PERIODO ACADEMICO 2021-2

TRABAJO ENCARGADO INVESTIGACION DE OPERACIONES

1. NOMBRE Y APELLIDO : DANIEL CUEVAS SERNA

Código : 2019123824

2. SEDE : filial ICA

3. CURSO : INVESTIGACION DE OPERACIONES

4. TEMA :

5. FECHA : 07 /10/2021

b) texto:

1. letra tipo: Arial

2. tamaño: 11

3. espacio interlineal : 1.5

4. justificación

5. fotos propocionales

6. paginas mínimas 10, máximas 20

Técnicas de investigación operativa aplicadas al trabajo por cuenta propia

resumen: 

La aplicación de los métodos cuantitativos de investigación de operaciones, entre ellos, la teoría de

colas, resultan prácticas muy ventajosas en la toma de decisiones empresariales. Numeroso son los
autores y trabajos que se enfocan en el uso de estos métodos en la gestión del conocimiento
empresarial. Sin embargo, estas herramientas cuantitativas pasan de ser percibidas en el modelo
empresarial del ejercicio del trabajo por cuenta propia en Cuba. El objetivo de este trabajo consistió
en realizar el análisis económico de un sistema de servicio de este sector laboral, apoyándose en el
empleo de la teoría de colas y la simulación. Una vez que concluyó el experimento, se comprobó la
efectividad de estas técnicas en la gestión del servicio en este tipo de sistemas.

Palabras clave: Investigación de Operaciones, Teoría de Colas, Simulación, Trabajo por cuenta

propia.

Introducción

El tener que esperar en una cola para recibir un servicio determinado, es una experiencia
cotidiana que normalmente se considera desagradable. Por ejemplo: esperar por ser servido en una
cafetería o restaurante, esperar en la cola de un banco, etc. Estos “fenómenos de espera”, son
sinónimo de pérdida de tiempo, lo cual ciertamente, conlleva costos asociados a esta espera. Este
costo de espera, a veces es cuantificable, si tiene la idea de cuánto deja de producir un obrero por
estar en una cola, pero en ocasiones posee un carácter de sensibilidad social, en cuyo caso no es tan
sencillo cuantificar, por ejemplo: que un paciente tenga que esperar en una sala de urgencias para
recibir atención médica. ¿Cómo se evitarían las colas? Una opción fácil sería el proporcionar
suficiente capacidad de servicio para reducir o incluso eliminar la espera. Sin embargo, mantener
una alta disponibilidad de servicio también genera gastos, los cuales pueden llegar a ser
considerables. Por tanto, herramientas cuantitativas como las que ofrece la teoría de colas, apoyan la
toma de decisiones en este sentido.

La teoría de colas incluye el estudio matemático de las colas o líneas de espera. La formación
de líneas de espera es, por supuesto, un fenómeno común que ocurre siempre que la demanda actual
de un servicio excede a la capacidad actual de proporcionarlo.

La teoría de colas es un estudio dentro del campo de la investigación de operaciones, que se

utiliza para analizar los sistemas de las líneas de espera, principalmente empresariales, y así obtener
sustanciales mejoras en ellos. (Maldonado Salazar, 2015)

El problema del administrador del negocio (es decir, el decisor), es determinar qué capacidad o
“tasa de servicio” proporciona el “balance apropiado”. Este sería un problema sencillo, si el arribo
de los clientes que demandan el servicio fuera de carácter fijo y el tiempo demandado para ser
servido también fuera fijo. Sin embargo, en sistemas de servicio reales, estos datos suelen ser
aleatorios. Por tal motivo, la teoría de colas no ofrece resultados exactos, pues toma como punto de
partida datos con aleatorios que siguen algún tipo de distribución probabilística y mediante métodos
estocásticos ofrece condiciones cercanas a la realidad. El prescindir de la tradicional exactitud de
métodos analíticos suele tener ventajas, en cuanto a la flexibilidad, rapidez, sencillez y que
posibilitan una mayor experimentación y análisis de sensibilidad.

El análisis del sistema comienza por la determinación de la distribución de los tiempos de

llegadas de los pacientes, junto a la duración de la atención. (Velázquez Martí & Vinueza Villares,
2017)

Los primeros estudios realizados con vista a la formulación matemática de la teoría de colas
para formular y modelar estos fenómenos de espera, fueron realizados a principios del siglo XX por
el ingeniero danés A. K. Erlang. Esta teoría fue evolucionando y tomó especial auge con el
surgimiento de la ciencia de la computación y el desarrollo de potentes estaciones de cómputo. Hoy
en día, constituyen técnicas muy usadas en todo el mundo y poderosas herramientas para el análisis
y la toma de decisiones empresariales.

Numerosos son los trabajos que enmarcan y fundamentan el uso de la investigación de

operaciones, particularmente la teoría de colas en el análisis económico de sistemas de
servicio: Atoche et al (2014), Bautista & Carvajal (2014), Miranda (2014), Velázquez & Vinueza
(2017), Grandío (2017) y muchos otros. En la mayoría de ellos muestran como con la aplicación de
estas técnicas se favorece la toma de decisiones desde un punto de vista de gestión de
conocimiento Gallagher & Watson (2005), García et al (2014), Rodríguez et al (2017) y otros. Si
bien, todos estos trabajos se enfocan en el uso de la teoría de colas en empresas estatales y de
servicios, aportan elementos representativos que marcan el punto de partida de este trabajo, en
cuanto a cómo aplicar estas técnicas al modelo de empresa no estatal en sistemas de servicio
ofrecidos por el sector laboral de trabajo por cuenta propia.

La aplicación de las herramientas de investigación de operaciones, la simulación y

particularmente, la teoría de colas, aportan gran cantidad de elementos para el análisis económico del
modelo empresarial en el trabajo por cuenta propia. Sin embargo, estas importantes técnicas
cuantitativas a menudo pasan de ser percibidas en el sector cuentapropista, muchas veces por
factores subjetivos o por desconocimiento.

La meta fundamental de este trabajo es mostrar como las técnicas de la investigación de

operaciones pueden influir de forma positiva en el proceso de gestión y planeamiento del modelo
empresarial del trabajo por cuenta propia, asumiéndolo como objeto de estudio. Tras el análisis de
un caso particular de un sistema de servicio de este sector, se identifican oportunidades de mejoras
en la gestión del conocimiento empresarial en la modalidad del trabajo por cuenta propia. Lo cual
conlleva al siguiente problema ¿cómo favorecer la gestión empresarial del modelo de trabajo por
cuenta propia mediante la aplicación de técnicas de investigación de operaciones? Para resolver la
problemática anterior; este trabajo se plantea como objetivo: Analizar económicamente un sistema
de servicio del sector no estatal usando modelos matemáticos de la teoría de colas. De este modo,
con la información proporcionada por estos métodos cuantitativos motivar la polémica y
proporcionar la adopción de estas prácticas en este sector laboral.

Materiales y Métodos

La metodología adoptada en este trabajo se basó en los lineamientos de trabajo abordados

por Barreto et al (2014); en el cual se establecen un conjunto de pasos para la modelación,
simulación y análisis económico de sistemas de servicio. Para la realización de este documento,
algunos de estos pasos se fusionaron y se reajustaron para adaptar esta metodología al sistema de
servicio objeto de estudio y se muestran a continuación:

Definición del problema y planificación del proyecto

En este punto se estimó pertinente definir el contexto del problema, esclarecer aspectos
puntuales sobre el sistema de servicio analizado, así como el aparato legal concerniente al tipo de
actividad y servicio que se presta en el sistema. Se seleccionó el software a utilizar durante el
experimento de simulación.

Descripción del sistema de servicio

En este trabajo, se tomó como objeto de estudio, un sistema de servicio del sector laboral del
trabajo por cuenta propia. El servicio brindado se denomina “Copiador y vendedor de discos”. El
sistema de servicio consiste en un puesto ubicado en la “Calle 10 de octubre” No.22c, entre las calles
10 y 12, en el reparto Harlem, de la ciudad de Holguín, Cuba. Los clientes arriban a este puesto de
forma aleatoria, con la finalidad de copiar y comprar discos con información variada; allí son
atendidos por el operario Yandris Rodríguez Sillero, con número de licencia: TPCP B-117262. Para
el ejercicio de este tipo de servicio, se dispone de una computadora con una de las más avanzadas
configuraciones de hardware y software; en la cual se dispone de 16 000 gigas bytes de información
para ofrecer a los clientes, distribuida en 4 discos duros de 4 000 gigas cada uno. El administrador
del negocio, desea tener una medida cuantitativa del desempeño de su sistema de servicio, con la
configuración actual y si saber si es económicamente factible incorporar otra estación de servicio, es
decir, otra computadora con igual rendimiento y capacidad de almacenaje que la que se dispone
actualmente.

Acerca del trabajo por cuenta propia

El trabajo por cuenta propia es una modalidad de empleo, que incrementa la oferta de bienes y
servicios con niveles de calidad aceptables para la población nacional y extranjera. Esta modalidad
de empleo, es una de las decisiones que ratifica el perfeccionamiento del sistema económico-social
cubano, a la vez que, con sus normativas tributarias constituyen una fuente de ingreso para los
presupuestos municipales.

