You are on page 1of 17

EVALUA LA SOLUCION DEL [Seleccionar

PROBLEMA DE OPTIMIZACION. fecha]

ANALISIS DE SENSIBILIDAD
PROBLEMAS DE OPTIMIZACIÓN

Los siguientes modelos de optimización han sido formulados anteriormente y


desarrollados por medio de método simplex (ver, evidencias 8 y 9). A continuación se
desarrollara y analizaran los análisis de sensibilidad de estos problemas.

1. Modelo Mezclas

METODO SIMPLEX PRIMAL:

Min Z → 1100 X1 + 1050 X2

Identificar las Restricciones:

Sujeto a:

Etileno 0.05 X1 + 0.05 X2 ≥ 0.1


Etilato de Aluminio 0.05 X1 + 0.10 X 2 ≥ 0.15
Ester Titánico 0.10 X1 + 0.05 X 2 ≥ 0.30
Lamina X1 + X 2 = 5.66

X1 , X 2 ≥ 0

Vector disponibilidad (B)


Función Objetivo

Figura 1.1 solucion Modelo de Mezclas.

A continuación se dará un breve análisis a los resultados obtenidos del software WIN
QSB, subrutina “LINEAR AND INTEGER PROGRAMMING”
Convenciones:

YULY ORDUÑA – JOSE LUIS PACHECO – SANTIAGO GALINDO – BRAYAN PEREZ. 1


2TGPID3
EVALUA LA SOLUCION DEL [Seleccionar
PROBLEMA DE OPTIMIZACION. fecha]

Solución del problema


Consumo del recurso
Análisis de sensibilidad del vector de disponibilidad (B)
Análisis de sensibilidad de los coeficientes de la F. O. 𝐶𝑗
Valor actual
Precio sombra
Mínimo permisible
Máximo permisible

Figura 1.2 ultima interacción Modelo de Mezclas.

Figura 1.3 solucion grafica Modelo de Mezclas.

YULY ORDUÑA – JOSE LUIS PACHECO – SANTIAGO GALINDO – BRAYAN PEREZ. 2


2TGPID3
EVALUA LA SOLUCION DEL [Seleccionar
PROBLEMA DE OPTIMIZACION. fecha]

I. Análisis Vector de disponibilidad B

Método Gráfico:
Min Z → 1100 X1 + 1050 X2

Análisis por el método matemático:

Ecuaciones lineales:
𝐴∗𝐵 =𝑋
𝑋 = 𝐴− 1 ∗ 𝐵

Figura 1.4 Ultima interacción método simplex modelo de Mezcla

 Restricción Etileno

0 −1 −1 0.15 0.1 + ∆1 0
𝑋= 0 0 −20 2 × 0.15 ≥ 0
0 0 20 −1 0.3 0
−1 0 0 0.05 5.66 0

𝑋1 = 0 0.1 + ∆1 − 1 0.15 − 1 0.3 + 0.15(5.66) ≥ 0


= 0 − 0.15 − 0.3 + 0.849
= 0.399

𝑋2 = 0 0.1 + ∆1 + 0 0.15 − 20 0.3 + 2(5.66) ≥ 0


= 0 + 0 − 6 + 11.32
= 5.32

𝑋3 = 0 0.1 + ∆1 + 0 0.15 + 20 0.3 − 1(5.66) ≥ 0


= 0 + 0 + 6 − 5.66
= 0.34

𝑋4 = −1 0.1 + ∆1 + 0 0.15 + 0 0.3 + 0.05(5.66) ≥ 0


= −0.1 − ∆1 + 0 + 0 + 0.283
= 0.183 − ∆1 ≥ 0
= ∆1 ≤ 0.183
= ∆1 ≤ 0.183
= 0.1 + 0.183 = 𝟎. 𝟐𝟖𝟑

YULY ORDUÑA – JOSE LUIS PACHECO – SANTIAGO GALINDO – BRAYAN PEREZ. 3


2TGPID3
EVALUA LA SOLUCION DEL [Seleccionar
PROBLEMA DE OPTIMIZACION. fecha]

