Está en la página 1de 19

Fundamentos de Investigaci on de Operaciones

Formulaci on de Modelos de Programac on Lineal


17 de julio de 2004
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 eciente (SIMPLEX) para resolver
este tipo de modelos.
1. Conceptos Basicos
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 deniendo 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 denir las variables de decision es importante denir 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 denir 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
denir:
x
1
= n umero de mesas producidas por semana.
x
2
= n umero de sillas producidas por semana.
(1.1)
1
F.I.O. Segundo Semestre 2004 Programaci on Lineal
1.2. 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 (Tabla 1.1).
Venta Materiales Mano de Obra Carpintera Terminaciones Dda. Maxima
_
$
un.
_ _
$
un.
_ _
$
un.
_ _
hr.
un.
_ _
hr.
un.
_
_
un.
sem.

Mesa 27000 10000 14000 1 2


Silla 21000 9000 10000 1 1 40
Disponibilidad 80 100
Tabla 1.1: Resumen Ejemplo 1
En el ejemplo, los costos e ingresos no dependen del valor de x
1
o de x
2
, por lo tanto basta
concentrarse en maximizar la diferencia entre:
_
ingresos
semanales
_

_
costos de
materiales
_

_
costos por
mano de obra
_
(1.2)
Luego, se debe expresar los terminos anteriores en funcion de las variables de decision x
1
y x
2
.
Supondremos que todas las sillas y mesas fabricadas son vendidas (respentando las condiciones
de mercado del enunciado). As:
_
ingresos
semanales
_
=
_
ingresos
por mesas
_
+
_
ingresos
por sillas
_
=
_
$
mesa
_
_
mesas
semana
_
+
_
$
silla
__
sillas
semana
_
= 27000x
1
+ 21000x
2
(1.3)
Similarmente:
_
costos por
materiales
_
= 10000x
1
+ 9000x
2
_
costos por
mano de obra
_
= 14000x
1
+ 10000x
2
(1.4)
Por lo tanto la funcion a maximizar queda (en miles):
(27x
1
+ 21x
2
) (10x
1
+ 9x
2
) (14x
1
+ 10x
2
) = 3x
1
+ 2x
2
(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 x
1
y x
2
tal que se maximize 3x
1
+ 2x
2
.
Denotando por z el valor de la funcion objetivo para cualquier LP, la funcion objetivo de la mueblera
es:
2
F.I.O. Segundo Semestre 2004 Programaci on Lineal
Maximizar z = 3x
1
+ 2x
2
(1.7)
El coeciente que acompa na a cada variable en la funcion objetivo se denomina coeciente en la
funci on objetivo de la variable y reeja el aporte unitario de dicha variable a la funcion objetivo.
1.3. Restricciones
En la medida que las variables x
1
y x
2
crecen, la funcion objetivo aumenta su valor. Por lo tanto si
se pudiera escoger arbitrariamente el valor de x
1
y x
2
, 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 x
1
y x
2
observamos que:
_
terminaciones
semana
_
=
_
terminaciones
mesa
_
_
mesas
semana
_
+
_
terminaciones
silla
__
sillas
semana
_
= 2x
1
+ 1x
2
(1.8)
Por lo tanto la primera restriccion queda: 2x
1
+ x
2
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: x
1
+ x
2
80
Finalmente, la tercera restriccion solo limita el valor de x
2
: x
2
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 coeciente 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 denir si existe alguna restriccion de signo
para cada variable de decision.
Si una variable de decision x
i
debe cumplir condiciones de no-negatividad, debemos agregar la re-
striccion x
i
0. Si la variable de decision x
i
puede asumir valores positivos y negativos se dice que la
variable x
i
no tiene restricci on de signo (srs).
En este ejemplo, ambas variables de decision se reeren a cantidades a producir, por lo tanto son
no-negativas, luego: x
1
0 y x
2
0. Sin embargo, en otros ejemplos las varibles pueden ser srs, por
ejemplo en el caso de que x
i
se reere al saldo de alguna cuenta.
3
F.I.O. Segundo Semestre 2004 Programaci on Lineal
Combinando todas las expresiones anteriores, es posible completar el modelo matematico para este
problema de optimizacion:
Max z = 3x
1
+ 2x
2
(Funcion Objetivo)
sujeto a (st)
2x
1
+ x
2
100 (Restriccion de terminaciones)
x
1
+ x
2
80 (Restriccion de carpintera)
x
2
40 (Restriccion de demanda maxima)
x
1
0 (Restriccion de signo)
x
2
0 (Restriccion de signo)
(1.9)
Se deja como ejercicio al lector determinar las modicaciones 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.
Denici on 1 Una funci on f(x
1
, x
2
, , x
n
) de x
1
, x
2
, , x
n
es una funci on lineal s y s olo s para
un conjunto de constantes c
1
, c
2
, , c
n
, se tiene: f(x
1
, x
2
, , x
n
) = c
1
x
1
+ c
2
x
2
+ + c
n
x
n
Denici on 2 Para cualquier funci on f(x
1
, x
2
, , x
n
) y cualquier n umero b las desigualdades:
f(x
1
, x
2
, , x
n
) b
f(x
1
, x
2
, , x
n
) b
son desigualdades lineales.
Denici 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 especica si x
i
debe ser no-negativa (x
i
0)o bien sin restricci on de signo (srs).
De acuerdo a las deniciones anteriores, el ejemplo estudiado corresponde efectivamente a un LP,
pues tanto la funcion objetivo como las restricciones son funciones lineales de x
1
y x
2
. El proble-
ma estudiado corresponde a un problema tpico de decision donde se debe obtener el programa de
produccion que maximiza las utilidades sujeto a recursos limitados.
4
F.I.O. Segundo Semestre 2004 Programaci on Lineal
3. 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 coeciente del lado izquierdo de cada restriccion es propor-
cional al valor de la variable.
2. La contribucion de cada variable al coeciente del lado izquierdo de cada restriccion es indepen-
diente 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 frac-
cionarios. 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: coecientes de la funcion objetivo, coecientes
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 util aunque diera 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 especicacion de un valor para cada variable de decision.
Denici on 4 La regi on factible para un LP es el conjunto de puntos que satisfacen todas las re-
stricciones (incluidas las de signo) de un problema de LP.
5
F.I.O. Segundo Semestre 2004 Programaci on Lineal
Denici 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 optima 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 innitos 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 Tabla 5.1.
Alimento Porcion Energa [kCal] Protenas [g] Calcio [mg] Precio
_
$
u
_
Lmite
_
u
da

