Regional Distrito Capital

Centro de Gestión Industrial

Sistema Integrado de Gestión

FORMATO DE LISTA DE VERIFICACION

IMPLEMENTAR HERRAMIENTAS DE OPTIMIZACIÓN DE
RECURSOS PARA EL MEJORAMIENTO DE PROCESOS
PRODUCTIVOS.

EVIDENCIA DE APRENDIZAJE 6

Versión N

Código:

Ciudad y Fecha

Bogotá, julio de 2019

 LISTA DE VERIFICACIÓN

1- DATOS GENERALES
ESPECIALIDAD: Gestión de la Producción Industrial.
COMPETENCIA: Implementar herramientas de optimización de recursos para el
mejoramiento de procesos productivos.
ACTIVIDAD DE PROYECTO: Desarrollar las propuestas de mejoramiento del sistema
productivo en función de estándares de competitividad.
RESULTADO DE APRENDIZAJE: Encontrar la solución del problema a optimizar
teniendo en cuenta los indicadores de mejoramiento establecidos por la organización.
ACTIVIDAD APRENDIZAJE – EVALUACIÓN: Aplicar la solución propuesta del
modelo matemático estableciendo acciones de mejora a partir de la flexibilidad del
sistema.

Nombre del Aprendiz: Laura Nathaly Hurtado Rodríguez

Número de Identificación: 1.007.463.459
Nombre del Instructor: Luis Eduardo Leguizamón
Ciudad y fecha: Bogotá, 2019

2- INSTRUCCIONES PARA EL DILIGENCIAMIENTO

Señor Instructor

 Diligencie con letra clara la lista de verificación.

 Complete los datos de identificación del aprendiz.
 Tenga en cuenta que Ud. va a evaluar evidencias de desempeño o de producto.

Fecha:
No.
de VARIABLES/ INDICADORES Cumple Cumple OBSERVACIONES
Ítem
SI NO

Grafica restricciones y funciones objetivo en 2 y

1
3 dimensiones.

Halla e interpreta adecuadamente la solución

2 grafica de problemas formulados por
programación lineal.

Define la forma estándar de la formulación del

3
problema por programación lineal.

Define la matriz inicial básica del algoritmo

4
simplex.
 Aplica adecuadamente el procedimiento que
5 determina que variables de decisión entran y
salen de la base en el algoritmo simplex.

Aplica adecuadamente el criterio de parada en

6
el algoritmo simplex.

Interpreta adecuadamente la solución del

7
problema obtenida con el algoritmo simplex.

Firma del aprendiz: ________________________________________________________

Firma del Instructor: _________________________________________________________

ANÁLISIS DE SENSIBILIDAD POR EL MÉTODO GRAFICO Y EL MÉTODO

SIMPLEX, IMPLEMENTACIÓN DEL PLAN DE MEJORAMIENTO Y
VARIABLES TENER EN CUENTA, SIMULACIONES Y PROCEDIMIENTO
PARA FORMULARLAS, VENTAJAS Y DESVENTAJAS DE LAS
SIMULACIONES
 ASTRID CAROLINA HERRERA CASTRO
LAURA NATHALY HURTADO RODRÍGUEZ
LEICY MARIA MENDOZA CAMARGO
JOSÉ DANIEL RODRÍGUEZ CASTILLO

SERVICIO NACIONAL DE APRENDIZAJE SENA REGIONAL DISTRITO

CAPITAL
CENTRO DE GESTION INDUSTRIAL
TECNOLGIA GESTIÓN DE LA PRODUCCIÓN INDUSTRIAL
FICHA1693557, GRUPO 86 TGPID (N)
BOGOTA
AÑO 2019
ANÁLISIS DE SENSIBILIDAD POR EL MÉTODO GRAFICO Y EL MÉTODO
SIMPLEX, IMPLEMENTACIÓN DEL PLAN DE MEJORAMIENTO Y
VARIABLES TENER EN CUENTA, SIMULACIONES Y PROCEDIMIENTO
PARA FORMULARLAS, VENTAJAS Y DESVENTAJAS DE LAS
SIMULACIONES

ASTRID CAROLINA HERRERA CASTRO

LAURA NATHALY HURTADO RODRÍGUEZ
LEICY MARÍA MENDOZA CAMARGO
 JOSÉ DANIEL RODRÍGUEZ CASTILLO

Informe presentado como evidencia para aprobar el resultado de aprendizaje:

Encontrar la solución del problema a optimizar teniendo en cuenta los
indicadores de mejoramiento establecidos por la organización.

