Investigacin de Operaciones I

(SIS-209; IND-225)
Ing. Viktoria Belianskaya

Programacin Lineal (PL).

Construccin de Modelos.

Programacin Lineal (PL).

Construccin de Modelos.
Contenido:

El impacto de PL en la actualidad.
Elementos de los modelos de PL.
Proceso de construccin de los modelos de PL.
Ejemplo prototipo.
Suposiciones y limitaciones de los modelos de PL.
Ejemplos de construccin de los modelos de PL
para diferentes reas de aplicacin.

Programacin Lineal (PL).

Dio un impulso al desarrollo de la IO.
Una de las ms aplicables herramientas
de IO.
Netamente determinstica.
Se usa en varias temas especficos que
trata IO.

Programacin Lineal (PL)

Nace oficialmente el 1947. Modelo General de

PL y su solucin. Proyecto SCOOP (Scientific
Computation of Optimum Program). George
Dantzig.
Primeras aplicaciones: militares, econmicas y
teora de juegos. Actualmente: transporte, medio
ambiente, sociologa, hospitales, industria en
general.

Mtodo de solucin de PL.

Mtodo SIMPLEX de la solucin del
modelo general de PL (1947).
Primera computadora (1946).
Primer problema de PL resuelto con xito:
problema de la dieta (1948), manualmente
tom 120 das-hombre, hoy con el uso de
computadora es fraccin de segundo.

Ejemplo Prototipo 1

George Bell intenta determinar cuntas unidades de telfonos

inalmbricos producir cada da. Uno de ellos es el modelo estndar;
el otro, es el modelo de luxe. La utilidad por unidad en el modelo
estndar es de 40 dlares mientras que la utilidad por el modelo de
luxe es de 60 dlares. Cada uno de ellos requiere 30 minutos de
tiempo de ensamble. Los tiempos de inspeccin necesarios son: en
el modelo de lujo 15 minutos, mientras que en el modelo estndar
10 minutos. La compaa debe llenar una orden de 6 telfonos de
luxe. Hay 450 minutos de tiempo de ensamble y 180 minutos de
tiempo de inspeccin disponibles cada da. Cuntas unidades de
cada producto deben ser fabricados para maximizar las utilidades?

Entender el Problema:

Qu se quiere encontrar?
Existen condiciones o limitaciones en el contexto? Cules?
Cul es la meta en el problema?

Modelo Ejemplo 1

Xe cantidad de los telfonos estndar para la produccin

diaria (en unidades);
Xl cantidad de los telfonos deluxe para la produccin
diaria (en unidades).
Xe0, Xl 0

30Xe+30Xl 450 lmite del tiempo de ensamblaje

10Xe+15Xl 180 lmite de tiempo de inspeccin
Xl 6 se debe cumplir la orden de los tel. de luxe
Z= 40Xe + 60Xl max ganancia total debe ser la
mxima posible

Ejemplo Prototipo 2 (problema de la dieta)

Un granjero cra cerdos para venta y desea determinar las

cantidades de los distintos tipos de alimentos disponibles (maz,
grasas y alfalfa) que debe dar a cada cerdo. Como los cerdos se
comern cualquier mezcla de estos tipos de alimentos, el objetivo
es determinar que mezcla cumple ciertos requerimientos
nutricionales a un costo mnimo. En la siguiente tabla se dan las
unidades de cada tipo de ingrediente nutritivo bsico contenido en
un kilogramo de cada tipo de alimento, junto con los requisitos
nutricionales diarios y los costos de los alimentos.

Ingrediente
nutricional

Kilogramo de

Kilogramo

Kilogramo

Requerimiento

maz

de grasas

de alfalfa

mnimo diario

Carbohidratos

90

20

40

200

Protenas

30

80

60

180

Vitaminas

10

20

60

150

Costo(u.m.)

84

72

60

Modelo Ejemplo 2

Qu se quiere encontrar?
X1- cantidad de maz (en kg) en alimento
X2- cantidad de grasas (en kg) en alimento
X3- cantidad de alfalfa (en kg) en alimento
X1,X2,X3 0.

Existen condiciones o limitaciones en el contexto? Cules?

