Sie sind auf Seite 1von 59

TUTORIAL DE LINDO

INDICE

1 INTRODUCCION...............................................................................................................2 2 INVESTIGACION OPERATIVA.......................................................................................3 2.1 METODOLOGIA DE LA INVESTIGACION OPERATIVA.....................................3 2.2 PROGRAMACION LINEAL....................................................................................10 3 DESCRIPCION DE LINDO..............................................................................................16 3.1 MANDOS EFECTUADOS........................................................................................19 3.2 PARA UN CONTROL TECNICO.............................................................................19 3.2.1 VISUALIZACION DE PARA.............................................................................19 3.2.2 La edicin de modelo ..........................................................................................20 3.2.3 Ambiente de modelado y jerga de SOLVERS ....................................................20 3.3 FEATURES.................................................................................................................23 4 BARRA DE HERRAMIENTAS.......................................................................................25 5 LGORITMO PARA LA UTILIZACION DE LINDO......................................................33 6 EJEMPLOS DE APLICACIN........................................................................................33 6.1 EJEMPLO 1................................................................................................................33 6.2 EJEMPLO 2................................................................................................................37 6.3 EJEMPLO 3................................................................................................................39 6.4 Ejemplo 4....................................................................................................................41 6.5 EJEMPLO 5................................................................................................................51 6.6 EJEMPLO 6................................................................................................................53 6.7 EJEMPLO 7................................................................................................................54 6.8 EJEMPLO 8................................................................................................................56 6.9 EJEMPLO 9................................................................................................................57

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

TUTORIAL DE LINDO

INTRODUCCION

LINDO es una aplicacin para computadoras que se utiliza para resolver problemas de programacin lineal, cuadrtica y entera. Desde 1979 el programa LINDO ha sido una de las herramientas de optimizacin favoritas de las comunidades Educativas y Empresariales. LINDO Systems se ha dedicado a proveer poderosas e innovativas herramientas de optimizacin que tambin son flexibles y muy fciles de usar. LINDO tiene una larga historia y es uno de los pioneros en crear poderosos programas de optimizacin. En 1979 se vendi en Mxico la primer copia comercial de LINDO, la ayuda que este proporcion en aquel momento, le hizo ganar popularidad muy rpidamente para luego ser utilizado en aplicaciones industriales. En 1983 la versin LINDO/PC fue el primer paquete para programacin lineal, este manejaba 60 restricciones y 120 variables. En 1996 apareci la versin 6.0 para WINDOWS. Antes que aparecieran Lotus 1-2-3 o Excel, LINDO haba sido incorporado a la planilla de clculo VisiCalc, el paquete se llam VINO y es el equivalente del SOLVER que viene con Excel. En estos momentos existe una hoja de clculo llamada WHATS Best! la cual se integra a EXCEL o LOTUS 1-2-3; sta resuelve problemas de optimizacin con algoritmos de LINDO Systems.

TUTORIAL DE LINDO

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

Esta imagen es una pantalla obtenida del programa LINDO:

INVESTIGACION OPERATIVA Es la aplicacin del mtodo cientfico.


Por grupos interdisciplinarios. En el estudio de problemas de las organizaciones creadas por el hombre buscando un a solucin integral. 2.1 METODOLOGIA DE LA INVESTIGACION OPERATIVA

1 Identifica el problema (partes y objetivos) 2 Observar el Sistema (informacin) 3 Formular un Modelo Matemtico (plantear ) 4 Verificar el Modelo y usarlo en prediccin (evaluar y derivar sol. ) 5 Seleccionar alternativas de solucin 6 Presentar resultados a la organizacin 7 Implementar y evaluar recomendaciones

TUTORIAL DE LINDO

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

Ejemplo para el desarrollo de la investigacin operativa: FLORANID S.A., es una empresa dedicada a la comercializacin de abonos para plantas que emplea 3 tipos diferentes de ingredientes A, B y C, para conseguir 3 tipos de abonos 1, 2, y 3. En cuanto a los ingredientes, su disponibilidad es limitada y sus costes los siguientes: INGREDIENTE A B C CANTIDAD DISPONIBLE (kg) 4.000 6.000 2.000 COSTE (pts/kg) 1.300 1.500 1.000

El abono 1 se vende a 2.000 pts/kg, el abono 2 a 3.000 pts/kg y el abono 3 a 1500 pts/kg. Adems de lo anterior, los ingredientes han de mezclarse en proporciones especficas para asegurar una combinacin adecuada: Para el abono 1, no menos del 25 % de A y no ms del 40 % de C; para el abono 2, no menos del 30 % de A, no menos del 20 % ni ms del 30 % de B y no ms del 15 % de C; y para el abono 3, no menos del 35 % de B. Con todos los datos que FLORANID S.A. nos ha facilitado, nos piden que determinemos cunta cantidad de cada tipo de abono hay que producir de forma que se maximice el beneficio de la compaa. As pues, con los datos facilitados, podemos construir un primer esquema que nos permitir desarrollar el modelo de programacin lineal para la resolucin del problema: ABONOS INGREDIENTES A B C X11 X21 X31 1 X12 X22 X32 2 X13 X23 X33 CANTIDAD DISPONIBLE (kg) 4000 6000 2000 COSTE (pts/kg) 1300 1500 1000

VARIABLES DE DECISIN Xij : cantidad de ingrediente del tipo i para cada tipo de abono j. RESTRICCIONES X11 + X12 + X13 " 4000
TUTORIAL DE LINDO

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

X21 + X22 + X23 " 6000 Restricciones de disponibilidad X31 + X32 + X33 " 2000 0,75X11 - 0,25X21 - 0,25X31 " 0 0,6X31 - 0,4X11 - 0,4X21 " 0 0,7X12 - 0,3X22 - 0,3X32 " 0 0,8X22 - 0,2X12 - 0,2X32 " 0 Restricciones especficas de la mezcla 0,7X22 - 0,3X12 - 0,3X32 " 0 0,85X32 - 0,15X22 - 0,15X12 " 0 0,65X23 - 0,35X13 - 0,35X33 " 0 FUNCIN OBJETIVO B = Ingresos - Gastos Abono 1: 2000(X11 + X21 + X31) - 1300X11 - 1500X21 - 1000X31 = = 700X11 + 500X21 + 1000X31 Abono 2: 3000(X12 + X22 + X32) - 1300X12 - 1500X22 - 1000X32 = = 1700X12 + 1500X22 + 2000X32 Abono 3: 1500(X13 + X23 + X33) - 1300X13 - 1500X23 - 1000X33 = = 200X13 + 500X33 Max (700X11 + 1700X12 + 200X13 + 500X21 + 1500X22 + 1000X31 + 2000X32 + 500X33) As pues, una vez definidas las variables de decisin, la funcin objetivo y las restricciones sujetas a ella, hemos introducido los datos en el programa QSB para proceder a su resolucin. Por tanto, en el siguiente cuadro se muestra el resumen de la solucin ptima

TUTORIAL DE LINDO

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

hallada a travs de QSB, y en la siguiente pgina presentamos el ltimo cuadro del SIMPLEX. SOLUCIN PTIMA X11 = 0 S1 = 0 X12 = 4000 S2 = 3328 X13 = 0 S3 = 0 X21 = 0 S4 = 0 X22 = 2182 S5 = 0 X23 = 490 S6 = 1818 X31 = 0 S7 = 727 X32 = 1091 S8 = 0 X33 = 909 S9 = 0 Z = 12700000 S10 = 0 En este cuadro se destaca principalmente la presencia de 10 variables de holgura (S), cada una de las cuales hace referencia a cada una de las restricciones que condicionan a la funcin objetivo. Por tanto, puesto que ya sabemos que una variable bsica es aquella cuya solucin ptima es diferente de cero, podramos clasificar las variables de la solucin de la siguiente forma: Variables bsicas: X12 , X22 , X23 , X32 , X33 , S2 , S6 y S7 . Variables no bsicas: X11 , X13 , X21 , X31 , S1 , S3 , S4 , S5 , S8 , S9 , y S10 . As pues, tal y como se ve reflejado en la solucin del modelo de programacin lineal que hemos definido, estas seran las combinaciones de ingredientes y las cantidades de abono producidas que nos permiten maximizar el beneficio: Abono 1: No utilizamos ningn ingrediente para conseguir este tipo de abono, por lo que no vamos a producir nada de l. Abono 2: Para conseguir este tipo de abono emplearemos 4000 kg del ingrediente A, 2182 kg del ingrediente B y 1091 kg del ingrediente C por lo que vamos a producir y vender 7273 kg del abono tipo 1.

TUTORIAL DE LINDO

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

Abono 3: Para producir este tipo de abono emplearemos 490 kg del ingrediente B y 909 kg del ingrediente C, sin utilizar nada del ingrediente A, a partir de los cuales produciremos y venderemos 1399 kg del abono tipo 3. ANLISIS DE LA SENSIBILIDAD DE COEFICIENTES Para realizar este apartado, hemos elegido el coeficiente de la variable X33 en la funcin objetivo (P33), por lo que vamos a calcular el intervalo de sensibilidad de este coeficiente y mostrar que es lo que ocurrira si dicho coeficiente aumentase en 100: a) Intervalo de sensibilidad Como ya hemos dicho anteriormente, las variables no bsicas son X11 , X13 , X21 , X31 , S1 , S3 , S4 , S5 , S8 , S9 y S10 , por lo que: P33 P33 + P33 (Z11 - P11)' = 727,27 - 0,27P33 " 0 P33 " 2692 (Z13 - P13)' = 2727 - 0.27P33 " 0 P33 " 10100 (Z21 - P21)' = 0 - 0P33 " 0 indeterminado (Z31 - P31)' = 0,000028 + 1P33 " 0 P33 " - 0,000028 (ZS1 - PS1)' = 2927 - 0,27P33 " 0 P33 " 10840 (ZS3 - PS3)' = 500 + 1P33 " 0 P33 " - 500 (ZS4 - PS4)' = 2000 + OP33 " 0 P33 " - " (ZS5 - PS5)' = 0 + 0P33 " 0 indeterminado (ZS8 - PS8)' = 2727 - 0,27P33 " 0 P33 " 10100 (ZS9 - PS9)' = 2727 - 1,27P33 " 0 P33 " 2147,24 (ZS10 - PS10)' = 0 + 0P33 " 0 indeterminado As pues, el intervalo de sensibilidad para el coeficiente P33 ser: - 0,000028 " P33 " 2147,24 499,99 " P33 " 2647,24

TUTORIAL DE LINDO

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

Ahora queremos saber que es lo que ocurrira si P33 = 100. El coeficiente P33 pasara de 500 a 600, y si nos fijamos en el intervalo de sensibilidad que acabamos de calcular, vemos que 600 pertenece al intervalo, por lo que:

las variables no cambian las cantidades no cambian la solucin (Z) cambia

Puesto que sabemos que la solucin (Z) va a cambiar, querremos saber en cuanto va a variar, por lo que volveremos a calcular dicho valor en la funcin objetivo teniendo en cuenta el nuevo coeficiente P33 = 600 y manteniendo el resto constante: 1700 * 4000 + 2182 * 1500 + 1091 * 2000 + 909 * 600 = 12.800.400 = Z' Por lo que el beneficio mximo aumenta en 12800400 - 12700000 = 100.400 = Z ANLISIS DE LA SENSIBILIDAD DE TRMINOS INDEPENDIENTES Para realizar el anlisis de la sensibilidad de un trmino independiente en una restriccin, nos vamos a fijar en lo que pasa con el trmino independiente de la primera restriccin del modelo (B1) y vamos ver qu es lo que pasara si aumentara en 100. B1 = 4000 B1 = 100 B1' = 4100 Es una restriccin del tipo ("), por lo que la frmula para calcular el intervalo de sensibilidad tendr la siguiente forma: Max { - / + } " B1 " Min { - / - } Nmero de restriccin i = 1 N + 1 = 10 Nmero de restricciones k = 1,2,3,4,5,6,7,8,9,10

a1,10 = - 0,39 b1 = 3328,67 a2,10 = 0 b2 = 0 a3,10 = - 0,1468 b3 = 489,51 a4,10 = 0,45 b4 = 1818,18 a5,10 = 0 b5 = 0

TUTORIAL DE LINDO

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

a6,10 = 0,27 b6 = 1090,91 a7,10 = 1 b7 = 4000 a8,10 = 0,18 b8 = 727,273 a9,10 = 0,54 b9 = 2181,82 a10,10 = - 0,27 b10 = 909,091

Max {-1818,18 / 0,45 , -1090,91 / 0,27 , -4000 / 1 , -727,273 / 0,18 , -2181,82 / 0,54} Min {-3328 / -0,39 , -489,51 / -0,1468 , -909,091 / -0,27} Por tanto, una vez calculados los valores mximos y mnimos, nos encontraremos con el siguiente intervalo de sensibilidad para el trmino independiente B1: - 4000 " B1 " 3334,5 0 " B1 " 7334,5 Ahora queremos saber que es lo que pasara si B1 = 100 ; B1' = 4100. Segn el intervalo de sensibilidad que acabamos de calcular, este nuevo valor de 4100 pertenece al intervalo de sensibilidad, por lo que:

Variables no cambian Cantidades cambian Solucin (Z) cambia

Para calcular en cunto van a variar las cantidades utilizaremos la siguiente frmula: X' = X + (BI) * An + I 3328,67 -0,398 3288,87 S2 0 0 0 X21 489,51 -0,146 474,91 X23 1218,18 0,45 1263,18 S6 X' = 0 + 100 0 = 0 S5 1090,91 0,27 117,91 X32

TUTORIAL DE LINDO

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

4000 1 4100 X12 727,273 0,18 745,273 S7 2181,82 0,54 2236,82 X22 909,091 -0,27 882,091 X33 Una vez que ya hemos calculado las nuevas cantidades para las variables de la solucin, vamos a calcular la nueva solucin (Z) para ver en cuanto variar tras haber aumentado el trmino independiente B1 en 100 unidades. Z' = 1700 * 4100 + 1500 * 2236,82 + 2000 * 117,91 + 500 * 882,091 Z' = 6970000 + 3355230 + 235820 + 441045,5 = 11.002.095,5 = Z' Z' = 11.002.095,5 - 12.700.000 = -1.697.904,5 Por lo tanto, un aumento de 100 unidades en el trmino independiente de la primera restriccin B1 , causa un descenso del beneficio en la solucin ptima de 1.697.904,5 pts. Esta variacin solo se ha dado en las cantidades de las variables y consecuentemente en el beneficio debido a que la variacin de B1 se encuentra dentro del intervalo de sensibilidad. En cambio, si no hubiera pertenecido al intervalo de sensibilidad, variara toda la solucin (variables, cantidades y beneficio) y habra que volver a calcular todos los cuadros del SIMPLEX hasta llegar a una solucin ptima.

2.2 PROGRAMACION LINEAL


A pesar de que la programacin lineal se empez a estudiar desde finales del S.XIX no fue hasta mediados del presente siglo en que tuvo auge como tcnica matemtica aplicable a los problemas de la empresa. El Dr. G. Damtzing desarroll el mtodo simplex y con ello hizo posible la solucin de grandes problemas modelados con programacin lineal que solo quedaban en la situacin de estudios. Paralelamente a la invencin de este mtodo a partir de mediados del siglo se desarrollo la computacin digital y se pudo tener resultados ptimos a los problemas estudiados que se quedaron como modelos. La programacin lineal es actualmente la tcnica matemtica utilizada mas actualmente gracias a que el algoritmo simplex es muy eficiente y al desarrollo de la computacin. Lo que se busca con la aplicacin de la programacin lineal es resolver problemas comunes y a la vez muy variados de la empresa en donde en general se tienen necesidades por satisfacer con cierto nmero de recursos limitados o escasos y con el objetivo de

TUTORIAL DE LINDO

10

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

lograrlo en forma ptima. Esto significa la bsqueda de un valor mximo cuando se trata de beneficios; o bien la bsqueda de un mnimo cuando se trata de esfuerzos a desarrollar. Un modelo de programacin lineal es un conjunto de expresiones matemticas las cuales deben cumplir la caracterstica de linealidad que puede cumplirse siempre y cuando las variables utilizadas sean de primer grado. Adems un modelo de P.L debe tener las propiedades de:

Proporcionalidad Aditividad (adicin) Divisibilidad Certidumbre(certeza)

Antes de formular un modelo general para P.L conviene ilustrar algunos ejemplos que faciliten la interpretacin de la generalizacin Problemas de mezcla en la inversin. Definicin de variables: Sea: xj = Fraccin del capital a invertir en la tipo j (j = 1,2,...,6) para maximizar el rendimiento. Funcin objetivo: Max. z = 8.5 x1 + 9 x2 + 8.5x3 + 14.3x4 + 6.7x5 + 13x6 Sujeto a restricciones: x1 + x2 + x3 + x4 + x5 + x6 = 1 (Factor de riesgo) 0.02x1 + 0.01x2 + 0.38x3 + 0.45x4 + 0.07x5 + 0.35x6 " 0.2 (1) = 0.2 8x1 + 2x2 + 5x3 + 6x4 + 2x5 + 4x6 " 5(1) = 5 x4 + x6 " 0.25 (1) = 0.25 x1,x2,...,x6 " 0 [sta es otra forma de plantear el problema]

TUTORIAL DE LINDO

11

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

Problema de establecimiento de horario. En un sector de la ciudad se tiene el siguiente requerimiento de policas: PERIODO DEL DIA HORA DEL DIA. POLICIAS REQUERIDOS (") 1 06-10 300 2 10-14 350 3 14-18 425 4 18-22 450 5 22-02 250 6 02-06 200

El periodo #1 sigue inmediatamente del 6. Cada polica debe laborar 8 hrs consecutivas. Formular un modelo de programacin lineal de este problema. PERIODO/HORA 1 2 3 4 5 6 REQUERIDOS. X1 X6 X1 X2 X2 X3 X3 X4 X4 X5 X5 X6 06-10 10-14 14-18 18-22 22-02 02-06

" 300

" 350

" 425

" 450

"250

"200

Definicin de variables: Sea xj = Nmero de policas que inician el periodo j (j = 1,2,3,...,6) Funcin objetivo: Min. z = x1 + x2 + x3 + x4 + x5 + x6 (policas mnimos para cubrir turnos [6]) Sujeto a restricciones: x1 + + x6 " 300 x1 + x2 " 350 x2 + x3 " 425 x3 + x4 " 450 x4 + x5 " 250

TUTORIAL DE LINDO

12

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

x5 + x6 " 200 .... toda xj " 0 Ejemplo: Problema de aprovechamiento de recursos. Una empresa papelera recibe un pedido de rollos de papel de la misma calidad y espesor para los siguientes anchos: 500 rollos de 30 in, 450 rollos de 45 in y 150 rollos de 56 in. En las bodegas de la empresa solo se tiene existencia en esta calidad de papel en ancho de 108 in, por lo que se piensa deben someterse a un proceso de corte longitudinal si se desea cumplir la demanda de este pedido. Formular un modelo de programacin lineal correspondiente a este problema.

108 cm CORTE Definicin de variables: Sea xj = # de cortes del tipo j (j = 1,2,....,5) necesarios para cumplir el pedido con mnimo desperdicio de papel. Funcin objetivo (o econmica): Min. z = 18x1 + 3x2 + 22x3 + 18x4 + 7x5 Sujeto a restricciones: 3x1 + 2x2 + x3 " 500 rollos de 30' x2+ x4 + x5 " 450 rollos de 45' x3 + x5 " 150 rollos de 56' ...las unidades:

TUTORIAL DE LINDO

13

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

Rollos Corte Corte = Rollos ...para restricciones. in corte corte = in ...para funcin objetivo. Toda xj " 0 Problema de almacenamiento en el transporte. Un barco tiene las siguientes capacidades de almacenamiento en sus bodegas de popa, centro y proa. Los dueos del barco pueden elegir una porcin o toda la carga de los productos A, B y C, cuyas caractersticas se tabulan a continuacin. Adems, para preservar el equilibrio del barco debe cumplirse con una carga proporcional a la capacidad de las respectivas bodegas. BODEGA PROA (1) CENTRO (2) POPA (3) PRODUCTOS A B C Definicin de variables: Sea: xij = toneladas del producto j (j = A,B,C) a cargar en la bodega i (i = 1,2,3) para maximizar la utilidad en el viaje. Funcin objetivo: Max z = 8(x1A + x2A + x3a) + 7(x1B + x2B + x3B) + 6(x1C + x2C + x3C) ...con unidades Miles de dls. Ton Ton = miles de dlares CAPACIDAD TONELADAS 3000 2000 1500 TNS A TRANSPORTAR 3500 2500 2000 m3/Ton 60 50 25 CAPACIDAD m3 130000 10000 30000 UTILIDAD (MILES DLS/TN) 8 7 6

TUTORIAL DE LINDO

14

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

Sujeto a restricciones: x1A + x1B + x1C " 3000 Ton. Capacidad en Ton x2A + x2B + x2C " 2000 x3A + x3B + x3C " 1500 60x1A + 50x1B + 25x1C " 130000 m3. Capacidad en Ton 60x2A + 50x2B + 25x2C " 100000 60x3A + 50x3B + 25x3C " 30000 x1A + x1B + x1C " 3500 Ton. Capacidad en Ton x2A + x2B + x2C " 2500 x3A + x3B + x3C " 2000 Proporcin de carga en las bodegas: x1A + x1B + x1C = x2A + x2B + x2C = x3A + x3B + x3C " 1 3000 2000 1500 Modelo de programacin lineal general. Definicin de variables: Sea xj = #.... ; j = 1, 2, 3....n Funcin objetivo: Trminos del primer grado que se sumen. Max. o Min. z = C1x1 + C2x2 + ... + Cjxj + ... + Cnxn ...donde n = # total de valores j = ocurrencia. Sujeto a restricciones: i = 1, 2, 3, ... , m a11x1 + a12x2 + ... + a1jxj + ... + a1nxn " = " b1

TUTORIAL DE LINDO

15

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

a21x1 + a22x2 + ... + a2jxj + ... + a2nxn " = " b2 ai1x1 + ai2x2 + ... + aijxj + ... + ainxn " = " bi am1x1 + am2x2 + ... + amjxj + ... + amnxn " = " bm Condiciones de signo para variables: toda xj " 0 3 DESCRIPCION DE LINDO

lindo es usado en miles de universidades de universidades de empresas y agencias gubernamentales alrededor del mundo l la manera interactiva de solucionar los problemas de progarmming de entero y quadartic lineales en que lindo encuentra las respuestas para unos vastos array of problemas en mercadotecnia de planificacin de produciton de preparado de producto de distribucin de finanzas y asignacin de recursos

TUTORIAL DE LINDO

16

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

Si usted es un principiante apreacite de youll cmo lindo fcil es aprender los problemas puede ser expresado en un estilo de ecuacin que es simple y lindo de straightfroward suministra la ayuda en lnea clara para todos comandos de que hay incluso un avaible perfecto para la ayuda de modelado avanzada

TUTORIAL DE LINDO

17

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

Si el antao un experto en youll de optimizacin es impressed que por el poder de lindo y la robustez tiene todos los comandos avanzados de que usted necesita visualizacin y anlisis para la solucin de entrada de modelo si usted es un desarrollador que usted poder hacer/ser l la vspera llama el lindo solver de dll de su propia aplicacin indo es usado en miles de universidades de universidades de empresas y agencias gubernamentales alrededor del mundo l la manera interactiva de solucionar los problemas de progarmming de entero y quadartic lineales en que lindo encuentra las respuestas para unos vastos array of problemas en mercadotecnia de planificacin de produciton de preparado de producto de distribucin de finanzas y asignacin de recursosLindo es un programa de resolucin de modelos de variables e integrales ayuda a estudiar modelos de marketing o de mercado este es un programa de mercado Es una aclaracin de excel trabaja mediante formulas para graficar variables lineales y no lineales lo podemos decir Es un programa matematico que ayuda a comprender los modelos d ejemplos para la ilustracin y optimizacin del programa lindo es un sistema de optimizacin de l portafolio Lindo tiene un poder de avance en simulaciones con comandos que ayudan a simular de diferente anlisis a la aplicacin de soluciones

TUTORIAL DE LINDO

18

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

3.1

MANDOS EFECTUADOS

En general efecta optimizacin cuadrtica Informa alos comandos de software en un requerimiento del anlisis de la variable Es un editor generador de modelos para resolver problemas Tiene estatus de ventanas para el progreso de generacin ptima Lindo es una aplicacin para ingeniera usada en ventanas Entrada a modelos interactivos para responder de forma algebraica en columnas en formatos MPS y formatos estndar Tiene comandos de ayuda Reporta e identifica los errores de variables y formularios con errores Ayuda a tu computadora para resolver estaciones de negocios 3.2 PARA UN CONTROL TECNICO

Identifica y optimiza resolviendo y encontrando variables Tiene integrales variables binarias Ejecuta parmetros ala derecha Resuelve modelos cuadaraticos Revisa y define el modelo cuadrtico Poner atado sobre la tolerancia de optimality de programacin de entero Parmetros de algoritmo de solucin de incumplimiento de contar ms que Parmetros de algoritmo de solucin de incumplimiento de contar ms que Especifique variables que un restringi por seal Invierta la base en curso Calcule el prximo factor fundamental simple Conduce para diagnosticar la formulacin que programacin de objetivo de problemas tiene como protagonista Exhiba la matriz diferente a cero y el producto fundamental como grfico o texto

3.2.1

VISUALIZACION DE PARA

Columna de visualizacin de la representacin de lgico de naturalshow de forma de la matriz o la representacin lgica de la base de en de modelo de carril elevado de Indique o roz por los criterios presentan el informe de solucin de standar de funcin de coleccin en curso o informe de anlysis de alcance o solucin de variables diferente a cero informan sobre sattistics de resumen de matriz actuales

TUTORIAL DE LINDO

19

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

3.2.2

La edicin de modelo

de donde mejor asas de editor de modelo que los archivos mltiples buscan y reemplazan que un reduccin y el pegar modificaban y elemento de la supresin de modelo de currente especific que la represin extiende el problema de current aadiendo que las restricciones aaden una nueva columna a la formulacin 3.2.3 Ambiente de modelado y jerga de SOLVERS

combinan un envrenme de modelado lleno de dispositivos con un juego de resolver para el entero lineal y modelos no lineales que empezarn modelos apreciarn que los modelos de potencia de interfaz de ventanas cmodos adore la alternativa de usar la biblioteca de lengua de modelado avanzada de las funciones matemticas y la habilidad de leer los datos de archivos externos y hojas de clculo

Usted encontrar la jerga tan familiar y fcil para usar su procesador de textos favorito que tiene apretar una barra de herramientas til down cartas y un editor de windowing de multi del que usted puede hacer un modelo en su ms cmodo uso de estilo de manera sencilla fcil leer equations

TUTORIAL DE LINDO

20

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

O la jerga de uso avanz la lengua de modelado que manejaba variables subscriptteds y recapitulaciones Caractersticas de tecla el modelado exhaustivo del que langauge admite los expresions de la formulacin en mathematiacl natural fuerte lineal no lineal y solvers de entero linkend de manera uniforme a un generador de modelo Multi que editor de ventanas durante la generacin de modelo fcil y modificacin permiten a outp al archivo de hoja de clculo Biblioteca de envergadura de finacial estadstico incorporado y funciones matemticas commoly usadas capaces de expresar a series of restricciones similares en la expresin sola los datos pueden serlo guardaron en el modelo un archivo externo o un archivo de hoja de clculo Caractersticas de tecla reconoce variables subscripteds y se pone y alllows a variety of operaciones over set aceptar generalizar las expresiones incluir que aquellos con parenteheses y las variables y expresiones sobre el a la derecha side suenen y escriban que lindo toma archivos y capaz de guardar modelos en M.P.s avaible de formato usual para macintosh de PC most estacin y unidades principales que los nombres variables pueden contener que la usuario funcin hasta 32 caracteres lo deja poseer funcionan en C o el FORTRAN Biblioteca de jerga de las funciones incorporadas para las que las funciones matemticas que el poder de valor total de e logaritmos naturales que diez gamma de diario de logaritmos viles obstaculiza que las funciones del set de seal numricas generan fij de

TUTORIAL DE LINDO

21

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

las restricciones devuelven el nmero de elementos que minimun de devolucin de escrito de conclusiones o elemento mximo ponen a prueba fij la admisin Funciones cumulativenormal hypergeometric unidad prdida prdida de longitud de longitud normal de binomal acumulativo acumulativo de distribucin de poisson acumulativa de probabilidad para la prdida de erlanng de posisson para erlang poisson de sourse finito ocupado de prdida de erlang de veneno Las funciones de trigometric que tangente funciones financieras de coseno de seno que el valor de presenta el valor actual de anualidad sobre la que muchos otros especiales pusieron lmites de clase alta y baja a la que las variables restringan variables es los enteros demostra demostran mensaje de texto under definieron las condiciones y la mayor cantidad

Whats solve lineal no lineal mejor y modelos de entero en la herramienta hoy ms popular para bussines de modelado de los que los problemas de los que los whats de hoja de clculo mejor es una extensin natural microsof se destaca y 123 de loto permitir que el usuario de hoja de clculo empiece el modelado de optimizacin casi inmediatamente hacen un modelo son fciles desarrollar y comprender en un diseo de formulario gratis que usa ecuaciones de hoja de clculo usuales

TUTORIAL DE LINDO

22

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

Con whats mejor usted puede colocar modelos en natuarl que frmulas de hoja de clculo usuales formato usar que los modelos son con calma desarrollar usan y comprenden 3.3 FEATURES

Solve lineal no lineal y modelos de entero desde adentro sus soportes de hoja de clculo loss versiones de ventana de microsoft se destacan y 123 de loto la ayuda en lnea extensiva suministrar en documentacin de profundidad incluir programa de entrenamiento y algunos ejemplos mundo real basados en que los versiones avaible para manejar modelos a gran escala con mil de variables detall mensajees de errores para ayudarlo trancking los problemas down la formulacin fundamental Definiciones de problemas de intuive a los que memorias que toda informacin en la sensibilidad de hoja de clculo trabaja incluyen la habilidad producen valores dobles (el coste reducido del que una sombra fija el precio) y la habilidad de anlisis de alcance de manejar las limitaciones de entero binarias y generales sobre variables automticamente condiciona el solver apropiado

TUTORIAL DE LINDO

23

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

Nuestro all la mayora de los paquetes populares han sido combinados juntos para darle el juego ms fuerte y exhaustivo de herramientas (a usted) para aprender y aplicar la programacin matemtica con la que la suite de solver viene a la que un usuario manual exhaustivo que explica los commads y las caractersticas de cada programa totalmente y habla de dozenz de wordl legtimo fundado que ejemplos que los modelos de muestra son supliet ilustran aplications involucrando la produccin de distribuyion y la capital de planificacin de staf de plannig de existencias que presupuesta la optimizacin de portofolio de plannig financiera y el mucho ms

TUTORIAL DE LINDO

24

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

BARRA DE HERRAMIENTAS

COMANDO NUEVO el comando nuevo abre una nueva ventanaen blancopara el modelo. se puede agregar un modelo directamente en esta ventana o pegarlo del prtapapeles COMANDO ABRIR El comando Abrir lee un archivo de modelado guardado en el disco. Cuando se emite en erden Abrir, se le presenta el siguiente cuadro de dialogo

Esta opcin se limita archivos de 64 000 caracteres o menos. La lista etiquetada archivos de tipo le permite al usuario uno de los siguientes cuatro filtros (extensiones) para los archivos seleccionados: el texto de lindo (*.ltx), LINDO Packed (*.pk), MPS (*.mps), y todos los archivos (*. *). (Para la descripcin de cada filtro vase el comando guardar) COMANDO VIEW El comando View lee un archivo de modelado guardado en el disco. Al contrario del comando abrir en comando View Puede leer un archivo de cualquier tamao y solo est limitado por la memoria disponible. Si usted necesita hacer la correccin extensa de un modelo grande, se sugiere que se utilice un procesador de texto (por ejemplo, MS Word) para hacer sus cambios o cualquier

TUTORIAL DE LINDO

25

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

otro editor, y entonces cargue el archivo en LINDO con el comando View. Si Ud. usa a un editor externo asegrese de haberlo guardado como solo texto, de otra manera LINDO no podr leer el archivo. COMANDO GUARDAR / GUARDAR COMO Guardar y Guardar Como permiten guardar el archivo de modelado en una unidad de disco, darle un nombre, y asignarle un formato. La diferencia radica en que Guardar Como, puede guardar un archivo guardado anteriormente con otro nombre como un archivo independiente. Guardar como (Save As) presenta en siguiente cuadro:

Al guardar un modelo, usted tiene una opcin de tres formatos diferentes ubicados en la lista File Format

TUTORIAL DE LINDO

26

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

Por lo anterior si solo se va a usar la plataforma Windows, entonces es aconcejable guardar losmodelos con formato *.ltx. COMANDO IMPRIMIR El comando imprimir le permite mandar a la impresora directamente modelos, informes, grficos, etc. COMANDO CORTAL El comando cortar se usa para quitar el texto seleccionado de una ventana activa y pegar la seleccin a otro punto. El texto que esta cortado se pone en el portapapeles de Windows y puede pegarlo en otras aplicaciones u otras ventanas de LINDO. Para seleccionar el texto por cortar, simplemente presionar el boton izquierdo del raton al principio del texto, luego arrastrarlo al final del mismo y por ultimo soltar el boton. Una vez seleccionado ejecutar el cmando cortar (Utilizar el comando pegar para introducir el texto cortado) COMANDO COPIAR EL COMANDO copiar se utiliza para copiar el texto seleccionado al portapapeles de Windows. El texto que esta copiando puede pegarlo en otras aplicaciones u otras ventanas de LINDO pero el texto seleccionado no se pierde de la ventana que procede. El comando Pegar se usa para pegar el texto cortado o copiado almacenado en el portapapeles. COMANDO FIND/REPLACE El orden de Find/replace se usa para la revisin de una ventana, especialmente cuando el modelo es muy grande, en caso de error, este corrige reemplazndola por la palabra correcta. Despus de invocar el comando Find/Replace presenta el siguiente cuadro de dialogolo.

TUTORIAL DE LINDO

27

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

Primero debe seleccinarse el campo en el que se quiere buscarluego aplicar Replace en el cuadro de dialogo, esta opcon resaltara la primera busqueda correcta, si desea reemplazarla, es posible aplicar Fin Next, orden que permite encntrar la siguiente palabra en el modelo. Replace All permite remplazar todas las palabras del campo seleccionado de una sola vez. La opcin Match Case activada distingue las maysculas de las minsculas en la busqueda COMANDO OPCCIONES El orden de las opciones se usa para modificar los parametros predefinidos del sistema. Al emitir el comando Opciones se presenta el siguiente cuadro;

TUTORIAL DE LINDO

28

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

Si se desea modificar estas opciones pulse Save una vez realizadas todas las modificaciones. Si se desea volver a los valores predefinidos pulsar Defaul. Optimizer options, la opcion de optimizar, contiene dos subgrupos Programacion entera y Programacion en general En programacion entera se tiene: REPROCESS Una fase optativa para resolver programacion entera IP (Integer Programming) Se conoce como el preprocessing. Durante la fase del preprocessig, el solver de LINDO hace evaluacion extensa del modelo para agregar los cortes de IP. Los cortes de IP simplemente son restricciones agregadas por el solver de LINDO para discretizar las variables enteras. Puede agregar tiempo de espera para la resolucion de un IP, pero cuando todas las variables deben ser enteras es indisoensable. LINDO tene como valor predefinido realizar el paso del preprocessig PREFERRED BRANCH (Rama Preferida) Cuando LINDO esta resolviendo un IP, uno de los funcionamientos fundamentales del solver esta echando ramas. Inicialmente, el solver permite a las variables enteras ser continuas. El solver investiga las variables del entero para determinar si alguna tiene los valores faccionarios. Si as es entonces el solver echar ramas en estas variables. Cuando el solver echa ramas en una variable, arregla su valor cambiandolo por uno de los valores del entero mas cercno y continua. Concecuentemente hay siempre dos valores de entero de cierre para cualquier nmero fraccionario (uno simplemente mayor que y uno menor que el nmero fraccionario), LINDO puede escoger entre las anteriores opciones. En algunos modelos se tendr una diferencia considerable al escoger uno u otro parmetro de redondeo. Up redondea al nmero mayor de la fraccin y Down al nmero inferior de la fraccin. El valor prederterminado para LINDO Default, permite al solver de LINDO escoger la direccin de bifurcacin. En este caso, LINDO tomar una decisin inteligente si echar ramas arriba o abajo; analizando la direccin ms favorable para la variable dada (la ms cercana sea mayor(arriba) o menor (abajo)) IP Optimality Tolerance (Tolerancia ptima) El uso de IP Optimality Tolerance es de doble sentido. Primero el tiempo empleado en hallar la slucin es considerablemente menor. Pero,con el uso de esta Tolerancia LINDO puede no encontrar la solucion optima y se se recibira ninguna advertencia en este sentido en el informe de la solucin. Sin embargo se garantiza que la solucion encontrada est dentro de 100*f% del valor ptmo. En los modelos enteros grandes, las alternativas de conseguir una solucin dentro del 2% de optimalidad en unos minutos contra conseguir el verdadero optimo en unos das hace de este comando un mtodo atractivopara ahorrar tiempo. En sntesis si quiero un valor aproximado con un error f , error que se puede considerar despresiable si f es pequeo, entonces el valor calculado de la funcion objetivo no ser peor que el ptimo verdadero en ms de 1% y ahorro de tiempo de resolucin y se disminuye el nmero de iteraciones (Aconcejable en modelos de gran tamao) IP Objetive Hurdle (Barrera de Objetivo de IP) Cuando IP Objetive Hurle se usa, LINDO solo buscar soluciones del entero en que el valor objetivo es mejor que el valor de barrera (Lmite) especificado. Este lmite es normalmente basado en una solucin factible concida. El lmite se usa en el algoritmo de
TUTORIAL DE LINDO

29

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

rama-y-limite para acortar la busqueda del optimo. Cuando LINDO esta buscando una solucin inicial del modelo entero, puede ignorar las ramas con un valor de la funsion objetivo peor que su valor de la barrera, porque LINDO sabe que una solucin buena (la barrera) se encontrar en una rama adyacente. En otros terminos, las ramas deben tener en valor objetivo ms atractivo que el valor de la barrera antes de ser considerados. Dependiendo del problema un valor de barrera bueno puede reducir tiempos de la solucin Opciones para el modelado en general Nonzero Limit (El limite n nulo) Se refiere a los coeficientes de las variables en las ecuaciones de restriccin distinto de cero sera raro encontrar a totas las variables en una sola ecuacin de restriccin. As en cualquier fila dada, la mayora de las variables tienen un coeficiente de cero. Guardar todos estos ceros seria malgastar actuacin y almacenamiento. Por consiguiente lindo solo guarda los valores del coeficiente no nulo. Cuando LINDO empieza, fija una cantidad se memoria para los coeficientes no nulos.Se puede determinar este lmite examinando el campo del Lmite No Nulo en el cuadro de dilogo de las Opciones Iteration limit (El Lmite de la Iteracin) El Solver de El del LINDO usa un formulario para realizar la optimizacin del mtodo simplex. El mtodo simplex realiza una serie de iteraciones (tambin llamados pivotes) hasta que una solucin optima se encuentre. Para poner un lmite superior en el nmero de iteraciones que LINDO realiza. Se teclea un valor lmite en la caja etiquetada Iteration Limit en el cuadro de dilogo de las Opciones Initial Constraint Tolerance/ Final Constraint Tolerance (Tolerancia de restriccin inicial/ Tolerancia de Restriccin Final) Debido a la precisin finita disponible para el punto flotante en las computadoras digitales, LINDO puede no siempre satisfacer exactamente una restriccin. Dado esto LINDO tiene dos Tolerancias interiores que dictan la cantidad mxima de violaciones permitidas en una restriccin Estas tolerancias se llaman Tolerancia de Restriccin Inicial y Tolerancia de Restriccin Final.. El valor predefinido para la Tolerancia de Constreimiento Inicial es 8 5, mientras el valor predeterminado para la Tolerancia de Constreimiento Final es 1 5. Entering Variable Tolerance El valor predefinido para la tolerancia de la variable de entrada es 0.5 - 7 Pivot Size Tolerante (Tolerancia de tamao de pivote) Cuando lindo introduce un variable en la solucin, debe asignar la variable a una restriccin o fila. Cada fila tiene una variable asignada a l y esta dignacin se usa para que se compute el valor de la variable. La fila en la cual una variable es asignada se llama fila pivote. Para que LINDO asigne una variable a una fila, debe haber actualmente un elemento no nulo, que se llama elemento pivot. La tolerancia de tamao de pivote es la lnea que divide entre lo que es y no es considerado un elemento del pivote vlido. El valor predeterminado para la Tolerancia de Tamao de Pivote es 1 -10. Status Window

TUTORIAL DE LINDO

30

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

Ventana de estado le permite supervisar el proceso y el progreso de la solucin. Si quiere impedir que esta ventana aparezca cada vez que resuelva un modelo quite en checkmark del cuadro de dialogo. Terse Output (rendimiento conciso) Desactivado permite que mucha informacin no se presente en la ventana de los informes. Page Length Limit (Limite de Longitud de pgina) Se usa para limitar el nmero de filas que presenta la ventana de informe, en caso de que no se presenten todos los resultados sale un mensaje que pregunta si se desean ver los resultados faltantes. TERMINAL Width(Anchura terminal) Para utilizar los puertos E/S (impresora), LINDO respeta una Anchura Terminal (es decir el mximo de caracteres permitido por la lnea). As se utiliza estn opcin para que el documento final encaje en la hoja de impresin. Sin embargo, los valores de anchura mnima y mximas permitidas son 40 y 132. La anchura predefinida es de 80 caracteres. GO TO LINE (Ir a la lnea) Este comando es muy til en modelos muy grandes permite ir directamente a cualquier lnea del documento o directamente al inicio o al fin del mismo. Presenta el siguiente cuadro de dialogo:

PASTE SYMBOL Esta funcin es una ayuda para construir el modelo, debido a que registra las variables en uso, en la restriccin donde se encuentra el cursor, y pega los smbolos definidos (coeficientes, variables, operadores) en el documento. Presenta el siguiente cuadro de dilogo:

TUTORIAL DE LINDO

31

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

CLEAR ALL Este comando borra la ventana activa.

SOLVE COMMAND Este comando resuelve el modelo formulado y presenta un informe completo si as se lo desea, de la solucin optima, informe de sensibilidad y otros datos tiles en la proyeccin. COMANDO COMPILE MODEL Antes de resolverse el modelo se debe compilar (traducir) al lenguaje aceptado por el solver de LINDO. El compilador puede encontrar errores de sintaxis que pueden hacerlo irresoluble si estos no se entienden. Pero si as es LINDO le informar en su momento (lnea y columna de error) SOLUTION COMMAND Si nicamente se busca la solucin optima de las variables del sistema de ecuaciones formado por las restricciones y el objetivo, este comando es el indicado, pues mostrar un informe de la solucin de las variables del modelo. PERUSE COMMAN Existe la posibilidad de establecer grficamente o en forma de texto los resultados e interpretacin del modelo. Utilizando en comando PERUSE. PICTURE Despliega la orden para la presentacin del cuadro de la matriz de coeficientes no nulos, es una manera til de tener una visin grfica del modelo.

TUTORIAL DE LINDO

32

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

SEND TO BACK Este comando manda atrs a la ventana activa TILE Este comando ordena las ventanas abiertas ya sea horizontal o verticalmente, para que se puedan apreciar todas a la vez. CLOSE ALL COMMAN Este comando cierra todas las ventanas activas y cuadros de dialogo. 5 LGORITMO PARA LA UTILIZACION DE LINDO

EJEMPLOS DE APLICACIN 6.1 EJEMPLO 1

PROBLEMA A RESOLVER Una empresa fabrica y vende tre productos (1,2 y 3). Se dispone de 10 kg. Diarios de materia prima y de 20 h.De maquina diaria. Cada producto requiere 1,2 y 1 kg de materia

TUTORIAL DE LINDO

33

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

prima , respectivamente, y de 4, 2 y 2 h. de maquina por unidad. Los beneficios unitarios son de 4, 3 y 2 $/unidad. Debido a un contrato firmado con un cliente se deben producir como minimo, 2 unidades diarias de producto 2. Calcular el maximo beneficio. SINTAXIS EN LINDO

RESOLUCION EN LINDO

EXPLICACION DEL RESULTADO DE LOS DATOS


TUTORIAL DE LINDO

34

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

OBJETIVE FUNTION VALUE 1) 23.333333 Como se dijo anteriormente LINDO enumera cada una de nuestra lnea de modelo (comenzando por el funcional), por lo tanto, el lindo nos est informando que el valor del funcional en el optimo es de 23.333333 VARIABLE VALUE REDUCED COST X1 3.333333 0.000000 X2 3.333333 0.000000 X3 0.000000 3.000000 Aqu el lindo nos presenta el valor VALUE que tomaron cada una de las variables producto (VARIABLE: aquellas variables que definimos de manera explcita en el modelo) en el optimo. En este caso, podramos informar que se estn fabricando 3.33 unidades de producto1 y 3.33 unidades de producto 2 y no se est fabricando producto 3 REDUCED COST. Es lo que llamamos coste de oportunidad (costo reducido)y esta relacionado con las variables Producto y representa en cuanto disminuir el valor del funcional asociado si se le asignara un valor no nulo a dicha variable, es decir, por cada unidad fabricada de ese producto. En este caso se est fabricando tanto x1 como x2, por lo tanto dichas variables posen valor no nulo., Por lo contrario, no se est fabricando x3 y el REDUCED COST nos est indicando que por cada unidad que fabriquemos de X3 nuestro funcional va a disminuir en 0.33. Hasta el momento lindo nos aporta informacin sobre las variables producto. pero de donde sacamos la informacin perteneciente al resto de las variables del problema que planteamos cuando aparece simplex? A continuacin se detallara la informacin sobre dichas variables, las variables slack o de holgura de nuestro problema. MPRIMA) HSMAQ) DEMMIN2) ROW SLACK OR SURPLUS DUAL PRICES 0.000000 0.666667 0.000000 0.833333 1.333333 0.000000

Cada una de estas filas (Row) representante ala variable slack asociada a la restriccin correspondiente (pro eso la importancia de ponerle nombre a las restricciones!!!). Por ejemplo, MPRIMA Y HSMAQ representa las cantidades que me estn sobrando (analizar las restricciones, en este caso es menor o igual)de dicho recurso (en este caso vale cero, lo que representa que ambos recurso son limitantes , es decir , estn saturados ). Por otro lado, DEMMIN representa en cuanto estoy superando la demanda mnima del producto 2, si observamos el valor que toma (SLACK OR SURPLUS), vemos que estamos produciendo1.33 unidades por encima da la demanda mnima (lgico pues P2 = 3.33). Qu representa el DUAL PRICE? Es lo que llamamos valor marginal (en Simplex: zjcj de las variables que no son productos, es decir, de las demandas slack o de holgura). Representa en cuanto mejora el valor actual del funcionamiento si relajamos la restriccin asociada en una unidad.

TUTORIAL DE LINDO

35

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

En nuestro problema esto se traduce a: en cuanto mejorara el valor actual del funcional si: Pudindose obtener una unidad mas de dichos recursos (para las restricciones de materia prima y horas maquina) Pudindose reducir en una unidad mnima (para le restricciones de demanda mnima

En este caso, vemos que , como era de suponer, al encontrarse ambos recursos saturados , me conviene adquirirlos. Por cada unidad de mas que posea de materia prima mi funcional se incrementa en 0.66; o en 0.83 por cada hora maquina. Como era de esperar, al tener DEMMIN un valor no nulo (es decir, si lo asociamos al simplex, sera una variable que forma parte de la base), su valor marginal es cero. Hasta el momento hemos hablado del valor marginal y del costo de oportunidad, y hemos dicho como afecta, en el valor del funcional , el incremento o disminucin del valor de los trminos independientes de las restricciones, pero siempre aclaramos que esto se cumple de dentro de cierto rango. Pero Cul es el rango? Observacin NO. ITERATIONS = 2 En el nmero de interacciones en las que se encontr la solucin ms optima. No necesariamente coincide con la cantidad de tablas de simplex realizadas hasta llegar a la ptima. Nuevamente, LINDO separa el anlisis de las variables producto del las variables slack. RANGES IN WHICH THE BASIS IS UNCHANGED: OBJ COEFFICIENT RANGES VARIABLES CURRENT ALLOWABLE ALLOWABLE COEF INCREASE DECREASE X1 4.000000 2.000000 1.000000 X2 3.000000 5.000000 1.000000 X3 2.000000 0.333333 INFINITO RANGES IN WHICH THE BASIS IS UNCHANGED: Rangos en los que la base no cambia Qu significa esto?.. Estos rangos me muestran en cuanto puedo variar el valor actual que posee el coeficiente asociado a cada variable en el funcional (suponiendo que es el nico coeficiente que varia), sin que se modifique la estructura de la solucin actual. Qu quiere decir este ltimo? Si modificamos alguno de estos coeficientes ( son los Ci Del Simplex), el valor del funcional se modificara, como as tambin se modificaran los costos de oportunidad (zj cj Del Simplex) pero entonces.. Qu no queremos que se modifique? Lo que queremos que se modifique es la estructura actual de la solucin, es decir, queremos que esta solucin siga siendo la ptima, lo que implica que las variables (tanto como las de producto como las slack) sigan teniendo un mismo valor, el ptimo sigue siendo el mismo, pero no as el valor del funcional. (Si seguimos fabricando la misma cantidad de productos pero su beneficio varia obviamente vara el funcional). Entonces lo que nos muestra El LINDO es:

TUTORIAL DE LINDO

36

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

CURRENT COEF: valor actual del coeficiente asociados a la variable en el funcional ( en este caso C1=4, C2=3,C3=2). ALLOWABLE INCREASE. Incremento permitido. En cuanto puedo aumentar el valor actual de dicho coeficiente sin que se modifique la estructura de la solucin actual. ALLOWABLE DECREASE: decremento permitido. En cunto puedo disminuir el valor actual de dicho coeficiente sin que se modifique la estructura de la solucin actual. Es decir que, por ejemplo, para el caso de X1, si C1 se encuentra entre [4-1, 4+2], la estructura de la solucin no se modificar. El mismo anlisis se realizara para las variables de slack: RICHTHAND SIDE RANGES ROW CURRENT ALLOWABLE ALLOWABLE RHS INCREASE DECREASE MPRIMA 10.000000 9.999999 2.000000 HSMAQ 20.000000 8.000000 9.999999 DEMMIN 2 2.000000 1.333333 INFINITY Aqu estos coeficientes representan el trmino independiente de cada una de las restricciones. Lo que se busca determinar con estos rangos es similar al caso anterior, ya que se pretende que no se modifique la estructura de la solucin actual. Al variar el termino independiente de una restriccin (suponiendo que es el nico coeficiente que varia), el valor del funcional se modificara como as tambin los zj-cj, lo que no se modifica es el valor que toman las variables en la solucin optima. Hasta ac pareciera que, para las variables slack sucede lo mismo que para las variables productos, u esto es as, pero la diferencia radica en el significado que tienen los valores marginales (zj-cj) y quienes son las variables que forman parte de la solucin optima cuando se habla de variaciones en los trminos independientes. Si bien hablaremos de estos temas cuando veamos Dual, lo que se les adelanto es que: no se modifican los valores marginales de las variables pero si se modifican los valores que toman las variables de producto. Volviendo al ejemplo de estudio, por ejemplo, para la demanda mnima del producto 1 tenemos que esta puede variar en el rango [-infinito, 2+1.33] sin que cambie la estructura de la solucin optima (recordar que implica esto). 6.2 EJEMPLO 2

Una empresa manufacturera elabora tres componentes 1,2,3 para vender a compaas de refrigeracin los componentes son procesados en maquinas A Y B .La A maquina esta disponible por 120 horas y la maquina B esta disponible por 110 horas , no mas de 200 unidades del componente tres sern vendidos ,pero mas de 1000 unidades del los dems componentes podrn ser vendidos .De hecho la empresa tiene mas de 600 unidades del componente 1 que deben ser satisfechas: Los beneficios de cada unidad 1,2,3 son de 8,6,9 respectivamente. Los tiempos en minutos para elaborar cada componente en minutos son:

TUTORIAL DE LINDO

37

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

C O M P O N E N T E 1 2 3

M A Q U IN A1 6 4 4

M A Q U IN A2 4 5 2

SOLUCION MAX 8X1+6X2+9X3!MAXIMIZARGANACIAS SUBJECT TO !RESTRICCIONES DE CAPACIDAD DE FABRICA S.T 6X1+4X2+4X3<=7200!(TIEMPO DE TRABAJO EN MINUTOS DE LA MAQUINA1) 4X1+5X2+2X3<=6600!(TIEMPO DE TRABAJO EN MINUTOS DE LA MAQUINA2) 3X3<=200!(CANTIDAD DE COMPONENTE 1 A FABRICAR) X1 <=1000!(CANTIDAD DE COMPONENTE 1 A FABRICAR) X2 <=1000!(CANTIDAD DE COMPONENTE 1 A FABRICAR) X1 >=600!(CANTIDAD DE COMPONENTE 1 A FABRICAR) END LP OPTIMUM FOUND AT STEP 4

OBJECTIVE FUNCTION VALUE 1) 10371.43 REDUCED COST 0.000000 0.000000 0.000000 1.142857

VARIABLE VALUE X1 628.571411 X2 790.476196 X3 66.666664 S.T 0.000000 ROW 2) 3) 4) 5) 6) 7)

SLACK OR SURPLUS DUAL PRICES 0.000000 1.142857 0.000000 0.285714 0.000000 1.285714 371.428558 0.000000 209.523804 0.000000 28.571428 0.000000 4

NO. ITERATIONS=

RANGES IN WHICH THE BASIS IS UNCHANGED:

TUTORIAL DE LINDO

38

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

OBJ COEFFICIENT RANGES VARIABLE CURRENT ALLOWABLE ALLOWABLE COEF INCREASE DECREASE X1 8.000000 1.000000 3.200000 X2 6.000000 4.000000 0.666667 X3 9.000000 INFINITY 3.857143 S.T 0.000000 1.142857 INFINITY ROW 2 3 4 5 6 7 RIGHTHAND SIDE RANGES CURRENT ALLOWABLE ALLOWABLE RHS INCREASE DECREASE 7200.000000 1039.999878 80.000000 6600.000000 99.999992 1299.999878 200.000000 99.999992 199.999985 1000.000000 INFINITY 371.428558 1000.000000 INFINITY 209.523804 600.000000 28.571428 INFINITY

6.3

EJEMPLO 3

Una empresa vende sus productos mediante ajustes vendedores mediante visitas de venta a tres tipos de clientes, comerciales, individuales y profesionales . Por cada visita de venta a un cliente comercial obtiene ingresos de ventas de $ 200 por cada visita a un cliente industrial obtiene $ 5000 por cada visita a un cliente profesional obtiene 1000 de ingreso por venta. El mes actual se dispone de 3200 horas de los agentes vendedores para efectuar visitas de $ 1000 de gastos por viticos . La administracin no permite mas del 20% del tiempo para visitas de venta se dedique a visitar clientes comerciales ni tampoco acepta mas del 30% de viticos sean utilizados para clientes profesionales Para visitar al cliente comercial se neciecita mas de 5 horas : 8 para el cliente industrial:11 para el cliente profesional Los gastos de viticos por cada cliente comercial de .10$ y 14$ por cada visita a cliente industrial es de 30$ y por cada visita a cliente profesional .SE DESEA MAXIMIZAR LOS INGRESOS POR VENTAS. FORMULACION Y COSTRUCCION DEL MODELO Variables de decisin. X1,X2,X3,representado las visitas que deben realizar a clientes comerciales ,Industriales y profesionales. respectivamente FUNCION OBJETIVO : Maximizar los ingresos de ventas Restricciones

TUTORIAL DE LINDO

39

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

RESTRICCIN 1 Disponibilidad de horas de trabajo para realizar las visitas RESTRICCIN 2 Disponibilidad limitada para gastos de viticos RESTRICCION3 Requerimiento de mas tiempo de mas visitas MAX 2000X1+5000X2+10000X3 !(MAXIMIZAR GANANCIAS) SUBJECT TO !RESTRICCIONES DE TRABAJO 5X1+8X2+11X3<=2300!(HORA DE TRABAJO) 10X1+14X2+35X3<=!(GASTOS DE VIATICOS) 5X1 <=640!(GASTOS DE VIATICOS) 35X3<=340!(GASTOS DE VIATICOS) END LP OPTIMUM FOUND AT STEP 1

OBJECTIVE FUNCTION VALUE 1) 1785.714

VARIABLE VALUE REDUCED COST X1 0.000000 1571.428589 X2 0.357143 0.000000 X3 0.000000 2500.000000 ROW 2) 3) 4) 5) SLACK OR SURPLUS DUAL PRICES 2297.142822 0.000000 0.000000 357.142853 640.000000 0.000000 340.000000 0.000000 1

NO. ITERATIONS=

RANGES IN WHICH THE BASIS IS UNCHANGED: OBJ COEFFICIENT RANGES VARIABLE CURRENT ALLOWABLE ALLOWABLE COEF INCREASE DECREASE X1 2000.000000 1571.428467 INFINITY X2 5000.000000 INFINITY 1000.000000 X3 10000.000000 2499.999756 INFINITY ROW 2 RIGHTHAND SIDE RANGES CURRENT ALLOWABLE ALLOWABLE RHS INCREASE DECREASE 2300.000000 INFINITY 2297.142822 40

TUTORIAL DE LINDO

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

3 4 5

5.000000 640.000000 340.000000

4019.999756 INFINITY INFINITY

5.000000 640.000000 340.000000

6.4

Ejemplo 4

El presente trabajo realizado, est orientado a satisfacer la necesidad, de obtener mayores utilidades de una empresa procesadora de frutos secos. Para ello nosotros, previo hecha una recopilaron de datos, construimos, un modelo matemtico, para as de esta forma poder tener con mayor certeza y efectividad una solucin para dicha necesidad. Para esto nos hemos apoyado en el software LINDO(), este nos permite encontrar la solucin optima al problema anteriormente planteado, en tiempo breve y efectivo. En las pginas siguientes explicaremos en mayor detalle la forma en que opera esta planta, cantidad de maquinarias utilizadas, tiempos requerido por estas maquinas, demanda de los clientes con que cuenta, etc. - Como as tambin restricciones y requerimientos de este sistema. Cuenta con instalaciones de 1000 metros cuadrados techados, esto contempla bodegas, oficinas, baos y vestuarios para el personal como as tambin un taller de mantencin y las mquinas con las que se realizan las labores inherentes a su giro (Elaboracin y comercializacin de frutos secos). Las materias primas que utiliza esta empresa son:

Man. Almendras.

Estos se procesan de acuerdo a las necesidades de los clientes, es decir, pueden solicitar man tostado con piel, tostado pelado, trozado, como as tambin almendras crudas, tostadas, y trozadas. Reglas del Negocio Esta empresa para satisfacer las necesidades de sus clientes cuenta con las siguientes mquinas:

Tostador de man y almendra. Cinta transportadora de inspeccin (control de calidad).

TUTORIAL DE LINDO

41

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

Pelador de man. Trozadora de man y almendras. Envasadora de man y almendra.

A continuacin presentamos el cuadro con los tiempos utilizados por cada mquina en las distintas etapas de elaboracin (minutos x Kilo procesado).

Requerimientos del sistema. Es importante destacar que las mquinas tienen limitantes de tiempo de funcionamiento, que a continuacin describiremos.

Tostador: tiempo de funcionamiento contnuo mximo 16 hrs. Pelador. Tiempo de funcionamiento contnuo mximo 7 hrs. Control de calidad: Requiere mnimo 8 hrs de funcionamiento y como mximo 24 hrs diarias. Trozadora: Requiere mximo 16 hrs. diarias de funcionamiento. Control de calidad: necesita un mnimo de 8 hrs. Y mximo de 24 hrs, diarias. Envasado : un mnimo de 8 hrs. y un mximo de 16 hrs. diarias

Por otro lado sta cuenta con un mximo de barriles plsticos de 12000 unidades, cabe destacar que cada uno tiene una capacidad de 25kg. y se utiliza para envasar ya sea man o almendras en la etapa final de proceso.
TUTORIAL DE LINDO

42

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

Pasamos a detallar l porque, de los requerimientos y limitantes anteriores Para el Tostador, se debe a que transcurrido ese tiempo debe dejarse enfriar las paredes interiores del horno para as no deteriorarlas, esta es una medida netamente de prevencin, procurando as no tener que detener la maquina, debido a un desprendimiento del revestimiento interior por exceso de temperatura; en cuanto a la Peladora esta limitante se debe a que despus de 7 hrs. De funcionamiento los rodillos se empastan por causa del aceite que desprende el man, y deben ser desmontados y sumergidos en una solucin que desprende el aceite descrito. En el Control de Calidad de acuerdo a las necesidades de produccin se puede trabajar de un turno mnimo, a tres turnos como mximo. En la Trozadora de acuerdo a necesidades de produccin se trabaja como mximo 16 hrs. debido a que la maquina debe ser desamada para su limpieza y afilamiento de las cuchillas trozadoras. Y por ultimo en el Envasado tenemos que estos tiempos se deben a 8 hrs mnimo por causa de una demada mnima, y un tope de 16 hrs por recomendaciones de su fabricante. Otro punto a destacar es que el mes laboral se considera de 21 das. Es importante destacar que la tostadura cuenta con una poltica de produccin la cual consiste de:

Mani tostado disponible , como mximo 110.000 Kg Mani pelado disponible , como mximo 45.000 Kg Mani trozado disponible , como mximo 15.000 Kg Almendra tostada disponible , como mximo 110.000 Kg Almendra trozada disponible , como mximo 10.000 Kg Almendra Cruda disponible , como mximo 10.000 Kg

Esta empresa le entrega sus servicios en forma exclusiva a tres destacadas empresas en el medio nacional las cuales son: A, B y C, con las cuales tiene contrado contratos de entrega sujeto a modificaciones tanto de man como almendra. Como en todo negocio no toda las empresas le brindan la misma utilidad. Cuando nos referimos a utilidad cabe aclarar que nos referimos a lo que le queda a la empresa, es decir ya se han estimado todos los descuentos por mano de obra(Sueldos), luz, gas, agua, contador, etc.

TUTORIAL DE LINDO

43

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

Por este motivo a continuacin pasamos ha mostrar el cuadro con las distintas utilidades por kilo procesado, por los diferentes productos.

Los contratos con estos tres clientes se detallan a continuacin:

A Ha solicitado para el mes de Noviembre del 2000 80.000 Kg. exactos de man tostado, adems de 5.000 Kg. de man pelado como mnimo. B: Ha solicitado como mnimo la cantidad de 30.000 Kg. de man pelado y un mnimo de 50.000 Kg. de almendras tostadas. C: Ha solicitado un mnimo de 10.000 Kg. de man tostado, almendra tostada como mnimo 20.000 Kg y por ltimo 5.000 Kg. de almendra trozada como mnimo.

MODELO MATEMATICO Sea Mij: cantidad de kilos de man procesado tipo i para cliente tipo j I=1,2,3; J=N; C; D 1= tostado N= A 2= pelado C= B 3= trozado D= C Aij: cantidad de kilos de Almendra procesada tipo i para cliente tipo j I=1,2,3 ; J=N; C; D 1= Tostada N= A 2= Trozada C= B 3= Cruda D= C F.O.MAX Z=

TUTORIAL DE LINDO

44

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

12M1N+13M2N+14M3N+28A1N+29A2N+23A3N+13M1C+15M2C+16M3C+29A1C+2 9A2C+23A3C+15M1D+15M2D+17M3D+25A1D+29A2D+23A3D Sujeto a: R1)0.09M1N+0.09M2N+0.09M3N+0.1A1N+0.1A2N+0.09M1C+0.09M2C+0.09M3C+0.1 A1C+0.1A2C+0.09M1D+0.09M2D+0.09M3D+0.1A1D+0.1A2D<=20160 !disponibilidad de minutos del tostador R2)0.045M1N+0.045M2N+0.045M3N+0.075A1N+0.075A2N+0.075A3N+0.045M1C+0.0 45M2C+0.045M3C+0.075A1C+0.075A2C+0.075A3C+0.045M1D+0.045M2D+0.045M3 D+0.075A1D+0.075A2D+0.075A3D>=10080 !disponibilidad min.CC R3)0.045M1N+0.045M2N+0.045M3N+0.075A1N+0.075A2N+0.075A3N+0.045M1C+0.0 45M2C+0.045M3C+0.075A1C+0.075A2C+0.075A3C+0.045M1D+0.045M2D+0.045M3 D+0.075A1D+0.075A2D+0.075A3D<=30240 !disponibilidad max.CC R4)0.08M2N+0.08M3N+0.08M2C+0.08M3C+0.08M2D+0.08M3D<=8820 !pelador R5) 0.08M3N+0.35A2N+0.08M3C+0.35A2C+0.08M3D+0.35A2D<=20160 ! Trozadora R6) 0.045M1N+0.045M2N+0.045M3N+0.075A1N+0.075A2N+0.075A3N+0.045M1C+0.045 M2C+0.045M3C+0.075A1C+0.075A2C+0.075A3C+0.045M1D+0.045M2D+0.045M3D+ 0.045A1D+0.075A2D+0.075A3D>=10080 !envasado R7) 0.045M1N+0.045M2N+0.045M3N+0.075A1N+0.075A2N+0.075A3N+0.045M1C+0.045 M2C+0.045M3C+0.075A1C+0.075A2C+0.075A3C+0.045M1D+0.045M2D+0.045M3D+ 0.075A1D+0.075A2D+0.075A3D<=20160 !envasado R8) M1N+M1C+M1D<=110000 !(Cantidad de Mani tostado disponible) R9) A1N+A1C+A1D<=110000 !(Cantidad de almendra tostada disponible) R10) M2N+M2C+M2D<=45000 !(MAN PELADO) R11) M3N+M3C+M3D<=15000 !(MAN TROZADO) R12) A2N+A2C+A2D<=10000 !(ALMENDRA TROZADA) R13) A3N+A3C+A3D<=10000 !(ALMENDRA CRUDA) R14) M1N =80000 !(DEMANDAS) R15) M2N=>5000

TUTORIAL DE LINDO

45

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

R16) M2C=>30000 R17) A1C>=50000 R18) A1D>=20000 R19) M2D=>10000 R20) A2D>=5000 Resolucin software LINDO Anlisis de Sensibilidad LP OPTIMUM FOUND AT STEP 8 OBJECTIVE FUNCTION VALUE 1) 4358900. VARIABLE VALUE REDUCED COST M1N 80000.000000 0.000000 M2N 5000.000000 0.000000 M3N 0.000000 12.100001 A1N 0.000000 1.000000 A2N 0.000000 0.000000 A3N 0.000000 0.000000 M1C 0.000000 13.100001 M2C 30000.000000 0.000000 M3C 0.000000 10.100001 A1C 64100.000000 0.000000 A2C 0.000000 0.000000 A3C 10000.000000 0.000000

TUTORIAL DE LINDO

46

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

M1D 0.000000 11.100001 M2D 10000.000000 0.000000 M3D 0.000000 9.100001 A1D 20000.000000 0.000000 A2D 5000.000000 0.000000 A3D 0.000000 0.000000 ROW SLACK OR SURPLUS DUAL PRICES R1) 0.000000 290.000000 R2) 2977.500488 0.000000 R3) 17182.500000 0.000000 R4) 5220.000000 0.000000 R5) 18410.000000 0.000000 R6) 2377.500488 0.000000 R7) 7102.499512 0.000000 R8) 30000.000000 0.000000 R9) 25900.000000 0.000000 R10) 0.000000 0.000000 R11) 15000.000000 0.000000 R12) 5000.000000 0.000000 R13) 0.000000 23.000000 R14) 0.000000 -14.100000 R15) 0.000000 -13.100000 R16) 0.000000 -11.100000

TUTORIAL DE LINDO

47

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

R17) 14100.000000 0.000000 R18) 0.000000 -4.000000 R19) 0.000000 -11.100000 R20) 0.000000 0.000000 NO. ITERATIONS= 8 RANGES IN WHICH THE BASIS IS UNCHANGED: OBJ COEFFICIENT RANGES VARIABLE CURRENT ALLOWABLE ALLOWABLE COEF INCREASE DECREASE M1N 12.000000 INFINITY INFINITY M2N 13.000000 13.100000 INFINITY M3N 14.000000 12.100001 INFINITY A1N 28.000000 1.000000 INFINITY A2N 29.000000 0.000000 INFINITY A3N 23.000000 0.000000 INFINITY M1C 13.000000 13.100001 INFINITY M2C 15.000000 11.100000 INFINITY M3C 16.000000 10.100001 INFINITY A1C 29.000000 INFINITY 0.000000 A2C 29.000000 0.000000 INFINITY A3C 23.000000 INFINITY 0.000000 M1D 15.000000 11.100001 INFINITY M2D 15.000000 11.100000 INFINITY

TUTORIAL DE LINDO

48

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

M3D 17.000000 9.100001 INFINITY A1D 25.000000 4.000000 INFINITY A2D 29.000000 0.000000 INFINITY A3D 23.000000 0.000000 INFINITY RIGHTHAND SIDE RANGES ROW CURRENT ALLOWABLE ALLOWABLE RHS INCREASE DECREASE R1 20160.000000 2590.000000 1410.000000 R2 10080.000000 2977.500488 INFINITY R3 30240.000000 INFINITY 17182.500000 R4 8820.000000 INFINITY 5220.000000 R5 20160.000000 INFINITY 18410.000000 R6 10080.000000 2377.500488 INFINITY R7 20160.000000 INFINITY 7102.499512 R8 110000.000000 INFINITY 30000.000000 R9 110000.000000 INFINITY 25900.000000 R10 45000.000000 INFINITY 0.000000 R11 15000.000000 INFINITY 15000.000000 R12 10000.000000 INFINITY 5000.000000 R13 10000.000000 94699.992188 10000.000000 R14 80000.000000 15666.666992 28777.779297 R15 5000.000000 0.000000 5000.000000 R16 30000.000000 0.000000 28777.779297

TUTORIAL DE LINDO

49

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

R17 50000.000000 14100.000000 INFINITY R18 20000.000000 14100.000000 20000.000000 R19 10000.000000 0.000000 10000.000000 R20 5000.000000 5000.000000 5000.000000 Observaciones en base al anlisis de sensibilidad De acuerdo a la resolucin del problema mediante el software LINDO la maximizacin de la funcin objetivo arroja el valor ptimo de: $ 4.358.900 Los valores ptimos para las variables de decisin son los siguientes: M1N (Man tostado para Nestl) : 80.000 Kg. M2N (Man pelado para Nestl) : 5.000 Kg. M2C (Man pelado para Costa): 30.000 Kg. A1C (Almendra tostada para Costa). 64.100 Kg A3C (Almendra cruda para Costa). 10.000 Kg M2D (Man pelado para Dos en Uno) : 10.000 Kg. A1D (Almendra tostada para Dos en Uno). 20.000 Kg A2D (Almendra trozada para Dos en Uno). 5.000 Kg El valor de las restantes variables es cero debido a que no se entrega el producto, ya que si se le entregara para el caso de A un Kilo de man trozado, la funcin objetivo se reducira en $ 12.1, y para el caso de la Almendra tostada, Almendra trozada la funcin objetivo se reducira en : $ 1 , $ 0, $ 0 por cada kilo entregado respectivamente. En tanto para B si se le entregase man tostado, por cada kilo la funcin objetivo se reducira en $ 13.1, y para el caso de man trozado, Almendra trozada, la funcin objetivo se reducira en $ 10.1, $ 0 por cada kilo respectivamente. Y por ltimo en el caso de C si se le entregase man tostado, man trozado y almendra cruda la funcin objetivo se vera reducida en $ 11.1, $ 9.1, $ 0 por cada kilo entregado respectivamente.

TUTORIAL DE LINDO

50

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

Del anlisis se puede desprender adems la holgura (slack or surplus) para cada una de las restricciones(20) y por ende su precio sombra (dual price), es decir, al aumentar en una unidad el trmino libre de la restriccin la funcin objetivo se ve afectada. Tenemos que para la restriccin 1 (limitante de tiempo de funcionamiento del tostador), restriccin 10 (limitante de cantidad de man pelado disponible), restriccin 13 (disponibilidad de almendra cruda), restriccin 14 (demanda de man tostado por A), restriccin 15 (mnima demanda de man pelado para A), restriccin 16 (mnima demanda de man pelado por B), restriccin 18 (mnima demanda de almendra tostada para C), restriccin 19 (mnima demanda de man pelado para C), restriccin 20 (mnima demanda de almendra trozada) la holgura es cero, por lo tanto su precio sombra es distinto de cero, es decir, si se incrementa en una unidad al trmino libre para las restricciones n 1 y 13 la funcin objetivo se ve incrementada en $ 290 por cada minuto y $ 23 por cada kilo respectivamente. En tanto para las restricciones n 14,15,16,18,19 el valor de la funcin objetivo se ve decrementada en: $14.1, $13.1, $11.1, $4 y $11.1 por cada kilo extra entregado respectivamente. Tambin podemos decir que: La R1) puede decrementarse en 2590 minutos e incrementarse en1410min. La R13) puede decrementarse en 10000 kilos e incrementarse en 94699.9 kg La R14) puede decrementarse en 28777.7 kilos e incrementarse en 15666.66 kilos. La R15) puede decrementarse en 5000 kilos e incrementarse en 0 kilos. La R16) puede decrementarse en 28777 kilos e incrementarse en 0 kilos. La R18) puede decrementarse en 20000 kilos e incrementarse en 14100 kilos. La R19) puede decrementarse en 10000 kilos e incrementarse en 0 kilos. La R20) puede decrementarse en 5000 kilos e incrementarse en 5000 kilos. Teniendo en cuenta que estas restricciones pueden variar dentro de estos rangos sin dejar de ser activas

6.5

EJEMPLO 5

Max 3X1+5X2 !MAXIMIZAR GANANCIAS

TUTORIAL DE LINDO

51

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

!RESTRICCIONES S.T. 2X1+ X2<=230 !(MEZCLADO) X1+2X2<=250 !(PURIFICACION) X2<=120 !(LIMITANTE DEL PRODUCTO X2) END SOLUCION LP OPTIMUM FOUND AT STEP 3

OBJECTIVE FUNCTION VALUE 1) 660.0000 REDUCED COST 0.000000 0.000000

VARIABLE VALUE X1 70.000000 X2 90.000000

ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 0.333333 3) 0.000000 2.333333 4) 30.000000 0.000000 NO. ITERATIONS= 3 3

LP OPTIMUM FOUND AT STEP

OBJECTIVE FUNCTION VALUE 1) 660.0000 REDUCED COST 0.000000 0.000000

VARIABLE VALUE X1 70.000000 X2 90.000000

ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 0.333333 3) 0.000000 2.333333 4) 30.000000 0.000000 NO. ITERATIONS= 3

TUTORIAL DE LINDO

52

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

LP OPTIMUM FOUND AT STEP

OBJECTIVE FUNCTION VALUE 1) 660.0000 REDUCED COST 0.000000 0.000000

VARIABLE VALUE X1 70.000000 X2 90.000000

ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 0.333333 3) 0.000000 2.333333 4) 30.000000 0.000000 NO. ITERATIONS= 3

RANGES IN WHICH THE BASIS IS UNCHANGED: OBJ COEFFICIENT RANGES VARIABLE CURRENT ALLOWABLE ALLOWABLE COEF INCREASE DECREASE X1 3.000000 7.000000 0.500000 X2 5.000000 1.000000 3.500000 RIGHTHAND SIDE RANGES ROW CURRENT ALLOWABLE ALLOWABLE RHS INCREASE DECREASE 2 230.000000 270.000000 90.000000 3 250.000000 45.000000 135.000000 4 120.000000 INFINITY 30.000000

6.6

EJEMPLO 6

MAX 3X1+5X2 !MAXIMIZAR GANANCIAS SUBJECT TO !RESTRICCIONES DE CAPACIDAD DE FABRICA PLANTA 1) X1 <4 !HORAS DISPONIBLES EN PLANTA 1 PLANTA 2)2X2 <12 !HORAS DISPONIBLES EN PLANTA 2 PLANTA 3)3X1+2X2 <18 !HORAS DISPONIBLES EN PLANTA 3 END

TUTORIAL DE LINDO

53

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

SOLUCION LP OPTIMUM FOUND AT STEP 1

OBJECTIVE FUNCTION VALUE 1) 36.00000 REDUCED COST 0.000000 0.000000

VARIABLE VALUE X1 2.000000 X2 6.000000

ROW SLACK OR SURPLUS DUAL PRICES PLANTA 1) 2.000000 0.000000 PLANTA 2) 0.000000 1.500000 PLANTA 3) 0.000000 1.000000 NO. ITERATIONS= 1

RANGES IN WHICH THE BASIS IS UNCHANGED: OBJ COEFFICIENT RANGES VARIABLE CURRENT ALLOWABLE ALLOWABLE COEF INCREASE DECREASE X1 3.000000 4.500000 3.000000 X2 5.000000 INFINITY 3.000000 RIGHTHAND SIDE RANGES ROW CURRENT ALLOWABLE ALLOWABLE RHS INCREASE DECREASE PLANTA 1 4.000000 INFINITY 2.000000 PLANTA 2 12.000000 6.000000 6.000000 PLANTA 3 18.000000 6.000000 6.000000 6.7 EJEMPLO 7

MIN 100XMON+100XTUE+100XWED+100XWED+100XTHU+100XFRI+100XSAT+100XSU N SUBJECT TO

TUTORIAL DE LINDO

54

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

TUE) XMON+XTUE +XFRI+XSAT+XSUN>=15 WED) XMON+XTUE+XWED +XSAT+XSUN>=16 THU) XMON+XTUE+XWED+XTHU +XSUN>=19 FRI) XMON+XTUE+XWED+XTHU+XFRI >=14 SAT) XTUE+XWED+XTHU+XFRI+XSAT >=12 END !LA SOLUCION OBJETIVO ES $2200 (OPCIONAL) SOLUCION LP OPTIMUM FOUND AT STEP 1

OBJECTIVE FUNCTION VALUE 1) 1900.000 REDUCED COST 0.000000 0.000000 100.000000 0.000000 100.000000 100.000000 0.000000

VARIABLE VALUE XMON 0.000000 XTUE 19.000000 XWED 0.000000 XTHU 0.000000 XFRI 0.000000 XSAT 0.000000 XSUN 0.000000

ROW SLACK OR SURPLUS DUAL PRICES TUE) 4.000000 0.000000 WED) 3.000000 0.000000 THU) 0.000000 -100.000000 FRI) 5.000000 0.000000 SAT) 7.000000 0.000000 NO. ITERATIONS= 1

RANGES IN WHICH THE BASIS IS UNCHANGED: OBJ COEFFICIENT RANGES VARIABLE CURRENT ALLOWABLE ALLOWABLE COEF INCREASE DECREASE XMON 100.000000 INFINITY 0.000000 XTUE 100.000000 0.000000 100.000000 XWED 200.000000 INFINITY 100.000000 XTHU 100.000000 INFINITY 0.000000 XFRI 100.000000 INFINITY 100.000000 XSAT 100.000000 INFINITY 100.000000
TUTORIAL DE LINDO

55

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

XSUN ROW TUE WED THU FRI SAT 6.8

100.000000

INFINITY

0.000000

RIGHTHAND SIDE RANGES CURRENT ALLOWABLE ALLOWABLE RHS INCREASE DECREASE 15.000000 4.000000 INFINITY 16.000000 3.000000 INFINITY 19.000000 INFINITY 3.000000 14.000000 5.000000 INFINITY 12.000000 7.000000 INFINITY EJEMPLO 8

!Se define las siguientes variables de decision !CS1=El numero de miles de litros de CS-01 por producir semanalmente !CS2=El numero de miles de litros de CS-02 por producir semanalmente !Maximizar la ganancia, en funcion a la cantidad producida. !MaxZ=Ganancia de CS1+Ganancia de CS2 Max 300CS1+500CS2 S.T. 2CS1+CS2<=230!(MEZCLADO) CS1+CS2<=250!(PURIFICACION) CS2<=120 !(LIMITANTE PRODUCTO CS2) END SOLUCION LP OPTIMUM FOUND AT STEP 2

OBJECTIVE FUNCTION VALUE 1) 76500.00 REDUCED COST 0.000000 0.000000

VARIABLE VALUE CS1 55.000000 CS2 120.000000

ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 150.000000 3) 75.000000 0.000000

TUTORIAL DE LINDO

56

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

4)

0.000000 2

350.000000

NO. ITERATIONS=

RANGES IN WHICH THE BASIS IS UNCHANGED: OBJ COEFFICIENT RANGES VARIABLE CURRENT ALLOWABLE ALLOWABLE COEF INCREASE DECREASE CS1 300.000000 700.000000 300.000000 CS2 500.000000 INFINITY 350.000000 RIGHTHAND SIDE RANGES ROW CURRENT ALLOWABLE ALLOWABLE RHS INCREASE DECREASE 2 230.000000 150.000000 110.000000 3 250.000000 INFINITY 75.000000 4 120.000000 110.000000 120.000000

6.9

EJEMPLO 9

MAX 200X1+300X2+250X3+150X4+100X5 SUBJECT TO X2) X1+X2 +X5<=150 X3) X1+X2+X3 <=200 X4) X1+X2+X3+X4 <=130 X5) X1+X2+X3+X4+X5<=100 X6) X2+X3+X4+X5<=230 END SOLUCION: LP OPTIMUM FOUND AT STEP 1

OBJECTIVE FUNCTION VALUE 1) 30000.00

VARIABLE VALUE REDUCED COST X1 0.000000 100.000000 X2 100.000000 0.000000 X3 0.000000 50.000000

TUTORIAL DE LINDO

57

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

X4 X5

0.000000 0.000000

150.000000 200.000000

ROW SLACK OR SURPLUS DUAL PRICES X2) 50.000000 0.000000 X3) 100.000000 0.000000 X4) 30.000000 0.000000 X5) 0.000000 300.000000 X6) 130.000000 0.000000 NO. ITERATIONS= 1

RANGES IN WHICH THE BASIS IS UNCHANGED: OBJ COEFFICIENT RANGES VARIABLE CURRENT ALLOWABLE ALLOWABLE COEF INCREASE DECREASE X1 200.000000 100.000000 INFINITY X2 300.000000 INFINITY 50.000000 X3 250.000000 50.000000 INFINITY X4 150.000000 150.000000 INFINITY X5 100.000000 200.000000 INFINITY ROW X2 X3 X4 X5 X6 RIGHTHAND SIDE RANGES CURRENT ALLOWABLE ALLOWABLE RHS INCREASE DECREASE 150.000000 INFINITY 50.000000 200.000000 INFINITY 100.000000 130.000000 INFINITY 30.000000 100.000000 30.000000 100.000000 230.000000 INFINITY 130.000000

TUTORIAL DE LINDO

58

Ingeniera en Produccin Empresarial Investigacin Operativa

U.P.E.A.

DOCENTE: ING REYNADO COSME


Elaborado Por: 1.- Gonzalo Pizarro Ramos. 2.- Neyda Lilian Flores Maturana. 3.- Pedro Mamani Chiara. 4.- Veronica Chui Laura. 5.- Digna Guarachi Laura. 6.- Ronald Calla Huallpa. 7.- Diego Flores Cussio. 8.- Armando Juchani Mamani. 9.- Rene Armend Paxi Ramos. 10.-Gari Soto.

TUTORIAL DE LINDO

59