Fundamentos de Investigacion de Operaciones

Investigacion de Operaciones 1
Formulaci
on de Modelos de Programac
on Lineal
25 de julio de 2003

La Programaci
on Lineal (LP) es una herramienta para resolver problemas de optimizaci
on que se
caracterizan por tener como funci
on objetivo y restricciones combinaciones lineales de las variables de
decisi
on. La principal ventaja radica en que existe un algoritmo eficiente (SIMPLEX) para resolver
este tipo de modelos.

1.

Conceptos B
asicos
Consideremos el siguiente ejemplo para describir los terminos presentes en todo problema de LP.

Ejemplo 1.
Una mueblera produce mesas y sillas de madera. Cada mesa es vendida en $27000 y requiere $10000
en materiales, adem
as, el costo de unitario por mano de obra se estima en $14000. En el caso de
las sillas, su precio de venta es de $21000 y los costos son de $9000 y $10000, en materiales y mano
de obra respectivamente. La fabricaci
on de cada producto requiere de dos tipos de labores: carpintera
y terminaciones. Una mesa requiere de 1 hora de carpintera y 2 horas de terminaciones. Una silla
requiere de 1 hora de carpintera y 1 hora de terminaciones.
Cada semana, la mueblera puede obtener todos los materiales que desee, sin embargo, se pueden
dedicar hasta 100 horas a las terminaciones y hasta 80 horas a la carpintera. La demanda por mesas
no est
a limitada, mientras que la demanda semanal m
axima por sillas es de 40.
La mueblera desea maximizar sus utilidades (ingresos - costos). Formule un modelo matem
atico que
permita maximizar las utilidades.

1.1.

Variables de Decisi
on

Se debe comenzar definiendo las variables de decisi

on relevantes. En un modelo de programacion
lineal las variables de decision deben ser capaces de describir completamente las decisiones que puedan
ser tomadas y todas las variantes que existan.
Antes de definir las variables de decision es importante definir las unidades involucradas en el problema.
En este caso, se habla de unidades de sillas y mesas, de horas de trabajo por unidad y de demanda
semanal. De acuerdo a ello, una buena opcion para definir las variables de decision consiste en asociar
las variables al n
umero de unidades de sillas y mesas a producir por semana. Por lo tanto, podemos
definir:
x1 = n
umero de mesas producidas por semana.
(1.1)
x2 = n
umero de sillas producidas por semana.

Segundo Semestre 2003

1.2.

Programaci
on Lineal

Funci
on Objetivo

En un problema de LP, se debe tomar la decision de maximizar (usualmente las utilidades)

o de minimizar (usualmente los costos) cierta funcion de las variables de decision. La funcion a
maximizar o minimizar se denomina funci
on objetivo. Antes de formular el modelo matematico
conviene resumir los datos del problema (Cuadro 1.1).
hVentai
$
un.
27000
21000

Mesa
Silla
Disponibilidad

Materiales
i
h
$
un.
10000
9000

Mano
h de iObra
$
un.
14000
10000

Carpinter
i a
h
hr.
un.
1
1
80

Terminaciones
i
h
hr.
un.
2
1
100

Dda. Maxima
un.
sem.

40

Cuadro 1.1: Resumen Ejemplo 1

En el ejemplo, los costos e ingresos no dependen del valor de x1 o de x2 , por lo tanto basta
concentrarse en maximizar la diferencia entre:

ingresos
costos de
costos por

(1.2)
semanales
materiales
mano de obra
Luego, se debe expresar los terminos anteriores en funcion de las variables de decision x 1 y x2 .
Supondremos que todas las sillas y mesas fabricadas son vendidas (respentando las condiciones
de mercado del enunciado). As:

ingresos
ingresos
ingresos
=
+
por mesas
por sillas
semanales
=
=

$
mesa

mesas +
$
sillas
semana
semana
silla

27000x1

(1.3)

21000x2

Similarmente:

costos por
= 10000x1 + 9000x2
materiales
costos por
= 14000x1 + 10000x2
mano de obra

(1.4)

Por lo tanto la funcion a maximizar queda (en miles):

(27x1 + 21x2 ) (10x1 + 9x2 ) (14x1 + 10x2 ) = 3x1 + 2x2

(1.5)

