Professional Documents
Culture Documents
Ingeniería Civil
Departamento de Ciencias Básicas
Método simplex
Aunque parece ser que la programación lineal fue utilizada por G. Monge en
1776, se considera a L. V. Kantorovich uno de sus creadores. La presentó en
su libro Métodos matemáticos para la organización y la producción (1939) y la
desarrolló en su trabajo sobre la transferencia de masas (1942). Kantorovich
recibió el premio Nobel de economía en 1975 por sus aportes al problema de la
asignación óptima de recursos humanos.
Introducción
En el capítulo anterior se trataron problemas de programación lineal con dos
variables de decisión y se resolvieron por medio del método gráfico; en este
capítulo se estudiará el Método Simplex que consiste en un algoritmo o método
algebraico sistemático y eficiente para resolver problemas de programación
lineal con dos o más variables de decisión.
Objetivos
1
EL CONCEPTO BASICO DEL MÈTODO SIMPLEX
Para comenzar consideremos el problema de los escritorios que ya resolvimos por
el método gráfico:
Una fábrica de muebles produce dos tipos de escritorios, Tipo I y Tipo II, en los
departamentos de corte, armado y acabado. El número de horas disponibles en
cada departamento son de 80h, 220 h y 210h respectivamente. Las horas que se
requieren en la producción en cada departamento para cada tipo de escritorio se
dan en la siguiente tabla:
2
Recordemos que la región factible era la siguiente:
3
Vértice Función objetivo
A (0,0) Z= 5(0) + 6(0) = 0
B (0,70) Z= 5(0) + 6(70) = 420
C (30,50) Z= 5(30) + 6(50) = 450
D (60,20) Z= 5(60) + 6(20) = 420
E (73,3,0) Z= 5(73.3) + 6(0) = 366,6
C (30,50).
VARIABLE DE HOLGURA
X1 + X2 < 80
X1 + x2 + h1 = 80
X1 + x2 < 80
40 + 30 < 80
X 1 + x 2 + h1 + 0h2 + 0h3 = 80
3x1 + 2x2 + Oh1 + h2 + oh3 = 220
2x1 + 3x2 + 0h1, + h2 + h3 = 210
X1, x2, h1, h2, h3>O
5
Problema de programación lineal con variables de holgura:
Donde:
h1: número de horas no utilizadas en el departamento de corte
h2: número de horas no utilizadas en el departamento de armado
H3 número de horas no utilizadas en el departamento de acabado
X1=0
X2=0
H1=80
H2=220
H3=210
Por lo tanto las variables igualadas a cero se llaman variables no
básicas y las variables diferentes de cero se llaman variables básicas,
6
por ejemplo: X 1, X2 son variables no básicas, mientras que h 1, h2, h3
son variables básicas.
0 +x2+0+0h2+Oh3=80
3(0) +2x2+0+h2+Oh3=220
2(0) +3x2+0+0h2+h3=210
X2=80 (1)
2x2+h2=220 (2)
3x2+h3=210 (3)
Reemplazarlo X2 =80 en (2), tenemos: 2(80) + h2 =220
De donde h2 = 60
Soluciones básicas
Solución X1 X2 h1 h2 h3
1 0 0 80 220 210
2 0 80 0 60 30
3
4
5
6
7
8
9
10
7
Solución básica factible
Una solución básica es factible cuando todos los variables toman valores
no negativos.
En este problema, una solución básica factible tiene máximo tres variables
con valores positivos, y el resto de las variables son iguales a cero: por
ejemplo:
X1=0,X2=0 H1=80,h2=220,h3=210
Variables no básicas Variables básicas
Modelo de PL Coeficientes
Maximizar: Z=5X1 + 6X2 5 6
Sujeto a: X1 + X2 < 80 1 1 80
3X1 + 2X2 <220 3 2 220
2X1 + 3X2 <210 2 3 210
X1, X2 > O
8
coeficientes de la función objetivo, además las constantes 80,220,210 son
los valores del lado derecho de las restricciones de los departamentos de
corte, armado y acabado, respectivamente y se denominan parámetros
del modelo.
1 1
Los elementos de la matriz 3 2 corresponden a los coeficientes
de las variables 2 3
De decisión.
