Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Guía de Ejercicios Optimización PDF
Guía de Ejercicios Optimización PDF
2° Semestre 2012.
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
EJERCICIOS PEP 1
PROBLEMA #1
Una fábrica de jugos de 1 litro (1000 cc) desea lanzar al mercado una nueva variedad de jugo.
Para ello, disponen de 4 ingredientes base. La nueva variedad apuntará a conservar un balance
alimenticio, debiendo contener al menos un 15% de vitamina C, y a lo más un 30% de potasio.
Existe además una relación entre los betacarotenos y la vitamina A que impone lo siguiente: la
cantidad de vitamina A debe ser, cuando menos, un tercio de los betacarotenos. Además, la
vitamina A no puede superar el 35% del contenido del jugo.
El costo por adquirir los ingredientes, los límites de los pedidos por día, y los aportes porcentuales
de cada componente a los ingredientes por unidad se resumen en la siguiente tabla:
FORMULAR (NO RESOLVER) un modelo de programación lineal que permita minimizar los
costos, cumpliendo con todos los requerimientos. Considere, para tal caso, que cada unidad son
100 cc. Defina claramente variables, función objetivo y restricciones.
SOLUCIÓN: Primero formulamos las variables del modelo. Sea la cantidad de unidades del
ingrediente para la nueva variedad ( ). Como se desea minimizar los costos, la función
objetivo estará dada por:
( )
Ahora veamos las restricciones. En la nueva variedad, la combinación de los 4 ingredientes debe
conformar una unidad de jugo, por lo cual la primera restricción se define de la siguiente manera:
( ) ( )
En el caso de la mezcla separamos por ingrediente. Para la vitamina C, la suma de las cantidades
de los ingredientes conforma, por lo menos, un 15% del juego (que son 150 cc). Por lo tanto:
Para el potasio, la suma de las cantidades de cada ingrediente no puede superar el 30% del total
del juego (que son 300 cc). Luego:
Para la vitamina A, esta suma debe ser al menos 1/3 de los betacarotenos. Por lo tanto:
2
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
( )
De manera simplificada:
Además, la contribución de la vitamina A no debe superar el 35% del jugo (350 cc). Por ende:
( )
( )
PROBLEMA #2
( )
3
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
( )
V.B ( )
-4 1 -7 -3 0 1 0 0 50 50
3 2 2 4 0 0 1 0 150 75
1 0 4 2 -1 0 0 1 10 ---
5 -1 -1 -1 0 0 0 0 0
0 0 0 0 0 1 0 1 0
3 -1 3 1 1 0 0 0 -60
V.B ( )
-4 1 -7 -3 0 1 0 0 50 50/7
11 0 16 10 0 -2 1 0 50 25/8
1 0 4 2 -1 0 0 1 10 5/2
1 0 -8 -4 0 1 0 0 50
-1 0 -4 -2 1 1 0 0 -10
Entra , sale .
Las siguientes iteraciones deben hacerse mediante el algoritmo símplex revisado. De la tabla
anterior reconocemos la matriz inversa de esta primera iteración:
( )
Como ya definimos el pívot y las variables de entrada y salida a partir de la tabla anterior, podemos
calcular inmediatamente la matriz :
( ) ( )
4
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
( )
( ) ( )
Construimos una pequeña tabla para verificar el orden de las variables básicas:
V.B. ( )
( )
( ) ( ) ( )
( )
( )
Luego:
( ) ( ) ( ) ( )
Por lo tanto:
( ) ( )
Como todos los coeficientes reducidos de la función objetivo w son nulos, hemos llegado al óptimo
para la fase 1. Como y son no básicas, y por tanto nulas, se tiene que ( ) ,
por lo que existe un espacio de soluciones factible para el PPL original en la fase 2.
Ahora debemos calcular los valores duales para la función objetivo z en la fase 2 (iteración 2).
Verificando el orden de las variables básicas:
V.B. ( )
( )
5
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
Por lo tanto:
( ) ( ) ( )
( )
( )
Luego:
( ) ( ) ( ) ( )
Por lo tanto:
( ) ( )
( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
Por lo tanto:
V.B. ( )
135/2 -7/4 (135/2):(-7/4) = -270/7 → Ignorar
10 4 10/4 = 5/2 → Mínimo
5/2 -1/4 (5/2):(-1/4) = -10 → Ignorar
6
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
Donde:
( )
( ( ) ) ( )
Entonces:
( )
( ) ( )
V.B. ( )
( )
( ) ( ) ( )
( )
( )
Luego:
( ) ( ) ( ) ( )
Por lo tanto:
7
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
( ) ( )
Como ahora todos los coeficientes reducidos son no negativos, hemos llegado al óptimo.
Calculamos entonces para encontrar la solución óptima de este problema:
( ) ( ) ( )
PROBLEMA #3
Considere el problema de programación lineal cuyo tableau final (óptimo) es el siguiente. Asuma
que Si es la variable de holgura para la restricción i.
V.B. X1 X2 X3 X4 S1 S2 b
X1 1 -5 4 13 5 0 7
S1 0 2 1 6 10 1 3
-Z 0 3 1 8 4 0 76
SOLUCIÓN: Tenemos:
b) Las variables no básicas están conformadas por el resto de variables que no se encuentran en
la base: son no básicas.
8
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
PROBLEMA #4
Una fábrica de ropa produce tres líneas de trajes: jeans, franela y amasado. La ropa es vendida en
lotes de 100 trajes de cada tipo. Cada lote pasa a través de tres procesos: corte, cosido y
empaque. La planta dispone de 16 cortadores como máximo, 41 máquinas de coser como máximo
y debe ocupar a 10 empacadores (no más no menos). Los requerimientos para producir un lote de
100 trajes de cada tipo y las utilidades asociadas, se presenta a continuación:
FORMULE un modelo de programación lineal que permite maximizar las utilidades de la fábrica.
Defina claramente variables, función objetivo y restricciones. A continuación, RESUELVA el modelo
que planteó utilizando el método que más le acomode.
SOLUCIÓN: El objetivo de la fábrica es determinar las cantidades de cada lote de ropa a fabricar,
de tal forma que éstos maximicen las utilidades. Sea la cantidad de lotes de ropa a fabricar del
tipo . De la tabla, podemos obtener inmediatamente la función objetivo:
( )
Las restricciones del problema están asociadas al límite de recursos impuesto por la fábrica en
función de la cantidad de cortadores, máquinas de coser y personal encargado de empacar. Así,
se tiene lo siguiente:
Cortadores:
Máquinas de coser:
Personal de empaque:
9
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
( )
El modelo puede resolverse utilizando cualquier método. En este caso particular, podemos hacer
un arreglo algebraico sencillo que permita solucionarlo mediante el método gráfico. De la tercera
restricción, despejamos, con lo cual resulta ( ). Reemplazando en el PPL,
obtenemos:
( )
Notemos que los únicos puntos candidatos a solución óptima de este problema son A y B.
Evaluando la función objetivo se obtiene que el punto esquina óptimo es B, dado por lotes
de jeans, resultando no rentable fabricar lotes de franela (porque ). Reemplazando lo anterior
en el modelo original, se obtiene que lotes de amasados. La utilidad máxima que percibe la
fábrica es de ( ) unidades monetarias.
10
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
PROBLEMA #5
Escriba el DUAL del siguiente problema. Verifique que el dual del dual es el problema original.
( )
( )
( )
11
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
Construimos ahora el problema dual. Notemos que, a partir de la definición, el dual tendrá 8
variables y 5 restricciones. Además, la variable dual es no restringida, mientras que el resto son
no negativas.
( )
La comprobación de que el dual del dual es el primal es obvia, y se deja como ejercicio al lector.
PROBLEMA #6
La compañía minera FERROJAC CHILE tiene dos operaciones mineras que alimentan de mineral
de hierro a una sola planta. Cada mina tiene dos áreas de las cuales puede extraer el mineral. La
ley alimentada a planta debe ser mayor que 35% Fe, y debe ser menor que 12% Si. La planta
requiere al menos 45.000 toneladas, pero no puede manejar más de 60.000. El mercado interno
requiere que al menos 12.000 toneladas de Fe deben estar disponibles para el consumo – asumir
un 90% de recuperación en el proceso. La razón promedio de estéril/mineral determinada para las
operaciones de extracción mineral tiene un valor de 3,5.
Dado los datos que se indican, FORMULAR (no RESOLVER) un modelo de programación lineal, el
cual permita obtener un plan minero de producción que cumpla las restricciones operacionales y
permita minimizar la desviación de la razón estéril/mineral total.
Reservas Razón
Mina Área % Fe % Si
(toneladas) Estéril/Mineral
Cerro Norte 20.000 40 17 3,0
GRANATE Lomas 10.000 30 10 2,0
Lomas Sur Sur 15.000 40 11 4,0
BAYAS Alberta 30.000 35 13 5,0
12
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
Para este problema, es muy útil la elaboración de un diagrama que muestre el proceso en
cuestión:
Ley de Fe ≥ 35%
Ley de Si ≤ 12%
Planta
Ahora veamos las restricciones del problema. En cuanto a las capacidades de la planta, como ésta
debe recibir al menos 45.000 toneladas y no más 60.000 toneladas, se tendrá:
Si el mercado interno requiere de, al menos, 12.000 toneladas de Fe, entonces el 90% de la
producción que llega a planta, en términos del Fe, debe conformar como mínimo, este tonelaje.
Luego:
( )
Se debe agregar que los sectores de producción tienen como limitante a sus reservas totales.
Luego:
Por último, la planta debe recibir como mínimo una ley del 35% de Fe y, a lo más, una ley del 12%
de Si. Luego, tenemos lo siguiente:
( )
( )
Ahora veamos la función objetivo. Como se requiere minimizar la desviación de la razón estéril –
mineral, se tendrá:
( ) ( ) ( )
13
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
( )
( )
,
( )
( )
PROBLEMA #7
Resuelva el siguiente problema de programación lineal, empleando el método símplex para la fase
1, y el método símplex revisado para la fase 2:
( )
( )
V.B. ( )
-3 1 -5 -3 1 0 0 0 400 400
-3 2 2 4 0 1 0 0 1500 750
1 0 4 2 0 0 1 -1 120 ---
-2 -1 -1 -1 0 0 0 0 0
0 0 0 0 1 0 1 0 0
2 -1 1 1 0 0 0 1 -520
14
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
V.B. ( )
-3 1 -5 -3 1 0 0 0 400 ---
3 0 12 10 -2 1 0 0 700 175/3
1 0 4 2 0 0 1 -1 120 30
-5 0 -6 -4 1 0 0 0 400
-1 0 -4 -2 1 0 0 1 -120
V.B. ( )
-7/4 1 0 -1/2 1 0 5/4 -5/4 550 ---
0 0 0 4 -2 1 -3 3 340 ---
1/4 0 1 1/2 0 0 1/4 -1/4 30 120
-7/2 0 0 -1 1 0 3/2 -3/2 580
0 0 0 0 1 0 1 0 0
( )
Como ya definimos el pívot y las variables de entrada y salida a partir de la tabla anterior, podemos
calcular inmediatamente la matriz :
( )
( )
( ) ( )
( )
Construimos una pequeña tabla para verificar el orden de las variables básicas:
15
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
V.B. ( )
( )
( ) ( ) ( ) ( )
̅( )
Luego:
( ) ( ) ( ) ( )
Por lo tanto:
( ) ( )
( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
Por lo tanto:
V.B. ( )
760 -3 760:(-3) = -253.33 → Ignorar
340 3 340:3 = 113.33 → Mínimo
120 -1 120:(-1) = -120 → Ignorar
16
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
Donde:
( )
( )
Entonces:
( )
( ) ( )
V.B. ( )
( )
( ) ( ) ( ) ( )
( )
Luego:
( ) ( ) ( )
Por lo tanto:
17
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
( ) ( )
Como ahora todos los coeficientes reducidos son no negativos, hemos llegado al óptimo.
Calculamos entonces para encontrar la solución óptima de este problema:
( ) ( ) ( )
PROBLEMA #8
Un florista sabe hacer sólo dos tipos de arreglos florales, para los cuales dispone de 3 tipos
distintos de flores: rosas, tulipanes e ibizcos. Los requerimientos de flores para cada arreglo, la
disponibilidad de flores y los requerimientos de cada arreglo vienen dados en la siguiente tabla:
a) FORMULE un PPL que resuelva el problema de maximización de ingresos por ventas sujeto a
la disponibilidad de recursos.
b) ¿Cuál es el problema DUAL asociado? ¿Qué situación podría estar optimizando? Justifique.
c) Usando el teorema de holguras complementarias, encuentre la solución óptima del problema
dual una vez resuelto el problema primal utilizando el método símplex.
d) Suponga que retorna frustrado después que una bella dama le cerrara la puerta cuando usted
le llevaba amablemente una rosa, un tulipán y un ibizco. Si se encuentra con el florista
¿Cuánto cree que estaría dispuesto a pagar él por sus flores?
a) Sean y los dos tipos de arreglos que puede hacer el florista. De la tabla, y en forma
inmediata, se obtiene el PPL deseado:
( )
18
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
b) Es posible formular inmediatamente el problema dual a partir del primal, sin utilizar la
transformación de primal simétrico, invirtiendo las situaciones presentadas en la definición de
ambos problemas. Se tiene entonces:
( )
El modelo dual resuelve el problema de un agente externo que desea saber el precio unitario
que puede ofrecer por cada una de las flores, en el caso de éste quiera comprarle todas las
flores al florista. Así, y son los precios unitarios asociados a las rosas, tulipanes e
ibizcos, respectivamente.
( )
Tabla de inicio:
V.B. ( )
3 1 1 0 0 300 100
1 1 0 1 0 140 140
1 3 0 0 1 300 300
-2000 -1000 0 0 0 0
V.B. ( )
1 1/3 1/3 0 0 100 300
0 2/3 -1/3 1 0 40 60
0 8/3 -1/3 0 1 200 75
0 -1000/3 2000/3 0 0 -200000
V.B.
1 0 ½ -1/2 0 80
0 1 -1/2 3/2 0 60
0 0 1 -4 1 40
0 0 500 500 0 -220000
19
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
Como todos los coeficientes de las variables en la función objetivo son no negativas, hemos
llegado al óptimo. La utilidad máxima que puede percibir el florista es de $220.000, con
arreglos florales del tipo 1, y arreglos florales del tipo 2. En este punto óptimo, es
válido el teorema de holguras complementarias. Por lo tanto:
Para el primal:
[ ( )]
[ ( )]
[ ( )]
Para el dual:
[ ( )]
[ ( )]
Por lo tanto, el florista venderá rosas y tulipanes a un precio de $500 c/u, y entregará como
“oferta” los ibizcos gratis, siempre y cuando venda todo como un paquete. Esto tiene sentido,
porque si vende sólo las rosas y tulipanes, dado que sólo sabe hacer los arreglos florales
descritos, no le sacará provecho a los ibizcos.
d) Si tuviéramos tan desgraciada suerte, entonces, idealmente, el valor máximo que nos pagará
el florista por las flores es el descrito con anterioridad: $500 por cada rosa y tulipán, y $0 por
los ibizcos.
PROBLEMA #9
( )
Se pide:
20
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
a) Se debe obtener el modelo lineal estándar (MLE) del problema. Para ello, hacemos los
cambios de variable y , con lo cual el problema se re-escribe de la siguiente
forma:
( )
( )
21
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
En el gráfico anterior, los puntos esquina del ESF están dados por los siguientes pares:
Tabla 7: Valores de las variables y función objetivo para los diferentes puntos esquina del
problema dual
Por tanto, el valor máximo del problema dual es , y se cumple cuando estamos en el
punto esquina J.
c) Si el proceso de resolución del problema dual no tiene por qué seguir las reglas del símplex,
entonces basta que, a partir del origen, el algoritmo ignore la regla dada por el criterio de
optimalidad en un problema de maximización, la cual dicta que se escoja siempre el coeficiente
más negativo en la fila objetivo del tableau símplex. Por tanto, si partimos desde el origen,
podemos comenzar en el punto E, y luego llegar de inmediato al punto J utilizando el hecho de
que, en este punto, se encuentra la solución.
Notemos que, además, este nuevo proceso ignora la subdivisión del problema en dos fases, ya
que se cuenta de inmediato con una solución básica de inicio (el origen).
Para el primal:
22
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
[ ( )]
[ ( )]
Para el dual:
[ ( )]
[ ( )]
[ ( )]
[ ( )]
PROBLEMA #10
La Compañía Minera ASIOP S.A. (ASIOPSA) produce dos tipos distintos de concentrado, cobre y
zinc. La siguiente tabla muestra las demandas mensuales esperadas para cada producto (en
toneladas):
Estos dos últimos costos se refieren a las fluctuaciones en los niveles de producción, ya que
ASIOPSA tiene como política trabajar todos los meses la misma cantidad de horas.
23
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
Al comienzo de los tres meses existen en inventario 50 toneladas del concentrado de cobre y 200
del concentrado de zinc. Al final de los tres meses, el inventario mínimo debe ser de 400 toneladas
de concentrado de cobre y 200 toneladas de concentrado de zinc. Ambos concentrados se
guardan en una planta en depósitos comunes. Cada depósito permite guardar hasta dos
componentes de concentrado de cobre, y hasta tres componentes de concentrado de zinc. La
envergadura de la planta permite guardar hasta 1000 depósitos.
FORMULAR (NO RESOLVER) un modelo de programación lineal que permita determinar el plan
de producción mensual que minimiza los costos de satisfacción de la demanda esperada. Defina
claramente variables, función objetivo y restricciones.
Veamos ahora la función objetivo. Como el objetivo de ASIOPSAL es minimizar los costos, es
posible definir dicha función directamente partir de los datos entregados en el enunciado:
( ) ( ) ( ) ( )
( ) ( ) ( )
( ) ∑ ∑ ∑ ∑ ∑ ∑
24
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
Ahora veamos las restricciones. Lo más sencillo es verificar primero las limitaciones de
satisfacción, demanda e inventario de ASIOPSAL. En este caso, para cada mes, se tiene lo
siguiente:
Mes 1:
Mes 2:
Mes 3:
Mes 1:
Mes 2:
Mes 3:
25
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
Naturalmente, todas las variables consideradas para este problema son no negativas. El modelo
completo (simplificado) es el siguiente:
( ) ∑ ∑ ∑ ∑ ∑ ∑
, , , ,
26
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
PROBLEMA #11
Al comienzo del mes 1, la financiera ARCOS dispone de 400 USD en efectivo. Al comienzo de los
meses 1, 2, 3 y 4, la financiera recibirá ingresos y, además, deberá realizar pagos como se indica
en la siguiente tabla:
El dinero restante en cada mes, una vez realizados los pagos, puede ser invertido durante un mes
a una tasa del 0,1% mensual; durante dos meses a una tasa del 052% mensual; durante tres
meses a una tasa del 1,0% mensual; o durante cuatro meses a una tasa del 2,0% mensual.
FORMULAR (NO RESOLVER) un modelo de programación lineal que permita determinar una
estrategia de inversión que maximiza el dinero en efectivo al comienzo del quinto año. Defina
claramente variables, función objetivo y restricciones.
SOLUCIÓN: Lo primero es definir las variables de este problema. Sea la cantidad de dinero
invertido al comienzo del mes durante un período de meses. La función objetivo queda entonces
definida como sigue:
( )
Las restricciones del modelo naturalmente representan la distribución del dinero. Así, éstas se
definen por las siguientes desigualdades:
PROBLEMA #12
La Compañía FERROSUR debe decidir cuántas toneladas de acero puro X y cuántas de chatarra
Y se deben utilizar en la preparación de una aleación para un cliente. El costo por tonelada de
acero puro es de 3, y el de chatarra 6 (por las impurezas); la demanda del cliente es de por lo
menos 5, y él aceptaría más si así se requiere.
27
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
Se pide:
Como se trata de un problema de costos, se debe minimizar la función objetivo, que define los
costos de fabricación de cada material. Luego, dicha función viene dada por la siguiente expresión:
( )
Ahora veamos las restricciones. De la demanda del cliente y la disponibilidad de cada recurso,
tenemos:
( )
28
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
La tabla siguiente evalúa el valor de las variables del PPL en cada uno de los puntos esquina del
ESF:
Tabla 11: Valores de las variables y función objetivo en los puntos esquina del problema
Por lo tanto, el punto esquina B es el óptimo, porque es aquel donde la función objetivo alcanza su
mínimo valor. Se concluye entonces que FERROSUR debe fabricar 1,25 toneladas de acero puro,
a un costo mínimo de 3,75 unidades monetarias. La chatarra no es rentable de producir.
PROBLEMA #13
Temporadas
Tipo
1 2 3 4
Seco 10 12 14 8
Frutoso 13 15 17 19
Añejo 21 25 9 11
29
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
El whisky seco lo vende a 34 dólares por botella, el frutoso a 28,8 y el añejo a 22,5 en la primera
temporada. En las siguientes se espera poder venderlos a un 5% más caro. Cada tipo de whisky
es elaborado mezclando tres materias primas, A, B y C, de las cuales se puede importar un
máximo de 2000, 2500 y 1200 botellas por temporada a un costo de 35, 25 y 20 dólares,
respectivamente. Estos costos, válidos para la primera temporada, deberían aumentar un 2% en
cada temporada. El whisky seco debe contener por lo menos un 60% de la materia prima A y no
más de un 20% de la materia prima C. El whisky frutoso debe contener por lo menos un 15% de la
materia prima A y no más de un 60% de la materia prima C. El whisky añejo debe contener por lo
menos un 50% de la materia prima B. Cada botella de whisky fabricada en una temporada puede
ser vendida en dicha temporada o almacenada a un costo unitario por temporada de 0,5 dólares
para ser vendidas posteriormente.
FORMULAR (NO RESOLVER) un modelo de programación lineal que permita optimizar las
actividades del importador. Defina claramente variables, función objetivo y restricciones del
problema.
SOLUCIÓN: Las variables a considerar para este problema son las siguientes:
La función objetivo se subdivide en tres partes, y , donde representa los ingresos que
obtiene el importador a partir de la venta de whisky en cada temporada, representa los costos de
importación de whisky de cada tipo, y representa los costos de almacenaje de whisky. Definimos
entonces:
∑( ( ))( )
∑ ∑( ( ))( )
∑∑
( )
Las restricciones del problema vienen dadas por la disponibilidad de materia prima para producir
cada tipo de whisky, la cantidad máxima de ventas por temporada, la proporción de uso de las
materias primas en la elaboración de cada tipo de whisky, y la producción, ventas y almacenaje por
temporada. Luego, se tiene lo siguiente:
30
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
A partir de la tabla entregada en el enunciado del problema, se obtienen las restricciones de venta
máxima por temporada:
Finalmente, a partir de los datos entregados en el enunciado del problema con respecto a la
producción, ventas y almacenaje por temporada, se obtienen las siguientes expresiones:
31
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
Naturalmente, todas las variables consideradas en la formulación de este problema son positivas o
nulas.
32
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
EJERCICIOS PEP 2
PROBLEMA #1
Resuelva el siguiente problema de transporte de mineral desde tres puntos de carguío y cuatro
piques de traspaso, y determine un plan óptimo de manejo de mineral en la mina de acuerdo a la
información que se indica. Use el método de la esquina noroeste para la obtención de la solución
básica de inicio.
Ahora determinaremos una solución básica de inicio utilizando el método de la esquina noroeste.
El tableau de transporte para este problema, una vez que se ha obtenido dicha solución con el
método de la esquina noroeste, es el siguiente:
33
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
PT1
PT2
PT3
Demanda
La asignación de inicio es correcta, porque el número de variables básicas que hay en esta tabla
cumple con la condición (hay un total de 6 variables básicas
en esta primera solución). Además, las sumas de estas asignaciones por fila y columna equivalen a
las cantidades de oferta y demanda en cada una de dichas filas y columnas.
Calculamos ahora los valores duales y costos reducidos para la primera iteración, con lo cual se
tiene que la variable de entrada es .
Oferta
Demanda
Una vez determinada que la variable de entrada , se debe generar un loop para determinar la
variable de salida. Dicho loop se observa en Tabla 52. Como se debe cumplir que todas las
34
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
asignaciones sean positivas o nulas, la variable de salida se obtiene de las asignaciones limitadas
por la cantidad en el tableau anterior:
Oferta
Demanda
Se debe observar que los costos reducidos son todos positivos. Por lo tanto, hemos llegado al
óptimo. La solución óptima es entonces , , , , , . El
costo mínimo de transporte es ( ) .
PROBLEMA #2
Un Ingeniero Geotécnico está desarrollando un proyecto de cálculo de una malla de pilares para un
layout de un Panel Caving Tradicional, y necesita contratar con urgencia dibujantes para que le
confeccionen los planos del proyecto completo. El Ingeniero requiere que durante el fin de semana
le dibujen tres planos y al menos cuatro durante la semana.
El Ingeniero conoce a dos dibujantes: Héctor y Daniel. Héctor le cobra $30.000 por dibujar cada
plano durante el fin de semana y $27.000 por cada plano durante la semana. Daniel le cobra
$29.000 por dibujar cada plano durante el fin de semana y $28.000 por cada plano durante la
semana. Debido a que tiene otros compromisos, Héctor le advierte que podrá dibujar como máximo
5 planos, mientras que Daniel no desea comprometerse a dibujar más de 4 planos, ya que el
software le ha estado fallando.
35
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
Se pide:
Fin de Oferta
Semana Artificial
semana
Héctor
Daniel
Demanda
Se debe hallar una solución básica de inicio para este problema. Una opción es utilizar el método
de aproximación de Vogel que, si bien es algo engorroso, nos permite acercarnos más que los
otros métodos al óptimo.
36
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
Fin de Oferta
Semana Artificial
semana
Héctor
Daniel
Demanda
( ) ( ) ( )
Oferta
Demanda
Tabla 19: Solución de inicio con los valores duales y costos reducidos calculados
El costo reducido de la celda (1, 3) es negativo. Por ende, aún no hemos llegado al óptimo. La
variables de entrada es entonces . Se debe generar un loop que contenga a para así
determinar la variable de salida, como se muestra en Tabla 57.
