FACULTAD DE INGENIERÍA

Investigación de Operaciones
Rosales López Pedro Pablo, Dr. Ing.

Sesión 03: Modelos de

Producción
¿Qué observas?

Unidad 2 – Dificultades y Oportunidades en la Cadena de Abastecimiento

Interpreta con enfoque administrativo la solución óptima que arroja el software de administración de modelos.
Logro Esperado

Utilizar la programación lineal, como

herramienta, para el análisis, creación y
solución de modelos de optimización.
Contenido 3/16

Modelos de Producción con múltiples variables de un solo periodo.

Uso, aplicación e importancia de la expresión algebraica compacta.
Introducción al Lingo Compacto.

Práctica Dirigida
Investigación de Operaciones

FORMA ESTÁNDAR DE UN PROBLEMA

DE PROGRAMACIÓN LINEAL
¿Qué es la Forma Estándar?

En la Forma Estándar las restricciones se presentan como

Ecuaciones, utilizando variables Slacks

Inecuación Ecuación

Slacks
Variables Slacks
Variable de Holgura

7𝑥1 + 3𝑥2 + 5𝑥3 ≤ 129

7𝑥1 + 3𝑥2 + 5𝑥3 + 𝒙𝟒 = 129

Variable de Exceso

7𝑥1 + 3𝑥2 + 5𝑥3 ≥ 129

7𝑥1 + 3𝑥2 + 5𝑥3 − 𝒙𝟒 = 129

Formas de Formulación de un Modelo de PPL

Forma Natural
Restricciones utilizan ≤ ≥ =
Forma Canónica
Si es MAX Todas las restricciones son ≤
Si es MIN Todas las restricciones son ≥

Forma Estándar
Todas las restricciones son =
Ejercicio 01: Pasar a su forma Estándar
Forma Natural
Max 3𝑥1 + 8𝑥2 + 6𝑥3
Sujeto a:
4𝑥1 + 12𝑥2 + 9𝑥3 ≤ 500
2𝑥1 + 13𝑥2 + 4𝑥3 ≥ 100
7𝑥1 + 15𝑥2 + 2𝑥3 = 200
𝑥𝑖 ≥ 0

Forma Estándar
Max 3𝑥1 + 8𝑥2 + 6𝑥3
Sujeto a:
4𝑥1 + 12𝑥2 + 9𝑥3 + 𝒙𝟒 = 500
2𝑥1 + 13𝑥2 + 4𝑥3 − 𝒙𝟓 = 100
7𝑥1 + 15𝑥2 + 2𝑥3 = 200
𝑥𝑖 ≥ 0
Ejercicio 02: Determinar la forma estándar
En un taller metalúrgico se fabrican dos tipos de piezas A y B, que deben seguir los
siguientes procesos; Estampado en hojas metálicas, Soldado Y Pintado
La operación de estampado consiste en preparar partes idénticas que luego serán
soldadas de a pares, formando la pieza A. El mismo proceso se realiza para la pieza B.
La utilidad unitaria es de 4 soles para la pieza A y 3 soles para la pieza B. Se desea
establecer el programa semanal de producción que maximice la utilidad del taller con
respecto a las piezas consideradas.
Los insumos de equipos son los siguientes, para la realización de cada una de las
operaciones (expresados en segundos por pieza)

Operación Pieza A Pieza B Tiempo Disponible

(seg./sem.)
Estampado 3 8 48,000
Soldado 12 6 42,000
Pintado 9 9 36,000
Investigación de Operaciones

MÉTODO SIMPLEX
Método Simplex

En lo que sigue consideremos el siguiente problema de

programación lineal en su forma estándar.

Min c1x1 + c2x2 + ….. + cnxn

sa a11x1 + a12x2 + ….. + a1nxn = b1
a21x1 + a22x2 + ….. + a2nxn = b2
... ... ...
am1x1 + am2x2 + ... + amnxn = bm

xi  0, i = 1, 2, ..., n y mn
Método Simplex

Matricialmente escrito como:

Min cTx
sa Ax = b
x0

No existe pérdida de la generalidad al suponer que un

problema viene dado en la forma estándar. En efecto, si
tuviésemos el siguiente problema:
Método Simplex

P) Max 9u + 2v + 5z
sa 4u + 3v + 6z  50
u + 2v + 3z  8
2u – 4v + z = 5
u, v  0
z  IR

Es posible reformular de manera equivalente el problema

anterior usando que:
Método Simplex

1) Siempre es posible llevar un problema de maximización a uno

de minimización. Si f(x) es la función objetivo a maximizar y
x* es la solución óptima:
f(x*)  f(x) , " x factible
- f(x*)  - f(x) , " x factible
\ x* es también mínimo de - f(x)
Método Simplex

El mismo caso en Maximización:

Max + 9u + 2v + 5z

El mismo caso en Minimización:

Min - 9u - 2v - 5z
Método Simplex

2) Cada restricción del tipo  puede ser llevada a una ecuación de igualdad
usando una (nueva) variable de holgura no negativa, con un coeficiente nulo
en la función objetivo.

