Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Amodelacion-V1 1 PDF
Amodelacion-V1 1 PDF
Universidad de Concepcio
Facultad de Ingeniera
Departamento de Ingeniera Industrial
Modelamiento Matem
atico
Rosa Medina D.
Este documento es una sntesis de las clases de modelamiento matematico
para la carrera de Ingeniera Civil Industrial. Comprende los temas de:
Componentes de los modelos
Modelos clasicos
Aplicaciones industriales
Se basa en apuntes de clases y libros especificados en referencias.
Cualquier observacion enviar a rosmedina@udec.cl
2015-2
v1.1
Indice
1. Introducci
on
2
4
10
11
12
13
14
3. Aplicaciones Industriales
15
3.1. Produccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15
17
17
18
3.1.4. M
ultiples periodos e Inventarios . . . . . . . . . . . . . . . . . . . . .
19
3.2. Personal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
21
3.3. Finanzas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
23
1.
Introducci
on
Los modelos matematicos apoyan la toma de decisiones, entregando un enfoque cuan-
1.1.
horas dedicar a cada actividad, ya que cada hora que estudia le genera 5 puntos de estres, una
hora de deporte le disminuye 3 puntos de estres y una hora con su familia le genera 2 puntos
de estres. No puede cambiar, por ejemplo, el tiempo total del que dispone (ya que cada da
tiene solo 24 horas). Tambien puede observar que algunas actividades tienen limitaciones,
por ejemplo, esta obligado a un mnimo de 4 horas de estudio para rendir satisfactoriamente
en la universidad.
Los componentes de los modelos son:
variables, las decisiones que debe tomar. Cuantas horas dedicar a estudiar, al deporte
y a su familia.
objetivo, la finalidad de tomar esas decisiones. Nos permite evaluar cuando una decision es mejor que otra. Menos nivel de estres.
restricciones, los lmites que pueden tener las variables o sus combinaciones. Nos
permiten describir el entorno en que las decisiones son validas. No puede dedicar todo
el tiempo al deporte y su familia.
par
ametros, los valores (datos) que no podemos cambiar y son determinantes para el
modelo. Los puntos de estres que genera cada hora dedicada a una actividad particular.
En la formulacion del modelo, se suele comenzar por la definicion de las variables y
funcion objetivo, para luego ver las restricciones y parametros involucrados. En los modelos
de decision, la funcion objetivo buscara optimizar (maximizar o minimizar) las decisiones
tomadas.
En el ejemplo anterior, podemos especificar que la distribucion la quiere realizar en un
horizonte de un da. Por otro lado, en realidad dispone de solo 14 hrs. al da, luego de
alimentarse y dormir.
Definimos las variables como:
x: horas dedicadas a estudiar
y: horas dedicadas al deporte
z: horas dedicadas a su familia
3
Ninguna de estas variables podra tomar un valor negativo, e. g., no puede dedicar menos
dos horas a estudiar. Este tipo de restriccion se denomina de no negatividad.
Ademas, se indica que el mnimo de horas de dedicacion a estudiar es 4 hrs. Esto significa
que: x 4, y 0, z 0.
Obviamente, es deseable minimizar el nivel de estres, por lo cual la funcion objetivo sera:
M in 5x 3y + 2z
Las horas dedicadas a las actividades deben desarrollarse dentro de las 14 hrs. diarias
que tiene, es decir:
x + y + z 14
El modelo completo lo podemos expresar como:
5x 3y + 2z
M in
s.a
x + y + z 14
x 4, y 0, z 0
s.a se lee como sujeto a e indica el inicio de la lista de restricciones. En los cursos de
Optimizacion I y Optimizacion II se estudiaran los metodos para resolver estos problemas.
2.
Modelos Cl
asicos
2.1.
Problema de la Mochila
xj =
el objeto j J es seleccionado.
M ax
n
X
b j xj
j=1
M ax
b j xj
jJ
p j xj C
j=1
n
P
M ax
bj x j
j=1
s.a
n
P
p j xj C
j=1
xj {0, 1}
j = 1, ..., n
Ejercicio
Modifique el modelo del Problema de la Mochila para modelar el siguiente problema.