INSTRUCTOR

LUIS EDUARDO LEGUIZAMON CASTELLANOS

SERVICIO NACIONAL DE APRENDIZAJE SENA REGIONAL DISTRITO

CAPITAL
CENTRO DE GESTION INDUSTRIAL
TECNOLGIA GESTIÓN DE LA PRODUCCIÓN INDUSTRIAL
FICHA 1693557, GRUPO 86 TGPID (N)
BOGOTA
AÑO 2019

1. INTRODUCCIÓN

El método simplex ayuda a dar solución a los problemas mediante

programación lineal mediante método gráfico, restricciones, función objetivo
teniendo en cuenta la forma estándar y definiendo las matrices iniciales
básicas de algoritmo simplex así se puede determinar las variables de decisión
que entran y salen de la base de algoritmo simplex así se determina
adecuadamente la solución.
Teniendo en cuenta estos criterios se pretende dar solución al modelo insumo
producto, modeló de capacidad, modelo de dietas, modelo de mezclas y
modelo de transporte de la empresa San Polos con el fin de maximizar y
minimizar, según los criterios de cada modelo descrito, teniendo en cuenta las
áreas de producción que son: Corte, Desbaste, Guarnición, Preformado,
Engrudado, Montaje de puntas, Montaje de cuños, Montaje de lados, Gardar
suela, Pulido, Halogenado, Pegue de suela, Despiece de horma, Finizaje,
Empaque.
Después de haber obtenido y hallado la solución de cada método de la
empresa San Polos se hará una respectiva interpretación de los datos
obtenidos y los hallados para una respetiva mejora de optimización mediante
programación lineal.

2. OBJETIVOS

2.1 OBJETIVO GENERAL

Aplicar la solución propuesta del modelo matemático estableciendo acciones

de mejora a partir de la flexibilidad del sistema

2.2 OBJETIVO ESPECIFICO

 Hacer Graficas restricciones y funciones objetivo en 2 y 3 dimensiones.

  Hallar e interpretar adecuadamente la solución grafica de problemas
formulados por programación lineal.

 Define la forma estándar de la formulación del problema por

programación lineal.

 Define la matriz inicial básica del algoritmo simplex.

 Aplica adecuadamente el procedimiento que determina que variables
de decisión entran y salen de la base en el algoritmo simplex.

 Aplica adecuadamente el criterio de parada en el algoritmo simplex.

 Interpreta adecuadamente la solución del problema obtenida con el
algoritmo simplex.

3. MARCO TEORICO

La programación lineal corresponde a un algoritmo a través del cual se

resuelven situaciones reales en las que se pretende identificar y resolver
dificultades para aumentar la productividad respecto a los recursos,
aumentando así los beneficios.

El objetivo primordial de la Programación Lineal es optimizar, es decir,

maximizar o minimizar funciones lineales en varias variables reales con
restricciones lineales, optimizando una función objetivo también lineal.

La programación lineal se plantea como un modelo matemático desarrollado

durante la Segunda Guerra Mundial para planificar los gastos y los retornos, a
fin de reducir los costos al ejército y aumentar las pérdidas del enemigo. Se
mantuvo en secreto hasta 1947. En la posguerra, muchas industrias lo usaron
en su planificación diaria.

Los fundadores de la técnica son George Danzig, quien publicó el algoritmo

simplex, en 1947, John von Neumann, que desarrolló la teoría de la dualidad
en el mismo año.

Más tarde, en 1984, Narendra Karmarkar introduce un nuevo método del punto

interior para resolver problemas de programación lineal, lo que constituiría un
enorme avance en los principios teóricos y prácticos en el área.

El ejemplo original de Danzig de la búsqueda de la mejor asignación de 70

personas a 70 puestos de trabajo es un ejemplo de la utilidad de la
programación lineal.

La potencia de computación necesaria para examinar todas las permutaciones

a fin de seleccionar la mejor asignación es inmensa (factorial de 70, 70!) ; el
número de posibles configuraciones excede al número de partículas en el
universo.

Sin embargo, toma sólo un momento encontrar la solución óptima mediante el

planteamiento del problema como una programación lineal y la aplicación del
algoritmo simplex. La teoría de la programación lineal reduce drásticamente el
número de posibles soluciones factibles que deben ser revisadas.

