Formulación de Modelos de Programación Lineal Lineal (Parte 1)

FORMULACIN DE
MODELOS DE
PROGRAMACIN
LINEAL
12 de Diciembre de 2013
Programacin Lineal Jos Luis Quintero 1
LINEAL
(Parte 1)
Postgrado de Investigacin de Operaciones
Facultad de Ingeniera
Universidad Central de Venezuela
1. Formulacin de modelos de Programacin
Lineal
2. Ejemplo 1 (Cervezas)
3. Ejemplo 2 (Transporte)
4. Ejemplo 3 (Carbn)
Puntos a tratar
5. Ejemplo 4 (Dieta)
6. Ejemplo 5 (Produccin)
7. Ejemplo 6 (Finanzas)
8. Ejemplo 7 (Mezcla de combustible)
Formular un modelo de PM de un problema
real, significa escribir un conjunto de
expresiones matemticas que describan el
fenmeno estudiado. Ahora se desarrollan
algunos ejemplos de formulacin, usando el
enfoque directo, que permite formular
Formulacin de modelos de PL
Programacin Lineal Jos Luis Quintero
enfoque directo, que permite formular
modelos de PL definiendo las variables de
decisin y construyendo directamente las
expresiones del objetivo y de las restricciones.
Para escribir las expresiones matemticas que
formalmente definen el problema, se sugiere que
previamente se tome un tiempo para entender el
problema, para ello, el analista puede entretenerse:
Formulando un boceto en castellano del problema de
optimizacin.
Tabulando la data numrica del problema, de resultar
Tabulando la data numrica del problema, de resultar
ello prctico.
Para proceder luego a la:
Definicin de las variables de decisin
Formulacin de la funcin objetivo
Formulacin de las restricciones
Definicin de las variables de decisin:
Utilizando una simbologa matemtica adecuada, identifique
cada variable y acompae cada una con una frase en
castellano que la describa. Utilice identificadores
nemotcnicos si es posible.
Recuerde que una variable de decisin representa el nivel que
alcanza una cierta actividad que la unidad de decisin puede
alcanza una cierta actividad que la unidad de decisin puede
o no emprender. Un buen enfoque para saber cules son las
variables de decisin consiste en colocarse en los zapatos de
la unidad de decisin y preguntarse qu actividades puede
realizar para mejorar el objetivo planteado.
Asegrese que las variables sean continuas para que se
cumpla la divisibilidad, de no ser as, la PL puede no ser la
herramienta adecuada. Si no lo fueren, tenga conciencia de
ello para interpretar los resultados.
Formulacin de la funcin objetivo:
Exprese la funcin objetivo como una relacin lineal de las
variables de decisin, trate de conservar la frase en
castellano que la describe.
Asegrese del cumplimiento de la aditividad y de la
proporcionalidad en las expresiones obtenidas.
Formulacin de las restricciones:
Exprese las restricciones como relaciones lineales de las
variables de decisin.
Trate de conservar las frases que describen cada restriccin.
Asegrese del cumplimiento de la aditividad y de la
proporcionalidad. No olvide las restricciones de signo de las
variables que puedan existir.
Algunos consejos adicionales:
Paralelamente al planteamiento de las expresiones de la
funcin objetivo y de las restricciones, haga una revisin
dimensional para verificar la consistencia en las
unidades involucradas.
La consistencia no indica que el problema est bien
La consistencia no indica que el problema est bien
formulado, pero la inconsistencia dimensional revela una
mala formulacin de la expresin correspondiente.
Recuerde que uno de los propsitos de los modelos es la
comunicacin, por lo que debe ser claro y explcito al
formular un problema, para que otra persona pueda