Una persona desea invertir $5.000 durante el proximo a
no en dos tipos de inversion. La
inversion A redit
ua 5 % y la inversion B 8 %. La investigacion de mercado recomienda una
asignacion de por lo menos 25 % en A y cuanto mucho 50 % en B. Ademas, la inversi
on A
debe ser por lo menos de la mitad de la inversion B. Como deben asignarse los fondos a las
dos inversiones?
2.2.
En este modelo se deben agrupar los objetos que se desean llevar en el menor n
umero
de contenedores. Los objetos tienen un peso asociado y los contenedores tienen una capacidad maxima. El peso de los objetos seleccionados para un contenedor no puede superar su
capacidad.
Supongamos que tenemos un conjunto de n objetos O, cada uno con peso wi . Tambien,
tenemos m contenedores C de capacidad C.
Para que el problema sea factible, la suma de todos los pesos de los objetos debe ser
menor que la suma de las capacidades de los contenedores disponibles.
variables
xij =
e.o.c.
yi =
si se usa el contenedor j C
e.o.c.
objetivo
minimizar el n
umero de contenedores utilizados.
par
ametros
wi : peso de un objeto i
C: capacidad de cada contenedor.
modelo
n
P
M in
yj
j=1
s.a
m
P
xij Cyj
i=1
n
P
j = 1, ..., n
i = 1, ..., m
xij = 1
j=1
Podemos observar que las variables xij no estan presentes en la funcion objetivo. La
primera de las restricciones permite relacionar las variables, de manera que si un contenedor
a no es utilizado (ya = 0), no podemos asignar objetos a el (xia = 0). Tambien indica que
si se asignan objetos a un contenedor, no se puede sobrepasar la capacidad maxima del
contenedor. La segunda restriccion indica que todos los objetos deben asignarse una u
nica
vez a un u
nico contenedor.
Ejercicio
Modele el siguiente problema utilizando el modelo del Problema de Bin Packing.
En un paseo de fin de a
no de un colegio, se desea contratar el menor n
umero de buses,
manteniendo unidos los alumnos de un mismo curso. Cada bus tiene una capacidad de 45
pasajeros y los tama
nos de los cursos se muestran en la siguiente tabla:
7
Curso no alumnos
1o A
23
o
2 A
25
3o A
20
o
4 A
19
2.3.
Curso no alumnos
1o B
18
o
2 B
27
3o B
22
o
4 B
24
Problema de Localizaci
on
xij =
e.o.c.
e.o.c.
objetivo
minimizar los costos de instalacion de un centro de servicio y los costos de servir a
cada cliente.
par
ametros
fj costo de instalar el centro de servicio j
cij costo de servir al cliente i desde el centro j
modelo
M in
Pn
s.a
2.4.
j=1
fj y j +
Pn
Pm Pn
j=1
i=1
i = 1, ..., m
xij = 1
xij yj
i = 1, ..., m; j = 1, ..., n
xij , yj {0, 1}
i = 1, ..., m; j = 1, ..., n
Set Covering
0 e.o.c.
objetivo
minimizar los costos de instalacion de los centros de servicio.
par
ametros
fj costo de instalar el centro de servicio j.
Ji los centros de servicio que pueden atender al cliente i.
modelo
M in
Pn
j=1
jJi
f j xj
xj 1
i = 1, . . . , m
Ejercicio
Modifique el modelo de Set Covering para modelar el siguiente problema.
Se desea conocer nombre, telefono, puntaje PSU ponderado, promedio curricular y cantidad de libros pedidos en la biblioteca de los alumnos en una base de datos que contiene cuatro
tablas.
La primera tabla tiene los datos anagraficos: nombre, fecha de nacimiento, nacionalidad,
direccion, telefono y estado civil. La segunda tabla tiene los datos de ingreso a la universidad:
n
umero de matrcula, nombre, telefono, direccion, plan de estudios, a
no de ingreso. La tercera
tabla tiene los datos de la PSU: n
umero de matrcula, nombre, NEM, puntaje en LyC, puntaje
en Matematica, puntaje en Ciencias y puntaje PSU ponderado. La cuarta tabla tiene los datos
de la biblioteca: n
umero de matrcula, nombre, telefono, libros en prestamo, libros pedidos,
libros devueltos.