El consejo de estado y de ministros, los ministerios: de Justicia, Economía y Planificación,

Finanzas y Precios, Trabajo y Seguridad Social y otros ministerios e instituciones del país, son las
encargadas de la planificación, regulación y control del ejercicio del trabajo por cuenta propia,
distribuidas en 123 actividades autorizadas. (Ministerio de Justicia, 2018)

El sistema de servicio seleccionado como objeto de análisis, se fundamenta en el ejercicio de

una de las 123 actividades autorizadas para el trabajo por cuenta propia. La cual se denomina
“Comprador vendedor de discos”; para el cual se estipula un régimen simplificado de tributación,
con cuotas consolidadas mínimas mensuales de $60.00. El organismo rector de esta actividad es el
Ministerio de Cultura.

El Comprador vendedor de discos; reproduce y comercializa discos con contenidos no lesivos a

los valores éticos y culturales, cumple las regulaciones en materia de derecho de autor. Incluye el
alquiler de discos y la reproducción en cualquier soporte. Cumple las normas sobre la protección de
las creaciones intelectuales. Está obligado a formalizar previamente relaciones contractuales con la
Agencia Cubana de Derecho de Autor Musical (ACDAM), la Agencia de Autores Visuales
(ADAVIS) y con productoras nacionales. (Ministerio de Justicia, 2018).

A partir del 1 de Agosto de 2017, esta actividad y otras pocas se encuentran suspendidas, es
decir, no se emitirán nuevas licencias para el ejercicio de la actividad, pero, aquellas personas que
tengan esta licencia podrán seguir ejerciendo la actividad.(…) No otorgar nuevas autorizaciones para
las actividades “vendedor mayorista de productos agropecuarios”; “vendedor minorista de productos
agropecuarios”; “carretillero o vendedor de productos agrícolas en forma ambulatoria”; “comprador
vendedor de discos” (…) (Ministerio de Justicia, 2017)

Selección del software para llevar a cabo el experimento de simulación

El software seleccionado para llevar a cabo el experimento de simulación del sistema de

servicio estudiado, es Arena de Rockwell Software. Los criterios utilizados para esta selección son:
facilita una modelación intuitiva y de fácil identificación de sus módulos operativos, posibilita el
análisis minucioso del tipo de sistema simulado y predicciones de rendimiento, ofrece facilidades
para la realización de análisis de sensibilidad en el proceso de simulación, a la vez que ofrece el
resumen estadístico de los indicadores a simular.

Definición del sistema y formulación conceptual del modelo

Este paso consistió en definir qué acción se va a ejercer sobre el modelo y cómo se va a medir
su comportamiento. Se trata, por tanto, de definir qué variables son las entradas y cuáles las salidas,
cómo va a modificarse el valor de las entradas y cómo van a recogerse los datos de salida.
 Para la formulación del modelo de este sistema de servicio, se adoptó la notación propuesta
por (Álvarez-Buylla Valle, 1987), siendo la que se muestra a continuación:

: Valor esperado del número de clientes en el sistema de servicio.

: Valor esperado del número de clientes que esperan para recibir el servicio.

: Probabilidad de que haya n clientes en el sistema de servicio, cuando arriba un nuevo cliente.
Teniendo en cuenta que .

: Probabilidad de que exactamente n clientes estén en el sistema de servicio en el instante t.

: Valor esperado del tiempo de estancia de un cliente en el sistema.

: Valor esperado del tiempo de estancia de un cliente en la cola  .

: Número de canales o estaciones de servicio (en paralelo).

: Razón media de arribos (número esperado de arribos de los clientes por unidad de tiempo) de
nuevos clientes cuando hay n clientes en el sistema.

: Razón media de servicio (número esperado de clientes que completa su servicio por unidad de
tiempo) cuando hay n clientes en el sistema.

Cuando  es una constante para todos los valores de n, es decir, no depende de n, se denota por .
De igual modo, cuando la razón media de servicios por estación ocupada es una constante para
todo  se denota por ,en este caso cuando , de forma tal que las S estaciones están ocupadas.

Bajo estas condiciones, se define entonces:

: Factor de utilización para el servicio conjunto, o sea, fracción del tiempo que las estaciones se
encuentran ocupadas, donde: . Esto significa que  representa la fracción de capacidad de servicio
conjunto del sistema ( ), que está siendo utilizada, como promedio, por las clientes que arriban (  ).

Diseño preliminar del experimento y preparación de los datos de entrada

Para determinar los valores de las medias de arribos de los clientes  y del tiempo de servicio  ;
se recolectaron las observaciones históricas ofrecidas por el administrador del negocio, datos
recolectados de los tiempos de arribo y servicio entre clientes correspondiente a 17 jornadas de
trabajo de 10 horas. El levantamiento de los datos, fue totalmente aleatorio, según iban llegando los
clientes, se contabilizaron los tiempos entre arribos consecutivos y por cada cliente, el tiempo de
servicio, ambos en minutos; Posteriormente esta muestra fue sometida al análisis en el software
Statgraphic, con lo cual se pudo constatar que ambas variables seguían una distribución exponencial.
En total se procesaron 312 arribos de clientes, con sus respectivos tiempos de servicio, ambos
medidos en minutos. El resultado de aplicar estadística descriptiva al levantamiento de la
información se muestra en la tabla.

Tabla 1. 
Estadística del levantamiento de los arribos de los clientes y el tiempo siendo servido.  
 Traducción del modelo.

Previamente comprobado que tanto los arribos como los tiempos de servicio siguen una
distribución probabilística Exponencial y se asumen por tanto como datos iniciales:

 =31.58 minutos

 =12.21 minutos

De modo que:

 =(1/31.58 )∙(60 minutos por hora)=1.90clientes/hora

=(1/12.21)∙(60 minutos por hora)=4.91 clientes/hora

S=1

Cs=30 $/día; como las jornadas son de 10 horas cada una, es decir que:

Cs=3 $/hora

Ce=15 $/día; igualmente, asumiendo que las jornadas son de 10 horas:

C6=1.5 $/hora

La población de clientes que pueden acceder al sistema de servicio es infinita.

No se restringe el área de espera, por tanto, puede considerarse cola de longitud infinita.
 La disciplina de atención a la cola es por orden de llegada, o FIFO (first in first out).

En la mayoría de los textos que estudian los fenómenos de espera, se utiliza una notación típica
conocida como notación Kendall, donde cada modelo se identifica por tres símbolos: el primero se
refiere al tipo de distribución que siguen los tiempos entre arribos; el segundo a la distribución que
siguen los tiempos de servicio y el tercero, al número de canales o estaciones de servicio. (Álvarez-
Buylla Valle, 1987)

Considerando la variante actual:

El modelo que describe este sistema de servicio es , FIFO a tono con la notación Kendall. Pues
se asume la existencia de una sola estación de servicio.

Primeramente a de comprobarse como condición inicial que el factor de utilización del

sistema  , puesto que de no ser así, esto implicaría que el sistema no es estable, es decir, que la
demanda del servicio es mayor que la capacidad de atención, conllevando a que al cabo de un tiempo
hallan clientes que nunca puedan ser atendidos.

Para este caso  , con lo cual se demuestra que el sistema es estable. En este caso, el valor de
también representa la probabilidad de que al arribar un cliente tenga que esperar por ser atendido.

El indicador P0 denota la probabilidad de que no halla clientes en el sistema y el operario de la

estación de servicio pueda descansar. Puesto que la estación de servicio no podrá parar mientras
haya al menos un cliente por ser atendido, sin dudas el cálculo de este indicador es importante para
el administrador del negocio, pues determina la fracción del tiempo que no tiene clientes para
atender y así poder planificar para este margen realizar otras acciones productivas para el negocio o
estrategias de marketing para la búsqueda de nuevos clientes potenciales.

Al calcular P0 mediante la fórmula:  demuestra que el operario o estación de servicio, tendrá

cerca de un 40% de probabilidad de estar desocupado, es decir, aproximadamente 4 de las 10 horas
de la jornada de trabajo, no tendrá clientes que atender. El valor esperado del número de clientes en
el sistema de servicio es de aproximadamente clientes, al ser determinado por la expresión .

Otros indicadores de desempeño decisivos en el análisis de este tipo de modelos, sin lugar a
dudas lo constituyen:

El valor esperado de clientes que están en la cola 

El tiempo medio de estancia de un cliente en el sistema de servicio 

El tiempo medio de espera de los clientes en la cola

Los cuales para este caso de uso son clientes; minutos y minutos, respectivamente.

Considerando la variante de incorporar una segunda estación de servicio (S=2):

El modelo que describe este sistema de servicio es , FIFO. Para el cual, calculando el factor de
utilización del sistema como ; tenemos que siendo  ; es evidente que al incrementarse el número de
estaciones de servicio, este indicador decrece, corroborando que al igual que el caso anterior, el
sistema sea considerado estable.

A continuación, se ofrecen las fórmulas y los resultados del cálculo de los otros indicadores:
 Aunque estos datos ya proporcionan una medida cuantitativa del desempeño, en este trabajo se
aboga por el uso de otra de las técnicas de la investigación de operaciones; la simulación. Para lo
cual, previamente ha de describirse las partes del modelo del sistema a ser simulado.

La simulación es una de las técnicas más potentes en el estudio de los sistemas, se puede
definir brevemente como una técnica que trata de imitar el comportamiento de los diferentes
fenómenos en una realidad artificial; es aplicable a una gran cantidad de situaciones, aunque como
no tiene criterio de optimización, en ningún caso garantiza la obtención de una solución óptima, sino
de una buena solución. (Álvarez-Buylla Valle, 1987)

Diseño y puesta a punto del experimento de simulación, verificación y validación

Típicamente el experimento consistió en repetir un cierto número de réplicas de la simulación.

