SlideShare a Scribd company logo
UNIVERSIDAD AUTÓNOMA
“GABRIEL RENE MORENO”
FACULTAD DE TECNOLOGIA Y CIENCIAS EXACTAS
OPTIMIZACION DE RECURSOS EN LA
CONFECCION DE OVEROLES
INTEGRANTES :
ANTONIO CHOQUE ALEJO
CLAUDIA GABRIELA MAMANI MAMANI
MARIA DEL CARMEN MONTAÑO TORRICO
SHIRLEY ROELLY QUIROZ ARTEAGA
ROSSMERY ZARATE AGUILAR
MATERIA : INVESTIGACION DE OPERACIONES I
DOCENTE : JHONNY CASTRO MARISCAL
FECHA : 16/12/2017
Santa Cruz – Bolivia
“OPTIMIZACION DE RECURSOS EN LA CONFECCION DE
OVEROLES”
OBJETIVO GENERAL
Nuestro principal objetivo es aplicar los conocimientos obtenidos en la materia de
investigación operativa para poder solucionar problemas reales ya sea
maximizando ganancias o minimizar costos.
OBJETIVOS ESPECIFICOS
 Obtener la maximización de ganancias de un problema real mediante la
programación lineal hallando la solución óptima.
 Realizar un correcto análisis de post-optimalidad del problema.
 Analizar las variaciones las contribuciones económicas unitarias de las
variables de decisión para mantener óptima la solución del problema y si se
puede aumentar ganancias.
 Analizar los cambios en los requerimientos unitarios del problema para
verificar si la solución permanece siendo óptima.
 Interpretar los resultados de las variaciones realizadas en los recursos
disponibles.
PLANEAMIENTO DEL PROBLEMA
Incolit es una industria que tiene suscrito un contrato en la provisión de overoles
hacia distintas empresas, con el fin de maximizar sus ganancias y satisfacer la
demanda de los clientes.
Para ello la empresa tiene 3 tipos de overoles:
 Overol de trabajo
 Overol de piloto
 Overol de competidor
Para elaborar los overoles se requiere necesariamente que pase por tres
departamentos:
 Marcado: Se encarga de diseñar los diferentes modelos de overoles.
 Cortado: Es el cual se encarga de cortar el diseño.
 Costura: Realiza la costura de los overoles.
TABLA DE REQUERIMIENTOS
Departamentos
Overoles Disponibilidad
Hrs-maq/mes
Trabajador Piloto Competidor
Marcado 1 1 12 40
Cortado 1 2 2 60
Costura 12 12 30 108
La ganancia unitaria es de bs 150, bs 230 y bs 350 respectivamente por unidad, la
industria desea elaborar un plan de producción para maximizar sus ganancias.
1er
PASO. Identificar las variables de decisión
X1 = cantidad de unidades de overoles tipo trabajador
X2 = cantidad de unidades de overoles tipo piloto
X3 = cantidad de unidades de overoles tipo competidor
2do
PASO. Identificar la función objetivo
Max (z) = 150x1+230x2+350x3
3er
PASO. Identificar las restricciones del problema
Departamento de marcado: x1+x2+12x3 ≤ 40
Departamento de cortado: x1+x2+2x3 ≤ 60
Departamento de costura: 12x1+12x2+30x3 ≤ 108
4to
PASO. Transformar las restricciones de desigualdades en igualdades
x1+x2+12x3 +h1 = 40
x1+x2+2x3 +h2 = 60
12x1+12x2+30x3 + h3 = 108
5to
PASO. Replantear la función objetivo
Max (z) = 150x1+230x2+350x3+0h1+0h2+0h3
Z= 0
Z - 150x1 - 230x2 - 350x3
4to
PASO. Hallar la solución optima
Utilizamos el método simplex tabular simplificado
Mezcla X1 X2 X3 H1 H2 H3 solución
z -150 -230 -350 0 0 0 0
vs→H1 1 1 12 1 0 0 40
H2 1 1 2 0 1 0 60
H3 12 12 30 0 0 1 108
z -725/6 -1205/6 0 175/6 0 0 3500/3
X3 1/12 1/12 1 1/12 0 0 10/3
H2 5/6 5/6 0 -1/6 1 0 160/3
H3 19/2 19/2 0 -5/2 0 1 8
z 80 0 0 -450/19 0 1205/57 25380/19
X3 0 0 1 2/19 0 -1/114 62/19
H2 0 0 0 1/19 1 -5/57 1000/19
X2 1 1 0 -5/19 0 2/19 16/19
z 80 0 225 0 0 115/6 2070
H1 0 0 19/2 1 0 -1/12 31
H2 0 0 -1/2 0 1 -1/12 51
X2 1 1 5/2 0 0 1/12 9
DECISION
La industria de confecciones deberá producir 9 unidades de overoles tipo piloto y
ninguna unidad de overoles tipo trabajador y competidor para obtener una
ganancia de bs 2070.
Existe 31 horas maquinas en el departamento de marcado y 51 horas-maquinas
en el departamento de cortado.
Análisis De Recursos
DEPARTAMENTO
DE
FABRICACION
RECURSOS
DISPONIBLES
bi
RECURSOS
SOBRANTES
SITUACION
DEL
RECURSO
Marcado 40 b1 31 ABUNDANTE
Cortado 60 b2 51 ABUNDANTE
Costura 108 B3 0 ESCASO
1.- Si se quiere aumentar las ganancias, ¿en qué área de la fábrica se debe
incrementar recursos ?¿en cuánto? ¿Cuál es la nueva solución?
R.- Se debe incrementar recurso en el departamento de costura, porque tiene