entender lo que Usted quiere transmitir. Documente su
modelo para ese fin.
Lineal
Puntos a tratar
Una compaa produce dos tipos de cerveza,
rubia y negra. La ganancia por litro de cerveza
rubia es de 2 Bs. y por litro de cerveza negra
es de 1 Bs. Se dispone de 80 unidades de
malta, 60 unidades de cebada y 55 unidades
Ejemplo 1
malta, 60 unidades de cebada y 55 unidades
de levadura. Se considera ilimitada la
cantidad de agua y dems ingredientes
involucrados.
Para producir un litro de cerveza rubia se
requieren 2 unidades de malta, 3 unidades de
cebada y 2 unidades de levadura. Para
producir un litro de cerveza negra se requieren
8/3 de unidades de malta, 1 unidad de
Ejemplo 1
8/3 de unidades de malta, 1 unidad de
cebada y 5/3 de unidades de levadura.
Formule el modelo que permita calcular
cuanta cerveza de cada tipo se debe producir
a fin de que la ganancia sea mxima.
Formulamos un boceto en castellano, similar a:
maximizar la ganancia sujeto a:
consumo de malta disponibilidad de malta
consumo de cebada disponibilidad de cebada
consumo de levadura disponibilidad de levadura
cantidad de cerveza rubia a producir 0
cantidad de cerveza negra a producir 0
Ejemplo 1
cantidad de cerveza negra a producir 0
Resumimos la data del problema :
Requerimientos
Malta Cebada Levadura Ganancia
Rubia 2 3 2 2
Negra 8/3 1 5/3 1
Disponible 80 60 55
El problema de la unidad de decisin es saber cunta
cerveza de cada tipo debe producir para maximizar su
ganancia, luego las variables de decisin son:
x
1
: Litros de cerveza rubia a producir
x
2
: Litros de cerveza negra a producir
Ejemplo 1
El objetivo perseguido es maximizar la ganancia, por tanto
debemos encontrar la expresin de la ganancia, que
llamamos z, en funcin de las variables de decisin
definidas. Se tiene que z = 2x
1
+ x
2
, expresin en la cual
simplemente se multiplican los litros de cerveza de cada
tipo a producir por la ganancia unitaria, lo cual arroja una
ganancia expresada en Bs.
Restriccin impuesta por la malta:
Tenemos la relacin:
consumo de malta disponibilidad de malta
luego la expresin del consumo de malta en funcin de las
variables de decisin es:
2 1
x
3
8
x 2 + ++ +
Ejemplo 1
y completamos con la limitacin del recurso:
donde se multiplican los litros de cerveza de cada tipo a
producir, por la malta consumida al producir un litro de
cada tipo. Ello arroja el total de malta consumida que debe
mantenerse por debajo de la disponibilidad.
2 1
x
3
x 2 + ++ +
80 x
3
8
x 2
2 1
+ ++ +
Restriccin impuesta por la cebada:
Tenemos que:
consumo de cebada disponibilidad de cebada
y la expresin correspondiente es:
3x
1
+ x
2
60
Ejemplo 1
producir, por la cebada consumida al producir cada
litro, lo que arroja el total de cebada consumida que
debe mantenerse por debajo de la disponibilidad.
Restricciones impuestas por la levadura:
Se tiene la relacin:
consumo de levadura disponibilidad de levadura
que corresponde a la restriccin:
donde hemos calculado la levadura consumida en la
55 x
3
5
x 2
2 1
+ ++ +
Ejemplo 1
donde hemos calculado la levadura consumida en la
produccin total que no debe superar la disponibilidad.
Note que hay consistencia de unidades.
Restricciones de signo:
No debemos olvidar que:
cantidad de cerveza producida 0
lo cual se traduce en las restricciones: x
1
0 y x
2
0
Finalmente el modelo queda:
2 1
x x 2 z max + ++ + = == =
(Ganancia)
80 x
3
8
x 2
2 1
+ ++ +
(Malta)
60 x x 3
2 1
+ ++ +
(Cebada)
5
s.a.:
Ejemplo 1
donde x
1
: Litros de cerveza rubia a producir
x
2
: Litros de cerveza negra a producir
55 x
3
5
x 2
2 1
+ ++ +
(Levadura)
0 x
1