Para el experimento se realizaron un total de 20 réplicas en condiciones establecidas que guardaran
similitud con el modelo del problema actual y el levantamiento previo de las observaciones
históricas, predefiniendo un total de 312 arribos de clientes por cada una de las 20 réplicas del
experimento.

Figura 1. 
Modelo del experimento de Simulación en el software Rockwell Arena.  

Luego de realizar la experimentación diseñada anteriormente. (ver Figura 2) Se procedió al

estudió de los resultados para comprobar la credibilidad de los mismos. Se corroboró, además, que el
modelo funcionara correctamente y fuera lo suficientemente representativo del comportamiento real
del sistema de servicio en estudio.
 Figura 2 . 
Resultados estadísticos ofrecidos por Arena en cuanto al proceso, la cola y la usabilidad de la
estación de servicio. 

Resultados

Al analizar e interpretar de los datos obtenidos, en primer lugar, con el cálculo manual de los
indicadores de desempeño como: factor de utilización del sistema, tiempo promedio de un cliente en
el sistema y en la cola, valores esperados del total de clientes en el sistema y esperando a ser servido,
entre otros. Así como, en segundo lugar, los elementos aportados por el software Arena en la
realización del experimento de simulación. Se llegan a medidas cuantitativas de desempeño que
reafirman las suposiciones observadas por el administrador del negocio. Con la configuración actual
existe un equilibrio en cuanto a la demanda y la capacidad del servicio.

No obstante, la teoría de colas, pudiera brindar otro elemento a considerar. El dueño de este
servicio de ejercicio por cuenta propia, tiene una interrogante. ¿Será económicamente factible ubicar
otra estación de servicio (es decir, otra computadora) para incrementar la capacidad de servicio?

En función de los datos obtenidos anteriormente, este análisis económico es fácil de

determinar. Basta con comparar los valores esperados de los costos totales para ambas situaciones,
es decir, mantener como hasta ahora una sola estación de servicio o incorporar otra computadora.
Teniendo en cuenta que en ambos casos, el valor esperado del costo total del sistema es igual al
valor esperado del costo del servicio más el valor esperado del costo de espera, es decir:  , donde:  ; y
a su vez .

Realizando los cálculos correspondientes tenemos:

Tabla 2 . 
Resultados de los valores esperados del costo total del sistema de servicio con una y dos estaciones  
 Como puede observarse en la Tabla 2, la variante que hace mínimo los valores esperados del
costo total del sistema de servicio es mantener solo una estación de servicio, por tanto; esta medida
cuantitativa derivada de este análisis, ayudó al dueño del negocio en la toma de decisiones con
respecto a la cantidad de estaciones que debía tener en su sistema de servicio. Con vista a estudios
futuros el modelo formulado, los resultados y análisis derivados, se documentaron de forma
adecuada para su reutilización y aplicación a problemas similares.

Conclusiones

Las conclusiones que se derivan de esta investigación son las siguientes:

En este trabajo se tomó como objeto de estudio, el uso de métodos cuantitativos de la

investigación de operaciones como herramienta de apoyo en la toma de decisiones en la modalidad
del trabajo por cuenta propia. Particularizando en el análisis de un sistema de servicio de este sector
laboral cuya actividad es denominada “Copiador y vendedor de discos”.

Los resultados obtenidos y el análisis derivado de este estudio evidenciaron como mediante el
empleo de métodos cuantitativos de la investigación de operaciones se puede analizar el desempeño
de estos sistemas de servicio.

El principal resultado de esta investigación es mostrar como las técnicas de la investigación de

operaciones puede influir de forma positiva en el proceso de gestión y planeamiento del modelo
empresarial del trabajo por cuenta propia.

Referencias Bibliográficas

Álvarez-Buylla Valle, M. (1987). Modelos económico-matemáticos II (Vol. I). (F. Cepero

Tejera, Ed.) Ciudad de La Habana: ISPJAE.

Atoche, W., Arevalo, E., & Valverde, R. (2014). Simulación de una línea de ensamble de
bolígrafos usando teoría de colas. 12th Latin American and Caribbean Conference for
Engineering and Technology, (págs. 1-8). Guayaquil, Ecuador.

Barreto, S. E., López, M. V., & Mariño , S. I. (2014). Problemas de colas con arena.
Modelización y simulación de la llegada de clientes. INVESTIGACION OPERATIVA, 22(35),
186-198.

Bautista Díaz, J. D., & Carvajal Verano, J. S. (2014). Diseño de la estrategia operativa para la
implementación de un nuevo sistema de filas para las oficinas del Banco Davivienda y de un
sistema de evaluación y control de la operación de sus subdirectores y cajeros. Tesis de Grado,
Pontifica Universidad Javeriana, Facultad de Ingeniería Industrial, Bogotá, Colombia.

Gallagher, C., & Watson, H. (2005). Métodos cuantitativos para la toma de decisiones en

Administración (Vol. II). La Habana: Felix Varela.
 García Ruiz, R. S., Cruz Aké, S., & Venegas Martínez, F. (2014). Una medida de eficiencia de
mercado. Un enfoque de teoría de la información. Contaduría y Administración, 59(4), 137-166.

Grandío, F. B. (2017). Simulación de redes de colas para la validación de sistemas de

procesado en tiempo real. UNIVERSITAT POLITÉCNICA DE CATALUÑA, Escola
d`Enginyeria de Telecomunicasió i Aeroespacial de Castelldefels, Cataluña.

Maldonado Salazar, F. (2015). La teoría de colas y su uso en la gestión administrativa. Gaceta

Sansana, 6-15.

Ministerio de Justicia. (1 de Agosto de 2017). RESOLUCIÓN No. 22/2017 del Ministerio de

Trabajo y Seguridad Social. Gaceta Oficial de la República de Cuba.

Ministerio de Justicia. (10 de Julio de 2018). Reglamento del ejercicio del trabajo por cuenta
propia. Gaceta Oficial de la República de Cuba(35).

Miranda, M. (2014). Sistemas de colas con intermisión de servicios y clientes sin

tolerancia. INVESTIGACION OPERATIVA, 22(35), 37-55.

Rodríguez Jáuregui, G. R., González Pérez, A. K., Hernández González , S., & Hernández
Ripalda, M. D. (2017). Análisis del servicio de Urgencias aplicando teoría de líneas de
espera. Contaduría y Administración, 62, 719–732.

Velázquez Martí, B., & Vinueza Villares, V. V. (2017). Aplicación de modelos de teorías de
colas a la gestión asistencial en los centros de salud. Enfermería Investiga, Investigación,
Vinculación, Docencia y Gestión, 2(1), 28-33.

Notas de autor

1 MS.c. Ronald Pérez-Roche rperezr@uho.edu.cu Licenciado en Ciencias de la Computación,

Master en Educación Matemática Universitaria, Profesor Auxiliar, Profesor a tiempo completo en el
Departamento de Matemática, Facultad de Informática y Matemática, Universidad de Holguín
2 Lic. Guillermo Alfonso Márquez-Fuentes gmarquez@uho.edu.cu
3 MS.c. Floro Antonio Rosales-Marrero arosalesm@uho.edu.cu
1
5
oTro trabajos

Programación lineal en la investigación de

operaciones

Partes: 1, 2
1. Introducción
2. Investigación de operaciones
3. Bibliografía

Introducción
El presente Módulo de Autoaprendizaje titulado: "Investigación de
Operaciones: PROGRAMACIÓN LINEAL" se ha elaborado para los alumnos de
la escuela profesional de Ingeniería en Energía del curso de Investigación de Operaciones a
fin de ayudar en el aprendizaje de esta amplia disciplina y cubriendo algunas necesidades
pedagógicas.
El módulo se ha elaborado teniendo en cuenta las diversas metodologías existentes en
los libros y adaptándolo a las necesidades pedagógicas propias de los estudiantes y, se ha
dividido en cinco sesiones de aprendizaje considerando algunas actividades de atajo por
cada tema donde el alumno tiene que ir comprobando su aprendizaje y al finalizar cada
sesión se considera una auto evaluación. Los alumnos no podrán pasar a la siguiente sesión
si no han desarrollado todas las actividades planteadas.
El contenido de las sesiones son los siguientes:
Sesión 01 : Fundamento Básicos de Investigación de Operaciones, orienta a los
estudiantes en el contexto de la metodología de investigación de operaciones brindando las
principales definiciones, sus campos de aplicación y las técnicas de investigación de
operaciones desarrolladas.
Sesión 02 : Fundamentos de Programación Lineal, introduce al conocimiento de
la técnica de programación lineal, construyendo sus modelos y la descripción de cada uno
de sus elementos; se formula modelos a partir de situaciones problemáticas dándolo
solución por el método grafico. Adicionalmente a ello se estudia el problema de
Asignación, Transporte y de la dieta.
Sesión 03 : Método Simplex Primal, los alumnos aprenderán a resolver los modelos
de Programación Lineal haciendo uso del algoritmo simplex primal dando
un interpretación administrativa a los resultados y asignándolo un tipo de solución.
Sesión 04 : El Problema Dual y El Método Simplex Dual, el alumno construirá un
problema dual a partir del problema primal brindando los resultados del dual a partir de la
solución del Primal. Además, aprenderá el algoritmo Simplex Dual como una alternativa de
solución de problemas de PL que se ajuste a las condiciones de esta técnica.
Sesión 05 : Análisis de Sensibilidad, el alumno estará en la capacidad de interpretar
los resultados de la técnica de programación lineal, evaluando las posibilidades el
incrementos o disminución de sus recursos y/o utilidades (costos) respetando las
condiciones de factibilidad y optimidad respectivamente.
Con este módulo de autoaprendizaje pretendo contribuir en el campo pedagógico de
la enseñanza de la investigación de operaciones de los estudiantes de Ingeniería y está
abierta a cualquier sugerencia o crítica constructiva a fin de seguir mejorando y que es la
razón de ser de todo profesional.