Cuanto es el mnimo de tablas que se deben consultar y cuales son.
2.5.
Set P artitioning
Se obtiene al sustituir en la restriccion del modelo anterior las desigualdades por igualdades, es decir, no se permite un sobrecubrimiento de los clientes.
0 e.o.c.
objetivo
minimizar los costos de instalacion de los centros de servicio.
par
ametros
fj costo de instalar el centro de servicio j.
Ji los centros de servicio que pueden atender al cliente i.
modelo
10
Pn
M in
j=1
jJi
f j xj
xj = 1 i = 1, . . . , m
xj {0, 1}
j = 1, ..., n
2.6.
Problema de Localizaci
on Capacitado
0 e.o.c.
0 e.o.c.
objetivo
minimizar los costos de instalacion de los centros de servicio y los costos de servir a
cada cliente.
par
ametros
fj costo de instalar el centro de servicio j.
cij costo de servir al cliente i desde el centro j.
di demanda del cliente i.
oj oferta del centro de servicio j.
11
modelo
M in
Pn
j=1
fj y j +
Pn
Pm Pn
j=1
i=1
xij = 1,
xij yj ,
Pm
i=1
i = 1, . . . , m
i = 1, . . . , m; j = 1, ..., n
di xij oj yj ,
j = 1, ..., m
2.7.
Problema de Asignaci
on
El modelo contempla un n
umero de tareas y un n
umero igual de maquinas que trabajan
en forma secuencial. El tiempo que tarda cada maquina en realizar cada tarea se conoce y
es distinto para cada una.
El objetivo es asignar cada tarea a una maquina, de manera que el tiempo total de realizar
todas las tareas sea mnimo.
variables
xij
0 e.o.c.
objetivo
minimizar la suma de los tiempos de las asignaciones de tareas a maquinas.
par
ametros
tij tiempo de proceso de la tarea i en la maquina j.
modelo
12
M in
s.a.
Pn Pn
i=1
Pn
xij = 1,
j = 1, ..., n
Pn
xij = 1,
i = 1, ..., n
i=1
j=1
2.8.
i = 1, ..., n; j = 1, ..., n
Problema de Transporte
13
M in
s.a.
Pm Pn
i=1
j1
cij xij
Pn
xij = oi ,
i = 1, ..., m
Pm
xij = dj ,
j = 1, ..., m
j=1
i=1
xij 0,
2.9.
i = 1, ..., m; j = 1, ..., n
El modelo supone un caso mas general que el modelo del Problema de Transporte, en
donde se incluyen p centros de distribucion que no tienen demanda, ademas de las plantas
productivas con oferta oi y las salas de venta con demanda dj .
Cada una de las conexiones (i, j) entre las plantas y los centros de distribucion o salas de
venta, tienen un costo de transporte unitario asociado cij al transporte de cada unidad de
producto que va desde i hasta j. Se debe decidir cuantas unidades se deben enviar por cada
conexion, sin sobrepasar la oferta de las plantas productivas, para satisfacer la demanda al
menor costo posible la demanda de las salas de ventas.
variables
xij : unidades de productos enviadas por la conexion (i, j).
objetivo
minimizar los costos de transporte de las unidades.
par
ametros
oi : oferta de las plantas productivas.
dj : demanda de centros de distribucion o salas de venta (cero para los centros de
distribucion).
cij : costo por unidad transportada por la conexion (i, j).
modelo
14
Pm Pn
M in
s.a
i=1
(1)
Pn
xij = oi ,
i = 1, ..., m
Pm
Pn
i=1 xij =
k6=j,k=1 xjk + dj , j = 1, ..., n
j=1
xij 0
i = 1, ..., m; j = 1, ..., n
(2)
(3)
(4)
La restriccion 2, nos indica que la suma de todos los productos que salen desde una planta
productiva equivale a la oferta de la planta. La restriccion 3, nos indica que en un centro de
distribucion o sala de venta, los productos que llegan son iguales a los que salen hacia otra
sala de venta mas los que son demandados (vendidos) en ese punto. Este tipo de restricciones
se denominan conservacion de flujo.