90X1+20X2+40X3 200 cumplir los requerimientos en carbohidratos
30X1+80X2+60X3 180 cumplir los requerimientos en vitaminas
10X1+20X2+60X3 150 cumplir los requerimientos en protenas

Cul es la meta en el problema?

Z = 84X1+72X2+60X3 min

el costo de alimento debe ser el mnimo

posible

Ejemplo Prototipo 3(requerimiento de

personal)

El famoso restaurante E.S. Mann est abierto las 24 horas del da. Los
meseros y ayudantes se reportan para trabajar al inicio de los seis
periodos indicados en la tabla, cada uno trabaja un turno de 8 horas. La
siguiente tabla muestra el mnimo nmero de trabajadores necesarios
durante los seis perodos en que est dividido el da. El problema de
programacin de Mann es la determinacin de cuntos meseros y
ayudantes deben reportarse al trabajo al principio de cada perodo de
tiempo, con el fin de minimizar el total de empleados requeridos para un
da de operacin: (pista: Xi es igual al nmero de meseros y ayudantes
que inician su trabajo en el perodo i, donde i=1,2,3,4,5,6).
Pero
do

Hora

Nmero requerido de meseros y

ayudantes

3 am - 7am

7 am - 11am

12

11am - 3pm

16

3 pm - 7 pm

7 pm - 11pm

11

11pm - 3 am

Modelo Ejemplo 3

Variables
Xi - el nmero de meseros y ayudantes que inician su trabajo
en el perodo i, donde i=1,2,3,4,5,6)
Xi0

Restricciones
La cantidad de los trabajadores debe alcanzar para el
periodo determinado
Perodo1: X6+X1 3
Perodo4: X3+X4 9
Perodo2: X1+X2 12 Perodo5: X4+X5 11
Perodo 3:X2+X3 16 Perodo6: X5+X6 4

Funcin Objetivo
Z= X1+X2+X3+X4+X5+X6 min
minimizar el total de los meseros y ayudantes contratados

Ejemplo 4 (analizando los procesos)

Una compaa de productos qumicos dispone de 2 procesos de
reaccin mediante los cuales debe producir 2 tipos de compuestos.
Con el primer proceso se producen 2 [kg/h] del compuesto Aspirina y
1 [kg/h] del compuesto Dipirona. Mientras que el segundo proceso
produce 3 [kg/h] de Aspirina y 1 [kg/h] de Dipirona.
La gerencia ha determinado las siguientes condiciones:
La cantidad del compuesto Aspirina no puede sobrepasar los 30 [kg]
por da.
La cantidad del compuesto Dipirona debe ser mayor a los 7 [kg] por
da.
Las horas que se ejecuta el primer proceso no deben ser mayor a 5
[Hr] en el da con respecto a las horas que se ejecuta el proceso 2. El
mximo tiempo que se corre cada proceso es de 9 [Hr].
El precio de venta del compuesto Aspirina es 20 [$/Kg], mientras que
la Dipirona se vende a 60 [$/Kg].
Objetivo es determinar las horas que debe ejecutarse cada proceso de
manera que se maximice la utilidad total cumpliendo con las
condiciones.

Entender el problema
<=9 horas

En la misma hora !!!

Aspirina

2 kg/h

Proceso 1

<=30 kg
20$/kg

1 kg/h

3 kg/h

Proceso 2
<=9 horas

1 kg/h

Dipirona

En la misma hora !!!

Objetivo es determinar las horas

que debe ejecutarse cada
proceso de manera que se
maximice la utilidad total
cumpliendo con las
condiciones.