Investigación de operaciones
 1. DEFINICIONES DE INVESTIGACIÓN DE OPERACIONES.
"La I.O. puede describirse como un enfoque científico de la toma de decisiones que requiere
la operación de sistemas organizaciones".
Hiller y Lieberman
"La I.O. comprende los métodos y modelos de matemáticas aplicadas para resolver
problemas de operaciones complejas".
Comisión Presidencial sobre Seguridad de la
Aviación de los EEUU de Norteamérica.
"La I.O. es la aplicación de métodos científicos, técnicas y herramientas a problemas que
involucran las operaciones de sistemas además de proveer a éstos, de soluciones óptimas en
los problemas sobre control de sus operaciones".
Churchman, Ackoff y Arnoff
"La I.O. comprende la aplicación del método científico al estudio de organizaciones o
actividades grandes y complejas"
Concejo Nacional de Investigación de Gran Bretaña
"Se define la I.O. como la aplicación del método científico al análisis y solución de
problemas de decisión gerencial"
Turban y Meredith
"Se utiliza aquí el termino I.O. como el análisis del uso de los modelos matemáticos como
un auxiliar en el proceso de la toma de decisiones"
Buffa y Dyer
Tomado del material de estudio del curso Técnicas de Investigación Operativa de la
Maestría en administración de operaciones, de la Universidad de Tecnológica de
Santiago, República Dominicana.
SECUENCIA OPERATIVA DE UN ESTUDIO DE INVESTIGACIÓN DE OPERACIONES.
Tomado del material de estudio del curso Técnicas de Investigación Operativa de la
Maestría en administración de operaciones, de la Universidad de Tecnológica de
Santiago, República Dominicana.
 2. CAMPOS DE APLICACIÓN DE LA INVESTIGACIÓN DE
OPERACIONES.
La investigación de operaciones aborda temas que responde a preguntas que se formulan a
continuación:
Cuál es la forma más eficiente de asignar ciertos recursos escasos para conseguir la más alta
tasa de retorno? ¿Cuál es la mejor manera de asignar rutas a una flotilla de transporte
de bienes que deben ser colocados en bodegas de distribuidores para que los costos sean
más bajos? ¿Cuántas ventanillas deben colocarse en un banco en las horas normales y en las
horas y días pico para que los clientes no se desesperen y se retiren al banco que está
cruzando la calle (competencia)?
঩quest;Cuántas cajas registradoras debe habilitar un supermercado para que el largo de las
colas no entorpezcan la circulación de los clientes que aún están comprando y de los
trabajadores que colocan mercadería, etiquetan y dan atención al público? ¿De qué manera
debe asignarse un presupuesto en una industria (o en un sector de la economía de un país),
para que se satisfaga la demanda interna y externa del bien o servicio que produce?
঩quest;Cuál será la demanda de líneas telefónicas para el año 2010, teniendo en cuenta el
crecimiento natural de la población, el cambio de sus hábitos, la producción, el número de
profesionales, escuelas, comercios, etcétera, que habrán en ese entonces? ¿Será posible
hacer predicciones (aproximadas por supuesto) de cuántas escuelas, comercios,
profesionales, etcétera, habrá en el año 2010? , etc. Es muy oportuno porque es en estos
casos donde los especialistas en esta disciplina pueden apoyar a los demás.
Como se podrá notar el campo de la investigación de operación es diverso: se puede aplicar
en cualquier Actividad Humana pero primordialmente en la Administración, economía,
industria e Ingeniería, siempre buscando optimizar sus recursos.
 3. TÉCNICAS DE INVESTIGACIÓN DE OPERACIONES.
Entre la técnicas mas utilizadas de investigación de operaciones podemos citar lo siguiente:
Programación Lineal y Entera.: Consiste en formular problemas en términos de
modelos matemáticos conducidos a maximizar o minimizar los beneficios o costos. La
programación lineal varia un tanto de la programación entera en respecto a la técnica para
encontrar los resultados en función de los valores que asume.
Programación Dinámica.- La programación dinámica se utiliza tanto en problemas
lineales como no lineales. Es útil para resolver un problema donde se deben tomar una serie
de decisiones interrelacionadas. A diferencia de la Programación Lineal la programación
dinámica no tiene formulación matemática estándar. Se trata de un enfoque de tipo general
para la solución de problemas, y las ecuaciones se derivan de las condiciones individuales
de los mismos.
Programación y evaluación de proyectos con PERT – CPM.: Esta técnica para
la planificación de proyectos es un instrumento gerencial por excelencia, ya que permite
alࠥ
jecutivo planear y mantener un control muy preciso durante la ejecución de los mismos.
Teoría de Inventarios.- se crea un inventario cuando el volumen de materiales, partes o
bienes terminados que se recibe es mayor que el volumen de los mismos que se distribuye;
el inventario se agota cuando la distribución es mayor que la recepción de materiales.
La teoría de inventarios se dedica a estudiar diversos modelos de administración de
inventarios de tal forma que nos permita mantener recursos disponibles necesarios sin
incurrir en costos cuando suceda su faltante o un exceso. Entre varios métodos que nos
permiten tener un inventario optimo entre ellos tenemos: Clasificación ABC, modelo JUST
IN TIME ( JIT ), Modelo de Planeación de Requerimientos de Materiales (MRP), Modelo
EOQ con demanda determinística, etc.
Teoría de Decisiones.- cada uno de nosotros siempre tomamos decisiones influenciados
por diversos factores internos o externos pudiendo ser el resultado de estas decisiones
favorable o desfavorable. En algunos casos los resultados de las decisiones son previsibles
pero otros casos existe una gran incertidumbre. La teoría de decisiones se basa en el estudio
de la toma de decisiones haciendo uso de las probabilidades basados en informaciones
previas de tal forma que las posibilidades de acertar en una decisión sean calculadas
previamente. Algunas de las técnicas son: teoría de BAYES, el criterio MÍNIMAX,
MAXIMIN, MÁXIMAX, etc.
Teoría de Colas.- Las colas es una palabra común en nuestra vida por ejemplo si
queremos sacar el dinero de un cajero automático, cuando vamos a atendernos a un
hospital, maquinas descompuestas que esperan ser reparadas, etc todo esto trae como
consecuencia incomodidad y costos inmersos en el hecho de realizar las colas. Esta teoría se
basa en elaborar ciertas técnicas en reducir las molestias volviendo mas eficiente
el sistema y por ende la reducción de los costos.
Teoría de Juegos.- consiste en razonamientos circulares, los cuales no pueden ser
evitados al considerar cuestiones estratégicas. Por naturaleza, a los humanos no se les va
muy bien al pensar sobre los problemas de las relaciones estratégicas, pues generalmente la
solución es la lógica a la inversa.
En la Teoría de Juegos la intuición no es muy fiable en situaciones estratégicas, razón por la
que se debe entrenar tomando en consideración ejemplos instructivos, sin necesidad que
los mismos sean reales.
La Teoría de Juegos actualmente tiene muchas aplicaciones, sin embargo, la economía es el
principal cliente para las ideas producidas por los especialistas en Teoría de Juego. Entre
las disciplinas donde hay aplicación de la Teoría de Juegos tenemos: La economía, la
ciencia política, la biología y la filosofía.
  4. MODELOS EN INVESTIGACIÓN DE OPERACIONES.
Un modelo es una representación de la realidad como un producto de análisis para efectos
de su estudio.
Tipos de Modelos:
 Modelo Icónico: Es concreto, representación de un objeto de la vida real
(fotografía, maqueta).
 Modelo Simbólico: Una curva de demanda en economía.
 Modelo Matemáticos: Las ecuaciones en este punto se propone
la hipótesis de que el modelo es la representación real de la situación
problemática.
Este tipo de modelo es el que hace uso la investigación de operaciones.
AUTOEVALUACION
Desarrollo Individual
 1) Escribir un concepto de investigación de operaciones.
 2) Explique mediante un ejemplo la secuencia de pasos de un estudio de
investigación de operaciones.
 3) Elaborar un cuadro resumen de las técnicas de investigación de operaciones.
 4) Explique mediante un ejemplo 3 técnicas de investigación de operaciones.
 5) Escriba un concepto de modelo y brinde ejemplos de los tipos de modelos.
TRABAJO GRUPAL: Formar grupos de 5 alumnos e investigue los siguientes temas:
 Antecedentes históricos de la investigación de operaciones.
 Investigar en que áreas de su especialidad se han aplicado la investigación de
operaciones.
Preparar un informe grupal y las diapositivas para la exposición en la siguiente clase.
PROGRAMACIÓN LINEAL
ANTECEDENTES HISTORICOS.
 Debido al éxito obtenido en las campañas de la segunda guerra mundial,
entonces, en la década de 1950 se usa en la industria, los negocios y el gobierno.
 Dio origen a las carreras como ingeniería mecánica, química e Industrial.
 Inglaterra dio origen a esta disciplina y a los EEUU se le atribuye el rápido
crecimiento gracias al método simplex desarrollado en 1947 por George
Dantzing. Otras herramientas de IO son PL, P. Dinámica, Líneas de Espera
y teorías de inventario hasta antes de terminar la década de 1950.
DEFINICIÓN DE PROGRAMACIÓN LINEAL.
Es una técnica matemática de análisis que permite determinar cual 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.
ELEMENTOS DE UN MODELO DE PROGRAMACIÓN LINEAL.
VARIABLES DE DECISIÓN:
Incógnitas del Modelo (X1, X2, X3, ... , Xn)
PARAMETROS: Variables controlables del sistema. ( aij )
FUNCION OBJETIVO : Maximización o Minimización. ( Max Zo. Ó Min Zo. )
RESTRICCIONES: Expresadas como ecuaciones restrictivas, representan los recursos
limites 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