4. MODELO INSUMO-PROODUCTO

En el cuadro 1, se puede identificar los tiempos de cada área de trabajo con

su respectiva referencia, adema de la capacidad que se utiliza por día y la
utilizada que se tiene actualmente para cada una de sus referencias.

Cuadro 1. Matriz producto*proceso

 PRODUCTO CAPACIDAD
CASUAL OUTDOOR INSTITUCIONAL
PROCESO UTILIZADA M/D
corte 0.56 0.58 1.01 480 M/D
desbaste 0.26 0.27 0.29 480 M/D
guarnicion 3.45 3.47 3.42 480 M/D
preformado 0.56 0.57 0.59 480 M/D
engrudado 0.28 0,38 0.40 480 M/D
montaje de puntas 0.44 0.41 0.45 480 M/D
montaje de cuños 0.59 0.53 0.57 480 M/D
montaje de lados 0.59 0.55 0.58 480 M/D
gardar suela 0.49 0.43 0.48 480 M/D
pulido 0.4 0.43 0.44 480 M/D
halojenado 0.34 0.31 0.34 480 M/D
pegue de suela 0.55 1.03 1.01 480 M/D
despiece de horma 0.24 0.26 0.22 480 M/D
finizaje 0.40 0.43 0.42 480 M/D
empacado 0.35 0.34 0.35 480 M/D
utilidad $ 44.000 $ 69.900 $ 81.900
Fuente. Autores

4.1 VARIABLES DE DECISIÓN.

Con base en la información de la matriz anterior se identificará cuáles son las

variables de decisión, Donde:

X j= cantidad de productos a fabricar y vender.

X ₁ = cantidad de productos a fabricar y vender de los zapatos casuales.

X ₂ = cantidad de productos a fabricar y vender de los zapatos outdoor.

X ₃ = cantidad de productos a fabricar y vender de las botas institucionales.

4.2 FUNCIÓN OBJETIVO Y RESTRICCIONES DEL MODELO DE INSUMO

PRODUCTO

F . O=MAX Z=44000 X ₁+69.900 X ₂+81.900 X ₃

Corte: 0.56 X ₁+0.58 X ₂+1.01 X ₃≤ 480

Desbaste: 0.26 X ₁+0.27 X ₂+0.29 X ₃ ≤ 480
Guarnición: 3.45 X ₁+3.47 X ₂+3.42 X ₃ ≤ 480
Preformado: 0.56 X ₁+0.57 X ₂+0.59 X ₃ ≤ 480
Engrudado: 0.28 X ₁+0.38 X ₂+0.40 X ₃ ≤ 480
Montaje de puntas: 0.44 X ₁+0.41 X ₂+0.45 X ₃ ≤ 480
Montaje de cuños: 0.59 X ₁+0.53 X ₂+0.57 X ₃ ≤ 480
Montaje de lados: 0.59 X ₁+0.55 X ₂+0.58 X ₃ ≤ 480
Gardar suela: 0.49 X ₁+0.43 X ₂+0.48 X ₃ ≤ 480
Pulido: 0.40 X ₁+0.43 X ₂+0.44 X ₃ ≤ 480
Halogenado: 0.34 X ₁+0.31 X ₂+0.34 X ₃ ≤ 480
Pegue de suela: 0.55 X ₁+1.03 X ₂+ 1.01 X ₃ ≤ 480
Despiece de horma: 0.24 X ₁+0.26 X ₂+ 0.22 X ₃ ≤ 480
Finizaje: 0.40 X ₁+1.57 X ₂+1.48 X ₃≤ 480
Empaque: 1.35 X ₁+ 1.42 X ₂+1.45 X ₃ ≤ 480

