Está en la página 1de 50

RLG

Programa Acadmico Ing. Industrial y


Comercial

INVESTIGACION DE
OPERACIONES
SESION 8

RLG

BIBLIOGRAFA

Taha, Hamdy A.; Investigacin de Operaciones


Gould, Eppen y Schmidt; Investigacin de Operaciones en
la Ciencia Administrativa.
Richard Levin y Charles Kirkpatrick; Enfoques
cuantitativos a la Administracin.
K. Roscoe, Patrick G. McKeown; Modelos Cuantitativos
para la Administracin
Anderson, Sweeney, Willimas; Mtodos Cuantitativos para
los Negocios Editorial International Thomson.
Winston; Introduccin a la Investigacin de Operaciones.
Editorial, Fondo de Cultura Interamericano, Mxico.
Hillier y Lieberman; Introduccin a la Investigacin de
Operaciones
M Sasieni A Yaspan L Friedman; Investigacin de
operaciones, Ed. Limusa
Dr. (c) Ricardo Lpez Guevara

2 de 65

RLG

OBJETIVO DEL CURSO


Proporcionar

una

estructura bsica para la


comprensin de los mtodos cuantitativos
(Investigacin Operativa) que describa los
conocimientos y las prcticas de su uso en el campo
de la gestin empresarial.

Dr. (c ) Ricardo Lpez Guevara

RLG

CONTENIDO DE LA CLASE
Programacin lineal entera, programacin lineal mixta, modelos
binarios.
Representaciones grficas.
Aproximacin
Solucin:
Solucin usando el computador para de modelos enteros
Falta de anlisis de sensibilidad.

El uso de Variables Binarias.


- Presupuestos de Capital / restricciones para realizar el objetivo.

RLG

INTRODUCCION
Muchas veces, algunas o todas las variables de decisin deben
restringirse a valores enteros.
Por ejemplo:
El nmero de aeronaves que se compr este ao.
El nmero de mquinas que necesita para produccin.
El nmero de viajes que ha realizado un agente de ventas.
El nmero de policas que se asign a la vigilancia nocturna.

Dr. (c ) Ricardo Lpez Guevara

RLG

Las variables enteras son requeridas cuando el modelo


represente una nica decisin (no una operacin en
proceso).
Los modelos de Programacin Lineal Entera (PLE) son mucho
ms difciles de resolver que los modelos de Programacin
Lineal (PL).
Los algoritmos que resuelven los modelos lineales enteros no
entregan resultados de anlisis de sensibilidad.

RLG

Los modelos de PLE pueden clasificarse como sigue:


Solo de enteros, es decir, todas las variables se
restringen a enteros.
De variables mixtas - algunas variables son enteras,
pero no todas.

De binarios- todas las variables son 0s o 1s.

RLG

Las complejidades de PLE


Si un modelo de enteros se resuelve como un modelo lineal simple, se
puede obtener la solucin ptima no entera.
Aproximar a valores enteros puede provocar:
Soluciones no-factibles
Soluciones factibles pero no ptimas
Soluciones ptimas.

RLG

Por qu no enumerar todos los puntos enteros factibles y


seleccionar el mejor?
Enumerar todas las soluciones enteras es poco prctico, a
causa del gran nmero de puntos factibles.
Siempre se utiliza aproximacin? Si, particularmente si
Los valores de las variables de decisin positivas son
relativamente grandes, y los valores de los coeficientes de la
funcin objetivo son relativamente pequeos.

RLG

El siguiente ejemplo ilustra algunas de las


complicaciones que aparecen cuando se utilizan
restricciones enteras
sobre las variables de
decisin.

RLG

Cadena de Restaurantes Auto_Burguer


El Auto_Burger es una nueva cadena de comida rpida.
El local planifica su expansin en el centro y distritos de
Lima.
La gerencia desea determinar cuntos restaurantes abrir
en cada rea a fin de aumentar al mximo la ganancia
semanal neta.