mayor precio sombra, habrá mayores ganancias.
B-1
( b3+ ) ≥ 0
[ ] [ ] ≥ 0
1(40) + 0(60) - 1/12(108 + ) ≥ 0
40 + 10 – 9 -1/12 ≥ 0 (-1)
≥ 372
(0)(40) +1(60) -1/12 (108 + ) ≥ 0
0 + 60 - 9 - 1/12 ≥ 0
0(40) + 60(0) + 1/12 (108 + ≥ 0
Análisis de intervalo
-108 ≤ ≤ 372
-108 + 108 ≤ b3 ≤ 372 + 108
0 ≤ b3 ≤ 480
Como se quiere aumentar ganancias entonces elegimos el mayor valor
b3 = 480
xb = B-1
×b = [ ] ×[ ]
xb = [ ]
z = [ 0 0 230 ] [ ] = $US 9200
0
0
612
372
0
h1
h2
x2
DECISION: La nueva orden será:
X1 = 0 trajes de overoles tipo trabajador
X2 = 90 trajes de overoles tipo piloto
X3 = 0 trajes de overoles tipo competidor
H1 = 0 no existe recursos sobrantes
H2 = 20 hrs. – maq en el departamento de cortado
H3 = 0 no existe recursos sobrantes
Max (z) = $US. 9200
2.- ¿entre que valores puede variar la ganancia de los overoles tipo piloto?
X2 = cantidad de overoles tipo piloto
C2 =$230 →C2 =?
f.o.→max(z) = 150x1+230x2+350x3 *(-1)
Min (z) →max (-z)
f.o.→min (-z)=-150x1 -230x2-350x3
Identificar CB
Cb = [0 0 230]
Ĉb = [0 0 (-230 + λ)]
CB = ĈB – CB = [0 0 λ ]
Luego se hace el análisis de intervalos para las variables .NO BASICAS
Para X1 →C1 - CB 1 ≥ 0
[80] - [0 0 λ][ ] ≥ 0
80 - λ ≥ 0
λ ≤ 80
Para X3→ C3 - CBd3 ≥ 0
[225] - [0 0 λ] [ ]≥0
225 - λ ≥ 0
λ ≤ 90
Para h3 → C3 - Cb 3 ≥ 0
[ ] - [ ]
[ ]
≥ 0
- λ ≥ 0
λ ≤ 230
0 ≤ C2 ≤ 80
-C2 = -230 + λ
Si: λ ≥ 0 Si : λ ≤ 80
λ – d = 0 λ + d=
λ = d + 0 λ = – d
En: -C2 = -230 + λ
𝟖𝟎
0
90
0
𝟐𝟑𝟎
0
-C2 = -230 + (d + 0) -C2 = -230 + ( )
-C2 = -230 + d - C2 = -230 +
-C2 = -230 +d *(1) - C2 = - – d *(1)
C2 = 230 – d - C2 = - + d
C2 + d = 230 C2 – d =
C2 ≤ 230 C2 ≥
$150 ≤ C2 ≤ $ 230
Z= CB. XB
XB = B – B = [ ] . [ ] [ ]
Z max (z) [ ] * [ ] = $us 2070
Z min = [ ] [ ] = $us 1350
Decisión: la ganancia de los overoles tipo piloto puede variar entre $ hasta
$230.
Con una ganancia máxima de $us 2070 y una ganancia mínima de $us 1350
3.- Si la ganancia unitaria del overol tipo piloto se modifica a $ 400 y los,
requerimientos unitarios de hora por cada unidad de overol cambia a 15, 8,
20 ¿Cambia el conjunto solución? ¿es óptima la solución?
Antiguos parámetros Nuevos parámetros
C2 = 230 C2 = 400
a12 = 1 a12 = 15
a22 = 1 a22 = 8
a32 = 12 a32 = 20
Zj = [ ] [ ] - [ ]
Zj = 115/3 – 400
Zj = - cambia la solución
A*j= B-1
. Aj = [ ] [ ]
[ ]
Nueva Tabla Simplex
Mezcla X1 X2 X3 h1 h2 h3 Solución
Z 80 -50/3 225 0 0 115/6 2070
h1 0 40/3 19/2 1 0 -1/12 31
h2 0 19/3 -1/2 0 1 -1/12 51
X2 1 5/3 5/2 0 0 1/12 9
Z 90 0 250 0 0 20 2160
h1 -8 0 -21/2 1 0 -2/5 -41
h2 -19/5 0 -10 0 1 -49/60 84/5
X2 3/5 1 3/2 0 0 1/20 27/5
Luego h1 = -41 hrs – maq. IMPOSIBLE
Significa que no es conveniente realizar los cambios a los parámetros de la
variable X2, por que la solución es infactible.
4.- si la contribución unitaria de los overoles cambia a C1 = y a1 = 10 ; a3 = 20
¿Cambia el conjunto solución? ¿La nueva solución es óptimo?
Solución Primala Solución Dual
X1 = 0 Y1 = 0
X2 = 9 Y2 = 0
X3 = 0 Y3 = 115/6
h1 = 31 (Z1 – C1) = 80
h2 = 51 (Z2 – C1) = 0
h3 = 0 (Z3 – C3) = 225
De la solución Dual
10 Y1 + 3 Y2 + 20 Y3 ≥ 250
10(0) + 3 (0) + 20 ( ) ≥ 250
≥ 250
383,33 ≥ 250
La desigualdad se cumple
La solución final no cambiaria
CONCLUCIONES
Mediante este proyecto pudimos poner en la practica la aplicación de la
programación lineal en caso de la vida real, pudiendo así determinar en cuanto
pueden variar los parámetros de los recursos y la disponibilidad que estos pueden
tener sin afectar la solución óptima del problema.
 Si se quiere obtener la mayor ganancia se deberá incrementar en el área de
marcado, (mayor precio sombra) hasta 115/6 horas/mes y obtener una
ganancia máxima de $us 9200
 La contribución económica de los overoles tipo piloto puede variar desde un
mínimo de $us 3720/19 hasta $460 sin afectar la solución optima.
 Si realizamos cambio a los parámetros de los overoles de pilotos y
aumentamos su ganancia a $us 400 la solución final dejaría de ser factible,
por lo tanto no es conveniente hacer cambios.
 Si cambiamos los parámetros de los overoles de trabajo como se observa
en el numero 4 la solución no cambiaría y seguiría siendo óptima.