4.3 FORMA ESTÁNDAR DEL MODELO INSUMO PRODUCTO

F . O=MAX =44000 X ₁+69.900 X ₂+81.900 X ₃+Y 1 +Y 2+ Y 3+ Y 4 +Y 5 +Y 6 +Y 7 +Y 8 +Y 9+Y 10 +Y 11 +Y 12+Y 13

0.56 X 1 +0.58 X 2+1.01 X 3 +Y 1 ≤ 480

0.26 X ₁+0.27 X ₂+0.29 X ₃+Y 2 ≤ 480

3.45 X ₁+3.47 X ₂+3.42 X ₃+Y 3 ≤ 480

0.56 X ₁+0.57 X ₂+0.59 X ₃+Y 4 ≤ 480

0.28 X ₁+0.38 X ₂+0.40 X ₃+Y 5 ≤ 480

0.44 X ₁+0.41 X ₂+0.45 X ₃+Y 6 ≤ 480

0.59 X ₁+0.53 X ₂+0.57 X ₃+Y 7 ≤ 480

0.59 X ₁+0.55 X ₂+0.58 X ₃+Y 8 ≤ 480

0.49 X ₁+0.43 X ₂+0.48 X ₃+Y 9 ≤ 480

0.40 X ₁+0.43 X ₂+0.44 X ₃+Y 10 ≤ 480

0.34 X ₁+0.31 X ₂+0.34 X ₃+Y 11 ≤ 480

0.55 X ₁+1.03 X ₂+ 1.01 X ₃+Y 12 ≤ 480

0.24 X ₁+0.26 X ₂+ 0.22 X ₃+Y 13 ≤ 480

0.40 X ₁+1.57 X ₂+1.48 X ₃+Y 14 ≤ 480

1.35 X ₁+ 1.42 X ₂+1.45 X ₃+Y 15 ≤ 480

X 1−Y 16 + S1 ≥36

X 2 −Y 17+ S 2 ≥ 46
 Cuadro 2. Insumo producto solución del problema de maximización
CJ 44.000 69.900 81.900 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
BASE XBJ
CBJ X1 X2 X3 Y1 Y2 Y3 Y4 Y5 Y6 Y7 Y8 Y9 Y10 Y11 Y12 Y13 Y14 Y15 Y16 Y17 S1 S2

0 -0,458859649 -0,44476608 0 1 0 -0,295321637 0 0 0 0 0 0 0 0 0 0 0 0 0 0,58 0 -0,58 Y1 338,245614

0 -0,03254386 -0,02423977 0 0 1 -0,084795322 0 0 0 0 0 0 0 0 0 0 0 0 0 0,27 0 -0,27 Y2 439,2982456

81.900 1,00877193 1,01461988 1 0 0 0,292397661 0 0 0 0 0 0 0 0 0 0 0 0 0 3,47 0 -3,47 X3 140,3508772

0 -0,035175439 -0,02862573 0 0 0 0,82748538 1 0 0 0 0 0 0 0 0 0 0 0 0 0,57 0 -0,57 Y4 397,1929825

0 -0,123508772 -0,02584795 0 0 0 -0,116959064 0 1 0 0 0 0 0 0 0 0 0 0 0 0,38 0 -0,38 Y5 423,8596491

0 -0,013947368 0,86657895 0 0 0 -0,131578947 0 0 1 0 0 0 0 0 0 0 0 0 0 0,41 0 -0,41 Y6 416,8421053

0 0,015 -0,04833333 0 0 0 -0,166666667 0 0 0 1 0 0 0 0 0 0 0 0 0 0,53 0 -0,53 Y7 400

0 0,004912281 -0,03847953 0 0 0 -0,169590643 0 0 0 0 1 0 0 0 0 0 0 0 0 0,55 0 -0,55 Y8 398,5964912

0 0,005789474 -0,05701754 0 0 0 -0,140350877 0 0 0 0 0 1 0 0 0 0 0 0 0 0,43 0 -0,43 Y9 412,6315789

0 -0,043859649 -0,01643275 0 0 0 -0,128654971 0 0 0 0 0 0 1 0 0 0 0 0 0 0,43 0 -0,43 Y10 418,245614

0 0 -0,03497076 0 0 0 -0,099415205 0 0 0 0 0 0 0 1 0 0 0 0 0 0,31 0 -0,31 Y11 432,2807018

0 -0,468859649 0,00523392 0 0 0 -0,295321637 0 0 0 0 0 0 0 0 1 0 0 0 0 1,03 0 -1,03 Y12 338,245614

0 0,018070175 0,03678363 0 0 0 -0,064327485 0 0 0 0 0 0 0 0 0 1 0 0 0 0,26 0 -0,26 Y13 449,122807

0 -0,023684211 0,00385965 0 0 0 -0,122807018 0 0 0 0 0 0 0 0 0 0 1 0 0 0,43 0 -0,43 Y14 421,0526316

0 0 -0,01511696 0 0 0 -0,102339181 0 0 0 0 0 0 0 0 0 0 0 1 0 0,34 0 -0,34 Y15 529,122807

0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 -1 0 1 0 Y16 36

0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 -1 0 1 Y17 46

ZJ -CJ -126.618 13.197 0 0 0 23.947 0 0 0 0 0 0 0 0 0 0 0 0 0 9 1 20 z= 3.215.400