PROPIEDADES DE LA FORMA DE PL ESTANDAR

Todas las restricciones son ecuaciones (con los segundos miembros no negativos si el
modelo se soluciona por medio del método simplex primal.
Todas las variables son no negativas.
La función objetivo puede ser la maximización o la minimización.
TIPOS DE VARIABLES EN UN MODELO DE PL
Si la restricción es de la forma ( entonces se suma una VARIABLE DE HOLGURA Si
Si la restricción es de la forma ( entonces se agrega una VARIABLE DE EXCESO - Si
Variables Artificiales (Ai) : Hace las veces de una variable de holgura en restricciones de la
forma =
Variables No Básicas: Son aquellas variables que tienen valor igual a cero.
Variables Básicas: Son aquellos que cuyo valor son distintos de cero. Si son positivos se
dicen que son Variables Básicas Factibles.
Variable Irrestricta (o no restringida) : yi puede representarse en términos de dos variables
no negativas mediante la sustitución de:

FORMULACION Y SOLUCION DE MODELOS DE PROGRAMACIÓN LINEAL.

FORMULACION DE UN MODELO DE MAXIMIZACIÓN.
Problema Nº 01
En una urbanización se van a construir casas de dos tipos: A y B. La empresa constructora
dispone para ello de un máximo de 1800 millones de ptas, siendo el coste de cada tipo de
casa de 30 y 20 millones respectivamente. El Ayuntamiento exige que el número total de
casas no sea superior a 80. Sabiendo que el beneficio obtenido por la venta de una casa de
tipo A es de 4 millones y de 3 millones por una de tipo B ¿cuántas casas deben construirse
de cada tipo para obtener el máximo beneficio?
Solución:

Capital a invertir Demanda del Mercado Utilidades

( millones de ptas.) (unidades) (millones ptas)

Tipo A (X1) 30 1 4

Tipo B (X2) 20 1 3

Disponibilidad 1800 80

El modelo de programación lineal es el siguiente:

La solución se dará por el método grafico más adelante.
Ejercicio N° 01ࠠ
La fábrica LA MUNDIAL S.A., construye mesas y sillas de madera. El precio de venta al
público de una mesa es de S/. 270 y el de una silla S/.110ࠌA MUNDIAL S.A.ࠥ stima que
fabricar una mesa supone un gasto de S/. 100 de materias primas y de S/. 140 de costos
laborales. Fabricar una silla exige S/. 40 de materias primas y S/. 50 de costos laborales.
La construcción de ambos tipos de muebles requiere un trabajo previo de carpintería y un
proceso final de acabado (pintura, revisión de las piezas fabricadas, empaquetado, etc.).
Para fabricar una mesa se necesita 1 hora de carpintería y 2 horas de proceso final de
acabado. Una silla࠮ecesita 1 hora de carpintería y 1 hora para el proceso de acabado. LA
MUNDIAL S.A. no tiene problemas de abastecimiento de materias primas ni de los costos
laborales, pero sólo puede contar semanalmente con un máximo de 80 horas de carpintería
y un máximo de 100 horas para los trabajos de acabado. Por exigencias del mercado, LA
MUNDIAL S.A.ࠦ abrica, como máximo, 40 mesas a la semana. No ocurre así con las sillas,
para los que no hay ningún tipo de restricción en cuanto al número de unidades fabricadas.
Determinar el número de mesas y de sillas que semanalmente deberá fabricar la empresa
para maximizar sus beneficios. Formular el Modelo de Programación Lineal.
FORMULACION DE UN MODELO DE MINIMIZACIÓN.
PROBLEMA N° 02࠼/b>
Una campaña para promocionar una marca de productos lácteos se basa en el
reparto gratuito de yogures con sabor a limón o a fresa. Se decide repartir al
menos 30.000 yogures. Cada yogurt de limón necesita para su elaboración 0,5
gr. de un producto de fermentación y cada yogurt de fresa necesita 0,2 gr. de
ese mismo producto. Se dispone de 9 kgs. de ese producto para fermentación.
El coste de producción de un yogurt de fresa es el doble que el de un yogurt de
limón. ¿Cuántos yogures de cada tipo se deben producir para que el costo de la
campaña sea mínimo?
Solución:

Promoción Producto Fermentación Costo de Producción

(Unidades) (gr.) Unidades monetarias / unidad

Yogurt de Limón
1 0.5 1
(X1)

Yogurt de Fresa (X2) 1 0.2 2

Demanda o
30000 9000
disponibilidad

Luego del Modelo de Programación Lineal será

La solución se dará por el método grafico más adelante.
Ejercicio 2:
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 encuentran dos clases de compuestos: el tipo X con una
composición de una unidad de A y cinco de B, y el tipo Y, con una composición
de cinco unidades de A y una de B. El precio del tipo X es de 1000 pesetas y el
del tipo Y es de 3000 pesetas. Se pregunta:
¿Qué cantidades se han de comprar de cada tipo para cubrir las necesidades
con un coste mínimo?. Formular el Modelo de Programación Lineal.
SOLUCION POR EL METODO GRAFICO.
Modelo de Maximización: considerando el modelo del problema 1

Realizando las operaciones algebraicas para obtener los valores de X1 y X2 en

cada una de las restricciones:
En la restricción 1 (C1):
Por lo tanto la solución optima esta en el punto R (Por ser un problema de
maximización)
Aquí la Z se vuelve el mayor posible.
X1 = 20
X2 = 60
ZR = 260
Se tiene la siguiente grafica:

Interpretación Administrativa:
La Empresa Constructora debe construir 20 y 60 casas de tipo A y tipo B
respectivamente para obtener la máxima utilidad posible que representa a 260
millones de ptas. bajo las condiciones de disponibilidad de recursos
financieros y demanda del mercado.
Ejercicio 3: Dar solución con el Método Gráfico al ejercicio 1 y dar una
interpretación administrativa al resultado.
Respuesta:
Mesas = 20 unidades.
Sillas = 60 unidades.
Utilidad Máxima = S/. 1800
Modelo de Minimización: considerando el modelo del problema 2
Realizando las operaciones algebraicas para obtener los valores de X1 y X2 en
cada una de las restricciones:
En la restricción 1 (C1):
Si X1 = 0,entonces, X2 =30000 Luego P1(X1,X2) = P1(0,30000) y Z1=
1(0)+2(30000)=60000
Si X2 = 0,entonces, X1 =30000 Luego P2(X1,X2) = P2(30000,0) y Z2=
1(30000)+2(0)=30000
P1 si forma parte de la solución.
En la restricción 2 (C2):
Si X1 = 0 ,entonces, X2 =45000 Luego P3(X1,X2) = P3(0,45000) y
Z3=1(0)+2(45000) = 90000
Si X2 = 0 ,entonces, X1 =18000 Luego P4(X1,X2) = P4(18000,0) y Z4 =
1(18000)+2(0) = 18000
P3 si forma parte de la solución.
Calculando el punto (R) donde se interceptan las dos restricciones:
Resolviendo simultáneamente las dos ecuaciones.

Luego: X1 = 10000
PR(X1,X2) = PR(10000,20000)
Entonces: ZR = 1(10000) + 2(20000)
ZR = 50000
Por lo tanto la solución optima esta en el punto R (Por ser un problema de
minimización)
Aquí la Z se vuelve el mínimo posible.
X1 = 10000
X2 = 20000
ZR = 50000
Se tiene la siguiente grafica:
Interpretación administrativa:
A fin de minimizar los costos de producción en la fabricación de yogurt con
sabor a limón o fresa que se pretende promocionar en la campaña se
recomienda producir 10000 y 20000 unidades de yogures de limón y fresa
respectivamente obteniendo un costo mínimo total de 50000 unidades
monetarias bajo las condiciones mínimas de demanda en la promoción y los
insumos de productos de fermentación disponibles.
Ejercicio 4: Dar solución con el Método Gráfico al ejercicio 2 y dar una
interpretación administrativa al resultado.
Respuesta:
Tipo X = 2.5 unidades.
Tipo Y = 2.5 unidades.
Costo Mínimo = 10000 ptas.
APLICACIONES DE LA PROGRAMACIÓN LINEAL
Aunque surgió como aplicación a cuestiones de carácter logístico y militar, es
la industria y la economía donde, posteriormente ha encontrado sus
aplicaciones más importantes.
Así, por ejemplo, la Programación Lineal permite resolver problemas
de mezclas, nutrición de animales, distribución de factorías, afectación
de personal a distintos puestos de trabajo, almacenaje, planes de producción,
escalonamiento de la fabricación, problemas de circulación, planes de
optimización de semáforos, estudios de comunicaciones internas, etc.
Veamos algunas de las aplicaciones más importantes:
EL PROBLEMA DE ASIGNACIÓN.
Este problema administrativo consiste en colocar m recursos (personal u
objetos) a n tareas. Por ejemplo, una empresa puede asignar óptimamente sus
m empleados a n áreas de la empresa teniendo en cuenta el rendimiento del
empleado. Aquí se puede maximizar el rendimiento. Por otro lado se puede
minimizar los costos asociados que tiene el hecho de asignar un empleado a un
determinado departamento.