(No negatividad)
0 x
2

(No negatividad)
Lineal
Puntos a tratar
Una empresa agrcola dispone de dos almacenes para
abastecer de granos a tres distribuidores regionales. El almacn 1
dispone de 1000 ton. de grano y el almacn 2 dispone de 2000
ton. por perodo. La demanda en los tres distribuidores se estima
en 1500, 750 y 750 toneladas por perodo, respectivamente. El
costo de transporte por tonelada de grano es:
Distribuidor 1 Distribuidor 2 Distribuidor 3
50 100 60 Almacn 1
Ejemplo 2
Formule el modelo que permita calcular las toneladas de granos
a transportar en un perodo para satisfacer la demanda y lograr
un costo mnimo de transporte.
50 100 60
30 20 35
Almacn 1
Almacn 2
Formulamos un boceto del modelo en castellano:
minimizar el costo de transporte
sujeto a:
salida del almacn i = oferta del almacn i
recibido por el distribuidor j = demanda del distribuidor j
salida del almacn i recibida por el distribuidor j 0
Ejemplo 2
La siguiente tabla resume la data:
Costos de Transporte
Distribuidor 1 Distribuidor 2 Distribuidor 3 Oferta
Almacn 1 50 100 60 1000
Almacn 2 30 20 35 2000
Demanda 1500 750 750

