Documentos de Académico
Documentos de Profesional
Documentos de Cultura
2.0 SUMILLA.
Asignatura de Formación Profesional Especializada, que permita dotar al estudiante de
fundamentos y conocimientos de sistemas y técnicas de optimización; aplicar y evaluar los
procesos de la actividad minera.
Sistema-modelos de optimización; programación lineal dualidad análisis post-optimalidad,
programación entera y cuadrática; programación meta: aplicaciones a problemas mineros:
transporte y asignación de recursos aplicados en la solución de problemas mineros.
PROGRAMACION LINEAL.
5.1.7 EVALUACION
Se contemplará en la evaluación académica: la evaluación de contexto y evaluación de
entrada del curso, evaluación sumativa en las sesiones de clase en función a los objetivos
operacionales y una evaluación de salida en función a los objetivos específicos.
Después de las evaluaciones sumativas y de salida se realizará la retroalimentación.
Se utilizara el reglamento de Evaluación Académica de los Estudiantes de la UNSAAC.
La asistencia a las clases teóricas se considerará en la evaluación sumativa y cada práctica
tiene su nota.
5.1.8 BIBLIOGRAFIA
3
Ing° ANDRES GOMEZ N.
REDES EN MINERIA.
5.2.7 EVALUACION.
Se ejecutará igual que en la unidad instruccional 01
5.2.8 BIBLIOGRAFIA
Alvarez Jorge "Investigación de Operaciones".
Becknbach, E. "Modern Mathematics for the Engineer".
Gould-Eppen "Investigación de Operaciones en la Ciencia Administrativa".
Prauda,Juan "Métodos y Modelos de Investigación de Operaciones”.
Taha "Investigación de Operaciones".
MODELOS DE DISTRIBUCION.
4
ANÁLISIS DE SITEMAS MINEROS
5.3.7 EVALUACION.
Se ejecutará igual que en la unidad instruccional 02
5.3.9 BIBLIOGRAFIA
Alvarez Jorge "Investigación de Operaciones".
Becknbach, E. "Modern Mathematics for the Engineer".
Gould-Eppen "Investigación de Operaciones en la Ciencia Administrativa"
Prauda,Juan "Métodos y Modelos de Investigación de Operaciones”.
Taha "Investigación de Operaciones".
5
Ing° ANDRES GOMEZ N.
5.4.7 EVALUACION.
Se ejecutará igual que en la unidad instruccional 02
5.4.8 BIBLIOGRAFIA
Alvarez Jorge "Investigación de Operaciones".
Becknbach, E. "Modern Mathematics for the Engineer".
Gould-Eppen "Investigación de Operaciones en la Ciencia Administrativa".
SIMULACIONES.
6
ANÁLISIS DE SITEMAS MINEROS
5.5.7 EVALUACION.
Se ejecutará igual que en las unidades anteriores.
5.5.8 BIBLIOGRAFIA
Alvarez Jorge "Investigación de Operaciones".
Becknbach, E. "Modern Mathematics for the Engineer".
Gould-Eppen "Investigación de Operaciones en la Ciencia Administrativa”
Kaufmann A. "Métodos y Modelos de la Programación Dinámica".
Pike,Ralph "Optimization for Engineering Systems"
Prauda,Juan "Métodos y Modelos de Investigación de Operaciones".
Taha "Investigación de Operaciones".
TEORIA DE DECISIONES
5.6.7 EVALUACION.
Se ejecutará igual que en la unidad instruccional 04
5.6.8 BIBLIOGRAFIA
Gould-Eppen "Investigación de Operaciones en la Ciencia Administrativa".
Schmidt
Jauffred M. "Métodos de Optimización".
Kaufmann A. "Métodos y Modelos de la Programación Dinámica
Prauda,Juan "Métodos y Modelos de Investigación de Operaciones".
Taha "Investigación de Operaciones".
6.0 ESTRATEGIAS INSTRUCCIONALES.
7
Ing° ANDRES GOMEZ N.
Cada tema está acompañada de un plan de actuación (Sesión de Clase), donde se indica:
Generalidades, Objetivos Operacionales, Estrategias Instruccionales, Materiales, Equipos,
Instrumentos, Secuencia de Acciones, Adquisición de Aprendizaje, Evaluación Formativa,
Retroalimentación y Bibliografía de la Sesión
7.0 EVALUACION.
Se tomarán 3 evaluaciones sumativas una para cada promedio parcial como indica el reglamento
de Evaluación Académica de los Estudiantes de la UNSAAC, también se considerará el
promedio de las 10 evaluaciones sumativas con notas mayores para la evaluación formativa, de
igual forma el promedio de prácticas de gabinete y finalmente un promedio de prácticas de
campo:
El promedio parcial se obtiene de la sumatoria de:
8
ANÁLISIS DE SITEMAS MINEROS
--------------------------------------
Ing° Andrés C. Gómez Noblega.
Docente
9
Ing° ANDRES GOMEZ N.
El desempeño eficiente del Ingeniero de Minas implica la necesidad de analizar, discriminar, juzgar y
evaluar los sistemas mineros (operaciones mineras) con la finalidad de optimizar la producción ya sea
minimizando costos, esfuerzos, energía, tiempos muertos y otros; o maximizando producción,
rendimientos, tiempos netos de operación, disponibilidad de equipos, entre otros.
UNIDAD 01
GENERALIDADES.
INVESTIGACION DE OPERACIONES
La investigación de operaciones (IO) es la aplicación por grupos interdisciplinarios del método
científico a problemas relacionados con el control de las organizaciones sistemas (hombre –máquina)
a fin de que se produzcan soluciones que mejor sirvan a los objetivos de la organización.
1.-ORGAN1ZACION.
Una organización se puede interpretar como un sistema, pues así se facilita su entendimiento. Todo
sistema tiene componentes e interacciones entre los mismos.
Algunas interacciones son controlables, mientras que otras no las son.
En un sistema, el comportamiento de cualquier de sus partes o componentes tiene sus efectos
directos o indirectos con el resto. Algunos de estos no son importantes y son imposibles de detectar.
Por lo tanto debe existir un procedimiento sistemático que logre, por un lado, identificar aquellas
interacciones de un sistema que tengan efectos importantes y por otro lado logre identificar los
componentes controlables asociados. Algunos de esos procedimientos sistemáticos son:
Investigación de Operaciones, Técnicas Clásicas de Ingeniería Industrial, Análisis de Sistemas,
Análisis de Decisiones, etc.
2.-SISTEMA.
Un sistema es una estructura que interactúa entre sus componentes. Así por Ejemplo un hombre
vivo es un sistema, mientras que ese mismo hombre pero muerto es una estructura. El intercambio
de información es lo que convierte una estructura en un sistema, es decir, la información dinamiza.
La estructura. Entonces podernos concluir que todo sistema, es un estructura en el que fluye
información.
10
ANÁLISIS DE SITEMAS MINEROS
3.-METODO CIENTIFICO.
Método significa el camino a seguir mediante una serie de operaciones y reglas prefijadas, que nos
permiten alcanzar un resultado propuesto. Es el camino para llegar a un fin o una meta.
También se puede considerar método como la manera en que se efectúa el pensamiento reflexivo
que nos permite llevar a cabo un proceso de indagación o investigación científica.
El Método Científico es fáctico trasciende los hechos, es auto correctivo, progresivo y objetivo.
Los pasos son:
a) Observación de un sistema.
b) Identificación y definición del problema.
c) Formulación de una hipótesis de solución.
d) Experimentación.
c) Verificación.
4.- DECIDIR
Es un proceso por el que se selecciona una alternativa entre un conjunto, para de acuerdo a ciertos
pasos alcanzar una serie de objetivos y metas preestablecidas entorno de los posibles estados que
puede guardar su naturaleza.
9.-FORMULAR EL PROBLEMA
Uno de los conceptos críticos en la formulación del problema, es el proceso de expresar
explícitamente y sin ambigüedades las características esenciales del problema: Variables y
parámetros pertinentes, restricciones o funciones objetivo. Es como el plano arquitectónico, que nos
guiara para buscar la solución, sin el cual será difícil lograr la congruencia entre la solución del
problema y los criterios básicos.
Variables.- Son factores mensurables que dan sustento al problema por analizar, se tiene que
diferenciar entre las variables controlables (variables de decisión) y las variables no controlables, las
primeras están bajo el control directo del que toma la decisión y las otras afectan pero son exógenas
y están sujetas o no, en la manipulación pero no afecta directamente en la solución del problema.
Parámetros.- Son condiciones mensurables inherentes a la estructura del problema, por, ejemplo
costo de almacenaje, costo de hacer un pedido, etc.
Restricciones.- Son limitaciones que acondicionan a las variables tanto controlables como
incontrolables, por ejemplo: cantidad de recursos, capital invertido, espacio, tamaño, disponibilidad
de almacén, etc.
10.-CONSTRUIR EL MODELO.
Es la actividad de diseñar una réplica matemática o representación del problema de acuerdo los
objetivos del estudio del sistema. El objetivo del estudio será preponderante para el modelo a elegir.
En esencia, un modelo es una imagen de un sistema, y en función de las interrogantes planteadas
el sistema puede tener diversos modelos.
Para construir el modelo se usa representaciones matemáticas de la realidad, es la característica clave
que distingue: la toma de decisiones con bases cuantitativas de la toma de decisiones en general.
10.1.- RECOLECTAR DATOS.
En este paso se debe recoger datos para procesarlo en el modelo obtenido. Conceptualmente es
correcto decir que los criterios dictan la formulación del problema, la que, a su vez dicta la selección
del modelo, y esta a la vez la recolección de datos, pero muchas veces la existencia de datos puede
ayudar a escoger el modelo.
La recolección de datos implica un sistema de medición. Una unidad de medición implica escalas
entre estas tenemos:
Escala Nominal.- Es un conjunto de categorías mutuamente excluyentes, por ejemplo color,
ubicación, etc.
Escala Ordinal.- Consiste de categorías mutuamente excluyentes que tienen un orden; esto es
magnitudes de números que tienen significado relativo; pero no absoluto por ejemplo: las notas de
alumnos 16 y 08; esto no significa que el primer alumno sabe el doble del segundo.
Escala de intervalo.- Tiene la propiedad de que diferencias iguales entre números representan
diferencias iguales en el atributo que midan dichos números. Las escalas de intervalo establecen el
punto cero u origen en forma arbitraria. Por Ejemplo: La hora 02 a.m. y 04 a.m.; la diferencia es 2
horas esto significa que la hora cero no es trascedente.
Escala de Razones.- Aparte de las propiedades que tiene de escala de intervalo, tiene de que los
números son proporcionales al atributo que representan y el punto cero tiene significado; por
ejemplo: Si el precio de un auto es $4500 y de otro $9000 y el atributo es el grado de costo, entonces
el segundo auto es doblemente más costoso que el primero.
que comienza en la fase de construcción del modelo y termina solo cuando las condiciones en las
que se haya identificado el problema original ya no existan.
Validación de la solución.- Una vez hallada la solución se debe enfocar en lo siguiente:
Analizar si la solución seleccionada es mejor que otras alternativas
Observar el grado de estabilidad en los resultados
Metodos Progranacion
Inventarios Colas
Clasicos Lineal
Redes Heuristicos
MODELOS DE I.O.
13
Ing° ANDRES GOMEZ N.
Tanto los modelos simbólicos y de tipo procedimiento tienen ciertas similitudes es decir algunos
aspectos en común. Para resolverlos se usan técnicas de optimización: Programación lineal,
Programación lineal entera, Programación dinámica etc.
Modelos Lineales.- Se caracterizan par incluir solamente funciones lineales. Por ejemplo. y=f(x1, x2)
ó y=a1x1+a2x2.
Modelos Estáticos.- Se caracterizan por que sus variables y relaciones funcionales no sufren
alteraciones a través del tiempo, es decir son completamente estáticos en función del tiempo.
Modelos Dinámicos.- A diferencia de los modelos estáticos el tiempo juega un rol importante donde
las variables y relaciones funcionales varían de acuerdo al tiempo.
14
ANÁLISIS DE SITEMAS MINEROS
Modelos Continuos.-Son aquellos que se caracterizan por tener variables y funciones continúas ya sea
en el tiempo o en magnitud (números enteros y decimales).
Modelos Discretos.- Al igual que los modelos continuos pueden ser en tiempo y en longitud, son
aquellos que se caracterizan por tener variables y funciones discretas (números enteros) ya sea en el
tiempo o en magnitud.
CONSTRUCCION DE MODELOS.
En la construcción de los modelos se consideran los siguientes grados de dificultad, según Ackoff y
Sasieni.
Grado de dificultad 1.- la estructura del sistema es sencilla de observar, analizar, entender y modelar
a simple vista.
Grado de dificultad 2.- la estructura del sistema es más complicada de modelar y, por lo tanto,
requiere de un sistema análogo cuya modelación cae dentro del grado de dificultad anterior.
Grado de dificultad 3.- la estructura del sistema puede deducirse o aproximarse en base a un análisis
de cierta información. Por ejemplo el estudio de tráfico de una mina, puede modelarse en función
de los datos obtenidos por observación directa de los componentes en un determinado lugar y periodo
de tiempo.
Grado de dificultad 4.-la estructura del sistema no puede deducirse, sino únicamente se puede
aproximar a base de pura experimentación. Por ejemplo, la calendarización de producción de un
nuevo producto, cuyo pronóstico de mercado se ha inferido en base a una compañía adversaria.
Grado de dificultad 5.-la estructura del sistema no se puede deducir (ya sea por falta de datos o
experimentos) y, por lo tanto se conceptualiza una estructura artificial. Por ejemplo modelos que ha
utilizado los EEUU en su simulación de ataques nucleares por una supuesta guerra con la Unión
Soviética.
DATOS Y CALCULOS EN I.O.
El efecto de la disponibilidad de datos en la representación por medio de modelos y el cálculo en
Investigación de Operaciones son consideraciones que deben tener muy en cuenta para que la
decisión optada sea la más conveniente.
LA DISPONIBILIDAD DE DATOS EN LA I.O.
Los modelos de cualquier clase sin importar su refinamiento y exactitud, pueden probar ser poco
prácticos sino están respaldados por datos confiables. Por ejemplo considere un modelo de transporte,
donde los costos de transporte unitario no estén adecuadamente estimados. Aunque el modelo este
bien definido, la calidad de la solución dependerá evidentemente de la eficacia con que se pueda
estimar los costos de transporte unitario. Si se distorsionan las estimaciones los resultados no serán
los más indicados para el sistema real.
En algunos casos, quizá no se conozca con certeza los datos. Más bien, se determina a través de
distribuciones de probabilidad. En este caso lo más importante sería necesario modificar la estructura
del modelo para dar cabida a esa naturaleza probabilística. Esto da origen a los modelos
probabilísticos o estocásticos en contraste con los modelos deterministicos.
Cuando se construye un modelo según la hipótesis de que en el futura se va a conseguir los datos
requeridos y esta búsqueda en lo posterior demuestra que es imposible obtener dicha información.
Entonces será reconstruir el modelo para manejar dicha ausencia de datos. La disponibilidad de datos
puede tener también un efecto directo en la aproximación del modelo.
Para determinar un modelo, la recopilación de datos puede representar la parte mas difícil.
Desafortunadamente no puede sugerirse reglas para este procedimiento. Mientras que acumulo
experiencia en el modelado de una organización, el analista de I.O. deberá también desarrollar medios
para recolectar y documentar datos en una forma útil para proyectos tanto actuales como futuros.
Entre los tipos de cálculos que existen podemos indicar: aquellos en que intervienen la simulación y
los modelos matemáticos.
En los modelos de simulación, los cálculos serán voluminosos, consumen mucho tiempo, no
obstante, en la simulación se tiene la seguridad de que los resultados buscados se obtendrán en
definitiva. Solo es de contar con el tiempo suficiente en la computadora.
Los cálculos en los modelos matemáticos de I.O son comúnmente iterativos por naturaleza .Esto
indica que una solución óptima es un modelo matemático, no suele estar disponible en forma carrada
.En cambio se llega a la respuesta final en pasos o iteraciones donde cada iteración acerca la solución
al nivel óptimo.
No todos los modelos matemáticos del I.O. poseen algoritmos ( ) de solución que siempre converja a
nivel optimó, existen dos razones que no permiten expresar estos algoritmos:
a) La complejidad del modelo matemático puede hacer imposible un algoritmo de solución. En este
caso, el modelo se puede mantener infactible en términos de cálculo.
Los análisis en su búsqueda de hablar soluciones adecuadas utilizan los métodos heurísticos (lógica
basada en reglas o métodos prácticos que conllevan a la obtención de una buena solución). Estos
métodos son también de naturaleza iterativa, pero no garantizan la oportunidad de la solución final.
En cambio simplemente buscan una buena solución al problema. Los métodos heurísticos
normalmente implican un menor número de cálculos. Así mismo, debido a que están basados en reglas
normalmente son más sencillos de explicar a los usuarios.
16
ANÁLISIS DE SITEMAS MINEROS
MARCONA.
Modelo de mescla de insumos para la alimentación del otro horno.
PETROPERU.
Modelo de transporte de crudos y refinado para la asignación optima de la flota nacional.
Modelo de refinerías para la obtención de gasolina del octanaje adecuado al mínimo costo.
Modelos de selección de crudos.
FUNCION OBJETIVO
En toda programación lineal otro rasgo importante al igual que la restricción es la tarea de maximizar
o minimizar una función que generalmente es un objetivo económico:
Ejemplo:
En una mina se maximiza:
La disponibilidad mecánica de los equipos.
La recuperación del capital.
El volumen de material a fragmentar.
El volumen de material a cargar.
El volumen de material a transportar, etc.
En una mina se minimiza:
El número de accidentes.
Personal requerido.
Distancia de acarreo.
El uso de energía.
El número de taladraos de la malla
La cantidad de expulsivos
Sección de las labores de acceso, etc.
RESTRICCIONES
Un modelo es una representación abstracta o un sustituto de la realidad donde existe una serie de
restricciones que influyen en la elección de la decisión optima. Ejemplo:
En la perforación el ingeniero de minas está restringido por el tipo de perforadoras, insumos, persona,
tecnología, tiempo, etc.
En el carguío las restricciones son por el esquipo, su disponibilidad mecánica, disponibilidad de mineral
a cargar, compatibilidad con el equipo de transporte, personal, etc.
En el transporta las restricciones son: del tipo de cargador, personal, disponibilidad mecánica del
transportador, pendiente de la vía, ancho de la vía, distancia de transporte, la zona de descarga, etc.
De igual forma todas las operaciones mineras de alguna manera están restringidas y nuestra tarea será
analizarlos y poder plasmarlos en el modelo, para de esa forma expresar el problema, en un modelo que
sea un real sustito y la solución sea por ende de entre todas las decisiones factibles las más óptima.
7
PROGRAMACION LINEAL
18
ANÁLISIS DE SITEMAS MINEROS
Función objetivo
Max o Min z = c1x1 + c2x2 + c3x3 + …….. cnxn.
Restricciones estructurales
≤
a11x1+ a12x2+ a1nxn [≥] - bj = 1,2 ……m.
Max o Min z = ∑ cj xj
j=1
Restricciones estructurales.
n ≤
∑ aij xj [ ] bij i = 1,2 … . m
j=1 ≥
Un programa lineal se puede expresar en forma compacta y esto se llama: Notación matricial.
Función objetivo.
Max o Min z =c x Restricciones estructurales
≤
A = [ ≥] b
𝑐1 𝑥1
𝑐2 𝑥2
C = […] x = […]
𝑐𝑛 𝑥𝑛
19
Ing° ANDRES GOMEZ N.
FORMA MIXTA
Un modelo de una P.L. está en forma mixta, cuando la función objetivo es maximizar o minimizar,
con funciones lineales sujetas a restricciones estructurales de las formas "menor o igual que",
"mayor o igual que" o “igual” y las variables de decisión solo admiten variables no negativas.
Max z = c1x1 + c2x2 + ............... + cnxn
Sujeto a: a11X1 + a12x2 +…………+ a1nxn < b1
a21x1 + a22 x2 +………+a2nxn >b2
a31x1 + a32 x2 +………+a3nxn = b3
…………………………………….
am1x1 + am2x2+………+amnxn … bm
CNN x1, x2…………..xn 0
FORMA CANÓNICA.
El modelo de una P.L. está en forma canónica si el objetivo es maximizar una función lineal sujeto
a restricciones estructurales exclusivamente de la forma "menor o igual que" y la variables de
decisión solo admiten valores no negativos. Ej.
Max z = c1x1 + c2x2 + .............. + cnxn
Sujeto a: a11X1 + a12x2 +…….+ a1nxn < b1
a21x1 + a22 x2 +……. +a2nxn < b2
………………………………….
am1X1 + am2x2+…… +amnxn < bm
CNN x1,x2 …… xn 0
FORMA ESTANDARIZADA.
El modelo de una P.L. está en forma estandarizada, si el objetivo es maximizar un función sujeto
a restricciones de la forma "igual que" exclusivamente. Las variables de decisión solo admiten
valores no negativos Ej.
Max z = c1x1 c2x2 + + cnxn
Sujeto a: a11X1 + a12x2 +……..+ a1nxn = b1
a21x1 + a22 x2 +………+a2nxn = b2
................................................................................
am1X1 + am2x2+………+amnxn = bm
CNN x1, x2 ……. xn 0
Forma Canónica
Forma Canónica
2x1 + 3 x2 + 5x3 + s2 = 5
CNN x1, x2, x3 0
La formulación de programas lineales es muy importante puesto que el formular incorrectamente lleva
a obtener resultados que no representa la solución del problema. La formulación significa plantear
la función objetivo, las restricciones y las condiciones de no negatividad
EJEMPLO 1
Un fabricante produce pelotas de vóley y fútbol, por cada pelota de vóley gana SI. 4 y por la de fútbol
S/.6. La demanda del mercado le permite, fabricar 2 de vóley por cada 5 de fútbol, en total no más de
500 pelotas; Utiliza 0.2 m2 de cuero para pelotas de vóley y 0.25 m2 para pelotas de futbol y tiene
material disponible de 40 m2; por contratos adquiridos con sus clientes debe fabricar como mínimo 80
pelotas en forma indistinta. ¿Cuántas pelotas de vóley y fútbol debe fabricar para tener mayor
ganancia?
SOLUCIÓN
a) Elegirlas variables.
• Para elegir las variables debemos analizar las especificaciones generales o la pregunta, y a estas se
les designan corno: X1 X2.... XH.
• En la pregunta dice: ¿Cuantas patotas de vóley y fútbol debe fabricar para tener mayar ganancia?,
entonces se tiene dos variables: el número de pelotas de vóley y fútbol.
x1 = Número de pelotas de vóley a fabricar.
x2 = Número de pelotas de fútbol a fabricar.
22
ANÁLISIS DE SITEMAS MINEROS
La función económicamente para el caso a es el número de pelotas de vóley por su utilidad más el
número de pelotas de futbol por su utilidad.
El número real de pelotas de vóley a fabricar es x1; entonces la utilidad real se expresa como 4 * x1 para
el caso de futbol 6 * x2
Utilidad Real Z = 4* x1+6* x2
Una función objetivo se maximiza (Max) o minimiza (Min). En este caso el objetivo es ganar más
entonces se maximiza.
Max Z = 4 x1+6 x2
d) Formular Restricciones
La restricción son las limitaciones en forma de ecuaciones e inecuaciones, lo cual podemos deducir del
cuadro de relaciones.
Crear un cuadro para el caso de las limitaciones por demanda “La demanda del mercado le permite
fabricar 2 de vóley por cada 5 de futbol, en total no más de 500 pelotas”
Supongamos caso
a. Fabrica 10 pelotas de vóley y 10 de futbol.
b. Fabrica 05 pelotas de vóley y 20 de futbol
El número real de pelotas de vóley a fabricar es x1, entonces la demanda real en el caso de las pelotas
de vóley, es 2x1, para el caso de las futbol 5x2.
El número de pelotas de vóley y de fútbol en total no debe ser más de 500, esto significa que debe ser
menor o igual que 500 (< 500), y se expresa la restricción como:
2 x1+5 x2 < 500
De igual forma para las siguientes dos restricciones:
0.2 x1+0.25 x2 < 40
x1+ x2 > 80
e) Condición de no negatividad
Las variables x1 y x2 ... xn siempre serán mayores o igual que cero (nunca se fabricará menor que cero);
y se expresa en forma simbólica:
x1> 0, x2 > 0 ó x1, x2 > 0
f) Problema formulado.
Max Z = 4 x1+6 x2
S a: 2 x1+5 x2 < 500
0.2 x1+0.25 x2 < 40
x1 + x2 > 80
CNN x1, x2 > 0
23
Ing° ANDRES GOMEZ N.
EJEMPLO 2
Un gerente ele producción de DEMAG Corporación, desea recomendar una meta de producción de
excavadoras hidráulicas H85 (7.5 yd3 de capacidad de cuchara) y H121 (10 yd3), estas excavadoras
son producidas por los mismos departamentos y equipos, se tiene la seguridad de que la producción
será vendida en su totalidad.
• DEMAG tendrá utilidad de 10000 dólares por cada H85 y 12000 por cada H121.
• Cada excavadora es construida en 2 operaciones mecánicas departamento A y B.
• El departamento A y B tienen disponibles 120 y 140 horas respectivamente.
• El H85 requiere 10 horas en A y 8 horas en B.
• El H121 requiere 7 horas en A y 14 horas en B.
• Se tiene asegurada la venta de por lo menos 5 en cualquier combinación.
SOLUCITION.
a) elegir las variables
X1 = Número de excavadoras H85
X2 = Número de excavadoras H121
d) Formular Restricciones.
La restricción son las limitaciones en forma de ecuaciones e inecuaciones, lo cual podemos deducir del
cuadró de relaciones. Analizamos las restricciones por tiempo en los departamentos.
• En el Dpto. A.
Tiempo en Dpto. A = 10 x1 + 7 x2.
Si consideramos el tiempo disponible.
10 x1 + 7 x2 < 120.
• En el Dpto. B.
Tiempo en Dpto. B = 8 x1 + 14 x2
Si consideramos el tiempo disponible.
8 x1 + 14 x2 < 140.
e) Condición de no negatividad
Las variables x1 y x2 ... xn, siempre tendrán valores igual a cero o mayor a cero, por lo tanto:
x1> 0, x2 > 0 ó x1, x2 > 0
f) Problema formulado.
24
ANÁLISIS DE SITEMAS MINEROS
EJEMPLO 03
Una empresa comercializadora compra oro de 3 diferentes purezas (18, 16 y 14 kilates) para obtener
mayor beneficio mezcla de la siguiente forma.
18 K. 16 K. 11 K Utilidad.
Mezcla A 0.2 0.4 0.4 $ 0.6/gr.
Mezcla B 0.4 0.4 0.2 $ 0.7/gr.
Dispone 150 gr. de oro de. 18 kilates, 240 gr. de 16 kilates y 300 gr. de 14
Kilates.
Hallar la cantidad de cada mezcla que genera mayor utilidad.
SOLUCIÓN.
• Elegir las variables.
x1 Número de unidades de la mezcla A
x2 Número de unidades de la mezcla B
MÉTODO GEOMÉTRICO.
El más sencillo que tenemos es el Método Geométrico el cual está restringido; a problemas que tienen
solamente dos variables de decisión. Aunque la mayoría de los problemas reales tienen más de dos
variables, por lo tanto este método no será aplicable para estos. No obstante proporciona una buena
base intuitiva para la resolución de problemas de programación lineal y análisis de sensibilidad.
Terminología Usada.
Contorno (isocuantas).- Es el conjunto de las combinaciones de variables
(x1 ,x2) que generan un valor especifico constante.
Cuadrante no Negativo.- Sector positivo del sistema de coordenada plana en el que las variables son
mayores o iguales a cero.
Holgura.- Es la diferencia entre el segundo y el primer miembro en una restricción del tipo ≤ .
Problema no Factible.- Problema de programación lineal que tiene una función factible vacía.
Región factible.- El conjunto de las variables de decisión que satisfacen las condiciones y restricciones.
Restricción Activa- Son las rectas, que directamente influyen en el cálculo de la solución óptima.
EJEMPLO:
Max Z = 4 x1 + 6 x2
S.a: 2 x1 + 5 x2 < 500
0.2 x1 + 0.25 x2 < 40
x1 + x2 < 80
CNN x1, x2 > 0
SOLUCIÓN.
a) Graficar la Restricción.
Reemplazar las restricciones de inecuaciones (regiones) por ecuaciones (líneas).
2x1 + 5x2 = 500 (L1)
0.2x1 + 0.25x2 = 40 (L2)
x1 + x2 = 80 (L3)
Graficar las ecuaciones en el cuadrante no negativo.
Graficado línea 2 x1+ 5x2 = 500 (Ll).
175
150
125
100 L2
75
50
L3 L1
25
0 X1
0 25 50 75 100 125 150 175 200 225 250
Para graficar una función objetivo, debemos igualar ésta a un valor que nos permita graficar
adecuadamente, para el ejercicio es:
Max Z = 4 x1 + 6 x2
Como se requiere la pendiente entonces la expresión se iguala a un valor que permita
fácilmente graficar en este caso el número es 240 o cualquier otro que permita graficar
fácilmente y estar en un rango manejable.
4 x1 + 6 x2 = 240
Sí x1 =0 → x2 = 240/6 = 40 P5 (0,40)
Sí x2 =0 → x1 = 240/4 = 60 P4 (60.0)
175
150
125
FO
100 L2
75
SOLUCION OPTIMA
50
L3 L1
25
FO
0 X1
0 25 50 75 100 125 150 175 200 225 250
x2 = 100/2.5 = 40
28
ANÁLISIS DE SITEMAS MINEROS
MÉTODO ALGEBRAICO
La solución gráfica en modelos de programación lineal con más de dos variables es muy complicada
en los casos más sencillos. Entonces para problemas con más de dos variables utilizaremos métodos
algebraicos. Para resolver un problema se hará por iteraciones significa que obtendremos una solución
básica factible inicial, y luego en base a este resultado y con los mismos pasos anteriores obtendremos
una segunda solución mejorada, de esta forma cíclicamente obtendremos; la solución óptima.
SOLUCIÓN.
a) FORMULACION DEL PROBLEMA.
Max Z = 4 x1+6 x2
S a: 2 x1+5 x2 < 500
0.2 x1+0.25 x2 < 40
x1 + x2 > 80
29
Ing° ANDRES GOMEZ N.
b) FORMA CANÓNICA.
Convertir el modelo del programa lineal en forma canónica, en todo problema la Función Objetivo
(maximizar o minimizar) se debe convertir en maximizar. Las restricciones con operador > deben ser
cambiados con < para lo cual se debe realizar las transformaciones del caso:
Max Z = 4 x1+6 x2
S a: 2 x1+5 x2 < 500
0.2 x1+0.25 x2 < 40
- x1 - x2 < -80
CNN x1, x2 > 0
c) FORMA ESTANDARIZADA
La expresión canónica convertimos en forma estandarizada; Estandarizado
restricción (R1):
Tenernos que: 2x1+5x2 ≤ 500
Supongamos: x1 = 100, x2 = 50
Reemplazando: 2*100 + 5*50 < 500
Entonces 450 < 500
Ambas términos serán iguales si a 450 agregamos 50.
450 + 50 = 500
Si consideramos que 50 = S1 Podemos expresar: 2x1+5x2+ S1= 500
S1 = variable de holgura.
De igual forma se procede con las siguientes restricciones:
2x1+5x2 +S1 =500 (1)
0,2x1+ 0.25x2+S2 = 40 (2)
-x1- x2 + S3 = -80 (3)
Max Z = 4X1+ 6X2+0S1+0S2 + 0S3 (4)
e) SOLUCIÓN Y REVISIÓN.
Hallamos la solución básica factible inicial donde solo se utiliza las variables de holgura (es decir no
se fabrica ni una pelota)
Considerar las variables no contenidas (no básicas) = 0;
Variables no contenidas son: X1 y X2 → X1= 0 y X2= 0.
Calcular el valor de las variables básicas.
Las variables contenidas (básicas) son: S1 S2 y S3
Para mejorar la solución se ingresa una de las variables no básicas (no-contenidas) por una variable
básica.
e) SOLUCION Y REVISIÓN.
I) SEGUNDA SOLUCIÓN
Considerar las variables no contenidas (no básicas) = 0;
Variables no contenidas son: X1 y S3 -> X1= 0 y S3= 0.
Calcular el valor de las variables básicas.
Las variables contenidas (básicas) son: S1 S2 y X2
Despejamos variables básicas y FO.
De (09) x2 = 80 – x1 + s3
De (10) s1 =100 + 3x1 - 5 s3
De (11) s2 = 20 + 0.05x1- 0.25s3
De (12) Max Z = 480 -2x1 + 6s3
Solución:
x1=0 y s3 = 0.
x2 = 80
s1 = 100
s2 = 20
Max Z = 480
31
Ing° ANDRES GOMEZ N.
Para mejorar la solución se ingresa una de las variables no básicas (no contenidas) por una variable
básica.
ELEGIR LA VARIABLES A INGRESAR
Se selecciona de la función objetiva anterior.
De (12) MAX Z = 480-2x1 + 6s3
La variable a ingresar es s3
ELEGIR LA VARIABLE A SALIR.
Elegir la ecuación clave.
Despejamos en las ecuaciones anteriores la variable a ingresar.
De (09) s1 = - 80 + x1 + x2
De (10) s3 = (100+3x1-s1)/5
De (11) s3 = (20 +0.05x1 - s2)/0.25
Considerar el máximo valor disponible (solo las constantes).
Entonces (s1 =0 , S2= 0 , x1 = 0 y x2 = 0.
S3 = -80
S3 = 20
S3 = 80
Ecuación Clave es: s3 = 20 + 0.6x1- 0.2s1 (13)
La variable a salir es s1
Reemplazar la ecuación clave.
(13) en (09) x2 = + 80 –x1 + (20 + 0.6x1 -0.2s1)
x2 = 100 – 0.4x1 - 0.2s1 (14)
(13) en (10) Ecuación Clave
(13) en (11) s2 = +20 + 0.05x1- 0.25 (20 + 0.6x1 - 0.2s1)
s2 = +15- 0.1x1+0.05 s1 (15)
Solución:
x1 = 0 y s1 = 0.
x2 = 100
s2 = 15
s3 = 20
Max Z = 600
Para mejorar la solución se ingresa una de las variables no básicas (no contenidas) por una variable
básica.
No hay variable que proporcione mayor incremento por unidad. Con s1=-0.4 y s2= - 16; (Todas las
variables de la F.O. tienen coeficiente negativo). Por lo tanto los últimos resultados son la solución
óptima y valor óptimo.
De (17) x1 = 150
De (18) s1 = 110
De (19) x2 = 40
De (20) MAX Z = 840
Caso de minimización.
Es similar al caso de maximización con las siguientes diferencias.
Las restricciones deben ser del tipo
Se elige la variable más negativa.
Se alcanza la .solución optima cuando todo los coeficiente de la función objetivo son ceros y
positivos.
TABLERO SIMPLEX
Formulado el problema se expresa manualmente o aplicando software WINQSB.
Max Z = 3 x1+5 x2
S a: 2 x1+ 3 x2 > 4
4 x1 - x2 < 5
x1 + 3 x2 = 12
CNN x1, x2 > 0
Luego se elige la variable a ingresar, seleccionando la variable en la primera fila que nos da una
mayor ganancia por unidad de ingreso Z(i); pero si existe constante M en la columna C(i) entonces se
prioriza esta, por lo tanto se calcula M y es igual a la sumatoria del producto de la columna C(i) por
la columna de constantes de cada variable, en la columna C(i) para calcular M consideramos –M*2 +
0*4+ (-M*1) = -3M, de igual forma para la columna de X2 será igual - 6M ……..etc.
Luego se elige la variable a ingresar, seleccionando la variable en la primera fila que nos da una
mayor ganancia por unidad de ingreso Z(i); pero si existe constante M en la columna C(i) entonces se
prioriza esta, por lo tanto se calcula M y es igual a la sumatoria del producto de la columna C(i) por
la columna de constantes de cada variable, en la columna C(i) para calcular M consideramos 5 como
0 y multiplicamos 0 constantes de cada (en este caso S1).
34
ANÁLISIS DE SITEMAS MINEROS
35
Ing° ANDRES GOMEZ N.
36
ANÁLISIS DE SITEMAS MINEROS
37
Ing° ANDRES GOMEZ N.
38
ANÁLISIS DE SITEMAS MINEROS
39
Ing° ANDRES GOMEZ N.
40
ANÁLISIS DE SITEMAS MINEROS
41
Ing° ANDRES GOMEZ N.
PROBLEMA DE TRANSPORTÉ.
Consideramos dentro de este tipo a aquellos problemas de programación lineal donde se debe
determinar el esquema óptimo de un transporte que se origina en los lugares de producción y cuyo
destino son los lugares de demanda, donde se conoce la cantidad ofertada, requerida, el costo unitario
de transporte etc.
El método simplex sería ineficiente para hallar la solución de este tipo de problemas. Llamamos origen
al centro de producción o distribución y desliño al lugar de recepción, nuestro problema radica en enviar
la mercadería o material para satisfacer la demanda a un costo total mínimo.
Consideramos el caso general de ni orígenes y n destinos entonces tenemos:
Orígenes Destinos
s1 D1
s2 D2
s3 D3
s4 …
… Dn
sm …
En forma tabular tenemos:
DESTINO
D1 …
D2 Dn
O s1 c11 c12 ….. c1n a1
R s2 c21 c22 ….. c2n a2
I s3 c31 c32 ….. c3n a3
G ….. ….. ….. ….. ….. …..
E ….. ….. ….. ….. ….. …..
N sm cm1 cm2 ….. Cmn am
b1 b2 ….. bn
Donde:
Di es destino.
sj es origen.
ai es exigencia por fila.
bj es exigencia por columna.
Cij es el costo de transporte.
Llamamos exigencias por filas a los ai y exigencias por columnas a los bj , donde i = l, 2, 3, 4……n; y
j = l, 2, 3, 4……m, las exigencias siempre ser < n valores positivos, puesto que los valores nulos o
negativos carecen de significado físico. El costo de transporte de una unidad del producto desde el
origen i basta el destino j es representado por cij.
Consideramos primeramente problemas dónde la disponibilidad en los centros de producción u origen
de transporte es igual a la cantidad requerida en los centros de consumo o destino (problemas
balanceados) esto es:
42
ANÁLISIS DE SITEMAS MINEROS
La solución es el conjunto de m x n números Xij (número de unidades a enviar del origen i al destino j).
Esta solución como matriz: se expresa de la siguiente forma:
Este tipo de problemas tiene m+n ecuaciones que fijan de región de soluciones factibles, pero debido
a las restricciones adicionales podrían eliminarse ciertas ecuaciones entonces implicaría lo siguiente.
Solución factible básica no degenerada.- Es una solución factible básica exactamente con m+ n -1
variables básicas positivas.
Solución factible básica degenerada.- Es una solución factible básica con menos de m + n - 1
variables básicas positivas.
43
Ing° ANDRES GOMEZ N.
Se construye el tablero y se coloca los costos de transporte en cada recuadro celda en la parte
superior derecha.
La posible respuesta se va asignando en las celdas de la fila inicial, primeramente en aquella
célela correspondiente al de menor costo y luego al inmediato hasta copar la exigencia por
fila teniendo en cuenta no exceder la exigencia por columna
De igual forma en las demás filas siguientes hasta terminar con el tablero.
Luego se halla el costo .mínimo; consiste en la sumatoria del producto de la cantidad
asignada multiplicando por el costo de transporte.
La solución factible básica inicial del problema anteriormente mencionado con este método es:ç
La matriz solución es:
44
ANÁLISIS DE SITEMAS MINEROS
MÉTODO DE VOGEL
Este método se basa en el principio de la penalidad m<s grande que, consiste en hallar la diferencia
entre los costos menores de cada fila y columna.
Determinamos la penalidad por cada, fila y columna, (penalidad es la diferencia entre los dos
menores costos de cada fila o columna)
Elegimos la mayor penalidad de columií.1 o lila; y luego asignamos en el de menor costo una
45
Ing° ANDRES GOMEZ N.
cantidad que no exceda las exigencias de fila y columna, inmediatamente eliminamos la fila o
columna elegida.
Repetir el proceso sin considerar la fila o columna previamente eliminada hasta obtener la
solución básica factible.
Cuando hay igualdad entre dos penalidades se opta por el de menor costo (Cij
La solución factible básica inicial del problema anteriormente mencionado con este método es:
46
ANÁLISIS DE SITEMAS MINEROS
47
Ing° ANDRES GOMEZ N.
2.- El resultado es la sumatoria de los productos de asignaciones por costo unitario =3570
3.- Dibujar la matriz con los costos, de aquellas celdas que contiene asignaciones:
7.- Se escoge la celda (1,3) que tiene el menor costo, se traza la ruta “+ -”
48
ANÁLISIS DE SITEMAS MINEROS
8.- Se escoge la celda (1,3) que tiene el costo menor (negativo), se traza la trayectoria “+ -” en la
trayectoria el menor valor negativo es 120 por lo tanto solo se puede desplazar 120 a la celda (1,3) y
de acuerdo a la trayectoria modificar, en las celdas con menos “-” restamos y en las celdas con mas
“+” sumamos y finalmente obtenemos la siguiente distribución.
7.- Se escoge la celda (2,3) que tiene el menor costo, se traza la ruta “+ -”
8.- Se escoge la celda (2,3) que tiene el costo menor (negativo), se traza la trayectoria “+ -” en la
trayectoria el menor valor negativo es 10 por lo tanto solo se puede desplazar 10 a la celda (2,3) y
de acuerdo a la trayectoria modificar, en las celdas con menos “-” restamos y en las celdas con mas
49
Ing° ANDRES GOMEZ N.
.
El costo óptimo de la solución es 2120, es óptimo por que en la última iteración cuando se calcula la
matriz Cij – Zij, el resultado de todas las celdas es positivo.
50
ANÁLISIS DE SITEMAS MINEROS
PROBLEMA DE ASIGNACIÓN
Es otro caso muy especial, que de acuerdo a sus características se puede resolver en menor tiempo que
utilizando el Método Simplex y de Transporte, para lo cual se aplica técnicas especiales.
El problema de asignación es un caso particular del problema de transporte, que se formula do la
siguiente forma.
Dados n servicios, n tareas y los rendimientos de cada servicio aplicado a cada tarca (matriz n x n), el
problema consiste en asignar cada servicio a un trabajo y solo a uno, de forma que la medida del
rendimiento sea la óptima.
Sea Cij coeficiente de costo (ganancia) de ejecución de la tarca j por el servicio (Operario) i.
Tendremos que:
X¡j= l si el servicio i es asignado a la tarca j.
Xij = 0 si el servicio i no es asignado a la tarea j.
Entonces el problema se convierte en:
Max o Min Z =
𝑛 𝑛
∑ ∑ 𝐶𝑖𝑗 𝑋𝑖𝑗
𝑖=1 𝑗=1
S a:
𝑛
∑ 𝑋𝑖𝑗 = 1 𝑖 = 1,2,3,4 … 𝑛
𝑗=1
𝑛
∑ 𝑋𝑖𝑗 = 1 𝑗 = 1,2,3,4 … 𝑛
𝑖=1
El servicio i debe ser asignando a una sola tarea
Xij = 0 ó 1 para todo los Xij
MÉTODO DE SOLUCIÓN
MÉTODO HÚNGARO
Este método determina un conjunto de n ceros independientes en cada lila y columna, el conjunto
no es necesariamente único.
Pasos
1. En la matriz original, identificamos en cada columna el menor elemento, con los cuales
restamos las columnas correspondientes y generamos una nueva matriz.
2. De igual forma identificamos en cada fila el menor elemento, con los cuales restamos las
lilas correspondientes y generamos una matriz.
3. Determinamos el número de ceros independientes, para ello se encuentra el mínimo de
rectas nt (pie cubren lodo los ceros de la matriz, cuando n1= n se encuentra la solución
óptima.
n1 = Ceros Independiente o rectas.
n = Elementos a asignar.
Para encontrar la solución óptima se realiza los siguientes pasos:
a. Determinar el número de ceros por filas y columnas.
b. Elegir la fila o columna con mayor ceros y trazar.
c. Volver a elegir otra fila o columna sin considerar los ceros marcados y trazar hasta
terminar con todo los ceros.
4. Sin. es diferente de n entonces. Se halla 0- mínimo elemento de Cij no cubierto por las
rectas y se genera otra matriz donde:
a. Restar 0 a todos los elementos no cubiertos por las rectas.
b. Sumar 0 a lodo los elementos de las intersecciones de las rectas.
c. Copiar los valores cubiertos por las rectas.
d. Volver ni paso 3 hasta que n1= n.
51
Ing° ANDRES GOMEZ N.
Problema:
Existen 5 operarios llamados A, B, C, D y e; para ocupar 5 cargos designados como F, G.
H. I . J: se desea minimizar los costos por asignación y se tiene siguientes matriz.
Solución
1. Anotar el valor menor de cada columna en la parte inferior de la matriz.
De la columna F es 4, de G es 4, de H es 3, etc.
A la columna F restamos 4, y anotamos Generando otra matriz.
2. Anotar el valor menor de cada dila a la izquierda y restar.
3. Anotar el número de ceros y trazar las rectas de fila o columnas.
4. En este caso 0 = 1 (elemento mínimo no cubierto por las rectas).
- Restamos 1 a los elementos no cubiertos por la recta.
- Se suma 1 a los puntos donde se interceptan las rectas.
- Copiamos los valores cubiertos por las rectas.
Trazamos restas
5. N1 = 5 y n = 5 entonces se halló la solución óptima y se asigna.
La solución es
A es asignado a I
B es asignado a J
D es asignado a F
E es asignado a G
C es asignado a H
Es el valor óptimo es la sumatoria de los costos de la matriz cuya celdas son las asignadas, que es
igual a:
Costo mínimo es = 5 + 5 + 5 + 4 + 3 = 22
52