Restricción Etilato de Aluminio

0 −1 −1 0.15 0.1 0
0 0 −20 0.15 + ∆2
𝑋= 2 × ≥ 0
0 0 20 −1 0.3 0
−1 0 0 0.05 5.66 0

𝑋1 = 0 0.1 − 1 0.15 + ∆2 − 1 0.3 + 0.15(5.66) ≥ 0


= 0 − 0.15 − ∆2 − 0.3 + 0.849
= 0.399 − ∆2 ≥ 0
= ∆2 ≤ 0.399
= ∆2 ≤ 0.399
= 0.15 + 0.399 = 𝟎. 𝟓𝟒𝟗

𝑋2 = 0 0.1 + 0 0.15 + ∆2 − 20 0.3 + 2(5.66) ≥ 0


= 0 + 0 − 6 + 11.32
= 5.32

𝑋3 = 0 0.1 + 0 0.15 + ∆2 + 20 0.3 − 1(5.66) ≥ 0


= 0 + 0 + 6 − 5.66
= 0.34

𝑋4 = −1 0.1 + 0 0.15 + ∆2 + 0 0.3 + 0.05(5.66) ≥ 0


= −0.1 + 0 + 0 + 0 + 0.283
= 0.183

 Restricción Ester Titánico

0 −1 −1 0.15 0.1 0
𝑋= 0 0 −20 2 × 0.15 ≥ 0
0 0 20 −1 0.3 + ∆3 0
−1 0 0 0.05 5.66 0

𝑋1 → 0 0.1 − 1 0.15 − 1 0.3 + ∆3 + 0.15(5.66) ≥ 0

0 − 0.15 − 0.3 − ∆3 + 0.849


0.399 − ∆3 ≥ 0
∆3 ≤ 0.399
∆3 ≤ 0.399
0.3 + 0.399 = 0.699

𝑋2 → 0 0.1 + 0 0.15 − 20 0.3 + ∆3 + 2(5.66) ≥ 0

0 + 0 − 6 − 20∆3 + 11.32
5.32 − 20 ∆3 ≥ 0
∆3 ≤ 0.266
= ∆3 ≤ 0.266
= 0.3 + 2.66 = 𝟎. 𝟓𝟔𝟔

YULY ORDUÑA – JOSE LUIS PACHECO – SANTIAGO GALINDO – BRAYAN PEREZ. 4


2TGPID3
EVALUA LA SOLUCION DEL [Seleccionar
PROBLEMA DE OPTIMIZACION. fecha]

𝑋3 = 0 0.1 + 0 0.15 + 20 0.3 + ∆3 − 1(5.66) ≥ 0


= 0 + 0 + 6 + 20∆3 − 5.66
= 0.34 + 20∆3 ≥ 0
= ∆3 ≤ −0.017
= ∆3 ≤ −0.017
= 0.3 − 0.017 = 𝟎. 𝟐𝟖𝟑

𝑋4 = −1 0.1 + 0 0.15 + 0 0.3 + ∆3 + 0.05(5.66) ≥ 0


= −0.1 + 0 + 0 + 0 + 0.283
= 0.183

Grafica
0.3 5.66 6.99

Podemos concluir que el análisis de sensibilidad anteriormente aplicado al modelo


de mezclas (simplex primal), permite saber que las restricciones del problema como
lo son el Etileno puede variar entre menos infinito y 0.283, y la restricción del Etilato
de Aluminio varia en menos infinito y 0.549, su vez el Ester Titánico puede estar
entre 0.283 y 5.66, y la mezcla de puede estar entre 3 y 6, siempre y cuando las
condiciones no cambien.