More Related Content

What's hot

Reinforcement Learning Meets Query Optimization
Reinforcement Learning Meets Query OptimizationReinforcement Learning Meets Query Optimization
Reinforcement Learning Meets Query Optimization
Enamul Haque
 
Germany population keynote
Germany population keynoteGermany population keynote
Germany population keynoteEvan Franz
 
Metnum (interpolasi)
Metnum (interpolasi)Metnum (interpolasi)
Metnum (interpolasi)
erik-pebs
 
Properties real numbers basic
Properties real numbers basicProperties real numbers basic
Properties real numbers basicBitsy Griffin
 
Applications of calculus in commerce and economics
Applications of calculus in commerce and economicsApplications of calculus in commerce and economics
Applications of calculus in commerce and economics
sumanmathews
 
Ch 06
Ch 06Ch 06
Ch 06
Sou Tibon
 
Applications of calculus in commerce and economics ii
Applications of calculus in commerce and economics ii Applications of calculus in commerce and economics ii
Applications of calculus in commerce and economics ii
sumanmathews
 
Ch 02
Ch 02Ch 02
Ch 02
Sou Tibon
 
Si ci set 1 solutions
Si  ci set 1 solutionsSi  ci set 1 solutions
Si ci set 1 solutions
amansuryawanshi2
 
16083116
1608311616083116
16083116
Sou Tibon
 
Operaciones con enteros
Operaciones con enterosOperaciones con enteros
Operaciones con enteros
Ramiro Muñoz
 
7th pre alg -l60
7th pre alg -l607th pre alg -l60
7th pre alg -l60jdurst65
 
Deber 11
Deber 11Deber 11
Deber 11
Diana Curicama
 
8th pre alg -l60
8th pre alg -l608th pre alg -l60
8th pre alg -l60jdurst65
 
Ch 03
Ch 03Ch 03
Ch 03
Sou Tibon
 
SSC-CGL Mains Test Paper With Solutions
SSC-CGL Mains Test Paper With SolutionsSSC-CGL Mains Test Paper With Solutions
SSC-CGL Mains Test Paper With Solutions
Hansraj Academy
 
Alg II Unit 3-4-linear programingintro
Alg II Unit 3-4-linear programingintroAlg II Unit 3-4-linear programingintro
Alg II Unit 3-4-linear programingintrojtentinger
 
Alg II 3-4 Linear Programming
Alg II 3-4 Linear ProgrammingAlg II 3-4 Linear Programming
Alg II 3-4 Linear Programmingjtentinger
 
Chapter 1 ex-1.3
Chapter 1 ex-1.3Chapter 1 ex-1.3
Chapter 1 ex-1.3
emadMaths
 

What's hot (20)

Reinforcement Learning Meets Query Optimization
Reinforcement Learning Meets Query OptimizationReinforcement Learning Meets Query Optimization
Reinforcement Learning Meets Query Optimization
 
Germany population keynote
Germany population keynoteGermany population keynote
Germany population keynote
 
Metnum (interpolasi)
Metnum (interpolasi)Metnum (interpolasi)
Metnum (interpolasi)
 
Properties real numbers basic
Properties real numbers basicProperties real numbers basic
Properties real numbers basic
 
Applications of calculus in commerce and economics
Applications of calculus in commerce and economicsApplications of calculus in commerce and economics
Applications of calculus in commerce and economics
 
Ch 06
Ch 06Ch 06
Ch 06
 
Applications of calculus in commerce and economics ii
Applications of calculus in commerce and economics ii Applications of calculus in commerce and economics ii
Applications of calculus in commerce and economics ii
 
Ch 02
Ch 02Ch 02
Ch 02
 
Si ci set 1 solutions
Si  ci set 1 solutionsSi  ci set 1 solutions
Si ci set 1 solutions
 
16083116
1608311616083116
16083116
 
Operaciones con enteros
Operaciones con enterosOperaciones con enteros
Operaciones con enteros
 
7th pre alg -l60
7th pre alg -l607th pre alg -l60
7th pre alg -l60
 
Deber 11
Deber 11Deber 11
Deber 11
 
8th pre alg -l60
8th pre alg -l608th pre alg -l60
8th pre alg -l60
 
Ch 03
Ch 03Ch 03
Ch 03
 
SSC-CGL Mains Test Paper With Solutions
SSC-CGL Mains Test Paper With SolutionsSSC-CGL Mains Test Paper With Solutions
SSC-CGL Mains Test Paper With Solutions
 
Alg II Unit 3-4-linear programingintro
Alg II Unit 3-4-linear programingintroAlg II Unit 3-4-linear programingintro
Alg II Unit 3-4-linear programingintro
 
20091106 01
20091106 0120091106 01
20091106 01
 
Alg II 3-4 Linear Programming
Alg II 3-4 Linear ProgrammingAlg II 3-4 Linear Programming
Alg II 3-4 Linear Programming
 
Chapter 1 ex-1.3
Chapter 1 ex-1.3Chapter 1 ex-1.3
Chapter 1 ex-1.3
 

Similar to Optimización de recursos en la confección de overoles

Operational Research
Operational ResearchOperational Research
Operational Research
BrendaGaytan6
 
Formulation Lpp
Formulation  LppFormulation  Lpp
Formulation LppSachin MK
 
Introduction to Operations Research/ Management Science
Introduction to Operations Research/ Management Science Introduction to Operations Research/ Management Science
Introduction to Operations Research/ Management Science
um1222
 
Ejercicios y problemas sobre maximización y minimización por el método gráfico
Ejercicios y problemas sobre maximización y minimización por el método gráfico Ejercicios y problemas sobre maximización y minimización por el método gráfico
Ejercicios y problemas sobre maximización y minimización por el método gráfico
osvaldo bacile lambrechts
 
Linear Programming
Linear ProgrammingLinear Programming
Linear Programming
syed_shahzad786
 
Linear Programming
Linear ProgrammingLinear Programming
Linear Programming
syed_shahzad786
 
Linear Programming
Linear ProgrammingLinear Programming
Linear Programming
syed_shahzad786
 
Decision making
Decision makingDecision making
Decision making
Dronak Sahu
 
Lenier Equation
Lenier EquationLenier Equation
Lenier Equation
Khadiza Begum
 
181_Sample-Chapter.pdf
181_Sample-Chapter.pdf181_Sample-Chapter.pdf
181_Sample-Chapter.pdf
ThanoonQasem
 
Linear Programming Feasible Region
Linear Programming Feasible RegionLinear Programming Feasible Region
Linear Programming Feasible RegionVARUN MODI
 
Ouantitative technics
Ouantitative technics Ouantitative technics
Ouantitative technics
Gayu Joseph
 
4. linear programming using excel solver
4. linear programming using excel solver4. linear programming using excel solver
4. linear programming using excel solver
Hakeem-Ur- Rehman
 
Linear Programming.ppt
Linear Programming.pptLinear Programming.ppt
Linear Programming.ppt
Abdullah Amin
 
Economicinterpretation 130723042249-phpapp01
Economicinterpretation 130723042249-phpapp01Economicinterpretation 130723042249-phpapp01
Economicinterpretation 130723042249-phpapp01
kongara
 
LLP and Transportation problems solution
LLP and Transportation problems solution LLP and Transportation problems solution
LLP and Transportation problems solution
Aditya Arora
 
Mathematics TAKS Exit Level Review
Mathematics TAKS Exit Level ReviewMathematics TAKS Exit Level Review
Mathematics TAKS Exit Level Review
guest3f17823
 
ADVANCED ALGORITHMS-UNIT-3-Final.ppt
ADVANCED   ALGORITHMS-UNIT-3-Final.pptADVANCED   ALGORITHMS-UNIT-3-Final.ppt
ADVANCED ALGORITHMS-UNIT-3-Final.ppt
ssuser702532
 

Similar to Optimización de recursos en la confección de overoles (20)

Operational Research
Operational ResearchOperational Research
Operational Research
 
Formulation Lpp
Formulation  LppFormulation  Lpp
Formulation Lpp
 
Introduction to Operations Research/ Management Science
Introduction to Operations Research/ Management Science Introduction to Operations Research/ Management Science
Introduction to Operations Research/ Management Science
 
Intro week3 excel vba_114e
Intro week3 excel vba_114eIntro week3 excel vba_114e
Intro week3 excel vba_114e
 
Ejercicios y problemas sobre maximización y minimización por el método gráfico
Ejercicios y problemas sobre maximización y minimización por el método gráfico Ejercicios y problemas sobre maximización y minimización por el método gráfico
Ejercicios y problemas sobre maximización y minimización por el método gráfico
 
Linear Programming
Linear ProgrammingLinear Programming
Linear Programming
 
Linear Programming
Linear ProgrammingLinear Programming
Linear Programming
 
Linear Programming
Linear ProgrammingLinear Programming
Linear Programming
 
Decision making
Decision makingDecision making
Decision making
 
Lenier Equation
Lenier EquationLenier Equation
Lenier Equation
 
181_Sample-Chapter.pdf
181_Sample-Chapter.pdf181_Sample-Chapter.pdf
181_Sample-Chapter.pdf
 
Linear Programming Feasible Region
Linear Programming Feasible RegionLinear Programming Feasible Region
Linear Programming Feasible Region
 
P
PP
P
 
Ouantitative technics
Ouantitative technics Ouantitative technics
Ouantitative technics
 
4. linear programming using excel solver
4. linear programming using excel solver4. linear programming using excel solver
4. linear programming using excel solver
 
Linear Programming.ppt
Linear Programming.pptLinear Programming.ppt
Linear Programming.ppt
 
Economicinterpretation 130723042249-phpapp01
Economicinterpretation 130723042249-phpapp01Economicinterpretation 130723042249-phpapp01
Economicinterpretation 130723042249-phpapp01
 
LLP and Transportation problems solution
LLP and Transportation problems solution LLP and Transportation problems solution
LLP and Transportation problems solution
 
Mathematics TAKS Exit Level Review
Mathematics TAKS Exit Level ReviewMathematics TAKS Exit Level Review
Mathematics TAKS Exit Level Review
 
ADVANCED ALGORITHMS-UNIT-3-Final.ppt
ADVANCED   ALGORITHMS-UNIT-3-Final.pptADVANCED   ALGORITHMS-UNIT-3-Final.ppt
ADVANCED ALGORITHMS-UNIT-3-Final.ppt
 

Recently uploaded

6th International Conference on Machine Learning & Applications (CMLA 2024)
6th International Conference on Machine Learning & Applications (CMLA 2024)6th International Conference on Machine Learning & Applications (CMLA 2024)
6th International Conference on Machine Learning & Applications (CMLA 2024)
ClaraZara1
 
DESIGN A COTTON SEED SEPARATION MACHINE.docx
DESIGN A COTTON SEED SEPARATION MACHINE.docxDESIGN A COTTON SEED SEPARATION MACHINE.docx
DESIGN A COTTON SEED SEPARATION MACHINE.docx
FluxPrime1
 
MCQ Soil mechanics questions (Soil shear strength).pdf
MCQ Soil mechanics questions (Soil shear strength).pdfMCQ Soil mechanics questions (Soil shear strength).pdf
MCQ Soil mechanics questions (Soil shear strength).pdf
Osamah Alsalih
 
AP LAB PPT.pdf ap lab ppt no title specific
AP LAB PPT.pdf ap lab ppt no title specificAP LAB PPT.pdf ap lab ppt no title specific
AP LAB PPT.pdf ap lab ppt no title specific
BrazilAccount1
 
Recycled Concrete Aggregate in Construction Part III
Recycled Concrete Aggregate in Construction Part IIIRecycled Concrete Aggregate in Construction Part III
Recycled Concrete Aggregate in Construction Part III
Aditya Rajan Patra
 
Gen AI Study Jams _ For the GDSC Leads in India.pdf
Gen AI Study Jams _ For the GDSC Leads in India.pdfGen AI Study Jams _ For the GDSC Leads in India.pdf
Gen AI Study Jams _ For the GDSC Leads in India.pdf
gdsczhcet
 
NO1 Uk best vashikaran specialist in delhi vashikaran baba near me online vas...
NO1 Uk best vashikaran specialist in delhi vashikaran baba near me online vas...NO1 Uk best vashikaran specialist in delhi vashikaran baba near me online vas...
NO1 Uk best vashikaran specialist in delhi vashikaran baba near me online vas...
Amil Baba Dawood bangali
 
Cosmetic shop management system project report.pdf
Cosmetic shop management system project report.pdfCosmetic shop management system project report.pdf
Cosmetic shop management system project report.pdf
Kamal Acharya
 
Immunizing Image Classifiers Against Localized Adversary Attacks
Immunizing Image Classifiers Against Localized Adversary AttacksImmunizing Image Classifiers Against Localized Adversary Attacks
Immunizing Image Classifiers Against Localized Adversary Attacks
gerogepatton
 
Final project report on grocery store management system..pdf
Final project report on grocery store management system..pdfFinal project report on grocery store management system..pdf
Final project report on grocery store management system..pdf
Kamal Acharya
 
Industrial Training at Shahjalal Fertilizer Company Limited (SFCL)
Industrial Training at Shahjalal Fertilizer Company Limited (SFCL)Industrial Training at Shahjalal Fertilizer Company Limited (SFCL)
Industrial Training at Shahjalal Fertilizer Company Limited (SFCL)
MdTanvirMahtab2
 
一比一原版(IIT毕业证)伊利诺伊理工大学毕业证成绩单专业办理
一比一原版(IIT毕业证)伊利诺伊理工大学毕业证成绩单专业办理一比一原版(IIT毕业证)伊利诺伊理工大学毕业证成绩单专业办理
一比一原版(IIT毕业证)伊利诺伊理工大学毕业证成绩单专业办理
zwunae
 
Tutorial for 16S rRNA Gene Analysis with QIIME2.pdf
Tutorial for 16S rRNA Gene Analysis with QIIME2.pdfTutorial for 16S rRNA Gene Analysis with QIIME2.pdf
Tutorial for 16S rRNA Gene Analysis with QIIME2.pdf
aqil azizi
 
Basic Industrial Engineering terms for apparel
Basic Industrial Engineering terms for apparelBasic Industrial Engineering terms for apparel
Basic Industrial Engineering terms for apparel
top1002
 
Hybrid optimization of pumped hydro system and solar- Engr. Abdul-Azeez.pdf
Hybrid optimization of pumped hydro system and solar- Engr. Abdul-Azeez.pdfHybrid optimization of pumped hydro system and solar- Engr. Abdul-Azeez.pdf
Hybrid optimization of pumped hydro system and solar- Engr. Abdul-Azeez.pdf
fxintegritypublishin
 
Building Electrical System Design & Installation
Building Electrical System Design & InstallationBuilding Electrical System Design & Installation
Building Electrical System Design & Installation
symbo111
 
Fundamentals of Electric Drives and its applications.pptx
Fundamentals of Electric Drives and its applications.pptxFundamentals of Electric Drives and its applications.pptx
Fundamentals of Electric Drives and its applications.pptx
manasideore6
 
NUMERICAL SIMULATIONS OF HEAT AND MASS TRANSFER IN CONDENSING HEAT EXCHANGERS...
NUMERICAL SIMULATIONS OF HEAT AND MASS TRANSFER IN CONDENSING HEAT EXCHANGERS...NUMERICAL SIMULATIONS OF HEAT AND MASS TRANSFER IN CONDENSING HEAT EXCHANGERS...
NUMERICAL SIMULATIONS OF HEAT AND MASS TRANSFER IN CONDENSING HEAT EXCHANGERS...
ssuser7dcef0
 
Planning Of Procurement o different goods and services
Planning Of Procurement o different goods and servicesPlanning Of Procurement o different goods and services
Planning Of Procurement o different goods and services
JoytuBarua2
 
一比一原版(UofT毕业证)多伦多大学毕业证成绩单如何办理
一比一原版(UofT毕业证)多伦多大学毕业证成绩单如何办理一比一原版(UofT毕业证)多伦多大学毕业证成绩单如何办理
一比一原版(UofT毕业证)多伦多大学毕业证成绩单如何办理
ydteq
 

Recently uploaded (20)

6th International Conference on Machine Learning & Applications (CMLA 2024)
6th International Conference on Machine Learning & Applications (CMLA 2024)6th International Conference on Machine Learning & Applications (CMLA 2024)
6th International Conference on Machine Learning & Applications (CMLA 2024)
 
DESIGN A COTTON SEED SEPARATION MACHINE.docx
DESIGN A COTTON SEED SEPARATION MACHINE.docxDESIGN A COTTON SEED SEPARATION MACHINE.docx
DESIGN A COTTON SEED SEPARATION MACHINE.docx
 
MCQ Soil mechanics questions (Soil shear strength).pdf
MCQ Soil mechanics questions (Soil shear strength).pdfMCQ Soil mechanics questions (Soil shear strength).pdf
MCQ Soil mechanics questions (Soil shear strength).pdf
 
AP LAB PPT.pdf ap lab ppt no title specific
AP LAB PPT.pdf ap lab ppt no title specificAP LAB PPT.pdf ap lab ppt no title specific
AP LAB PPT.pdf ap lab ppt no title specific
 
Recycled Concrete Aggregate in Construction Part III
Recycled Concrete Aggregate in Construction Part IIIRecycled Concrete Aggregate in Construction Part III
Recycled Concrete Aggregate in Construction Part III
 
Gen AI Study Jams _ For the GDSC Leads in India.pdf
Gen AI Study Jams _ For the GDSC Leads in India.pdfGen AI Study Jams _ For the GDSC Leads in India.pdf
Gen AI Study Jams _ For the GDSC Leads in India.pdf
 
NO1 Uk best vashikaran specialist in delhi vashikaran baba near me online vas...
NO1 Uk best vashikaran specialist in delhi vashikaran baba near me online vas...NO1 Uk best vashikaran specialist in delhi vashikaran baba near me online vas...
NO1 Uk best vashikaran specialist in delhi vashikaran baba near me online vas...
 
Cosmetic shop management system project report.pdf
Cosmetic shop management system project report.pdfCosmetic shop management system project report.pdf
Cosmetic shop management system project report.pdf
 
Immunizing Image Classifiers Against Localized Adversary Attacks
Immunizing Image Classifiers Against Localized Adversary AttacksImmunizing Image Classifiers Against Localized Adversary Attacks
Immunizing Image Classifiers Against Localized Adversary Attacks
 
Final project report on grocery store management system..pdf
Final project report on grocery store management system..pdfFinal project report on grocery store management system..pdf
Final project report on grocery store management system..pdf
 
Industrial Training at Shahjalal Fertilizer Company Limited (SFCL)
Industrial Training at Shahjalal Fertilizer Company Limited (SFCL)Industrial Training at Shahjalal Fertilizer Company Limited (SFCL)
Industrial Training at Shahjalal Fertilizer Company Limited (SFCL)
 
一比一原版(IIT毕业证)伊利诺伊理工大学毕业证成绩单专业办理
一比一原版(IIT毕业证)伊利诺伊理工大学毕业证成绩单专业办理一比一原版(IIT毕业证)伊利诺伊理工大学毕业证成绩单专业办理
一比一原版(IIT毕业证)伊利诺伊理工大学毕业证成绩单专业办理
 
Tutorial for 16S rRNA Gene Analysis with QIIME2.pdf
Tutorial for 16S rRNA Gene Analysis with QIIME2.pdfTutorial for 16S rRNA Gene Analysis with QIIME2.pdf
Tutorial for 16S rRNA Gene Analysis with QIIME2.pdf
 
Basic Industrial Engineering terms for apparel
Basic Industrial Engineering terms for apparelBasic Industrial Engineering terms for apparel
Basic Industrial Engineering terms for apparel
 
Hybrid optimization of pumped hydro system and solar- Engr. Abdul-Azeez.pdf
Hybrid optimization of pumped hydro system and solar- Engr. Abdul-Azeez.pdfHybrid optimization of pumped hydro system and solar- Engr. Abdul-Azeez.pdf
Hybrid optimization of pumped hydro system and solar- Engr. Abdul-Azeez.pdf
 
Building Electrical System Design & Installation
Building Electrical System Design & InstallationBuilding Electrical System Design & Installation
Building Electrical System Design & Installation
 
Fundamentals of Electric Drives and its applications.pptx
Fundamentals of Electric Drives and its applications.pptxFundamentals of Electric Drives and its applications.pptx
Fundamentals of Electric Drives and its applications.pptx
 
NUMERICAL SIMULATIONS OF HEAT AND MASS TRANSFER IN CONDENSING HEAT EXCHANGERS...
NUMERICAL SIMULATIONS OF HEAT AND MASS TRANSFER IN CONDENSING HEAT EXCHANGERS...NUMERICAL SIMULATIONS OF HEAT AND MASS TRANSFER IN CONDENSING HEAT EXCHANGERS...
NUMERICAL SIMULATIONS OF HEAT AND MASS TRANSFER IN CONDENSING HEAT EXCHANGERS...
 
Planning Of Procurement o different goods and services
Planning Of Procurement o different goods and servicesPlanning Of Procurement o different goods and services
Planning Of Procurement o different goods and services
 
一比一原版(UofT毕业证)多伦多大学毕业证成绩单如何办理
一比一原版(UofT毕业证)多伦多大学毕业证成绩单如何办理一比一原版(UofT毕业证)多伦多大学毕业证成绩单如何办理
一比一原版(UofT毕业证)多伦多大学毕业证成绩单如何办理
 