El problema de la unidad de decisin es saber cunto grano
va a transportar de cada almacn a cada distribuidor, de
manera de satisfacer la demanda y de que el costo de
transporte sea mnimo. Una hojeada a la data permite
verificar que satisfacer la demanda es factible. Las variables
de decisin pertinentes son seis:
x
ij
:Ton. De grano que van del almacn i al distribuidor j
Ejemplo 2
x
ij
(i=1, 2 y j=1, 2 , 3)
es decir:
x
11
:Ton. de grano del almacn 1 al distribuidor 1
x
12
x
13
x
21
x
22
x
23
El objetivo perseguido es:
Minimizar el costo de transporte, y viene dado por:
min z = 50x
11
+ 100x
12
+ 60x
13
+ 30x
21
+ 20x
22
+ 35x
23
Cada trmino expresa una cantidad en Bs. Note que hay una
hiptesis de proporcionalidad detrs que puede ser discutible.
Restricciones debidas a la oferta en cada almacn:
Ejemplo 2
Restricciones debidas a la oferta en cada almacn:
Se debe cumplir que:
salida del almacn i = oferta del almacn i
es decir: x
11
+ x
12
+ x
13
= 1000
x
21
+ x
22
+ x
23
= 2000
El envo de un almacn a un distribuidor no debe superar lo
disponible. Hay consistencia dimensional.
Restricciones por la demanda de cada distribuidor:
Se tiene que cumplir que:
recibido por el distribuidor j=demanda del distribuidor j
por lo tanto x
11
+ x
21
= 1500
x
12
+ x
22
= 750
x
13
+ x
23
= 750
las cuales determinan que la cantidad recibida por cada
Ejemplo 2
las cuales determinan que la cantidad recibida por cada
distribuidor debe igualar su demanda.
Obviamente:
toneladas de grano transportado 0
lo cual se traduce en:
x
ij
0 para i = 1, 2 y j = 1, 2, 3
No se pueden enviar cantidades negativas de grano.
Finalmente el modelo queda:
min z = 50x
11
+ 100x
12
+ 60x
13
+ 30x
21
+ 20x
22
+ 35x
23
(Costo del transporte)
s.a.:
x
11
+ x
12
+ x
13
= 1000 (Oferta del almacn 1)
x
21
+ x
22
+ x
23
= 2000 (Oferta del almacn 2)
x
11
+ x
21
= 1500 (Demanda del distribuidor 1)
Ejemplo 2
x
12
+ x
22
x
13
+ x
23
x
ij
0 (para i=1, 2 y j=1, 2, 3) (No negatividad)
siendo
x
ij
(i=1, 2 y j=1, 2 , 3)
Lineal
Puntos a tratar
Una planta termoelctrica utiliza carbn para
producir vapor. La planta puede adquirir dos
tipos de carbn (A y B). Las emisiones estn
reglamentadas a ciertos valores; la emisin de
partculas admisible es de 12 kg/hr. y la de
Ejemplo 3
partculas admisible es de 12 kg/hr. y la de
xidos de azufre es de 3000 ppm/hr. Se emiten
1800 ppm de xidos de azufre y 0,5 kg de
partculas por ton. del tipo A; su valor trmico
es de 24000 lbs/ton.
Por cada tonelada de carbn B, se emiten 3800
ppm de xido de azufre y 1 kg de partculas; su
valor trmico es de 20000 lbs/ton. El
pulverizador de la planta procesa en una hora
hasta 16 ton. del carbn tipo A slo o hasta 24
Ejemplo 3
hasta 16 ton. del carbn tipo A slo o hasta 24
ton. del tipo B slo. Se pueden pulverizar
mezclas, teniendo en cuenta que la cantidad a
pulverizar de un tipo se ve restringida por la
presencia del otro.
El sistema de vagones puede mover 20 ton. de
carbn por hora sin importar el tipo. Formule el
modelo que permita obtener la mezcla de
carbn tipo A y tipo B a utilizar que maximice la
Ejemplo 3
carbn tipo A y tipo B a utilizar que maximice la
electricidad producida.
Formulamos un boceto del modelo similar a:
maximizar la electricidad producida
sujeto a:
emisiones de partculas emisiones admisibles
emisiones de xidos de azufre emisiones admisibles
carbn pulverizado capacidad del pulverizador
carbn transportado capacidad de los vagones
Ejemplo 3
carbn procesado de cada tipo 0
La siguiente tabla resume la data:
xidos de Azufre Partculas Valor Trmico
Carbn A 1800 0,5 24000
Carbn B 3800 1 20000
Mximo 3000 12
La unidad de decisin desea saber cunto carbn de cada
tipo debe procesar para maximizar la electricidad producida,
entonces las variables de decisin son:
x
1
: Ton. de carbn tipo A a procesar por hora
x
2
: Ton. de carbn tipo B a procesar por hora
Ejemplo 3
Consideramos que existe una relacin del tipo:
Electricidad producida Vapor producido
