Documentos de Académico
Documentos de Profesional
Documentos de Cultura
com
Introduccin
Objetivos
Investigacin de operaciones
Historia
Definiciones bsicas
Modelos de la investigacin de operaciones
Etapas de la investigacin de operaciones
Formulacin del Modelo
Validacin del Modelo
Solucin ptima
Conclusiones
Bibliografa
INTRODUCCION
OBJETIVOS
La Investigacin de Operaciones se ocupa de la resolucin de problemas relacionados con
la conduccin y coordinacin de las operaciones o actividades dentro de una organizacin. Su
mbito de aplicacin es muy amplio, aplicndose a problemas de fabricacin, transporte,
construccin, telecomunicaciones, planificacin y gestin financiera, ciencias de la salud, servicios
pblicos, etc. En general, puede aplicarse en todos los problemas relacionados con la gestin, la
planificacin y el diseo.
www.monografias.com
Atender a las expectativas que presenta el medio productivo mundial para poder ser
componente clave dentro de su desarrollo.
modelos.
INVESTIGACION DE OPERACIONES
A.
HISTORIA
www.monografias.com
B.
TOMA DE DECISIONES
El anlisis de decisin proporciona una metodologa racional para tomar decisiones cuando
el futuro es incierto. Permite que un gerente haga una eleccin ptima entre varias alternativas,
tomando en cuenta el valor de adquirir datos experimentales con el fin de reducir la
incertidumbre.
Observaremos un marco de referencia para tomar decisiones cuando:
1.
2.
No es factible la experimentacin.
La experimentacin es posible.
El criterio de optimidad que se usa para seleccionar entre varias alternativas ser la
minimizacin del costo esperado. Entre los problemas que deben considerarse estn los
siguientes:
DEFINICIONES BASICAS
www.monografias.com
I.
D.
1.
Determinsticos
Programacin matemtica
Programacin lineal
Programacin entera
Programacin dinmica
Programacin no lineal
Programacin multiobjetivo
II.
Modelos de transporte
III.
Modelos de redes
2.
Probabilsticos
I.
Programacin estocstica
II.
Gestin de inventarios
III.
IV.
Teora de juegos
V.
Simulacin
E.
www.monografias.com
1.
Una vez que nos aseguramos que la definicin del problema ha sido construida de
manera especfica y correcta, continuamos con la formulacin del modelo. El modelo,
usualmente matemtico, debe ser formulado de tal manera que exprese la esencia del
problema:
El modelo matemtico est basado en ecuaciones y desigualdades establecidas en
trminos de variables, las cuales expresan la esencia del problema a resolver; las cuales
son definidas en funcin del modelo del problema.
Despus de localizar las variables en funcin del problema, se procede a
determinar matemticamente las dos partes que constituyen el modelo:
Solucin Optima
Una vez que el modelo fue probado y se le han aplicado las debidas correcciones,
est listo para comenzar a arrojar soluciones validas. Pero el verdadero objetivo y finalidad
www.monografias.com
CONCLUSIONES
BIBLIOGRAFIA
[1]
Ing. Vctor Calle Vivanco Investigacin Operativa (Curso A Distancia de la
Universidad Peruana los Andes) Primera Edicin 2005.
[2]
1997
[3]
www.itson.mx/dii/elagarda/apagina2001/PM/uno.html#introduccionSghgwdh
[4]
http://www.investigacion-operaciones.com
ygsd
Autor:
Joel E. Cosme Salcedo
grupodms@gmail.com
Universidad Peruana Los Andes
www.monografias.com
Investigacin de Operaciones
Maria J
yulyth@hotmail.com
www.monografias.com
www.monografias.com
representar
el
problema
www.monografias.com
prdidas del enemigo. Se mantuvo en secreto hasta 1947. En la posguerra, muchas industrias lo
usaron en su planificacin diaria.
Los fundadores de la tcnica son George Dantzig, quien public el algoritmo simplex, en
1947, John von Neumann, que desarroll la teora de la dualidad en el mismo ao, y Leonid
Kantorovich, un matemtico ruso, que utiliza tcnicas similares en la economa antes de Dantzig y
gan el premio Nobel en economa en 1975. Leonid Khachiyan en 1979 fue el primero en
demostrar que el problema de la programacin lineal se solucionaba en tiempo polinomial, sin
embargo, el mejor avance en los principios tericos y prcticos en el campo se produjo en 1984,
cuando Narendra Karmarkar introduce un nuevo mtodo del punto interior para resolver
problemas de programacin lineal.
El ejemplo original de Dantzig de la bsqueda de la mejor asignacin de 70 personas a 70
puestos de trabajo es un ejemplo de la utilidad de la programacin lineal. La potencia de
computacin necesaria para examinar todas las permutaciones a fin de seleccionar la mejor
asignacin es inmensa; el nmero de posibles configuraciones excede al nmero de partculas en
el universo. Sin embargo, toma slo un momento encontrar la solucin ptima mediante el
planteamiento del problema como una programacin lineal y la aplicacin del algoritmo simplex.
La teora de la programacin lineal reduce drsticamente el nmero de posibles soluciones
ptimas que debern ser revisadas.
Variables
Las variables son nmeros reales mayores o iguales a cero.
En caso que se requiera que el valor resultante de las variables sea un nmero entero, el
procedimiento de resolucin se denomina Programacin entera.
Restricciones
Las restricciones pueden ser de la forma:
Tipo 1:
Tipo 2:
Tipo 3:
Donde:
10
www.monografias.com
X = Incgnitas, de 1 a N;
Autor:
Maria J
yulyth@hotmail.com
11
www.monografias.com
Investigacin de operaciones
Darwin E. Montero
gddarwin@gmail.com
1. Introduccin
2. Orgenes de la Investigacin de Operaciones
3. Definicin y Significado de Investigacin de Operaciones
4. Caractersticas de la Investigacin de Operaciones
5. Definicin de Modelos
6. Definicin del problema y recoleccin de datos
7. Formulacin de un modelo matemtico
8. Obtencin de una solucin a partir del modelo
9. Prueba del modelo
10. Preparacin para la aplicacin del modelo
11. Implantacin
12. Definicin de Sistemas de Produccin
13. Tipos de Modelos de los Sistemas de Produccin
Introduccin
Los cambios revolucionarios originaron gran aumento en la divisin de trabajo y la
separacin de las responsabilidades administrativas en las organizaciones. Sin embargo esta
revolucin creo nuevos problemas que ocurren hasta la fecha en muchas empresas. Uno de estos
problemas es la tendencia de muchos de los componentes a convertirse en imperios relativamente
autnomos, con sus propias metas y sistemas de valores. Este tipo de problemas, y la necesidad
de encontrar la mejor forma de resolverlos, proporcionaron el surgimiento de la Investigacin de
Operaciones.
La Investigacin de Operaciones aspira determinar la mejor solucin (optima) para un
problema de decisin con la restriccin de recursos limitados.
En la Investigacin de Operaciones utilizaremos herramientas que nos permiten tomar una
decisin a la hora de resolver un problema tal es el caso de los modelos e Investigacin de
Operaciones que se emplean segn sea la necesidad.
12
www.monografias.com
13
www.monografias.com
14
www.monografias.com
representar
el
problema
Definicin de Modelos
Una solucin a un modelo, no obstante, de ser exacta, no ser til a menos que el
modelo mismo ofrezca una representacin adecuada de la situacin de decisin verdadera.
15
www.monografias.com
deterministicos. Esto significa que todos los datos relevantes (es decir, los datos que los modelos
utilizarn o evaluarn) se dan por conocidos. En los modelos probabilsticos (o estocsticos),
alguno de los datos importantes se consideran inciertos, aunque debe especificarse la
probabilidad de tales datos.
En la siguiente tabla se muestran los modelos de decisin segn su clase de incertidumbre
y su uso en las corporaciones. (D, determinista; P, probabilista; A, alto; B, bajo)
Clase
Incertidumbre
Tipo de Modelo
Programacin Lineal
de
Frecuencia de uso
en corporaciones
D,P
Inventarios, produccin
y programacin
D,P
Econometra,
pronstico y simulacin
D,P
Programacin
Dinmica
D,P
Programacin
Estocstica
Redes
PERT/CPM)
(Incluye
Programacin Entera
Programacin
Lineal
Teora de Juegos
No
16
www.monografias.com
Control Optimo
D,P
Lneas de Espera
Ecuaciones
Diferenciales
17
www.monografias.com
(Incluir al tomador de decisiones desde el principio es esencial para obtener su apoyo al realizar el
estudio.)