Fuente. Autores
Cuadro 3. Insumo-producto solución del problema de maximización
CJ 44.000 69.900 81.900 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
BASE XBJ
CBJ X1 X2 X3 Y1 Y2 Y3 Y4 Y5 Y6 Y7 Y8 Y9 Y10 Y11 Y12 Y13 Y14 Y15 Y16 Y17 S1 S2

0 0 0 1.01 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,56 0,58 -0,56 -0,58 Y1 169,122807

0 0 0 0.29 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0,26 0,27 -0,26 -0,27 Y2 219,6491228

0 0 0 3.42 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 3,45 3,24 -3,45 -3,24 X3 70,1754386

0 0 0 0.59 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0,56 0,34 -0,56 -0,34 Y4 198,5964912

0 0 0 0.40 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0,28 0,21 -0,28 -0,21 Y5 211,9298246

0 0 0 0.45 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0,34 0,41 -0,34 -0,41 Y6 208,4210526

0 0 0 0.57 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0,35 0,34 -0,35 -0,34 Y7 200

0 0 0 0.58 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0,59 0,26 -0,59 -0,26 Y8 199,2982456

0 0 0 0.48 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0,49 0,27 -0,49 -0,27 Y9 206,3157895

0 0 0 0.44 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0,45 0,35 -0,45 -0,35 Y10 209,122807

0 0 0 0.34 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0,46 0,35 -0,46 -0,35 Y11 216,1403509

0 0 0 1.01 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0,43 1,03 -0,43 -1,03 Y12 169,122807

0 0 0 0.22 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0,34 0,26 -0,34 -0,26 Y13 224,5614035

0 0 0 0.42 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0,4 0,43 -0,4 -0,43 Y14 210,5263158

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 Y15 480

0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 -1 0 1 0 Y16 36

0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 -1 0 1 Y17 46

ZJ -CJ 0 0 -12.634 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 8.07 6.07 5.03 5.45 z= 4,799,400

Fuente. Autores
Cuadro 4. Insumo-producto solución del problema de maximización
CJ 44.000 69.900 81.900 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
BASE XBJ
CBJ X1 X2 X3 Y1 Y2 Y3 Y4 Y5 Y6 Y7 Y8 Y9 Y10 Y11 Y12 Y13 Y14 Y15 Y16 Y17 S1 S2

0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 -0,0325 0,58 0,0325 -0,58 Y1 56,37426901

0 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0,27 -1 -0,27 Y2 73,21637427

0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 -0,325 3,47 0,325 -3,47 X3 23,39181287

0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0,56 0,57 -0,56 -0,57 Y4 66,19883041

0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 -0,0139 0,38 0,0139 -0,38 Y5 70,64327485

0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0,01 0,41 -0,01 -0,41 Y6 69,47368421

0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0,59 0,53 -0,59 -0,53 Y7 66,66666667

0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0,59 0,55 -0,59 -0,55 Y8 66,43274854

0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0,49 0,43 -0,49 -0,43 Y9 68,77192982

0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0,4 0,43 -0,4 -0,43 Y10 69,70760234

0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0,34 0,31 -0,34 -0,31 Y11 72,04678363

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0,55 1,03 -0,55 -1,03 Y12 56,37426901

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0,24 0,26 -0,24 -0,26 Y13 74,85380117

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0,4 0,43 -0,4 -0,43 Y14 70,1754386

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 Y15 160

0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 -1 0 1 0 Y16 36

0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 -1 0 1 Y17 46

ZJ -CJ 0 0 o 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 13.056 15.09 14.00 14.07 z= 9,497.394000

Fuente. Autores.
 Cuadro 5. Comprobación del modelo insumo-producto en WIN QSB.

