transporte o distribución son uno de los más aplicados en la

economía actual, dejando como es de prever múltiples casos de éxito a escala global
que estimulan la aprehensión de los mismos.
El objetivo general consiste en hallar el mejor plan de distribución de unidades por

cada una de las rutas, desde los orígenes hasta los lugares de demanda con el menor
esfuerzo (costo) o bien con el mayor beneficio (utilidad).
El problema de red de distribución se sujeta a las necesarias restricciones de:
1. Disponibilidad u oferta (=<) de unidades a suministrar en los nodos de origen.

2. Los envíos se sujetan al uso de rutas especificadas.
3. Cumplir o exceder (=>) la demanda de bienes en nodos destino y transbordo
Una red de distribución se construye con tantos nodos ( i ) como lugares de oferta se
tengan y tantos nodos ( j ) como lugares de demanda. También debe conectarse con
ramas, con o sin flecha, entre los pares de nodos que convenga para las rutas válidas.
Cada uno de los nodos y ramas deben tener los valores que informan (oferta,
demanda, capacidad, costo), sobre el estado de la red estudiada..
79
La red de distribución más aplicada se conoce como problema de transporte simple

en que se busca el costo mínimo de transporte directo al llevar mercancías desde
lugares origen hasta lugares destino (sin transbordos); pero el modelo se puede
extender de manera que se aplique en situaciones en que no hay flujos, como el
control de inventario en áreas de producción; también en programación del empleo y
asignación de personal a funciones y tareas.
Problema de Transporte simple

El problema de transporte simple es un caso especial de la programación lineal, pues
la estructura matemática que lo representa, resulta en un modelo cuyas restricciones
tienen términos de coeficientes 1, lo cual ha permitido el desarrollo del algoritmo de
solución basado en el simplex pero simplificado, logrando así mayor eficiencia en labor
de cálculo.
Es aplicable en la distribución de bienes de consumo, de servicios eléctrico y de agua,

en la asignación de equipo a la producción; también tiene aplicaciones de otra
naturaleza como es, el inventario industrial o la asignación uno a uno, de ahí la
importancia del modelo.
80
Cuadro de Transportación (modelo de transporte)

Es un caso especial de problema de programación Lineal, en el que todos los
coeficientes de las variables en las restricciones tienen coeficiente uno (1), esto es:
ai j = 1 ; para todo i , para todo j
De donde:
Disponibilidad = Requerimiento
Oferta = Demanda
81
Planteamiento de matrices
82
83
ALGORITMO DE SOLUCIÓN
1. Construya una tabla de ofertas (disponibilidades) y demandas (requerimientos).
2. Empiece por la esquina noroeste.
3. Asigne lo máximo posible (Lo menor entre la oferta y la demanda, respectivamente)
84
4. Actualice la oferta y la demanda y rellene con ceros el resto de casillas (Filas ó

Columnas) en donde la oferta ó la demanda haya quedado satisfecha.
5. Muévase a la derecha o hacia abajo, según haya quedado disponibilidad para
asignar.
6. Repita los pasos del 3 al 5 sucesivamente hasta llegar a la esquina inferior derecha
en la que se elimina fila y columna al mismo tiempo.
La regla:
No elimine fila y columna al mismo tiempo, a no ser que sea la última casilla. El romper
ésta regla ocasionará una solución en donde el número de variables básicas es menor
a m+n-1, produciendo una solución básica factible degenerada
85
86
La empresa “Químicos del Caribe S.A.” posee cuatro depósitos de azufre

que deben ser usados para fabricar 4 tipos de productos diferentes (A, B, C,
D) , además por cada litro que se haga de los productos A, B, C, D se utiliza
un litro de azufre, se sabe que las capacidades de cada deposito son de 100l,
120l, 80l, 95l respectivamente. La empresa tiene un pedido de 125l de la
sustancia A, 50l de la sustancia B, 130l de la sustancia C y 90l de la sustancia
D. los costos que relacionan la producción de cada químico con cada
deposito se presenta a continuación:

Redes de Distribución, el cual reforzará los contenidos vistos hasta
el momento.
Actividades de Auto-evaluación de la Unidad Didáctica V:
1 Una compañía tiene 3 almacenes con 15, 35 y 5 artículos disponibles

respectivamente. Con estos productos disponibles, desea satisfacer la demanda de
87
cuatro clientes que quieren 5, 15, 15 y 10 unidades respectivamente. Elabore el

diagrama de transporte que satisfaga la demanda a mínimo costo de transporte
2. Una empresa energética colombiana dispone de cuatro plantas de generación para

satisfacer la demanda diaria eléctrica en cuatro ciudades, Cali, Bogotá, Medellín y
Barranquilla. Las plantas 1,2,3 y 4 pueden satisfacer 80, 30, 60 y 45 millones de KW
al día respectivamente. Las necesidades de las ciudades de Cali, Bogotá, Medellín y
Barranquilla son de 70, 40, 70 y 35 millones de Kw al día respectivamente
Formule un modelo de programación lineal que permita satisfacer las necesidades de

todas las ciudades al tiempo que minimice los costos asociados al transporte (método
de esquina nor occidental).
3. 4 agencias ordenan autos nuevos que deben llegar desde 3 plazas, la agencia A
necesita 6 autos, la agencia B requiere de 5, la agencia C 4 y la D requiere 4.
La planta 1 tiene 7 autos en stock, la planta 2 tiene 13 y la planta 3 tiene 3 Elabore un

diagrama de transporte de tal manera que sea posible satisfacer todos los
requerimientos a mínimo costo.
Actividad de Evaluación de la Unidad Didáctica V:
88
BIBLIOGRAFIA
HILLIER, F. & LIEBERMAN, G. (2010) Introducción a la Investigación de Operaciones.

México. Mc Graw Hill.
HAMDY A. TAHA, Investigación de operaciones. Novena edición 2012

ARREOLA, J. & ARREALA, A. (2003) Programación lineal: una introducción a la toma
de decisiones cuantitativas. México. Editorial: Thomson..
HANDY, T. (2012). “Investigación de operaciones”. México. Pearson Educación
HERNANDEZ, M. (2007) Introducción a la programación lineal. México. UNAM.
MOCHILI, M. & SALA, R. (1993) Programación Lineal. Metodología y problemas.

Madrid. Editorial Tobar Flores.
https://www.fing.edu.uy/inco/cursos/io/archivos/teorico/todo.pdf
https://invdeop.wordpress.com/2011/04/07/fases-de-la-investigacion-de-operaciones/
http://guayanaindustrial.blogspot.com/2016/02/areas-de-aplicacion-de-la-
investigacion.html
https://sites.google.com/site/investigaciondeoperacionescun/programacion-
lineal/pasos-generales
https://www.monografias.com/trabajos102/programacion-lineal-investigacion-
operaciones/programacion-lineal-investigacion-operaciones.shtml
https://riuma.uma.es/xmlui/bitstream/handle/10630/13325/MODELOS%20DE%20PR
OGRAMACI%C3%93N%20LINEAL%20II.pdf?sequence=1&isAllowed=y
https://riuma.uma.es/xmlui/bitstream/handle/10630/13325/MODELOS%20DE%20PR
OGRAMACI%C3%93N%20LINEAL%20II.pdf?sequence=1&isAllowed=y
https://www.solocontabilidad.com/costos/programacion-lineal-solucion-por-el-
metodo-analitico
https://www.vadenumeros.es/sociales/programacion-lineal-maximizar.html
https://www.mty.itesm.mx/dmti/materias/tc3001/lecturas/tc3001-08-intro-
sensibilidad.pdf
89
90

GP S2 Investigacion

Cargado por

Copyright:

Formatos disponibles

GP S2 Investigacion

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

GP S2 Investigacion

Cargado por

Copyright:

Formatos disponibles

Asignatura: Investigación Operativa

Docente: Lcdo. José Cún Mgs.