Procedimiento:
Caso minimización.
 1. Determinar el menor costo para cada una de las filas.
 2. Restar con ese valor a los demás costos de la fila.
 3. Hacer lo mismo a nivel de columnas si es que alguna no se halla
cubierto con ceros y restar con ese valor a los demás elementos de la
columna comprometida.
 4. Trazar el menor numero de rectas que incluya la mayor cantidad
de ceros. Si el numero de rectas es igual al numero de filas entonces
se habrá llegado a la solución optima. Ir al paso 7.
 5. Si no es solución óptima, en las celdas no cubiertas, seleccionar el
menor valor de las celdas y restar de los demás y adicionar este valor
aquellas celdas que forman parte de la intersección de dos rectas (no
aquellos que sean ceros).
 6. Regresar al paso 4.
 7. Para obtener el costo empiece asignando a las celdas cubiertas con
ceros los valores originales dados en la matriz inicial. Empiece
este procedimiento con aquellas filas con el mínimo numero de
ceros.
Caso Maximización:
Seleccionar los valores más altos de las filas y columnas y seguir los pasos
dados anteriormente.
Problema: Caso Compañía JAV.
La gerencia general que se encuentra en Bogotá ha decidido que cada uno de
los 4 vicepresidentes visite una de las 4 plantas de la compañía ubicadas en
diferentes ciudades.
La gerencia empieza por estimar los costos que representará a la compañía el
envío de cada vicepresidente a cada planta. Con esos costos el gerente puede
evaluar cualquier designación particular con base en la siguiente matriz de
costos:
PLANTA

VICEPRESIDENTE 1 2 3 4

Finanzas (F) 24 10 21 11
 Mercadeo (M) 14 22 10 15

Operaciones (O) 15 17 20 19

Personal (P) 11 19 14 13

Establecer el plan de asignación a mínimo costo.

Solución:
Paso 1:

VICEPRESIDENTE 1 2 3 4 Mínimo

Finanzas (F) 24 10 21 11 10

Mercadeo (M) 14 22 10 15 10

Operaciones (O) 15 17 20 19 15

Personal (P) 11 19 14 13 11

Paso 2:

VICEPRESIDENTE 1 2 3 4 Mínimo

Finanzas (F) 14 0 11 1 10

Mercadeo (M) 4 12 0 5 10

Operaciones (O) 0 2 5 4 15

Personal (P) 0 8 3 2 11

Paso 3:

VICEPRESIDENTE 1 2 3 4

Finanzas (F) 14 0 11 0

Mercadeo (M) 4 12 0 4

Operaciones (O) 0 2 5 3

Personal (P) 0 8 3 1

Mínimo - - - 1
Paso 4: Las rectas que incluyen la mayor cantidad de ceros (02) son la
columna 1 y la fila de Finanzas. Como piden el mínimo numero de rectas se
puede escoger arbitrariamente cualquiera de ellas. Escogemos la columna 1.

Paso 5: El menor valor de las celdas es el numero 1 que se encuentra en la

celda (4,P). Luego se adiciona y resta según corresponda así:

Quedando la siguiente tabla:

Paso 6:

Paso 7:
Como el numero de rectas es igual al numero de filas entonces obtenemos el
costo mínimo.

VICEPRESIDENTE 1 2 3 4
 Finanzas (F) 15 0 12 0

Mercadeo (M) 4 11 0 3

Operaciones (O) 0 1 4 2

Personal (P) 0 7 2 0

Luego la asignación queda de la siguiente manera

EL PROBLEMA DEL TRANSPORTE.

Este problema consiste en colocar en varios destinos las unidades situadas en
varios orígenes, en tal forma que la colación sea óptima (reducir costos o
maximizar la ganancia).

Procedimiento:
 1. Obtener las penalizaciones restando el menor costo de cada fila o
columna de su inmediato superior.
 2. Seleccionar la fila o columna con mayor penalización y ubicar su
menor costo.
 3. Obtener el menor valor entre la oferta y demanda en la
intersección encontrada en el paso anterior y restarlo del otro.
 4. Eliminar aquella fila o columna con menor oferta o demanda.
Regresar al paso 1 hasta ya no se pueda hacer más reducciones.
 5. Luego que se ha obtenido la primera solución básica validar el
resultado mediante la técnica de los signos (Método del eslabón).
 6. Para evaluar los resultados asignar un signo positivo ( + ) a la
celda vacía que se desea evaluar e ir asignando alternadamente con
signos negativos o positivos a aquellas celdas llenas. Se debe tener en
 cuenta que en cada fila o columna debe tener un positivo y un
negativo o viceversa.
Problema:
La compañía HBB productora de máquinas tiene 4 plantas (A,B,C,D) en
diferentes ciudades que pueden suministrar 400, 900, 200 y 500 unidades al
mes. Tres centros de consumo (X,Y,Z) requieren para su distribución 500, 700
y 800 unidades respectivamente. La compañía debe decidir cuántas máquinas
enviará de cada planta a cada centro. Para esto tiene en cuenta el costo del
transporte en miles de $ por unidad que está resumido en la siguiente tabla:

Observe que el problema se balancea en el sentido de que la oferta total

suministrada por las máquinas disponibles es igual al número total de
unidades requerido por los centros de consumo.
La meta de HBB consiste en minimizar los costos de transporte de las
máquinas de las plantas a los centros.
Solución:
Paso 3:
El menor valor entre oferta y demanda: min(200,500) = 200
Luego la diferencia será: 500 – 200 = 300
Paso 4: Se elimina la Fila C por tener menor oferta = 200 y se aplica la técnica
según el paso1.

Hallando el mínimo: Min (200,800) = 200 , entonces, la diferencia = 800 –

200 = 600 y se elimina la Fila D.

Paso 6:
Resumiendo los resultados en la siguiente tabla:
Consideremos que sucede el hecho de enviar 1 unidad en la ruta A - X.
Aumentar 1 unidad en A – X +12
Disminuir 1 unidad en A – Z -10.
Aumentar 1 unidad en D – Z +4
Disminuir 1 unidad en D – X -6
Total = 0 ; esto significa que enviar una unidad en esa ruta mantiene indistinto
al modelo.
Consideremos que sucede el hecho de enviar 1 unidad en la ruta A - Y.
Aumentar 1 unidad en A – Y +6
Disminuir 1 unidad en A – Z -10
Aumentar 1 unidad en B – Z +9
Disminuir 1 unidad en B – Y - 4
Total = + $ 1 ; esto significa que enviar una unidad en esa ruta se incrementa el
costo en una unidad de miles de dólares.
Ejercicio: Evaluar para las demás celdas vacías.
Finalmente la solución seria la óptima con un costo de acuerdo a la siguiente
tabla.

Partes: 1, 2

TOTAL
RUTA UNIDADES COSTO
($)

AZ 400 10 4000

BY 700 4 2800
 BZ 200 9 1800

CX 200 4 800

DX 300 6 1800

DZ 200 4 800

Total 2000 12000

EL PROBLEMA DE LA DIETA.
Trata de determinar los alimentos que deben incluirse en una dieta para asegurar
la nutrición necesaria y a la vez minimizar el coste.༯ font>

Ejemplo: Un ave de rapiña necesita para subsistir al día 30 unidades de proteínas, 20

de grasas y 8 de vitaminas. Sus presas son dos tipos de animales: ratones que le
proporcionan 3 unidades de proteínas, 4 de grasa y 1 de vitaminas; y palomas, que le
proporcionan 6 unidades de proteínas, 2 de grasas y 1 de vitaminas. Si cazar y comer un
ratón le cuesta 7 unidades de energía y una paloma 12 unidades de energía, ¿cuántas presas
de cada clase debe cazar para satisfacer sus necesidades, con el menor gasto de energía?
Solución:

El problema consiste en minimizar el gasto de energía.

