INVESTIGACION DE OPERACIONES

II.- OBJETIVOS

2.1 Hacer uso correcto de los mtodos de Investigacin de

Operaciones, para la toma de decisiones ptimas.
2.2 Formular, interpretar y plantear datos, mediante la
interpretacin y agrupacin adecuada, para el desarrollo de
los diferentes problemas, propios a la Investigacin
Operativa.
2.3 Tener la capacidad de interpretar y discernir, en la
optimizacin de las Funciones Objetivos, de acuerdo a la
naturaleza propia requerida.
2.4 Analizar y representar una situacin haciendo uso de modelos
matemticos.

III.-SUMILLA DEL CURSO

UNIDAD I

INVESTIGACION DE OPERACIONES, SISTEMAS Y MODELOS

3.1.1 Introduccin

El objetivo del presente curso es presentar una adecuada

descripcin de ciertos conceptos, cuyo conocimiento
permitir sentar las bases para poder ubicar la tcnica
adecuada para el desarrollo de problemas para la
determinacin de una buena toma de decisiones.

La investigacin de operaciones, es la aplicacin, por

grupos interdisciplinarios, del mtodo cientfico a
problemas relacionados con el control de las
Organizaciones o sistemas, (ejemplos hombre-mquina,
produccin, control de calidad, tiempos y movimientos,
etc..), a fin de que se produzcan soluciones que mejor
sirvan a los objetivos de toda la organizacin.
Historia de la Investigacin de Operaciones

Es difcil precisar la iniciacin oficial de la

investigacin de operaciones. Desde la Primera Guerra
Mundial se dio a Thomas Edison la tarea de averiguar las
maniobras de los barcos mercantes que fueran ms que
fueran ms eficaces para disminuir las prdidas de
embarques causadas por los submarinos enemigos. En vez
de arriesgar los barcos en condiciones blicas reales,
emple un tablero tctico para encontrar la solucin.
Ms o menos en la misma poca (fines de la dcada de
1910), A.K. Erlang, un ingeniero dans, llev a cabo
experimentos relacionados con las fluctuaciones de la
demanda de instalaciones telefnicas en relacin con el
equipo automtico. Sus trabajos constituyen la base de
muchos modelos matemticos que se usan actualmente en la
teora de lnea de espera.

En la dcada de 1930 Horace C. Levison aplic algunos

modelos matemticos muy refinados a grandes cantidades
de datos, cuyo manejo habra sido completamente
imposible de otro modo. Uno de sus estudios ms
interesantes y mejor conocidos se refera a los clientes
que se negaban a aceptar paquetes que una empresa,
relativamente pequea de pedidos por correo, les enviaba
por reembolso. La proporcin de rechazos llegaba
aproximadamente al 30 por ciento de las ventas brutas.
Se precisaron dos causas de rechazos : primera, se
rechazaban con ms frecuencia los pedidos ms costosos,
y segunda, ser rechazaba la mercanca que se enviaba ms
de cinco das despus de recibir el pedido. Por regla
general los pedidos que tenan ms de cinco das no
dejaban utilidades. Cuando dispuso de esos datos, fue
muy fcil para la empresa de pedidos por correo,
comparar el costo de los rechazos con el costo ms
elevado de los embarques ms rpidos y determinar as el
esfuerzo ptimo de embarque.

Desde principios de 1937, se pidi a los cientficos

ingleses, cada vez con ms frecuencia que ayudarn a los
militares a descubrir la mejor manera de utilizar el
radar para localizar aviones enemigos. En septiembre de
1939 los cientficos que trabajaban en diferentes
aspectos del problema, se reunieron en el Cuartel
General del Mando de Aviones de Combate (Real Fuerza
Area). Ese grupo, considerado como el ncleo del primer
grupo de investigacin de operaciones, ampliaba
continuamente su rea de actividades hasta abarcar ms
all del problema original del radar y de su integracin
con los observadores de tierra.
Poco tiempo despus de la formacin de ese grupo, se
reuni el Grupo de Mando de Investigacin Contra Aviones
para estudiar los problemas de puntera contra aviones
(septiembre de 1940), encabezaba el grupo el distinguido
fsico ingls P.M.S. Blackett, que debera estudiar la
actuacin del equipo de control de caones en el campo,
especialmente durante su empleo por las tropas contra el
enemigo. Los dos primeros miembros del grupo eran
fisilogos, los dos siguientes fsicos matemticos y
haba tambin un astrofsico, un oficial del ejrcito y
un antiguo agrimensor. Ms tarde el grupo se completo
con un tercer fisilogo, un fsico general y dos
matemticos, y se le conoci como el circo de
Blackett. Es evidente la extensa gama de disciplinas de
ese grupo de once hombres de ciencia, que despus creci
y se dividi en dos grupos del Ejrcito y de la Marina,
lo que dio por resultado que las tres fuerzas militares
inglesas tuvieran un grupo de investigacin de
operaciones que llevo a cabo investigaciones militares
desde los principios de la guerra (1941). Ese tipo de
actividades cientficas se convoc en Inglaterra con
Investigacin Operacional, porque los primeros
estudios se dedicaron a la utilizacin del radar en las
operaciones y los efectuaron hombres ciencia famosos en
las investigaciones de radar.

Cuando termino la guerra, Gran Bretaa enfrentaba nuevos

tipos de problemas de administracin, creados por la
nacionalizacin de la industria y la necesidad de
reconstruir grandes segmentos de las instalaciones
industriales de la nacin los cuales requeran un nuevo
enfoque para su tratamiento. Esa demanda la
satisfacieron los especialistas de la investigacin de
operaciones, que haban comenzado a ocuparse de los
problemas gubernamentales e industriales. Se aceptaron
las consultas administrativas que nunca haban sido
populares en Inglaterra, porque los administradores
ingleses estaban dispuestos a probar un nuevo enfoque
para aumentar la productividad y la utilidades, o sea la
investigacin de operaciones.

Algunos aos despus de la guerra, la mayor parte de las

industrias inglesas que llevaban a cabo la investigacin
de operaciones solo tenan unos cuantos individuos en
campo. Sin embargo, durante la segunda mitad de la
dcada de 1950, la semilla germin y dio frutos. Los
grupos existentes de investigacin de operaciones se
ampliaron para competir con la demanda creciente dentro
de sus propias empresas. Otros emprendieron muy pronto
actividades de investigacin de operaciones. Las
Investigaciones Inglesas de operaciones se
caracterizaron por un gran nmero de grupos de
investigacin de operaciones. El grupo de la United
Steel Company incluye ms de 80 individuos y la junta
nacional del Carbn tiene ms de 60. British Iron and
Steel Research Associates, British Petroleum y Richard
Thomas & Baldwin tienen ms de 40 miembros en su
personal de investigacin de operaciones. Muchas firmas
de tamao mediano tienen dos o ms empleados dedicados ,
a la investigacin de operaciones. Es muy difcil
imaginar un solo tipo de industria donde no se use la
investigacin de operaciones ha conquistado una posicin
muy slida en el gobierno y en los negocios para la
solucin de problemas difciles y complejos.

En los Estados Unidos la primera conferencia sobre I.O.

en la industria, celebrada en el Instituto Case de
Tecnologa de Cleveland (1951), dependi de los estudios
militares, porque fue casi imposible encontrar estudios
industriales para presentarlos. Actualmente muchas de
las 500 corporaciones ms grandes de la revista Fortune
estn empleando la investigacin de operaciones. Se han
formado varias sociedades tanto en los Estados Unidos
como en el resto del mundo, para reunir a los
trabajadores de la I.O. El nmero de las personas que
se dedican a la investigacin de operaciones en los
Estados Unidos, han aumentado desde un puado a
 principios de la dcado de 1940, hasta llegar ahora
aproximadamente a 6000. Las instituciones acadmicas que
ofrecen curso y diplomas sobre el tema ya no son raras y
aparentemente las instituciones educativas de los
Estados Unidos estn adoptando rpidamente la I.O. como
parte de sus planes de estudios para la enseanza
superior.

3.1.2 Investigacin Operativa

Investigacin operativa o investigacin de operaciones

es un procedimiento o un enfoque para resolver problemas
relacionados con la toma de decisiones en diferentes
campos de aplicacin, tales como la Administracin, en
la Ingeniera, Economa.

La aplicacin de la Investigacin Operativa en ciertos

problemas especficos, tiene por objetivo la
determinacin de una buena decisin; y si es posible, la
determinacin de la decisin ptima segn cierto
criterio pre-establecido.

El concepto de decisin en la solucin de un problema

est relacionado con la existencia de diferentes
alternativas o cursos de accin. En particular, el
proceso de tomar una decisin consiste en escoger una
alternativa.

- Evaluacin de una decisin

La evaluacin de una decisin implica el uso de

ciertos criterios de valor, o medida de utilidad,
el cual recibe el nombre de FUNCION DE UTILIDAD.
Por ejemplo, dado un problema relacionado con las
ventas de cierta compaa, se puede definir las
siguientes funciones de utilidad:

X1= Utilidad de la Compaa por mes

X2= Volumen de ventas por mes
X3= Nivel de satisfaccin del Mercado
posesionado por la Compaa.
X4= Nivel de satisfaccin de los trabajadores.
X5= Nivel de satisfaccin de los proveedores.
X6= Nivel de satisfaccin de materia prima.

Algunas funciones de utilidad son fcilmente de

cuantificar, en cambio otras no. El volumen de
ventas por mes, puede ser medido en unidades
especficos segn el caso (Barriles, metros,
kilogramos, etc); en cambio los niveles de
satisfaccin corresponden a una evaluacin
subjetiva.
 - Elementos de la toma de decisiones

En la toma de decisiones participan los siguientes

elementos:
1. EL TOMADOR DE DECISIONES (persona que decide
que alternativa es la mejor, en caso de
Optimizacin)
2. EL PROBLEMA
3. LAS ALTERNATIVAS
4. LA FUNCION DE UTILIDAD DEFINIDA POR EL TOMADOR
DE DECISIONES.

MAXIMIZAR F(xi)=FUNCION DE UTILIDAD= aiX1+aiX2

__________________________________________________________________
ALTERNATIVAS VALOR DE LA DECISIN VALOR DE LA DECISIN
SEGN LA FUNCION DE SEGN LA FUNCION DE
UTILIDAD X1 UTILIDAD X2

a1 X1 (a1) = V1 X2 (a1) = V1

a2 X1 (a2) = V2 X2 (a2) = V2
. . .
. . .
. . .
an X1 (an) = Vn X2 (an) = Vn
__________________________________________________________________

- Decisin ptima

Una decisin puede ser evaluada solamente teniendo

en cuenta el criterio de decisin. Esto implica
que no existe decisiones buenas o malas en un
sentido absoluto. En investigacin de operaciones
los criterios de bondad y el valor no dependen del
significado de estos trminos en un contexto
moral.

Por lo tanto una decisin ptima es aquella que

puede ser identificada como la mejor decisin,
desde el punto de vista del criterio de decisin,
el cual es establecido por el decididor.

Una decisin ptima, relativa a cierto criterio de

decisin, es aquella que produce el mejor valor de
la funcin de utilidad correspondiente.

Optimizacin es un trmino que se usa

indistintamente para implicar la maximizacin o la
minimizacin de una funcin. Por ejemplo, la
optimizacin de una funcin de costos, consiste en
minimizar dicha funcin. La optimizacin de una
funcin de ganancias consiste en maximizar la
funcin de ganancias.
 Dado un problema, la determinacin de la decisin
ptima es equivalente a la determinacin de la
alternativa o conjunto de alternativas que
optimizan a cierta funcin de utilidad pre-
especficada. Es decir que podra ocurrir que dos
o ms alternativas son igualmente deseables por
cuanto optimizan cierta funcin de utilidad

EJEMPLO:

La EMPRESA , venden diversos tipos de paredes pre-fabricados,

manufactura o fabrica DRYWALL y FIBROCEMENTO, se tiene los siguiente
datos:
Disponibilidad de preparado : 15,000 horas-hombres
Disponibilidad de armado : 9,000 horas hombres
Disponibilidad de ensamblaje : 7,000 ( mano de obra)
horas hombre
Lmete mximo de produccin : 600 DRYWALL (PANELES)
Lmite mximo de produccin : 450 FIBROCEMENTO (PANELES)
PRECIO DE VENTA DE C/ DRYWALL : $100.00
COSTO FABRICACION DE C/ DRYWALL : $70.00
PRECIO DE VENTA C/ FIBROCEMENTO : $110.00
COSTO DE FABR. DE C/ FIBROCEMENTO: $90.00

Por otro lado, cada producto consume parte de los recursos disponibles
(preparado, armado y ensamblaje), de acuerdo al siguiente cuadro:
_____________________________________________________________

RECURSOS DRYWALL FIBROCEMENTO DISPONIBILIDAD

P1 P2
______________________________________________________________

PREPARADO 30 15 15,000 HORAS HOMB.

ARMADO 10 10 9,000 H-H
ENSAMBLAJE 12 10 7,000 H-H
_______________________________________________________________
SE DESEA DETERMINAR LA CANTIDAD DE DRYWALL Y FIBROCEMENTO QUE DEBEN SER
FABRICADOS, PARA QUE EL BENEFICIO SEA MAXIMO.

FUNCION OBJETIVO MAXIMIZAR (Z = 30P1 + 20P2)

SUJETO A LAS SIGUIENTES RESTRICCIONES:

30 P1 + 15 P2 15,000

10 P1 + 10 P2 9,000

12 P1 + 10 P2 7,000

P1 600

P2 450
RESTRICCION DE NO NEGATIVIDAD:
P1 0
P2 0

3.1.3 Sistema
Es un conjunto formado por elementos
interconectados de acuerdo a cierto criterio
de ordenamiento u organizacin.
Para estudiar un sistema es necesario
aislarlo del resto del universo.

Frontera del sistema

en estudio.
Mundo exterior
Mimumundo Sistema en
estudio

Universo formado por

el conjunto de todos los
sistemas
El aislamiento de un sistema implica la participacin
del universo en dos. Una parte lo constituye el sistema
en estudio y la otra lo forma todo aquello que no
pertenece al sistema en estudio, y recibe el nombre
genrico de mundo exterior o ambiente.

Bajo este concepto, un sistema tiene una frontera, cuya

determinacin permite analizar la estructura del
sistema.

Los elementos de un sistema se llaman sub-sistemas y los

elementos de stos se llaman componentes.

MUNDO EXTERIOR
SUB SISTEMA SUB SISTEMA
COMPONENTES
 Un sistema es un sib-sistema de un sistema
mayor y de igual manera un sub-sistema
cualquiera puede recibir el tratamiento del
sistema.

El primer paso en el estudio de un sistema

consiste en la definicin del sistema.
Un sistema recibe el estmulos del mundo
exterior a travs de las entradas al sistema, y
a la vez, el sistema actua sobre el mundo
exterior mediante las salidas o respuestas del
sistema.

ENTRADAS AL SALIDAS O
SISTEMA. RESPUESTAS
DEL SISTEMA

SISTEMA

Las respuestas de un sistema depende del

sistema y de las entradas al sistema.

3.1.4 Modelo

La definicin de Investigacin de Operaciones,

emplea los modelos matemticos. Modelo es una
representacin o abstraccin de una situacin u
objetivo reales, que muestra las relaciones
(directas o indirectas) y las interrelaciones
de la accin y la reaccin en trminos de causa
y efecto. Como un modelo es una abstraccin de
la realidad, puede parecer menos complicado que
la misma. Para que sea completo, el modelo debe
ser representativo de aquellos aspectos de la
realidad que estn investigndose. Modelo es la
representacin de un sistema de acuerdo a los
objetivos del estudio del sistema. Es decir,
para cierto objetivo de estudio ciertas partes
del sistema son relevantes; y si cambia el
objetivo de estudio, las partes relevantes del
sistema probablemente sern otros. Esto implica
que segn el objetivo del estudio, un sistema
puede estar representado por diferentes
modelos.
En esencia, un modelo es una imagen de un
sistema; y en funcin de las interrogantes
planteadas, un sistema pude tener diversos
modelos.

CONSIDEREMOS EL CASO CONCRETO DE UN

PENSAMIENTO QUE DESEAMOS COMUNICAR A NUESTROS
AMIGOS. PARA ESTO UTILIZAREMOS UN CONJUNTO DE
PALABRAS. EN ESTE CASO EL SISTEMA ES EL
PENSAMIENTO MISMO Y UNA FORMA DE MODELARLO ES
USAR UN CONJUNTO DE PALABRAS. OTRA FORMA DE
MODELAR ESTE SISTEMA SERIA UTILIZAR UN CONJUNTO
DE FIGURAS
- Clasificacin de los modelos segn la
forma de su presentacin.

De acuerdo a la forma en que estan

expresados, se puede distinguir los
siguientes tipos de modelos:

MODELO DESCRIPTIVOS, son aquellos que

estn expresados en lenguaje
convencional ( ingles, espaol, o
cualquier otro idioma). Usando este
tipo de modelos, la seleccin de
alternativas se hace en base a la
intuicin y el sentido comn.
MODELO ICONICOS O FISICOS, Es una
representacin fsica de algunos
objetos, ya sea en forma idealizada o
en escala distinta. Para expresar de
otro modo, una representacin es un
modelo icnico hasta el grado en que
sus propiedades sean las mismas que
tiene lo que representa. Los modelos
icnicos son muy adecuados para la
descripcin de acontecimientos en un
momento especfico del tiempo. Por
ejemplo una fotografa es una buena
imagen de una fbrica, mientras que las
operaciones reales de una fbrica
construida en trminos de un pequeo
modelo que funcione, pueden ser
 demasiados costosas para construir y
modificar a fin de estudiar sus
posibles mejoras.

Son aquellos que lucen como el sistema

fsico correspondiente. Por ejemplo el
globo terrestre utilizado en
demostraciones acadmicas, es un modelo
icnico de la tierra. La maqueta de un
edificio, constituye otro ejemplo de
modelo icnico. Los modelos icnicos
pueden ser aumentados, reducidos o
estar en la misma escala respecto al
sistema fsico. Una clase de modelos
fsicos, lo constituyen los MODELOS POR
ANALOGIA, estos realizan una traslacin
de un sistema original a otro llamado
sistema sustituto, el cual tiene
caracteristicas similares al primero.
MODELOS SIMBOLICOS, son aquellos que
estn expresados en una forma concisa a
travs de smbolos matemticos. Los
modelos simblicos pueden ser
representados en forma analtica o en
forma grfica va un conjunto de
funciones en la forma de ecuaciones e
inecuaciones.

Nos interesan principalmente los

modelos simblicos que son verdaderas
representaciones de la realidad y toman
la forma de cifras, smbolos y
matemticas. Comienza como modelos
abstractos que formamos en nuestra
mente y que luego se registran como
modelos simblicos. Un tipo de modelo
simblico o matemtico que se usa
comnmente en la investigacin de
operaciones es una ecuacin. Una
ecuacin es concisa, precisa y fcil de
comprender. Sus smbolos no slo son
mucho ms fciles de manipular que las
palabras, sino que se escriben ms
rpidamente.

MODELOS TIPO PROCEDIMIENTOS, son

aquellos cuya expresin bsica no esta
 formada por relaciones funcionales
explcitas, sino por un conjunto de
pasos que indican el procedimiento a
seguir en la solucin de un problema.
Alguno de dichos pasos podra tener la
forma de un modelo simblico. La
eleccin de alternativas en este tipo
de modelos se hace a travs de tcnicas
de simulacin. En esencia un modelo
tipo procedimiento es un modelo se
simulacin
MODELOS ANALOGICOS, Los modelos
analgicos pueden representar situaciones
dinmicas y se usan ms que los icnicos,
porque pueden mostrar las caractersticas
del acontecimiento que se estudia. Las
curvas de demanda, las curvas de
distribucin de frecuencias en la
estadstica y los diagramas de flujos, son
ejemplos de modelos analgicos. A menudo
un modelo analgico es muy adecuado para
representar relaciones cuantitativas entre
las propiedades de los objetos de varias
clases.

- Caractersticas de los diversos tipos de

modelos.

En investigacin de Operaciones realmente

interesan los modelos simblicos y los de
procedimientos, Para resolver modelos
simblicos se usan tcnicas de
optimizacin que generalmente se conoce
con el nombre de Programacin matemtica,
e incluye: PROGRAMACION LINEAL,
PROGRAMACION LINEAL ENTERA , PROGRAMACION
NO LINEAL, PROGRAMACION DINAMICA,
PROGRAMACION POR OBJETIVOS, ETC.
Las tcnicas de optimizacin, permiten
encontrar las alternativas ptimas sin
necesidad de considerar todas las
alternativas sino slo un subconjunto de
ellas.
 CLASE DE FACILIDADES
MODELO METODOLOGIA METODO DE
SEGN LA DE SOLUCION OPTIMIZACION TECNI NO COSTO LIMITACIONES
FORMA DE CA TECN.
EXPRESION
DESCRIPTIVO SENTIDO POBRE CONFUSA BAJO NO REPETITIVO.
(LENGUAJE COMUN NO GARANTIZA
CONVENCIONA OPTIMIZACION
L)
FISICO MANIPULACIO BUSQUEDA BUENA BUENA ALTO PUEDE SER
N FISICA IMPRACTICO. NO
GARANTIZA
OPTIMIZACION
SIMBOLICO METODO USO DE BUENA POBRE BAJO LA FORMULACION
MATEMATICO ALGORITMO MEDIO Y SOLUCION
MATEMATICO PUEDEN SER
FACIL
TIPO SIMULACION BUSQUEDA BUENA BUENA MEDIO NO GARANTIZA
PROCEDIMIEN ALTO OPITMIZACION
TO

- Clasificacin de los modelos segn su

estructura.

Existen ciertas caractersticas

estructurales que tipifican a los modelos
en una u otra categora.

a) Modelos determinsticos, son aquellos

que no incluyen propiedades
relacionadas con fenmenos aleatorios.
b) Modelos estocsticos, son aquellos que
incluyen variables o relaciones
funcionales que dependen de fenmenos
aleatorios.
c) Modelos lineales, son aquellos que
incluyen solamente funciones lineales.
Y = f(x1, x2)
Y = aX1 + b
Y = a1 X1 + a2 X2

d) Modelos no lineales, son aquellos que

incluyen funciones no lineales, es
decir, aquellas funciones cuyas
 variables tiene exponentes mayores que
1

Z 1 = G (X1, X2)
= X21 + X1 X2 + X23

e) Modelos estticos, es aquel que

representa a un sistema de manera que
las variables y las reacciones
funcionales no sufren alteraciones
debido a cambios en el tiempo.
f) Modelos dinmicos, es aquel que
representa a un sistema de manera que
el tiempo juega un rol muy importante.
 UNIDAD III

PROGRAMACION LINEAL

3.3.1 El modelo de Programacin Lineal

Programacin lineal es una tcnica de

optimizacin que consiste en la maximizacin o
minimizacin de una funcin lineal, llamada
funcin objetivo, sujeto a restricciones
tambin lineales.
El criterio de optimizacin es por lo general
un objetivo econmico por ejemplo maximizar un
beneficio o minimizar un costo y por esta razn
recibe el nombre de funcin econmico o funcin
objetivo.

El modelo de un programa lineal toma la forma

siguiente:

MAX O MIN Z = C1 X1 + C2 X2......+ Cn Xn

SUJETO A LAS RESTRICCIONES ESTRUCTURALES:

Ai1 X1 + Ai2 X2 +.... + Ain Xn = bi i= 1,2,3...m

y las restricciones de no negatividad

Xj 0 , j = 1,2,....,n

En las ecuaciones, antes descritas: aij, bi y Cj

, son valores conocidos, por lo que el problema consiste en
hallar los valores de las Xj , que optimicen la funcin
objetivo, sujeto a las restricciones. Las variables Xj se
llaman variables de decisin.

En la teora de programacin matemtica, el trmino optimizar

se usa para indicar la maximizacin o la minimizacin de una
funcin segn sea conveniente. Los requerimientos,
capacidades, ganancias, etc, son funciones que se deben
maximizar, en cambio los costos, las prdidas, los accidentes,
etc, son funciones que se deben minimizar.

El modelo de programacin lineal consta de tres elementos:

Una funcin objetivo
Un conjunto de restricciones estructurales
Un conjunto de restricciones de no negatividad, de las
variables de decisin.

Otra forma de expresar:

n
MAX O MIN Z = Cj Xj
J=1

SUJETO A:

n
aij Xj = bi i= 1,2,3...m
J=1

Xj 0 j = 1,.....n

Utilizando la notacin matricial, un programa lineal puede

expresarse en forma compacta, como se indica a continuacin:
_ _
MAX O MIN Z = CT X

SUJETO A:
_ _
A X = b

_
X 0
DONDE:

C = C1 X1
C2 X2
. .
. X = .
. .
Cn Xn
a11 a12 .... a1n b1
a21 a22 .... a2n b2
... ... .... ... .
... ... .... ... .
A = ... ... .... ... b = .
... ... .... ... .
am1 am2 .... amn bm
 _ _
OBSERVE QUE C y X SON VECTORES COLUMNA DE n
COMPONENTES, b ES UN VECTOR COLUMNA DE m COMPONENTES Y A ES
UNA MATRIZ DE ORDEN m X n

PRIMERA PRACTICA:
USTED COMO EJECUTOR DE OBRAS, CUENTA CON 10 CAMIONES CON
CAPACIDAD DE 10,000 KG. Y 5 CAMIONES DE 5,000 KG. DE
CAPACIDAD. LOS CAMIONES GRANDES TIENEN UN COSTO DE OPERACIN
DE S/.250.00 NUEVOS SOLES POR KILOMETRO Y LOS MAS PEQUEOS DE
S/.120.00 NUEVOS SOLES POR KILOMETRO.
EN LA PROXIMA SEMANA, USTED DEBE TRANSPORTAR 100,000 KG DE
CEMENTO, PARA UN RECORRIDO DE 800 KILOMETROS.
LA POSIBILIDAD DE OTRAS OBRAS, IMPONE QUE POR CADA DOS
CAMIONES PEQUEOS MANTENIDOS EN RESERVA DEBE QUEDARSE POR LO
MENOS UNO DE LOS GRANDES. CUAL ES EL NUMERO OPTIMO DE
CAMIONES DE AMBAS CLASES QUE DEBEN MOVILIZARSE PARA TRANSPORTA
EL CEMENTO?

3.3.2 Procesos en la solucin de problemas prcticos

mediante Programacin Lineal.

La aplicacin de Programacin Lineal en la

solucin de problemas prcticos, implica la
ejecucin de los siguientes procesos:

1. FORMULACION DEL MODELO.

2. SOLUCION DEL MODELO.

La formulacin del modelo consiste en

determinar el valor de los coeficientes aij , bi
, cj , y expresar el problema en una de las
formas del modelo de programacin lineal

Para formular el modelo es necesario estudiar

el sistema teniendo en cuenta los objetivos que
se persigue alcanzar.

La solucin puede ser hallada mediante un

mtodo grfico, o en forma analtica segn la
complejidad del problema.

3.3.3 Formulacin de programas lineales

 Dado el enunciado de un modelo de Programacin
lineal, no es trivial la formulacin del
Programa Lineal correspondiente.
Es necesario formular el programa lineal para
luego proceder a resolverlo.
Modelar y formular un programa lineal no son
cosas equivalentes. En particular, la
formulacin del Programa lineal procede
solamente despus de la modelacin.

3.3.4 Diversas formas de presentacin del modelo de

Programacin Lineal.

Un modelo de programacin lineal puede ser

expresado de diferentes maneras segn la forma
de la funcin objetivo. Y de las restricciones.

El estudiar las ganancias en un sistema de

produccin, es muy posible que la funcin
objetivo tenga que ser maximizada sujeta a un
conjunto de restricciones estructurales de la
forma menor o igual que debido a la
limitacin de los recursos.

- Forma cannica de un PL

El modelo de un Programa Lineal est en forma cannica si el

objetivo es maximizar una funcin lineal sujeto a
restricciones estructurales exclusivamente de la forma menor
o igual que, y las variables de decisin solamente admiten
valores no negativos.

Z = C1X2 + C2X2 + ... + Cn Xn

SUJETO A:

a11X1 + a12X2 + ... + a1nXn b1

a21X1 + a22X2 + ... + a2nXn b2
. . . . ... . . .
. . . . ... . . .
. . . . ... . . .
am1X1 + am2X2 + ... + amnXn bm

X1, X2, ...., Xn 0

LA EXPRESION COMPACTA ES:

 _ _
MAX Z = CT X

SUJETO A:
_ _
AX b

_ _
X 0

- Forma Estandarizada de un PL

El modelo de un programa lineal est en forma standarizada si

el objetivo es maximizar una funcin sujeto a restricciones
estructurales de la forma igual que exclusivamente y las
variables de decisin slo admiten valores no negativos.

Z = C1X2 + C2X2 + ... + Cn Xn

SUJETO A:
a11X1 + a12X2 + ... + a1nXn = b1
a21X1 + a22X2 + ... + a2nXn = b2
. . . . ... . . .
. . . . ... . . .
. . . . ... . . .
am1X1 + am2X2 + ... + amnXn = bm
X1, X2, ...., Xn 0

LA EXPRESION COMPACTA ES:

_ _
MAX Z = CT X

SUJETO A:
_ _
AX = b

_ _
X 0

- FORMA MIXTA DE UN PL

El modelo de un PL est en forma mixta ,

cuando la funcin objetivo es la
maximizacin o la minimizacin de una
funcin lineal sujeto a restricciones
 estructurales de las formas menor o igual
que o mayor o igual que, y las variable
de decisin slo admiten valores no
negativos.

Hacer ejemplo

- Transformaciones a las diversas formas.

a) TRANSFORMACION DE LA FUNCION OBJETIVO:

SE TIENE MIN f(x) = MAX [- f(x)]

EJEMPLO:

EXPRESAR EL SIGUIENTE PL EN FORMA CANOMICA:

MIN Z = 10X1 + 20X2

SUJETO A:
5X1 + 3X2 50
7X1 + 2X2 10
X1, X2 0

SOLUCION
MAX Z = -10X1 - 20X2

SUJETO A:
5X1 + 3X2 50
7X1 + 2X2 10
X1, X2 0

b) TRANSFORMACION DE LAS RESTRICCIONES

REALIZAR EJERCICIOS
3.3.5 Caractersticas del modelo de Programacin
Lineal.
UN DISTRIBUIDOR DE FERRETERIA PLANEA VENDER PAQUETES DE
TUERCAS Y TORNILLOS MEZCLADOS. CADA PAQUETE PESA POR LO
MENOS 2 KG.. TRES TAMAOS DE TUERCAS Y TORNILLOS COMPONEN
EL PAQUETE Y SE COMPRAN EN LOTES DE 200 KILOGRAMOS. LOS
TAMAOS 1,2 Y 3 CUESTAN RESPECTIVAMENTE S/.20, S/.80 Y
S/.12, ADEMAS:
 1. EL PESO COMBINADO DE LOS TAMAOS 1 Y 3 DEBE SER AL MENOS
LA MITAD DEL PESO TOTAL DEL PAQUETE.
2. EL PESO DEL TAMAO 1 Y 2 NO DEBE SER MAYOR QUE 1.6
KILOGRAMOS.
3. CUALQUIER TAMAO DE TORNILLO DEBE SER AL MENOS 10 % DEL
PAQUETE TOTAL.
CUL ES LA COMPOSICION DEL PAQUETE QUE OCASIONARA EL PTIMO
(UN COSTO MINIMO)?

EL ENCARGADO DEL CENTRO DE INVESTIGACON DE CAMELIDOS

SUDAMERICANOS LACHOCC-UNH, ESTA REALIZANDO ENSAYOS PARA
DETERMINAR LA MEZCLA CORRECTA DE DOS CLASES DE ALIMENTOS
PARA ALPACAS. AMBOS CONTIENEN PORCENTAJES DE 4 INGREDIENTES
ESENCIALES. CUL ES LA MEZCLA OPTIMA?
% POR KILOGRAMO REQUERIMIENTOS
INGREDIENTES ALIMENTO 1 ALIMENTO 2 MINIMOS (KG)
PASTO 40 20 4
NATURAL
ESTRELLA
HARINA DE 10 30 2
SANGRE
AVENA 20 40 3
PASTO 30 10 6
CHILHUAR
COSTOS 0.5 0.3
(S/./KG)
UN FABRICANTE DE GASOLINA PARA AVIACION VENDE DOS CLASES DE
COMBUSTIBLE: A Y B. EL COMBUSTIBLE A TIENE 25% DE
GASOLINA DE GRADO 1, 25% DE GASOLINA DE GRADO 2 Y 50% DE
GRADO 3. EL COMBUSTIBLE B TIENE 50% DE GASOLINA DE GRADO
2 Y 50% DE GRADO 3. LOS COSTOS SON DE S/.2.00 N.S. POR
GALON DE GRADO 1, S/.4.00 POR GALON DE GRADO 2 Y S/.3.50
N.S. POR GALON DE GRADO 3. LA CLASE A PUEDE VENDERSE A
S/.9.00 N.S. POR GALON, MIENTRAS QUE LA CLASE B ALCANZA
S/.10.00 N.S. POR GALON DETERMINE UN M. DE P.L. PARA
HALLAR EL OPTIMO?

UN AGENTE VENDEDOR MANEJA DOS PRODUCTOS Y NO ESPERA VENDER

MAS DE 10 UNIDADES DEL PRODUCTO 1 39 UNIDADES/MES DEL
PRUDUCTO 2. PARA EVITAR UNA MULTA DEBE VENDER AL MENOS 24
UNIDADES DEL PRODUCTO 2. RECIBE UNA COMISION DE 10% SOBRE
TODAS LA VENTAS Y DEBE PAGAR SUS PROPIOS GASTOS, QUE SE
ESTIMAN EN S/.1.50 POR HORA GASTA EN HACER VISITAS.
TRABAJA SOLO UNA PARTE DEL TIEMPO Y DEBE TRABAJAR HASTA UN
MAXIMO DE 80 HORAS/MES. EL PRODUCTO 1 SE VENDE EN S/.150
POR UNIDAD Y REQUIERE UN PROMEDIO DE 1.5 HORAS POR CADA
 VISITA; LA PROBABILIDAD DE HACER UNA VENTA ES 0.5. EL
PRODUCTO 2 SE VENDE EN S/.70.00 N.S. POR UNIDAD Y REQUIERE
UN PROMEDIO DE 30 MINUTOS POR CADA VISITA; LA PROBABILIDAD
DE HACER UNA VENTA ES 0.6 CUNTAS VISITAS MENSUALES DEBE
HACER A LOS CLIENTES DE CADA PRUDUCTO?

UNIDAD VI

ANALISIS DE SENSIBILIDAD
En aplicaciones prcticas a menudo ocurre que no solamente interesa la
solucin del problema propuesto, sino tambin se desea saber cuando cambia
la solucin si las condiciones iniciales del problema de modifican ( por
ejemplo si cambia los coeficientes de la funcin objetiva (Cj), los
recursos disponibles(B i) y la cantidad de recursos (A ij) utilizada para
producir una unidad de un producto. Los investigaciones que tratan los
cambios en la solucin optima, debido a cambios en los datos son llamados
ANLISIS DE SENSIBILIDAD. En cierto sentido el ANLISIS DE SENSIBILIDAD,
convierte la solucin esttica de programacin lineal en un instrumento
dinmico que evala las condiciones cambiantes, por lo tanto adquiere
mayor utilidad como instrumento administrativo ya que los negocios y las
industrias estn sometidos a cambios continuos y a un sub-siguiente
revaluacin.

Por lo tanto, es un mtodo que permite investigar los efectos producidos

por los cambios en los valores de los diferentes parmetros sobre la
solucin ptima. Es necesario no perder de vista que los cambios en la
solucin primal repercuten automticamente en la solucin de su modelo
dual, entonces, puede elegirse que modelo (primal o dual) se va a
utilizar para investigar los efectos, gracias a las relaciones primal-
dual existentes.
IMPORTANCIA DEL NLISIS DE SENSIBILIDAD

1. Los modelos de programacin lineal son con frecuencia grandes y

costosos, por lo tanto no es posible utilizarlos para un solo caso.

2. Los elementos que se dan como datos para un problema de programacin

lineal, la mayora de las veces son estimaciones, por lo tanto, es
necesario investigar o tener en cuenta ms de un conjunto de casos
posibles.

HERRAMIENTAS DE CALCULO

Se recomienda dos formas diferentes de acuerdo a la tecnologa disponible

y a la complejidad del problema.

1. Si se tiene una computadora y el problema es pequeo, puede

solucionarse el modelo con los datos de experimentacin, tantas
veces como se desea para su posterior anlisis.

2. Si el problema es muy complejo, no es necesario resolver todo el

modelo una u otra vez, sino que se pueden utilizar ciertas
propiedades del mtodo de sensibilidad para hacer ajustes a la
solucin ptima.

CAMBIOS EN LOS PARMETROS DEL MODELO

El anlisis de sensibilidad se lleva a cabo en:

1. Cambios en los niveles de recursos escasos (variacin de los (B i))

2. Cambios en los coeficientes de la funcin objetiva(coeficientes de

las variables bsicas y coeficientes de variables no bsicas).

3. Cambios en los coeficientes tecnolgicos (variaciones en las A ij

para variables bsicas y no bsicas).

4. Supresin y adicin de restriccines

5. Adicin de nuevas variables.

El anlisis que se va a realizar se har teniendo en cuenta el mayor

impacto sobre la solucin ptima debida a las variaciones de los valores
en los parmetros por inexactitud en las estimaciones. Se empieza por
investigar las consecuencias de las variaciones en los coeficientes de
la funcin objetiva y recursos disponibles, posteriormente se continuar
analizando las variaciones de los Aij

SENSIBILIDAD DE LOS COEFICIENTES DE Cj , FUNCION OBJETIVO O

VARIACIN DE LOS COEFICIENTES DEL FUNCIONAL TABLERO PRIMAL Y DUAL.


UNIDAD VII

PROBLEMA DE TRANSPORTE
3.7.1 Introduccin

Es una clase importante de programas lineales

llamados el modelo de transporte, en el sentido
obvio, el modelo busca la minimizacin del
costo de transportar una mercanca desde un
nmero de puentes a varios destinos. Se conocen
el abastecimiento en cada origen y la demanda
en cada destino. Por ejemplo, un producto
puede transportarse de las fbricas (origenes)
a las tiendas (destinos). Otros problemas
tambin pueden ser formulados indirectamente
como problemas de transporte.

Aunque el problema de transporte puede

resolverse por el mtodo simplex, sus
propiedades especiales ofrecen un procedimiento
de solucin ms conveniente. El nuevo
procedimiento puede parecer diferente pero
puede explicarse directamente en trminos del
mtodo simplex.

3.7.2 Formulacin del problema.

Suponga que existen m origenes y n destinos,

Sea ai el nmero de unidades disponibles para
ofrecerse en cada origen i (i= 1, 2, 3, ..., m)
y sea bj el nmero de unidades requeridas en el
destino j (j = 1, 2, 3, ...., n). Sea Cij el
costo del transporte por unidad en la ruta (i,
j) que une el origen i y el destino j. El
objetivo es determinar el nmero de unidades
transportadas del origen i al destino j de tal
manera que se miminicen los costos totales de
transporte.
 Sea Xij el nmero de unidades transportadas del
origen i al destino j; entonces el modelo de
programacin lineal es equivalente a:

m n
Minimizar Z0 = Cij Xij
i=1 j=1

sujeto a:

n
Xij = ai i=1,2,..,m
j=1

m
Xij = bi j=1,2,..,n
i=1

Xij 0

A fin de apreciar la estructura especial del

modelo de transporte se considera un ejemplo
con dos origenes ( m= 2) y tres destinos (n =3
). La forma rectangular ofrece una solucin
obvia de inicio, por lo que seria de la
siguiente manera:

DESTINO j

OFERTA

1 2 3

X11 X12 X13

X21 X22 X23

DEMANDA b1 b2 b3
 BALANCEO DEL MODELO DE TRANSPORTE

La definicin general del modelo de transporte implica

que:

n n m m n m
bj = ( Xij )= ( Xij ) = ai
j=1 j=1 i=1 i=1 j=1 i=1

Esto significa que la oferta en todos los

origenes debe igualar la demanda de todos los
destinos. En problemas reales esta restriccin
no necesita satisfacerse siempre. En otras
palabras la oferta disponible puede ser menor
que la demanda o puede excederla. En este caso
se dice que el modelo no esta balanceado.

La restriccin

m n
ai = bj
i=1 j=1
Se impone nicamente porque es fundamental al
desarrollar la tcnica de transporte. Sin
embargo cualquier problema real puede
balancearse artificialmente convirtindolo a un
problema con igual oferta y demanda.

Si la demanda excede a la oferta, se aumenta un

origen ficticio que suministrar la cantidad de
:
3.7.3 Mtodo para determinacin de la solucin ptima
3.7.4 Consideraciones generales sobre problemas de transporte

UNIDAD VIII

PROBLEMA DE ASIGNACION
3.8.1 Introduccin
En las unidades anteriores, se ha solucionado los
problemas de programacin lineal mediante le mtodo
SIMPLEX y de TRANSPORTE, pero existen sin embargo casos
especiales de problemas de programacin lineal que
pueden resolverse aplicando ciertas tcnicas que reducen
 los pesados clculos, si se aplicase los mtodos antes
mencionados. Por lo que se analizar el PROBLEMA DE
ASIGNACION que tiene muchas aplicaciones en los campos
de la planificacin y asignacin de recursos.

3.8.2 Formulacin del problema

Considere la situacin de asignar m trabajos ( o

trabajadores ) a n mquinas. Un trabajo i = (1,2,..,
m) cuando se asigna a la mquina j = (1,2,...n), incurre
en un costo Cij . El objetivo es asignar los trabajos a
las mquinas (un trabajo por mquina) con el costo
minimo total. Este caso es conocido como el problema de
asignacin.

La formulacin de este problema puede considerarse como

un caso especial del modelo de transporte. Aqu los
trabajos representan origenes y las mquinas
representan destinos. La oferta disponible en cada
fuente es 1; esto es ai = 1 para toda i. De igual manera
la demanda requerida en cada destino es 1; esto es b j =
1 parta toda j. El costo de transportar (asignar) el
trabajo i a la mquina j es Cij. Si un trabajo no puede
asignarse a una cierta mquina la Cij correspondiente se
toma igual a M, un costo muy alto.

MAQUINA

1 2 ........ N

C11 C12 ......... C!n

C21 C22 ......... C2n

. . . .

. . . .

. . . .

Cm1 Cm2 ......... Cmn

1 1 .......... 1
Antes de que el modelo pueda resolverse por la tcnica
de transporte , es necesario balancear primero el
problema aadiendo trabajos ficticios o mquinas
ficticias dependiendo de si m n o m n.
Por consiguiente y necesariamente m = n.

0 , si el j-simo trabajo no se asigna a la i-

sima mquina.

Xij =

1, si el j-simo trabajo se asigna a la i-sima

mquina.

Por lo que el modelo esta dado como:

n n
Minimizar Z= Cij Xij
i=1 j=1

sujeto a:

n
Xij = 1 i= 1,2,..,n
j=1

n
Xij = 0 j= 1,2,...,n
i=1

Xij = 0 o bien 1

El PROBLEMA DE ASIGNACION, es un caso particular del

problema de transporte el cual puede formularse de esta
forma: dados n servicios y n tareas y dado el
rendimiento de cada servicio aplicado a cada tarea, el
problema consiste en asignar cada servicio a un trabajo
, y solo a uno de forma que la medida del rendimiento
sea ptima.

Como se puede apreciar, entonces, se tendr una matriz

de orden n X n o n2

Sea
Cij =coeficiente de costo (ganancia) de ejecucin
de la tarea j por el servicio (operario)i

El servicio i debe ser asignado a una y solamente a una

tarea.

Se definen dos matrices, en este caso de orden nXn:

X= [ Xij] C= [ Cij]
 X es la matriz programa (solucin) y C es la matriz
costo.

3.8.3 Mtodo de solucin METODO HUNGARO

Se analiza cada columna de la matriz CIJ,

identificando en cada columna el menor elemento.

Vj = min Cij, restar este mnimo elemento identificado

en cada columna a la columna correspondiente, y
determinar una nueva matriz Cij.
Determinar para cada fila el menor elemento: Ui = min
Cij

restar este mnimo elemento identificado en cada fila

a la fila correspondiente, y determinar una nueva
matriz C*ij.
Determinar el nmero de ceros independientes para
ello se trazan el mnimo de rectas (L) que cubran
todos los ceros de la matriz C *ij, si L = n, se ha
determinado el ptimo.
Si L n, se debe determinar J = al mnimo elemento
de C* no cubierto por las rectas.

Se debe restar J a todos los elementos no cubiertos

por las rectas.
Se debe sumar J a todos los elementos en las
intersecciones entre dos rectas.
Se debe regresar al paso 3 y repetir el proceso.
Si L = n, se ha llegado a la solucin ptima, para
lo cual se debe identificar una de las filas o
columnas que tenga la menor cantidad de ceros.

Encierre dentro de un circulo uno de los ceros de

esta hilera y marque con un aspa los ceros que se
encuentren en la misma fila o columna, donde se
encerro al cero con un circulo. Se procede en la
misma forma sucesivamente para todas la filas u
columnas. Los ceros en los circulos cosntituyen la
asignacin ptima.

3.8.4 Variantes del Problema de la asignacin.

Si la matriz no es cuadrada, en tal caso es fcil

convertir esta matriz en una cuadrada, introduciendo
una fila o una columna ficticia de acuerdo a la
naturaleza del problema.

V.- BIBLIOGRAFIA
Mtodos y Modelos de Investigacin de Operaciones,
JUAN PRAWDA.
Investigacin de Operaciones en la Ciencias
Adminsitrativas, EPPEN, GOULD, MOORE, WEATHERFORD.
Tcnicas de Investigacin Operativa, JAVIER GARCIA
CABAES-MARTINEZ.
Tcnicas Modernas para el Planeamiento y Control de la
Produccin, MUNIER.

MG. CARLOS ESPINOZA QUISPE

PROFESOR DEL CURSO