Avena 28 110 4 2 3 4
Pollo 100 205 32 12 24 3
Huevos 2 160 13 54 13 2
Leche 237 160 8 285 9 8
Pastel 170 420 4 22 20 2
Cerdo 260 260 14 80 29 2
Tabla 5.1: Alimentos disponibles
Modelo:
En este caso resulta natural denir como variable de decision x
i
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 coeciente 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 = 3x
1
+ 24x
2
+ 13x
3
+ 9x
4
+ 20x
5
+ 29x
6
(Funcion Objetivo)
st
110x
1
+ 205x
2
+ 160x
3
+ 160x
4
+ 420x
5
+ 260x
6
2000 (Energa mnima)
4x
1
+ 32x
2
+ 13x
3
+ 8x
4
+ 4x
5
+ 14x
6
55 (Proteinas mnimas)
2x
1
+ 12x
2
+ 54x
3
+ 285x
4
+ 22x
5
+ 80x
6
800 (Calcio mnimo)
x
1
4 (Porcion lmite)
x
2
3 (Porcion lmite)
x
3
2 (Porcion lmite)
x
4
8 (Porcion lmite)
x
5
2 (Porcion lmite)
x
6
2 (Porcion lmite)
x
i
0 i (Restriccion de signo)
6
F.I.O. Segundo Semestre 2004 Programaci on Lineal
5.2. Problema de Planicaci on de Personal
Las enfermeras de un hospital llegan cada 4 horas y trabajan en turnos de 8 horas continuas. La
administracion ha decidido denir 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 Tabla 5.2.
Hora del Da Perodo N umero mnimo de enfermeras
2 AM - 6 AM 1 25
6 AM - 10 AM 2 60
10 AM - 2 PM 3 50
2 PM - 6 PM 4 35
6 PM - 10 PM 5 55
10 PM - 2 AM 6 40
Tabla 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$50 al da. Cual es la planicacion de los turnos de
las enfermeras que minimizan los costos por salarios?
Modelo:
En este caso podemos identicar como variable de decision el n umero de enfermeras N
i
que comienza
a trabajar en el turno i(i = 1 . . . 6). De esta forma, la funcion objetivo queda:
z = 50N
1
+ 40N
2
+ 40N
3
+ 40N
4
+ 50N
5
+ 50N
6
Evidentemente, la funcion anterior debe ser minimizada. Para construir las restricciones es conveniente
recurrir a una representacion graca de los turnos (Figura 5.1).
1 2 3 4 5 6
N
1
N
2
N
3
N
4
N
5
N
6
Turno
Figura 5.1: Esquema de los turnos
De la graca anterior se observa que en cada bloque trabajan las enfermeras que comenzaron su
turno en dicho bloque, pero tambien las que empezaron su turno en el bloque anterior. Por lo tanto,
las restricciones de personal mnimo por turno quedan:
N
1
+ N
2
60
N
2
+ N
3
50
N
3
+ N
4
35
N
4
+ N
5
55
N
5
+ N
6
40
N
6
+ N
1
25
7
F.I.O. Segundo Semestre 2004 Programaci on Lineal
Finalmente, el modelo se completa con las restricciones de signo:
N
i
i
5.3. Problema de Planicaci on de Producci on
La empresa Sil Computer necesita satisfacer la demanda de computadores por parte de sus clientes
(grandes corporaciones e instituciones educacionales) para los proximos 4 trimestres.
Actualmente, Sil Computer tiene 5000 computadores en inventario. La demanda esperada para los
proximos trimestres son 7000, 15000, 10000 y 8000. Sil Computer tiene el material y la capacidad de
producir hasta 10000 computadores cada trimestre, a un costo de US$ 2000 por computador. Emple-
ando 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 de-
manda 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 reejar 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. Co-
mo 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. Denamos las siguientes variables ( t = 1 . . . 4):
x
t
= produccion en el perodo t en horario normal
y
t
= produccion en el perodo t en sobretiempo
i
t
= inventario al nal del perodo t
De acuerdo a las variables denidas 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(x
1
+ x
2
+ x
3
+ x
4
) + 2200(y
1
+ y
2
+ y
3
+ y
4
) + 100(i
1
+ i
2
+ i
3
)
st
5000 + x
1
+ y
1
= 7000 + i
1
i
1
+ x
2
+ y
2
= 15000 + i
2
i
2
+ x
3
+ y
3
= 10000 + i
3
i
3
+ x
4
+ y
4
= 8000
x
t
10000 t
y
t
2500 t
x
t
, y
t
, 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 prob-
lema.
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 ?
8
F.I.O. Segundo Semestre 2004 Programaci on Lineal
5.4. 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 e
i
(i = 1 . . . n). En cada destino hay una demanda por d
j
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 denir 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:
x
ij
= cantidad enviada desde origen i a destino j
De acuerdo a las variables denidas, la funcion objetivo queda:
Min
n

