Analisis de Sistemas Mineros

UNIVERSIDAD NACIONAL DE SAN ANTONIO ABAD DEL CUSCO
FACULTAD DE INGENIERIA GEOLOGICA, INGENIERIA DE MINAS E

INGENIERIA METALURGICA
ESCUELA PROFESIONAL DE MINAS

DEPARTAMENTO ACADEMICOCO DE INGENIERIA DE MINAS
1.0 DATOS GENERALES.

1.1. NOMBRE : ANALISIS DE SISTEMAS MINEROS
1.2. CODIGO : IM-337 AMI
1.3. CATEGORIA : FPE
1.4. CREDITOS : 04 Créditos
1.5. No. DE HORAS : 05 Horas semanales
1.6. SEMESTRE ACADEMICO : 2018-II
1.7. DURACION SEMESTRE : 17 semanas
1.8. HORARIO : 01/10/18 al 04/02/19
1.9. SECCION : Grupo A
1.10 LOCAL : Perayoc IM-302 y IM-303
: Centro de Cómputo Ing. de Minas.
1.11 DOCENTE : ING° ANDRES GOMEZ NOBLEGA
: Celular: 979721483
: Dirección: San Borja L-1
: E mail : andresgomeznoblega@hotmail.com
E mail (tareas): andresgomezunsaac@hotmail.com
1.12 Delegado : Jean Carlos Huamán Laura.
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.
3.0 FUNDAMENTACION Y DESCRIPCION.

El desempeño eficiente del ingeniero de minas implica la necesidad de discriminar, juzgar y
evaluar las operaciones mineras con la finalidad de optimizar la producción ya sea minimizando
costos, esfuerzos, energía, tiempos muertos, etc. o maximizando la producción, el rendimiento, los
tiempos netos de operación, etc.
El curso está dividido en 6 unidades instruccionales la primera abocada a las Programaciones como
Lineal, Entera, cuadrática y Dinámica. La segunda unidad enfoca Modelos de Distribución y Redes
Mineras, la tercera unidad considera Líneas de Espera, la cuarta unidad trata sobre Inventarios,
Confiabilidad, Simulaciones, y la última enfoca el Análisis de Decisiones.
4.0 COMPETENCIAS ESPECÍFICAS.

4.1 Competencias cognitivas (saber):
1.-Comprender los fundamentos y la filosofía de programación lineal, entera, cuadrática y
dinámica ya sea para maximizar o minimizar en la actividad minera
2.-Conocer y analizar las metodologías de formular y resolver problemas de transporte y
redes en minería
Ing° ANDRES GOMEZ N.
3.-Ser capaz de formular y resolver problemas de líneas de espera aplicados a carguio-

transporte en minería.
4.-Comprender, formular y resolver problemas de inventario y confiabilidad utilizando los
diferentes métodos de solución.
5.-Analizar, juzgar y tomar decisiones en la optimización de operaciones dentro de la
actividad minera.
4.2 Competencias procedimentales e instrumentales (hacer):

1.-Realizar correctamente el proceso de observación, formulación, solución inicial factible,
solución óptima y toma de decisión en un sistema minero.
2.-Ser capaz de organizar y ejecutar un trabajo de investigación en Análisis de Sistemas
Mineros
3.-Ser capaz de utilizar e interactuar con las nuevas tecnologías de solución de problemas
de Análisis de Sistemas Mineros y aplicando Software.
4.-Tener suficiente motivación, iniciativa y persistencia en la ejecución de trabajos de
optimización.
4.3 Competencias actitudinales (ser):
1.-Mejorar el nivel de autoestima basado en la optimización
2.-Tener capacidad de adaptabilidad a los cambios de procesos de cálculos aplicando
diferentes métodos y software.
3.-Autonomía basada en la seguridad del conocimiento
4.-Responsabilidad en la ejecución de trabajos de optimización
5.-Manejo de personal con autonomía y juicio moral.
4.4 Competencias de convivencia (convivir):

1.-Mejorar el nivel de comunicación con el personal
2.-Ser capaz de liderar la investigación en equipo
3.-Mejorar el nivel de interacción docente alumno basado en la comunicación
4.-Optar por trabajos basados en cooperación e integración con el personal
5.0 PROGRAMACION DE LOS CONTENIDOS.

El contenido de la asignatura está distribuido en un total de 6 unidades instruccionales, y dosificado
para un total de 36 temas teóricos de dos horas y una hora. La asignatura está programada para ser
desarrollada en 17 semanas equivalente a un semestre académico. Las unidades son las siguientes:
Und. 01 PROGRAMACION LINEAL, ENTERA, CUADRATICA, DINAMICA,NO LINEAL.
Und. 02 REDES EN MINERIA.
. Und. 03 MODELOS DE DISTRIBUCION.
Und. 04 TEORIA DE LINEAS DE ESPERA.
Und. 05 SIMULACIONES
Und. 06 PROGRAMACION, PLANEACION y TEORIA DE DECISIONES
5.1 UNIDAD INSTRUCCIONAL 01
PROGRAMACION LINEAL.
5.2.1 DURACION:24 horas de teoría.

5.1.2 COMPETENCIAS DE UNIDAD:
Al finalizar esta unidad instruccional el estudiante será capaz de:
 Formular y resolver problemas de operaciones mineras empleando programación
lineal, entera, cuadrática y dinámica ya sea para maximizar o minimizar.
 Resolver problemas operando programas diseñados para tal fin, entender y emplear el
resultado con criterios eminentemente técnicos.
5.1.3 CONTENIDO INSTRUCCIONAL:

2
ANÁLISIS DE SITEMAS MINEROS
1. Análisis de Sistemas Mineros.

2. Formulación de Problemas.
3. Solución Método Geométrico
4. Solución Método Algebraico
5. Solución Método Simplex.
6. Dualidad.
7. Análisis de Sensibilidad.
8. Programación Entera.
9. Programación Cuadrática.
10.- Programación Dinámica.
11.- Programación Dinámica Determinística.
12.- Programación Dinámica Probabilística
5.1.4 ESTRATEGIAS INSTRUCCIONALES.

Las estrategias instruccionales a emplear son: comunicación directa profesor-alumno,
interacción docente-alumno, trabajo grupal.
Las estrategias instruccionales se encuentran detalladas en las sesiones clase de 01 al 12.
5.1.5 EQUIPOS Y MATERIALES

Videos, computadores, transparencias, fichas, Hojas de instrucción, hojas de tarea,
separatas, proyector, gráficos, plumones, tizas, y otros.
5.1.6 EJECUCION DE LA ESTRATEGIA

Para la ejecución de las estrategias de cada tema, se considerarán las variables alumno,
docente y ambiente; donde fundamentalmente se realiza los eventos siguientes: motivar al
estudiante, orientar la atención, estimular el recuerdo de los conocimientos prerrequisitos,
proporcionar y dirigir la asimilación de la información, fomentar la fijación de los
aprendizajes, y finalmente evaluar y ofrecer su respectiva retroalimentación.
La ejecución de las estrategias está detallada en las sesiones de clase respectivas.
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.
Promedio = (2 Evaluación + Promedio + Promedio

por unidad de salida E.sumativa practicas)/4
5.1.8 BIBLIOGRAFIA
 Alvarez Jorge "Investigación de Operaciones".