3.
Aplicaciones Industriales
3.1.
Producci
on
El contexto de esta aplicacion suele darse en las empresas u organizaciones que deben
decidir que productos fabricar y en cuanta cantidad, mediante una eficiente asignacion de
los recursos disponibles.
Podemos considerar como recursos la materia prima, el trabajo de los empleados, el
tiempo de las maquinas, etc.
El modelo general considera que existen n tipos de productos i y m tipos de recursos j,
cada recurso con una disponibilidad, Tj .
Por cada producto i y cada recurso j, se conoce la cantidad necesaria tij del recurso
para obtener una unidad. Tambien se conoce la utilidad ci por cada tipo de producto i, de
manera que maximize la utilidad total de todos los productos, bajo el supuesto que todas
las unidades producidas seran vendidas.
Ejercicio
Identifique los componentes para el modelo descrito.
15
Ejemplo
Un carpintero produce mesas y sillas. Por cada mesa obtiene una utilidad de 5.000 y
por cada silla 3.000. Tiene disponible para trabajar (mano de obra) 40 horas semanales y se
demora en cada mesa 2 hrs. y 1 hr. en cada silla. Ademas, tiene disponible 50 paneles de
madera, de los cuales requiere 5 para fabricar una mesa y 3 para fabricar una silla. Cuantas
mesas y cuantas sillas debe producir en una semana para maximizar su utilidad.
variables
xM : unidades de mesas producidas.
xS : unidades de sillas producidas.
objetivo
Maximizar la utilidad de las mesas y sillas producidas.
par
ametros
UM =5.000 [$/mesa]: utilidad obtenida por cada mesa producida.
US =3.000 [$/silla]: utilidad obtenida por cada silla producida.
TM AN ODEOBRA =40 [Hrs.]: tiempo disponible de mano de obra para produccion.
hM =2 [hrs./mesa]: tiempo utilizado en fabricar una mesa.
hS =1 [hr./silla]: tiempo utilizado en fabricar una silla.
TP AN ELES =50 [Paneles]: paneles disponibles para fabricar mesas y sillas.
pM =5 [paneles/mesa]: paneles necesarios para fabricar una mesa.
pS =3 [paneles/silla]: paneles necesarios para fabricar una silla.
modelo
16
M ax 5.000xM + 3.000xS
s.a.
(5)
2xM + xS 40
(6)
5xM + 3xS 50
(7)
xM , xS Z+
(8)
En este problema, existen dos productos (mesas y sillas) y dos recursos (mano de obra
y paneles). La primera ecuacion corresponde a la funcion objetivo que maximiza la suma de
las utilidades de las mesas y sillas producidas. La restriccion 6 indica que el tiempo que nos
demoremos en producir las mesas y sillas no puede exceder el tiempo disponible de mano de
obra. La restriccion 7, similar a la anterior, nos indica que no podemos exceder el n
umero de
paneles disponibles. Finalmente, la restriccion 8 indica que no podemos producir cantidades
negativas de mesas o sillas y que solo podemos producir cantidades enteras de mesas y sillas.
3.1.1.
Tasas de producci
on
Una variacion en las restricciones de este modelo resulta cuando no se conoce la cantidad
de recurso por unidad de producto, sino que se conoce la cantidad maxima que se puede
producir en el periodo, por ejemplo, Si solo se pintaran mesas, entonces en una semana
se produciran 30. Si solo se pintaran sillas, entonces en una semana se produciran 20.
En este caso, la restriccion queda expresada en terminos de las tasas de pintado por cada
producto:
1
1
xM + xS 1
30
20
3.1.2.
(9)
3.1.3.
(10)
(11)
(12)
xa,M + xa,S 20
(13)
xp,M + xp,S 30
(14)
(15)
Proceso productivo
En esta variacion se obtienen diferentes productos en las distintas etapas del proceso
productivo, dadas las tasas de rendimiento y los subproductos que se pueden obtener a
partir de la materia prima.
Por ejemplo: el carpintero tiene un proceso de acabado que le permite vender las mesas
en 7.000 y las sillas en 4.000 utilizando 5 horas mas de mano de obra por cada una. Los
productos que puede producir son: mesas, sillas, mesas con acabado y sillas con acabado.
