Uploaded by Azahed

Ejercicios MétodoSimplex

advertisement
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO
FACULTAD DE INGENIERÍA
DIVISIÓN DE INGENIERÍA MECÁNICA E INDUSTRIAL
Investigación de Operaciones I
Semestre 2021-1
TAREA
Ejercicios – SIMPLEX
Profesor: Dr. Javier Lara de Paz
Grupo: 2
Integrantes del equipo:
Chip Domínguez Juan Genaro
Hernández Cuéllar Azahed Arturo
Ciudad Universitaria, Cd. Mx., 11 DE ENERO DE 2021
Variables
básicas
Z
X1
X2
X3
X4
X5
X6
Z
1
-5
-9
-7
0
0
0
0
SALE X2
R1+9(R3/4)=R1
X4
0
1
3
2
1
0
0
10
10/3 = 3.33
R2-3(R3/4)=R2
R3/4=R3
R4-(R3/4)=R2
LD
Iteración 1
X5
0
3
4
2
0
1
0
12
12/4 = 3
ENTRA X5
X6
0
2
1
2
0
0
1
8
8/1=8
Variables
básicas
Z
X1
X2
X3
X4
X5
X6
LD
Z
1
7/4
0
-5/2
0
9/4
0
27
SALE X3
R1+(5/2)(R2/(1/2))=R1
R2/(1/2)=R2
Iteración 2
X4
0
-5/4
0
1/2
1
-3/4
0
1
1/(1/2) = 2
ENTRA X4
X2
0
3/4
1
1/2
0
1/4
0
3
1/(1/2) = 6
R3-(1/2)(R2/(1/2))=R3
5
5
5/(3/2) =
3.33
R4-(3/2)(R2/(1/2))=R4
X6
0
5/4
0
3/2
0
-1/4
Variables
básicas
Z
X1
X2
X3
X4
X5
X6
LD
Iteración 3
Z
1
-9/2
0
0
5
-3/2
0
32
SALE X1
R1+(9/2)(R4/(5))=R1
X3
0
-5/2
0
1
2
-3/2
0
2
2/(-5/2) = 4/5
R2+(5/2)(R4/(5))=R2
X2
0
2
1
0
-1
1
0
2
2/2 = 1
R3-(2)(R4/(5))=R3
X6
0
5
0
0
-3
2
1
2
2/5 = 0.4
ENTRA X6
R4/5=R4
Variables
básicas
Z
X1
X2
X3
X4
X5
X6
LD
Iteración 4
COEFICIENTES POSITIVOS
Z
1
0
0
0
23/10
3/10
9/10
169/5
X3
0
0
0
1
1/2
-1/2
1/2
3
X2
0
0
1
0
1/5
1/5
-2/5
6/5
X1
0
1
0
0
-3/5
2/5
1/5
2/5
Concluír:
𝟐
πŸ”
π’™πŸ = πŸ“ , π’™πŸ = πŸ“ , π’™πŸ‘ = πŸ‘ , 𝒛 =
πŸπŸ”πŸ—
πŸ“
𝟐
πŸ”
πŸπŸ”πŸ—
𝑴𝒂𝒙 𝒛 = πŸ“ ) + + πŸ— ) + + πŸ•(πŸ‘) =
πŸ“
πŸ“
πŸ“
Variables
básicas
Z
X1
X2
X3
X4
X5
X6
X7
LD
Z
1
-3
-5
-6
0
0
0
0
0
SALE X3
R1+6(R4/2)=R1
X4
0
2
1
1
1
0
0
0
4
4/1 = 4
R2-(R4/2)=R2
X5
0
1
2
1
0
1
0
0
4
4/1 = 4
R3-(R4/2)=R3
R4/2=R4
R4-(R4/2)=R4
Iteración 1
X6
0
1
1
2
0
0
1
0
4
4/2 = 2
ENTRA X6
X7
0
1
1
1
0
0
0
1
3
3/1 = 3
Variables
básicas
Z
X1
X2
X3
X4
X5
X6
X7
LD
Iteración 2
Z
1
0
-2
0
0
0
3
0
12
SALE X2
R1+2(R3/(3/2)=)=R1
X4
0
3/2
1/2
0
1
0
-1/2
0
2
2/(1/2) = 4
R2(1/2)(R3/(3/2))=R2
X5
0
1/2
3/2
0
0
1
-1/2
0
2
2/(3/2) = 4/3
ENTRA X5
R3/(3/2)=R3
X3
0
1/2
1/2
1
0
0
1/2
0
2
2/(1/2) = 4
R4/2=R4
X7
0
1/2
1/2
0
0
0
-1/2
1
1
1/(1/2) = 2
R4(1/2)(R3/(3/2))=R4
Variables