Las variables que involucran el problema son X1, X2, h1, h2,h3 donde X1,
X2 son variables de decisión mientras que h1, h2,h3 son variables de
holgura por lo tanto la forma tabular es:
X1 X2 h1 h2 h3
5 6 0 0 0 bi
1 1 1 0 0 80
3 2 0 1 0 220
2 3 0 0 1 210
9
De esta manera tenemos:
h1=80
h2=220
h3=210
Ahora para facilitar los cálculos agregamos dos columnas en la tabla la
primera llamada columna base y corresponde a un listado de las variables
básicas del momento.
BASE
h1
h2
h3
La segunda columna consiste en los coeficientes de las variables básicas
del momento, tomado de la función objetivo. La función objetivo con
variables básicas y no variables básica:
BASE Cj
h1 0
h2 0
h3 0
X1 X2 h1 h2 h3
Base Cj1 5 6 0 0 0 bi
h1 0 1 1 1 0 0 80
h2 0 3 2 0 1 0 220
h3 0 2 3 0 0 1 210
h1=80=b1
h2=220=b2
h3=210=b3
10
X1=0 X2=0
Cj bi
H1 0 80
H2 0 220
H3 0 210
X1 X2 h1 h2 h3
Base CJ 5 6 0 0 0 bi
h1 0 1 1 1 0 0 80
h2 0 3 2 0 1 0 220
h3 0 2 3 0 0 1 210
ZJ 0 Z1 Z2 Z3 Z4 Z5 0
11
La fila Cj – Zj, se obtiene como la diferencia entre los coeficientes Cj de
la función objetivo y los valores correspondientes Zj
C1-Z1=5-0=5
C2-Z2=6-0=6
C3-Z3=0-0=0
C4-Z4=0-0=0
C5-Z5=0-0=0
CJ-ZJ 5 6 0 0 0
X1 X2 h1 h2 h3 Variable
Base Cj1 5 6 0 0 Contribución por unidad
0 bi
h1 0 1 1 1 0 Coeficiente
0 80 Coeficiente
h2 0 3 2 0 1 Coeficiente
0 220
h3 0 2 3 0 0
1 210
Zj 0 Z1 Z2 Z3 Z4 Z5 0 Contribución que se
pierde por unidades que
se fabrica
Cj - Zj 5 6 0 0 0 Contribución neta por
unanimidad que se
fabrica
UTILIDAD
Interpretando la tabla simplex inicial tenemos que h1,h2,h3, son variables
básicas con valores 80, 220,210 respectivamente e interpretándolos en
el contexto del problema corresponden a las horas disponibles no
utilizadas en los departamentos de corte, armado y acabado, además las
12
variables no básicas son X1y X2, son cero lo cual quiere decir que no se
producen ningún tipo de escritorio y la utilidad es Z =0.
Cj – Z j 5 6 0 0 0
Indicadores
INDICADORES
Los valores 5 y 6 en los indicadores se interpretan de la siguiente manera:
por cada unidad producida adicionalmente de escritorios tipo I, la utilidad
aumenta en USS$5 y por cada unidad adicionalmente de escritorios tipo
II, la utilidad aumenta en USS$6, como los escritorios y tipo II producen
mayor utilidad por incremento unitario, se elije X2 como variable básica
y se introduce en la tabla.
Ahora hay que determinar cual es la variable básica que se debe convertir
en variable no básica, observamos los coeficientes de X2 en las
restricciones:
De esta manera por cada unidad que se produce de X2, se disminuye una
hora de las 80 disponibles en el departamento de corte, luego se produce
80 =80 escritorios tipo II, por cada unidad de X2, producida en
1 el departamento de armado se disminuyen dos horas de las 220
disponibles, por lo tanto se producen 220/2=100 escritorios tipo II, por
último si se produce un escritorio tipo II en el departamento de acabado
se disminuyen tres horas de las 210 disponibles de esta forma se
producen 210/3=70 unidades, por lo tanto la mayor limitante corresponde
a las unidades en el departamento de acabado.
Recordemos que los elementos aij son los coeficientes que acompañan a
13
las variables de decisión en las restricciones y los b i son los valores del
lado derecho de las restricciones.
X1 X2 h1 h2 h3
Base Cj1 5 6 0 bi bi/ai2
0 0 bi
h1 0 1 1 1 80 80/1=80 F1
0 0 80 220 220/2=1 F2
h2 0 3 2 0 210 10 F3
1 0 220 210/3=7
h3 0 2 3 0 0
0 1 210
Zj 0 0 0 0 0 0
Cj- Zj 5 6 0 0 0
14
siguiente tabla, a la columna de X2 se le llama columna pivote y a la fila
de h3 se le llama pivote.