i=1
m

j=1
c
ij
x
ij
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.

m
j=1
x
ij
e
i
i = 1 . . . n (disponibilidad)

n
i=1
x
ij
d
j
j = 1 . . . m (demanda)
x
ij
0 i j (restriccion de signo)
El problema anterior se dice balanceado si se satisface que:
n

i=1
e
i
=
m

j=1
d
j
El problema anterior admite m ultiples variaciones como la incorporacion de lmites a la capacidad
de cada ruta, incorporacion de costos jos, puntos de transbordo, rutas alternativas entre otras posi-
bilidades. Este tipo de problema es muy versatil y puede ser aplicado a muchas situaciones que no
necesariamente se reeren 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 renera 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$14 por barril, respectivamente. Ambos tipos se
preparan del inventario de petroleo nacional renado y de petroleo importado renado que tiene la
renera y deben cumplir las especicaciones que se presentan en el Tabla 5.3.
Las caractersticas del inventario de petroleos renados se muestran en el Tabla 5.4.
Formule un modelo de programacion lineal que permita maximizar la ganancia semanal de la re-
nera.
9
F.I.O. Segundo Semestre 2004 Programaci on Lineal
Presion maxima
de vapor
Octanaje
mnimo
Demanda maxima
[barril/semana]
Entregas mnimas
[barril/semana]
Regular 23 88 100.000 50.000
Extra 23 93 20.000 5.000
Tabla 5.3: Especicaciones de las gasolinas
Presion
de vapor
Octanaje
Inventario
[barril]
Costo
[US$/barril]
Nacional 25 87 40.000 8
Importado 15 98 60.000 15
Tabla 5.4: Caractersticas de los petroleos
Modelo:
Para poder formular un modelo para el problema supondremos que no existen perdidas en el pro-
ceso de renamiento y que tanto el octanaje como la presion de vapor se pueden mezclar linealmente.
De acuerdo al supuesto anterior debemos denir variables que nos permitan controlar que propor-
cion de cada tipo de petroleo se empleara para fabricar cada tipo de gasolina, as:
x
ij
= cantidad de petroleo renado tipo i (i = 1, 2) para fabricar gasolina j (j = 1, 2)
Donde petroleo renado 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 objeti-
vo se reduce a maximizar la diferencia entre ingresos y costos, es decir, las utilidades.
Max 12(x
11
+ x
21
) + 14(x
12
+ x
22
) 8(x
11
+ x
12
) 15(x
21
+ x
22
)
A continuacion construimos las restricciones. Las restricciones respecto de inventario disponible y de-
manda de cada tipo de gasolina se explican por s solas:
x
11
+ x
12
40000 (Inventario petroleo tipo 1)
x
21
+ x
22
60000 (Inventario petroleo tipo 2)
x
11
+ x
21
50000 (Demanda mnima de gasolina tipo 1)
x
11
+ x
21
100000 (Demanda maxima de gasolina tipo 1)
x
12
+ x
22
5000 (Demanda mnima de gasolina tipo 2)
x
12
+ x
22
20000 (Demanda maxima de gasolina tipo 2)
Las restricciones de presion de vapor y de octanaje mnimo deben ser normalizadas respecto de la
10
F.I.O. Segundo Semestre 2004 Programaci on Lineal
cantidad total fabricada, que no es necesariamente la cantidad maxima o mnima posible de fabricar.
25x
11
+15x
21
x
11
+x
21
23 (Presion de vapor maxima gasolina tipo 1)
25x
12
+15x
22
x
12
+x
22
23 (Presion de vapor maxima gasolina tipo 2)
87x
11
+98x
21
x
11
+x
21
88 (Octanaje mnimo gasolina tipo 1)
87x
12
+98x
22
x
12
+x
22
88 (Octanaje mnimo gasolina tipo 2)
Finalmente, el modelo queda completo con las condiciones de signo:
x
ij
0 i j
5.6. 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 calicados reciben $0,4 por hora, y el
tercero, un obrero calicado 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 jos semanales son de $800. Los gastos de operacion variable son de $1,0 por hora de
trabajo de obrero no calicado y $2,4 por hora de obrero calicado. 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 calicado y 0,25 horas de obrero calicado para producir un
dispositivo sin acabar listo para entregar a la otra empresa. Uno de estos dispositivos puede ensam-
blarse y dejarlo terminado agregandole 0,5 horas de trabajador calicado.
Un dispositivo listo para entregar al mercado se puede producir con 0,6 horas de obrero no cali-
cado y 0,5 horas de obrero calicado.
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 denir las siguientes variables:
x
i
= cantidad de productos tipo i fabricados i = 1, . . . 3
De acuerdo al enunciado, los dos obreros no calicados y el obrero calicado trabajan 40 horas se-
manales jas, por lo tanto, solo es necesario cuanticar como variables las horas extraordinarias de
trabajo.
z
j
= horas extraordinarias de los trabajadores tipo j j = 1, 2
Donde tipo 1 corresponde a obreros no calicados y tipo 2 a obreros calicados.
11
F.I.O. Segundo Semestre 2004 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 in-
gresos (I) y costos (C) como funcion de las variables de decision:
I = 6,5 x
1
+ 15 (x
2
+ x
3
)
C = 2 40 0,4 + 0,6 z
1
. .
sueldos o.n.c.
+1 40 0,6 + 0,9 z
2
. .
sueldos o.c.
+
1 (2 40 + z
1
) + 2,4 (1 40 + z
2
)
. .
gastos de operacion variables
+ 800
..
costos jos
Luego, la funcion objetivo queda:
Max Z = I C
De acuerdo al enunciado, existen lmite inferior y superior para la demanda de productos intermedios:
x
1
100
x
1
150
Las otras restricciones tienen que ver con la disponibilidad de mano de obra para produccion:
0,5 (x
1
+ x
2
) + 0,6 x
3
80 + z
1
z
1
20
0,25 x
1
+ 0,75 x
2
+ 0,5 x
3
40 + z
2
z
2
10
Finalmente, se deben incorporar la restricciones de signo:
x
i
, z
j
0 i, j
5.7. Ejemplos adicionales
1. Una determinada aerolnea, con centro en Santiago, esta dise nando un nuevo sistema de aten-
cion a pasajeros que realicen viajes a cuatro destinos especcos: Antofagasta, Temuco, Puerto
Montt y Punta Arenas. Para eso consta de tres tipos de aviones, los que dieren en capacidad,
rendimiento y costos, seg un se muestra en el Tabla 5.5. Historicamente para esta epoca se tiene
Tipo de Costo de Operacion por viaje en la ruta:
Avion Antofagasta Temuco Puerto Montt Punta Arenas
1 1000 1100 1200 1500
2 800 900 1000 1000
3 600 800 800 900
Tabla 5.5: Costos de operacion por viaje
una demanda 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 Tabla 5.6. Finalmente, se ha dispuesto (de preferencia, pero no obligatoriamente) atender
12
F.I.O. Segundo Semestre 2004 Programaci on Lineal
Tipo de Avion Capacidad (pasajeros) N umero de Aviones
1 50 5
2 30 8
3 20 10
Tabla 5.6: Capacidad y disponibilidad de aviones
Tipo de N umero maximo de viajes diarios a:
Avion Antofagasta Temuco Puerto Montt Punta Arenas
1 3 2 2 1
2 4 3 3 2
3 5 5 4 2
Tabla 5.7: Costos de operacion por viaje
mas de una ruta por cada tipo de avion, ante lo cual se han planteado condiciones al dise no
del sistema de pasajeros (Tabla 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 denir variables de decision que sean capaces de reejar
el tipo de avion (i = 1, . . . 3) y el destino (j = 1, . . . 4) al que es asignada. Luego, se dene:
x
ij
= 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

i=1
4

j=1
c
ij
x
ij
Donde los coecientes c
ij
corresponden a los datos del Tabla 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:
50x
1j
+ 30x
2j
+ 20x
3j
d
j
j = 1, . . . 4
Donde d
j
representa la demanda de cada destino j, es decir: 90, 100, 200 y 120 para Antofagasta,
Temuco, Puerto Montt y Punta Arenas, respectivamente.
13
F.I.O. Segundo Semestre 2004 Programaci on Lineal
Por otro lado, no es posible asignar mas aviones de los disponibles:
4

j=1
x
ij
n
i
i = 1, . . . 3
Donde n
i
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:
x
ij
m
ij
i j
Los coecientes m
ij
corresponden a los datos del Tabla 5.7.
Finalmente, solo se debe agregar la restriccion de signo:
x
ij
0 i j
2. Un importador de whisky esta planicando su negocio considerando que en las proximas tem-
poradas tendra las siguientes demandas (en miles de botellas):
Tipo Temporadas
1 2 3 4
Seco 10 12 14 8
Frutoso 13 15 17 19
A nejo 21 25 9 11
El whisky seco lo vende a 34 unidades monetarias por botella, el frutoso a 28, 5 y el a nejo a
22, 5, en las primeras dos temporadas. En las siguientes temporadas se espera poder venderlos
en un 5 % mas caro. Cada tipo de whisky es elaborado mezclando tres materias primas, A, B y
C, de las cuales puede importar un maximo de 2000, 2500 y 1200 botellas por temporada a un
costo de 35, 25 y 20 unidades monetarias, respectivamente. Estos costos, validos para la primera
temporada, deberan aumentar un 2 % en cada temporada. El whisky seco debe contener por lo
menos un 60 % de la materia prima 1 y no mas de un 20 % de la materia prima 3, el frutoso
debe contener por lo menos un 15 % de la materia prima 1 y no mas de un 60 % de la materia
prima 3, y el a nejo debe contener por lo menos un 50 % de la materia prima 2. Cada botella de
whisky fabricada en una temporada puede ser vendida en dicha temporada o almacenada a un
costo unitario por temporada de 0, 5 unidad monetaria para ser vendida posteriormente.
Formule un modelo de programacion lineal que permita optimizar las actividades del importador.
Dena claramente variables, funcion objetivo y restricciones.
Modelo:
Variables:
x
ijk
= cantidad de materia prima k para fabricar whisky i en temporada j
y
ij
= cantidad de whisky tipo i vendido en temporada j
z
ij
= cantidad de whisky tipo i almacenado en temporada j
14
F.I.O. Segundo Semestre 2004 Programaci on Lineal
Funcion objetivo:
max
4

j=1
(1 + (j 1) 0,05) (34y
1j
+ 28,8y
2j
+ 22,5y
3j
)

j=1
3

i=1
(1 + (j 1) 0,02) (35x
ijA
+ 25x
ijB
+ 20x
ijC
) 0,5
3

j=1
3

i=1
z
ij
Restricciones:
Disponibilidad de materia prima:
3

i=1
x
ijA
2000 j = 1 . . . 4
3

i=1
x
ijB
2500 j = 1 . . . 4
3

i=1
x
ijC
1200 j = 1 . . . 4
Venta maxima por temporada:
y
11
10 y
12
12 y
13
14 y
14
8
y
12
13 y
22
15 y
23
17 y
24
19
y
13
21 y
23
25 y
33
9 y
34
11
Proporciones de materias primas:
x
1jA
0,6
C

k=A
x
1jk
j = 1 . . . 4
x
1jC
0,2
C

k=A
x
1jk
j = 1 . . . 4
x
2jA
0,15
C

k=A
x
2jk
j = 1 . . . 4
x
2jC
0,6
C

k=A
x
2jk
j = 1 . . . 4
x
3jB
0,5
C

k=A
x
3jk
j = 1 . . . 4
15
F.I.O. Segundo Semestre 2004 Programaci on Lineal
Produccion, ventas y almacenaje por temporada:
C

k=A
x
i1k
= y
i1
+ z
i1
i = 1 . . . 3
C

k=A
x
i2k
+ z
i1
= y
i2
+ z
i2
i = 1 . . . 3
C

k=A
x
i3k
+ z
i2
= y
i3
+ z
i3
i = 1 . . . 3
C

k=A
x
i4k
+ z
i3
= y
i4
i = 1 . . . 3
Naturaleza de las variables:
x
ijk
0 i, j, k
y
ij
, z
ij
0 i, j
3. Considere el problema de programacion de la produccion de un conjunto de m tipos diferentes
de artculos para los proximos n meses en una fabrica:
En cuanto al uso de materias primas, el costo de producir un artculo de tipo i se estima
en c
i
.
Producir un artculo de tipo i requiere mo
i
horas de mano de obra, disponiendo la fabrica
de h
j
horas de mano de obra durante el mes j. En ciertos meses, la fabrica puede emplear
horas extras para aumentar sus recursos de mano de obra. En general, se puede denotar
por st
j
la cantidad maxima de horas extras disponibles en el mes j, cada una con un costo
unitario de cst.
La demanda por artculos de tipo i en el mes j se estima en d
ij
, las cuales necesariamente
deben ser satisfechas.
El exceso de produccion puede ser almacenado a un costo mensual unitario de s. Existe
capacidad para almacenar un volumen maximo de v, pudiendose representar por v
i
el
volumen de un artculo de tipo i. Polticas de produccion exigen que al nal del perodo
bajo consideracion exista un inventario mnimo de s
i
unidades de artculos de tipo i.
Formule un modelo de programacion lineal que permita planicar la operacion de la fabrica du-
rante los proximos n meses de forma tal de minimizar el costo total. Dena claramente variables,
funcion objetivo y restricciones.
Modelo:
Variables:
x
ij
: Cantidad de artculos de tipo i producidos en el mes j; i = 1, . . . , m, j = 1, . . . , n.
s
ij
: Cantidad de artculos de tipo i almacenados en el mes j; i = 1, . . . , m, j =
1, . . . , n.
y
j
: Cantidad de horas extras de mano de obra en el mes j: j = 1, . . . , n.
Funcion objetivo:
16
F.I.O. Segundo Semestre 2004 Programaci on Lineal
Minimizar costo total = costo de produccion + costo de mano de obra + costo de almace-
namiento
Min z =
n

j=1
m

i=1
x
ij
c
i
+
n

j=1
y
j
cst +
n

j=1
m

i=1
s
ij
s
Restricciones
Mano de obra:
m

i=1
x
ij
mo
i
h
j
+ y
j
j = 1, . . . , n
y
j
st
j
j = 1, . . . , n
Demanda:
s
ij
= s
ij1
+ x
ij
d
ij
i = 1, . . . , m, j = 1, . . . , n
Almacenamiento:
m

i=1
s
ij
v
i
v j = 1, . . . , n
Inventario nal:
s
in
s
i
i = 1, . . . , m
No-negatividad:
x
ij
, s
ij
, y
j
0 i = 1, . . . , m, j = 1, . . . , n
4. El Alto Mando Norteamericano empleo un modelo de programacion lineal para planicar la
invasion de sus fuerzas armadas a Irak. El plan consistio en desembarcar tropas y vehculos
militares en las proximidades de la ciudad de Basora, para luego avanzar por tierra a la ciudad
de Nasiriya, luego a Karbala, a continuacion a Bagdad y nalmente a Mosul.
El n umero de tropas requeridas para tomar cada una de las cinco ciudades se calculo en T
i
(i = 1 . . . 5). Se estimo que en cada asalto podran perecer el 5 % de las tropas y podran
perderse el 2 % de los vehculos militares. El costo unitario de trasladar las tropas y vehculos
por tierra entre las ciudades i y j se estimo en k
ij
y m
ij
, respectivamente.
Una vez conquistada una ciudad, el n umero de soldados necesarios para asegurar su control
se estimo en C
i
. Evidentemente, las tropas dejadas en una ciudad para asegurar su control no
pueden seguir en la campa na de invasion.
En cada tropa, en las que participan en la invasion y en las que aseguran cada ciudad, se debe
asegurar que al menos exista un vehculo cada 10 soldados.
Previo a la invasion de cada ciudad, es posible reforzar el contingente militar enviando para-
caidistas. El costo de enviar cada soldado en avion se estimo en p, independiente del punto de
destino.
Los costos de desembarco se estimaron en b para los soldados y en d para los vehculos militares.
17
F.I.O. Segundo Semestre 2004 Programaci on Lineal
Formule un modelo de programacion lineal que permita planicar la invasion de Irak a costo
mnimo.
Modelo:
Variables:
x
i
= n umero de soldados que llegan por tierra a la ciudad i (i = 1 . . . 5)
y
i
= n umero de soldados que llegan por aire a la ciudad i (i = 1 . . . 5)
z
i
= n umero de soldados que se quedan en la ciudad i (i = 1 . . . 5)
v
i
= n umero de vehculos que llegan a la ciudad i (i = 1 . . . 5)
q
i
= n umero de vehculos que se quedan en la ciudad i (i = 1 . . . 5)
Funcion objetivo:
Min z = b x
1
+ d y
1
+
5

i=2
k
i1 i
x
i
+
5

i=2
m
i1 i
v
i
+ p
5

i=1
y
i
Restricciones:
Basora:
x
1
+ y
1
T
1
z
1
C
1
x
2
= 0,95(x
1
+ y
1
) z
1
v
1

1
10
(x
1
+ y
1
)
q
1

1
10
z
1
v
2
= 0,98v
1
q
1
Nasiriya:
x
2
+ y
2
T
2
z
2
C
2
x
3
= 0,95(x
2
+ y
2
) z
2
v
2

1
10
(x
2
+ y
2
)
q
2

1
10
z
2
v
3
= 0,98v
2
q
2
Karbala:
x
3
+ y
3
T
3
z
3
C
3
x
4
= 0,95(x
3
+ y
3
) z
3
v
3

1
10
(x
3
+ y
3
)
q
3

1
10
z
3
v
4
= 0,98v
3
q
3
18
F.I.O. Segundo Semestre 2004 Programaci on Lineal
Bagdad:
x
4
+ y
4
T
4
z
4
C
4
x
5
= 0,95(x
4
+ y
4
) z
4
v
4

1
10
(x
4
+ y
4
)
q
4

1
10
z
4
v
5
= 0,98v
4
q
4
Mosul:
x
5
+ y
5
T
4
z
5
C
5
v
5

1
10
(x
5
+ y
5
)
q
5

1
10
z
5
Naturaleza de las variables:
x
i
, y
i
, z
i
, v
i
, q
i
0
19