básicas
Z
X1
X2
X3
X4
X5
X6
X7
LD
Iteración 3
Z
1
2/3
0
0
0
4/3
7/3
0
44/3
COEFICIENTES POSITIVOS
X4
0
4/3
0
0
1
-1/3
-1/3
0
4/3
X2
0
1/3
1
0
0
2/3
-1/3
0
4/3
X3
0
1/3
0
1
0
-1/3
2/3
0
4/3
X7
0
1/3
0
0
0
-1/3
-1/3
1
1/3
Concluír:
πŸ’
πŸ’
π’™πŸ = 𝟎 , π’™πŸ = πŸ‘ , π’™πŸ‘ = πŸ‘ , 𝒛 =
πŸ’πŸ’
πŸ‘
πŸ’
πŸ’
πŸ’πŸ’
𝑴𝒂𝒙 𝒛 = πŸ‘(𝟎) + πŸ“ ) + + πŸ” ) + =
πŸ‘
πŸ‘
πŸ‘
3.1. Resolviendo el primal con SOLVE en Excel:
MAXIMIZAR:
objetivo
1.00 x1
+
1.00 x2
+
3.00 x3
+
2.00
+
+
+
+
,
5.000
6.000
3.000
2.000
x3
=
9
VARIABLES:
V1
V2
V3
V4
x1=
x2=
x3=
x4=
2.00
1.00
2.00
0.00
RESTRICCIONES:
R1
R2
R3
R4
naturaleza
1.000
5.000
2.000
-1.000
x1
x1
x1
x1
x1
+
+
+
+
,
2.000
-2.000
3.000
0.000
x2
x2
x2
x2
x2
+
+
+
+
,
-3.000
0.000
-2.000
1.000
x3
x3
x3
x3
x3
x4
x4
x4
x4
x4
-2
8
3
0
<=
<=
<=
<=
>=
4.00
8.00
3.00
0.00
0.00
<=
<=
<=
<=
4.00
8.00
3.00
0.00
Mediante análisis de sensibilidad obtenemos los precios sombra:
Celdas de variables
Celda
$D$11
$D$12
$D$13
$D$14
Final
Reducido
Objetivo
Permisible
Permisible
Nombre Valor
Coste
Coeficiente
Aumentar
Reducir
x1
2
0
1
1E+30
4
x2
1
0
1
1E+30
2.6
x3
2
0
3
1E+30 3.596774194
x4
0 -14.86666667
2 14.86666667
1E+30
Restricciones
Celda
$M$24
$M$25
$M$26
$M$27
Final
Nombre Valor
R1
-2
R2
8
R3
3
R4
0
Sombra
Precio
0
0.8
0.866666667
4.733333333
Restricción
Lado derecho
4
8
3
0
Permisible
Aumentar
1E+30
1E+30
15
1E+30
Permisible
Reducir
6
10
3
1.5
3.2. Creamos el dual partiendo del primal anterior:
Minimizar:
𝑀 = 4𝑦! + 8𝑦" + 3𝑦# + 0𝑦$
Sujeto a:
𝑦! + 5𝑦" + 2𝑦# − 𝑦$ ≥ 1
2𝑦! − 2𝑦" + 3𝑦# + 0𝑦$ ≥ 1
−3𝑦! + 0𝑦" − 2𝑦# + 0𝑦$ ≥ 3
5𝑦! + 6𝑦" + 3𝑦# + 2𝑦$ ≥ 2
𝑦! , 𝑦" , 𝑦# , 𝑦$ ≥ 0
Resolviendo el primal con SOLVE en Excel:
MINIMIZAR:
objetivo
4.00 x1
+
8.00 x2
+
3.00 x3
+
0.00
+
+
+
+
,
-1.000
0.000
1.000
2.000
x4
=
9
VARIABLES:
V1
V2
V3
V4
x1=
x2=
x3=
x4=
0.0000
0.8000
0.8667
4.7333
RESTRICCIONES:
R1
R2
R3
R4
naturaleza
1.000
2.000
-3.000
5.000
x1
x1
x1
x1
x1
+
+
+
+
,
5.000
-2.000
0.000
6.000
x2
x2
x2
x2
x2
+
+
+
+
,
2.000
3.000
-2.000
3.000
x3
x3
x3
x3
x3
x4
x4
x4
x4
x4
>=
>=
>=
>=
>=
1.00
1.00
3.00
2.00
0.00
1
1
3
16.87
>=
>=
>=
>=
1.00
1.00
3.00
2.00
Mediante análisis de sensibilidad obtenemos los precios sombra:
Celdas de variables