METODO SIMPLEX DUAL:

Para formular el modelo dual se tiene en cuenta lo siguiente:

Simplex Primal Simplex Dual

FO: Max Z → C ∗ X FO: Min G → B ′ ∗ X

𝐒𝐚: A ∗ 𝐗 ≤ B Sa: 𝐀′ ∗ Y ≥ 𝐂′

𝐗≥B Y≥𝐁

Simplex Primal:

Min Z → 1100 X1 + 1050 X2

Identificar las Restricciones:


Sujeto a:

Etileno 0.05 X1 + 0.05 X2 ≥ 0.1


Etilato de Aluminio 0.05 X1 + 0.10 X 2 ≥ 0.15
Ester Titánico 0.10 X1 + 0.05 X2 ≥ 0.3
Lamina X1 + X 2 = 5.66
X1 , X 2 ≥ 0

YULY ORDUÑA – JOSE LUIS PACHECO – SANTIAGO GALINDO – BRAYAN PEREZ. 5


2TGPID3
EVALUA LA SOLUCION DEL [Seleccionar
PROBLEMA DE OPTIMIZACION. fecha]

Simplex Dual:

Max G → 0.1 Y1 + 0.15 Y2 + 0.3 Y3 + 5.66 Y4

Identificar las Restricciones:


Sujeto a:

0.05 Y1 + 0.05 Y2 + 0.10 Y3 + Y4 ≤ 1100


0.05 Y1 + 0.10 Y2 + 0.05 Y3 + Y4 ≤ 1050
Y1 , Y2 , Y3 , Y4 ≥ 0

Figura 1.5 Resultados simplex dual modelo de mezclas:

Figura 1.6 Ultima interacción método simplex dual modelo de Mezcla

 Coeficientes de la Función Objetivo. (Cj)

Método matemático:
𝐴∗𝐵 = 𝑋
𝑋 = 𝐴− 1 ∗ 𝐵

YULY ORDUÑA – JOSE LUIS PACHECO – SANTIAGO GALINDO – BRAYAN PEREZ. 6


2TGPID3
EVALUA LA SOLUCION DEL [Seleccionar
PROBLEMA DE OPTIMIZACION. fecha]

 Restricción (C1)

20 −20 1100 + ∆1
X= *
−1 2 1050
𝑋2 = −1 1100 + ∆1 + 2 1050
𝑋1 = 20 1100 + ∆1 − 20 1050 = −1100 − ∆1 + 2100
= 22000 + 20 ∆1 − 21000 = 1000 − ∆1 ≥ 0
= 1000 + 40 ∆1 ≥ 0 = ∆1 ≤ 1000
= ∆1 ≥ −50 = 1100 + 1000 = 2100
= 1100 − 50 = 1050

 Restricción (C2)

20 −20 1100
X= *
−1 2 1050 + ∆2

𝑋1 = 20 1100 − 20 1050 + ∆2 𝑋2 = −1 1100 + 2 1050 + ∆2


= 22000 − 21000 − 20∆2 = −1100 + 2100 + 2∆2
= 1000 − 20 ∆2 ≥ 0 = 1000 + 2 ∆2 ≥ 0
= ∆2 ≤ 50 = ∆2 ≥ − 500
= 1050 + 50 = 1100 = 1050 − 500 = 550

Podemos concluir que el análisis de sensibilidad con el método matemático


anteriormente aplicado al modelo de mezclas (simplex dual), permite saber que
el pellet A puede variar entre 1050 y 2100, mientras el pellet B puede variar entre
550 y 1100, siempre y cuando las condiciones no cambien.

YULY ORDUÑA – JOSE LUIS PACHECO – SANTIAGO GALINDO – BRAYAN PEREZ. 7


2TGPID3
EVALUA LA SOLUCION DEL [Seleccionar
PROBLEMA DE OPTIMIZACION. fecha]

1. Modelo Insumo Producto:

Simplex Primal:
Max Z → 4 216 X1 + 3 136 X 2 + 7 000 X3

Identificar las Restricciones:


Sujeto a:

Termoformadora 7.5 X1 + 7.5 X 2 + 4.3 X3 ≤ 480


Guillotina 2.1 X1 + 2.2 X2 + 3 X 3 ≤ 300
Lamina 1.19 X1 + 1.23 X2 + 2.33 X 3 ≤ 152
Mantequilla 5 X1 + 6 X 2 + 8 X 3 ≤ 250
Mano de obra Termoformadora 15.01 X1 + 14.71 X2 + 11.11 X3 ≤ 960
Mano de obra Guillotina 2.1 X1 + 2.2 X2 + 3 X 3 ≤ 480
Demanda Mitsubishi X1 ≥ 7
Demanda Ford X 2 ≥ 10
Demanda Mazda 3 X3 ≥ 0