37
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
Oferta
Demanda
Como se debe cumplir que todas las asignaciones sean positivas o nulas, la variable de salida se
obtiene de las asignaciones limitadas por la cantidad en el tableau anterior:
Oferta
Demanda
Se observa que el tableau anterior es óptimo, porque los costos reducidos son todos positivos. La
asignación óptima es de 3 planos para Daniel durante el fin de semana y al menos 4 planos para
Héctor durante la semana. El costo mínimo asociado es ( ) .
b) Si el Ingeniero requiere dibujar 5 planos durante la semana, basta evaluar las expresiones
anteriores para ; si se requiere dibujar 2 planos, basta evaluar para .
38
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
c) En este caso no es posible emplear la solución anterior, ya que si , entonces una de las
variables básicas, se hace negativa. Por lo tanto, se debe volver a plantear el problema,
esta vez para una demanda de 6 planos durante la semana.
Fin de Oferta
Semana
semana
Héctor
Daniel
Demanda
Tabla 22: Tableau de inicio para el problema con una demanda de 6 planos durante
la semana
Oferta
Demanda
39
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
PROBLEMA #3
( )
Los coeficientes de la función objetivo representan la utilidad asociada a la venta de dos productos,
y , respectivamente. Las dos primeras restricciones se refieren a límites de demanda, y las
dos restantes se refieren a la utilización de dos recursos del proceso productivo.
La solución óptima del problema se encuentra en uno de los vértices del polígono ADJFEO.
Calculando los valores de la función objetivo para cada uno de estos puntos, se obtiene la
siguiente tabla de valores:
40
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
Tabla 24: Valores de la función objetivo para los diferentes puntos esquina del ESF
El valor máximo de la función objetivo se obtiene en el punto J. Por lo tanto, la solución óptima es
, cuyo valor objetivo es ( ) .
b) Escribiendo las restricciones del problema de forma estándar, se tiene el siguiente conjunto de
ecuaciones lineales:
( ) ( )
Mediante operaciones elementales por fila es preciso dejar sólo una variable básica en cada
ecuación. Restando la tercera ecuación a la cuarta, se obtiene:
41
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
Las ecuaciones anteriores nos permiten escribir ahora la tabla óptima del problema:
V.B.
0 0 1 0 1 -1 2
0 0 0 1 -2 1 2
0 1 0 0 2 -1 6
1 0 0 0 -1 1 4
0 0 0 0 1/2 1/2 -12
En forma alternativa, es posible construir el tableau a partir del análisis de sensibilidad de los
coeficientes del lado derecho, desplazando las restricciones.
PROBLEMA #4
Planta 1 2 3 4 5 6 7
Capacidad (km3) 190 150 140 330 260 150 240
GEOCORP desea que, al iniciar cada semana de trabajo, haya al menos 200.000 m 3 de
compuesto de cianuro en cada una de las plantas concentradoras. Para cumplir dicho
requerimiento se puede enviar una carga de compuesto de cianuro mediante camiones acoplados
desde aquellas plantas con mayor capacidad a aquellas que no sean capaces de autoabastecerse
con los 200.000 m3 de cianuro requerido. Los costos de envío por cada 1.000 m3 (en miles de
dólares) entre las distintas plantas se ilustran en la siguiente red:
42
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
6 7
35
1
Se pide:
a) Determinar la mejor forma de distribuir el compuesto de cianuro entre las plantas de lixiviación.
b) ¿En cuánto puede variar el costo de envío entre las plantas 1 y 3 para que la solución anterior
se mantenga?
c) Obtener la nueva solución si la producción de la planta 3 disminuye a 130.000 m 3 y la de la
planta 5 aumenta a 270.000 m3.
d) Determinar la nueva solución si la producción de la planta 2 disminuye a 140.000 m 3 y la de la
planta 5 aumenta a 270.000 m3
43
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
Planta 5
Planta 7
Demanda
En este punto, se puede aplicar cualquier método para obtener la solución básica de inicio del
problema. Sin embargo, es interesante señalar que el método de aproximación de Vogel nos
permite, además, obtener la solución óptima de forma inmediata. En efecto, como se observa en
Tabla 64, se tiene:
Oferta
38
Demanda
Como todos los costos reducidos son positivos, y hay uno nulo (que indica la existencia de una
solución óptima alternativa), hemos llegado al óptimo. La solución óptima de este problema es
, con un costo mínimo de
( ) . Los valores de las variables asociadas al punto de demanda artificial
indican asignaciones que no son reales, por lo que pueden ser interpretadas como la elaboración
44
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
de un stock o acopio de cianuro en caso de que cualquiera de las plantas que entrega este
compuesto falle a la hora de hacer el transporte.
b) Como las plantas 1 y 3 son puntos de demanda, la variación del costo de envío no afecta a la
solución del problema.
Por lo tanto, el costo es ahora 300 veces más alto. Como la variable está asignada (es una ruta
de envío) de la planta 5 a la planta 3, el nuevo valor de esta variable puede calcularse de forma
muy sencilla mediante la siguiente expresión:
d) En este caso, el nuevo valor de la función objetivo también puede ser obtenido por:
Como, en este caso, la variable no está asignada, es preciso encontrar el loop que contiene a
la celda (2, 2), que corresponde a la variable , y sumar y restar de forma alternada.
Oferta
38
Demanda
45
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
PROBLEMA #5
Oferta
7
Demanda
a) La solución presentada en el tableau anterior es básica siempre que se cumplan las siguientes
condiciones:
En efecto:
46
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
Las sumas de las asignaciones por fila (columna) son consistentes con las cantidades
de oferta (demanda) dadas en el tableau.
En efecto:
Fila 1: → Se cumple
Fila 2: → Se cumple
Fila 3: → Se cumple
Fila 4: → Se cumple
Columna 1: → Se cumple
Columna 2: → Se cumple
Columna 3: → Se cumple
Columna 4: → Se cumple
Por lo tanto, las asignaciones por fila (columna) son consistentes con las respectivas cantidades de
oferta (demanda) definidas en el tableau.
La última condición, que se le deja como ejercicio al lector (y que, evidentemente, se cumple), es
que el tableau respete el teorema de secuenciación. Vale decir, que no se pueda generar un loop
con la colección de variables básicas dada en dicho tableau.
b) Para efectuar la demostración, deben calcularse los costos reducidos de la solución básica
definida en (a). En efecto, se tiene que:
̅ ( ) ( )
̅ ( ) ( )
̅ ( ) ( )
̅ ( ) ( )
̅ ( ) ( )
̅ ( ) ( )
̅ ( ) ( )
̅ ( ) ( )
̅ ( ) ( )
47
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
c) En efecto, el problema tiene soluciones óptimas alternativas, ya que hay costos reducidos nulos
en las celdas (1, 4) y (2, 2), que corresponden a variables no básicas.
Función objetivo:
( )
Restricciones de oferta:
Restricciones de demanda:
Naturalmente,
Función objetivo:
( )
Restricciones:
e) La solución óptima del problema dual se obtiene reemplazando los valores de , obtenidos
en el tableau óptimo entregado en primera instancia, con lo cual se obtiene ( ) Como
( ) , se cumple el teorema de dualidad y, por ende, esta es la solución óptima del
problema dual.
48
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
PROBLEMA #6
El Jefe de carguío y transporte de una operación a cielo abierto debe asignar cuatro operadores a
cuatro palas durante el turno. Los costos unitarios (en unidades monetarias cualesquiera) que
expresan la habilidad del operador se dan en Tabla 30. Aquellos costos indeterminados (-)
representan la condición de no aplicabilidad del operador a la pala respectiva.
Tabla 30: Detalle de costos de cada operador con respecto a cada pala
Se pide:
( )
Las asignaciones ocupadas por la constante M son aquellas que no son aplicables por cualquier
razón, y se indican con M, que implica un costo infinito, para que así el algoritmo no los considere
como asignaciones válidas en el óptimo. Se genera entonces la eliminación de mínimos por filas,
obteniéndose:
( ) ( ) ( )
49
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
( )
( )
Lo que implica:
( )
Como los ceros generados mediante la eliminación de mínimos por filas y columnas no garantizan
aún una asignación óptima, se debe tachar la cantidad mínima de filas y columnas que tengan
ceros.
( )
Ahora se debe elegir el mínimo elemento entre aquellos que no se encuentran tachados, restárselo
a todos los elementos no tachados, y sumárselo a aquellos elementos que se encuentren en la
intersección de las líneas con las que tachamos las filas y columnas con elementos nulos. Así, se
obtiene la siguiente matriz:
( )
En esta oportunidad, los ceros sí garantizan una asignación óptima, determinada por los elementos
coloreados con amarillo. Cotejando con la tabla entregada en el enunciado del problema, la
asignación óptima es entonces la siguiente:
El costo mínimo de esta asignación se obtiene sumando los costos respectivos de cada operador
con respecto a las palas asignadas. Luego, ( ) unidades monetarias.
50
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
( )
Se debe notar que no tiene sentido generar una eliminación por filas, debido a que hemos
agregado una columna nula. Generando entonces la eliminación de mínimos por columnas, se
obtiene:
( )
( )
Luego:
( )
Como los ceros generados mediante la eliminación de mínimos por filas y columnas no garantizan
aún una asignación óptima, se debe tachar la cantidad mínima de filas y columnas que tengan
ceros.
( )
Ahora se debe elegir el mínimo elemento entre aquellos que no se encuentran tachados, restárselo
a todos los elementos no tachados, y sumárselo a aquellos elementos que se encuentren en la
intersección de las líneas con las que tachamos las filas y columnas con elementos nulos. Así, se
obtiene la siguiente matriz:
( )
En esta oportunidad, los ceros sí garantizan una asignación óptima, determinada por los elementos
coloreados con amarillo. Cotejando con la tabla entregada en el enunciado del problema, la
asignación óptima es entonces la siguiente:
51
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
El costo mínimo de esta asignación se obtiene sumando los costos respectivos de cada operador
con respecto a las palas asignadas. Luego, ( ) unidades monetarias. La
inclusión de esta nueva pala es entonces conveniente, siempre que se reemplace por la pala 1
(que es la que se asigna al operador ficticio), ya que el costo total es menor que en (a).
PROBLEMA #7
En la V Región, PETROMAT S.A., una mediana planta de áridos para la construcción, produce 4
tipos de materiales de áridos. El proceso está compuesto por tres etapas: chancado, harneado e
inspección de calidad. Se dispone de 800 horas de chancado, 1000 horas de harneado y 340
horas – hombre (HH) de inspección para el próximo mes de producción. En base a estas
disponibilidades, la empresa desea maximizar sus utilidades dentro de este período. Para resolver
el problema, se ha formulado un modelo de programación lineal, el cual se presenta a
continuación:
( )
V.B.
0 1 3/2 -1 0 200
1 0 -2 2 0
0 0 1/10 -2/5 1 20
Responder:
52
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
e) ¿Dentro de qué rango podría variar la cantidad de horas de chancado sin que cambie la base
óptima?
f) ¿Cuánto estaría dispuesto a pagar por una hora de harneado adicional?
g) Un competidor ofrece arrendarle capacidad adicional para chancado a 3 unidades monetarias
por hora ¿Aceptaría la oferta?
h) ¿A qué precio estaría dispuesto a arrendar a su competidor una hora de harneado adicional?
¿Hasta cuántas horas (sin que cambie la base óptima)?
i) ¿Cuánto puede disminuir el tiempo de inspección sin que cambie la solución óptima?
j) ¿Cuál es la nueva solución y el nuevo valor de la función objetivo si las horas de chancado
aumentan a 880?
k) ¿Aceptaría la producción de un material árido del tipo 5, si requiere 2 horas de chancado y 3
horas de harneado e inspección de calidad, respectivamente, con una utilidad de 30 unidades
monetarias?
V.B.
1 2 10 16 1 0 0 800
3/2 2 4 5 0 1 0 1000
1/2 3/5 1 2 0 0 1 340
-8 -14 -30 -50 0 0 0 0
Además, la matriz inversa óptima se puede obtener a partir de la tabla óptima (incompleta)
entregada en el enunciado del problema:
( )
Para obtener la solución óptima se debe calcular la matriz óptima de recursos, ̅ . Para ello se
debe recurrir al formulismo del método símplex revisado. En efecto, se tiene:
̅ ( ) ( ) ( )
La máxima utilidad de este plan se calcula reemplazando los valores óptimos entregados por el
plan en la función objetivo del problema, con lo cual ( ) unidades monetarias.
53
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
b) Para determinar la existencia de óptimos alternativos, se deben verificar los costos reducidos en
la tabla óptima. Como éstos no fueron entregados, deben calcularse igualmente mediante el
formulismo del método símplex revisado para así completar la tabla óptima del problema. Lo
primero entonces es calcular las columnas de restricción óptimas que faltan en dicha tabla:
̅ ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
V.B.
0 1 11 19 3/2 -1 0 200
1 0 -12 -22 -2 2 0 400
0 0 2/5 8/5 1/10 -2/5 1 20
0 0 28 40 5 2 0 -6000
Se observa, en este caso, que todos los costos reducidos son positivos para las variables no
básicas. Por lo tanto, no existen óptimos alternativos para este problema.
Luego:
54
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
d) Siendo una variable básica, el análisis es un tanto más engorroso. Sea el cambio (positivo
o negativo) del coeficiente de en la función objetivo. Calculamos entonces las cotas de a
continuación:
Cota superior:
{ }
Cota inferior:
{ }
Por lo tanto, se tiene que Por lo tanto, la utilidad del material árido del tipo 2
puede disminuir hasta en 2 unidades monetarias sin que ello modifique la base óptima del
problema.
Cota superior:
{ }
Cota inferior:
{ }
f) El máximo valor a pagar por una hora de harneado adicional corresponde, en teoría, al valor del
precio sombra (o precio dual) asociado a la restricción de harneado (que es la restricción 2). Dicho
precio sombra es, de la tabla óptima, unidades monetarias. Este corresponde al valor
máximo a pagar por una hora de harneado adicional.
h) Tal y como se vió en (f), el precio sombra asociado a las horas adicionales de harneado es
unidades monetarias, y es el máximo a pagar por dicha capacidad adicional. El límite
máximo más allá del cual la base óptima se modifica, con respecto a este recurso, se verficia
mediante el respectivo análisis de sensibilidad. Sea el cambio (positivo o negativo) en las horas
de harneado. Las cotas de se calculan como sigue:
55
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
Cota superior:
{ }
Cota inferior:
{ }
i) Si las horas de chancado aumentan hasta las 880 horas, se puede obtener la nueva solución de
forma inmediata mediante el formulismo del método símplex revisado. Para ello, la matriz inicial de
recursos debe incluir este cambio, por lo cual:
̅ ( ) ( ) ( )
La nueva utilidad máxima se obtiene reemplazando estos valores en la función objetivo, con lo cual
se tiene que ( ) unidades monetarias. Naturalmente, este plan es más rentable,
porque deja una utilidad mayor.
j) Sea el cambio (positivo o negativo) en las horas – hombre de inspección de calidad. Las
cotas de se calculan de la tabla óptima como sigue:
Cota superior:
{ }
Cota inferior:
{ }
Por lo tanto, Luego, las horas de inspección pueden disminuir hasta en 20 unidades, sin
que ello modifique la base óptima del problema.
56
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
k) Según los datos que entrega el problema, se debe agregar una nueva variable al modelo
original, que denotamos por . Utilizando los coeficientes de restricción entregados para esta
variable y su utilidad original, es posible calcular su costo reducido de forma inmediata mediante el
uso del formulismo del método símplex revisado. En efecto:
̅ ( ) ( )
Como el costo reducido de es negativo, entonces debe entrar a la base. Se asegura así al
menos una iteración más y, por tanto, al menos una mejora en la utilidad máxima de PETROMAT,
lo que implica que se acepta la producción del nuevo material árido.
PROBLEMA #8
La empresa de transporte TRANSEC Ltda. realiza traslados de mineral desde las minas Alto, Cerro
e Indígena a distintas plantas concentradoras ubicadas a lo largo del país. El gerente de finanzas y
logística de TRANSEC desea determinar los recorridos más convenientes, en términos de costos,
para los futuros contratos.
Los costos de transporte, con sus respectivos requerimientos y suministros, se presentan en Tabla
31.
Determine las rutas más convenientes para TRANSEC. Utilice el método de mínimo costo para
encontrar la solución básica de inicio y analice sus resultados.
∑ ∑
57
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
Alto
Cerro
Indígena
Demanda
Desarrollando por mínimo costo, se llega a la siguiente solución básica de inicio. Se debe
considerar que se ha agregado una asignación nula en la celda (2, 2) para así satisfacer el
teorema de secuenciación:
Alto
Cerro
Indígena
Demanda
Calculamos ahora los valores duales y costos reducidos para la primera iteración, con lo cual se
tiene que la variable de entrada es .
58
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
Oferta
Demanda
Una vez determinado que la variable de entrada es , se debe generar un loop para determinar la
variable de salida. Dicho loop se observa en Tabla 63. Como se debe cumplir que todas las
asignaciones sean positivas o nulas, la variable de salida se obtiene de las asignaciones limitadas
por la cantidad en el tableau anterior:
Oferta
Demanda
59
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
El tableau anterior óptimo, porque todos los costos reducidos son no negativos. La solución óptima
de este problema es entonces El costo mínimo
asociado a las asignaciones anteriores es ( ) unidades monetarias.
Es interesante señalar que este problema presenta una solución óptima degenerada, ya que la
asignación en la celda (2, 2) es nula. Además, también presenta óptimos alternativos, puesto que
el costo reducido de la variable no básica es nulo.
PROBLEMA #9
ASIOPMEL debe decidir cuántas unidades de detonadores se deben producir en cada planta, y
cuánta demanda de cada cliente se abastecerá desde cada una de ellas. Se desea minimizar el
costo total de producción y transporte para ASIOPMEL en los siguientes escenarios:
60
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
Antes de comenzar el análisis, se debe considerar que este problema presenta una singularidad: la
producción de detonadores implica un costo fijo. Dicho costo está siempre presente, y por ende
debe ser añadido al algoritmo de transporte. La forma más sencilla es sumar dicho costo fijo de
producción a cada una de las celdas que definen las rutas de transporte (de forma más directa,
sumar los costos fijos por filas), para así resolver el problema correctamente. De lo anterior, el
tableau de inicio para el modelo de ASIOPMEL es el siguiente:
Planta A
Planta B
Planta C
Demanda
Desarrollando por el método de mínimo costo, se llega a la siguiente solución básica de inicio:
Planta A
Planta B
Planta C
Demanda
61
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
Oferta
Demanda
Una vez determinado que la variable de entrada es , se debe generar un loop para determinar la
variable de salida. Como se debe cumplir que todas las asignaciones sean positivas o nulas, la
variable de salida se obtiene de las asignaciones limitadas por la cantidad en el tableau anterior:
62
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
Oferta
Demanda
Tabla 40: Solución óptima del problema de ASIOPMEL para el primer escenario
La tabla anterior es óptima, porque todos los costos reducidos son no negativos. La solución
óptima es entonces El costo
mínimo de transporte asociado a este plan es ( )
A continuación se muestra el tableau de inicio para este escenario, al cual se le ha encontrado una
solución básica de inicio mediante el método de mínimo costo. También se han calculado los
valores duales y los costos reducidos para esta primera iteración, con lo cual se determina que
es la variable de entrada en la primera iteración.
Oferta
Demanda
63
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
Una vez determinado que la variable de entrada es , se debe generar un loop para determinar la
variable de salida. Como se debe cumplir que todas las asignaciones sean positivas o nulas, la
variable de salida se obtiene de las asignaciones limitadas por la cantidad en el tableau anterior:
Oferta
Demanda
La tabla anterior es óptima, porque todos los costos reducidos son positivos. La solución óptima es
entonces El costo mínimo de transporte asociado a
este plan es ( )
Se observa entonces que ambos escenarios entregan un costo mínimo similar, por ende, en teoría,
es indiferente cuál utilizar por ASIOPMEL. Sin embargo, de todos modos, el plan de producción del
segundo escenario implica que, para estos efectos, la planta B puede utilizarse para cualquier otra
operación, lo que le da cierta ventaja sobre el primer escenario.
PROBLEMA #10
Además, por razones de disponibilidad de carguío, el doble de la producción de sulfuros de alta ley
no debe superar la producción de sulfuros de baja ley sumado al stock permanente de 10 kt en
planta. Restricciones de transporte por camiones establecen que la producción total de mineral
64
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
Tabla óptima:
65
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
k) ¿Cuál es el recurso que aporta la mayor ganancia al plan minero? Determine el máximo aporte
total posible para el plan óptimo.
Asimismo, el máximo ingreso a percibir por concepto de este plan de producción es de 1650
US$/día.
b) Como la tabla de inicio del modelo de COBREANDES no fue entregada, se debe generar el
modelo de programación lineal original de este problema para así completar la tabla óptima y hacer
el análisis de sensibilidad pedido. Las variables de dicho modelo se definen como sigue:
Las restricciones del problema se pueden obtener fácilmente a partir del enunciado del mismo. En
este caso, se tiene lo siguiente:
( )
Por lo tanto, el modelo lineal estándar de este problema es el siguiente:
( )
66
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
Lo siguiente es utilizar el formulismo del método símplex revisado para obtener la tabla óptima del
modelo de COBREANDES. Lo mejor que se puede hacer, sin embargo, es también comprobar las
columnas ya entregadas en la tabla óptima del enunciado del problema, para así corroborar que lo
hemos modelado correctamente. Por lo tanto, tenemos:
( )
( ) ( ) ( )
( )
( )
Luego, ( )
̅ ( ) ( )
( )
67
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
Luego, ̅ ( ) ( )
Los resultados obtenidos mediante el método simplex revisado confirman que el modelo realizado
en primera instancia está correcto. Ahora podemos preceder a realizar el análisis de sensibilidad
pedido.
Sea el cambio (positivo o negativo) en la utilidad de OXBL. Las cotas de se calculan como
sigue:
Cota superior:
{ }
Cota inferior:
{ }
Por lo tanto, se obtiene que . Sin embargo, se debe considerar que como el modelo
de COBREANDES es un modelo de maximización, este intervalo debe revertirse para así acotar el
coeficiente de OXBL de forma correcta. Luego, Por lo tanto, el intervalo en el cual la
utilidad de OXBL puede variar sin afectar la base óptima es
Cota superior:
{ }
68
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
No existe cota inferior, ya que para todo . Por lo tanto, Como el problema
es de maximización, el intervalo de optimalidad debe invertirse, por lo que . Luego la
variación de la utilidad es . Así, si , la solución óptima no se ve afectada.
Lo que implica:
Por tanto, Sin embargo, como este problema es de maximización, este intervalo debe
revertirse a fin de hacer el análisis de forma correcta. Por lo tanto, Cualquier aumento de
más allá de 20 US$/unidad altera la base óptima del problema. Luego, un aumento de 8
US$/unidad no cambia las variables básicas del modelo, porque quedaría , lo que está
dentro del intervalo de optimalidad antes calculado.
e) Utilizando lo calculado en (d), concluimos que el ingreso por unidad de OXAL debe ser mayor a
los 20 US$/unidad para que sea rentable su producción, ya que de esta forma la base óptima del
problema cambiaría, quedando (que son las unidades de OXAL en explotación) como variable
de entrada y, en consecuencia, como parte de la nueva solución óptima del problema.
f) Sea el cambio (positivo o negativo) en la producción total del plan minero. Las cotas de
variación de se calculan a partir de la tabla óptima como sigue:
Cota superior:
{ }
Cota inferior:
{ }
( ) ( ) ( )
69
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
Luego, el nuevo plan abarca la explotación de 30 ktpd de óxido de baja ley, 20 ktpd de sulfuro de
alta ley y 30 ktpd de sulfuro de baja ley. El ingreso máximo por concepto de este nuevo plan se
obtiene reemplazando estos valores en la función objetivo, con lo cual ( ) US$/día.
g) Se deben generar dos análisis de sensibilidad independientes. Uno para una capacidad de 45
kt en la planta de óxidos (recurso ligado a la restricción nº1) y otro para una capacidad de 30 kt en
la planta de sulfuros (recurso ligado a la restricción nº2).
( ) ( ) ( )
( ) ( ) ( )
h) Se tiene un aumento del recurso correspondiente a la cuarta restricción hasta las 20 kt.
Utilizando la fórmula del método simplex revisado, se tiene:
( ) ( ) ( )
La nueva solución encontrada es factible, porque todos los valores del vector columna calculado
son no negativos. Reemplazando estos valores en la función objetivo del problema se obtiene un
ingreso máximo de ( ) 1733,3 US$/día, lo cual es evidentemente más rentable que la
solución óptima del problema original.
70
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
( ) ( ) ( )
i) De la tabla óptima, se tiene que los precios sombra asociados a los recursos de capacidad de
chancado en las plantas de óxidos y sulfuros, respectivamente, son y En
consecuencia, se tiene que la capacidad de chancado en la planta de óxidos es un recurso
abundante, puesto que la holgura es no nula, y por ende no es necesario pagar por mayor
capacidad. Por el contrario, para tener capacidad adicional de chancado en la planta de sulfuros,
se debe pagar un total de 3,333 US$/kt, o bien, 0,00333 US$/t adicional.
j) Tal y como se hizo en (i), verificando la tabla óptima, se tiene que el precio sombra asociado al
recurso de stock en la planta de sulfuros es US$/kt adicional. Luego, se debe pagar un
total de US$ 0,0083 por tonelada adicional de stock.
R1: Aporte
R2: Aporte
R3: Aporte
R4: Aporte
R5: Aporte
Por lo tanto, el recurso que mayor ingreso aporta al proyecto de COBREANDES es R3,
correspondiente al plan minero de extracción de mineral.
PROBLEMA #11
La Compañía Minera CERRO IMÁN Chile (CMCI), comercializa cuatro tipos de productos
minerales de Fe (mineral, grueso, pellet y fino). La gerencia mina ha resuelto desarrollar un plan de
producción mediante programación lineal. La información pertinente para la realización de este
plan se ha entregado en Tabla 44:
71
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
Tabla 44: Información entregada por Gerencia para la realización del plan
La siguiente es la tabla óptima del modelo de CMCI, cuyo objetivo es maximizar sus ingresos. Las
restricciones están asociadas a la producción, requerimiento de mineral grueso, disponibilidad de
chancado y de concentración.
72
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
Del enunciado, se obtienen de inmediato las primeras dos restricciones del modelo:
Producción:
Requerimiento de grueso:
Requerimiento de chancado:
Requerimiento de concentración:
( )
( )
73
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
Para encontrar la solución óptima, se debe completar la tabla óptima del problema, la cual fue
entregada incompleta. Lo primero es identificar la matriz inversa óptima:
( )
Además, dado que se entregan las columnas canónicas en la tabla óptima, es posible determinar
que la base óptima de la solución está conformada por las variables siguientes:
Luego, el primer elemento a calcular de la tabla óptima es el vector de valores duales, dado por la
fórmula ( ) . Así:
( ) ( ) ( )
Ahora debemos calcular las columnas de restricción que faltan en la tabla óptima:
̅ ( ) ( ) ( ) ( ) ( )
Calculamos la matriz óptima de recursos (para comprobar que el modelo de inicio es correcto):
̅ ( ) ( )
( )
̅ ( ) ( ) ( ) ( )
74
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
( ) ( ) ( )
c) Para un aumento del precio del material fino en 0,5 US$/t, se tiene lo siguiente:
̅ ( ) ( )
75
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
Como el costo reducido referente a la variable fino se mantiene positivo, no hay cambios en la
base óptima. Por ende, el valor de dicha variable es cero (ya que es no básica), y no hay cambios
en el ingreso total del plan.
d) Para un análisis más certero, se determinará el intervalo de optimalidad para la variable pellet.
En este caso, como se trata de una variable básica, se calculan las cotas superiores del cambio
(positivo o negativo) de la siguiente forma:
Cota superior:
{ }
Cota inferior:
{ }
f) Para una producción de 1000 kt, se debe calcular la nueva solución óptima utilizando el
formulismo del método símplex revisado. En efecto, modificando la limitante de la primera
restricción de 1100 kt a 1000 kt, tenemos:
̅ ( ) ( )
( )
76
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
El nuevo ingreso se obtiene reemplazando estos valores en la función objetivo del problema,
dando como resultado ( ) US$/t.
g) En este caso hay un cambio en la tercera restricción, desde 4500 kt a 4400 kt. Utilizando el
mismo formulismo que en (f), se tiene que:
̅ ( ) ( )
( )
El nuevo ingreso se obtiene reemplazando estos valores en la función objetivo del problema,
dando como resultado ( ) US$/t.
̅ ( ) ( )
( )
El nuevo ingreso se obtiene reemplazando estos valores en la función objetivo del problema,
dando como resultado ( ) US$/t.
77
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
i) Los precios máximos a pagar por una unidad de recurso adicional corresponden a los valores
duales (precios sombra) calculados en primera instancia para la tabla óptima. Como la holgura
asociada a la capacidad de chancado no es nula, entonces el precio sombra es cero, puesto que
no es necesario pagar por capacidad adicional de chancado si ya disponemos de capacidad no
utilizada de este recurso. No obstante, para el caso de la concentración magnética, la holgura
asociada es cero. Luego, hay un precio sombra asociado dado por US$/t, que es el
máximo a pagar por una tonelada de concentración adicional.
( )
( )
( )
Las variables duales representan los precios que estamos dispuestos a pagar por una unidad de
recurso adicional, según corresponda. Para restricciones con holguras no nulas, es claro que
dichos precios son cero, por cuanto no es necesario pagar por capacidad adicional si existe una
capacidad no utilizada del recurso respectivo.
La función objetivo dual representa la maximización del uso de los recursos, mientras que las
restricciones representan las limitantes de uso de los recursos en función de los precios de cada
tipo de material.
78
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
̅ ( ) ( )
Como el costo reducido de la nueva variable es negativo, entra a la base del problema y se debe
iterar nuevamente para obtener la solución óptima. Se tiene entonces:
̅ ( ) ( ) ( ) ( ) ( )
V.B. ( )
2/3 0 1 2/3 -5/3 0 2 0 0 -1/3 533 1/3 -
1/3 1 0 1/3 5/3 0 -1 0 0 1/3 566 2/3 340
1 0 0 0 -2 0 1 0 1 -1 600 -
1/3 0 0 1/3 5/3 1 -1 -1 0 1/3 216 2/3 130
5/3 0 0 8/3 -14/3 0 4 0 0 2/3 -23200/3
V.B.
7/3 0 1 7/3 0 1 11/3 -1 0 4/3 535
-4/3 1 0 -4/3 0 -1 -8/3 1 0 -4/3 565
3 0 0 2 0 6/5 3 -6/5 1 1 602
1/5 0 0 1/5 1 3/5 -3/5 -3/5 0 1/5 130
19/3 0 0 22/3 0 14/5 26/3 0 0 5 -23186/3
Como todos los costos reducidos son positivos, hemos llegado al óptimo. Por lo tanto, la solución
óptima es la siguiente:
79
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
PROBLEMA #12
Para complementar la formación de sus alumnos, este Departamento ha decidido programar una
serie de seminarios sobre algunos temas de actualidad: ecología, energía, transporte y seguridad.
Estos seminarios tendrán lugar una vez por semana en horario de tarde, de manera que exista sólo
una sesión para cada uno de los temas a tratar y, naturalmente, sólo se pueda programar un
seminario por día. La dirección del Departamento ha estimado que podrían asistir a cada uno de
estos seminarios, obteniendo los datos mostrados en Tabla 45:
Tabla 45: Estimación del número de alumnos que asistirá a cada seminario
( )
( ) ( )
( )
Como los ceros generados mediante la eliminación de mínimos por filas y columnas no garantizan
aún una asignación óptima, se debe tachar la cantidad mínima de filas y columnas que tengan
ceros.
80
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
( )
Ahora se debe elegir el mínimo elemento entre aquellos que no se encuentran tachados, restárselo
a todos los elementos no tachados, y sumárselo a aquellos elementos que se encuentren en la
intersección de las líneas con las que tachamos las filas y columnas con elementos nulos. Así, se
obtiene la siguiente matriz:
( )
En esta oportunidad, los ceros sí garantizan una asignación óptima, determinada por los elementos
coloreados con amarillo. Cotejando con la tabla entregada en el enunciado del problema, la
asignación óptima es entonces la siguiente:
El número máximo de alumnos asistentes a los seminarios de esta asignación se obtiene sumando
el número de alumnos respectivo de cada seminario con respecto a los días asignados. Luego,
( ) alumnos.
81
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
EJERCICIOS PEP 3
PROBLEMA #1
La Empresa Minera Andes Ltda. (EMAL) dispone de un equipo de perforación, el cual tiene como
mayor obstáculo el tiempo de traslado de un lugar a otro. Este hecho aumenta considerablemente
los costos operacionales. Para un área determinada dentro de la mina, se desea trasladar el
equipo desde el nodo “s” al nodo “t” según la siguiente red:
Los arcos señalan el tiempo de traslado (en minutos) entre cada nodo.
Se pide:
a) Determinar la ruta que debe realizar el equipo de perforación desde el nodo “s” al nodo “t” en el
menor tiempo posible.
b) Determinar el máximo tiempo de traslado del equipo de perforación desde el nodo “s” al nodo
“t”.
a) Procedemos mediante el algoritmo de Dijkstra de la ruta más corta a partir del nodo “s” y
terminando en el nodo “t”. Etiquetando cada uno de los nodos de la red, se llega a lo siguiente:
82
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
A partir de los rótulos en cada nodo, se tiene que la ruta más corta corresponde al camino S → B
→ G → T. El tiempo mínimo de traslado del equipo se obtiene también del rótulo final en el nodo
“t”, y corresponde a 14 minutos.
83
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
PROBLEMA #2
Determinar el pit final óptimo para el inventario de bloques siguiente, y construya el vector columna
de pits para dicha sección.
Sección 12 – Norte
BANCO B – 1 B – 2 B–3 B–4 B–5 B–6 B–7 B–8 B–9
H–1 -9 -2 -1 2 -1 -1 -1 1 -9
H–2 -11 -3 2 3 -2 -2 -1 5 -10
H–3 -11 -6 2 1 6 -3 -4 -6 -10
Para ello construimos la siguiente red, aplicando en su resolución el algoritmo de máximo flujo.
De la red anterior, se genera el corte mínimo que separa el conjunto de los bloques que son
removidos en esta combinación de niveles, del conjunto ̅ de los bloques que no son extraídos del
inventario en primera instancia. Luego se extraen los bloques dados por el conjunto
{ }. Por lo tanto, el inventario de bloques toma la siguiente forma:
84
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
Sección 12 – Norte
BANCO B – 1 B – 2 B–3 B–4 B–5 B–6 B–7 B–8 B–9
H–1 -9 -2 -1 2 -1 -1 -1 1 -9
H–2 -11 -3 2 3 -2 -2 -1 5 -10
H–3 -11 -6 2 1 6 -3 -4 -6 -10
De la red anterior se obtiene el conjunto de bloques removidos en esta etapa, dado por
{ }. Por lo tanto, el inventario final con los bloques extraídos y el vector
columna de pits es el siguiente:
Sección 12 – Norte
BANCO B – 1 B – 2 B–3 B–4 B–5 B–6 B–7 B–8 B–9 Vector de pits
H–1 -9 -2 -1 2 -1 -1 -1 1 -9 -4
H–2 -11 -3 2 3 -2 -2 -1 5 -10 1
H–3 -11 -6 2 1 6 -3 -4 -6 -10 7
85
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
PROBLEMA #3
La Empresa Minera MANANTIAL posee 3 minas desde las cuales se transporta el mineral extraído
a una planta de procesamiento a través de un sistema de correas transportadoras, el cual se
esquematiza mediante la siguiente red:
Los valores de los arcos representan la capacidad de las correas en cientos de toneladas por hora.
Se sabe que los turnos de trabajo son de 8 horas y que el tonelaje extraído por mina en cada turno
es de 8000, 6000 y 4800 toneladas/turno, respectivamente.
Se pide:
a) Determinar el máximo tonelaje por turno de trabajo que la planta, ubicada en el nodo T, puede
esperar.
b) Determinar cuáles son los arcos que controlan la capacidad del sistema ¿Qué nombre reciben
estos arcos?
c) ¿Qué sucede si el arco (9, 4) baja su capacidad en 200 unidades?
d) ¿Qué sucede si el arco (8, 12) sube su capacidad en 200 unidades?
a) Procedemos mediante el algoritmo de máximo flujo. Primero se debe generar el nodo de inicio
S utilizando las extracciones por turno de cada mina. Los arcos (S, 1), (S, 2) y (S, 3) tendrán así la
siguiente capacidad:
( )
86
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
( )
( )
La red completa del problema, cuya solución óptima se ha calculado mediante el algoritmo de
máximo flujo, es la siguiente:
A partir del corte mínimo trazado en la red, se puede calcular el máximo flujo sumando todos los
flujos que atraviesan dicho corte. Por lo tanto, se tiene que ( ) unidades.
b) Los arcos que controlan la capacidad del sistema son aquellos que intersectan al corte mínimo
y que además transportan un flujo de material a través de ellos. Dichos arcos son (S, 3), (5, 6) y
(4, 8). Haciendo una analogía con el método símplex, dado que la solución óptima depende de
ellos, es razonable suponer que dichos arcos son las variables básicas del problema.
c) No influye en la solución óptima del problema, ya que el arco respectivo no tiene asignado un
flujo de material.
d) No influye en la solución óptima del problema, ya que el arco respectivo no tiene asignado un
flujo de material.
87
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
PROBLEMA #4
A continuación se detallan los tiempos probabilísticos esperados para las distintas actividades de
un proyecto.
a) Lo primero es generar la estimación esperada de tiempos por actividad según el método PERT.
Para ello se utiliza la siguiente fórmula:
Luego tenemos:
88
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
La red del proyecto, una vez se ha aplicado el algoritmo CPM de la ruta crítica, se muestra a
continuación.
89
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
ACTIVIDAD HOLGURA
A 10
B 10
C 0
D 0
E 6
F 1
G 6
H 6
I 0
J 0
K 4
L 0
M 0
PROBLEMA #5
A partir del inventario de bloques entregado, calcular el pit final óptimo y el vector columna de pits
para esta sección.
Sección 54 – Sur
BANCO B – 1 B – 2 B–3 B–4 B–5 B–6 B–7 B–8 B–9
E–4 -3 -2 -3 -4 -2 -1 1 -1 -2
F–4 -10 3 6 5 2 -1 -3 4 -9
G–1 -13 -3 3 9 4 1 -5 -1 -16
SOLUCIÓN: Primero analizamos los niveles E – 4 y F – 4. Para ello, construimos la siguiente red,
aplicando el algoritmo de máximo flujo.
90
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
De la red anterior, se genera el corte mínimo que separa el conjunto de los bloques que son
̅
removidos en esta combinación de niveles, del conjunto de los bloques que no son extraídos del
inventario en primera instancia. Luego se extraen los bloques dados por el conjunto
{ }. Por lo tanto, el inventario de bloques toma la siguiente forma:
Sección 54 – Sur
BANCO B – 1 B – 2 B–3 B–4 B–5 B–6 B–7 B–8 B–9
E–4 -3 -2 -3 -4 -2 -1 1 -1 -2
F–4 -10 3 6 5 2 -1 -3 4 -9
G–1 -13 -3 3 9 4 1 -5 -1 -16
91
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
La red anterior nos muestra la solución óptima del problema. El conjunto de bloques removidos en
esta última fase del pit es { }. Luego, el inventario de bloques que muestra el
pit final óptimo y su vector columna de beneficios es el siguiente:
Sección 54 – Sur
BANCO B – 1 B – 2 B–3 B–4 B–5 B–6 B–7 B–8 B–9 Vector de pits
E–4 -3 -2 -3 -4 -2 -1 1 -1 -2 -14
F–4 -10 3 6 5 2 -1 -3 4 -9 19
G–1 -13 -3 3 9 4 1 -5 -1 -16 26
PROBLEMA #6
Considere que su amigo, vecino y compañero de curso, Julián, lo conduce a usted diariamente
desde su casa a la universidad. Dado que usted acaba de terminar un curso de análisis de redes,
entonces puede ayudarle a determinar la ruta más corta desde el vecindario, V, hasta su
universidad, U. Desafortunadamente, la ruta seleccionada está excesivamente patrullada por la
policía y con todas las multas pagadas por exceso de velocidad (por no siempre levantarse a la
hora indicada), la ruta más corta no es la mejor elección. Por consiguiente, usted ha decidido
ayudar a su amigo Julián a determinar la ruta que maximice la probabilidad de no ser detenido y
que así no lo multen. Para ello, considere la siguiente red, en la cual los arcos definen la
probabilidad de no ser detenido por la policía en dicha rama.
92
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
Considere, para este problema, que la probabilidad de que no lo multen en una sucesión de
caminos es igual al producto entre las probabilidades individuales de que no lo multen en cada
arco respectivo.
93
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
PROBLEMA #7
Considerando que el costo promedio por kilómetro para los proyectos de ductos mayores es
aproximadamente igual a US$ 7000 por kilómetro, determine el conjunto de ductos que minimice la
longitud por la cual el gas natural será transportado hacia el punto de entrega.
SOLUCIÓN: Dado que la red está conformada por arcos no direccionados, asumimos que el gas
natural puede circular en ambas direcciones entre cada uno de los nodos de la red. Por lo tanto,
este problema puede ser resuelto de forma sencilla mediante el algoritmo de árbol de expansión
mínima. Los arcos que minimizan la longitud de traslado de gas se muestran en la siguiente red.
94
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
PROBLEMA #8
La Compañía Minera ARRIBACHILE (COMACHI) es propietaria de tres minas desde las cuales se
transporta el mineral extraído a una planta de concentración a través de un sistema de correas
transportadoras modelado por la siguiente red.
95
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
Los valores de los arcos representan la capacidad en cientos de toneladas por hora. Se sabe que
los turnos de trabajo son de 8 horas y que las toneladas por turno de cada mina son 4800, 6000 y
8000, respectivamente. Determine la máxima cantidad de mineral que este sistema de correas es
capaz de transportar.
SOLUCIÓN: Lo primero es generar el nodo de salida “s” para luego aplicar el algoritmo de máximo
flujo. Para ello, se generan los arcos tales que respetan la capacidad de extracción de cada mina
por turno y en iguales unidades que el resto de los arcos:
( )
( )
( )
La solución óptima de este problema, una vez aplicado el algoritmo de máximo flujo, se muestra en
la siguiente red.
El máximo flujo, que determina el máximo tonelaje que la red es capaz de transportar, se calcula
sumando todos los flujos que atraviesan el corte mínimo trazado en la red. Por lo tanto, ( )
t/turno.
96
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
PROBLEMA #9
Normal Acelerado
Actividad Predecesor Duración [días] Duración [días] Costo [$]
A - 2 1 120
B - 4 2 250
C A, B 3 1 150
D B 2 1 30
E B 3 1 90
F E 1 1 -
G C, D 4 1 200
H C, D 3 2 80
I G 3 2 300
J H 6 3 400
K I 3 2 150
L I 5 3 100
M J, K 1 1 -
Se pide:
97
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
( )
Quedan dos rutas críticas, por lo cual las opciones a disminuir son:
98
Universidad de Santiago de Chile
Departamento de Ingeniería en Minas
Guía de Ejercicios – Optimización
Se elige disminuir C y D en 1 día, con lo cual la red del proyecto queda como sigue:
99