Celda
$D$11
$D$12
$D$13
$D$14
Final
Reducido
Objetivo
Nombre
Valor
Coste
Coeficiente
x1= x1
0
6
4
x2= x1
0.8
0
8
x3= x1
0.866666667
0
3
x4= x1
4.733333333
0
0
Permisible
Aumentar
1E+30
1E+30
15
1E+30
Permisible
Reducir
6
10
3
1.5
Restricciones
Celda
$M$24
$M$25
$M$26
$M$27
Final
Sombra Restricción
Permisible
Permisible
Nombre
Valor
Precio Lado derecho Aumentar
Reducir
x4
1
2
1
1E+30
4
x4
1
1
1
1E+30
2.6
x4
3
2
3
1E+30 3.596774194
x4
16.86666667
0
2 14.86666667
1E+30
Resolviendo el primal con SOLVE en Excel:
No hay solución factible ya que los valores de las variables no convergen.
4.2. Creamos el dual partiendo del primal anterior:
Maximizar:
𝑀 = 5𝑦! + 8𝑦" + 4𝑦#
Sujeto a:
5𝑦! − 𝑦" + 2𝑦# ≤ 2
−6𝑦! + 3𝑦" + 5𝑦# ≤ −4
2𝑦! + 5𝑦" − 4𝑦# ≤ 3
𝑦! , 𝑦" , 𝑦# ≥ 0
No hay solución factible.
5.1. Resolviendo el primal con SOLVE en Excel:
Mediante análisis de sensibilidad obtenemos los precios sombra:
5.2. Creamos el dual partiendo del primal anterior:
Resolviendo el dual con SOLVE en Excel:
Mediante análisis de sensibilidad obtenemos los precios sombra:
Haciendo uso del programa de cómputo QM for Windows.
Planteamiento del problema:
Resolviendo el programa lineal:
Se obtiene:
Programa lineal dual:
π‘ΏπŸ = πŸ’
π‘ΏπŸ = πŸ”
π‘ΏπŸ‘ = 𝟎
π’π’Žá𝒙 = 𝟏𝟐
Resolviendo el programa lineal dual:
Precios sombra:
π’€πŸ = 𝟐
π’€πŸ = 𝟐
Variables de decisión:
π‘₯!
π‘₯"
π‘₯#
π‘₯$
= π΄π‘™π‘’π‘Žπ‘π‘–ó𝑛 1
= π΄π‘™π‘’π‘Žπ‘π‘–ó𝑛 2
= π΄π‘™π‘’π‘Žπ‘π‘–ó𝑛 3
= π΄π‘™π‘’π‘Žπ‘π‘–ó𝑛 4
Formulación del PL:
π‘€π‘Žπ‘₯π‘–π‘šπ‘–π‘§π‘Žπ‘Ÿ 𝑧 = 8π‘₯! + 10π‘₯" + 12π‘₯# + 14π‘₯$
Sujeto a:
π‘₯! + π‘₯" + π‘₯# + π‘₯$ = 1
6π‘₯! + 3π‘₯" + 2π‘₯# + π‘₯$ ≥ 3.5
3π‘₯! + 2π‘₯" + 5π‘₯# + 6π‘₯$ ≤ 3
8π‘₯! + 3π‘₯" + 2π‘₯# + π‘₯$ = 4
π‘₯! , π‘₯" , π‘₯# , π‘₯$ ≥ 0
Resolvemos el problema para el primal usando QM:
1. Planteamiento del problema:
2. Resolución:
3. Se concluye:
π‘ΏπŸ = πŸπŸ“%
π‘ΏπŸ = πŸ”πŸ. πŸ“%
π‘ΏπŸ‘ = 𝟎
π‘ΏπŸ’ = 𝟏𝟐. πŸ“%
𝐙𝐦á𝐱 = 𝟏𝟎
Resolvemos el problema para el dual usando QM:
Resolviendo el programa lineal dual:
Precios sombra:
•
•
•
𝐘𝟏 = πŸπŸ”
𝐘𝟐 = −πŸ’
π˜πŸ‘ = 𝟎
π˜πŸ’ = 𝟐
Precio sombra Y1: Por cada “unidad" agregada a este recurso, se tendría un aumento de
la función objetivo en 16 dólares.