ELEMENTO PIVOTE
X1 X2 h1 h2 h3
Base Cj1 5 6 0 bi bi/ai2
0 0 bi
h1 0 1 1 1 80 80/1=80 F1
0 0 80 220 220/2=110 F2
h2 0 3 2 0 210 210/3=70 F3
1 0 220
h3 0 2 3 0
0 1 210
Zj 0 0 0 0 0 0
Cj- Zj 5 6 0 0 0 0
0 a12
0 = a22
1 a32
15
OPERACIONES ELEMENTALES ENTRE FILAS
1 1 1 0 0 80
3 2 0 1 0 220
2 3 0 0 1 210
Elemento pivote
0
0
1
1 1 1 0 0 80
3 2 0 1 0 220
2 3 0 0 1 210
3 1 0 0 3 70
Para convertir cero a a12 y a22, efectuamos sobre la matriz las siguientes
operaciones elementales:
1. Multiplicamos la fila 3 por (-1) y sumamos el resultado a la fila 1.
16
F1 (-2) F3 + F1
F2 (-2) F3 + F2
1 0 1 -1 10
3 3
5 0 0 -2 80
3 3
2 1 0 1 70
3 3
X1 X2 h1 h2 h3
Base Cj 5 6 0 bi
0 0 bi
h1 0 1 0 1 0 -1 10
3 3
h2 0 5 0 0 1 -2 80
220
70
x3 6 2 1 0 0 -1
3 3
Zj
Cj- Zj
17
Z3 = 0(0) + 0(0) + 6(0) = 0
Z4 = 0(-1/3) + 0(-2/3) + 6(1/3) = 2
C1 – z 1 = 5 -4 = 1
C2 – z2 = 6 -6 = 0
C3 – z3 = 0 -0 = 0
C4 – z4 = 0 -0 = 0
C5 – z5 = 0 -2 = -2
Reemplazando todos los valores la nueva tabla simplex nos queda así:
X1 X2 h1 h2 h3
Base Cj 5 6 0 bi
0 0 bi
h1 0 1 0 1 0 -1 10
3 3
h2 0 5 0 0 1 -2 80
220
3 3 70
X2 6 2 1 0 0 -1
3 3
Zj 4 6 0 0 2 420
Cj- Zj 1 0 0 0 -2
18
básicas con X1=0 y h3=0, reemplazando estos valores en las ecuaciones
anteriores los valores de las variables básicas son:
h1 = 10 h2=80 X2 =70
Ahora nos detenemos para hacer la siguiente pregunta ¿Cómo saber que
efectivamente tenemos ya la solución óptima factible?
Cj – Z j 1 0 0 0 -2
Nuevos indicadores
X1 X2 h1 h2 h3
Base Cj 5 6 0 bi Bi / ai1
0 0 bi
h1 0 1/3 0 1 0 -1 10 10 = 30
3 1/3
h2 0 5 0 0 1 -2 80 80 = 48
220 5/3
3 3 70 70 = 105
19
X2 6 2 1 0 0 -1 2/3
3 3
Zj 4 6 0 0 2 420
Cj- Zj 1 0 0 0 -2
1
0
0
b). Multiplicar la fila del pivote por -5/3 y sumarla a la fila dos para
convertir a a21 en 0 (F2 -5/3 F1 +F2)
c). Multiplicar la fila del pivote por -2/3 y sumarla a la fila para convertir
a a31 en 0, (F3 -2/3 F1 + F3)
X1 X2 h1 h2 h3
Base Cj 5 6 0 bi
0 0 bi
X1 5 1 0 3 0 -1 30
h2 0 0 0 -5 1 1 30
X2 6 0 1 -2 0 1 50
20
Zj 5 6 3 0 1 450
Cj- Zj 0 0 -3 0 -1
Nuevos Indicadores
X1=30
h2=30
X2=50
h1=0
h3=0
21
Tipo I
A B C
Iteración 1 iteración 2
A E D C
Iteración 1 iteración 2 Iteración 3
22
Saldría una iteración más, pero también se llaga a la optimación del
problema. Con fines prácticos para ahorrar cálculos y disminuir el número
de tablas (número de iteraciones), es conveniente escoger el mayor valor
en el renglón Cj – Zj en el momento de seleccionar el pivote.