 Gould-Eppen "Investigación de Operaciones en la Ciencia Administrativa".
 Pike,Ralph "Optimization for Engineering Systems"
 Prauda, Juan "Métodos y Modelos de Investigación de Operaciones”.
 Taha "Investigación de Operaciones".
 Hugues A. "Linear Programming and Emphasis on Desition Making”
Grawoig D.
3
REDES EN MINERIA.

 Comprender, formular y resolver problemas de transporte utilizando los diferentes
métodos de solución.
 Comprender, formular y resolver problemas de asignaciones utilizando los diferentes
métodos de solución.
 Analizar y evaluar problemas de redes y el uso adecuado en la toma de decisión.

13. Problema de Transporte.
14. Métodos de Solución Inicial.
15. Método que Conduce a la Solución Óptima.
16 Problemas de Transporte
17. Problemas de Producción y Transporte Combinado.
18. Problema de Asignaciones.
19. Redes.

Las estrategias instruccionales a emplear son estrategias de: comunicación directa
profesor-alumno, interacción docente-alumno.
Las estrategias instruccionales se encuentran detalladas en las sesiones de clase del 13 al
18.

Computadores, papelógrafos, hojas de instrucción, hojas de tarea, separatas, proyectores,
plumones, tizas y otros.

La ejecución de las estrategias se encuentra detallada en las sesiones de clase respectivas.
5.2.7 EVALUACION.
Se ejecutará igual que en la unidad instruccional 01
5.2.8 BIBLIOGRAFIA
 Becknbach, E. "Modern Mathematics for the Engineer".
 Prauda,Juan "Métodos y Modelos de Investigación de Operaciones”.
MODELOS DE DISTRIBUCION.

 Formular y resolver problemas de modelos de distribución en minería.
4

20. Definición de Modelos de Distribución
21. Modelos de Distribución Discretos
22. Modelos de Distribución Continuos
23. Como Determinar el Modelo de Distribución
24. Aplicaciones en Análisis de Sistemas Mineros

Las estrategias instruccionales se encuentran detalladas en las sesiones del 20 al 24.


5.3.7 EVALUACION.
5.3.9 BIBLIOGRAFIA
 Gould-Eppen "Investigación de Operaciones en la Ciencia Administrativa"
TEORIA DE LINEAS DE ESPERA.

 Formular y resolver problemas de líneas de espera aplicados a carguio-transporte en
minería.

25. Sistemas de Carguío, Acarreo y Extracción en Minería
26. Estructura Básica de Líneas de Espera.
27. Características de las Líneas de Espera - Notación
28. Teoría de Colas con Población Infinita
29. Teoría de Colas con Población Finita
30. Problemas de Colas en Minería Superficial

Las estrategias instruccionales se encuentran detalladas en las sesiones de clase del 19 al
24.
5


5.4.7 EVALUACION.
5.4.8 BIBLIOGRAFIA

SIMULACIONES.

Al concluir esta unidad instruccional el estudiante estará en condiciones de:
 Comprender, formular y resolver problemas de simulaciones.
 Comprender y aplicar la simulación para hallar los resultados, en los diferentes
procesos de optimización en minería.

31. Simulaciones
32. Simulaciones en Sistemas Mineros
33. Estructuras de simulación
34. Lenguajes y programas de simulación
35. Análisis de Sensibilidad
36. Telemandos y Tele operación
37. Automatización
38. Centro Integral de Operaciones.

En esta unidad se incidirá bastante en el uso de estrategias de: interacción docente-alumno
y trabajo grupal.
Las estrategias instruccionales se encuentran detalladas en las sesiones de clase.

Computadores, transparencias, papelógrafos, Hojas de instrucción, hojas de tarea,
separatas, plumones, tizas y otros.
5.5.6 EJECUCION DE LA ESTRATEGIA.

La ejecución de las estrategias consistirá en: motivar al estudiante, orientar la atención,
estimular el recuerdo de los conocimientos prerrequisitos, proporcionar y dirigir la
asimilación de la información, fomentar la fijación de los aprendizajes, y finalmente
evaluar y ofrecer su respectiva retroalimentación.
La ejecución de las estrategias está detallada en las sesiones de clase.
6
5.5.7 EVALUACION.
Se ejecutará igual que en las unidades anteriores.
5.5.8 BIBLIOGRAFIA
 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".
TEORIA DE DECISIONES
5.6.1 DURACION:13 horas.

Al concluir esta unidad instruccional el estudiante estará en condiciones de:
 Analizar, juzgar y tomar decisiones en la optimización de operaciones dentro de la
actividad minera
 Utilizar la Teoría de Decisiones como una herramienta básica dentro de la actividad
minera.

39. Programación por Objetivos
40. Programación de Obras
41. Planeación Agregada.
42. Planeación de Materiales
43. La Toma de Decisiones.
44. Posibles Situaciones Decisorias.
45. Criterios de Decisión.
46. Subjetividad en las Decisiones.

Las estrategias instruccionales a aplicar serán igual que en la unidad instruccional 05.
Las estrategias instruccionales están detalladas en las sesiones de clase.

Computadores, transparencias, papelógrafos, Hojas de instrucción, hojas de tarea,
separatas, gráficos, plumones, tizas y otros.

Las estrategias utilizadas se indican en las sesiones de clase 31 al 34.
5.6.7 EVALUACION.
5.6.8 BIBLIOGRAFIA
 Schmidt
 Jauffred M. "Métodos de Optimización".
 Kaufmann A. "Métodos y Modelos de la Programación Dinámica
 Prauda,Juan "Métodos y Modelos de Investigación de Operaciones".
6.0 ESTRATEGIAS INSTRUCCIONALES.
7
Las estrategias instruccionales a emplear son:

Interacción directa Docente-Alumnos
Exposiciones.
Trabajo Grupal
Trabajo de investigación de los alumnos.
La sesión de aprendizaje se conducirá empleando el método activo:

Deductivo, inductivo, analógico, demostrativo, aplicativo, científico entre otros.
La técnica didáctica a emplear en el proceso de enseñanza y aprendizaje es:
Didáctico, Expositiva, Interrogativa, Demostrativa, Observación, Estudio de Casos, Análisis de
Incidentes, Grupo de Discusión.
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
Se considerar la siguiente secuencia de acciones.

Momento inicial.
Pre-requisito (conexión con los temas)
Adquisición de aprendizaje.
Momento básico
Momento de ejecución
Momento aplicativo
Momento de extensión
Evaluación formativa.
Retroalimentación.
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:
Promedio = (2 Evaluación + Promedio + Promedio

Parcial Sumativa E. Formativa Practicas)/4
Promedio = (Promedio + Promedio + Promedio

Final Parcial I Parcial II Parcial III)/3
Se aprueba el curso con promedio final mayor o igual a 13.5.
8.0 ACTIVIDADES DE INVESTIGACION.