Precio sombra Y2: Por cada unidad de níquel que se aumente repercutirá devaluando en
una magnitud de 4 el óptimo.
Precio sombra Y4: Por cada unidad de manganeso añadida como necesaria esto
repercutirá aumentando en 2 dólares el óptimo.
Propuesta:
•
•
Cambiar la condición de 4 toneladas de manganeso por 4.07%.
Cambiar la condición de que al menos se tenga 3.46% de níquel.
•
De esta forma observamos que z se maximiza hasta 10.1436.
a) Construya el PL
Variables de decisión:
Con base en los datos se define que:
Función objetivo:
𝑋! = πΆπ‘Žπ‘›π‘‘π‘–π‘‘π‘Žπ‘‘ 𝑑𝑒 π‘ˆπ‘›π‘–π‘‘π‘Žπ‘‘π‘’π‘  𝑑𝑒𝑙 π‘ƒπ‘Ÿπ‘œπ‘‘π‘’π‘π‘‘π‘œ π‘π‘œ. 1
𝑋" = πΆπ‘Žπ‘›π‘‘π‘–π‘‘π‘Žπ‘‘ 𝑑𝑒 π‘ˆπ‘›π‘–π‘‘π‘Žπ‘‘π‘’π‘  𝑑𝑒𝑙 π‘ƒπ‘Ÿπ‘œπ‘‘π‘’π‘π‘‘π‘œ π‘π‘œ. 2
Maximizar las utilidades obtenidas de los productos producidos
π‘€π‘Žπ‘₯π‘–π‘šπ‘–π‘§π‘Žπ‘Ÿ 𝑍=15π‘₯1+25π‘₯2
Restricciones:
Mano de Obra Calificada [Horas]:
3π‘₯1+4π‘₯2≤100
Mano de Obra No Calificada [Horas]:
2π‘₯1 + 3π‘₯2 ≤ 70
Materia Prima [Unidades]:
Demanda del Producto No. 2:
π‘₯1 + 2π‘₯2 ≤ 30
π‘₯2 ≥ 3
Se considera que existe una no negatividad, es decir;
π‘₯1, π‘₯2 ≥ 0
Programa lineal
Haciendo uso de la herramienta Solver de Excel:
Modelo del P.L y solución:
Informe de respuestas:
Informe de sensibilidad:
b) Encuentre una política óptima para el problema.
Del modelo del P.L. solución y del informe de sensibilidad podemos observar que una política
óptima para el problema es:
Z∗ = 435 [Unidades]
𝑋!∗ = 24 [π‘ˆπ‘›π‘–π‘‘π‘Žπ‘‘π‘’π‘ ]
𝑋"∗ = 3 [π‘ˆπ‘›π‘–π‘‘π‘Žπ‘‘π‘’π‘ ]
c) Encuentre los precios sombra e interprete.
Mano de Obra Calificada
El precio sombra para la restricción de la Mano de Obra Calificada es de 0𝑏1 [𝐷óπ‘™π‘Žπ‘Ÿπ‘’π‘ ], esto
se debe a que aún hay recursos sin consumir, por lo que un aumento en 𝑏1 unidades no
incrementa las ganancias de la compañía.
Las horas de Mano de Obra Calificada aceptables para que la solución siga siendo óptima se
encuentran en el rango de:
100 − 16 ≤ π‘€π‘Žπ‘›π‘œ 𝑑𝑒 π‘‚π‘π‘Ÿπ‘Ž πΆπ‘Žπ‘™π‘–π‘“π‘–π‘π‘Žπ‘‘π‘Ž ≤ 100 + 1π‘₯1030
84 ≤ π‘€π‘Žπ‘›π‘œ 𝑑𝑒 π‘‚π‘π‘Ÿπ‘Ž πΆπ‘Žπ‘™π‘–π‘“π‘–π‘π‘Žπ‘‘π‘Ž ≤ 1π‘₯1030
El aumento en una unidad (1 π»π‘œπ‘Ÿπ‘Ž) de Mano de Obra Calificada (𝑏1 = 1) no altera las ganancias
de la compañía: (0)(1) = 0 [𝐷óπ‘™π‘Žπ‘Ÿπ‘’π‘ ], por lo que las utilidades seguirán siendo las mismas.