Otra opcion para construir la funcion objetivo consiste en calcular previamente los ingresos netos
o utilidades de cada uno de los productos de la mueblera. As:
utilidad por mesa = 27 10 14 = 3
utilidad por silla = 21 9 10 = 2

(1.6)

As, el objetivo de la mueblera es escoger los valores de x1 y x2 tal que se maximize 3x1 + 2x2 .
Denotando por z el valor de la funcion objetivo para cualquier LP, la funcion objetivo de la mueblera
es:
2

Segundo Semestre 2003

Programaci
on Lineal

Maximizar z = 3x1 + 2x2

(1.7)

El coeficiente que acompa

na a cada variable en la funcion objetivo se denomina coeficiente en la
funci
on objetivo de la variable y refleja el aporte unitario de dicha variable a la funcion objetivo.

1.3.

Restricciones

En la medida que las variables x1 y x2 crecen, la funcion objetivo aumenta su valor. Por lo tanto si
se pudiera escoger arbitrariamente el valor de x1 y x2 , la mueblera podra hacer crecer arbitrariamente
el valor de sus utilidades. Evidentemente, en la practica esto no es posible. En este ejemplo, el valor
de las variables esta limitado por las siguientes tres restricciones:
Restricci
on 1 : maximo 100 horas semanales para terminaciones
Restricci
on 2 : maximo 80 horas semanales para carpintera
Restricci
on 3 : produccion maxima de 40 sillas semanales
Se asume que la cantidad disponible de material es ilimitada. Luego, el proximo paso consiste en
formular matematicamente las restricciones anteriores en funcion de las variables de decision. Para
formular la primera restriccion en funcion de las variables x1 y x2 observamos que:

mesas
terminaciones
terminaciones
=
semana
semana
mesa

sillas
(1.8)
+ terminaciones
semana
silla
= 2x1 + 1x2
Por lo tanto la primera restriccion queda:

2x1 + x2 100

Es importante notar que todos los valores en la expresion anterior son por semana, ya que las variables
de decision se han escogido con esa referencia.
Analogamente la segunda restriccion queda:

x1 + x2 80

Finalmente, la tercera restriccion solo limita el valor de x2 :

x2 40

El valor que aparece a la derecha del signo de la desigualdad en cada restriccion se denomina the
constraints right-hand side (rhs) o coeficiente del lado derecho de la restriccion. Usualmente,
representa la cantidad disponible de cierto recurso.

1.4.

Restricci
on de Signo

Para completar la formulacion del modelo es importante definir si existe alguna restriccion de signo
para cada variable de decision.
Si una variable de decision xi debe cumplir condiciones de no-negatividad, debemos agregar la restriccion xi 0. Si la variable de decision xi puede asumir valores positivos y negativos se dice que la
variable xi no tiene restricci
on de signo (srs).
En este ejemplo, ambas variables de decision se refieren a cantidades a producir, por lo tanto son
no-negativas, luego: x1 0 y x2 0. Sin embargo, en otros ejemplos las varibles pueden ser srs, por
ejemplo en el caso de que xi se refiere al saldo de alguna cuenta.

Segundo Semestre 2003

Programaci
on Lineal

Combinando todas las expresiones anteriores, es posible completar el modelo matematico para este
problema de optimizacion:
Max

z = 3x1 + 2x2 (Funcion Objetivo)

sujeto a (st)
2x1 + x2
x1 + x 2
x2
x1
x2

100
80
40
0
0

(Restriccion
(Restriccion
(Restriccion
(Restriccion
(Restriccion

de
de
de
de
de

terminaciones)
carpintera)
demanda maxima)
signo)
signo)

(1.9)

Se deja como ejercicio al lector determinar las modificaciones sobre el modelo anterior si:
El excedente de horas de terminaciones puede ser empleado para carpintera y viceversa.
La misma hipotesis del punto anterior pero suponiendo que cada hora de terminaciones equivale
a dos horas de carpintera.
La produccion de mesas no puede exceder al 40 % del total de unidades producidas de mesas y
sillas.

2.

Generalizaci
on
Repasemos en primer lugar algunos conceptos de linealidad de funciones y desigualdades.

Definici
on 1 Una funci
on f (x1 , x2 , , xn ) de x1 , x2 , , xn es una funci
on lineal s y s
olo s para
un conjunto de constantes c1 , c2 , , cn , se tiene: f (x1 , x2 , , xn ) = c1 x1 + c2 x2 + + cn xn
Definici
on 2 Para cualquier funci
on f (x1 , x2 , , xn ) y cualquier n
umero b las desigualdades:
f (x1 , x2 , , xn ) b
f (x1 , x2 , , xn ) b
son desigualdades lineales.
Definici
on 3 Un problema de programaci
on lineal (LP) es un problema de optimizaci
on para el cual
debemos tener presente lo siguiente:
1.

Se maximiza (o minimiza) una funci

on lineal de las variables de decisi
on. La funci
on que es
maximizada o minimizada se denomina funci
on objetivo.

2.

Los valores de las variables de decisi

on deben satisfacer un conjunto de restricciones. Cada
restricci
on debe ser una ecuaci
on o desigualdad lineal.

3.

Existe una restricci

on de signo asociada a cada variable. Para toda variable x i , la res- tricci
on
de signo especifica si xi debe ser no-negativa (xi 0)o bien sin restricci
on de signo (srs).

De acuerdo a las definiciones anteriores, el ejemplo estudiado corresponde efectivamente a un LP,

pues tanto la funcion objetivo como las restricciones son funciones lineales de x 1 y x2 . El problema estudiado corresponde a un problema tpico de decision donde se debe obtener el programa de
produccion que maximiza las utilidades sujeto a recursos limitados.

Segundo Semestre 2003

3.

Programaci
on Lineal

Consecuencias y Supuestos

El hecho que la funcion objetivo de un PL sea una funcion lineal de las variables de decision tiene
dos implicancias:
1. La contribucion a la funcion objetivo de cada variable es proporcional al valor de la variable de
decision.
2. La contribucion a la funcion objetivo para toda variable es independiente de los valores de las
otras variables de decision.
Analogamente, el hecho de que cada restriccion sea una ecuacion o desigualdad lineal tambien
tiene dos implicancias:
1. La contribucion de cada variable al coeficiente del lado izquierdo de cada restriccion es proporcional al valor de la variable.
2. La contribucion de cada variable al coeficiente del lado izquierdo de cada restriccion es independiente de los valores de las otras variables.
Las primeras implicancias de la listas anteriores constituyen el Supuesto de Proporci
on en LP.
Las segundas implicancias de las listas anteriores constituyen el Supuesto de Adici
on en LP.
Para que un modelo de LP corresponda a una representacion adecuada de la realidad, las variables
de decision deben satisfacer los dos supuestos anteriores. Adicionalmente, se agregan dos supuestos:
el supuesto de Divisibilidad y el de Certeza.
El Supuesto de Divisibilidad requiere que cada variable de decision pueda tomar valores fraccionarios. En el ejemplo anterior, el supuesto se traduce en que es aceptable producir 2.4 sillas
o 1.6
mesas. Evidentemente, el supuesto de divisibilidad no se satisface en el ejemplo. En este caso se puede
proceder a formular el modelo como un problema de programaci
on lineal entera (ILP), problema en el
cual una o mas variables deben ser enteras. Este tipo de problema se estudiara mas adelante. Cuando
no se satisface el supuesto de divisibilidad, una posibilidad es redondear la solucion obtenida a un
valor entero, sin embargo no existen garantas que dicha solucion sea la mejor.
El Supuesto de Certeza exige que cada parametro: coeficientes de la funcion objetivo, coeficientes
del lado derecho, etc. sean conocido con certeza, es decir, no se acepta incertidumbre en sus valores.
Es claro que es muy difcil que un problema cumpla exactamente con todos los supuestos. Sin embargo,
un modelo puede ser u
til aunque difiera de la realidad si se es consistente con los requerimientos mas
estrictos del problema y se tienen presente las limitaciones al interpretar los resultados.

4.

Regiones Factibles y Soluciones Optimas

Dos de los conceptos mas fundamentales en LP son el de region factible y de solucion optima de
un problema. Llamaremos punto a la especificacion de un valor para cada variable de decision.
Definici
on 4 La regi
on factible para un LP es el conjunto de puntos que satisfacen todas las restricciones (incluidas las de signo) de un problema de LP.

Segundo Semestre 2003

Programaci
on Lineal

Definici
on 5 En el caso de un problema de maximizaci
on, una soluci
on
optima del LP es un punto
de la regi
on factible que est
a asociado al mayor valor posible de la funci
on objetivo. Similarmente,
para un problema de minimizaci
on, una soluci
on o
ptima es un punto que est
a asociado al menor valor
posible de la funci
on objetivo.
La mayora de los problemas de LP tienen solo una solucion optima. Sin embargo, existen muchos
problemas de LP que no poseen solucion optima o bien poseen varios o infinitos valores optimos.

5.

Algunos Ejemplos

5.1.

Problema de la Dieta

Una dieta diaria satisfactoria debe contener al menos 2000 [kCal], 55 [g] de protenas y 800 [mg] de
Calcio. Se pide formular un modelo que permita determinar una dieta satisfactoria de mnimo costo
a partir de los alimentos indicados en el Cuadro 5.1.
h i

Alimento Porcion Energa [kCal] Protenas [g] Calcio [mg] Precio u$
Lmite dua
Avena
Pollo
Huevos
Leche
Pastel
Cerdo

28
100
2
237
170
260

110
205
160
160
420
260

4
32
13
8
4
14

2
12
54
285
22
80

3
24
13
9
20
29

4
3
2
8
2
2

Cuadro 5.1: Alimentos disponibles

Modelo:
En este caso resulta natural definir como variable de decision xi la cantidad de alimento tipo i(i =
1 . . . 6) a consumir. Como cada alimento tiene un costo, basta ponderar cada variable de decision por
su respectivo coeficiente y construir la funcion objetivo a minimizar. Las restricciones obedecen a los
lmites diarios de consumo por alimento y a las condiciones de energa, protenas y calcio que debe
cumplir la dieta. Por lo tanto, el modelo queda:
Min z = 3x1 + 24x2 + 13x3 + 9x4 + 20x5 + 29x6
st
110x1 + 205x2 + 160x3 + 160x4 + 420x5 + 260x6
4x1 + 32x2 + 13x3 + 8x4 + 4x5 + 14x6
2x1 + 12x2 + 54x3 + 285x4 + 22x5 + 80x6
x1
x2
x3
x4
x5
x6
xi

(Funcion Objetivo)

2000
55
800
4
3
2
8
2
2
0 i

(Energa mnima)
(Proteinas mnimas)
(Calcio mnimo)
(Porcion lmite)
(Porcion lmite)
(Porcion lmite)
(Porcion lmite)
(Porcion lmite)
(Porcion lmite)
(Restriccion de signo)

Segundo Semestre 2003

5.2.

Programaci
on Lineal

Problema de Planificaci
on de Personal

Las enfermeras de un hospital llegan cada 4 horas y trabajan en turnos de 8 horas continuas. La
administracion ha decidido definir 6 cambios de turno al da para minimizar las distracciones y los
problemas de comunicacion que ocurren en los cambios de turno.
El hospital ha realizado un analisis del trabajo requerido durante cada uno de los seis bloques horarios
del da. Las caractersticas de cada bloque se muestran en el Cuadro 5.2.
Hora del Da
2 AM - 6 AM
6 AM - 10 AM
10 AM - 2 PM
2 PM - 6 PM
6 PM - 10 PM
10 PM - 2 AM

Perodo
1
2
3
4
5
6

N
umero mnimo de enfermeras
25
60
50
35
55
40

Cuadro 5.2: Caractersticas de cada Bloque Horario.

Las enfermeras que empiezan a trabajar en los perodos 2, 3 y 4 ganan US$40 al da, y aquellas
que comienzan en los perodos 1, 5 y 6 ganan US$50 al da. Cual es la planificacion de los turnos de
las enfermeras que minimizan los costos por salarios?
Modelo:
En este caso podemos identificar como variable de decision el n
umero de enfermeras N i que comienza
a trabajar en el turno i(i = 1 . . . 6). De esta forma, la funcion objetivo queda:
z = 50N1 + 40N2 + 40N3 + 40N4 + 50N5 + 50N6
Evidentemente, la funcion anterior debe ser minimizada. Para construir las restricciones es conveniente
recurrir a una representacion grafica de los turnos (Figura 5.1).

1
N1

2
N2

Turno
3
4
N3

N4

N5

N6

Figura 5.1: Esquema de los turnos

De la grafica anterior se observa que en cada bloque trabajan las enfermeras que comenzaron su
turno en dicho bloque, pero tambien las que empezaron su turno en el bloque anterior. Por lo tanto,
las restricciones de personal mnimo por turno quedan:
N1 + N 2
N2 + N 3
N3 + N 4
N4 + N 5
N5 + N 6
N6 + N 1
7

60
50
35
55
40
25

Segundo Semestre 2003

Programaci
on Lineal

Finalmente, el modelo se completa con las restricciones de signo:

Ni i

5.3.

Problema de Planificaci
on de Producci
on

La empresa Sil Computer necesita satisfacer la demanda de computadores por parte de sus clientes
(grandes corporaciones e instituciones educacionales) para los proximos 4 trimestres.
Actualmente, Sil Computer tiene 5000 computadores en inventario. La demanda esperada para los
proximos trimestres son 7000, 15000, 10000 y 8000. Sil Computer tiene el material y la capacidad de
producir hasta 10000 computadores cada trimestre, a un costo de US$ 2000 por computador. Empleando personal de sobretiempo se puede producir hasta 2500 computadores mas a un costo individual
de US$ 2200. Los computadores producidos en un trimestre pueden ser usados para satisfacer la demanda de ese perodo, o bien quedar en inventario para ser usados posteriormente. Cada computador
en inventario tiene un costo adicional de US$100 por perodo para reflejar los costos de almacenaje.
Como puede satisfacer Sil Computer su demanda a costo mnimo?
Modelo:
En este caso la decision a tomar corresponde a la produccion de computadores por trimestre. Como se puede fabricar computadores en horario normal y en sobretiempo es conveniente separar ambos
tipos de produccion en variables distintas. Ademas, se debe decidir en cada perodo cuantas unidades
guardar en inventario. Definamos las siguientes variables ( t = 1 . . . 4):
xt = produccion en el perodo t en horario normal
yt = produccion en el perodo t en sobretiempo
it = inventario al final del perodo t
De acuerdo a las variables definidas podemos formular el modelo completo considerando el balance
trimestral entre lo producido, lo proveniente del perodo anterior en inventario y la demanda del
trimestre respectivo.
Min z = 2000(x1 + x2 + x3 + x4 ) + 2200(y1 + y2 + y3 + y4 ) + 100(i1 + i2 + i3 )
st
5000 + x1 + y1 = 7000 + i1
i1 + x 2 + y2
= 15000 + i2
i2 + x 3 + y3
= 10000 + i3
i3 + x 4 + y4
= 8000
xt
10000
t
yt
2500
t
x t , yt , i t
0
t
Para la formulacion anterior se ha supuesto que cada computador es completamente fabricado
en horario normal o en sobretiempo y que las variables pueden ser no enteras. Evidentemente este
supuesto puede no ser correcto en la situacion real, pero constituye una buena aproximacion del problema.
Revisando la formulacion propuesta, se observa que no existe la variable i 4 Porque no se incluye en
el modelo ? Que pasara si se incorporara ?

Segundo Semestre 2003

5.4.

Programaci
on Lineal

Problema de Transporte

Supongamos un problema de transporte de alg

un producto desde n orgenes hacia m destinos. En
cada origen hay una existencia de productos ei (i = 1 . . . n). En cada destino hay una demanda por dj
unidades (j = 1 . . . m). El costo unitario de envo desde cada origen i hacia cada destino j es de c ij .
Formule un modelo de programacion lineal que permita definir la distribucion del producto de modo
de minimizar los costos de transporte.
Modelo:
La decision consiste simplemente en determinar el n
umero de productos que son transportados desde
cada origen hacia cada destino. Luego, se emplearan las siguientes variables:
xij

= cantidad enviada desde origen i a destino j

De acuerdo a las variables definidas, la funcion objetivo queda:

M in

m
n X
X

cij xij

i=1 j=1

Las restricciones corresponden a la capacidad maxima en cada origen y a la demanda en cada destino.
Ademas, como las variables representan cantidades, deben ser positivas.
Pm
xij ei i = 1 . . . n (disponibilidad)
Pj=1
n
i=1 xij dj j = 1 . . . m (demanda)
xij
0 ij
(restriccion de signo)
El problema anterior se dice balanceado si se satisface que:
n
X

ei =

i=1

m
X

dj

j=1

El problema anterior admite m

ultiples variaciones como la incorporacion de lmites a la capacidad
de cada ruta, incorporacion de costos fijos, puntos de transbordo, rutas alternativas entre otras posibilidades. Este tipo de problema es muy versatil y puede ser aplicado a muchas situaciones que no
necesariamente se refieren a transporte, ademas posee su propio algoritmo de resolucion. Como
cambiara la formulacion si se incorporaran k puntos de transbordo, es decir, puntos intermedios sin
demanda ni oferta, pero que pueden servir como rutas alternativas para disminuir costos de envo
desde un origen i a alg
un destino j ?

5.5.

Problema de Mezcla

Una refinera de petroleos produce dos tipos de gasolina sin plomo: regular y extra, los cuales vende
a su cadena de estaciones de servicio en US$12 y US$14 por barril, respectivamente. Ambos tipos se
preparan del inventario de petroleo nacional refinado y de petroleo importado refinado que tiene la
refinera y deben cumplir las especificaciones que se presentan en el Cuadro 5.3.
Las caractersticas del inventario de petroleos refinados se muestran en el Cuadro 5.4.
Formule un modelo de programacion lineal que permita maximizar la ganancia semanal de la refinera.

Segundo Semestre 2003

Regular
Extra

Programaci
on Lineal

Presion maxima
de vapor
23
23

Octanaje
mnimo
88
93

Demanda maxima
[barril/semana]
100.000
20.000

Entregas mnimas
[barril/semana]
50.000
5.000

Cuadro 5.3: Especificaciones de las gasolinas

Nacional
Importado

Presion
de vapor
25
15

Octanaje
87
98

Inventario
[barril]
40.000
60.000

Costo
[US$/barril]
8
15

Cuadro 5.4: Caractersticas de los petroleos

Modelo:
Para poder formular un modelo para el problema supondremos que no existen perdidas en el proceso de refinamiento y que tanto el octanaje como la presion de vapor se pueden mezclar linealmente.
De acuerdo al supuesto anterior debemos definir variables que nos permitan controlar que proporcion de cada tipo de petroleo se empleara para fabricar cada tipo de gasolina, as:
xij

= cantidad de petroleo refinado tipo i (i = 1, 2) para fabricar gasolina j (j = 1, 2)

Donde petroleo refinado tipo 1 corresponde a Nacional y tipo 2 a Importado, gasolina 1 equivale a
Regular y gasolina 2 a Extra. Consideremos las variables anteriores en barriles, de modo de emplear
las proporciones entregadas en el enunciado.
Como se conoce el precio de venta de cada gasolina y el costo de cada petroleo, la funcion objetivo se reduce a maximizar la diferencia entre ingresos y costos, es decir, las utilidades.
M ax

12(x11 + x21 ) + 14(x12 + x22 ) 8(x11 + x12 ) 15(x21 + x22 )

A continuacion construimos las restricciones. Las restricciones respecto de inventario disponible y demanda de cada tipo de gasolina se explican por s solas:
x11 + x12
x21 + x22
x11 + x21
x11 + x21
x12 + x22
x12 + x22

40000
60000
50000
100000
5000
20000

(Inventario petroleo tipo 1)

(Inventario petroleo tipo 2)
(Demanda mnima de gasolina tipo 1)
(Demanda maxima de gasolina tipo 1)
(Demanda mnima de gasolina tipo 2)
(Demanda maxima de gasolina tipo 2)

Las restricciones de presion de vapor y de octanaje mnimo deben ser normalizadas respecto de la

10

Segundo Semestre 2003

Programaci
on Lineal

cantidad total fabricada, que no es necesariamente la cantidad maxima o mnima posible de fabricar.
25x11 +15x21
x11 +x21
25x12 +15x22
x12 +x22
87x11 +98x21
x11 +x21
87x12 +98x22
x12 +x22

23
23
88
88

(Presion de vapor maxima gasolina tipo 1)

(Presion de vapor maxima gasolina tipo 2)
(Octanaje mnimo gasolina tipo 1)
(Octanaje mnimo gasolina tipo 2)

Finalmente, el modelo queda completo con las condiciones de signo:

xij

5.6.

0 ij

Problema de Producci
on y Asignaci
on de Personal

Un peque
no taller arma dispositivos mecanicos, ya sea como un producto terminado que entrega
al mercado, o como un proceso intermedio para entregar a una gran fabrica. Trabajan 3 personas
en jornadas de 40 horas semanales. Dos de estos obreros no calificados reciben $0,4 por hora, y el
tercero, un obrero calificado recibe $0,6 por hora. Los tres estan dispuestos a trabajar hasta 10 horas
adicionales a la semana con un salario 50 % superior durante este perodo.
Los costos fijos semanales son de $800. Los gastos de operacion variable son de $1,0 por hora de
trabajo de obrero no calificado y $2,4 por hora de obrero calificado. Los dispositivos mecanicos sin
acabar son vendidos a la planta a $6,5 cada uno. El taller tiene un contrato bajo el cual debe entregar
100 de estos dispositivos semanalmente a la empresa. El due
no del taller tiene como poltica el producir
no mas de 50 dispositivos a la semana por sobre el contrato.
Los dispositivos terminados se venden a $15 cada uno sin restricciones de mercado.
Se requieren 0,5 horas de obrero no calificado y 0,25 horas de obrero calificado para producir un
dispositivo sin acabar listo para entregar a la otra empresa. Uno de estos dispositivos puede ensamblarse y dejarlo terminado agregandole 0,5 horas de trabajador calificado.
Un dispositivo listo para entregar al mercado se puede producir con 0,6 horas de obrero no calificado y 0,5 horas de obrero calificado.
Plantear el modelo de Programacion Lineal que permita responder la consulta: Como y cuanto
producir para cumpir el contrato de modo de maximizar las utilidades ?
Modelo:
En este caso, es posible establecer tres tipo de productos: intermedio (i = 1), intermedio que se
acaba (i = 2) y acabado (i = 3). Por lo tanto, se puede definir las siguientes variables:
xi = cantidad de productos tipo i fabricados

i = 1, . . . 3

De acuerdo al enunciado, los dos obreros no calificados y el obrero calificado trabajan 40 horas semanales fijas, por lo tanto, solo es necesario cuantificar como variables las horas extraordinarias de
trabajo.
zj = horas extraordinarias de los trabajadores tipo j
j = 1, 2
Donde tipo 1 corresponde a obreros no calificados y tipo 2 a obreros calificados.

11

Segundo Semestre 2003

Programaci
on Lineal

Como existe informacion de costos de produccion y de precio de venta para razonable plantear el
problema como uno de maximizacion de utilidades. Luego, debemos expresar la diferencia entre ingresos (I) y costos (C) como funcion de las variables de decision:
I

= 6,5 x1 + 15 (x2 + x3 )

C = 2 40 0,4 + 0,6 z1 + 1 40 0,6 + 0,9 z2 +

|
{z
} |
{z
}
sueldos o.n.c.
sueldos o.c.
1 (2 40 + z1 ) + 2,4 (1 40 + z2 ) +
800
|{z}
|
{z
}
costos fijos
gastos de operacion variables

Luego, la funcion objetivo queda:

Z =I C

M ax

De acuerdo al enunciado, existen lmite inferior y superior para la demanda de productos intermedios:
x1 100
x1 150
Las otras restricciones tienen que ver con la disponibilidad de mano de obra para produccion:
0,5 (x1 + x2 ) + 0,6 x3
z1
0,25 x1 + 0,75 x2 + 0,5 x3
z2

80 + z1
20
40 + z2
10

Finalmente, se deben incorporar la restricciones de signo:

x i , zj

5.7.