Siendo la visión de la institución ser académica por excelencia, acreditada, autónoma,
descentralizada y participativa, sólida, con gobierno y gestión eficiente y estable. Ser una
institución donde se estimula la creatividad, productividad e investigación se motivará a la
realización de investigación científica en grupos de 5 alumnos, será calificado siempre en cuando
esté aprobado el curso.
Cada grupo realizará un trabajo de investigación, dicho trabajo de investigación será asesorado
en horas no lectivas, la evaluación será de 0 a 3, el cual afectará directamente al promedio
parcial III
8
9.0 BIBLIOGRAFIA GENERAL.

 Alvarez Jorge "Investigación de Operaciones". Lima-Perú Edit. América. 1995
 Becknbach, E. "Modern Mathematics for the Engineer", New-York, Edit. McGraw-
Hill Book Co. 1956.
 Gould-Eppen "Investigación de Operaciones en Ciencia Administrativa" Prentice
Hall México 1992.
 Jauffred M. "Métodos de Optimización", México, Centro Regional de Ayuda
Técnica, 1971.
 Kaufmann A. "Métodos y Modelos de Programación Dinámica", Edit. Continental
S.A. México,1966.
 Pike, Ralph "Optimization for Engineering Systems", New York, Edit
VAN,1986.
 Prauda, Juan "Métodos y modelos de Investigación de Operaciones", México,
Edit. Limusa, 1981.
 Taha "Investigación de Operaciones", México, Edit. McGraw-Hill, 1992.
Cusco, octubre 2018
--------------------------------------
Ing° Andrés C. Gómez Noblega.
Docente
9
ANALISIS DE SISTEMAS MINEROS
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.
Las unidades correspondientes al curso son los siguientes:

Und. 01 PROGRAMACION LINEAL, ENTERA, CUADRATICA, DINAMICA,NO LINEAL.
Und. 02 REDES EN MINERIA.
. Und. 03 MODELOS DE DISTRIBUCION.
Und. 04 TEORIA DE LINEAS DE ESPERA.
Und. 05 SIMULACIONES
Und. 06 PROGRAMACION, PLANEACION y TEORIA DE DECISIONES
UNIDAD 01
PROGRAMACION LINEAL, ENTERA, CUADRATICA Y DINAMICA
1. Modelos de Programación Lineal.

2. Formulación de Programas Lineales
3. Solución Método Geométrico
4. Solución Método Algebraico
5. Solución Método Simplex.
6. Dualidad.
7. Análisis de Sensibilidad.
8. Programación Entera.
9. Programación Cuadrática.
10.- Programación Dinámica.
11.- Programación Dinámica Determinística.
12.- Programación Dinámica Probabilística
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
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.
5.- ACTO DE DECISION.

En un acto de decisión se distingue;
 Decisiones (uno o más)
 Conjunto de posibles acciones o alternativas.
 Conjunto de posibles resultados generados por la acción.
 Un entorno (estados no controlables por decisores)
 Una función que liga entre acciones y resultados con el entorno.
 Un proceso de decisión (que selecciona una o varias acciones)
 Un criterio que enmarca el proceso de decisión.

6.- PROCESO DE DECISION.
Consiste en seleccionar una o varias alternativas cursos de acción, bajo criterios de minimizar los
riesgos de pérdida o maximizar las Ganancias.
7.- ENT0RNOS DE SOLUCION.

Los entornos de solución en la toma de decisiones son:
Deterministicos.- El proceso de decisión se realiza en una completa certeza, es decir se conoce
el estado de la naturaleza relativo a sus objetivos los criterios que imperan son: Minimización de
costos, pérdidas, esfuerzos, etc. Maximización de ganancias, producción, etc.
Estocásticos.- Se realiza bajo un estado de riesgo, donde no se conoce el estado de la naturaleza
relativo a sus objetivos, por lo cual se asocia a este proceso una distribución de probabilidad. Se
maximizan y minimizan en los procesos productivos.
Conflictivo.- Esto se realiza considerando dos grupos o más donde la decisión está orientada a
minimizar las pérdidas que equivale a minimizar las ganancias del oponente.
Incertidumbre.- Se realizan bajo una completa incertidumbre donde no se tiene idea de la
distribución de probabilidad y esta orientada a minimizar la mínima perdida y maximizar la
ganancia máxima.
8.- EVALUACION DE UNA DECISION.

La evaluación de una decisión implica el uso de cierto criterio de valor, o medida de utilidad, el
cual recibe el nombre de función de utilidad. Por ejemplo, en una compañía minera en forma
genérica podríamos definir las siguientes funciones de utilidad.
 f1 = Ganancia de la compañía en función del tiempo.
 f2 = Volumen de ventas en función del tiempo.
 F3 = Nivel de satisfacción de los trabajadores
 F4 = Nivel de satisfacción de los clientes.
11
 F5 = Nivel de satisfacción de los proveedores.
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.
10.2.- RESOLVER EL MODELO.

La solución del modelo es el aspecto primordial del proceso de toma de decisión en la I.O. y la
habilidad del decisor en este aspecto asegura que las decisiones sean óptimas.
La solución de un modelo consiste en encontrar aquellos valores para las variables controlables
que dan resultados óptimos juzgados en términos de los criterios.
10.3.- VALIDAR MODELO Y ANALISIS DE SENSIVILIDAD

En esta etapa en la cual se debe asegurar que le modelo es valido es decir que el modelo representa
satisfactoriamente el ámbito del problema y la solución .La validación es un procedimiento continuo
12
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
10.4.- INTERPRETACION DE LOS RESULTADOS E IMPLICACIONES

Es el análisis critico de los objetivos o criterios del usuario y la evaluación de esos criterios a la luz
de los resultados del modelo, entre estas incógnitas tenemos: Son validos los criterios para los rangos
implícitos en la solución?. Cuáles son las implicaciones? etc.
Una solución se llama óptima cuando es la mejor de acuerdo a pruebas matemáticas. Sin embargo,
la solución óptima es siempre relativa a un conjunto de criterios cuidadosamente establecidos.
Los problemas del mundo real tienden a tener muchos criterios nebulosos y es muy difícil si no
imposible encontrar una que sea verdaderamente óptima matemáticamente.
TIPOS Y CONSTRUCCION DE MODELOS DE. I.O.

Un modelo es imagen de un sistema y en función de las interrogantes, un sistema puede tener
diversos modelos.
ESTRUCTURA TAXONOMICA DE I.O.
MODELOS DE INVESTIGACION OPERATIVA
DETERMINISTICOS HIBRIDOS ESTOCASTICOS
Optimizacion no Optimizacion Programacion Programacion

lineal Lineal Dinamica Estocastica
Metodos Progranacion
Inventarios Colas
Clasicos Lineal
Metodos de Transporte y Proceso

Simulacion
Busqueda Asignaciones Estocastica
Progranacion Progranacion PERT y CPM Teoria de

lineal Entera y 0-1 Desiciones
Redes Heuristicos
MODELOS DE I.O.
13
Clasificación de los métodos según la forma de presentación