Es decir, si la restricción cambiase a:
Mano de Obra Calificada [Horas]: 3π‘₯1 + 4π‘₯2 ≤ 101
Se obtendría: 𝑍 = 435 [𝐷óπ‘™π‘Žπ‘Ÿπ‘’π‘ ]
Mano de Obra No Calificada
El precio sombra para la restricción de la Mano de Obra No Calificada es de 0𝑏2 [𝐷óπ‘™π‘Žπ‘Ÿπ‘’π‘ ],
esto se debe a que aún hay recursos sin haber sido utilizados, por ello, un aumento en 𝑏2
unidades no incrementaría las ganancias de la compañía.
Las horas de Mano de Obra No Calificada aceptables para que la solución siga siendo
óptima se encuentran en el rango de:
70 − 13 ≤ π‘€π‘Žπ‘›π‘œ 𝑑𝑒 π‘‚π‘π‘Ÿπ‘Ž πΆπ‘Žπ‘™π‘–π‘“π‘–π‘π‘Žπ‘‘π‘Ž ≤ 70 + 1π‘₯1030
57 ≤ π‘€π‘Žπ‘›π‘œ 𝑑𝑒 π‘‚π‘π‘Ÿπ‘Ž πΆπ‘Žπ‘™π‘–π‘“π‘–π‘π‘Žπ‘‘π‘Ž ≤ 1π‘₯1030
El aumento en una unidad (1 π»π‘œπ‘Ÿπ‘Ž) de Mano de Obra No Calificada (𝑏2 = 1) no altera las
ganancias de la compañía: (0)(1) = 0 [𝐷óπ‘™π‘Žπ‘Ÿπ‘’π‘ ], por lo que, las utilidades seguirán siendo
las mismas.
Es decir, si la restricción cambiase a:
Mano de Obra No Calificada [Horas]: 2π‘₯1 + 3π‘₯2 ≤ 71
Se obtendría: 𝑍 = 435 [𝐷óπ‘™π‘Žπ‘Ÿπ‘’π‘ ]
Materia Prima
El precio sombra para la restricción de la Materia Prima es de 15𝑏3 [𝐷óπ‘™π‘Žπ‘Ÿπ‘’π‘ ], esto se debe
a que resulta rentable el aumento en 𝑏3 unidades de Materia prima, ya que ello permitirá
el aumento de las ganancias en la compañía.
Las unidades de Materia Prima aceptables para que la solución siga siendo óptima se
encuentran en el rango de:
30 − 24 ≤ π‘€π‘Žπ‘‘π‘’π‘Ÿπ‘–π‘Ž π‘ƒπ‘Ÿπ‘–π‘šπ‘Ž ≤ 30 + 5.333
6 ≤ π‘€π‘Žπ‘‘π‘’π‘Ÿπ‘–π‘Ž π‘ƒπ‘Ÿπ‘–π‘šπ‘Ž ≤ 35.333
El aumento en una unidad (1 Unidad) de Materia Prima (𝑏3 = 1) aumentará la solución
óptima en (15)(1) = 15 [Dólares], por lo que la ganancia pasará de 435 [Dólares] a 450
[Dólares].
Es decir, si la restricción cambiase a:
Materia Prima [Unidades]: π‘₯1 + 2π‘₯2 ≤ 31
Se obtendría: 𝑍 = 450 [Dólares]
Demanda de Producto
El precio sombra para la restricción de la Demanda de Producto es de −5𝑏4 [𝐷óπ‘™π‘Žπ‘Ÿπ‘’π‘ ], ya
que un aumento en 𝑏4 unidades de Demanda de Producto No.2 generará pérdidas a la
compañía, debido a que se requiere de más recursos para ello.