AUTOEVALUACIÓN
Resuelve el siguiente cuestionario luego consulta a tu profesor la respuesta de la misma.
Escribe V (verdadero) o F (Falso) a las siguientes proposiciones:
( ) Programación Lineal se utiliza para optimizar el uso de los recursos buscando maximizar
utilidades y minimizando costos.
( ) El Método Simplex se creó el año 1947 y su creador fue George Dantzing.
( ) Los Modelos de Programación Lineal son de Maximización y Minimización.
( ) Un ejemplo de parámetro son las proporciones de recurso disponible que se da para cada
variable de decisión.
( ) La función objetivo son los recursos que se dispone para la asignación al modelo.
( ) Las restricciones son las limitaciones que tiene el modelo en función a los recursos que
dispone.
( ) La región factible es la solución optima.
( ) La solución optima forma parte de la región factible.
( ) Las restricciones de tipo ( siempre dan soluciones factibles y se agrega variables de
holgura.
( ) Las restricciones de tipo ( siempre dan soluciones infactibles y se agregan variables de
exceso.
( ) La variable artificial actúa como una holgura frente a una variable de exceso.
( ) Las variables Básicas son aquellos cuyo valor son igual a cero.
Formula y resuelve por el método gráfico el modelo de programación lineal.
 1. Las rectas asociadas a las desigualdades
2x + y ( 18; 2x + 3y ( 26; x + y ( 16
se cortan dos a dos en tres puntos que son los vértices de un triángulo T. Sea S la
intersección del triángulo T con el primer cuadrante (x(0, y(0). Hallar el máximo de la
función 5x + 3y cuando x e y varían en S
 2. Una industria vinícola produce vino y vinagre. El doble de la producción de
vino es siempre menor o igual que la producción de vinagre más cuatro
unidades. Por otra parte, el triple de la producción de vinagre sumado con
cuatro veces la producción de vino se mantiene siempre menor o igual a 18
unidades.
Halla el número de unidades de cada producto que se deben producir para alcanzar un
beneficio máximo, sabiendo que cada unidad de vino deja un beneficio de 800 ptas. y cada
unidad de vinagre de 200 ptas.
 3. Un hipermercado necesita como mínimo 16 cajas de langostino, 5 cajas de
nécoras y 20 de percebes. Dos mayoristas, A y B, se ofrecen al hipermercado
para satisfacer sus necesidades, pero sólo venden dicho marisco en contenedores
completos. El mayorista A envía en cada contenedor 8 cajas de langostinos, 1 de
nécoras y 2 de percebes. Por su parte, B envía en cada contenedor 2, 1 y 7 cajas
respectivamente. Cada contenedor que suministra A cuesta 210.000 ptas.,
mientras que los del mayorista B cuestan 300.000 pesetas cada uno. ¿Cuántos
contenedores debe pedir el hipermercado a cada mayorista para satisfacer sus
necesidades mínimas con el menor coste posible?
METODO SIMPLEX PRIMAL
Algoritmo creado en 1947 por George Dantzing.
PROCEDIMIENTO:
El modelo debe estar representado en su forma estándar.
Debe tener una solución básica inicial factible. Es decir los elementos del lado derecho
deben ser positivos.
Añadir las variables de Holgura, Exceso y/o artificial dependiendo del tipo de Restricción.
Evaluar las variables de entrada y salida según el método de Gauss-Jordan.
CONDICION DE OPTIMIDAD:
La variable entrante en una maximización (en una minimización) es la variable no básica,
con el coeficiente mas negativo (más positivo) en la ecuación z objetivo. Un empate se
rompe arbitrariamente. El óptimo se alcanza cuando todos los coeficientes no básicos en la
ecuación z son positivos (negativos) o ceros.
CONDICION DE FACTIBILIDAD:
Cualquiera sea el modelo de Programación Lineal (Maximización o Minimización) la
Variable Saliente es la variable básica actual, con la menor intersección (razón mínima con
denominador estrictamente positivo) en dirección de la variable entrante. Un empate se
rompe arbitrariamente.
METODO DE GAUSS – JORDAN.
1.- Ecuación Pivote:
Nueva Ec. Pivote = Ec. Pivote ( Elem Pivote
2.- Formula para hallar las demás ecuaciones, incluyendo Z.
Nueva Ec. = (Ec. Anterior) – (Coef. Columna Entrante) X (Nueva Ec. Pivote)
Tipo de Solución del Método Simplex Primal: Solución Optima y Factible.
Es aquella cuyo conjunto solución se encuentra en algún punto extremo del espacio de
soluciones factibles (región factible). Se puede notar cuando se llega a una iteración donde
no existe variable candidata para ingresar (condición de optimidad) y todos los elementos
del lado derecho de la tabla son positivos (condición de factibilidad)
SOLUCION DE UN MODELO DE MAXIMIZACION CON EL METODO SIMPLEX PRIMAL
Sea el modelo:
FORMA ESTANDAR
Simplex Tableau -- Iteration 2

Simplex Tableau -- Iteration 3

ACTIVIDAD 01:
Completar la tabla siguiendo el procedimiento del algoritmo Simplex Primal para
obtener la tabla optima final.

Z X1 X2 S1 S2 S3 S4 Solución

Z
 X2 0 0 1 0,6667 -0,3333 0 0 1,3333

X1

S3

S4

Solución:
Z = 12,6667
X1 = 3,3333
X2 = 1,3333
S1 = 0
S2 = 0
S3 = 3
S4 = 0,6667
SOLUCION DE UN MODELO DE MINIMIZACION CON EL METODO SIMPLEX PRIMAL
ACTIVIDAD 02:
Completar la tabla óptima haciendo los cálculos para cada una de las ecuaciones según la
técnica del método Simplex Primal.
Solución:
Z = 13.33
X1 = 6.667
X2 = 3.333
A1 = 0
A2 = 0
S1 = 0
S2 = 0
CASOS ESPECIALES EN LA SOLUCIÓN CON EL METODO SIMPLEX
 1. Soluciones Infactibles (Inexistentes).
Sucede cuando las restricciones no se puede satisfacer en forma simultanea. Esto puede
suceder cuando existen restricciones distintas al de ( dado a que se debe agregar variables
artificiales (valores muy grandes) que se convierten en cero cuando llegan al óptimo. Caso
contrario (valor positivo de la variable artificial) se dice que la solución es infactible.
 2. Soluciones Degeneradas.
Sucede cuando existe al menos una restricción redundante generando con ello que en el
espacio de soluciones (variables básicas) aparezca algunas de ellas con valor cero (0).
 3. Soluciones con opciones óptimas alternativas.
Sucede cuando la función objetivo es paralela a un restricción de enlace (ósea, una
restricción que satisface en el sentido de la igualdad a través de la solución óptima). La
función objetivo tomará el mismo valor óptimo en mas de un punto de solución[1]Otra
forma de notarlo en las iteraciones del método simplex primal es cuando al evaluar mas dos
variables candidatas a ingresar cualquiera de ellas cumple con el mismo valor en la función
objetivo.
 4. Soluciones No acotadas.
Sucede cuando los valores de la variable pueden aumentar o disminuir indefinidamente sin
alterar a ninguna de las restricciones. Cuando el valor de la función objetivo crecen
(maximización) o disminuyen (minimización) indefinidamente se dice que el espacio de
soluciones y el valor optimo de la función objetivo son no acotadas.
Ejercicio:
Dados los siguientes modelos determinar su tipo de solución:
Minimizar Z = 3X1 + X2 + X3
sujeta a
X1 – 2X2 + X3 = 11
-4X1 + X2 + 2X3 = 3
2X1 - X3 = -1
X1;X2; X3 = 0
Maximizar Z = X1 + 3X2 - X3
sujeta a
X1 + 2X2 + X3 = 4
2X1 + X2 = 5
X1,X2 = 0
AUTOEVALUACIÓN
Resolver con el método simplex primal cada uno de los modelos propuestos e indicando el
tipo de solución.
1) Min Z = 10 X1 + 4 X2
Sujeto a:

2) Maximizar Z = 4X1 + 3X2

Sujeto a:

3) Minimizar Z = X1 + 2X2
Sujeto a:

4) Un avión de carga tiene tres compartimientos para almacenar: delantero, central y
trasero. Estos compartimientos tienen un límite de capacidad, tanto en peso como en
espacio, y se pretende utilizarlos para satisfacer cualquier fracción conveniente de las
demandas que también se indican. Para mantener balanceada la nave debe distribuírse la
carga de manera que el peso en cada compartimiento sea proporcional a su capacidad.
¿Cuál es el modelo matemático del problema?.
 EL PROBLEMA DUAL Y EL METODO SIMPLEX DUAL
PROBLEMA DUAL:
Considerar el siguiente modelo de PL.
Maximizar Z = CX
s.a.
AX ( b
X(0
Esta asociado al problema Dual:
Minimizar w = b T X
s.a.
A T Y ( CT
Y(0
Condiciones para derivar un Dual a partir de un Primal.
 1. El objetivo primal es maximización, y el objetivo dual es minimización.
 2. El número de variables en el dual es igual al número de restricciones en el
primal.
 3. El número de restricciones en el dual es igual al número de variables en el
primal.
 4. Los coeficientes de la función objetivo en el primal forman las constantes del
lado derecho del dual.
 5. Las constantes del lado derecho del primal forman los coeficientes de la
función objetivo del dual.
 6. Todas las variables son no negativas en ambos problemas.
Ejemplo 1 : Dado el siguiente modelo de PL.
La solución Dual se puede obtener a partir de la solución óptima Primal.
Así:

Ejemplo 2: Dado el siguiente modelo de PL (Primal) obtener su Dual.

Si en el modelo Primal existe una restricción de igualdad, entonces, en el
modelo Dual aparecerá una variable irrestricta y viceversa. Así:
Ejemplo 3:

El Dual del Dual es el Primal.

Ejemplo 4.
El modelo anterior se puede representar de la siguiente manera:

Lo cual demuestra que el dual del dual es el primal.