CARRERA: TÉCNICO SUPERIOR EN GESTION DE PRODUCCIÓN Y SERVICIOS

NIVEL: Técnico TIPO DE CARRERA: Tradicional

NOMBRE DE LA ASIGNATURA: Investigación Operativa

CÓDIGO DE LA ASIGNATURA: GE-S2-INOP

PRE – REQUISITO: Ninguna CO – REQUISITO: Ninguna

TOTAL HORAS: Teoría 48 Práctica 32 Trabajo independiente 48

NIVEL: Segundo PERIODO ACADÉMICO: Noviembre 2019 – Abril 2020

MODALIDAD: Presencial DOCENTE RESPONSABLE: Lic. José Cún, Mgs.

Aplicaciones de la programación lineal

En la primera unidad se trata de Introducción a la Investigación Operativa, conceptos

En la segunda unidad se detallan las aplicaciones de la programación lineal en las

En la tercera unidad se detalla la resolución del método grafico para la resolución de

En la cuarta unidad se habla de la programación entera y sus diferentes tipos de

En la quinta unidad se menciona de la Red de distribución y su algoritmo de resolución.

INSTITUTO SUPERIOR TECNOLÓGICO

TIPO DE CARRERA: Tradicional

PRE – REQUISITO: NINGUNA CO – REQUISITO: NINGUNA

PERIODO ACADÉMICO: Junio - Noviembre 2020

Desde el advenimiento de la Revolución Industrial, el mundo ha sido testigo de un

La Investigación de Operaciones es una asignatura Teórica- Práctica, que busca que

En cuanto a la importancia de esta disciplina en Gestión de Producción y Servicios

Ya que Gestión de Producción y Servicios trata de conceptos que son esencialmente

Por lo que la Investigación de Operaciones, toma al razonamiento lógico matemático

Por lo mencionado, la Investigación operativa tiene como objetivo: desarrollar un

III. OBJETIVOS ESPECÍFICOS

Unidad I: Reconocer los diferentes conceptos relacionados a la investigación

Sistema General de conocimientos

Sistema General de Habilidades

Unidad I. Reconocer los diferentes conceptos relacionados a la investigación

Sistema General de Valores

Unidad I. Honestidad en la aplicación de los conceptos de investigación operativa

DESARROLLO DEL PROCESO CON TIEMPO EN

VI. SISTEMA DE CONTENIDOS POR UNIDADES DIDÁCTICAS

Unidad I: Introducción a la investigación operativa

Sistema de Sistema de habilidades Sistema de Valores

Investigación operativa- Identificar palabras claves. Honestidad en la

Naturaleza y área de Caracterizar la

Fases de estudio de I.O. Identificar las fases de

Unidad II: Aplicaciones de la programación lineal

Sistema de Sistema de habilidades Sistema de

Programación Lineal Caracterizar la programación Ética profesional en

Características. Identificar las características de la

Aplicaciones de la Reconocer las diferentes

Formulación de Aplicar adecuadamente los pasos

Problemas de aplicación. Resolver problemas.

Problema de Resolver problemas sobre

Problema de Resolver problemas de

Modelo de PL con 2 Resolver problemas de PL dos

Solución gráfica de la PL. Resuelve de forma gráfica

Solución de un modelo de Analizar los resultados de la

Solución de un modelo de Resolver las soluciones de un

Unidad III: Programación lineal: método grafico

Sistema de Sistema de habilidades Sistema de Valores

Programación lineal, método Caracterizar el método Honestidad profesional

Problemas de minimización. Resolver problemas de

Problemas combinados. Interpretar las soluciones

Análisis de sensibilidad Resolver problemas de

Tema 4: Programación entera