La cantidad de unidades en la Demanda del Producto No. 2 aceptables para que la solución
siga siendo óptima se encuentran en el rango de:
3 − 3 ≤ π·π‘’π‘šπ‘Žπ‘›π‘‘π‘Ž 𝑑𝑒𝑙 π‘ƒπ‘Ÿπ‘œπ‘‘π‘’π‘π‘‘π‘œ π‘π‘œ. 2 ≤ 3 + 12
0 ≤ π·π‘’π‘šπ‘Žπ‘›π‘‘π‘Ž 𝑑𝑒𝑙 π‘ƒπ‘Ÿπ‘œπ‘‘π‘’π‘π‘‘π‘œ π‘π‘œ. 2 ≤ 15
El aumento en una unidad (1 π‘’π‘›π‘–π‘‘π‘Žπ‘‘) en la Demanda del Producto No. 2 (𝑏4=1) disminuirá
la solución óptima en −5(1) = −5 [𝐷óπ‘™π‘Žπ‘Ÿπ‘’π‘ ], por lo que la ganancia pasaría de 435 [𝐷óπ‘™π‘Žπ‘Ÿπ‘’π‘ ]
a 430 [𝐷óπ‘™π‘Žπ‘Ÿπ‘’π‘ ].
Es decir, si la restricción cambiase a:
Demanda del Producto No. 2: π‘₯2 ≥ 4
Se obtendría: 𝑍 = 430 [𝐷óπ‘™π‘Žπ‘Ÿπ‘’π‘ ]
d) Con la base óptima, ¿cuál sería el ingreso de la compañía si tuviera 35 unidades
de materia prima?
Las unidades de Materia Prima aceptables para que la solución siga siendo óptima se
encuentran en el rango de
: 6 ≤ π‘€π‘Žπ‘‘π‘’π‘Ÿπ‘–π‘Ž π‘ƒπ‘Ÿπ‘–π‘šπ‘Ž ≤ 35.333
La solución seguirá siendo óptima si la compañía tuviese 35 unidades de materia prima.
Del inciso anterior, se observa lo siguiente:
(15)(𝑏3) = π‘ƒπ‘Ÿπ‘’π‘π‘–π‘œ π‘†π‘œπ‘šπ‘π‘Ÿπ‘Ž
Por ello, el aumento de 5 unidades de la materia prima se obtiene lo siguiente:
(15)(5) = 75 [𝐷óπ‘™π‘Žπ‘Ÿπ‘’π‘ ]
Por lo anterior, el ingreso de la compañía será de 75 [𝐷óπ‘™π‘Žπ‘Ÿπ‘’π‘ ] más, es decir:
Se obtendría:
𝑍 = 435 [𝐷óπ‘™π‘Žπ‘Ÿπ‘’π‘ ] + 75 [𝐷óπ‘™π‘Žπ‘Ÿπ‘’π‘ ] 𝑍 = 510 [𝐷óπ‘™π‘Žπ‘Ÿπ‘’π‘ ]
e) Con la base óptima, ¿cuál sería el ingreso de la compañía si tuviera 80 unidades
de mano de obra calificada?
Las horas de Mano de Obra Calificada aceptables para que la solución siga siendo óptima
se encuentran en el rango de:
84 ≤ π‘€π‘Žπ‘›π‘œ 𝑑𝑒 π‘‚π‘π‘Ÿπ‘Ž πΆπ‘Žπ‘™π‘–π‘“π‘–π‘π‘Žπ‘‘π‘Ž ≤ 1π‘₯1030
La solución ya no seguirá siendo óptima si la compañía tuviese 80 unidades de Mano de
Obra Calificada. Del inciso anterior, se observa lo siguiente: (0)(𝑏1) = π‘ƒπ‘Ÿπ‘’π‘π‘–π‘œ π‘†π‘œπ‘šπ‘π‘Ÿπ‘Ž
Por ello, al disminuir en 20 unidades la Mano de Obra Calificada se obtiene lo siguiente:
𝑏1 = 80 − 100 𝑏1 = −20 (0)(−20) = 0 [𝐷óπ‘™π‘Žπ‘Ÿπ‘’π‘ ]
Por lo anterior, el ingreso de la compañía será de 0 [𝐷óπ‘™π‘Žπ‘Ÿπ‘’π‘ ], esto con la base óptima, es
decir:
Se obtendría: 𝑍 = 435 [𝐷óπ‘™π‘Žπ‘Ÿπ‘’π‘ ]
Si se quisiese tener 80 horas de Mano de Obra Calificada, la solución óptima cambiaría a:
Modelo del programa lineal:
Informe de respuestas:
Análisis de sensibilidad:
f)
Recomiende una estrategia alterna que le siga conviniendo a la empresa.