18
(16)
(17)
(18)
xM , xM A , xS , xSA Z+
(19)
En la restriccion 17 las horas de mano de obra que requieren las mesas y sillas acabadas,
incluyen tambien el tiempo que requiere una mesa o silla com
un a la cual se le dara el
acabado.
3.1.4.
M
ultiples periodos e Inventarios
Esta u
ltima variacion, nos permite considerar la produccion para satisfacer demandas
en diferentes periodos. El modelo considera que el inventario del periodo anterior mas la
produccion del periodo es igual a la demanda del periodo mas el inventario del periodo
actual.
Estos modelos ademas pueden considerar costos de produccion con horas extras y costos
de inventario.
Por ejemplo: el carpintero sabe que esta semana (semana 1) la demanda es de dos mesas,
la proxima semana (semana 2) la demanda sera de una mesa y la subsiguiente (semana 3)
19
de tres mesas. Podemos planificar su produccion de mesas, de manera que pueda adelantar
la produccion de algunas demandadas en periodos posteriores.
Las variables deben considerar la produccion por semanas y la cantidad de produccion
destinada a inventarios, as:
variables
xM i : unidades de mesas producidas en la semana i {1, 2, 3}.
xSi : unidades de sillas producidas en la semana i {1, 2, 3}.
yM i : unidades de mesas dejadas en inventario en la semana i {1, 2, 3}.
El nuevo modelo sera:
modelo
M ax
s.a.
5.000(xM 1 + xM 2 + xM 3 ) + 3.000xS
(20)
2xM 1 + xS1 40
(21)
2xM 2 + xS2 40
(22)
2xM 3 + xS3 40
(23)
5xM 1 + 3xS1 50
(24)
5xM 2 + 3xS2 50
(25)
5xM 3 + 3xS3 50
(26)
xM 1 = 2 + yM 1
(27)
yM 1 + xM 2 = 1 + yM 2
(28)
yM 2 + xM 3 = 3 + yM 3
(29)
(30)
Observamos que en la funcion objetivo, se considera la utilidad de las mesas en los tres
periodos. Adicionalmente, se podran considerar costos de mantencion de inventarios, si as
lo exigiese el problema o utilidades diferenciadas por periodos.
20
3.2.
Personal
21
lunes
x
x
x
x
x
martes
x
x
miercoles
x
x
x
x
x
x
jueves
x
x
x
x
x
x
viernes
x
x
x
x
x
sabado
x
x
x
x
x
domingo
x
x
x
x
x
rj : mnimo n
umero de trabajadores el da j = {1, 2, 3, 4, 5, 6, 7}
modelo
M in x1 + x2 + x3 + x4 + x5 + x6 + x7
s.a
(31)
x1 + x4 + x5 + x6 + x7 12
(32)
x1 + x2 + x5 + x6 + x7 18
(33)
x1 + x2 + x3 + x6 + x7 20
(34)
x1 + x2 + x3 + x4 + x7 28
(35)
x1 + x2 + x3 + x4 + x5 32
(36)
x2 + x3 + x4 + x5 + x6 40
(37)
x3 + x4 + x5 + x6 + x7 40
(38)
xi 0
(39)
El lado izquierdo de las restricciones nos indican por cada da los turnos que les corresponde trabajar. El lado derecho de las restricciones nos indica el n
umero mnimo de
trabajadores requeridos para cada da.
22
3.3.
Finanzas
23
M ax
0.1x + 0.5y
(40)
s.a.
x 1.000.000
(41)
y 0.4(x + y)
(42)
x + y 800.000
(43)
x 0, y 0
(44)
Referencias
[Eppen, 2000] Eppen et al. Investigacion de Operaciones en la Ciencia Administrativa Pearson, 2000.
[Hillier and Lieberman, 2006] Hillier and Lieberman. Introduccion a la Investigacion de Operaciones Mc Graw Hill Interamericana, 2006.
[Williams, 1985] Williams, H. P. Model Building in Mathematical Programming John Wiley
& Sons, 1985.
[Winston, 2005] Winston, W. L. Investigacion de Operaciones Thomson, 2005.
24