a mayor vapor producido mayor electricidad obtenida y el
vapor producido es z = 24000x
1
+ 20000x
2
, donde cada
trmino tiene por dimensiones lbs/hr. El valor de z debe ser
maximizado, luego el objetivo es
max z = 24000x
1
+ 20000x
2
Restriccin impuesta por las emisiones de partculas:
Se tiene que:
emisiones de partculas emisiones admisibles
y se construye la expresin:
0,5x
1
+ x
2
12
Se tiene consistencia dimensional.
Ejemplo 3
Restriccin impuesta por las emisiones de xidos :
Tenemos que:
emisiones de xidos de azufre emisiones admisibles
y se llega a :
1800x
1
+ 3800x
2
3000
Restriccin impuesta por el pulverizador:
Tenemos que:
carbn pulverizado capacidad del pulverizador
se construye entonces la expresin:
en la cual el factor 1/16 es la fraccin de hora que toma el
1 x
24
1
x
16
1
2 1
+ ++ +
Ejemplo 3
en la cual el factor 1/16 es la fraccin de hora que toma el
pulverizador para tratar una tonelada de carbn tipo A,
mientras que 1/24 es la fraccin de hora usada para procesar
una tonelada de carbn tipo B. Cada trmino del primer
miembro es adimensional y expresa el porcentaje de la
capacidad del pulverizador utilizado por cada tipo de carbn,
lo cual concuerda con el segundo miembro que expresa el
100% de la capacidad del pulverizador.
Restriccin impuesta por la capacidad de los vagones:
Se tiene:
carbn transportado capacidad de los vagones
luego se construye la expresin:
x
1
+ x
2
20
Ejemplo 3
Es claro que:
cantidad de carbn procesado 0
lo cual se traduce en las restricciones:
x
1
0 y x
2
0
Finalmente, el modelo queda:
max z = 24000x
1
+ 20000x
2
(Vapor producido)
s.a.:
0,5x
1
+ x
2
12 (Partculas)
1800x
1
+ 3800x
2
3000 (Oxidos de azufre)
1 x
24
1
x
16
1
2 1
+ ++ +
(Pulverizador)
Ejemplo 3
x
1
+ x
2
20 (Transporte)
x
1
0 (No negatividad)
x
2
0 (No negatividad)
siendo
x
1
: Ton. de carbn tipo A a procesar por hora
x
2
: Ton. de carbn tipo B a procesar por hora
Lineal
Puntos a tratar
Determine una dieta de manera eficiente, a
partir de un conjunto dado de alimentos, de
modo de satisfacer ciertos requerimientos
nutricionales. Suponga que se tiene la
siguiente informacin:
Ejemplo 4
Leche
(galon)
Legumbre
(1 porcin)
Naranjas
(unidad)
Requerimientos
Nutricionales
Niacina 3,2 4,9 0,8 13
Tianina 1,12 1,3 0,19 15
Vitamina C 32 0 93 45
Costo 2 0,2 0,25
Variables de decisin:
x
1
: galones de leche utilizados en la dieta
x
2
: porciones de legumbre utilizadas en la dieta
x
3
: unidades de naranja utilizadas en la dieta
Ejemplo 4
Funcin Objetivo:
Minimizar el costo total de la dieta, dado por:
2 x
1
+ 0.2 x
2
+ 0.25 x
3
Restricciones del problema:
Requerimientos mnimos de los nutrientes
considerados:
Ejemplo 4
3.2 x
1
+ 4.9 x
2
+ 0.8 x
3
13
1.12 x
1
+ 1.3 x
2
+ 0.19 x
3
15
32 x
1
+ + 9 x
3
45
x
1
0 ; x
2
0 ; x
3
0
Lineal
Puntos a tratar
Halle una poltica ptima de produccin para
satisfacer demandas fluctuantes en el tiempo, de
modo de minimizar costos de produccin e
inventario, considerando la disponibilidad de
diversos recursos escasos.
Suponga que una fabrica puede elaborar hasta
Ejemplo 5
Suponga que una fabrica puede elaborar hasta
150 unidades en cada uno de los 4 periodos en
que se ha subdividido el horizonte de
planificacin y se tiene adicionalmente la
Supuestos adicionales:
Periodos Demandas
(unidades)
Costo Prod.
(US$/unidad)
Costo de Inventario
(US$/unidad)
1 130 6 2
2 80 4 1
3 125 8 2.5
4 195 9 3
Ejemplo 5
Supuestos adicionales:
1) Existe un inventario inicial de 15 unidades.
2) No se acepta demanda pendiente o faltante
(es decir, se debe satisfacer toda la demanda
del periodo).
x
t
: nmero de unidades elaboradas en el
periodo t.
I
t
: nmero de unidades de inventario al final del
periodo t.
Ejemplo 5
Funcin objetivo:
Consiste en minimizar los costos de produccin y
el costo de mantenimiento de inventario.
6x
1
+ 4x
2
+ 8x
3
+ 9x
4
+ 2I
1
+ I
2
+ 2.5I
3
+ 3I
4
Notar que en el ptimo I
4
va a ser 0, as que
podra no incluirse, pero de todos modos se
considera
Ejemplo 5