Viendo los incisos anteriores podemos notar que la variable que produce un cambio visible en el
ingreso máximo de la empresa es el de la materia prima, tal y como lo señala el análisis de
sensibilidad. Con esta información y teniendo como objetivo la maximización de ingresos se
recomienda:
•
•
•
Aumentar a 35 unidades o más de materia prima.
No aumentar la demanda del producto 2.
Aumentar las horas de la mano de obra ya sea calificada o no calificada, pues al no ser
variables de impacto, se podría también modificar las unidades de materia prima y generar
mayor ganancia.
Uso de Recursos para los productos 1 y 2
Recursos
Mano de obra calificada (hr)
Mano de obra no calificada
(hr)
Productos
1
3
2
2
4
3
Al resolver en Excel con la función de solver se obtuvieron los siguientes resultados:
La solución óptima sería tener una ganancia de $80 vendiendo 20 radios tipo 1 y 10 radios tipo 2.
La columna de costo reducido nos indica que es rentable de forma óptima.
a) En los rangos de los coeficientes objetivo, observamos que la solución o base actual
seguirá siendo óptima para los valores de precio del radio tipo 1 de $26 a $23.
b) En los rangos de los coeficientes objetivo, observamos que la solución o base actual
seguirá siendo óptima para los valores de precio del radio tipo 2 de $26 a $21.5.
c) A continuación, se muestra la nueva solución óptima si en trabajador 1 y 2 solo están
dispuestos a trabajar 30 horas a la semana:
La solución óptima sería tener una ganancia de $50 vendiendo 10 radios tipo 1 y 10 radios
tipo 2. Considerando que ambos trabajadores están dispuestos a trabajar solo 30 horas a
la semana.
Variables de decisión
Con base en los datos se define que:
𝐻= Cantidad de Hamburguesas con queso por preparar.
𝐴= Cantidad de Albóndigas por preparar.
𝑃=Cantidad de platillos de Picadillo a preparar.
𝐢= Cantidad de Chiles Rellenos por preparar.
𝑋= Cantidad de Pasteles de Carne por preparar.
Función objetivo
Maximizar las utilidades obtenidas por la cantidad de platillos de cada tipo que serán
preparados, por lo tanto, la función objetivo es:
π‘€π‘Žπ‘₯π‘–π‘šπ‘–π‘§π‘Žπ‘Ÿ 𝑍 = 60𝐻 + 65𝐴 + 55𝑃 + 70𝐢 + 80𝑋
Restricciones
Materia prima disponible:
Carne Molida [gramos]: 50𝐻 + 150𝐴 + 150𝑃 + 350𝐢 + 170𝑋 ≤ 3500
Queso [gramos]: 25𝐻 + 315𝐢 ≤ 1000
Cebolla [gramos]: 10𝐻 + 115𝐴 + 115𝑃 + 310𝐢 + 115𝑋 ≤ 2000
Lechuga [gramos]: 25𝐻 + 150𝑋 ≤ 1500
Tomate[gramos]: 35𝐻 + 100𝐴 + 100𝑃 + 115𝐢 ≤ 4000
Chiles Poblanos [gramos]: 30𝐻 + 100𝐴 + 100𝑃 + 300𝐢 + 150𝑋 ≤ 6000
Condimentos [gramos]: 10𝐻 + 117𝐴 + 15𝑃 + 310𝐢 + 120𝑋 ≤ 1000
Pan disponible
Panes [gramos]: 1𝐻 ≤ 100
Se considera que existe una no negatividad: 𝐻, 𝐴, 𝑃, 𝐢, 𝑋 ≥ 0
a) ¿Cuánto se debe producir de cada alimento para maximizar las utilidades sin
desperdiciar materia prima?
Haciendo uso de la herramienta Solver de Excel se llevó a cabo lo siguiente:
Modelo del P.L y solución:
Informe de respuestas:
De acuerdo con lo obtenido, la solución óptima para que el chef maximice sus utilidades sin que
se desperdicie mucha materia prima, es la siguiente:
𝑍 ∗ = $ 4,366.897856 [π‘ƒπ‘’π‘ π‘œπ‘ ]
𝐻∗ = 32.28247163 [π‘ˆπ‘›π‘–π‘‘π‘Žπ‘‘π‘’π‘ ]
𝐴∗ = 13.90920555 [π‘ˆπ‘›π‘–π‘‘π‘Žπ‘‘π‘’π‘ ]
𝑃∗ = 0 [π‘ˆπ‘›π‘–π‘‘π‘Žπ‘‘π‘’π‘ ]
∗
𝐢 = 12.86254729 [π‘ˆπ‘›π‘–π‘‘π‘Žπ‘‘π‘’π‘ ]
𝑋 ∗ = 7.818411097 [π‘ˆπ‘›π‘–π‘‘π‘Žπ‘‘π‘’π‘ ]
b) b) Realice un análisis de sensibilidad para planificar la siguiente semana y concluya.
Informe de sensibilidad
Precios sombra:
Los precios sombra, para cada una de las restricciones son los siguientes:
Carne Molida [g]: (1.119168)(𝑏1)
Queso[g]: (0.2181589𝐸 − 01)(𝑏2)
Cebolla [g]: (0)(𝑏3)
Lechuga [g]: (0)(𝑏4)
Tomate [g]: (0.9041614𝐸 − 01)(𝑏5)
Chiles Poblanos [g]: (0.1105507𝐸 − 01)(𝑏5)
Condimentos [g]: (0)(𝑏6)
De esto se entiende que un aumento en 𝑏 Unidades permitidas (según el análisis de sensibilidad)
de materia prima, permitirá obtener un incremento en las utilidades.
Para la próxima semana se puede optar por incrementar la cantidad de materia prima
(ingredientes) de la siguiente manera:
Carne Molida [g]: 3,500 + 439 = 3,939 [𝑔] = 3.939 [𝐾𝑔]
Queso [g]: 1,000 + 466 = 1,466 [𝑔] = 1.466 [𝐾𝑔]
Cebolla [g]: 2,000 + π‘₯ = +2,000 [𝑔] = +2 [𝐾𝑔]
Lechuga[g]: 1,500 + π‘₯ = +1,500 [𝑔] = +1.5 [𝐾𝑔]
Tomate [g]: 4,000 + 1,319 = 5,319 [𝑔] = 5.319 [𝐾𝑔]
Chiles Poblanos [g]: 6,000 + 5,028 = 11,028 [𝑔] = 11.028[𝐾𝑔]
Condimentos [g]: 1,000 + π‘₯ = +1,000 [𝑔] = +1 [𝐾𝑔]
Nota: El valor de x está a consideración, ya que de acuerdo con el análisis de sensibilidad se puede
incrementar casi hasta el infinito.
Conclusiones:
Si el chef optara por incrementar los ingredientes para la semana próxima, de acuerdo con el
análisis de sensibilidad, exceptuando aquellos cuyo valor puede incrementarse hasta casi el infinito,
ya que de los precios sombra se observa que incrementar unidades de esos ingredientes no le
generarían mayor ganancia, entonces obtendría:
Modelo del programa lineal:
Informe de respuestas:
Informe de sensibilidad:
En conclusión, el chef podrá incrementar sus utilidades al incrementar la cantidad de materia prima
disponible hasta el límite aceptable, por lo que podría preparar:
𝑍 ∗ = $ 4,945 [π‘ƒπ‘’π‘ π‘œπ‘ ]
𝐻 = 39 [π»π‘Žπ‘šπ‘π‘’π‘Ÿπ‘”π‘’π‘’π‘ π‘Žπ‘ ]
𝐴∗ = 3 [𝐴𝑙𝑏óπ‘›π‘‘π‘–π‘”π‘Žπ‘ ]
𝑃∗ = 0 [π‘ƒπ‘–π‘π‘Žπ‘‘π‘–π‘™π‘™π‘œπ‘ ]
∗
𝐢 = 31 [πΆβ„Žπ‘–π‘™π‘’π‘  π‘Ÿπ‘’π‘™π‘™π‘’π‘›π‘œπ‘ ]
𝑋 ∗ = 3 [π‘ƒπ‘Žπ‘ π‘‘π‘’π‘™π‘’π‘  𝑑𝑒 πΆπ‘Žπ‘Ÿπ‘›π‘’]
∗
(función objetivo)
c) Realice un diagrama de Z (función objetivo) vs cada uno de los recursos en una
sola gráfica.
Download