RLG

Requerimientos y restricciones:
No ms de 19 gerentes pueden ser asignados.
Por lo menos deben abrirse dos restaurantes en el centro.
La inversin total no puede exceder a $2.7 Millones.
Distritos
200,000

Inversin por la ubicacin


Ganancia diaria
1,200
Horas de operacin
24 horas
Nmero de gerentes necesarios
3

Centro
600,000
2,000
12 horas
1

RLG

Solucin
Variables de Decisin
X1 = Nmero de restaurantes abiertos en distritos.
X2 = Nmero de restaurantes abiertos en el centro .
El modelo matemtico se formula a continuacin:

RLG

Ganancia semanal neta


Max z = 1200 X1 + 2000 X2
S.A. :
La inversin total no puede exceder en $ 27 millones
2X1 + 6X2 <= 27
Por lo menos dos restaurantes en el centro
X2 >= 2
No se pueden asignar mas de 19 gerentes
3X1 + x2 <= 19
X1, X2 ; enteros >= 0

RLG

Sensibilidad de un PLE
En los problemas de programacin lineal entera no es
posible realizar el anlisis de sensibilidad.
Cualquier cambio en los coeficientes de la funcin objetivo
o en los coeficientes del lado derecho implicar resolver el
problema nuevamente.

RLG

Programacin Lineal Entera


Un Problema de Programacin Lineal Entera (PPLE) es aquel que
presenta el siguiente formato:

RLG

Programacin Lineal Entera


Definimos el equivalente continuo de un PPLE como:

RLG

Programacin Lineal Entera


CMO RESOLVER UN PPLE?
Dado un PPLE resolvemos su equivalente continuo si la solucin ptima resulta
entera, entonces esta solucin del equivalente continuo ser tambin la solucin
ptima del PPLE.
Si la solucin ptima del equivalente continuo tiene por lo menos una variable
cuyo valor no es entero, entonces debemos utilizar tcnicas de Programacin
Entera.

RLG

Programacin Lineal Entera


INTERPRETACIN GRFICA DEL ESPACIO DE SOLUCIONES DE UN PPLE.
Consideremos el siguiente PPLE:
Max Z = 4x + 5y
sujeto a
x+y8
2 x + y 10
x, y enteros 0

RLG

Programacin Lineal Entera

RLG

Programacin Lineal Entera

RLG

Programacin Lineal Entera

RLG

Programacin Lineal Entera

RLG

Programacin Lineal Entera

RLG

Programacin Lineal Entera

RLG

Programacin Lineal Entera

RLG

Programacin Lineal Entera

RLG

Programacin Lineal Entera

RLG

Programacin Lineal Entera


OBSERVACIONES:
1) El espacio de soluciones factibles de un PPLE est formado por puntos
aislados.
2) El espacio de soluciones factibles de un PPLE no es un conjunto
convexo.
3) Ya no se puede hablar de puntos extremos.
4) En el ejemplo presentado la solucin ptima del presentado,
equivalente continuo es ( x, y ) = ( 0, 8 ). Como esta solucin es entera,
ser tambin solucin del PPLE.

RLG

Programacin Lineal Entera


QU DIFICULTADES SE PRESENTAN SI SE REDONDEA LA SOLUCIN
DE UN PPLE?
Si al resolver el equivalente continuo de un PPLE la solucin no
resulta entera y procedemos a redondear dicha solucin se pueden
presentar las siguientes dificultades:
1) La solucin redondeada es no factible.
2) La solucin redondeada es factible, pero no es ptima.

RLG

PROBLEMA DE PRODUCCION
La compaa Mauser fabricante de fusiles automticos, tiene 3
departamentos en los cuales se manufacturan sus modelos S-1000 y S-2000,
las capacidades mensuales son las siguientes:

RLG

Problema de produccin
La utilidad del modelo S-1000 es de 40 dlares por unidad y la del
modelo S-2000 es de 10 dlares por unidad; suponiendo que la
compaa puede vender cualquier cantidad de estos productos,
debido a condiciones favorables de mercado.
Determinar el nmero de unidades de cada modelo que se debe de
fabricar de manera que se maximice la utilidad total.

RLG

SOLUCION

Variables de decisin
x1 : nmero de fusiles S-1000 que la compaa Mauser va a
fabricar.
x2 : nmero de fusiles S-2000 que la compaa Mauser va a
fabricar.

RLG

SOLUCION
Restricciones:
Restriccin por horas disponibles del Departamento 1:
4x1 + 2x2 <= 1600
Restriccin por horas disponibles del Departamento 2:
2.5 x1 + x2 <= 1200
Restriccin por horas disponibles del Departamento 3:
4.5 x1 + 1.5 x2 <= 1600
Restricciones de no negatividad:
x1, x2 >= 0

RLG

Solucin
MODELO COMPLETO
Max Z = 40 x1 + 10 x2
S.A.:
4x1 + 2x2 <= 1600
2.5 x1 + x2 <= 1200
4.5 x1 + 1.5 x2 <= 1600
x1, x2 >= 0

RLG

PROBLEMA DE PRODUCCION
con LINGO
Max = 40*x1 +10*x2;
4*x1 + 2*x2 <= 1600;
2.5*x1 + x2 <= 1200;
4.5 *x1 + 1.5* x2 <= 1600;
@gin(x1);
@gin(x2);

RLG

Problema de requerimiento de personal


En el verano, la Playa de Sunset Beach contrata personal salvavidas por los
siete das a la semana. Las regulaciones requieren que los empleados
municipales, incluyendo salvavidas trabajen cinco das a la semana y se dan
dos das libres consecutivos.
Las ordenanzas de seguridad de Sunset Beach exigen que haya al menos un
salvavidas por cada 8000 personas que es el promedio de asistencia diaria
en un da determinado.
Datos estadsticos referenciales revelan que las cifras de asistencia diaria
promedio por da son los siguientes: Domingo - 58.000, de lunes - 42.000,
martes - 35.000, mircoles - 25.000, jueves - 44.000, Viernes - 51.000 y
sbado - 68.000.
Dada una restriccin de presupuesto ajustado, a la ciudad le gustara
determinar un horario que emplear el menor nmero de salvavidas como
sea posible.

RLG

Solucin
Resumen del Problema
Minimizar el nmero total de salvavidas.
Asignar salvavidas para 5 das consecutivos.
Satisfacer los requerimientos mnimos de salvavidas para cada da (ver
el siguiente modelo lineal).
Datos
Para cada da, el mnimo de salvavidas requeridos son:
Dom. Lun. Mar. Mier. Jue. Vie. Sab.
8
6
5
4
6
7
9

RLG

Variables de Decisin:
Xi = el nmero de salvavidas que trabajar el da i para i=1, 2, ,7
(i=1 es Domingo)

La Funcin Objetivo:
Minimizar el nmero total de salvavidas necesarios.

RLG

Para asegurar que los salvavidas sean los suficientes por cada da, pregunte que
trabajadores estarn de turno. Por ejemplo:

quin trabajar el domingo?


X3
X4
X5
X6
X1
mar. mie. jue. vie. dom.

Repita este procedimiento por cada da de la semana, y construya las restricciones del caso.

RLG

El modelo matemtico
Minimizar X1 + X2 + X3 + X4 + X5 + X6 + X7
ST
X1
+ X4 + X5 + X6 + X7 8
X1 + X2

(Domingo)

+ X5 + X6 + X7 6

(Lunes)

+ X6 + X7 5

(Martes)

X1 + X2 + X3
X1 + X2 + X3 + X4
X1 + X2 + X3 + X4 + X5

X2 + X3 + X4 + X5 + X6

+ X7 4

(Mircoles)

(Jueves)

(Viernes)

X3 + X4 + X5 + X6 + X7 9

(Sbado)

Todas las variables son enteros mayores que cero

RLG

Global optimal solution found.


Objective value:
Objective bound:
Infeasibilities:
Extended solver steps:
Total solver iterations:
Elapsed runtime seconds:

10.00000
10.00000
0.000000
0
20
0.03

Model Class:

PILP

Total variables:
Nonlinear variables:
Integer variables:

7
0
7

Total constraints:
Nonlinear constraints:

8
0

Total nonzeros:
Nonlinear nonzeros:

42
0

Variable
X1
X2
X3
X4
X5
X6
X7
Row
1
2
3
4
5
6
7
8

Value
1.000000
0.000000
1.000000
2.000000
2.000000
2.000000
2.000000
Slack or Surplus
10.00000
1.000000
1.000000
1.000000
2.000000
0.000000
0.000000
0.000000

Reduced Cost
1.000000
1.000000
1.000000
1.000000
1.000000
1.000000
1.000000
Dual Price
-1.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000

RLG

Asignacin de salvavidas
para Sunset Beach
salvavidas
da
domingo
lunes
martes
mircoles
jueves
viernes
sbado

presentes

requeridos

Para cambios

9
7
6
6
6
7
9

8
6
5
4
6
7
9

1
0
1
2
2
2
2

total de salvavidas

10

RLG

Caso:

Una
Empresa
de
METALMECANICA,
produce cuatro piezas, que requieren el
uso de un torno y un taladro vertical.
Las mquinas operan 10 horas al da. La
siguiente tabla proporciona el tiempo en
minutos que se requiere por pieza:
Tiempo de produccin en
minutos
Pieza

Torno

Taladro
vertical

RLG

La demanda del mercado de cada pieza es


de al menos 10 unidades.

Se desea balancear las dos mquinas


limitando la diferencia entre sus tiempos
de operacin total (torno taladro) a lo
sumo a 30 minutos. Adems, la cantidad de
unidades de la pieza 1 no puede exceder
la de la pieza 2. Cuntas piezas de cada
tipo se debe producir si el costo de
produccin por pieza de cada tipo es 2,
2.5, 3 y 3.5 respectivamente?

RLG

Solucin.
Se tiene
I) DEF. VARIABLES DE DECISIN
Xi=nmero de piezas del tipo
producir/da
Xi0 y entero

i=(1,,4)

II) DEF. FUNCIN OBJETIVO


Min Costo total de produccin
Min 2X1+2.5X2+3X3+3.5X4

que

se

debe

RLG

III) DEF. RESTRICCIONES


! Las maquinas operan 10 horas al da
[Torno]
5X1+6X2+4X3+7X4 600
[Taladro] 3X1+2X2+6X3+4X4 600
! Demanda de cada pieza
[Pieza1] X1 10
[Pieza2] X2 10
[Pieza3] X3 10
[Pieza4] X4 10
! Diferencia de tiempos de operacin
[Operacin] 2X1+4X2-2X3+3X4 30

RLG

III) DEF. RESTRICCIONES


! Relacin entre pieza 1 y 2
[Pieza1-2] X1-X2 0

RLG

Resultados de LINGO
Variable
X1
X2
X3
X4
Row
1
TORNO
TALADRO
PIEZA1
PIEZA2
PIEZA3
PIEZA4
OPERACIO
PIEZAS12

Value
10.00000
10.00000
30.00000
10.00000

Reduced Cost
2.000000
2.500000
3.000000
3.500000

Slack or Surplus
170.0000
300.0000
330.0000
0.000000
0.000000
20.00000
0.000000
0.000000
0.000000

Dual Price
-1.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000

INTERPRETE
LOS
RESULTADOS

RLG

GRACIAS
Lo ms importante no siempre es el cmo
empiezas, sino el cmo terminas.
Ricardo Lpez Guevara