En la I.O. se distinguen cuatro tipos de modelos.
a) Modelos Descriptivos.
b) Modelos icónicos físicos.
c) Modelos Simbólicos.
d) Modelos Tipo Procedimiento.
Modelos Descripticos.- Se caracterizan por estar expresados en lenguaje convencional (Idiomas),

en este tipo de modelos la selección de las alternativas se hace en base a la intuición y el sentido
común.
Modelos Icónicos o Físicos.- Estos modelos se expresan tal como se muestran en su sistema físico.
Los modelos icónicos pueden ser reducidos, aumentados o estar a la misma escala. Por ejemplo las
maquetas.
Entre estos también tenemos los llamados modelos por analogía (estos realizan una traslación de un
sistema original a otro llamado sistema sustituto).
Modelos Simbólicos.- Se caracterizan por estar expresados de forma concisa a través de símbolos
matemáticos; Estos pueden ser expresados en forma analítica o en forma grafica vía un conjunto de
funciones en forma de ecuaciones e inecuaciones .También en forma de algoritmos de pasos
interrelacionados por ejemplo: diagrama de flujos.
Modelos Tipo Procedimiento.- Son aquellos expresados por un conjunto de pasos que indican el
procedimiento a seguir en la solución del problema. La selección de las alternativas en este tipo de
modelos se hace a través de técnicas de simulación.
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.
Clasificación de los modelos según su estructura:

Las características estructurales nos permiten también concretizar modelos en una u otra
categoría y entre ellos tenemos:
a) Modelos Determinísticos.
b) Modelos Estocásticas.
c) Modelos Lineales.
d) Modelos No-Lineales.
e) Modelos Estáticos.
i) Modelos Dinámicos.
g) Modelos Continuos.
h) Modelos Discretos.
Modelos Determinísticos.- Para su resolución no incluye variables y relaciones funcionales con
fenómenos aleatorios.
Modelos Estocásticas.- A diferencia de los Modelos Deterministicos incluyen variables o relaciones

funcionales que dependen de fenómenos aleatorios es decir probabilísticos.
Modelos Lineales.- Se caracterizan par incluir solamente funciones lineales. Por ejemplo. y=f(x1, x2)
ó y=a1x1+a2x2.
Modelos No Lineales.- Se aquellas expresiones en la que la variable dependiente varían de una

manera no lineal respecto a las dependientes.
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
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.
CALCULO DE INVESTIGACION DE OPERACIONES.

15
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.
b) El algoritmo de solución converge a nivel óptimo pero solo en sentido teórico
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.
En la los métodos heurísticos suelen emplearse para dos funciones.

a) Se utiliza simplemente para obtener una buena solución Al problema, la solución resultante no tiene
garantía de ser óptima.
b) Se puede utilizar dentro del contexto de un algoritmo de optimización exacto, con el fin de aumentar
la velocidad de proceso para alcanzar el nivel óptimo.
1. MODELOS DE PROGRAMACIÓN LINEAL.
16
ANTECEDENTES DE PROGRAMACION LINEAL EN SISTEMAS MINEROS.
MODELOS DE CENTROMIN PERU.

Modelo de Minas Casapalca.
El objetivo es determinar el plan de minado óptimo para la Mina Casapalca.
Función objetivo:
Mayor utilidad bruta.
Restricciones:
 Considera las limitaciones operativas de la mina, personal, equipo, transporte, etc.
 Mantener las reservas de la mina en el nivel adecuado, de tal forma que en el próximo plan de la
mina este en condiciones de seguir produciendo.
 Producir mayores valores de concentrado al mínimo de costos variables totales.
 El modelo requiere una gran base de datos para lo cual se utilizan un sistema de información de mina
que permita obtener estos datos.
MODELO DE COBRE Y PLOMO DE LA OROYA.

Función Objetivo;
Abastecer la capacidad de producción de los circuitos.
Restricciones:
 Tonelajes y ensayos de los concentrados en Centromin y los disponibles en el mercado internacional.
 Condiciones y limites operativos de los circuitos cobre y plomo de la Oroya
 Precios del concentrado en el mercado.
MODELO PARA COMERCIALIZACION DE CONCENTRADO DEL ZINC NACIONAL.

Función Objetivo:
Asignación de concentrados al circuito de zinc de la oroya y a los contratos de exportación
maximizando el beneficio.
Restricciones:
 Precio de los metales.
 Fletes a los puntos de entrega
 Leyes de los concentrados
 Términos contractuales por pagos por los contenidos metálicos así como deducciones.
Permite realizar asignación de concentrados y análisis de sensibilidad.
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.
MODELO DE PROGRAMACION LIMEAL

Entre los conceptos básicos que más se utilizan en el modelo de Programación Lineal se tiene los
siguientes:
 Función Lineal.- Es una función en la que las variables están en términos separados. No hay
exponentes diferentes de 1 y no hay términos logarítmicos exponenciales o trigonométricos.
 Variables de Decisión.- Son las variables que están bajo el control del formulador. Esta son las
variables que aparecen en los modelos cuyos valores numéricos se desea conocer resolviendo el
modelo o problema de programación lineal.
 Función Objetivo.- Es la idea o meta que va a ser maximizada o minimizada en una programación
lineal
17
 Restricciones.- Es el conjunto que ideas que expresados en forma de desigualdades condicionan o

limitan los valores que puede tomar las variables de decisión en la solución del problema.
 Condición de no negatividad.- En programación lineal las variables de decisión solo pueden tomar
variables mayo o igual a cero (no tienen sentido los valores negativos)
 Parámetro.- Es un número o símbolo en un modelo, que necesita tener un valor numérico
proporcionado por el usuario.
 Decisión.- Un conjunto de valores numéricos asignados a las variables de decisión.
 Decisión factible.- Decisión que satisface las restricciones y las condiciones.
 Decisión optima.- Una decisión factible que optimiza la función objetivo
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
Programación lineal es una técnica de optimización que consiste en la maximización o minimización

de una función lineal llamada función objetivo, que se halla sujeta a restricciones también de la forma
lineal.
El criterio de optimización es por lo general un objetivo económico; por ejemplo minimizar un
beneficio y minimizar un costo y por cala razón se llama también función económica o función objetivo.
ESTRUCTURA DEL MODELO DE PROGRAMACIÓN LINEAL. La forma que toma una
programación lineal es la siguiente:
Función objetivo
Max o Min z = c1x1 + c2x2 + c3x3 + …….. cnxn.
Restricciones estructurales
≤
a11x1+ a12x2+ a1nxn [≥] - bj = 1,2 ……m.
Restricciones de no negatividad (condición de no negatividad)

xj ≥ 0 ; j =1, 2…….. n.
El problema consiste en hallar los valores de " xj ", ya que a, b y c son valores que se asumen
conocidos, de tal forma que estos valores de " xj " optimicen la función objetivo sujeto a las
restricciones. Las " xj " se llaman variables de decisión.
Su forma equivalente es:

Función objetivo.
n
Max o Min z = ∑ cj xj
j=1
Restricciones estructurales.
n ≤
∑ aij xj [ ] bij i = 1,2 … . m
j=1 ≥
Restricciones de no negatividad (condición de no negatividad)