Fuente. Autores
Después de la elaboración del modelo de insumo producto se pudo
identificar que los resultados establecidos son iguales a los elaborados
en Excel lo cual nos da como resultado 9.497.395. Se puede identificar
en las matrices que la primera en salir es x1 teniendo el valor mayor
negativo y después siga x2 y finalmente lega a x3 donde se llaga a la
solución óptima.
 5. MODELO DE CAPACIDAD PARA LA EMPRESA PROYECTO SAN
POLOS.
Cuadro 6. Matriz producto*proceso

PRODUCTO CAPACIDAD
CASUAL OUTDOOR INSTITUCIONAL
PROCESO UTILIZADA M/D
corte 0.56 0.58 1.01 480 M/D
desbaste 0.26 0.27 0.29 480 M/D
guarnicion 3.45 3.47 3.42 480 M/D
preformado 0.56 0.57 0.59 480 M/D
engrudado 0.28 0,38 0.40 480 M/D
montaje de puntas 0.44 0.41 0.45 480 M/D
montaje de cuños 0.59 0.53 0.57 480 M/D
montaje de lados 0.59 0.55 0.58 480 M/D
gardar suela 0.49 0.43 0.48 480 M/D
pulido 0.4 0.43 0.44 480 M/D
halojenado 0.34 0.31 0.34 480 M/D
pegue de suela 0.55 1.03 1.01 480 M/D
despiece de horma 0.24 0.26 0.22 480 M/D
finizaje 0.40 0.43 0.42 480 M/D
empacado 0.35 0.34 0.35 480 M/D
utilidad $ 44.000 $ 69.900 $ 81.900
Fuente. Autores

5.1 VARIABLES DE DECISIÓN.

Con base en la información de la matriz anterior se identificará cuáles son las

variables de decisión, Donde:

X j= cantidad de productos a fabricar y vender.

X ₁ = cantidad de productos a fabricar y vender de los zapatos casuales.

X ₂ = cantidad de productos a fabricar y vender de los zapatos outdoor.

X ₃ = cantidad de productos a fabricar y vender de las botas institucionales.

5.2 FUNCIÓN OBJETIVO Y RESTRICCIONES DEL MODELO INSUMO
PRODUCTO

F . O=MAX =( 25.52 ) X ₁+(25.42) X ₂(26.40) X ₃

Corte: 0.56 X ₁+0.58 X ₂+1.01 X ₃≤ 480
Desbaste: 0.26 X ₁+0.27 X ₂+0.29 X ₃ ≤ 480
Guarnición: 3.45 X ₁+3.47 X ₂+3.42 X ₃ ≤ 480
Preformado: 0.56 X ₁+0.57 X ₂+0.59 X ₃ ≤ 480
Engrudado: 0.28 X ₁+0.38 X ₂+0.40 X ₃ ≤ 480
Montaje de puntas: 0.44 X ₁+0.41 X ₂+0.45 X ₃ ≤ 480
Montaje de cuños: 0.59 X ₁+0.53 X ₂+0.57 X ₃ ≤ 480
Montaje de lados: 0.59 X ₁+0.55 X ₂+0.58 X ₃ ≤ 480
Gardar suela: 0.49 X ₁+0.43 X ₂+0.48 X ₃ ≤ 480
Pulido: 0.40 X ₁+0.43 X ₂+0.44 X ₃ ≤ 480
Halogenado: 0.34 X ₁+0.31 X ₂+0.34 X ₃ ≤ 480
Pegue de suela: 0.55 X ₁+1.03 X ₂+ 1.01 X ₃ ≤ 480
Despiece de horma: 0.24 X ₁+0.26 X ₂+ 0.22 X ₃ ≤ 480
Finizaje: 0.40 X ₁+1.57 X ₂+1.48 X ₃≤ 480
Empaque: 1.35 X ₁+ 1.42 X ₂+1.45 X ₃ ≤ 480

X ₁ ≥ 40 X ₂ ≥ 37

X ₁ ; X ₂; X ₃ ≥ 480

5.3 FORMA ESTANDAR DE MODELO DE CAPACIDAD DE LA EMPRESA

SAN POLOS

F . O=MAX =( 25.52 ) X 1+ (25.42 ) X 2 ( 26.40 ) X 3 +Y 1 +Y 2+ Y 3+ Y 4 +Y 5 +Y 6 +Y 7 +Y 8 +Y 9+Y 10 +Y 11 +Y 12+Y 13 +Y

0.56 X 1 +0.58 X 2+1.01 X 3 +Y 1 ≤ 480
0.26 X ₁+0.27 X ₂+0.29 X ₃+Y 2 ≤ 480

3.45 X ₁+3.47 X ₂+3.42 X ₃+Y 3 ≤ 480

0.56 X ₁+0.57 X ₂+0.59 X ₃+Y 4 ≤ 480

0.28 X ₁+0.38 X ₂+0.40 X ₃+Y 5 ≤ 480

0.44 X ₁+0.41 X ₂+0.45 X ₃+Y 6 ≤ 480

0.59 X ₁+0.53 X ₂+0.57 X ₃+Y 7 ≤ 480

0.59 X ₁+0.55 X ₂+0.58 X ₃+Y 8 ≤ 480

0.49 X ₁+0.43 X ₂+0.48 X ₃+Y 9 ≤ 480

0.40 X ₁+0.43 X ₂+0.44 X ₃+Y 10 ≤ 480

0.34 X ₁+0.31 X ₂+0.34 X ₃+Y 11 ≤ 480

0.55 X ₁+1.03 X ₂+ 1.01 X ₃+Y 12 ≤ 480

0.24 X ₁+0.26 X ₂+ 0.22 X ₃+Y 13 ≤ 480

0.40 X ₁+1.57 X ₂+1.48 X ₃+Y 14 ≤ 480

1.35 X ₁+ 1.42 X ₂+1.45 X ₃+Y 15 ≤ 480

5.4 SOLUCIÓN DEL MODELO DE CAPACIDAD DE LA EMPRESA SAN

POLOS.

Cuadro 7. Matriz modelos de capacidad en winqsb.

Fuente. Autores
En el modelo de capacidad se puede identificar en la matriz elaborado en WIN
QSB nos da como solución óptima 8, 811, 566,00 teniendo en cuenta la
capacidad establecida de la empresa con los diferentes requerimientos se
analiza que máximo el doble de lo que estaba en la empresa.

6. MODELO DE MEZCLAS

En la siguiente tabla se puede identificar los diferentes compuestos de los 2

pegantes, para así mejorar la calidad del pegamento según los requerimientos
de la empresa.
 Cuadro 8. Matriz del modelo de mezclas
COMPUESTO REQUERIMIENTO
PEGAMENTO KEFREN ICVO DE LA EMPRESA
viscosidad 1200 1900 1700
peso 0.82 0.85 0.83
compuestos 75 85 80
precios 12.700 13.500
Fuente. Autores

6.1 VARIABLES DE DECISIÓN.

X j= cantidad de ingredientes.
X ₁ = cantidad de ingredientes de la pegante marca KEFEN.
X ₂ = cantidad de ingredientes de la marca ICVO.

6.2 FUNCIÓN OBJETIVO Y RESTRICCIONES

F . O=MIN =( 12.700 ) X ₁+(13.500) X ₂

1200 X ₁+1900 X ₂ ≥ 1700

0.82 X ₁+ 0.85 X ₂≥ 0.83
75 X ₁+85 X ₂≥ 80
X ₁ ; X ₂≥ 0
6.3 FORMA ESTANDAR

F . O=MIN =( 12.700 ) X 1 + ( 13.500 ) X 2−OY 1−OY 2−OY 3 + MS 1+ MS 2 + MS 3

1200 X ₁+1900 X ₂−Y 1 +S 1 ≥ 1700

0.82 X ₁+ 0.85 X ₂−Y 2 + S2 ≥0.83
75 X ₁+85 X ₂−Y 3 + S3 ≥ 80
X ₁ ; X ₂≥ 0

6.4 SOLUCIÓN DEL MODELO DE MEZCLAS POR EXCEL

Cuadro 9. Modelo de mezcla.

########## 1,2700 1,3500 0 0 0 M M M
BASE XBJ
X1 X2 Y1 Y2 Y3 S1 S2 S3
M 1,200 1,900 -1 0 0 1 0 0 S1 1,700
M 0,82 0,85 0 -1 0 0 1 0 S2 0,83
M 75,000 85 0 0 -1 0 0 1 S3 80
77,020 ‫ ۻ‬87,750 ‫ۻ‬
െ
‫ۻ‬ െ
‫ۻ‬ െ
‫ۻ‬ 0 0 0 Z Opt = 82,53
1,2700 1,3500
1,3500 0,63157895 1 0,526315789 0 0 0,52631579 0 0 X2 0,89473684
M 0,28315789 0 -0,44736842 -1 0 -0,44736842 1 0 S2 0,06947368
M 21,3157895 0 -44,7368421 0 -1 -44,7368421 0 1 S3 3,94736842
21,182 െ ‫ۻ‬ 0‫ۻ‬
0,710526316 0 0 0,71052632 0 0 Z Opt = 1,20789474
1,2700 1,3500
1,3500 0 1 1,851851852 0 0,02962963 1,85185185 0 -0,02962963 X2 0,77777778
M 0 0 0,14691358 -1 0,01328395 0,14691358 1 -0,01328395 S2 0,01703704
1,2700 1 0 -2,09876543 0 -0,04691358 -2,09876543 0 0,04691358 X1 0,18518519
-0,270 ‫ۻ‬ 0‫ۻ‬
-0,1654321 0 -0,01958025 -0,1654321 0 0,01958025 Z Opt = 1,28518519
1,2700 1,3500
1,3500 0 1 1,524163569 2,23048327 0 1,52416357 2,230483271 0 X2 0,73977695
0 0 0 -11,0594796 75,2788104 1 11,0594796 -75,2788104 1 S3 1,28252788
1,2700 1 0 -1,57992565 3,53159851 0 -1,57992565 3,531598513 0 X1 0,24535316
1,270 ‫ۻ‬ 0‫ۻ‬
2,057620818 3,01115242 0 2,05762082 3,011152416 0 Z Opt = 1,3102974
1,2700 1,3500
Fuente. A utor
6.5 COMPROBACION DEL MODELO DE MEZCLAS EN WIN QSB

Cuadro 10.modelo de mescla en winqsb

Fuente. Autores

En el modelo de mezclas se puede identificar que la primera variable que sale

es x2 con el valor más negativo después sigue la variable x1 y finalmente sale
s3 teniendo una minimización de 13,102,9700 teniendo en cuenta los dos
pegantes que se mezclaron y se necesitaba una minimización lo cual tenía un
20,108,3300 de requerimientos lo cual minimizo en un 7,000 esto con el fin de
que la mezcla de los dos pegantes cumplan con el requerimiento de mezclado.
||

7. MODELO DE TRANSPORTE
A continuación se mostrara la formulación y solución de un modelo de
transporte a la empresa san polos donde se han tomado los diferentes tiempos
que se tiene al transportar material en proceso del área de corte hasta el área
de guarnición, lo que se busca es disminuir los costos de transportar dichos
materiales, de tal manera que cumple con los requerimientos de cada área.

Cuadro 11. Matriz de transporte área de guarnición * área de corte

A guarnicion
maquina 1 maquina 2 maquina 3 Ooj
A corte
X11 X12 X13
operario 1
17 22 20 122
X21 X22 X23
operario 2
19 23 24 124
RDJ 82 65 92 246
Fuente. Autores

7.1 VARIABLES DE DECISIÓN

X11 = cantidad a transportar entre operario 1 y maquina 1.

X12 = cantidad a trasportar entre operario 1 y maquina 2.

X13 = cantidad a transportar entre operario 1 y maquina 3.

X21 = cantidad a transportar entre operario 2 y maquina 1.

X22 = cantidad a transportar entre operario 2 y maquina 2.

X23 = cantidad a transportar entre operario 2 y maquina 3.

7.2 FUNCIÓN OBJETIVO Y RESTRICCIONES

fo :min Z=17 X 11+22 X 12+ 20 X 13+ 19 X 21+23 X 22+24 X 23

 Restricciones por oferta

operario 1. X 11+ X 12+ X 13 ≤122

operario 2. X 21+ X 22+ X 23 ≤124

 Restricciones por demanda

Maquina 1 x 11 + x 21 ≥ 82

Maquina 2 x 12+ x 22 ≥ 65

Maquina 3 x 13+ x 23 ≥92

Figura 1. Transporte desde el área de corte hasta guarnición

Fuente. Autores

Cuadro 12.formulación del Modelo de transporte en WIN QSB

Fuente. Autor
 Cuadro 13. Modelo de transporte en WIN QSB solución

Fuente. Autor
Con los anteriores cálculos se pueden reducir el costo de transporte de los
materiales en procesos, optimizando así la forma de transportar, haciendo, más
rentable de la producción.
 8. CONCLUSIÓN

Con los anteriores métodos utilizados se pueden reducir diferentes costos,

aumentando la capacidad y la utilidad, con los métodos maximización y
minimización, elaborado en el programa de Excel y el software de winqsb.