i, j

Problema de la Aerolnea

Una determinada aerolnea, con centro en Santiago, esta dise

nando un nuevo sistema de atencion
a pasajeros que realicen viajes a cuatro destinos especficos: Antofagasta, Temuco, Puerto Montt y
Punta Arenas. Para eso consta de tres tipos de aviones, los que difieren en capacidad, rendimiento
y costos, seg
un se muestra en el Cuadro 5.5. Historicamente para esta epoca se tiene una demanda
Tipo de
Avion
1
2
3

Costo de Operacion por viaje en la ruta:

Antofagasta Temuco Puerto Montt Punta Arenas
1000
1100
1200
1500
800
900
1000
1000
600
800
800
900
Cuadro 5.5: Costos de operacion por viaje

mnima diaria de 90 pasajeros a Antofagasta, 100 a Temuco, 200 a Puerto Montt y de 120 pasajeros
a Punta Arenas. Ademas, lo que la aerolnea recibe por pasajero a cada lugar es de 40 si el destino
es Antofagasta, 40 si el destino es Temuco, 45 si el destino es Puerto Montt y 70 si se viaja a Punta
Arenas.
Los datos tanto de operacion y de disponibilidad que actualmente tiene la aerolnea se muestran en
el Cuadro 5.6. Finalmente, se ha dispuesto (de preferencia, pero no obligatoriamente) atender mas
12

Segundo Semestre 2003

Programaci
on Lineal

Tipo de Avion
1
2
3

Capacidad (pasajeros)
50
30
20

N
umero de Aviones
5
8
10

Cuadro 5.6: Capacidad y disponibilidad de aviones

Tipo de
Avion
1
2
3

N
umero maximo de viajes diarios a:
Antofagasta Temuco Puerto Montt Punta Arenas
3
2
2
1
4
3
3
2
5
5
4
2
Cuadro 5.7: Costos de operacion por viaje

de una ruta por cada tipo de avion, ante lo cual se han planteado condiciones al dise
no del sistema
de pasajeros (Cuadro 5.7). Determinar el modelo de programacion lineal que permita optimizar la
asignacion de los aviones a las distintas rutas.
Modelo:
Para plantear el problema, se debe definir variables de decision que sean capaces de reflejar el tipo de
avion (i = 1, . . . 3) y el destino (j = 1, . . . 4) al que es asignada. Luego, se define:
xij

= n
umero de aviones de tipo i asignados al destino j

En este problema, no se conoce el valor exacto de la demanda por pasajes ya que solo se conoce el
valor mnimo de la demanda por pasajes. Por lo tanto, se puede formular la funcion objetivo de dos
formas: como un un problema de maximizacion de las utilidades obtenidas de la diferencia entre el
ingreso mnimo asociado a la demanda mnima conocida y el costo de asignacion de los aviones (ingresos constantes), o bien simplemente como un problema de minimizacion de costos de asigancion.
Intuitivamente es claro que maximizar una constante menos unas funcion frente a minimizar la misma
funcion es equivalente, por lo que cualquiera de las dos formulaciones conduce a la misma solucion.
Luego, la funcion objetivo queda:
Min

3 X
4
X

cij xij

i=1 j=1

Donde los coeficientes cij corresponden a los datos del Cuadro 5.5. Luego, se procede a plantear las
restricciones. En primer lugar se debe garantizar poder satisfacer la demanda mnima, por lo tanto
basta ponderar la capacidad de cada tipo de avion por el n
umero asignado a cada destino j:
50x1j + 30x2j + 20x3j dj

j = 1, . . . 4

Donde dj representa la demanda de cada destino j, es decir: 90, 100, 200 y 120 para Antofagasta,
Temuco, Puerto Montt y Punta Arenas, respectivamente.

13

Segundo Semestre 2003

Programaci
on Lineal

Por otro lado, no es posible asignar mas aviones de los disponibles:

4
X

i = 1, . . . 3

xij ni

j=1

Donde ni representa la disponibilidad del tipo de avion i, es decir, 5, 7 y 10.

Tambien existe una restriccion asociada al n
umero de viajes diarios maximo por tipo de avion i a
cada destino j:
xij mij
ij
Los coeficientes mij corresponden a los datos del Cuadro 5.7.
Finalmente, solo se debe agregar la restriccion de signo:
xij 0

ij

14