METODO SIMPLEX DUAL
Es aplicado a modelos que tiene restricciones de tipo ( (esta restricción da solución inicial
infactible) o la combinación de ( y ( (esta restricción siempre da solución inicial factible).
PROCEDIMIENTO:
El modelo debe estar representado en su forma estándar.
Debe tener una solución básica inicial óptima e infactible. Es decir los coeficientes de Z
deben ser negativos o ceros y los elementos del lado derecho deben ser negativos.
Añadir las variables de Holgura o Exceso dependiendo del tipo de Restricción.
Las variables de Exceso deben tener coeficiente positivo. Logrando con ello que la solución
inicial sea infactible.
La variable básica que sale es aquella que tiene valor negativo con mayor valor absoluto.
La variable No básica que ingresa resulta de la división entre los coeficientes de Z y los
coeficientes de la variable que sale (discriminándose los ceros y positivos a fin de conservar
la condición de optimidad) y se considera aquella cuyo resultado de la división sea la mas
pequeña.
Calcular las demás ecuaciones según el método de Gauss-Jordan.
METODO DE GAUSS – JORDAN.
1.- Ecuación Pivote:
Nueva Ec. Pivote = Ec. Pivote ( Elem Pivote
2.- Formula para hallar las demás ecuaciones, incluyendo Z.
Nueva Ec. = (Ec. Anterior) – (Coef. Columna Entrante) X (Nueva Ec. Pivote)
SOLUCION DE UN MODELO DE MAXIMIZACION CON EL METODO SIMPLEX DUAL

Nueva Ec. Pivote:(NEP)

Calculo de los coeficientes de las demás variables:

AUTOEVALUACION
Obtiene el Problema dual a partir del Primal planteado. Da solución por el método
simplex Dual al Problema (Dual o Primal) que mejor se adapte al método.
 ANÁLISIS DE SENSIBILIDAD.
Sea el siguiente modelo de PL:

Sean las siguientes tablas:

Tabla Inicial:

Z X1 X2 X3 X4 S1 S2 Solucion

Z 1 -12 -20 -18 -40 0 0 0

S1 0 4 9 7 10 1 0 6000

S2 0 1 1 3 40 0 1 4000

Tabla Final:
 Z X1 X2 X3 X4 S1 S2 Solución

Z 1 0 20/3 10/3 0 44/15 4/15 56000/3

X1 0 1 7/3 5/3 0 4/15 -1/15 4000/3

X4 0 0 -1/30 1/30 1 -1/150 2/75 1000/15

A partir del análisis de estas dos tablas podemos deducir lo siguiente:

Estado de los recursos.- Pueden ser de dos tipos: Escasos y abundantes.
S1 es escaso (representa a Horas Hombre en carpintería).
S2 es escaso (representa a Horas Hombre en acabado).
Estas dos variables no forman parte de la solución básica por lo tanto S1=S2=0 lo cual
indica que se ha utilizado todo en el proceso productivo.
Por otro lado, un recurso es abundante cuando forma parte de las variables básicas y es
diferente de cero. Lo cual indica que existen recursos disponibles al finalizar el proceso
productivo por lo tanto no es necesario disponer de más recursos.
Precios Duales (Precios sombra).- Representa el Precio Unitario que tiene cada
recurso expresado en unidades monetarias por unidad de medida del recurso.
En el ejemplo:
El recurso 1: tiene un precio dual Y1 = 44/15.
El recurso 2: tiene un precio dual Y2 = 4/15.
CAMBIO EN LA DISPONIBILIDAD DE LOS RECURSOS
Cualquier cambio Di que se haga a un recurso Bi este afectará a la función objetivo en una
proporción igual al coeficiente del recurso en la misma función objetivo.
Es decir:
Si cambio el recurso 1 de: 6000 a 6000 + D1 , entonces, Z = 56000/3 +(44/15)D1
El intervalo de variabilidad se calcula de la siguiente manera:

De aquí se tiene que analizar dos casos:

Ejercicio: Calcular el rango de variabilidad del recurso2 y cómo afecta a la función
objetivo.
Solamente los recursos escasos se pueden calcular la variación de sus coeficientes debido a
que el incremento de 1 unidad de esos recursos este incrementara la utilidad en la función
objetivo. Los recursos abundantes no contribuyen en nada a la función objetivo.
Otro Método:
A partir del análisis anterior y de la tabla óptima siguiente:
Ejercicio: Calcular el rango de variabilidad del recurso2 y cómo afecta a la función
objetivo.
CAMBIO EN LAS UTILIDADES Y/O COSTOS MARGINALES DE LA FUNCIÓN
OBJETIVO
Cualquier cambio d1 que se efectué a los coeficientes de la función objetivo de las variables
de decisión, este afectara en igual proporción en la solución óptima final.
Es decir:
Para calcular los coeficientes de variabilidad se toma dos casos.
Caso 1: Si No es variable básica.
El cambio d del coeficiente objetivo original de una variable no básica conduce siempre al
decremento en la misma cantidad del coeficiente objetivo en la tabla optima actual.
Por ejemplo:
X2 es variable no básica su c2 = 20 , entonces el nuevo seria c2 = 20 + d2 y la variación del
coeficiente de X2 se vera afectado en: 20/3 - d2
Para no romper la optimidad se debe cumplir que: 20/3 - d2 >= 0 , entonces, d2(20/3
Por lo tanto:
Método Analítico:

Ejercicio: Hallar la variación para el coeficiente de X3

Caso 2: Si es variable básica.

Nota:
Son mayores que cero para conservar la optimidad.
Solución por el Método Analítico:

Ejercicio: Calcular la variación de la utilidad de la variable básica x4

Otro Método:
A partir del análisis anterior y de la tabla óptima siguiente:

Ejercicio: Calcular la variación del coeficiente de X4

 AUTOEVALUACION
 1) La Constructora Casas Ltda., se ha adjudicado la construcción de 100 casas.
El contrato la obliga a construir dos tipos de casas. Para los beneficiarios las
casas tienen el mismo costo, pero para Constructora Casas, éstas tienen un
margen de utilidad diferente, así las casas tipo campo arrojan 5.100 K$ y las de
tipo rancho 5.000 K$. El contrato obliga a entregar las casas dentro de los nueve
meses de firmado el contrato. Otra información relevante se resume en la
siguiente tabla:

 a) Formule el problema de programación lineal.

 b) Encuentre la solución óptima gráficamente.
 c) Determine el estado de cada recurso.
 d) Determine el valor unitario de cada recurso.
 e) Con base en el valor unitario de cada recurso, ¿Qué recurso debe recibir
prioridad para un incremento de nivel?
 f) Determine el intervalo de cambio de cada recurso.
 g) Determine el cambio máximo en el coeficiente de ganancia de X1 y X2.
 h) Suponga que se desea agregar un nuevo tipo de casa denominada "Española"
que da un margen de utilidad de 4900 K$/casa y que requiere de 150 hr-
carpintero/casa y 80 hr-albañil/casa. Explique si conviene o no fabricar las
casas.
 2) Un veterinario aconseja a un granjero dedicado a la cría de pollos una dieta
mínima para la alimentación de las aves compuesta de 3 unidades. de hierro y 4
unidades. de vitaminas. El granjero sabe que cada kilo de maíz proporciona 2.5
unidades. de hierro y 1 unidad. de vitaminas, cada kilo de harina de pescado 3
unidades. de vitaminas y cada kilo de cierto pienso sintético 1 unidad de hierro y
2 unidades de vitaminas.
El granjero se pregunta por la composición de la dieta óptima que minimice el costo de la
alimentación, sabiendo que los precios del maíz, harina de pescado y pienso sintético son de
20, 30 y 16 ptas. respectivamente.
Comprobar si la solución sigue siendo válida en los siguientes casos:
 El precio del kilo de maíz pasa de 20 a 25 ptas.
 El precio del kilo de harina de pescado se reduce a 20 ptas.
 El precio del kilo de pienso sube hasta las 20 ptas.
 Aparece otro tipo de alimento cuyo precio es de 25 ptas. y cuya composición es 2
unidades de hierro y 2 unidades. de vitaminas.
 Se hace necesario introducir un nuevo componente alimenticio de manera que
las aves consuman por lo menos una unidad. En cada kilo de los alimentos
(maíz, harina de pescado y pienso) se encuentra una unidad del nuevo
componente.
 La cantidad mínima de hierro se amplia a 5 unidades.
 Las aves precisan consumir por lo menos 5 unidades. de vitaminas.
 Se presenta una variedad de maíz que en cada kilo contiene 3 unidades de hierro
y 1 de vitaminas y que sigue costando 20 ptas./kilo.
 3) Una compañía desea determinar el número de unidades mensuales de
los productos P1, P2 y P3 que debe producir para maximizar sus beneficios
totales. Para la elaboración de una unidad de cada uno de los productos se
precisa de dos recursos R1 y R2. La cantidad de cada recurso disponible, la
cantidad de recurso que precisa cada unidad de producto y, el beneficio por cada
unidad de producto se dan en la siguiente tabla:

Cantidad Máxima
P1 P2 P3
disponible

R1 0 1 2 230

R2 2 1 1 360

Beneficio/unidad 2 2 4

Además, por necesidades de mercado, la producción mensual conjunta de P1 y

P2 debe ser de al menos 160 unidades.
o Determinar qué cantidad de cada producto debe fabricarse con objeto
de maximizar el beneficio.
o ¿Cuánto puede variar la ganancia por unidad de producto P1 sin que
se modifique la solución óptima?
o Diversos problemas en el suministro de R1 han reducido su
disponibilidad a 50, ¿cuál es la nueva solución óptima?
o Se esta pensando una posible modificación de P2 que permitiría un
aumento en su beneficio por unidad, pasaría a ser de 3, pero que
provocaría un cambio en la cantidad de cada uno de los recursos
consumidos, que serían ahora 1 y 2, respectivamente. ¿Resultaría
rentable llevar a cabo las modificaciones?
o ¿Cómo se modificaría la solución óptima si la cantidad de P1 no
pudiera superar las 100 unidades?
o Cabe la posibilidad de fabricar un nuevo producto P4, cuyo beneficio
por unidad sería de 5, y cuyo consumo de R1 y R2 sería de 4 y 1
unidades, respectivamente. ¿Merece la pena fabricarlo?