X1 , X 2 , X 3 ≥ 0

2.1 Figura solucion optima factible Modelo Insumo Producto.

Como podemos observar en la figura 2.1 los coeficientes del vector disponibilidad
pueden variar siempre y cuando las condiciones no cambien.:
YULY ORDUÑA – JOSE LUIS PACHECO – SANTIAGO GALINDO – BRAYAN PEREZ. 8
2TGPID3
EVALUA LA SOLUCION DEL [Seleccionar
PROBLEMA DE OPTIMIZACION. fecha]

Los cálculos de este análisis son similares a los expuestos en el modelo


de mezclas donde se puede observar

Restricciones:
Restricción Varía entre (Min) – (Max)
Termo formadora Varía entre (210.81), (Infinito +)
Guillotina Varía entre (94.83), (Infinito +)
Lamina Varía entre (65.77), (Infinito +)
Mantequilla Varía entre (95), (546.06)
Mano de Obra Termoformadora Varía entre (467.43), (Infinito +)
Mano de Obra Guillotina Varía entre (94.83), (Infinito +)
Demanda MITSUBISHI Varía entre (0), (38)
Demanda FORD Varía entre (0), (35.83)
Demanda Mazda 3 Varía entre (Infinito -), (19.38)

Los coeficientes de las variables pueden variar la del MITSUBISHI ($ 4216) puede
variar entre (Infinito -), y (4375), FORD ($ 3136) puede variar entre (Infinito -), y (5250),
y finalmente MAZDA 3 ($ 7000) puede variar entre (6745.6), y (Infinito +).

Simplex Dual:

Min G → 480 Y1 + 300 Y2 + 152 Y3 + 250 Y4 + 960 Y5 + 480 Y6 + 7 Y7 + 10 Y8 + 0 Y9

Identificar las Restricciones:


Sujeto a:
7.5 Y1 + 2.1 Y2 + 1.19 Y3 + 5 Y4 + 15.01 Y5 + 2.1 Y6 + 1 Y7 ≤ 4216
7.5 Y1 + 2.2 Y2 + 1.23 Y3 + 6 Y4 + 14.71 Y5 + 2.2 Y6 + 1 Y8 ≤ 3136
4.3 Y1 + 3 Y2 + 2.33 Y3 + 8 Y4 + 11.11 Y5 + 3 Y6 + 1 Y9 ≤ 7000

Y1 , Y2 , Y3 , Y4 , Y5 , Y6 , Y7 , Y8 , Y9 ≥ 0

YULY ORDUÑA – JOSE LUIS PACHECO – SANTIAGO GALINDO – BRAYAN PEREZ. 9


2TGPID3
EVALUA LA SOLUCION DEL [Seleccionar
PROBLEMA DE OPTIMIZACION. fecha]

2. Modelo Dietas:

Simplex Primal:
Min Z → 3200 X1 + 1750 X 2

Identificar las Restricciones:


Sujeto A:
Calorías 500 X1 + 900 X2 ≥ 500
Hierro 0.7 X1 + 0.6 X2 ≥ 0.6
Vitamina C 75X1 + 10 X 2 ≥ 20
Mezcla X1 + X 2 = 1
X1 , X 2 ≥ 0

3.1 Figura solucion optima factible Modelo Dietas.

Como podemos observar en la figura 3.1 los coeficientes del vector disponibilidad
pueden variar dependiendo de las restricciones:

Restricciones:
Restricción Varía entre (Min) – (Max)
Calorías Varía entre (Infinito -), (838.46)
Hierro Varía entre (Infinito -),(0.62)
Vitamina C Varía entre (10), (75)
Mezcla Varía entre (0.97), (2)

Los coeficientes de las variables pueden variar en la fruta Guayaba ($ 3200)


entre(1750), y (Infinito), y el Banano ($ 1750) en Min (Infinito -), y Max (3200).

Simplex Dual:
Max G → 500 Y1 + 0.6 Y2 + 20 Y3 + Y4

Identificar las Restricciones:


Sujeto a:
500 Y1 + 0.6 Y2 + 20 Y3 + Y4 ≤ 3200
500 Y1 + 0.6 Y2 + 20 Y3 + Y4 ≤ 1750
Y1 , Y2 , Y3 ≥ 0
YULY ORDUÑA – JOSE LUIS PACHECO – SANTIAGO GALINDO – BRAYAN PEREZ. 10
2TGPID3
EVALUA LA SOLUCION DEL [Seleccionar
PROBLEMA DE OPTIMIZACION. fecha]

3. Modelo Capacidad:

Simplex Primal:
Max Z → 17.11 X1 + 16.91 X2 + 14.11 X3

Identificar las Restricciones:


Sujeto A:
Mano de obra Termoformadora 15.01 X1 + 14.71 X2 + 11.11 X3 ≤ 960
Mano de obra Guillotina 2.1 X1 + 2.2 X2 + 3 X 3 ≤ 480
Demanda Mitsubishi X1 ≥ 7
Demanda Ford X 2 ≥ 10
Demanda Mazda 3 X3 ≥ 0
X1 , X 2 , X 3 ≥ 0

3.1 Figura solucion optima factible Modelo Capacidad.

Como podemos observar en la figura 4.1 los coeficientes del vector disponibilidad
pueden variar dependiendo de las restricciones:
Restricciones:
Restricción Varía entre (Min) – (Max)
Termo formadora Varía entre (244.5), (Infinito +)
Guillotina Varía entre (96.4), (Infinito +)
Lamina Varía entre (63.91), (Infinito +)
Mantequilla Varía entre (215), (395.27)
Mano de Obra Termoformadora Varía entre (523.89), (Infinito +)
Mano de Obra Guillotina Varía entre (96.4), (Infinito +)
Demanda MITSUBISHI Varía entre (Infinito -), (14)
Demanda FORD Varía entre (0), y Max (15.83)
Demanda Mazda 3 Varía entre (Infinito -), y Max (19.38).

YULY ORDUÑA – JOSE LUIS PACHECO – SANTIAGO GALINDO – BRAYAN PEREZ. 11


2TGPID3
EVALUA LA SOLUCION DEL [Seleccionar
PROBLEMA DE OPTIMIZACION. fecha]

Los coeficientes de las variables pueden variar la del MITSUBISHI (9.6 min) en Min
(8.08), y Max (Infinito +), FORD (9.7 min) en Min (Infinito -), y Max (11.52), y
finalmente MAZDA 3 (7.3 min) en Min (Infinito -), y Max (15.36).

Simplex Dual:

Min G → 480 Y1 + 300 Y2 + 152 Y3 + 250 Y4 + 960 Y5 + 480 Y6 + 7 Y7 + 10 Y8 + 15 Y9

Identificar las Restricciones:

Sujeto a:

7.5 Y1 + 2.1 Y2 + 1.19 Y3 + 5 Y4 + 15.01 Y5 + 2.1 Y6 + 1 Y7 ≤ 9.6


7.5 Y1 + 2.2 Y2 + 1.23 Y3 + 6 Y4 + 14.71 Y5 + 2.2 Y6 + 1 Y8 ≤ 9.7
4.3 Y1 + 3 Y2 + 2.33 Y3 + 8 Y4 + 11.11 Y5 + 3 Y6 + 1 Y9 ≤ 7.3
Y1 , Y2 , Y3 ≥ 0

YULY ORDUÑA – JOSE LUIS PACHECO – SANTIAGO GALINDO – BRAYAN PEREZ. 12


2TGPID3
EVALUA LA SOLUCION DEL [Seleccionar
PROBLEMA DE OPTIMIZACION. fecha]

4. Modelo Planeación de la Producción:

Simplex Primal:

Max Z → 4 216 X1 + 3 136 X 2 + 7 000 X3

Identificar las Restricciones:

Sujeto A:
Termoformadora 7.5 X1 + 7.5 X 2 + 4.3 X3 ≤ 480
Guillotina 2.1 X1 + 2.2 X2 + 3 X 3 ≤ 300
Lamina 1.19 X1 + 1.23 X2 + 2.33 X 3 ≤ 152
Mantequilla 5 X1 + 6 X 2 + 8 X 3 ≤ 250
Mano de obra Termoformadora 15.01 X1 + 14.71 X2 + 11.11 X3 ≤ 960
Mano de obra Guillotina 2.1 X1 + 2.2 X2 + 3 X 3 ≤ 480
Demanda Mitsubishi X1 ≥ 7
Demanda Ford X 2 ≥ 10
Inventario X1 + X 2 + X 3 ≤ 271
Almacenamiento X1 + X 2 + X 3 ≤ 32
Tiempo calentamiento horno 15 X1 + 15 X 2 + 15 X 3 ≤ 480
Inspección 1 X1 + 1.5 X 2 + 2 X 3 ≤ 480

X1 , X 2 , X 3 ≥ 0
5.1 Figura solucion optima factible Modelo Palneacion de la Produccion.

YULY ORDUÑA – JOSE LUIS PACHECO – SANTIAGO GALINDO – BRAYAN PEREZ. 13


2TGPID3
EVALUA LA SOLUCION DEL [Seleccionar
PROBLEMA DE OPTIMIZACION. fecha]

Como podemos observar en la figura 5.1 los coeficientes del vector disponibilidad
pueden variar dependiendo de las restricciones:
Restricciones:
Restricción Varía entre (Min) – (Max)
Termo formadora Varía entre (192), (Infinito +)
Guillotina Varía entre (81.7), (Infinito +)
Lamina Varía entre (55.58), (Infinito +)
Mantequilla Varía entre (215), (Infinito +)
Mano de Obra Termoformadora Varía entre (418.82), (Infinito +)
Mano de Obra Guillotina Varía entre (81.7), (Infinito +)
Demanda MITSUBISHI Varía entre (0), (22)
Demanda FORD Varía entre (0), (25)
Inventario Materia Prima Varía entre (32), (Infinito +)
Almacenamiento Varía entre (17), (32)
Tiempo calentar horno Varía entre (480), (Infinito +)
Inspección Varía entre (52), (Infinito +)

Los coeficientes de las variables pueden variar la del MITSUBISHI ($ 4216) en Min
(Infinito -), y Max (7000), FORD ($ 3136) en Min (Infinito -), y Max (7000), y finalmente
MAZDA 3 ($ 7000) en Min (4216), y Max (Infinito +).

Simplex Dual:

Min G → 480 Y1 + 300 Y2 + 152 Y3 + 250 Y4 + 960 Y5 + 480 Y6 + 7 Y7 + 10 Y8


+ 271 Y9 + 32 Y10 + 480 Y11 + 480 Y12

Identificar las Restricciones:

Sujeto a:
7.5 Y1 + 2.1 Y2 + 1.19 Y3 + 5 Y4 + 15.01 Y5 + 2.1 Y6 + Y7 + Y8 + Y9 + 15 Y10 + Y11 ≤ 4216
7.5 Y1 + 2.2 Y2 + 1.23 Y3 + 6 Y4 + 14.71 Y5 + 2.2 Y6 + Y7 + Y8 + Y9 + 15 Y10 + 1.5 Y11 ≤ 3136
4.3 Y1 + 3 Y2 + 2.33 Y3 + 8 Y4 + 11.11 Y5 + 3 Y6 Y7 + Y8 + Y9 + 15 Y10 + 2 Y11 ≤ 7000

Y1 , Y2 , Y3 , Y4 , Y5 , Y6 , Y7 , Y8 , Y9 , Y10 , Y11 , Y12 , Y13 , Y14 ≥ 0

YULY ORDUÑA – JOSE LUIS PACHECO – SANTIAGO GALINDO – BRAYAN PEREZ. 14


2TGPID3
EVALUA LA SOLUCION DEL [Seleccionar
PROBLEMA DE OPTIMIZACION. fecha]

5. Modelo Transporte:

Simplex Primal:

Min Z → 250 X11 + 233 X12 + 83 X13 + 65 X14 + 226 X15 + 237 X16 + 250 X21
+ 233 X22 + 83 X 23 + 65 X 24 + 226 X 25 + 237 X 26

Identificar las Restricciones:

OFERTA:
Planta X11 + X12 + X13 + X14 + X15 + X16 ≤ 252
Almacén X 21 + X 22 + X 23 + X 24 + X 25 + X 26 ≤ 300

DEMANDA:
Motorysa X11 + X 21 ≤ 98
Irs Motors X12 + X 22 ≤ 88
Vehipartes X13 + X 23 ≤ 12
Autonal X14 + X 24 ≤ 12
Autopartes X15 + X 25 ≤ 161
Trautos X16 + X 26 ≤ 181

X11 , X12 , X13 , X14 , X15 , X16 , X 21 , X 22 , X 23 , X 24 , X 25 , X 26 ≥ 0

5.1 Figura solucion optima factible Modelo Transporte.

Como podemos observar en la figura 5.1 los coeficientes del vector disponibilidad
pueden variar dependiendo de las restricciones:

YULY ORDUÑA – JOSE LUIS PACHECO – SANTIAGO GALINDO – BRAYAN PEREZ. 15


2TGPID3
EVALUA LA SOLUCION DEL [Seleccionar
PROBLEMA DE OPTIMIZACION. fecha]

Restricciones:
Restricción Varía entre (Min) – (Max)
Planta Varía entre (252), (279)
Almacén Varía entre (300), (Infinito +)
Motorysa Varía entre (71), (98)
Irs Motors Varía entre (0), (88)
Vehipartes Varía entre (0), (12)
Autonal Varía entre (0), (12)
Autopartes Varía entre (0), (161)
Trautos Varía entre (154), (181)

Los coeficientes de las variables pueden variar:


Restricción Varía entre (Min) – (Max)
P-Motorysa Varía entre (250), (98)
P-Irs Motors Varía entre (0), (Infinito +)
P-Vehipartes Varía entre (0), (Infinito +)
P-Autonal Varía entre (0), (Infinito +)
P-Autopartes Varía entre (0), (Infinito +)
P-Trautos Varía entre (0), y (237)
A-Motorysa Varía entre (71), (250)
A-Irs Motors Varía entre (0), (233)
A-Vehipartes Varía entre (0), (83)
A-Autonal Varía entre (0), (65)
A-Autopartes Varía entre (0), (226)
A-Trautos Varía entre (237), (Infinito +)

Simplex Dual:
Max G → 252 Y1 + 300 Y2 + 98 Y3 + 88 Y4 + 12 Y5 + 12 Y6 + 161 Y7 + 181 Y8

Identificar las Restricciones:


Sujeto a:
Planta-Motorysa Y1 + Y2 + Y3 ≥ 250
Planta Irs Motors Y1 + Y2 + Y3 ≥ 233
Planta-Vehipartes Y1 + Y2 + Y3 ≥ 83
Planta-Autonal Y1 + Y2 + Y3 ≥ 65
Planta-Autopartes Y1 + Y2 + Y3 ≥ 226
Planta-Trautos Y1 + Y2 + Y3 ≥ 237
Planta-Motorysa Y1 + Y2 + Y3 ≥ 250
Planta Irs Motors Y1 + Y2 + Y3 ≥ 233
Planta-Vehipartes Y1 + Y2 + Y3 ≥ 83
Planta-Autonal Y1 + Y2 + Y3 ≥ 65
Planta-Autopartes Y1 + Y2 + Y3 ≥ 226
Planta-Trautos Y1 + Y2 + Y3 ≥ 237
Y1 , Y2 , Y3 , Y4 , Y5 , Y6 , Y7 , Y8 ≥ 0

YULY ORDUÑA – JOSE LUIS PACHECO – SANTIAGO GALINDO – BRAYAN PEREZ. 16


2TGPID3
EVALUA LA SOLUCION DEL [Seleccionar
PROBLEMA DE OPTIMIZACION. fecha]

YULY ORDUÑA – JOSE LUIS PACHECO – SANTIAGO GALINDO – BRAYAN PEREZ. 17


2TGPID3

You might also like