>=7 kg
60$/kg

Modelo ejemplo 4

Variables:
Xi horas de ejecucin del proceso i
Xi>=0
Restricciones:
1) Aspirina no ms que 30 kg
2*X1+3*X2<=30
kg/h*h+kg/h*h= kg+kg= kg<=kg
anlisis dimensional

2) Dipirona no menos que 7 kg

1*X1+1*X2>=7
3) Cada proceso no ms que 9 horas
X1<=9 X2<=9
4) Horas Proceso1-Horas Proceso 2<=5 horas
X1-X2<=5
Funcin Objetivo:
Utilidad total mxima:
Z=20*(2*X1+3*X2) + 60*(X1+X2)=100*X1+120*X2max

Ejemplo 5 (con tratamiento de %)

En Explosives, Inc. se mezclan azufre, carbn y salitre
para producir plvora. El producto final debe contener al
menos 10%, pero no ms de 20%, de carbn por unidad
de peso. La cantidad de salitre no puede exceder el 50%
de la cantidad de carbn usado. Para evitar una
explosin accidental, la suma de 50% del azufre ms
60% del carbn ms 30% del salitre usados no puede
exceder el 35% del producto final. El azufre es con
mucho el componente ms caro. Formule un modelo
para determinar la cantidad de cada ingrediente que
debe utilizarse para producir cada libra de plvora que
satisfaga las restricciones y, a la vez, que requiera la
menor cantidad de azufre.

Modelo ejemplo 5

Variables:
Xi peso de ingrediente i (en lb) en una libra de plvora
Xi>=0, i=1..3 (1-azufre, 2- carbn, 3-salitre)
Restricciones:
1) Todos los ingredientes forman 1 lb
X1+X2+X3=1
2) Contenido de carbn (en una libra del producto final):
a) al menos 10%
X2>=0.1
b) no ms que 20%
X2<=0.2
3) Cantidad de selitre no puede exceder 50% de carbn usado
X3<=0.5X2
4) Para evitar una explosin:
0.5X1+0.6X2+0.3X3<=0.35
Funcin Objetivo:
Usar la cantidad mnima posible de azufre:
Z=X1min

Ejemplo 6. Entender proceso e identificar las

relaciones
La ciudad 1 produce 500 toneladas de basura por da, y la ciudad 2 produce 400
toneladas de basura diarias. La basura debe ser incinerada en el incinerador 1 2, y
cada incinerador puede procesar hasta 500 toneladas de basura diarias. El costo de
incinerar basura es de $40 por tonelada en el incinerador 1 y de $30 por tonelada en
el 2. La incineracin reduce cada tonelada de basura a 0.2 toneladas de escombros,
que debe depositarse en alguno de dos basurales que reciben relleno. Cada uno de
ellos puede recibir a lo sumo 200 toneladas de escombros por da. Cuesta $3 por
milla transportar una tonelada de material (basura o escombros). Las distancias (en
millas) entre los distintos lugares se muestra en la tabla. Formular un LP que minimice
el costo total de deshacerse de la basura en las dos ciudades.
Incinerador 1

Incinerador 2

Ciudad 1

30

Ciudad 2

36

42

Basural 1

Basural 2

Incinerador 1

Incinerador 2

Entender el problema
<=500 ton
40$/ton

500 ton
Ciudad 1

Ciudad 2
400 ton

Incinerador1

Incinerador 2
<=500 ton
30$/ton

Se reduce a 0.2
Basural 1

Basural 2

<=200 ton

<=200 ton

Costo de transporte:
3$/(milla*ton)

Deshacerse de la basura es identificar qu cantidades de basura se llevan

de cada ciudad a cada de los incineradores, y qu cantidades de
escombros se llevan de cada incinerador a cada uno de los basurales.

Modelo ejemplo 6

Variables:
Xij cantidad de toneladas de basura que se lleva de la ciudad i al incinerador j
Yjl cantidad de toneladas de escombros que se lleva del incinerador j al basural l
Xij>=0,Yij>=0 i=1,2; j=1,2; l=1,2
Restricciones:
1) Cantidad de basura de cada ciudad
X11+X12=500
X21+X22=400
2) Capacidad de los incineradores
X11+X21<=500
X12+X22<=500
3) Relacin de la cantidad de escombros que salen de los incineradores
Y11+Y12=0.2(X11+X21)
Y21+Y22=0.2(X12+X22)
4) Capacidad de los basurales
Y11+Y21<=200
Y12+Y22<=200
Funcin Objetivo:
Minimizar el costo del procedimiento de eliminacin de la basura (transporte basura, incineracin,
transporte escombros):
Z=3*30*X11+3*5*X12+3*36*X21+3*42*X22+
costo transp. basura +
+40*(X11+X21)+30*(X12+X22)+
costo incineracin +
+3*5*Y11+3*8*Y12+3*9*X12+3*6*X22 min
costo transp. escombros