Xj 0 j= 1.2… ,n (8.6)
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
Restricciones lie no negatividad (condición do no negatividad)

x≥o
Donde:
𝑐1 𝑥1
𝑐2 𝑥2
C = […] x = […]
𝑐𝑛 𝑥𝑛
19
𝑎11 𝑎12 … . 𝑎1𝑛 𝑏1

𝑎21 𝑎22 … . 𝑎2𝑛 𝑏2
A = [ … … .. … … ] b =[ ]
…
𝑎𝑚1 𝑎𝑚2 … . 𝑎𝑚𝑛 𝑏𝑛
Se aprecia que c y x son vectores columna de n componentes b es un vector columna de m
componentes y A es una matriz de orden mxn.
FORMAS DE PRESENTAR EL MODELO DE PROGRAMA-CIÓN LINEAL

Un modelo de P.L. puede ser expresado de diferentes maneras según la forma de la función objetivo y
restricciones:
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
La expresión Compacta es:

Max Z = c` x
Sujeto a 𝐴 x ≤ b
CNN X>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
CARACTERÍSTICAS DEL MODELO DE PROGRAMACIÓN

20
Analizando en su forma canónica podemos indicar las siguientes características.

• La función objetivo es igual a la suma algebraica de contribuciones paralelas de cada una de las
variables de decisión (Max z = c1x1 + c2x2 + …+ cnxn. Es decir, la función objetivo es una
combinación lineal de las variables de decisión.
• Tanto los términos de la función objetivo y restricciones son de la forma kx, es decir existe
proporcionalidad.
Considerando los anterior un Método de Programación Lineal es exclusivo para resolver
problemas de sistemas lineales.
TRANSFORMACIONES DE PROGRAMACIÓN LINEAL
1.- Transformar a la forma Canónica y Estandarizada
Max z = 10x1 +12x2 + 4x3

Sujeto a: 5x1 + 3x2 +2x3 < 20
2x1 + 3 x2 +4x3 > 4
5x1 + 7 x2 + 8x3 > 7
CNN x1, x2, x3 0
Forma Canónica
Max z = 10x1 +12x2 + 4x3

Sujeto a: 5x1 + 3x2 +2x3 < 20
-2x1 - 3 x2 - 4x3 < - 4
- 5x1 - 7 x2 - 8x3 < - 7
CNN x1, x2, x3 0
Forma Estandarizada
Max z = 10x1 +12x2 + 4x3

Sujeto a: 5x1 + 3x2 +2x3 + s1 = 20
-2x1 - 3 x2 - 4x3 + s2 = - 4
- 5x1 - 7 x2 - 8x3+ s3 = - 7
CNN x1, x2, x3 0
2.- Transformar a la forma Canónica y Estandarizada
Min z = 2x1 + 2x2 + 3x3

Sujeto a: 2x1 + 4x2 + x3 > 20
x1 + 7 x2 +8 x3 > 2
2x1 + 3 x2 + 5x3 < 5
CNN x1, x2, x3 0
Forma Canónica
Max z = -2x1 -2x2 - 3x3

Sujeto a: -2x1 -4x2 - x3 < -20
-x1 - 7 x2 - 8x3 < - 2
2x1 + 3 x2 + 5x3 < 5
CNN x1, x2, x3 0
Forma Estandarizada
Max z = -2x1 -2x2 - 3x3

Sujeto a: -2x1 -4x2 - x3 + s1 = -20
-x1 - 7 x2 - 8x3 + s2 = - 2
21
2x1 + 3 x2 + 5x3 + s2 = 5
CNN x1, x2, x3 0
FORMULACION DE PROGRAMAS LINEALES.
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.
b) Generar un cuadro relaciones.

Se genera un cuadro de relaciones en función del enunciado de) ejercicio. lo cual permite facilitar la
formulación del problema. Las variables y disponibilidades se denotan y generalmente en la parte,
superior (primera fila); las utilidades y demás limitaciones en la primera columna. Ver figura 10.1.
• En el enunciado dice: "por cada pelota de vóley gana S/ 4 y por lo de fútbol S/.6”. Entonces en la
fila de utilidad y columna de vóley colocamos el valor de 4, de igual forma en la columna de fútbol 6.
• En el enunciado dice: "La demanda del mercado le permite fabricar 2 de vóley por cada 5 de fútbol,
en total no más de 500 pelotas". En la fila de demanda y columna de vóley colocamos 2, de fútbol 3,
y de disponibilidad 500.
• "Utiliza 0.2 m2 de cuero para pelotas de vóley y 0.25m2 para pelotas de fútbol y tiene material
disponible de 40 m2". Esto nos permite anotar en la fila de cuero y columna de vóley 0.2, de fútbol
0.25, y de disponibilidad 40.
• “Por contratos adquiridos con sus clientes debe fabricar como mínimo 80 pelotas en forma
indistinta", entonces indicamos en la fila de contrata y columna de la variable vóley 1, de fútbol 1 y
disponibilidad 80.
Vóley Futbol Disponibilidad
Utilidad 4 6
Demanda 2 5 500
Cuero 0.2 0.25 40
Contrata 1 1 80
c) Formular Función Objetivo.

Es la formulación de la función económica, entonces se emplea los datos de utilidad, precios, etc. La
utilidad se analizará en el siguiente cuadro:
Supongamos caso
a) Fabrica 10 pelotas de vóley y 10 de futbol.
b) Fabrica 05 pelotas de vóley y 20 de futbol.
Vóley Futbol Utilidad
22
Caso Util. Nro Util. Nro

a 4 10 6 10 = 4*10+6*10
b 4 5 6 20 = 4*05+6*20
Real 4 x1 6 x2 = 4* x1+6* x2
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
Vóley Futbol Disponibilidad

Caso Util. Nro Util. Nro
a 2 10 5 10 = 2*10+5*10
b 2 5 5 20 = 2*05+5*20
Real 2 x1 5 x2 = 2* x1+5* x2
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
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
b) Generar un cuadro de relaciones

Se genera un cuadro de relaciones en función del enunciado del ejercicio, lo cual permite facilitar la
formulación del problema. Las variables y disponibilidades se denotan generalmente en la parte
superior (primera fila); la utilidad y demás limitaciones en la primera columna.
H85 H121 Disponibilidad

Utilidad 10000 12000
Dpto. A 10 7 120
Dpto. A 8 14 140
c) Formular función Objetiva

La excavadoras H85 da utilidad de $ 10000, en x1 excavadoras genera una utilidad de $ 10000 x1; de
igual manera la excavadora H121 da $ 12000x2, el total de utilidad será:
Z = 10000 x1+ 12000 x2.
Como el objetivo es obtener el mayor beneficio, entonces tendremos que maximizar
Max Z = 10000 x1+ 12000 x2.
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.
Restricciones por venta (5 equipos en cualquier combinación).

x1 + x2 > 5
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
Max Z = 10000 x1+ 12000 x2.

S a. 10 x1 + 7 x2 < 120.
8 x1 + 14 x2 < 140.
x1 + x2 > 5
CNN x1, x2 > 0
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
• Generar un cuadro de relaciones.
Mezcla A Mezcla B Disponibilidad

Utilidad 0.6 0.7
18 Klts. 0.2 0.4 150
16 Klts. 0.4 0.4 240
14 Klts. 0.4 0.2 300
• Formular Función Objetivo.