Ejemplo:
4u + 3v + 6z + S1  50

3) De igual modo, cada restricción del tipo  puede ser llevada a una ecuación
de igualdad usando una variable de exceso negativa.

Ejemplo:
u + 2v + 3z – S2  8
Método Simplex

4) Siempre es posible escribir una variable libre de signo como la diferencia de dos
variables no negativas.
Ejemplo
2u – 4v + z = 5

Reemplazamos z
z = x1 – x2

Queda de la siguiente forma

2u – 4v + x1 – x2 = 5
Método Simplex

En resumen el problema P) puede ser escrito de manera equivalente

como:

Min Z = - 9u – 2v – 5z + 0s1 + 0s2

sa: 4u + 3v + 6z + s1 =50
u + 2v + 3z - s2 = 8
2u – 4v + x1 - x2 = 5

u, v, x1, x2, s1, s2  0

Método Simplex

Con u = x1
v = x2
z = x 3 - x4
s1 = x5 (HOLGURA)
s2 = x6 (EXCESO)

La búsqueda de la solución óptima se restringe a encontrar un vértice

óptimo y cada vértice del conjunto de las restricciones del problema,
llamado región de puntos factibles, corresponde a una solución
básica factible del sistema Ax = b.
Método Simplex

En resumen el problema P) puede ser escrito de manera equivalente

como:

Min - 9x1 - 2x2 - 5x3 + 5x4 + 0x5 + 0x6

sa: 4x1 + 3x2 + 6x3 - 6x4 + x5 =50
x1 + 2x2 + 3x3 - 3x4 - x6 = 8
2x1 - 4x2 + x3 - x4 = 5

xi  0, i=1,2,3,4,5,6.
Teorema Fundamental de la Programación Lineal

Esta solución básica factible, corresponde a su vez a aquellas soluciones

que resultan de resolver el sistema para exactamente m variables, fijando
las restantes n-m en cero, llamadas respectivamente variables básicas y
no-básicas, que además deben satisfacer condiciones de no-negatividad.

Si un problema tiene solución óptima, tiene una solución básica factible
óptima.

Dada una matriz B de m x m invertible, esta induce una partición de las

variables y parámetros del modelo como lo muestra la siguiente
diapositiva.
Método Simplex
n
 x1  xB  c B 
x    m
  m

B D x   2    c 
    nm
  nm
A= m      
xn  xD  c D 

xB :variables básicas.
xD :variables no básicas.
m n-m
cB :costos básicos.
B : es llamada una matriz de base cD :costos no básicos.
Criterio de Optimalidad

c T x  cB
T
x B  cD
D xD

 cB
T

B  1b  B
1

D x B  cD
T
xD

 T
cB B
1
b T
cD  T
cD B
1
D xB xD 
valor actual vector de costos
de la función reducidos.
obj.
Método Simplex

La ecuación que define cada uno de los costos reducidos es:
r j  c j  cB
T
B1A j

Donde j es el índice de variable no-básica y Aj la respectiva

columna en A de esa variable.
La actual solución básica factible es óptima si rj  "j,
existe una variable no básica xp con costo reducido negativo,
que entra a la nueva base.
Método Simplex

Para decidir quién deja la base, es necesario calcular el mayor

valor que puede tomar la variable entrante que garantiza la
factibilidad de la nueva solución básica, con:
 y1 0   y1 p 
x  y 
B b 
1  B Aj  
1 
2 0 2 p
   
   
y se debe calcular: x
 m0 y
 mp

yk 0  yi0 
 Min  / yip  0  x k deja la base
ykp  yip 
Ejercicio 01

Resolver el siguiente problema de P.L.

Max 40x + 60y

sa: 2x + y  70
x + y  40
x + 3y  90
x,y  0
Ejercicio 01

Se deben agregar 3 variables de holgura;

x1 , x2 , x3 (Variables Básicas).
Llevamos x e y a la forma estándar;
x4 = x
x5 = y

Min -40x4 – 60x5

sa: x1 + 2x4 + x5 = 70
x2 + x4 + x5 = 40
x3 + x4 + 3x5 = 90
xi  0, i = 1, 2, 3, 4, 5
Ejercicio 01

Tabla inicial:
Variables x1 x2 x3 x4 x5 b

x1 1 0 0 2 1 70

x2 0 1 0 1 1 40

x3 0 0 1 1 3 90

Z 0 0 0 -40 -60 0
Ejercicio 01
Variable que entra : x5 (pues el valor más negativo es -60 ) ( r5<0).
variables x1 x2 x3 x4 x5 b
Columna que
x1 1 0 0 2 1 70 entra
x2 0 1 0 1 1 40
x3 0 0 1 1 3 90
Z 0 0 0 -40 -60 0

Variable que sale : x3 (por que es el menor divisor con la columna de la

variable que entra)
X1 = 70 / 1 = 70 La intersección entre la columna
X2 = 40 / 1 = 40 que entra y la Fila que sale
X3 = 90 / 3 = 30 es el pivote = 3
Ejercicio 01
Calculamos la nueva Fila x5: (Fila que sale / Pivote)