1) Restricciones de cotas, que reflejan la
capacidad de produccin.
x
t
150
2) Restricciones de no negatividad
x
t
0
3) Restricciones de demanda
x + I I = 130 Periodo 1 I =15
Ejemplo 5
x
1
+ I
0
I
1
= 130 Periodo 1 I
0
=15
x
2
+ I
1
I
2
= 80 Periodo 2
x
3
+ I
2
I
3
= 125 Periodo 3
x
4
+ I
3
I
4
= 195 Periodo 4
Lineal
Puntos a tratar
Suponga que un banco dispone de $250 millones
para destinar a 4 tipos de crditos ofrecidos, los
cuales tienen las siguientes, tasas de crdito:
Ejemplo 6
Primer crdito corriente :12%
Segundo crdito corriente :16%
Crdito para el hogar :16%
Crdito personal :10%
La asignacin de estos crditos, debe satisfacer
la siguiente poltica utilizada por la institucin:
El monto asignado a los PCC, debe ser al menos,
el 55% del monto asignado a los crditos
corrientes, y al menos un 25% del total del dinero
Ejemplo 6
corrientes, y al menos un 25% del total del dinero
prestado.
El SCC, no puede exceder el 30% del total del
dinero prestado, por polticas tributarias el inters
recibido por el banco no debe exceder a un
retorno del 14% sobre el capital prestado.
Cunto asignar a cada tipo de crdito, de la
manera ms eficiente, respetando la poltica del
banco?
Ejemplo 6
x
1
:Monto asignado al PCC.
x
2
: Monto asignado SCC.
x
3
: Monto asignado al crdito para el hogar.
x
4
: Monto asignado al crdito personal.
Funcin Objetivo:
Se propone maximizar los retornos recibidos en
la asignacin, dados por:
Ejemplo 6
0.12 x
1
+ 0.16 x
2
+ 0.16 x
3
+ 0.10 x
4
x
1
0.55 ( x
1
+ x
2
)
x
1
0.25 ( x
1
+ x
2
+x
3
+ x
4
)
x
2
0.30 ( x
1
+ x
2
+x
3
+ x
4
)
Ejemplo 6
(0.12x
1
+0.16x
2
+0.16x
3
+0.10x
4
) 0.14 ( x
1
+ x
2
+x
3
+x
4
)
Adicionalmente: x
1
+ x
2
+x
3
+ x
4
250
Lineal
Puntos a tratar
Una refinera produce 4 tipos de gasolina (gas
1, gas 2, gas 3 y gas 4). Dos caractersticas
importantes de cada gasolina son su nmero
de performance (NP) y su presin de vapor
(RVP), que estn dados por:
Ejemplo 7
NP RVP Barriles diarios
gas 1 107 5 3814
gas 2 93 8 2666
gas 3 87 4 4016
gas 4 108 21 1300
Estas gasolinas pueden ser vendidas
directamente a un precio de $24,83 por barril o
bien mezcladas para obtener gasolinas de
aviacin (avgas A y avgas B). La calidad de
estas dos ltimas junto con sus precios de venta
Ejemplo 7
estas dos ltimas junto con sus precios de venta
son:
NP RVP Precio por barril (US$)
avgas A Al menos 100 A lo ms 7 26,45
Avgas B Al menos 91 A lo ms 6 25,91
El NP y RVP de cada mezcla es un promedio de
los respectivos NP y RVP de las gasolinas
empleadas.
Ejemplo 7
empleadas.
Se desea obtener un plan de venta de las
distintas gasolinas que maximice los retornos.
x
j
: cantidad de barriles del gas j que son
vendidos sin mezclar, con j = 1, 2, 3, 4.
x
A
: cantidad de barriles de avgas A.
Ejemplo 7
x
A
: cantidad de barriles de avgas A.
x
B
: cantidad de barriles de avgas B.
x
jA
: cantidad de gas j usado en avgas A.
x
jB
: cantidad de gas j usado en avgas B.
Funcin objetivo:
Max 24,83 (x
1
+ x
2
+ x
3
+ x
4
) + 26,45x
A
+ 25,91x
B
Restricciones: x
1
+ x
1A
+ x
1B
= 3814
x
2
+ x
2A
+ x
2B
= 2666
Ejemplo 7
x
2
+ x
2A
+ x
2B
= 2666
x
3
+ x
3A
+ x
3B
= 4016
x
4
+ x
4A
+ x
4B
= 1300
x
1A
+ x
2A
+ x
3A
+ x
4A
= x
A
x
1B
+ x
2B
+ x
3B
+ x
4B
= x
B
NP, avgas A:
NP, avgas B:
100
x
x 108 x 87 x 93 x 107
A
A 4 A 3 A 2 A 1

+ ++ + + ++ + + ++ +
91
x
x 108 x 87 x 93 x 107
B
B 4 B 3 B 2 B 1

+ ++ + + ++ + + ++ +
x 21 x 4 x 8 x 5 + ++ + + ++ + + ++ +
Ejemplo 7
RVP, avgas A:
RVP, avgas B:
7
x
x 21 x 4 x 8 x 5
A
A 4 A 3 A 2 A 1

+ ++ + + ++ + + ++ +
7
x
x 21 x 4 x 8 x 5
B
B 4 B 3 B 2 B 1

+ ++ + + ++ + + ++ +
Pensamiento de hoy
Los gerentes no controlan la
realidad, sino los modelos o
representaciones de sta.
Robert D. Gilbreath

Formulación de Modelos de Programación Lineal Lineal (Parte 1)

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Formulación de Modelos de Programación Lineal Lineal (Parte 1)

Cargado por

Copyright:

Formatos disponibles

FORMULACIN DE

También podría gustarte