Ejemplo:
Resolver el siguiente problema de programación lineal:
X1 X2 X3 X4 h1 h2 h3
Base Cj 2.5 5 1 1 0 0 bi / ai2
0 bi
23
h1 0 1 1.4 0.2 0.8 1 0 0 1600 1600/1.4=1142.8
Zj 0 0 0 0 0 0 0 450
Cj- Zj 2.5 5 1 1 0 0 0
X1 X2 X3 X4 h1 h2 h3
Base Cj 2.5 5 1 1 0 0 0
0 bi
h1 0 -0.4 0 -0.92 0.1 1 -0.7 0 690
X1 0 Variable no Básica
X2 650 Variable Básica
X3 0 Variable no Básica
X4 0 Variable no Básica
h1 690 Variable Básica
h2 0 Variable no Básica
h3 310 Variable Básica
24
Z 3.250 Valor Función
objetivo
El problema modificado es
X2 ConiiidM
25
18000
Sujeto a: X1 + X2 + h1 =80
3x1 + 2x2 + h1 =220
3X1 + X2 -h3 =180
X1,X2,h1,h2,h3>0
Observe que la explicación más apropiada para ver que (X1,X2) =(0.0) no
es factible, es que al reemplazar estos valores al problema modificado se
generan los siguientes resultados:
X1=0
X2=0
h1=80
h2=220
h3=-180
26
matemático, no representa ninguna situación de problema de la compañía
de muebles, solo sirve para construir la tabla inicial simplex e iniciar el
algoritmo simplex. Sumando la variable artificial a la tercera restricción.
Obtenemos:
X1 + X2 + h1 =80
3x1 + 2x2 + h2 =220
3x1 + X2 -h3+a3 =180
Sujeto a: X1 + X2 + h1 =80
3X1 + 2X2 + h2 =220
3X1 + X2 -h3+a3 =180
X1,X2, h1,h2,h3,a3 >0
X1 X2 h1 h2 h3 a3
Base Cj 5 6 0 0 0 -M bi Bi /ai1
h1 0 1 1 1 0 0 0 80 80/1=80
h2 0 3 2 0 1 0 0 220 220/3=73.3
a3 -M 3 1 0 0 -1 1 180 180/3=60
Zj -3M -M 0 0 M -M -180M
27
Como observamos en la tabla anterior las variables básicas son h1,h2,a3 y
las variables no básicas son X1,X2,h3 teniendo en cuenta que:
X1= 0
X2= 0
H1 =80
H2= 220
H3= 0
A3=180
X1 X2 h1 h2 h3 a3
Base Cj 5 6 0 0 0 -M bj
h1 0 2 1 1 0 0 -1 20
3 3
h2 0 0 1 0 1 0 -1 40
x1 5 1 1 0 0 -1 1 60
3 3 3
Zj 5 5 0 0 -5 5 300
3 3 3
Cj- Zj 0 13 0 0 5 -M -5
3 3 3
28
En este momento la solución es factible porque la iteración implica que la
solución se desplaza del origen O al vértice A en 60 unidades donde x1 =
60. Aquí la variable artificial a3 desapareció del problema.
Método simplex
Fase I Fase II
Se requieren las variables Se continúan las iteraciones
artificiales para obtener una del método simplex sin
solución básica factible y variables artificiales
luego se eliminan las
variables artificiales
X1 X2 h1 h2 h3
Base Cj 5 6 0 0 0 b1 b1/a12
29
h1 0 0 2/3 1 0 1/3 20 20=30
2/3
h2 0 0 1 0 1 1 40 40=40
1
h1 5 1 1 0 0 -1 60 60=180
3 3 1/3
Zj 5 5 0 0 -5 300
3 3
Cj- Zj 0 13 0 0 5
3 3
X1 X2 h1 h2 h3
Base Cj 5 6 0 0 0 b1
X2 6 0 1 3/2 0 1/2 30
h2 0 0 0 -3/2 1 1/2 10
X1 5 1 0 -1/2 0 -1 50
2
Zj 5 6 13/2 0 1/2 430
Fase 1 Fase II
O A C
Origen óptimo 30
Como los elementos del renglón neto Cj – Zj<0, el problema es óptimo
con los siguientes resultados:
X1=50
X2=30
h1=0
h2=10
h3=0
En estas condiciones la compañía necesita producir 50 escritorios tipo I,
30 escritorios tipo II, en el departamento de corte se necesitan todas las
80 horas disponibles, en el departamento de corte se necesitan horas, se
necesitan 210 horas, y hay que comprarle a los proveedores 180
cerraduras de seguridad.