La mezcla A genera una utilidad de 0.6 por unidad, en x1 gr. se produce un beneficio de $ 0.6 x1, de
igual manera en la mezcla B; el total de utilidad será
Z = 0.6 x1+ 0.7 x2.
Como el objetivo es obtener el mayor beneficio, entonces tendremos que maximiza
Max Z = 0.6 x1+ 0.7 x2.
• Formular Restricciones.
Analizamos el oro de 18 kilates.
♦ Mezcla A.
En una unidad entra 0.2 gr. de oro de 18 kilates, en x1unidades entrará 0.2 x1
♦ Mezcla B.
En una unidad entra 0.4 gr. de oro de 18 kilates, en x2. Unidades entrará 0.4 x2.
♦ La disponibilidad del oro de 18 kilates es 150 gr. Entonces:
0.2 x1 + 0.4 x2 < 150.
Para el oro de 16 kilates.
0.4 x1 + 0.4 x2 < 240.
Para el oro de 14 kilates.
0.4 x1 + 0.2 x2 <300.
• Problema formulado
Max Z = 0.6 x1 + 0.7 x2
S.a: 0.2 x1 + 0.4 x2 < 150
0.4 x1 + 0.4 x2 < 240
0.4 x1 + 0.2 x2< 300
CNN x1, x2 > 0
PASOS PARA LA FORMULACIÓN DE PROGRAMAS LINEALES
25
a. Elegir las variables.

b. Generar cuadro de relaciones.
c. Formular Función Objetivo.
d. Formular Restricciones.
e. Condición de no negatividad
SOLUCIÓN EN PROGRAMACIÓN LINEAL

En programación lineal existen varios métodos que nos permiten, resolver los problemas acordes a sus
características, entre ellos tenemos:
 Solución Geométrica (Gráfica).
 Solución Algebraica.
 Método Simplex.
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.
Dirección Ascendente y Descendente.- Son las direcciones en el sentido de maximización y

minimización respectivamente.
Holgura.- Es la diferencia entre el segundo y el primer miembro en una restricción del tipo ≤ .
Problema no acotado.- Problema de programación lineal en el que la función objetivo no es acotada.
Problema no Factible.- Problema de programación lineal que tiene una función factible vacía.
Recta de isoutilidades o Isocostoso.- Contorno de una función utilidad o función costo.
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.
Restricción Inactiva.- Son las rectas que no determinan directamente la solución.
PASOS DEL MÉTODO DE SOLUCIÓN GRÁFICA.
Se debe considerar los siguientes:

a) Graficar la Restricción.
♦ Reemplazar las restricciones de inecuaciones (regiones) por ecuaciones (líneas).
♦ Graficar las ecuaciones en el cuadrante no negativo.
♦ Encontrar el sentido de la desigualdad utilizando puntos de ensayo (elegir la región factible) en
cada restricción.
b) Graficar la función objetivo.
♦ Graficar la pendiente de la recta de utilidades llamada pendiente del contorno de la función objetivo.
♦ Determinar la dirección ascendente y descendente de la función objetivo mediante ensayos.
c) Determinar las restricciones activas.
26
Determinar visualmente el vértice del conjunto factible en el sentido ascendente o descendente de

la función objetivo.
d) Hallar la solución óptima.
Resolver el sistema cíe ecuaciones (restricciones activas).
e) Hallar el valor óptimo.
Con la solución óptima reemplazar en la función objetive), para obtener el valor óptimo.
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).
Sí x1= 0 → x2 = 500/5 = 100 P1 (0,100)

Sí x2= 0 → x1 = 500/2 = 250 P2 (250,0)
 Encontrar el sentido de la desigualdad utilizando puntos de ensayo

(elegir la región factible) en cada restricción.
Utilizamos un punto de ensayo para la restricción 2x1 + 5x2 < 500
Sí x1 = 0 y x2 = 0 → 2(0) + 5(0) < 500.
0 < 500; como la expresión es verdad entonces la región factible de la restricción es el punto y
toda la región de abajo, de lo contrario es la parte superior.
La región factible del problema es la intersección de todas las restricciones (zona sombreada).
X2
200
175
150
125
100 L2
75
50
L3 L1
25
0 X1
0 25 50 75 100 125 150 175 200 225 250
b) Graficar la función objetivo.

♦ Graficar la pendiente de la recta de utilidades, llamada pendiente del contorno de la función
objetivo.
27
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)
 Determinar la dirección ascendente y descendente de la función objetivo mediante ensayos.
c) Determinar las restricciones activas.

Determinar visualmente el vértice del conjunto factible en el sentido ascendente o descendente de la
función objetivo. Las restricciones activas son: L1 y L2.
X2
200
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
d) Hallar la solución optima

Resolver el sistema de ecuaciones (restricciones activas).
2x1 + 5x2 = 500 (L1)
-10(0.2x1 + 0.25x2 = 40) (L2)
2x1 + 5x2 = 500

-2x1 - 25 x2 = -400
2.5 x2 = 100
x2 = 100/2.5 = 40
En (L1) 2x1 + 5(40) = 500

=300/2 = 150
Solución Óptima x1 = 150, x2 = 40
c) Hallar el valor optima

Con la solución óptima remplazar en la función objetiva.
Max z = 4 x1 + 4 x2
Max z = 4(150) + 6 (40) = 600 + 240 = 840
28
Ejercicios para resolver.
01 Maximizar la siguiente programación Lineal.

Max Z = 10000x1 + 12000x2
S.a: 10x1 + 7x2 < 120
8x1 +14x2 < 140
x1 + x2 < 5
CNN x1, x2 > 0
02 Maximizar la siguiente Programación Lineal

Max Z = 0.6x1 + 0.7x2
S.a: 0.2x1 + 0.4x2 < 150
0.4x1 + 0.4x2 < 240
0.4x1 + 0.2x2 < 300
CNN x1, x2 > 0
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.
PASOS PARA LA SOLUCIÓN.

Caso de maximización.
a) Formulación del Problema.
b) Forma Canónica.
c) Forma Estandarizada.
d) Solución y Revisión.
I. Solución:
 Considerar las variables no contenidas (no básicas) = 0;
 Calcular el valor de las variables básicas.
II. Revisar la Solución.
 Elegir la variable a ingresar.
 Elegir la variable a Salir
 Elegir la ecuación clave.
 Elegir la ecuación clave
 Remplazar la ecuación clave.
Repetir (d) hasta hallar la Solución Óptima
EJERCICIO
Un fabricante produce pelotas de vóley y fútbol; por cada pelota de vóley gana S/. 4 y por la de
fútbol S/.6. La demanda del mercado le permite fabricar 2 de vóley por cada 3 de fútbol, en total
no más de 500 pelotas; Utiliza 0.2 m3 de cuero para pelotas de vóley y 0.25m3 para pelotas de
fútbol y (¡ene material disponible de 40 m3; por contratos adquiridos con sus clientes debe fabricar
como mínimo SO pelotas en forma indistinta.
¿Cuántas pelotas de vóley y fútbol debe fabricar para tener mayor ganancia?.
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
CNN x1, x2 > 0
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.
I) SOLUCIÓN BÁSICA FACTIBLE INICIAL
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.
Las variables contenidas (básicas) son: S1 S2 y S3
Despejamos variables básicas y F.O.
De (01) s1= 500 - 2 x1 - 5x2 (05)

De (02) s2 = 40 - 0.2x1 - 0.25 x2 (06)
De (03) s3= -80 + x1 +x2 (07)
De (04) Max Z = 4x1 + 6x2 (08)
Solución:
x1 = 0 y x2= 0.
s1 =500
s2 = 40
s3 = -80
Max Z = 0
II REVISAR LA SOLUCIÓN BÁSICA FACTIBLE INICIAL

30
Para mejorar la solución se ingresa una de las variables no básicas (no-contenidas) por una variable
básica.
ELEGIR LA VARIADLE A INGRESAR.