Ejemplo 7. Programacin en el tiempo

HealthNut Company tiene una mquina que muele semillas de Psyllium hasta
producir un polvo fino a una velocidad de 30 lb por hora. La compaa tambin usa la
mquina para hacer crema de cacahuate con cacahuates tostados a una velocidad
de 60 lb por hora. El tiempo de fijacin para cambiar la mquina de un producto al
otro es despreciable. La demanda mensual y los costos de mantenimiento de
inventario de cada producto se muestran en la tabla .
El inventario inicial para cada producto a principios de mayo es 0 y tambin debe ser
0 a finales de julio. En ningn momento el inventario de Psyllium puede exceder las
1.000 libras, ni de la crema de cacahuate las 500 libras. Asimismo, cada mes hay
200 horas de tiempo de mquina disponible. Formule un programa lineal para
determinar un plan de produccin para los meses de mayo, junio y julio que minimice
los costos totales de almacenamiento, suponiendo que satisface la demanda al final
de cada mes y que los costos de mantenimiento de existencia se basan en la
cantidad del inventario a principios del mes.
DEMANDA (lb)

COSTOS DE
ALMACENAMIENTO($/lb)

Crema de cacahuate

Psyllium

Crema de cacahuate

Psyllium

Mayo

400

600

0.10

0.05

Junio

450

700

0.10

0.05

Julio

500

650

0.12

0.05

Modelo ejemplo 7

Variables:
Xij cantidad de libras del producto i que se produce en el mes j
Xij>=0, i=1,2 (1- crema de cacahate, 2- Psyllium); j=1..3 (1-mayo, 2-junio, 3-julio)
Restricciones:
1) Demanda que se debe satisfacer para crema de cacahuate
Mayo X11>=400,
Inventario inicial es 0, lo que se produce no debe ser menor que demanda
Junio X12+(X11-400)>=450
Lo que se produce mas lo sobrante del mes anterior
Julio X13+(X12+(X11-400)-450)=500
Debe ser =500 para dejar el inventario final 0.
2) Demanda que se debe satisfacer para Psyllium (por analoga con lo anterior)
Mayo X21>=600
Junio X22+(X21-600)>=700
Julio X23+(X22+(X21-600)-700)=650
3) Consideracin del lmite de inventario para crema de cacahuate
X11-400<=500 lo que sobra en mayo
X12+(X11-400)-450<=500 lo que sobra en junio, en julio ser 0 y esto garantizan las restricciones con igualdad
3) Consideracin del lmite de inventario para Psyllium
X21-600<=1000 lo que sobra en mayo
X22+(X21-600)-700<=1000 lo que sobra en junio
4) Capacidad mensual de mquina para procesamiento
X11/60+X21/30<=200 Mayo
X12/60+X22/30<=200 Junio
X13/60+X23/30<=200 Julio
Funcin Objetivo:
Minimizar el costo de almacenamiento (basado en el inventario del inicio del mes):
Z= 0.10*(X11-400)+0.12*(X12+(X11-400)-450)+0.05*(X21-600)+0.05(X22+(X21-600)-700) min
al inicio de junio y julio de cacahuate
al inicio de junio y julio de Psyllium

Ejemplo 8. Anlisis que produce la informacin

para modelacin.

Se cuenta con dos tipos de lminas de madera. El primer tipo es de 4 mts de

largo y el segundo tipo de lminas es de 6 mts de largo. La cantidad de
lminas del primer tipo es de 50 piezas y el de segundo tipo es de 75 piezas.
Es necesario que las lminas se corten y se forman los juegos de tablas que
se componen de 3 tablas de 2 mts y 2 de 1.25 mts de largo. Se necesita
fabricar la mxima cantidad de juegos de lminas.
Tipos de cortes:

Lmina 4 m

Variables:

Un Juego:

1)

2 lam: 2 m

X1

3 lam: 2 m,

2)

1 lam: 2 m,

X2

2 lam: 1,25 m

1 lam: 1,25 m
3) 3 lam: 1,25 m
Tipos de cortes:
Lmina 6 m

X3

1)