Maximizar: Z= X1 + 4X2 – X3
Sujeto a: - X1 + X2 + X3 < - 5 (1)
X1 + X2 + X3 < 3 (2)
-X1 + X2 – X3 =-7 (3)
X 1, X2, X 3 >0
PASO I
Para llevar el problema de programación a forma tabular el primer paso
es eliminar los valores negativos en los lados derechos, sencillamente se
multiplican por (-1) las restricciones invirtiendo el sentido de las
desigualdades de menor e igual a mayor e igual.
31
En la restricción -X1 –X2 + X3 < -5 (1)
X1-X2+X3=7
Por lo tanto el problema de programación lineal equivalente es:
Maximizar: Z=X1+4X2-X3
Sujeto a: X1+ X2- X3 > 5
X1+X2+X3<3
X1-X2 + X3 =7
X1, X2,X3>0
Sujeto a: X1 + X2 – X3 – h1 + a1 = 5
X1 + X2 – X3 + h2 =3
X1 – X2 + X3 +a3 =7
X1, X2, X3, h1,h2,a1,a2 > 0
X1 X2 X3 h1 h2 a1 a3
Base Cj 1 4 -1 0 0 -M -M b1
32
a1 -M 1 1 -1 -1 0 1 0 5
h2 0 1 1 1 0 1 0 0 3
a3 -M 1 -1 1 0 0 0 1 7
Zj -2M 0 0 M 0 -M -M -12M
Cj- Zj 1+2M 4 -1 -M 0 0 0
Ejemplo 3.
33
Planteamiento del modelo.
X1 X2 h1 h2 a2
Base Cj -3/2 -2 0 0 -M b1 b1/a12
h1 0 2 2 1 0 0 8 8/2=4
a2 -M 2 6 0 -1 1 12 12/6=2
34
La expresión -2+6M produce mayor valor para la función objetivo y el
valor 12/6=2 es el menor cociente en la columna b1/a12, luego el pivote
para la primera interacción es 6, entonces X2 se convierte en variable
básica, mientras que a2 es variable no básica; eliminando la columna de
a2, obtenemos la siguiente:
TABLA FINAL
X1 X2 h1 h2
Base Cj -3/2 -2 0 0 b1
h1 0 4/3 0 1 1/3 4
X2 -2 1/3 1 0 -1/6 2
Zj -2/3 -2 0 1/3 -4
X1=0
X2=2
h1=4
h2=0
W=-4
35
CASOS ESPECIALES
MULTIPLES SOLUCIONES
Maximizar: Z= 10X1+10X2
36
2X1 + 3X2 < 210 Departamento de Acabado
X1,X2>0
A E D
Interacción I Interacción II
TABLA INICIAL
X1 X2 h1 h2 h3
Base Cj 10 10 0 0 0 b1
h1 0 1 1 1 0 0 80
X2 0 3 2 0 1 0 220
h3 0 2 3 0 0 1 210
Zj 0 0 0 0 0 0
Cj- Zj 10 10 0 0 0
X1 X2 h1 h2 h3
Base Cj 10 10 0 0 0 b1
h1 0 0 1/3 1 -1/3 0 20/3
X1 X2 h1 h2 h3
Base Cj 10 10 0 0 0 b1
37
X2 10 0 1 3 -1 0 20
X1 10 1 0 -2 -1 0 60
h3 0 0 0 -5 1 1 30
Zj 10 10 10 0 0 800
Cj- Zj 0 0 -10 0 0
A B C
Interacción I Interacción II
TABLA INICIAL
X1 X2 h2 h1h3
Base Cj 10 10 0 0 0 b1 b1/a2
H1 0 1 1 1 0 0 80 80
H2 0 3 2 0 1 0 220 110
h3 0 2 3 0 0 1 210 70
Zj 0 0 0 0 0 0
Cj- Zj 10 10 0 0 0
X1 X2 h2 h1 h3
Base Cj 10 10 0 0 0 b1 b1/ai1
h1 0 1/3 0 1 0 -1/3 10 30
h2 0 5/3 0 0 1 -2/3 80 48
38
X2 10 2/3 1 0 0 1/3 70 105
TABLA FINAL
X1 X2 h2 h1 h3
Base Cj 10 10 0 0 0 b1
X1 10 1 0 3 0 -1 30
H2 0 0 0 -5 1 1 30
X2 10 0 1 -2 0 1 50
Zj 10 10 10 0 0 800
Cj- Zj 0 0 -10 0 0
Ahora los resultados de la tabla final son:
CONCLUSIONES
En la trayectoria: A E D
La solución optima es (X1,X2) =(60, 20), con Z=800
En la trayectoria: A B C
La solución optima es (X1,X2) =(30, 50), con Z=800
39
MODELO DE NO FACTIVILIDAD
TABLA INICIAL
X1 X2 h1 h2 h3 h4 a4
Base Cj 5 6 0 0 0 0 -M b1
h1 0 1 1 1 0 0 0 0 80
h2 0 3 2 0 1 0 0 0 220
40
h3 0 2 3 0 0 1 0 0 210
a4 -M 1 1 0 0 0 -1 1 100
Zj -M -M 0 0 0 M -M -100M
ITERACION I
X1X2 h1 h2 h3 h4 a4
Base Cj 5 6 0 0 0 0 -M b1
h1 0 1/3 0 1 0 -1/3 0 0 10
h2 0 5/3 0 0 1 -2/3 0 0 80
X2 6 2/3 1 0 0 1/3 0 0 70
a4 -M 1/3 0 0 0 -1/3 -1 1 30
Zj 4-M/3 6 0 0 2+M/3 M -M 420-30M
ITERACION II
X1 X2 h1 h2 h3 h4 a4
Base Cj 5 6 0 0 0 0 -M b1
X1 5 1 0 3 0 -1 0 0 30
h2 0 0 0 -5 1 -1 0 0 30
X2 6 0 1 -2 0 1 0 0 50
a4 -M 0 0 -1 0 0 -1 1 20
Zj 5 6 3+M 0 1 M -M 450-20M
Cj- Zj 0 0 -3-M 0 -1 -M 0
41
Como observamos la variables artificial a4 se encuentra con a4=20, esto
quiere decir que no ha culminado la fase I del método simplex. Además
los términos del renglón Cj – Zj, son negativos o cero por lo tanto la
iteración las iteraciones del problema se detienen y tenemos la solución
óptima del problema. La solución que finalmente obtenemos en la ultima
tabla es X1=30, X2= 50, si sumamos estos dos resultados no da 80, lo
cual contradice la restricción X1 + X2 > 100 faltando 20 unidades para la
NO ACOTAMIENTO
Sujeto a: X1>5
X2<12
42
X1, X2>0
TABLA INICIAL
X1 X2 h1 h2 a1
Base Cj 40 20 0 0 -M b1
a1 -M 1 0 -1 0 1 5
h2 0 0 1 0 1 0 12
Zj -M 0 M 0 -M -5M
Cj- Zj 40+M 20 -M 0 0
TABLA FINAL
X1 X2 h1 h2 a1
Base Cj 40 20 0 0 -1 b1
X1 40 1 0 -1 0 1 5
h2 0 0 1 0 1 0 12
Zj 40 0 -40 0 40 200
Cj- Zj 0 20 40 0 -40
43
GRAFICA DE UN PROBLEMA NO ACOTADO
Ejercicios:
1. Considere el siguiente problema de programación lineal:
X1 X2 h1 h2
Base Cj 2 3 0 0
3 6 1 0 18
6 3 0 1 36
44
Zj
Cj- Zj
45
Maximizar: Z= 100X1 + 300X2
Maximizar: Z= X1 - X2 + X3
46
Sujeta a: X1 + X2 > 40
3X1 + X2 >50
X1 +3X2> +60
X1,X2, X3> 0
Maximizar: Z= 4x1 + X2
13. Una empresa fabrica dos tipos de sillas ergonómica y normal. Para
su construcción, una silla pasa por 4 departamentos; ensamble,
tapizado, color y terminado. Cada departamento tiene disponible
1.000 horas, 450 horas, 2.000 horas y 150 horas respectivamente.
Los requerimientos de producción y utilidades por silla se muestran
en la tabla siguiente:
47
Normal 2 1 4 1/4 15
Ergonómica 3 1 6 1/2 20
48
en los deportivos 2 horas. Actualmente en el departamento de
ambos tipos de automóviles. En el departamento B se ensambla el
chasis; en este departamento los automóviles sedan requieren una
hora de trabajo al igual que los automóviles deportivos; en la
actualidad se puede asignar un total de 90 horas de trabajo diario
en el departamento B para la producción de ambos tipos de
automóviles. La utilidad de cada automóvil sedan y deportivo es de
US$1.500 y US$2.000 dólares respectivamente. Si la compañía
puede vender todos los automóviles que produzca, con el fin de
maximizar la utilidad.
49
vender todos los metales E-9 y F-9 que la empresa pueda producir.
La administración debe ahora recomendar una meta de producción
para el próximo mes. Es decir, ¿Qué cantidad de metales E-9 y F-
9 deben producirse (en toneladas), para que la utilidad sea
máxima?.
La utilidad por cada tonelada que se venda del metal E-9 será de
US$5.000 y por cada tonelada de F-9, US$4.000 el número de horas
para producir cada tonelada de E-9 y F-9 en los departamentos A y
B, se muestran en la siguiente tabla:
Departamento Horas
Para los E-9 Para los F-9 Total disponible
A 10 15 150
B 20 10 160
50
Plantee el modelo de programación del problema y resuélvalo por
el método simplex.
Interprete los resultados del problema.
X1 X2 X3 X4 h2 h3 a1 a3
Base Cj 6 3 4 1 0 0 -M -M b1
X1 -M 4 1 -2 12 0 0 1 0 120
h2 0 2 0 2 4/3 1 0 0 0 40
a3 -M 0 2 10 0 0 -1 0 1 100
Zj -4M -3M -8M -12M 0 M -M -M -220M
51
X1 X2 h1 h2 h3 a1 a2
Base Cj -2 -3 0 0 0 -M -M b1
X1 -M 2 0 -1 0 0 1 0 250
h2 -M 2 2 0 -1 0 0 1 700
a3 -M 4 2 0 0 1 0 0 1.200
Zj -4M -2M M M 0 M -M -950M
Sujeto a: X1 + X2< 3
2X1 + X2= 2
X1,X2> 0
52
d. Maximizar: Z= 4X1 2X2 – 3x3 +5x4
53
e. Maximizar: Z= 3X1 +6x2
54
Celsius, un moldeado a mano y una cocción, la cual hace que
alcance la pureza de la piedra. La siguiente tabla muestra el tiempo
en horas para cada una de las figuras:
26. Una empresa fabrica plumas con punta normal, con punta de plata
y con punta de oro; en el proceso de fabricación participan
básicamente tres departamento; diseño, decoración, control de
calidad. La siguiente tabla muestra el tiempo en horas que se gasta
para cada pluma de acuerdo al departamento.
27. Una compañía procesa tres tipos de jugo de naranja, llamados tipo
A y tipo B, tipo C, cada tarro de jugo de naranja tipo A requiere de
0.4 horas en el departamento de cítricos, 0.6 horas en el
departamento de colorantes y 0.5 horas en el departamento de
empaque, cada tarro de jugo tipo B requiere 0.3 horas en el
departamento de cítricos, 0.8 horas en el departamento de
55
colorantes y 0.2 horas en el departamento de empaque. Cada jugo
tipo C requiere 0.8 horas en el departamento de citrícos, 0.6 horas
en el departamento de colorantes y 0.3 horas en el departamento
de empaque, para la utilidad sea máxima se requiere por lo menos
20 horas en el departamento de cítricos, en los departamentos
restantes se tienen disponibles 40 y 60 horas respectivamente. La
utilidad de un jugo tipo A es de US$1. De un jugo B es de US$2 y
de un jugo C es de US$3, halle el número de jugos que deben
fabricarse.
METODO SIMPLEX
56
OK
57
58
OK
Simplex
Paso 7. Para obtener la tabla siguiente, seleccionamos la opción Iteration
del menú.
Y pasamos al cuadro
Next Iteration
Choose Entering Varaible
Go to the Last Tableau
Nonstop to Finish
59