Se selecciona de la función objetiva anterior.
(08) Max Z = 4x1 + 6x2
La variable a ingresar es una de las no contenidas (no básicas).
Elegir a la variable que proporcione mayor incremento por unidad.
Con x1 = 4 y x2 = 6; (Variable con mayor coeficiente en la F.O.).
La variable a ingresar es x2 .
ELEGIR LA VARIABLE A SALIR

Elegir la ecuación clave.
 Despejamos en las ecuaciones «inferiores la variable a ingresar.
De (05) x2 = (500 – 2x1 - s1)/5
De (06) x2 = (40 - 0.2x1 - s2)/0.25
De (07) x2 = +80 – x1 + s3
 Considerar el máximo valor disponible (solo las constantes,).
Entonces (s1 = 01, s2= 01, s3 = O y x1 =0).
x2 = 100
x2 = 160
x2 = 80
Ecuación Clave es: x2 = + 80 – x1+ s3 (09)
La variable a salir s3.
Remplazar la ecuación clave.

(09) en (05.) s1 = 500 – 2x1 - 5(80 – x1 +s3)
s1 = 100 + 3x1 -5 s3 (10)
(09) en (06) s2 = 40 - 0.2x1 - 0.25 (80 – x1 + s3)
s2 = +20 + 0.05 x1- 0.25s3 (11)
(09) en (07) Ecuación Clave.
(09) en (08) Max Z = 4 x1+ 6 (80 – x1 + s3)
Max Z = 480-2 x1 + 6s3 (12)
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
II REVISAR LA SEGUNDA SOLUCIÓN.
31
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.
 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)

Las variables contenidas (básicas) son: s2, s1 y x2 Despejamos variables básicas y
F.O.
De (13) s3 = 20 + 0.6x1-0.2s1
De (14) x2 = .100 -0.4x1 - 0.2s1
De (15) s2 = 15 - 0.1x1 + 0.05s1
MAX Z = 600 + 1.6x1 + 1.2s1 (16)
Solución:
x1 = 0 y s1 = 0.
x2 = 100
s2 = 15
s3 = 20
Max Z = 600
II REVISAR LA TERCERA SOLUCIÓN.
Para mejorar la solución se ingresa una de las variables no básicas (no contenidas) por una variable
básica.
ELEGIR LA VARIABLE A INGRESAR

Se selecciona de la función objetivo anterior.
De (16) MAX Z = 600 +1.6x1 - 1.2s1
La variable a ingresar es x1
ELEGIR LA VARÍABLE A SALIR:

 Despejamos en las ecuaciones anteriores la variable a ingresar.
De (13) x1 = 10/3-1(1/3)s1+(5/3)s3
De (14) x1 = 250 -0.5s1 -2.5x2
32
De (15) x1 = 150 + 0.5s1 -10s2

 Considerar el máximo valor disponible (solo las constantes).
Entonces (s1 = 0 s2 = 01 s3 = 0 y x2 = 0
x1 = -10/3
x1 = 250
x1 = 150
Ecuación Clave es: x1= 150 + 0.5s1 -10s2 (17)
La variable a salir es S2
Reemplazar la ecuación clave.
(17) en (13) s3 = 20 +0.6 (150+ 0.5s1 -10s2) - 0.2s1

s3 = 110 + 0.1s1-6s2 (18)
(17) en (14) x2 = 100 -0/4(150 + 0.5s1 - 10s2) - 0.2s1
x2 = 10 - 0.4s1-4s2 ' (19)
(17) en (15) Ecuación Clave
(17) en (16) Max Z = 600 +1.6(150 + 0.5s1-10s2) - 1.2s1
Max Z = 840-0.4s1-l6s2 (20)
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
PASOS PARA LA SOLUCIÓN.
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
Se transforma a la forma estandarizada manualmente o automáticamente aplicando software

WINQSB.
Max Z = 3 x1+5 x2-0 s1- Ma1 +0 s2- Ma2
S a: 2 x1+ 3 x2 – s1+ a2 = 4
4 x1 - x2 + s2 = 5
x1 + 3 x2 + a2 = 12
CNN x1, x2 > 0
33
Se genera el tablero simplex como se muestra en el cuadro anterior.
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
35
36
37
38
39
40
41
MODELOS DE DISTRIBUCIÓN EN MINERÍA.
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
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:
Donde Xij > = 0

En la matriz de solución la sumatoria de las respuestas obtenidas tanto por filas y columnas deben ser
iguales a las exigencias de filas (ai) y columnas (bj)
….. ….. ….. …..

b1 b2 ------ bn
La cantidad enviada desde cada origen es:
La cantidad recepcionada en cada origen es:
La formulación analítica del problema de transporte es:
xij > 0 (i = 1,2,3…m, j = 1,2,3… n)
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.
PROBLEMAS NO DEGENERADOS BALANCEADOS.

Problema 01
43
La matriz solución es:

x11 x12 x13
x21 x22 x23
x31 x32 x33 X=
x41 x42 x43
MÉTODO DE LA MÍNIMA FILA
 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:
MÉTODO DE LA MÍNIMA COLUMNA

Es similar al de la mínima fila con la diferencia de que se utilizan las columnas en vez de las filas.
La cantidad se va asignando por columnas primeramente al de menor costo y luego al inmediato hasta
copar la exigencia por columna; teniendo en cuenta no exceder la exigencia por fila.
- De igual forma en las demás columnas hasta terminar con el tablero.
- Luego se halla el costo mínimo; consiste en la sumatoria del producto de la cantidad asignada
multiplicado por el costo de transporte.
La solución factible básica inicial del problema anteriormente mencionado con este método es:
44
MÉTODO DE LA MATRIZ MÍNIMA

En este caso elegimos primero la celda de menor costo, a esta celda le asignamos el máximo valor
teniendo en cuenta de no exceder las exigencias de fila y columna, luego elegimos otra celda que sea
la de menor costo a la cual le asignamos una cantidad y así sucesivamente se va asignando cantidades
teniendo en cuenta siempre las exigencias por fila y columna. la solución factible básica inicial de!
problema anteriormente mencionado con este método es:
MÉTODO DE LA ESQUINA NOROESTE

 Primeramente se asigna la máxima cantidad en la celda de esquina Noreste (primera celda),
teniendo en cuenta no exceder las exigencias de fila y columna.
 Esta primera asignación completa la fila o columna, si es completada la fila entonces se completa
la columna o la próxima fila siempre teniendo en cuenta las exigencias, si es completada la columna
de igual forma se completara la fila o la próxima columna y así sucesivamente en todo el tablero
hasta generalmente terminar en la esquina opuesta.
La solución factible básica inicial del problema anteriormente mencionado con este método.
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
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:
MÉTODO DE APROXIMACIÓN DE RUSSELL