3 lam: 2 m

Y1

2)

2 lam: 2 m,

Y2

1 lam: 1,25 m
3)

1 lam: 2 m,

Y3

3 lam: 1,25 m
4)

4 lam: 1,25 m

Y4

Es necesario considerar la
proporcin en la
cantidad de las tablas
producidas para
formar juegos

Modelo ejemplo 8

Variables:
Xi cantidad de lminas de 4 metros cortados de modo i
Xi>=0, i=1..3
Yj cantidad de lminas de 6 metros cortados de modo j
Xj>=0, j=1..4

Restricciones:
1) Lmite de cantidad de lminas de 4 m
X1+X2+X3<=50
2) Lmite de cantidad de lminas de 6 m
Y1+Y2+Y3+Y4<=75
3) Consideracin de la proporcin de las cantidades de las tablas de 2 m y de 1,25 m
(utilizando los datos de anlisis de los cortes posibles)
(2X1+X2+3Y1+2Y2+Y3)/ 3 = (X2+3X3+Y2+3Y3+4Y4)/2
Cada una de las partes de esta relacin representa el nmero de los juegos que sale

Funcin Objetivo:
Maximizar la cantidad de los juegos a producir:
Z= (2X1+X2+3Y1+2Y2+Y3)/ 3 max

Ejemplo 9 (alternativas de planteamiento)

(ver archivo Citrus)
Cada semana, Florida Citrus, Inc., usa una sola maquina durante 150 horas para destilar
jugo de naranja y de toronja en concentrados almacenados en dos tanques
separados de 1000 galones antes de congelarlos. La maquina puede procesar 25
galones de jugo de naranja por hora, pero solo 20 galones de jugo de toronja. Cada
galn de jugo de naranja cuesta $1.50 y pierde 30% de contenido de agua al
destilarse en concentrado. El concentrado de jugo de naranja se vende despus en
$6.00 por galn. Cada galn de jugo de toronja cuesta $2.00 y pierde 25% de
contenido de agua al destilarse en concentrado. El concentrado de jugo de toronja se
vende despus en $8.00 por galn.
Formule un modelo de programacin lineal para determinar un plan de produccin que
maximice la ganancia.
Alternativas de planteamiento del modelo en funcin del significado de las variables.
Alternativa 1:
X1 = el nmero de galones de jugo de naranja usados en la semana.
X2 = el nmero de galones de jugo de toronja usados en la semana.
Alternativa 2:
X1= el nmero de galones de concentrado de naranja producidos en la semana.
X2= el nmero de galones de concentrado de toronja producidos en la semana
Alternativa 3:
X1 = el nmero de horas de tiempo de mquina a usarse esta semana para destilar jugo
de
Naranja.
X2 = el nmero de horas de tiempo de mquina a usarse esta semana para destilar jugo
de
Toronja.

Modelo general de PL
1.

Funcin Objetivo:

2.

Restricciones:

Z c1 X 1 c 2 X 2 ... c N X N Max( Min)

a j1 X 1 a j 2 X 2 ... a jN X N b j , j 1..n
a k1 X 1 a k 2 X 2 ... a kN X N bk , k n 1..n l
a p1 X 1 a p 2 X 2 ... a pN X N b p , p n l 1..n l m
n l m M (total restriccio nes)

3.

Variables:

X 1 , X 2 ,..., X N 0

Si n=0, en el modelo no se tienen las restricciones ;

Si l=0, entonces, se ausentan las restricciones de tipo ;
Si m=0, el modelo es sin restricciones con igualdades.

Suposiciones (o caractersticas) del modelo de PL

Para que un modelo sea de PL se deben

verificarse siguientes caractersticas:
Proporcionalidad
Aditividad
Divisibilidad
Certidumbre

Suposiciones (o caractersticas) del modelo

de PL
Proporcionalidad: La contribucin de cada actividad al valor de la
funcin objetivo o a lado izquierdo de una restriccin es
proporcional al nivel de esa actividad (cj*Xj o aij*Xj)
Z=3*X1+5*X2 (Ganancia del producto 1: 3*X1)

Valores X1

Proporcionalidad
se cumple

Proporcionalidad no se cumple
Caso1
Caso2
Caso3

12

12

11

18

Suposiciones (o caractersticas) del modelo

de PL

Aditividad: Cada funcin en el modelo (sea f.o. o las restricciones) es la

suma de las contribuciones individuales de las actividades respectivas
Z=3*X1+5*X2 (Contribucin de actividad 1: 3*X1
Contribucin de actividad 2: 5*X2)
X1

X2

Aditividad
se cumple

Aditividad no se cumple
Caso1
Caso2

Productos
complementarios

Productos en
competicin

Suposiciones (o caractersticas) del modelo de PL

Divisibilidad: los valores de las variables pueden

ser fraccionarios.

Certidumbre: Los coeficientes en la funcin

objetivo y en las restricciones deben ser
conocidos y constantes.

Se cumplen las suposiciones?

Una empresa textil fabrica 3 tipos de ropa: camisas, pantalones y shorts.
Las mquinas necesarias para la confeccin deben ser alquiladas a los
siguientes costos:
200$ por semana la mquina de camisas
150$ por semana la mquina de shorts
100$ por semana la mquina de pantalones
Se dispone de 150 horas hombre y 160 m de tela.
Los requerimientos, costos y precio de venta de cada tipo de ropa son los
siguientes:
Horas Hombre
m de tela
Costo
Precio de Venta
Camisas
3
2
12
16
Shorts
2
1
8
14
Pantalones 6
3.5
15
18
Formular un modelo que maximice las ganancias.

NO!!! Costos no son proporcionales

a la cantidad producida

Se cumplen las suposiciones?

Una corporacin est desarrollando sus
planes de comercializacin para los
nuevos productos del ao prximo.
Esta considerando la compra de un
total de cinco comerciales de
televisin en las redes nacionales para
tres de estos productos , con un
mximo de tres ( y un mnimo de cero)
para cada producto.
La tabla muestra el impacto estimado de
asignar 0,1,2 o 3 comerciales a cada
producto . Este impacto se mide en
trminos de la ganancia (en millones
de dlares ) de las ventas adicionales
que resultaran de los comerciales. El
objetivo es asignar cinco comerciales
a los productos de manera que se
maximice la ganancia total.

Nmero de
comerciales

Ganancia
Producto

0
1
2
3

0
1
3
3

0
0
2
3

0
-1
2
4

NO!!! Los datos de las ganancias

no son proporcionales

Principios generales de modelacin:

No se debe elaborar un modelo complicado cuando uno simple es

suficiente
El problema no debe ajustarse al modelo o mtodo de solucin
La fase deductiva de la modelacin debe realizarse rigurosamente
Los modelos deben validarse antes de su implantacin
Nunca debe pensarse que el modelo es el sistema real
Un modelo nunca debe de criticarse por algo para lo que no fue
hecho
No venda un modelo como perfeccin mxima
Uno de los primeros beneficios de la modelacin reside en el
desarrollo del modelo.
Un modelo es tan bueno o tan malo como la informacin con la que
se trabaja.
Los modelos no pueden reemplazar al tomador de decisiones.

Ejercicio
Una compaa posee una fbrica de pinturas para interiores y exteriores de casas para su
distribucin al mayoreo. Se utilizan dos materiales bsicos A y B, para producir las
pinturas. La disponibilidad mxima de A es de 6 toneladas diarias, la de B es de 8
toneladas por da. La necesidad de materia prima por tonelada de pintura se resume en
la tabla. Un estudio del mercado ha establecido que la demanda diaria de pintura para
interiores no puede ser mayor que la pintura de exteriores en ms de una tonelada.
Asimismo, el estudio seala que la demanda mxima de pintura para interiores est
limitada a 2 toneladas diarias.
El precio al mayoreo por tonelada es $3000 para la pintura para exteriores y $2000 para la
pintura de interiores. Cunta pintura para exteriores e interiores debe producir la
compaa todos los das para maximizar el ingreso bruto?

MP
A

Ton/ton pint.
ext.
1

Ton/ton pint.
int.
2

Disponibilidad
Max(ton)
6