Fila Pivote variab x1 x2 x3 x4 x5 b

x5 0/3 0/3 1/3 1/3 3/3 90/3
0 0 1/3 1/3 1 30

Calculamos las otras Filas:

(Fila anterior) – (Fila Pivote)*(Coeficiente Columna que entra)
variable x1 x2 x3 x4 x5 b
x1 1-0(1) 0-0(1) 0-(1/3)(1) 2-(1/3) (1) 1-1(1) 70-30(1)
x2 0-0(1) 1-0(1) 0-(1/3) (1) 1-(1/3) (1) 1-1(1) 40-30(1)
1 0 -1/3 5/3 0 40
0 1 -1/3 2/3 0 10

Se procede igual con la fila z (última fila)

Ejercicio 01

Actualizamos la tabla, y repetimos el proceso.

variables x1 x2 x3 x4 x5 b
x1 1 0 -1/3 5/3 0 40
x2 0 1 -1/3 2/3 0 10
x5 0 0 1/3 1/3 1 30
Z 0 0 20 -20 0 1800
Variable que entra : x4 (pues el valor más negativo es -20 ) ( r4<0).
Variable que sale : x2 (por que es el menor divisor con la columna de la variable que
entra)
X1 = 40 / (5/3) = 24
X2 = 10 / (2/3) = 15
X5 = 30 / (1/3) = 90 Pivote = 2/3
Ejercicio 01

Calculamos la nueva Fila x4:

variables x1 x2 x3 x4 x5 b
x4 0/(2/3) 1/(2/3) -1/3/(2/3) 2/3/(2/3) 0/(2/3) 10/(2/3)
x4 0 3/2 -1/2 1 0 15

Calculamos las otras Filas:

variables x1 x2 x3 x4 x5 b
x1 1-0(5/3) 0-(3/2) (5/3) -1/3-(-1/2) (5/3) 5/3-1(5/3) 0-0(5/3) 40-15(5/3)
x5 0-0(1/3) 0-(3/2) (1/3) 1/3-(-1/2) (1/3) 1/3-1(1/3) 1-0(1/3) 30-15(1/3)
x1 1 -5/2 -1/2 0 0 15
x5 0 -1/2 1/2 0 1 25

Se procede igual con la fila z

Ejercicio 01

Actualizando, queda la siguiente tabla final:

variables x1 x2 x3 x4 x5 b
x1 1 -5/2 ½ 0 0 15
x4 0 -1/3 -1/2 1 0 15
x5 0 1/3 ½ 0 1 25
Z 0 20 10 0 0 2100

Como todos los costos reducidos son mayores o iguales que cero nos encontramos en
la solución óptima.
Ejercicio 01

 x 1  15 
 x 2  0 
x B   x 4   15  xD      
     x 3  0 
 x 5  25 

z* = - 40 x 15 - 60 x 25 = - 2100

En la formulación inicial, tenemos como solución óptima x*=15, y *=25,

con valor óptimo 2.100.
Resumen del Método Simplex

Paso 0
Escribir el problema de programación lineal en su forma estándar.

Paso 1
Escoger una solución básica factible inicial.

Paso 2
Escoger una variable no básica con costo reducido negativo que determina la
variable entrante y seguir al paso tres.
Sin embargo, si todos los costos reducidos son mayores que cero , parar, ya que
la actual solución es la óptima.
Resumen del Método Simplex

Paso 3
Calcular el criterio de factibilidad que determina que variable deja la base.
Si todos los cocientes son negativos: problema no acotado, parar.

Paso 4
Actualizar la tabla de modo de despejar el valor de las nuevas variables básicas,
los costos reducidos y el valor de la función objetivo.
Volver al Paso 2.
Resumen del Método Simplex

No siempre es fácil obtener una solución básica factible inicial, en las
variables originales del modelo.
Para conseguir esto existen varios procedimientos como son:
Método Simplex de dos fases.
Método de la M – grande.
Ejercicio 02

Resolver mediante el método Simplex

Max Z = 100X1 + 200X2
S.A.:
4X1 + 2X2 ≤ 16
8X1 + 8X2 ≤ 16
 2X2 ≤ 10
 X1 , X2 ≥ 0
CITAS

Vivir es elegir. Pero para elegir bien, uno

debe saber quién es, qué cosas defiende,
dónde desea ir y por qué desea llegar allí.

Kofi Annan
CONCLUSIONES

01 ¿Qué hemos aprendido?

02 ¿Cuándo se utiliza una solución gráfica?
¿Porqué es útil lo aprendido?
03

04
 REFERENCIAS

 Frederick S. Hillier y Gerald J. Lieberman. (2002). Investigación de

operaciones. (7a ed.). - México: McGraw-Hill.
 Wayne L. Winston. (2005). Investigación de operaciones: Aplicaciones y
Algoritmos. (4a ed.).- México: Thomson.