Es comn que los equipos de Investigacin de Operaciones pasen mucho tiempo
recolectando los datos relevantes sobre el problema. Se necesitan muchos datos como para
lograr un entendimiento exacto del problema como para proporcionar el insumo adecuado para el
modelo matemtico que se formular en la siguiente etapa del estudio.
Tomar un tiempo considerable al equipo de Investigacin de Operaciones recabar la
ayuda de otros de otros individuos clave de la organizacin para recolectar todos los datos
importantes. Muchas veces, el equipo de Investigacin de Operaciones pasar mucho tiempo
intentando mejorar la precisin de los datos y al final tendr que trabajar con lo que pudo obtener.
Aplicacin: El Departamento de Salud de New Haven, Connecticut utiliz un equipo de
Investigacin de Operaciones para disear un programa efectivo de intercambio de agujas para
combatir el contagio del virus que causa el SIDA (HIV), y tuvo xito en la reduccin del 33% de la
tasa de infeccin entre los clientes del programa. La parte central de este estudio fue un innovador
programa de recoleccin de datos para obtener los insumos necesarios para los modelos
matemticos de transmisin del SIDA. Este programa barco un rastreo completo de cada aguja (y
cada jeringa), con la identificacin, localizacin y fecha de cada persona que reciba una aguja y
cada persona que la regresaba durante un intercambio, junto con la prueba de si la condicin de la
aguja era HIV - positivo o HIV - negativo.
Formulacin de un modelo matemtico
Una vez definido el problema del tomador de decisiones, la siguiente etapa consiste en
reformularlo de manera conveniente para su anlisis. La forma convencional en que la
investigacin de operaciones realiza esto es construyendo un modelo matemtico que represente
la esencia del problema. El modelo matemtico puede expresarse entonces como el problema de
elegir los valores de las variables de decisin de manera que se maximice la funcin objetivo,
sujeta a las restricciones dadas. Un modelo de este tipo, y algunas variaciones menores sobre l,
tipifican los modelos analizados en investigacin de operaciones.
Un paso crucial en la formulacin de un modelo de Investigacin de Operaciones es la
construccin de la funcin objetivo. Esto requiere desarrollar una medida cuantitativa de la
efectividad relativa a cada objetivo del tomador de decisiones identificado cuando se estaba
definiendo el problema. Si en el estudio se contemplan mas de un objetivo, es necesario
transformar y combinar las medidas respectivas en una medida compuesta de efectividad llamada
medida global de efectividad. A veces esta medida compuesta puede ser algo tangible (por
ejemplo, ganancias) y corresponder a una meta mas alta de la organizacin, o puede ser
abstracta (como utilidad). En este ltimo caso la tarea para desarrollar esta medida puede ser
compleja y requerir una comparacin cuidadosa de los objetivos y su importancia relativa.
Aplicacin: La Oficina responsable del control del agua y los servicios pblicos del
Gobierno de Holanda, el Rijkswaterstatt, concesion un importante estudio de Investigacin de
Operaciones para guiarlo en el desarrollo de una importante poltica de administracin del agua.
La nueva poltica ahorro cientos de millones de dlares en gastos de inversin y redujo el dao
agrcola en alrededor de 15 millones de dlares anuales, al mismo tiempo que disminuyo la
contaminacin trmica y debida a las algas. En lugar de formular un modelo matemtico, este
estudio de Investigacin de Operaciones desarroll un sistema integrado y comprensible de 50
modelos! Mas an, para alguno de los modelos, se desarrollan versiones sencillas y complejas. La
versin sencilla se us para adquirir una visin bsica incluyendo el anlisis de trueques. La
versin compleja se us despus en las corridas finales del anlisis o cuando se deseaba mayor
exactitud o ms detalles en los resultados. El estudio completo de Investigacin de Operaciones
18
www.monografias.com
19
www.monografias.com
inevitable que contenga muchas fallas. El programa debe probarse de manera exhaustiva para
tratar de encontrar y corregir tantos problemas como sea posible.
Este proceso de prueba y mejoramiento de un modelo para incrementar su validez se
conoce como validacin del modelo.
Un enfoque mas sistemtico para la prueba del modelo es emplear una prueba
retrospectiva. Cuando es apacible, esta prueba utiliza datos histricos y reconstruye el pasado
para determinar si el modelo y la solucin resultante hubieran tenido un buen desempeo, de
haberse usado. Al emplear alternativas de solucin y estimar sus desempeos histricos
hipotticos, se pueden reunir evidencias en cuanto a lo bien que el modelo predice los efectos
relativos de los diferentes cursos de accin.
Aplicacin: En un estudio de Investigacin de Operaciones para IBM se realizo con el fin
de integrar su red nacional de inventarios de refacciones para mejorar el servicio a los clientes, al
mismo tiempo que reducir el valor de los inventarios de IBM en mas de 250 millones de dlares y
ahorrar otros 20 millones de dlares anuales a travs del mejoramiento de la eficiencia
operacional. Un aspecto en particular interesante de la etapa de validacin del modelo en este
estudio fue la manera en que se incorporaron el proceso de prueba los usuarios futuros del
sistema de inventarios. Debido a que estos usuarios futuros (los administradores de IBM en las
reas funcionales responsables de la implantacin del sistema de inventarios) dudaban del
sistema que se estaba desarrollando, se asignaron representantes a un equipo de usuarios que
tendra la funcin de asesorar al equipo de Investigacin de Operaciones. Una vez desarrollada la
versin preliminar del nuevo sistema (basada en el sistema de inventarios de multiniveles) se lleva
acabo una prueba preliminar de implantacin. La extensa retroalimentacin por parte del equipo
de usuarios llevo a mejoras importantes en el sistema propuesto.
Preparacin para la aplicacin del modelo
El siguiente paso es instalar un sistema bien documentado para aplicar el modelo segn lo
establecido por la administracin.
Este sistema casi siempre esta diseado para computadora. De hecho, con frecuencia se
necesita un nmero considerable de programas integrados. La base de datos y los sistemas de
informacin administrativos pueden proporcionar entrada actualizada para el modelo cada vez que
se use, en cuyo caso se necesitan programas de interfaz (de interaccin con el usuario). Despus
de aplicar un procedimiento de solucin (otro programa) al modelo, puede ser que los programas
adicionales maneje la implantacin de los resultados de manera automtica. En otros casos se
instala un sistema interactivo de computadora llamado sistema de soporte de decisiones, para
ayudar a la gerencia a usar datos y modelos para apoyar (no para sustituir) su toma de decisiones
cuando lo necesiten. Otro programa puede generar informes gerenciales (en el lenguaje
administrativo) que interpretan la salida del modelo y sus implicaciones en la prctica.
Aplicacin: Un sistema de computo grande para aplicar un modelo a las operaciones de
control de una red nacional. Este sistema, llamado SYSNET, fue desarrollado como resultado de
un estudio de Investigacin de Operaciones realizado para la Yellow Freight System, Inc. Esta
compaa maneja anualmente mas 15 millones de envos de mensajera a travs de una red de
630 terminales en todo estados Unidos. SYSNET se usa tanto para optimizar tanto para optimizar
las rutas de los envos como el diseo de la red . Debido al que sistema requiere mucha
informacin sobre los flujos y pronsticos de carga, los costos de transporte y manejo, etc.; una
parte importante del estudio de Investigacin de Operaciones esta dedicada a la integracin de
SYSNET al sistema de informacin administrativo de la corporacin. Esta integracin permiti la
integracin peridica de la entrada al modelo. La implantacin de SYSNET dio como resultado el
ahorro anual de alrededor de 17.3 millones de dlares adems de un mejor servicio a los clientes.
20
www.monografias.com
Implantacin
Una vez desarrollado un sistema para aplicar un modelo, la ltima etapa de un estudio de
Investigacin de Operaciones es implementarlo siguiendo lo establecido por la administracin.
La etapa de implantacin incluye varios pasos. Primero, el equipo de Investigacin de
Operaciones da una cuidadosa explicacin a la gerencia operativa sobre el nuevo sistema que se
va a adoptar y su relacin con la realidad operativa. Enseguida, estos dos grupos comparten la
responsabilidad de desarrollar los procedimientos requeridos para poner este sistema en
operacin. La gerencia operativa se encarga despus de dar una capacitacin detallada al
personal que participa, y se inicia entonces el nuevo curso de accin. Si tiene xito, el nuevo
sistema se podr emplear durante algunos aos. Con esto en mente, el equipo de Investigacin
de Operaciones supervisa la experiencia inicial con la accin tomada para identificar cualquier
modificacin que tenga que hacerse en el futuro.
Aplicacin: Este ultimo punto sobre la documentacin de un estudio Investigacin de
Operaciones se ilustra con el caso de la poltica nacional de administracin del agua de
Rijkswaterstatt en Holanda. La administracin deseaba documentacin ms extensa que lo
normal, tanto para apoyar la nueva poltica como para utilizarla en la capacitacin de nuevos
analistas o al realizar nuevos estudios. Completar esta documentacin requiri varios aos y
quedo contenida en 4000 pginas a espacio sencillo encuadernadas en 21 volmenes!
Definicin de Sistemas de Produccin
La produccin es el acto intencional de producir algo til. La definicin de produccin se
modifica para incluir el concepto de sistema, diciendo que u sistema de produccin es el proceso
especifico por medio del cual los elementos se transforman en productos tiles. Un proceso es un
procedimiento organizado para lograr la conversin de insumos en resultados.
Cualquier sistema es una coleccin de componentes interactuantes. Cada componente
podra ser un sistema en si mismo en un orden descendente de sencillez. Los sistemas se
distinguen por sus objetivos; el objetivo de un sistema podra ser producir un componente que se
va a ensamblar con otros componentes para alcanzar el objetivo que es un sistema mayor. Se
requieren tcnicas mas elaboradas para tratar con sistemas ms complejos. Es una carrera de
relevos entre el desarrollo de sistemas cada vez ms complejos y el desarrollo de mtodos ms
eficientes de direccin para controlarlos.
Tipos de Modelos de los Sistemas de Produccin
El modelo fsico: Los modelos, por semejanza, derivan su utilidad de un cambio en la
escala. Los patrones microscpicos pueden amplificarse para su investigacin, y las enormes
estructuras pueden hacerse a una escala ms pequea, hasta una magnitud que sea
manipulable. Necesariamente, algunos detalles se pierden en los modelos. En las replicas fsicas,
esta prdida puede ser una ventaja, cuando la consideracin clave, es un factor, tal como la
distancia, pero puede ser intil un estudio si la influencia predominante se desvirta en la
construccin del modelo.
El modelo esquemtico: Los modelos de dos dimensiones son la delicia de quienes
disfrutan de las grficas. Los aspectos grficos son tiles para propsitos de demostracin.
Algunos ejemplos que se encuentran comnmente incluyen los diagramas de la organizacin,
diagramas de flujo del proceso y grficas de barras. Los smbolos sobre tales diagramas pueden
arreglarse fcilmente para investigar el efecto de la reorganizacin.
21
www.monografias.com
Autor:
Ing. Darwin E. Montero
gddarwin@gmail.com
22
www.monografias.com
Introduccin
Modelacin y formulacin
Principales tipos de restricciones
Construccin de modelos de programacin lineal de algunos problemas sencillos
El problema del transporte
Problema del personal necesario
Problemas de los patrones de corte
Problema de mezcla de productos con funcin objetivo separable
Problema del transbordo
Programacin entera
Introduccin
Se pretende que el estudio detenido del material de este capitulo, le aporte al estudiante
una visin amplia de las posibles aplicaciones de la Programacin Lineal y de la metodologa
para construir un buen modelo lineal de los problemas que deba resolver en su ejercicio
profesional.
Modelacin y formulacin
La modelacin
Es el proceso completo de abstraccin del sistema real al modelo cuantitativo y tiene como
resultado un modelo matemtico del sistema real bajo estudio. Incluye actividades como la
definicin del sistema y la determinacin de sus fronteras, la identificacin de las actividades ms
importantes para el logro del objetivo, es decir la conceptualizacin del sistema simplificado y
finalmente la elaboracin del modelo.
Es quizs la parte ms importante de la Investigacin de Operaciones y se le considera
como una mezcla de arte y de ciencia. La modelacin no puede ensearse, sino motivarse, se
aprende con la prctica y con la experimentacin.
Puede dividirse en dos fases: Subjetiva y la objetiva. La parte subjetiva consiste en la
definicin del sistema supuesto o simplificado. Mientras que la objetiva es la construccin del
modelo a partir del sistema simplificado.
La formulacin
Es la componente objetiva de la modelacin y consiste en convertir el sistema simplificado
en un modelo cuantitativo que lo describa. En esta seccin ahondaremos un poco en la actividad
de formulacin, para lo cual supondremos que ya se realiz la tapa previa que nos permiti
definir el sistema simplificado.
Debe tenerse en cuenta que en la vida profesional el estudiante si se vera afrontado a la
necesidad de derivar sus propios sistemas supuestos, a partir de los problemas reales que se le
presenten. El xito obtenido depender de factores tales como su capacitacin general, su
habilidad y experiencia en la modelacin y la comprensin que tenga del rea particular del
problema a modelar.
Una buena metodologa para construir modelos matemticos de los problemas, a partir del
problema simplificado (problema supuesto), parece ser la siguiente:
23
www.monografias.com
1.
Leer atentamente el enunciado de la situacin con el fin de comprender sus
principales caractersticas. Como resultado de la lectura estaremos en capacidad de realizar los
dos pasos siguientes.
2.
Organizar en cuadros o tablas toda la informacin cuantitativa que suministra el
enunciado del problema.
De esta manera ser ms fcil identificar, interpretar y utilizar la informacin.
Debe prestarse especial atencin a las unidades de todos los datos utilizados.
3.
Este nos permitir visualizar y comprender mejor las caractersticas del problema.
En especial el diagrama es til para llevar a cabo los tres pasos siguientes.
4.
Los elementos son las entradas (recursos), las salidas (productos) y las actividades
(variables de decisin) del proceso al cual se reduce el problema. La grafica o esquema
del paso tres, es de gran ayuda en esta tarea.
Las actividades son las que convierten una o ms entradas en una o ms salidas.
La esencia del problema de P.L. es la determinacin del sub conjunto de actividades que
deben llevarse a cabo para optimizar el logro del objetivo.
5.
Expresar el objetivo relacionado con el problema, indicando las unidades en las
cuales se medir.
Recordemos que en los problemas de programacin lineal el objetivo ser
maximizar o minimizar alguna medida de eficiencia, que puede ser un costo, un tiempo,
una probabilidad, un nmero de personas o de elementos, etc. En todos los casos se
deben dar explcitamente las unidades de medicin.
6.
A cada una de las actividades que pueden realizarse se le asocia una variable que
indicara el nivel o medida de su ejecucin. Por ejemplo, si una actividad es fabricar el
producto P3, entonces al asociarle v. gr. la variable de decisin X3, definiremos esta como
el nmero de productos P3 que se deben fabricar.
En algunos problemas las variables de decisin se pueden tomar en ms de una
forma posible. Una buena gua para determinar la ms conveniente es buscar que las
variables correspondan a aquellas actividades que permiten medir el grado de logro de la
funcin objetivo.
7.
Formular la funcin del objetivo y las funciones de las restricciones del modelo
matemtico.
Teniendo una correcta comprensin del objetivo y definidas las variables que
cuantifican las actividades que conforman el proceso, podemos escribir una funcin
matemtica que mida el logro del objetivo. Es la expresin que nos permitir conocer la
eficiencia de la decisin que se tome.
8. Formular las funciones de las restricciones
24
www.monografias.com
25
www.monografias.com
APLICACIONES EN PRODUCCIN
Mezcla de produccin:
La compaa desea conocer cuantas unidades de cada tipo de artculo debe producir en el
periodo con el fin de maximizar la utilidad total por venta de los artculos. Se supone que todos los
artculos producidos se venden y que la utilidad unitaria permanece constante, sin importar la
cantidad vendida.
Construccin del modelo:
Siguiendo la metodologa propuesta en este capitulo, una vez comprendida la situacin
que se describe, vamos a organizar los datos en una tabla; con lo cual ser ms fcil su utilizacin
para construir el modelo.
26
www.monografias.com
tipos de artculos, mientras que el objetivo es maximizar la utilidad. De esta manera aparece claro
que el objetivo se medir en pesos / periodo.
De igual forma salta a la vista que las actividades alternativas son, como lo dice el
enunciado, producir artculos tipo 1 y producir artculos tipo 2. Tngase en cuenta que las
actividades no son excluyentes sino que pueden darse simultneamente a determinados niveles;
desde llevarse a cabo una sola de ellas, hasta ejecutarse ambas en cierta combinacin. Todo ello
depende de la relacin entre su contribucin al objetivo y a su consumo de las materias primas.
Debemos usar unas variables para cuantificar el nivel o grado al cual llevaremos a cabo
cada actividad.
Por ello definimos las variables as:
X1 : cantidad de artculos tipo 1 a fabricar en el perodo.
X2 : cantidad de artculos tipo 2 a fabricar en el perodo.
Una vez definidas las variables de decisin y comprendido el objetivo del problema, el
modelo se plantea as:
Funcin del objetivo
$/periodo
La cantidad utilizada de cada materia prima debe ser menor o igual que la cantidad
disponible.
27
www.monografias.com
Los valores de todas las variables deben ser mayores o iguales a cero
(Condicin de no negatividad de las variables)
X1 0, X2 0
Sujeta a:
Con
X1, X2 0
= ( $ / perodo)
Que coinciden con las unidades del miembro derecho de la primera desigualdad.
28
www.monografias.com
Por otro lado en algunas condiciones de mercado el precio unitario de venta de los
artculos se quiebra, o sea se disminuye en alguna cantidad cuando el nmero de artculos
excede cierto valor. Por ejemplo si X3 es la cantidad comprada de un articulo cuyo precio unitario
es de $10 cuando 0 X3 100; pero que rebaja a $7 cuando 101 X3 250 y rebaja de nuevo a
$ 6 cuando X3 251; en este caso no se cumple la condicin de proporcionalidad en la funcin
del objetivo ya que no tenemos un coeficiente nico para multiplicar por la cantidad comprada
para obtener el costo de compra de las X3 unidades. El coeficiente depende del intervalo en el
cual se encuentre el valor de X3. En algunos casos podemos efectuar promedios de los valores
de los parmetros pertinentes y en otros se puede plantear el modelo de la forma de
programacin lineal separable, como lo aprenderemos en un ejemplo posterior.
Ejemplo N 2.
29
www.monografias.com
El costo del material para una unidad del artculo 1 es $50, para una unidad del artculo 2
es de $80 y para una unidad del artculo 3 es de $140.
Los precios de venta para los artculos son respectivamente de $400, $420 y $500, la
unidad.
Los tiempos de proceso requeridos por una unidad de cada tipo de material, se dan en la
siguiente tabla:
La compaa necesita conocer cuantas unidades de cada tipo de artculo debe fabricar en
una hora, para obtener la mxima utilidad.
Construccin del modelo:
Inicialmente podemos elaborar unas tablas con los datos del problema, as:
30
www.monografias.com
31
www.monografias.com
Las restricciones se refieren a que una mquina no puede utilizarse durante una hora por
un tiempo total mayor que la hora. Es decir, el tiempo que una mquina dedique a la produccin
del artculo 1, ms el que dedique al artculo 2 ms el dedicado al artculo 3, no puede exceder a
una hora de capacidad, pues ese es el perodo de tiempo que se tom como referencia.
Programacin de la produccin
Este es una de las reas de la Programacin Lineal ms rica en aplicaciones. Un
problema de programacin de la produccin puede verse como un problema de mezcla de
produccin para varios periodos hacia el futuro. Se quieren determinar los niveles de produccin
que permitirn a la compaa obtener el mnimo costo (o la mxima ganancia), cumpliendo con los
requerimientos de las limitaciones en mano de obra, maquinaria, materiales, espacio de
almacenamiento, requisito de demandas, etc.
Los problemas de Programacin de Produccin tienen naturaleza recurrente, es decir que
se presentan un periodo tras otro, slo que con algunas variaciones en ciertos datos, como por
ejemplo en las demandas, o en las disponibilidades de algunos recursos. Por este motivo los
modelos de P.L. se usan extensivamente en este campo, pues una vez que un modelo fue
resuelto para un periodo determinado, basta con repetir su solucin para los datos del nuevo
periodo, para obtener recomendaciones acerca del programa ptimo de produccin.
Ilustremos este tipo de aplicaciones mediante al siguiente ejemplo sencillo:
Ejemplo N 3
Un fabricante debe cumplir los siguientes compromisos, en el primer trimestre:
32
www.monografias.com
33
www.monografias.com
Los problemas de este tipo tambin pueden modelarse de otra manera como lo sugiere el
siguiente grafico:
34
www.monografias.com
35
www.monografias.com
Un granjero sabe que debe suministrar diariamente a cada una de sus vacas, un mnimo
de 27, 21 y 30 unidades de los elementos nutricionales A, B, C , respectivamente. Para
prepararles la comida puede comprar dos clases de alimentos. Una libra del alimento 1 contiene
3, 1, y 1 unidades del nutriente A, B, C , respectivamente, y cuesta $40. Por otra parte, una libra
del alimento 2 contiene respectivamente 1, 1 y 2 unidades de los nutrientes y cuesta $20.
El granjero desea conocer cuntas libras de cada alimento necesita utilizar para nutrir a
cada una de sus vacas, de tal forma que minimice los costos. Suponga que no hay limite en
cuanto al peso total de la comida (mezcla) resultante.
Construccin del modelo
Para iniciar, podemos elaborar una tabla con los datos del problema:
36
www.monografias.com
Sean
Minimizar: Costo
Z 40 AX 1 20 XA2
Sujeto a:
Composicin de la dieta
Nutriente A
Nutriente B
1XB1 1XB2 21
Nutriente C
(unidades de B /vaca)
37
www.monografias.com
Considerando que el objetivo es maximizar las utilidades por venta de las gasolinas, y que
estas deben cumplir unos requisitos de composicin, adems de tener limites en la produccin,
debido a la demanda y limites en la disponibilidad de crudos, el modelo del problema ser:
38
www.monografias.com
Maximizar:
Sujeto a:
Composicin de gasolinas
corriente).
corriente).
A en la extra:
en la corriente:
Disponibilidad de crudos:
X 11 X 12 2 * 10 6
(galn de crudo 1)
X 21 X 22 3 *10 6
(galn de crudo 2)
X 11 X 21 5 *10 6
(galn de corriente)
X 12 X 22 1 * 10 6
(galn de extra)
0.60 galones de B/galones totales de gas corriente *( X11 galones de crudo 1+ X21
galones de crudo 2) = 0.60 galones de B/galones totales de gasolina corriente*(galones totales
de gasolina corriente) = galones de B
El estudiante debe notar que en la solucin del problema no hemos considerado la
posibilidad de que el proceso permita separar los componentes de cada crudo, para con ellos
elaborar las gasolinas. Ser posible realizar esto?
39
www.monografias.com
40
www.monografias.com
30.000.000
XA1
Ao 1
XA2
XA3
Ao 2
S1
Ao 3
S2
S3
XB1
XD3
XC2
En la grfica se muestran las variables asignadas a cada actividad. Esta es una forma
valida y muy ilustrativa de definir las variables que se usan:
De esta manera, las variables se definieron como:
Xij: cantidad invertida en la alternativa i al principio del ao j; i A, B, C , D; j 1,2,3 .
El objetivo es obtener la mxima ganancia al trmino del tercer ao, y tambin puede
entenderse como obtener el mximo retorno total al trmino del mismo periodo.
Al inicio de cada ao, en el momento de efectuar las inversiones, hay dos tipos de
limitantes. La primera consistente en que no se puede invertir ms de la cantidad disponible
para ello y la segunda, derivada de la decisin administrativa de limitar las cantidades que se
pueden invertir en algunas alternativas.
Considerando el anlisis anterior, el modelo de P.L., es:
41
www.monografias.com
Sujeta a:
Capacidad de inversin en cada ao:
Ao 1: XA1 XB1 S1 30.000.000
Ao 2: XA2 XC 2 S 2 1.2 XA1 1.12 S1
Ao 3: XA3 XD3 S 3 1.2 XA2 1.5 XB1 1.12S 2
42
www.monografias.com
Cmo deben programarse los envos desde las plantas hasta los distribuidores para
tener el mnimo costo total?
Construccin del modelo:
La situacin puede esquematizarse como se muestra abajo, lo cual nos sugiere definir
las variables como:
Xij: cantidad de cajas enviadas de la planta i hasta la bodega j;
43
www.monografias.com
Conociendo las capacidades, las demandas esperadas y los costos, el modelo puede
escribirse como:
Minimizar costo:
Bogot:
Cartagena:
50.000
70.000
62.000
44
120.000
www.monografias.com
con Xij 0.
Como el objetivo es minimizar el costo total de los envos, es de esperarse que a cada
distribuidor se le envie justamente lo que necesita, motivo por el cual todas las restricciones de
demanda se cumplirn como si fueran igualdades. Por ello si las expresaremos como
igualdades, la solucin del modelo seria la misma.
Por otro lado debe tenerse en cuenta que cuando la demanda total es inferior a la oferta
total, un problema de transporte tendra una solucin en la cual se satisfacen todas las
demandas sobrando capacidad en las plantas, pero cuando la demanda total es superior a la
oferta total, el problema no tendra solucin.
Para que este ltimo caso tenga solucin, se debe agregar al modelo una planta ficticia
con capacidad igual a la que haga falta para igualar la demanda total. Esta operacin se conoce
como balanceo y ser discutida ms en detalle cuando estudiemos el algoritmo especial para
resolver el problema transporte.
Problema del personal necesario
Ejercicio N 8
El administrador de un peaje determin que el nmero de empleados que necesita se
distribuyen durante el da as:
45
www.monografias.com
Cada empleado labora 8 horas consecutivas, entonces presta sus servicios en dos de los
turnos en que se dividi el da para el estudio.
El modelo de programacin lineal es:
Minimizar: Z X 2 X 6 X 12 X 14 X 18 X 22
Sujeta a:
46
www.monografias.com
X2 X6 8
de 6 - 10
X 6 X 10 6
de 10 - 14
X 10 X 14 8
de 14 - 18
X 14 X 18 7
de 18 - 22
X 18 X 22 5
de 22 - 2
X 22 X 2 3
de 2 - 6
con
X i 0,
Debe aclararse que en las restricciones se pudo escribir relacin de igualdad en lugar de
la relacin mayor o igual, pues el enunciado as lo sugiere. Se opt por considerar las
desigualdades como mayor o igual, para dar ms libertad en la solucin del problema, ya que
colocando igualdades se limita la solucin a dar valores que cumplan estrictamente las
igualdades, lo cual en algunos problemas (ste es uno) implica inexistencia de solucin. En
cambio al colocar desigualdades mayor o igual, se permite que las variables tomen valores de tal
forma que se cumplan las desigualdades y como el objetivo es minimizar, es de esperarse que
las variables tomarn los mnimos valores posibles, dando igualdades en todas las restricciones
en que se pueda.
Se deja como ejercicio al estudiante la solucin de los dos modelos, para que verifique los
comentarios anteriores.
Problemas de los patrones de corte
Ejemplo N 10
Una empresa produce papel en rollos de 90 cm. de ancho y 100 m. de largo, pero muchas
veces recibe pedidos para despachar rollos de dimensiones menores. En este momento necesita
cumplir con la siguiente orden de produccin:
La compaa desea determinar la forma de cortar los rollos estndar, de tal manera que se
produzca el mnimo sobrante de papel.
Elabore el modelo matemtico de P.L. para este problema.
Construccin del modelo:
Obviamente la solucin a este problema implicara que sea necesario despachar dos o ms
rollos para obtener la longitud pedida de cada uno de los anchos, ya que el rollo estndar solo
mide 100 m. de largo. Tambin aceptemos que el papel sobrante es todo rollo inferior a 25 cm.
Para entender mejor la lgica de solucin del problema, determinemos todas las formas en
que se puede cortar un rollo de ancho de 90 cm., para obtener anchos de 75, 35 y 25 cm.
Si tomamos como referencia un metro del rollo de ancho estndar, las posibles formas de
corte son:
47
www.monografias.com
Observemos que hay cuatro modalidades de corte, en cada una de las cuales se obtiene
un nmero de franjas de los anchos necesarios, con un desperdicio determinado.
Las actividades alternativas a desarrollar son las cuatro modalidades de corte, cada una
con su sobrante asociado por cada metro.
Las caractersticas de los cuatro cortes posibles, se resumen en la siguiente tabla, en
donde como se dijo los datos son para cada metro de ancho de 90 cm. que se corte en cada
modalidad.
> 200
2X2 + 1X3
> 500
2X3+3X4
> 300
48
www.monografias.com
Por motivos tcnicos, debe tenerse igual proporcin de peso ocupado a capacidad en peso
en cada compartimiento.
La empresa recibi el encargo de transportar la carga de cuatro clientes pudiendo aceptar
cualquier fraccin de ellos.
La informacin de peso, volumen y utilidades de las cargas es:
Cmo debe programar la ocupacin del avin para obtener la mxima ganancia?
Construccin del modelo:
Un problema de este tipo es en realidad, similar a un problema de capacidades de peso y
volumen de los compartimientos.
Antes de construir el modelo, debemos calcular el volumen por tonelada de cada carga.
Los resultados se registran en la siguiente tabla:
49
www.monografias.com
jF
jF
jF
jF
Sujeta a:
Capacidades de peso en los compartimientos
50
Utilidad =
www.monografias.com
51
www.monografias.com
No es difcil detectar que las actividades alternativas que pueden realizarse son la
fabricacin de cada uno de los artculos. Por ello definimos las variables como:
Xi: nmero de unidades del articulo i que deben fabricarse en el periodo.
La definicin anterior es la tpica cuando tenemos varias actividades que compiten por
varios recursos. El paso siguiente ser la elaboracin de la funcin del objetivo y de las
restricciones. Pero encontramos que la definicin de las variables no nos permite escribir una
funcin objetivo vlida.
En la funcin del objetivo hallaremos el inconveniente de que tenemos cuatro coeficientes
objetivo diferentes para el articulo A, tres para el artculo B y dos para el artculo C.
Cul de ellos colocar en la funcin objetivo?
La situacin anterior refleja la no proporcionalidad de la utilidad y la cantidad producida.
Por lo tanto ese problema no cumple una de las condiciones bsicas para plantearse directamente
como un modelo de Programacin Lineal.
Para adecuar el problema a la forma en que pueda formularse como modelo de P.L., es
posible a veces calcular una utilidad promedia para cada artculo y colocar este valor como
coeficiente objetivo. Claro que en ese caso estaremos aceptando que la solucin hallada ser
apenas aproximada, debido a la simplificacin de los valores reales.
Pero afortunadamente para este tipo de problemas en donde el objetivo es maximizar y los
coeficientes van disminuyendo al aumentar la variable, es posible construir una funcin objetivo en
la cual se definan las variables para reflejar los intervalos que considera el problema.
Para mejor entendimiento construyamos una grfica con los intervalos de la variable X1.
52
www.monografias.com
Como se dijo las unidades comprendidas en el intervalo 0-40 dan utilidades de $10, las
comprendidas en el intervalo 41-100 dan utilidad unitaria de $9, etc.
Para reflejar este hecho en la funcin objetivo, vamos a definir las variables as:
Xij: cantidad de unidades vendidas del articulo i, que pertenecen al intervalo j
(i=1, 2, 3; j=1, 2, 3, 4)
Xi: cantidad total de unidades del articulo i vendidos.
De esta manera el modelo de P.L., queda:
Maximizar: utilidad:
Sujeta a:
Limites de las cantidades que pertenecen a cada intervalo.
No se incluyeron X14, X23 y X32 pues estas variables no tienen lmite en sus valores.
Por comodidad al escribir las restricciones de uso de los recursos, podemos expresar las
siguientes igualdades:
53
www.monografias.com
54
www.monografias.com
Programacin entera
Corte de madera
Una marquetera debe enmarcar 175 cuadros de 119x96 cm.
comprar varillas de la moldura indicada con longitud de 300 cm.
En el mercado puede
Cmo deben cortarse las varillas para obtener los marcos requeridos, obteniendo el
menor sobrante posible?
Solucin:
Modalidades de corte
2X1 + 1X2
> 350
2X2 + 3X3
> 350
piezas de longitud 90
55
www.monografias.com
produccin de cada una de las maquinas, as como el nmero de gramos disponibles de las
materias primas.
Autor:
Rafael Freites
rafaelfreites@hotmail.com
56
www.monografias.com
Minimizar
Con las siguientes restricciones:
a11X1 + . . . . . . + a1jXj + . . . . . . + a1nXn
b1
.
ai1X1 + . . . . . . + aijXj + . . . . . + ainXn
bi
.
am1X1 + . . . . . . + amjXj+ . . . . . . + amnXn
bm
Xj =0 ; j = 1, 2, . . . . . . n
57
www.monografias.com
2)
a)
Si una unidad tipo E necesita 2 horas en la Mquina A y una unidad tipo F necesita
2 horas, entonces ambas necesitan 4 horas.
b)
Si una unidad tipo E necesita 1 hora en la mquina B, entonces 10 unidades
necesitan 10 horas.
3)
La funcin a optimizar (maximizar minimizar) se llama funcin objetivo, no
contiene ningn trmino constante.
4)
En las m restricciones, no estn incluidas las condiciones Xj =0 (condicin de no
negatividad).
5)
a)
problema.
Soluciones:
Cualquier conjunto de Xj que satisface las m restricciones se llama una solucin al
b)
c)
Una solucin factible que optimiza la funcin objetiva se llama una solucin factible
factible
ptima
Usualmente hay un nmero infinito de soluciones factibles al problema, de todas estas,
tiene que hallarse una ptima
Pautas y comentarios para la formulacin de modelos
En la conversin de modelos verbales a modelos formales, ser muy til describir primero
con palabras un modelo que corresponda al problema dado.
Se puede proceder de la siguiente forma:
1)
Exprese cada restriccin en palabras; al hacer esto, ponga cuidadosa atencin en si
la restriccin es un requerimiento de la forma:
(mayor igual que, al menos, por lo menos, como mnimo),
(menor igual que, no mayor que, como mximo),
= (igual a, exactamente igual a).
2)
3)
Identificar verbalmente las variables de decisin. Una gua til es hacerse la
pregunta:
Qu decisin debe tomarse para optimizar la funcin objetivo?. La respuesta a esta
pregunta ayudar a identificar correctamente las variables de decisin.
4)
Expresar la funcin objetivo en trminos de las variables de decisin. Verificar la
consistencia de unidades. Por ejemplo, si los coeficientes de una funcin objetivo Cj estn dados
en S./ por kilo, las variables de decisin Xj deben estar en kilos, no en toneladas ni onzas.
5)
Expresar las restricciones en trminos de las variables de decisin. Comprobar que
para cada restriccin las unidades del lado derecho son las mismas que las del lado izquierdo.
Las restricciones no pueden tener una desigualdad estricta, con los signos < >. La razn de esto
es de naturaleza matemtica.
58
www.monografias.com
Formulacin de Modelos
Traducir problemas del mundo real a modelos matemticos.
No leer en un problema ms de lo que se da. Por ejemplo, no introduzca restricciones
adicionales o matices lgicos o datos imaginarios que en su opinin podran hacer ms realista el
modelo.
1. PROBLEMA DE PRODUCCIN
Un taller tiene tres (3) tipos de mquinas A, B y C; puede fabricar dos (2) productos 1 y 2,
todos los productos tienen que ir a cada mquina y cada uno va en el mismo orden: Primero a la
mquina A, luego a la B y luego a la C. La tabla siguiente muestra:
1. Las horas requeridas en cada mquina, por unidad de producto
2. Las horas totales disponibles para cada mquina, por semana
3. La ganancia por unidad vendida de cada producto
Que cantidad de cada producto (1 y 2) se debe manufacturar cada semana, para obtener
la mxima ganancia?
Cuantas horas semanales sobran en cada departamento?
Formulacin
1)
2)
Funcin objetivo:
Maximizar Z = X1 + 1.5 X2
3)
Restricciones:
2X1 + 2X2 16 Restriccin debida a las horas disponibles por semana de la MQ A
X1 + 2X2
Condicin de no negatividad:
59
www.monografias.com
Xj =0 ; j = 1 y 2
Solucin ptima
x1= 4 x2=4
Z=10
60
www.monografias.com
Solucin ptima
X1 * = 89 Cortar 89 veces de la manera 1
X2 * = 172 Cortar 172 veces de la manera 2
X3 * = 2 Cortar 2 veces de la manera 3
Z * = 5750 centmetros de desperdicio
Nmero de varillas a comprar: 89 + 172 + 2 = 263 varillas de 300 cm.
Cuadro comparativo de los ahorros:
Conceptos
Materia prima
Desperdicio (cm.)
Antes
292
14450
Despus
263
5750
Diferencia
29
8700
3. CORRIDAS DE PRODUCCIN
Una empresa produce un artculo cuya unidad est compuesta por 4 unidades de
componente A que se producen por corrida de produccin a partir de las materias primas 1 y 2 y
en tres departamentos.
Las Materias primas y la Produccin por corrida de produccin se muestra en la siguiente
tabla:
61
www.monografias.com
XJ 0 j = 1, 2 y 3 Enteros
Restriccin de no negatividad
62
www.monografias.com
X1 + X2 + X3 2
XJ 0 j = 1, 2 y 3
Condicin de no negatividad
X1 + X2
1.6
X1 + X2 + X3
XJ 0 j= 1, 2 y 3
Solucin ptima
X1 = 0.2 Libras del tamao 1
X2 = 1.0 Libras del tamao 2
X3 = 0.8 Libras del tamao 3
Z = $0.108 Costo mnimo del paquete
5. PROBLEMA CLSICO DEL TRANSPORTE
Un fabricante tiene tres centros de distribucin en: Bogot, Medelln y Cali. Estos centros
tienen disponibilidades de: 20, 40 y 40 unidades respectivamente. Sus detallistas requieren las
siguientes cantidades: Pereira 25, Tula 10, Anserma 20, Ibagu 30 y Armenia 15.
El costo de transporte por unidad en dlares entre cada centro de distribucin y las
localidades de los detallistas se dan en la siguiente tabla:
Cuantas unidades debe mandar el fabricante desde cada centro de distribucin a cada
detallista, de manera que los costos totales de transporte sean mnimos?
Formulacin
Xij = Cantidad de unidades a enviar desde el centro de distribucin i-simo (1=Bogot,
2=Medelln, 3=Cali), al detallista j-simo (1=Pereira, 2=Tula, 3=Anserma, 4=Ibagu, 5=Armenia)
Minimizar Z = 55X11 + 30X12 + 40X13 + 50X14 + 40X15 + 35X21 + 30X22 + 100X23 +
45X24 + 60X25 + 40X31 + 60X32 + 95X33 + 35X34 + 30X35
S.A:
63
www.monografias.com
20
40
40
centros de distribucin 1, 2 y 3
25
10
de unidades,
20
30
15
Xij 0 ;
i = 1, 2 y 3 ; j = 1, 2, 3, 4 y 5
Solucin ptima
X11 = 0
X 21 = 25
X 31 = 0
X12 = 0
X 22 = 10
X 32 = 0
X13 = 20
X 23 = 0
X 33 = 0
X14 = 0
X 24 = 5
X 34 = 25
X15 = 0
X 25 = 0
X 35 = 15
Z = $ 3525
6. PROBLEMA DE LOCALIZACIN DE PLANTA
Una empresa del sector textil, que opera en todo el pas, dispone de la siguiente
configuracin:
Dos plantas de fabricacin en Pereira e Ibagu, con capacidades de 900 y 1.500 unidades
respectivamente.
Cuatro almacenes regionales de distribucin que sirven a los clientes de sus respectivas
zonas en: Neiva, Medelln, Cali y Bogot, con demandas de: 700, 800, 500 y 400 unidades
respectivamente.
En los prximos aos, la empresa espera un crecimiento de la demanda del orden del
25%, lo cual ha llevado a la Direccin de la misma a plantearse la apertura de una nueva fbrica.
A la vista de los criterios que la empresa estima importantes para la localizacin de la
nueva planta, existen dos alternativas a considerar: Pasto (alternativa 1) y Villavicencio (alternativa
2). La eleccin recaer en aquella que provoque los menores costos de transporte entre las
fbricas y los almacenes, dado que ambas parecen ser igualmente convenientes respecto a otros
factores.
La tabla siguiente muestra los costos de transporte unitarios entre cada origen y destino.
64
www.monografias.com
Formulacin
(a) Considerando establecer la nueva planta en Pasto
Xij = Unidades a enviar desde la planta i-sima (1=Pereira, 2=Ibagu, 3=Pasto) al almacn
j-simo (1=Neiva, 2=Medelln, 3=Cali, 4=Bogot)
Minimizar Z = 6X11 + 4X12 + 2X13 + 6X13 + 2X21 + 3X22 + 7X23 + 5X24 + 6X31 + 4X32
+ 4X33 + 8X34
S.A:
X11 + X12 + X13 + X14
= 900
= 1500
de unidades en
= 600
las plantas 1, 2 y 3
de
unidades
= 625 de distribucin 1, 2, 3 y 4
= 500
de
los
almacenes
X 14 = 275
X 21 = 875
X 22 = 400
X 24 = 225
X 32 = 600
Z = $9375
(b) Considerando establecer la nueva planta en Villavicencio:
Xij = Unidades a enviar desde la planta i-sima (1=Pereira, 2=Ibagu, 3=Villavicencio)
al almacn j-simo (1=Neiva, 2=Medelln, 3=Cali, 4=Bogot)
Minimizar
Z = 6X11 + 4X12 + 2X13 + 6X13 + 2X21 + 3X22 + 7X23 + 5X24 + 6X31 + 3X32 + 4X33 +
2X34
S.A:
X11 + X12 + X13 + X14 = 900
Restricciones debidas a la
65
www.monografias.com
disponibilidad de unidades en
las plantas 1, 2 y 3
de distribucin 1, 2, 3 y 4
X 13 = 625
X 21 = 875
X 22 = 625
X 32 = 100
X 34 = 500
Z = $7275
De los resultados obtenidos se deriva que Villavicencio es la mejor localizacin bajo el
criterio de minimizar los costos del transporte.
7. El problema de asignaciones
Se usan cuatro barcos cargueros para transportar bienes de un puerto a otros cuatro
puertos (numerados 1, 2, 3 y 4). Se puede usar cualquier barco para hacer cualquiera de los
cuatro viajes. Sin embargo, dadas algunas diferencias entre los barcos y las cargas, el costo total
de cargar, transporte y descargue de bienes para las distintas combinaciones de barcos y puertos
varan mucho.
Estos costos se muestran el la siguiente tabla:
El objetivo es asignar los barcos a los puertos en una correspondencia uno a uno, de
manera que se minimice el costo total de los cuatro barcos.
Xij = 0, No asigne el barco i-simo ( i = 1, 2, 3 y 4 ) al puerto j-simo ( j = 1, 2, 3 y 4 )
Xij = 1, Si asigne el barco i-simo ( i = 1, 2, 3 y 4 ) al puerto j-simo ( j = 1, 2, 3 y 4 )
Minimice
Z = 5X11 + 4X12 + 6X13 + 7X14 + 6X21 + 6X22 + 7X23 + 5X24 + 7X31 + 5X32 + 7X33 +
6X34 + 5X41 + 4X42 + 6X43 + 6X44
S.A:
66
www.monografias.com
X * 12 = 0
X * 13 = 0
X * 14 = 0
X * 21 = 0
X * 22 = 0
X * 23 = 0
X * 24 = 1
X * 31 = 0
X * 32 = 1
X * 33 = 0
X * 34 = 0
X * 41 = 0
X * 42 = 0
X * 43 = 1
X * 44 = 0
Z * = 21
Barco 1 --------Puerto 1 --------Costo $ 5
Barco 2 --------Puerto 4 --------Costo $ 5
Barco 3 --------Puerto 2 --------Costo $ 5
Barco 4 --------Puerto 3 --------Costo $ 6
Costo total mnimo: $21
8. Problema de la mezcla
Una compaa de petrleos produce tres tipos de gasolina: Super, Normal y Euro. Se
obtienen por mezcla de tres calidades de crudo (A,B,C), que contienen tres componentes (1,2,3).
La participacin de estos componentes en la composicin de cada crudo es:
67
www.monografias.com
Los costos por barril de crudo A, B y C son: $650, $500 y $450, respectivamente.
El presupuesto diario de compra es de $50 Millones.
La disponibilidad diaria de crudos B y C se limita, respectivamente, a 3000 y 7000 barriles.
Ciertos acuerdos obligan a comprar al menos 2500 barriles de A.
Las demandas de gasolina Super y Normal son de 2000 y 2500 barriles diarios, que deben
satisfacerse. La compaa desea maximizar la produccin de gasolina Euro.
Formule un modelo de programacin lineal que de respuesta al problema planteado por la
compaa.
10. El problema del financiero
Un inversionista tiene la intencin de hacer varias inversiones, las cuales se extendern
por un periodo de cinco aos, al final del cual necesitar de todo el capital. Las inversiones se
hacen el 1 de Enero de cada ao y son:
Inversin A: Disponible el 1 de Enero de cada ao y produce el 15% de inters al final de
cada ao.
Inversin B: Disponible en dos aos a partir de ahora (Comienzo del 3 ao), y produce un
retorno del 25% al final del 3 ao y lo mximo que el inversionista considerar son $40.000
Inversin C: Disponible en un ao a partir de ahora (Comienzo del 2 ao), y produce el
40% al final del cuarto ao. Esta inversin ser de $30.000 como mximo.
68
www.monografias.com
Para construir las restricciones piense, que al principio de cada ao va a tener disponibles
algunas alternativas de inversin para las que no podr invertir ms de lo tenga disponible en ese
momento.
El lado izquierdo de las restricciones, representa la cantidad de dinero que el inversionista
invertir en las alternativas disponibles al principio de cada ao y el lado derecho representa la
cantidad de dinero disponible para invertir, que es la suma de: El capital inicial + La suma de todos
los intereses recibidos hasta la fecha - Los capitales que estn invertidos en ese momento y que
no han retornado.
Maximizar Z = 0,15 (XA1 + XA2 + XA3 +XA4 + XA5) + 0,25XB3 + 0,4XC2
S.A:
Restricciones debidas a la cantidad de dinero disponible al principio de cada uno de los
cinco aos:
XA1 100000
XA2 + XC2 100000 + 0,15XA1
69
www.monografias.com
XA2 = $115000
XB3 = $ 40000
X A3 = $ 92250
X C2 = $0
Z = $206425,7
13. El problema de los manteles
En un saln de banquetes se tienen programados banquetes durante los siguientes cinco
das. Los requisitos de manteles por banquete son:
El problema del administrador es que se requieren manteles diferentes a los que se usan,
por lo que tendr que comprar ese tipo de manteles.
El costo de cada mantel es de $40 y el costo de mandarlo a la lavandera bajo servicio
urgente para tenerlo listo a los dos das es de $10 por mantel.
Cul es el modelo que le permitir al administrador cumplir con sus requisitos y adems
minimizar el costo total?
70
www.monografias.com
Formulacin:
Xi = Nmero de manteles a comprar para el banquete i-simo (i = 1, 2, 3, 4 y 5)
Yi = Nmero de manteles a mandar a lavar despus del banquete i-simo (i = 1, 2 y 3)
Ii = Nmero de manteles limpios al final de cada banquete i-simo (i = 1, 2, 3 y 4)
Minimizar Z = 40(X1 + X2 +X3 +X4 +X5) + 10(Y1 + Y2 + Y3)
S.A:
X1 = 80 + I1
I1 +X2 = 60 + I2
Y1 + I2 + X3 = 100 + I3
Y2 + I3 + X4 = 130 + I4
Y3 + I4 + X5 = 200
Y1 =80
Y2 =60
Y3 =100
Xi 0 ; i = 1, 2, 3, 4 y 5
Ii 0 ; i = 1, 2, 3 y 4
Yi 0 ; i = 1, 2 y 3
Solucin ptima
X 1 = 80
X 2 = 60
X 3 = 20
Y 1 = 80
Y 2 = 60
Y 3 = 100
= 100
I i = 0 ; i = 1, 2, 3, 4
71
X 4 = 70
X 5
www.monografias.com
Z = $15600
Autor:
Msc. Ing. Mohammed Portilla Camara
mportilla@gmail.com
mportilla@grupo-groming.com
Gerente de Operaciones
Grupo Groming Ingeniera SAC. y
CEENQUA: Certifications for Engineering of Quality
La Molina, Lima - Per
Estudios realizados en: Ingeniera Industrial, Ingeniera de Minas e Ingeniera Informtica
Universidad de Lima
Pontificia Universidad Catlica del Per
Universidad Nacional de Ingeniera
Escuela de Negocios para Graduados - ESAN
72
www.monografias.com
Introduccin
2.
Tipos de restricciones
3.
Introduccin
El mtodo smplex cuya gran virtud es su sencillez, es un mtodo muy prctico, ya que
solo trabaja con los coeficientes de la funcin objetivo y de las restricciones.
Ilustraremos su funcionamiento mediante un ejemplo, pero previamente mostraremos las
reglas de decisin para determinar la variable que entra, la que sale, la gran M, y cmo determinar
que estamos en el ptimo; Todas stas reglas de decisin fueron deducidas del mtodo
algebraico, solamente que aqu se han acomodado para ser usadas en el tipo de tablero smplex
que se usar.
Criterio de decisin
Gran M en la funcin
objetivo
Maximizar
Minimizar
- MXj
+MXj
La ms negativa de
La ms positiva de los
los Zj - Cj
Zj - Cj
La menos positiva de
La menos positiva de
los b/a ,
los b/a ,
Siendo a > 0 , de lo
Siendo a > 0 , de lo
contrario
contrario
no restringe
no restringe
variable que
la
entra
Solucin ptima
73
www.monografias.com
Tipos de restricciones
Restricciones
Se aade una variable de holgura, con costo (o ganancia) en la funcin objetivo igual a
0.
Ejm:
2X1 - 4X2 <= 1, queda:
2X1 - 4X2 + X3 = 1
Restricciones
Se resta una variable de exceso, con costo (o ganancia) en la funcin objetivo igual a
0, y se suma una variable artificial con costo +M M segn sea maximizacin o
minimizacin.
Ejm:
2X1 + 3X2>= 1, queda:
2X1 + 3X2- X3 + X4= 1 Cj de X3 en la funcin objetivo ser 0. y Cj de X4 (artificial) es
M
Restricciones
=
Se le aade una variable artificial con costo +M M segn sea maximizacin o minimizacin.
Ejm:
2X1 + 3X2= 8, queda:
2X1 + 3X2 + X3= 8
Si en el tablero simplex del ptimo, al menos una de las variables no bsicas tiene
coeficiente cero (0) en la funcin objetivo, esto es su Zj Cj = 0, el problema tiene mltiples
soluciones y se nos est ofreciendo una de ellas.
Ejemplo 1
Siendo Xi la cantidad a producir del producto i.
Maximizar Z = X1 + X2
S.A.
5X1 + 3X2 <= 15
74
www.monografias.com
Xj >= 0 ; j = 1, 2
Los problemas de Maximizacin, con todas sus restricciones <= y con la condicin de no
negatividad, se le llama Forma Estndar Forma Normal
Aqu debemos conseguir una solucin bsica factible, empleando las variables de holgura
y/o artificiales, quedando el sistema de ecuaciones as:
Maximizar Z = X1 + X2
S.A.
5X1 + 3X2 + X3
3X1 + 5X2 +
= 15
X4
= 15
Xj >= 0 ; j = 1,2,3,4
Las variables bsicas son aquellas cuyos coeficientes forman la matriz unitaria.
En este caos accidentalmente son las variables de holgura X3 y X4.
A continuacin construimos la siguiente tabla:
Cj
0
b
/a
.B.
0
1
X
3
0
Zj - Cj
X
3
X
4
X
>0
5
X
X
2
1
5/5=3
1
5/3=5
75
www.monografias.com
CXB = Vector fila de los coeficientes en la funcin objetivo original de las variables bsicas
actuales, sus valores se encuentran en la primera columna del tablero.
b = Vector columna de los trminos independientes de las restricciones, que al mismo
tiempo son los valores de las variables bsicas actuales, sus valores se encuentran bajo la
columna denominada b
CXB = (0,0) ; b = (15,15)
76
www.monografias.com
vector unitario, el procedimiento se repite en cada iteracin, hasta que todos los Zj Cj sean
mayores iguales a cero en el caso de maximizar menores iguales a cero en el caso de
minimizar.
A continuacin se muestran todas las iteraciones y en cada fila los valores por los cuales
fueron multiplicadas para ser sumadas a otras filas, ello se expresa como sumar mltiplos de una
fila a otra.
Fjese que se suman mltiplos de las restricciones a la funcin objetivo para eliminar las
variables bsicas de ella.
Cj
V
.B.
1
1
X
X
2
X
3
X
4
1
0
1
6/5
Zj - Cj
Cj
0
5
2/5
>0
3/5
/a
X
/5
Variable
Variable
/5
1
5/8
que entra X2
que sale X4
/5
1
b
/a
a
>0
V
.B.
1
X1* = 15/8
X2* = 15/8
Z * = 15/4
b
X
Solucin
1
1
1
X
2
X
3
X
4
5/8
X
/16
1
5/8
Zj Cj
ptima:
-
3/16
1
5/4
1
/8
>= 6
6X1 + 4X2
= 12
2X1 - 2X2
<= 2
Xj >= 0 ; j = 1, 2, 3
77
5
/16
1
/8
www.monografias.com
=6
+X6
= 12
+X7
=2
Xj >= 0 ; j = 1, 2, 3, 4, 5, 6, 7
Las variables bsicas son X5 = 6 , X6 = 12, X7 = 2
Solucin ptima:
Variables de decisin:
78
www.monografias.com
X1 = 0 , X2 = 3 , X3 = 0 , Z = 12
Variables de holgura : X4 = 0 , X7 = 8
Variables artificiales: X5 = 0 , X6 = 0
S.A.
5X1 + 3X2 <= 15
Xj >= 0 ; j = 1, 2
Tablero inicial:
Cj
b
/a
a
.B.
X
3
Zj Cj
X
3
X
4
X
4
X
2
>0
X
1
5/5=3
1
5/3=5
Tablero ptimo:
79
www.monografias.com
Costo reducido:
Unidades = (unidad monetaria)/(unidad de producto) = (u.m.)/(u.p.) = las mismas unidades
que Cj
Precio dual:
Unidades = (unidad monetaria)/(unidad de recurso) = (u.m.)/(u.r.)
Interpretacin del Costo reducido:
En cuantas unidades monetarias empeora la funcin objetivo al producir una
unidad de un producto que no se est produciendo.
En minimizacin: (z / x)
En maximizacin: (z / x)
(z / b)
(z / b)
Cuando es <0:
(z / b)
(z / b)
Una restriccin es limitante cuando limita a la funcin objetivo. Esto sucede cuando se
cumple la igualdad de la restriccin.
Si la restriccin es no limitante, el precio dual es 0.
Si la restriccin es limitante, puede tomar cualquier valor positivo, negativo o 0.
ANIMALES DISECADOS
Una Empresa de Animales Disecados est produciendo palomas y gavilanes disecados.
En las condiciones en que se encuentra el mercado actualmente puede vender los gavilanes y las
palomas con utilidades de $20.00 y $12.00 respectivamente.
Las pieles de los gavilanes son ms duras y toman ms tiempo de trabajo que las pieles de
las palomas. La mquina de pieles puede trabajar 4 pieles de gaviln por minuto 8 pieles para
palomas, usando la misma capacidad. La lnea de relleno, puede rellenar 5 gavilanes 4 palomas
por minuto. Los gavilanes van a una operacin final en una mquina de afilado del pico que tiene
una capacidad de 3.5 gavilanes por minuto, La jornada de trabajo en la divisin es de 8 horas.
a)
b)
c)
80
www.monografias.com
d)
Determinar la solucin ptima del problema dual leyndola directamente de la
tabla ptima encontrada en la pregunta c.
A no ser que se especifique de otra manera, las siguientes preguntas son independientes
unas de otras y estn basadas en el enunciado inicial del problema.
e)
Existe la posibilidad de trabajar sobretiempos en la mquina de pieles, en la lnea
de relleno, y en la mquina de afilado. Cul es la mayor utilidad que se genera por cada
sobretiempo en cada una de las secciones?.
f)
El Gerente de la Empresa visita la lnea de gavilanes y palomas, y observa que hay
capacidad ociosa en algunos de los procesos. El resuelve ordenar que se usen todos los centros
del proceso, en toda su capacidad instalada. Qu le dira usted?.
g)
Qu sucedera con la solucin ptima si las utilidades por cada paloma bajan a s/.
9.00 ?.
h)
Para darle un mejor acabado a los juguetes, se ha instalado una lnea de laqueado;
la lnea de laqueado puede rellenar 5 gavilanes por minuto o 4 palomas en el mismo tiempo,
igualmente la jornada es de 8 horas. Afectara la solucin ptima?; de ser as encuentre la nueva
solucin.
NOTA TEORICA:
En esta pregunta, observar si la nueva restriccin es cumplida por la solucin actual, si
es as sera una restriccin redundante y no afecta a la solucin actual, pero si la solucin
actual no la cumple, entonces ser necesario volver a resolver el problema considerando esta
nueva restriccin.
MODELO:
X1= numero de palomas a producir en el da
X2= numero de gavilanes a producir en el dia
MAX 12X1+20X2
SUBJECT TO
0.125X1+0.25X2<=480
maquina de pieles
0.25X1+0.2X2<=480
linea de relleno
0.2857143X2<=480
afilado de pico
END
LP OPTIMUM FOUND AT STEP
39680.00
VARIABLE
VALUE
X1
640.000000
X2
1600.000000
REDUCED COST
0.000000
0.000000
DUAL PRICES
0.000000
69.333336
81
www.monografias.com
3)
0.000000
13.333333
4)
22.857122
0.000000
NO. ITERATIONS=
CURRENT
ALLOWABLE ALLOWABLE
COEF
INCREASE
DECREASE
X1
12.000000
13.000000
2.000000
X2
20.000000
4.000000
10.400001
CURRENT
RHS
ALLOWABLE ALLOWABLE
INCREASE
DECREASE
480.000000
11.999989
240.000000
480.000000
480.000000
23.999977
480.000000
INFINITY
22.857122
Autor:
Ing.Mohammed Portilla Camara
mportilla@gmail.com
mportilla@grupo-groming.com
Gerente de Operaciones
Grupo Groming Ingeniera SAC. y
CEENQUA: Certifications for Engineering of Quality
La Molina, Lima - Per
Estudios realizados en: Ingeniera Industrial, Ingeniera de Minas e Ingeniera Informtica
Universidad de Lima
Pontificia Universidad Catlica del Per
Universidad Nacional de Ingeniera
Escuela de Negocios para Graduados - ESAN
82