Optimización de recursos en la confección de overoles

  • 1. UNIVERSIDAD AUTÓNOMA “GABRIEL RENE MORENO” FACULTAD DE TECNOLOGIA Y CIENCIAS EXACTAS OPTIMIZACION DE RECURSOS EN LA CONFECCION DE OVEROLES INTEGRANTES : ANTONIO CHOQUE ALEJO CLAUDIA GABRIELA MAMANI MAMANI MARIA DEL CARMEN MONTAÑO TORRICO SHIRLEY ROELLY QUIROZ ARTEAGA ROSSMERY ZARATE AGUILAR MATERIA : INVESTIGACION DE OPERACIONES I DOCENTE : JHONNY CASTRO MARISCAL FECHA : 16/12/2017 Santa Cruz – Bolivia
  • 2. “OPTIMIZACION DE RECURSOS EN LA CONFECCION DE OVEROLES” OBJETIVO GENERAL Nuestro principal objetivo es aplicar los conocimientos obtenidos en la materia de investigación operativa para poder solucionar problemas reales ya sea maximizando ganancias o minimizar costos. OBJETIVOS ESPECIFICOS  Obtener la maximización de ganancias de un problema real mediante la programación lineal hallando la solución óptima.  Realizar un correcto análisis de post-optimalidad del problema.  Analizar las variaciones las contribuciones económicas unitarias de las variables de decisión para mantener óptima la solución del problema y si se puede aumentar ganancias.  Analizar los cambios en los requerimientos unitarios del problema para verificar si la solución permanece siendo óptima.  Interpretar los resultados de las variaciones realizadas en los recursos disponibles. PLANEAMIENTO DEL PROBLEMA Incolit es una industria que tiene suscrito un contrato en la provisión de overoles hacia distintas empresas, con el fin de maximizar sus ganancias y satisfacer la demanda de los clientes. Para ello la empresa tiene 3 tipos de overoles:  Overol de trabajo
  • 3.  Overol de piloto  Overol de competidor Para elaborar los overoles se requiere necesariamente que pase por tres departamentos:  Marcado: Se encarga de diseñar los diferentes modelos de overoles.  Cortado: Es el cual se encarga de cortar el diseño.  Costura: Realiza la costura de los overoles. TABLA DE REQUERIMIENTOS Departamentos Overoles Disponibilidad Hrs-maq/mes Trabajador Piloto Competidor Marcado 1 1 12 40 Cortado 1 2 2 60 Costura 12 12 30 108 La ganancia unitaria es de bs 150, bs 230 y bs 350 respectivamente por unidad, la industria desea elaborar un plan de producción para maximizar sus ganancias. 1er PASO. Identificar las variables de decisión X1 = cantidad de unidades de overoles tipo trabajador X2 = cantidad de unidades de overoles tipo piloto X3 = cantidad de unidades de overoles tipo competidor 2do PASO. Identificar la función objetivo
  • 4. Max (z) = 150x1+230x2+350x3 3er PASO. Identificar las restricciones del problema Departamento de marcado: x1+x2+12x3 ≤ 40 Departamento de cortado: x1+x2+2x3 ≤ 60 Departamento de costura: 12x1+12x2+30x3 ≤ 108 4to PASO. Transformar las restricciones de desigualdades en igualdades x1+x2+12x3 +h1 = 40 x1+x2+2x3 +h2 = 60 12x1+12x2+30x3 + h3 = 108 5to PASO. Replantear la función objetivo Max (z) = 150x1+230x2+350x3+0h1+0h2+0h3 Z= 0 Z - 150x1 - 230x2 - 350x3
  • 5. 4to PASO. Hallar la solución optima Utilizamos el método simplex tabular simplificado Mezcla X1 X2 X3 H1 H2 H3 solución z -150 -230 -350 0 0 0 0 vs→H1 1 1 12 1 0 0 40 H2 1 1 2 0 1 0 60 H3 12 12 30 0 0 1 108 z -725/6 -1205/6 0 175/6 0 0 3500/3 X3 1/12 1/12 1 1/12 0 0 10/3 H2 5/6 5/6 0 -1/6 1 0 160/3 H3 19/2 19/2 0 -5/2 0 1 8 z 80 0 0 -450/19 0 1205/57 25380/19 X3 0 0 1 2/19 0 -1/114 62/19 H2 0 0 0 1/19 1 -5/57 1000/19 X2 1 1 0 -5/19 0 2/19 16/19 z 80 0 225 0 0 115/6 2070 H1 0 0 19/2 1 0 -1/12 31 H2 0 0 -1/2 0 1 -1/12 51 X2 1 1 5/2 0 0 1/12 9 DECISION La industria de confecciones deberá producir 9 unidades de overoles tipo piloto y ninguna unidad de overoles tipo trabajador y competidor para obtener una ganancia de bs 2070. Existe 31 horas maquinas en el departamento de marcado y 51 horas-maquinas en el departamento de cortado.
  • 6. Análisis De Recursos DEPARTAMENTO DE FABRICACION RECURSOS DISPONIBLES bi RECURSOS SOBRANTES SITUACION DEL RECURSO Marcado 40 b1 31 ABUNDANTE Cortado 60 b2 51 ABUNDANTE Costura 108 B3 0 ESCASO 1.- Si se quiere aumentar las ganancias, ¿en qué área de la fábrica se debe incrementar recursos ?¿en cuánto? ¿Cuál es la nueva solución? R.- Se debe incrementar recurso en el departamento de costura, porque tiene mayor precio sombra, habrá mayores ganancias. B-1 ( b3+ ) ≥ 0 [ ] [ ] ≥ 0 1(40) + 0(60) - 1/12(108 + ) ≥ 0 40 + 10 – 9 -1/12 ≥ 0 (-1) ≥ 372 (0)(40) +1(60) -1/12 (108 + ) ≥ 0 0 + 60 - 9 - 1/12 ≥ 0 0(40) + 60(0) + 1/12 (108 + ≥ 0
  • 7. Análisis de intervalo -108 ≤ ≤ 372 -108 + 108 ≤ b3 ≤ 372 + 108 0 ≤ b3 ≤ 480 Como se quiere aumentar ganancias entonces elegimos el mayor valor b3 = 480 xb = B-1 ×b = [ ] ×[ ] xb = [ ] z = [ 0 0 230 ] [ ] = $US 9200 0 0 612 372 0 h1 h2 x2
  • 8. DECISION: La nueva orden será: X1 = 0 trajes de overoles tipo trabajador X2 = 90 trajes de overoles tipo piloto X3 = 0 trajes de overoles tipo competidor H1 = 0 no existe recursos sobrantes H2 = 20 hrs. – maq en el departamento de cortado H3 = 0 no existe recursos sobrantes Max (z) = $US. 9200 2.- ¿entre que valores puede variar la ganancia de los overoles tipo piloto? X2 = cantidad de overoles tipo piloto C2 =$230 →C2 =? f.o.→max(z) = 150x1+230x2+350x3 *(-1) Min (z) →max (-z) f.o.→min (-z)=-150x1 -230x2-350x3 Identificar CB Cb = [0 0 230] Ĉb = [0 0 (-230 + λ)] CB = ĈB – CB = [0 0 λ ] Luego se hace el análisis de intervalos para las variables .NO BASICAS Para X1 →C1 - CB 1 ≥ 0
  • 9. [80] - [0 0 λ][ ] ≥ 0 80 - λ ≥ 0 λ ≤ 80 Para X3→ C3 - CBd3 ≥ 0 [225] - [0 0 λ] [ ]≥0 225 - λ ≥ 0 λ ≤ 90 Para h3 → C3 - Cb 3 ≥ 0 [ ] - [ ] [ ] ≥ 0 - λ ≥ 0 λ ≤ 230
  • 10. 0 ≤ C2 ≤ 80 -C2 = -230 + λ Si: λ ≥ 0 Si : λ ≤ 80 λ – d = 0 λ + d= λ = d + 0 λ = – d En: -C2 = -230 + λ 𝟖𝟎 0 90 0 𝟐𝟑𝟎 0
  • 11. -C2 = -230 + (d + 0) -C2 = -230 + ( ) -C2 = -230 + d - C2 = -230 + -C2 = -230 +d *(1) - C2 = - – d *(1) C2 = 230 – d - C2 = - + d C2 + d = 230 C2 – d = C2 ≤ 230 C2 ≥ $150 ≤ C2 ≤ $ 230 Z= CB. XB XB = B – B = [ ] . [ ] [ ] Z max (z) [ ] * [ ] = $us 2070 Z min = [ ] [ ] = $us 1350 Decisión: la ganancia de los overoles tipo piloto puede variar entre $ hasta $230. Con una ganancia máxima de $us 2070 y una ganancia mínima de $us 1350
  • 12. 3.- Si la ganancia unitaria del overol tipo piloto se modifica a $ 400 y los, requerimientos unitarios de hora por cada unidad de overol cambia a 15, 8, 20 ¿Cambia el conjunto solución? ¿es óptima la solución? Antiguos parámetros Nuevos parámetros C2 = 230 C2 = 400 a12 = 1 a12 = 15 a22 = 1 a22 = 8 a32 = 12 a32 = 20 Zj = [ ] [ ] - [ ] Zj = 115/3 – 400 Zj = - cambia la solución A*j= B-1 . Aj = [ ] [ ] [ ] Nueva Tabla Simplex Mezcla X1 X2 X3 h1 h2 h3 Solución Z 80 -50/3 225 0 0 115/6 2070 h1 0 40/3 19/2 1 0 -1/12 31 h2 0 19/3 -1/2 0 1 -1/12 51 X2 1 5/3 5/2 0 0 1/12 9 Z 90 0 250 0 0 20 2160 h1 -8 0 -21/2 1 0 -2/5 -41 h2 -19/5 0 -10 0 1 -49/60 84/5 X2 3/5 1 3/2 0 0 1/20 27/5 Luego h1 = -41 hrs – maq. IMPOSIBLE Significa que no es conveniente realizar los cambios a los parámetros de la variable X2, por que la solución es infactible.
  • 13. 4.- si la contribución unitaria de los overoles cambia a C1 = y a1 = 10 ; a3 = 20 ¿Cambia el conjunto solución? ¿La nueva solución es óptimo? Solución Primala Solución Dual X1 = 0 Y1 = 0 X2 = 9 Y2 = 0 X3 = 0 Y3 = 115/6 h1 = 31 (Z1 – C1) = 80 h2 = 51 (Z2 – C1) = 0 h3 = 0 (Z3 – C3) = 225 De la solución Dual 10 Y1 + 3 Y2 + 20 Y3 ≥ 250 10(0) + 3 (0) + 20 ( ) ≥ 250 ≥ 250 383,33 ≥ 250 La desigualdad se cumple La solución final no cambiaria
  • 14. CONCLUCIONES Mediante este proyecto pudimos poner en la practica la aplicación de la programación lineal en caso de la vida real, pudiendo así determinar en cuanto pueden variar los parámetros de los recursos y la disponibilidad que estos pueden tener sin afectar la solución óptima del problema.  Si se quiere obtener la mayor ganancia se deberá incrementar en el área de marcado, (mayor precio sombra) hasta 115/6 horas/mes y obtener una ganancia máxima de $us 9200  La contribución económica de los overoles tipo piloto puede variar desde un mínimo de $us 3720/19 hasta $460 sin afectar la solución optima.  Si realizamos cambio a los parámetros de los overoles de pilotos y aumentamos su ganancia a $us 400 la solución final dejaría de ser factible, por lo tanto no es conveniente hacer cambios.  Si cambiamos los parámetros de los overoles de trabajo como se observa en el numero 4 la solución no cambiaría y seguiría siendo óptima.