Se basa en elegir el máximo valor de costo de cada fila (U1 = Max (Cij)) y de la columna (Vj = Max
(Cij)) y re calcular el valor de las celdas para luego asignar al mayor costo, de la siguiente forma.
 Calcular Ui y Vj
 Recalcular las celdas utilizando de la siguiente forma Zij=Ui + Vj –Cij
 Asignación la mayor cantidad en la celda de mayor costo del nuevo tablero.
 Eliminar la fila o columna completa.
 Volvemos a ejecutar los pasos anteriores en forma secuencial hasta obtener la solución básica
inicial factible.
46
PROBLEMAS DE TRANSPORTE DESBALANCEADO
Demanda mayor que disponibilidad
La solución factible inicial del problema, con este método es:
MÉTODO PARA LA SOLUCIÓN ÓPTIMA

Se desea transportar las siguientes cantidades desde los centros de producción S1 = 120 Tn, S2 = 150
Tn, S3 = 250 Tn; hacia los destinos D1 = 140 Tn, D2 = 180 Tn, D3 = 200 Tn, Donde la matriz de
costo Cij es:
47
A.- Primera iteración.

1. Determinamos la solución básica inicial factible.
Se puede utilizar cualquiera de los métodos anteriormente mencionados.
Para este caso emplearemos el Métodos de la esquina Noroeste.
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:
4.- Calcular Ui y Vj, asignando a V1 = 0

Donde:
U1 = C11 – V1 = 7-0 = 7
U2 = C21 – V1 = 5-0 = 5
V2 = C22 – U2= 11-5 = 6
5.- Completamos la matriz Zij empleando las mismas formulas anteriores.
Donde:
Z12 = U1 + V2 = 7 + 6 = 13
Z13 = U1 + V3 = 7 + 7 = 14
Z23 = U2 + V3 = 5 + 7 = 12
6.- Calculamos la matriz Cij – Zij, y el resultado:
7.- Se escoge la celda (1,3) que tiene el menor costo, se traza la ruta “+ -”
48
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.
9.- El costo de la solución es 2250
B.- Segunda Iteración.

3.- Dibujar la matriz con los costos, de aquellas celdas que contiene asignaciones:
4.- Calcular Ui y Vj, asignando a V1 = 0

Donde:
U2 = C21 – V1 = 5-0 = 5
V2 = C22 – U2= 11-5 = 6
5.- Completamos la matriz Zij empleando las mismas formulas anteriores.
Donde:
Z11 = U1 + V1 = -4 + 0 = -4
Z12 = U1 + V2 = -4 + 6 = 2
6.- Calculamos la matriz Cij – Zij, y el resultado:
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
“+” sumamos y finalmente obtenemos la siguiente distribución.
9.- El costo de la solución es 2190

C.- Tercera iteración D.- Cuarta iteración
.
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.
Entonces transportamos de la siguiente forma:
50
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
5. Si n1 se halló la solución optima

Asigne primeramente al cero (marca con un circulo) de a fila o columna de menor ceros,
y los demás ceros de la columna o fila del cero marcado tachar, y así sucesivamente.
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

Analisis de Sistemas Mineros

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Analisis de Sistemas Mineros

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL DE SAN ANTONIO ABAD DEL CUSCO

FACULTAD DE INGENIERIA GEOLOGICA, INGENIERIA DE MINAS E

ESCUELA PROFESIONAL DE MINAS

1.0 DATOS GENERALES.

3.0 FUNDAMENTACION Y DESCRIPCION.

4.0 COMPETENCIAS ESPECÍFICAS.

3.-Ser capaz de formular y resolver problemas de líneas de espera aplicados a carguio-

4.2 Competencias procedimentales e instrumentales (hacer):

4.4 Competencias de convivencia (convivir):

5.0 PROGRAMACION DE LOS CONTENIDOS.

5.1 UNIDAD INSTRUCCIONAL 01

5.2.1 DURACION:24 horas de teoría.

5.1.3 CONTENIDO INSTRUCCIONAL:

1. Análisis de Sistemas Mineros.

5.1.4 ESTRATEGIAS INSTRUCCIONALES.

5.1.5 EQUIPOS Y MATERIALES

5.1.6 EJECUCION DE LA ESTRATEGIA

Promedio = (2 Evaluación + Promedio + Promedio

 Alvarez Jorge "Investigación de Operaciones".

5.2 UNIDAD INSTRUCCIONAL 02

5.2.1 DURACION:12 horas de teoría.

5.2.3 CONTENIDO INSTRUCCIONAL:

5.2.4 ESTRATEGIAS INSTRUCCIONALES.

5.2.5 EQUIPOS Y MATERIALES

5.2.6 EJECUCION DE LA ESTRATEGIA

5.3 UNIDAD INSTRUCCIONAL 03

5.3.1 DURACION:8 horas de teoría.

5.3.2 COMPETENCIAS DE UNIDAD:

5.3.3 CONTENIDO INSTRUCCIONAL:

5.3.4 ESTRATEGIAS INSTRUCCIONALES.

5.3.5 EQUIPOS Y MATERIALES

5.3.6 EJECUCION DE LA ESTRATEGIA

5.4 UNIDAD INSTRUCCIONAL 04

TEORIA DE LINEAS DE ESPERA.

5.4.1 DURACION:10 horas de teoría.

5.4.2 COMPETENCIAS DE UNIDAD:

5.4.3 CONTENIDO INSTRUCCIONAL:

5.4.4 ESTRATEGIAS INSTRUCCIONALES.

5.4.5 EQUIPOS Y MATERIALES

5.4.6 EJECUCION DE LA ESTRATEGIA

 Prauda,Juan "Métodos y Modelos de Investigación de Operaciones”.

5.5 UNIDAD INSTRUCCIONAL 05

5.5.1 DURACION:14 horas de teoría.

5.5.3 CONTENIDO INSTRUCCIONAL:

5.5.4 ESTRATEGIAS INSTRUCCIONALES.

5.5.5 EQUIPOS Y MATERIALES

5.5.6 EJECUCION DE LA ESTRATEGIA.

5.6 UNIDAD INSTRUCCIONAL 06

5.6.1 DURACION:13 horas.

5.6.3 CONTENIDO INSTRUCCIONAL:

5.6.4 ESTRATEGIAS INSTRUCCIONALES.

5.6.5 EQUIPOS Y MATERIALES

5.6.6 EJECUCION DE LA ESTRATEGIA

Las estrategias instruccionales a emplear son:

La sesión de aprendizaje se conducirá empleando el método activo:

Se considerar la siguiente secuencia de acciones.

Promedio = (2 Evaluación + Promedio + Promedio

Promedio = (Promedio + Promedio + Promedio

Se aprueba el curso con promedio final mayor o igual a 13.5.

8.0 ACTIVIDADES DE INVESTIGACION.

9.0 BIBLIOGRAFIA GENERAL.

Cusco, octubre 2018

ANALISIS DE SISTEMAS MINEROS

Las unidades correspondientes al curso son los siguientes: