INVESTIGACIÓN DE

OPERACIONES

Sesión 01
ING. ELMER TELLO DE LA CRUZ
 PRODUCTO
CAPACIDADES TEMÁTICA
ACADÉMICO
Analiza situaciones de la  Historia de la Trabajo aplicativo
vida diaria que hacen uso Investigación de
de Modelos Lineales. operaciones
 Enlace con la página de
IFORS
 Videos de Aplicaciones
de la I.O.
 Estructura Matemática
de un Modelo Lineal,
formulación.
¿Cómo se puede determinar el ¿Determinar la cantidad óptima
tamaño óptimo de un de trabajadores por turno?
contenedor para transportar
mercadería?

¿Cómo se puede asignar personas

con habilidades y costos de
operación distintos entre ellos?
El Arte del Modelado
Un modelo, es una abstracción del mundo real supuesto, que expresa en una forma
adecuada las funciones matemáticas que representan el comportamiento del sistema
supuesto.
 León Walras Agner Krarup
Erland
Economía
Teoría de colas George Bernard
Matemática
Dantzig
Método Simplex
Padre de la
Francois Quesnay Gyula Farkas Von Neuman Programación Otros aportes de la
Programación Precursor de Teoría de juegos y de Lineal Investigación de
Matemática modelos lineales preferencias Operaciones
• Programación Dinámica
(Bellman)
• Programación No lineal
(Kuhn y Tucker)
• Programación Entera
(Gomory)
• Redes de optimización
1759 1874 1903 1910 1937 1947 (Ford y Fulkerson)
1950 • Simulación (Markowitz)
• Inventarios (Arrow,
1873 1896 1905 1920-30 1939 Karlin.Scarf , Whitin)
• Análisis de decisiones
(Raiffa)
• Procesos Markovianos de
Decisión (Howard)
Leonid
Wilhelm Jordan Andréi
Kantoróvich
Precursor de Andréyevich
Márkov Problemas de
modelos lineales
distribución
Precursor modelos
dinámicos Jenö Egerváry y
Hermann probabilisticos König Dénes
Minkowski Métodos de
Precursor de asignación
modelos lineales INVESTIGACIÓN DE OPERACIONES: HISTORIA
Qué es Investigación de Operaciones
Es la aplicación del método científico por equipos
interdisciplinarios a problemas que comprenden el
control y gestión de sistemas organizados (hombre-
máquina); con el objetivo de encontrar soluciones que
sirvan mejor a los propósitos del sistema (u
organización) como un todo, enmarcados en procesos
de toma de decisiones.
 Las empresas
cuentan con
recursos
limitados

Problemas Ingreso de Existen varias Problemas

nuevos formas de
administrativos productos al fabricar un operacionales
Mercado La producto
investigación
de operaciones
como método
para la toma de
decisiones

Surgen nuevas
tecnologías que Los gobiernos
permiten dictan leyes
modificar el ecológicas más
método de restrictivas
producción
Modelos matemáticos
* Modelos prescriptivos o de optimización
* Modelos estáticos y dinámicos
* Modelos lineales y no lineales
* Modelos enteros y no enteros
* Modelos determinísticos y estocásticos
Metodología para diseñar un modelo

Formulación Recopilación de datos y Hallar las soluciones

del construcción del modelo factibles que genera el
problema matemático modelo matemático

Selección de
la solución
óptima

¿Es
Modificación del aplicable la
modelo solución
óptima?

La solución del modelo

es solución general del
problema original
 Modelos prescriptivos o de optimización
Estos modelos estudian el comportamiento de una organización para que pueda alcanzar su(s) meta(s).
Sus principales elementos son:

Función(es)
Variables
objetivo Restricciones
de decisión
(F.O.)

• Puede ser de:
Maximización (Max) ó
Minimización (Min)
• Se representan con una
letra como: Z, T, etc.
Ejemplo:
Maximizar Z = 3X + 4Y
Minimizar W = A + 2B
• Son valores que se pueden
controlar
• Influyen en el desempeño
del sistema
• Se puede determinar sus
valores para maximizar o
minimizar una F.O.
• Se representan con letras
como: x, y, A, M1, etc.
• Limitan los valores de las
variables
• Se expresan en forma
algebraica y usan símbolos
como: =, ≥, ≤
• Ejemplo: 3X1 + X2 >= 220
PROGRAMACIÓN LINEAL

qué es?...
… es el campo de la programación matemática dedicado a maximizar o minimizar una
función lineal, denominada función objetivo, de tal forma que las variables de dicha
función estén sujetas a una serie de restricciones expresadas mediante un sistema de
ecuaciones o inecuaciones también lineales
 Comprensión del • consiste en leer detenidamente el
problema problema en cuestión e identificar

Pasos para la formulación de problemas de PL:

claramente su objetivo

Definición de las • consiste en representar simbólicamente las

variables de decisión decisiones que se van a tomar usando el modelo
de programación lineal.

Formulación de la • este paso consiste en definir el objetivo o meta que se desea

función objetivo alcanzar. Esta función muestra la relación existente entre la
producción y la utilidad que se pretende alcanzar, o el costo
para llevar a cabo dicha producción o cualquier otro objetivo
perseguido

Planteamiento de • debido a que existen recursos limitados entre actividades

las restricciones competitivas, es necesario formular restricciones que
permiten ver claramente las condiciones con que se debe
contar para resolver el problema

Formulación de las • consiste en restringir todas las

variables a que sean mayores o
condiciones de no iguales a cero
negatividad

Nota: Al diseñarse se debe tener en cuenta que las variables, la

función objetivo y las restricciones sean de tipo lineal.
…practiquemos como elaborar restricciones

Expresión literal Expresión algebraica

El volumen debe estar entre 1 y 5 litros 1 ≤ 𝑉1 ≤ 5

La mezcla debe estar compuesta sólo de A, B y C 𝐴+𝐵+𝐶 =1

Para producir mesas y sillas, se deben usar no más de 80 𝑋1 + 𝑋2 ≤ 80

horas de tiempo de carpintería semanalmente.

Debido a la demanda limitada, cuando mucho se deben 𝑋1 ≤ 40

producir cada semana 40 mesas

No se puede invertir en acciones de Sider Perú y Southern 𝑆+𝐶 ≤1

Copper Corp a la vez.

El volumen del contenedor debe ser al menos de 12000 cm3 𝐿 ∗ 𝑊 ∗ 𝐻 ≥ 12000

El nivel de inventario inicial es de 1000 kilos. El nivel de 𝐼𝑖 = 1000

inventario final debe ser al menos de 1500 kilos 𝐼𝑓 ≥ 1500
 Ejemplos
Modelo de un Programa lineal en forma General
(a)
La representación general de un modelo de PL con n número
de variables de decisión y m + n número de restricciones es:
Función objetivo que hay que maximizar o minimizar según el
caso:
Z = c1x1 + c2x2 + … + cnxn
Sujeto a las restricciones:
a11x1 + a12x2 + … + a1nxn [ ≤ , ≥ ó = ] b1 (b)
a21x1 + a22x2 + … + a2nxn [ ≤ , ≥ ó = ] b2
.
.
.
am1x1 + am2x2 + … + amnxn [ ≤ , ≥ ó = ] bm
donde x1 , x2 , … , xn son todas positivas, es decir xj ≥ 0,
para j = 1 , 2 , … , n
Modelo de PL en forma estándar
Se dice que un problema de programación lineal tiene la forma
estándar si:
① Todas las variables de decisión son no negativas.
② Las restricciones son de igualdad con constantes no
negativas en el lado derecho.

Maximizar (o Minimizar) Z = c1x1 + c2x2 + … + cnxn

Sujeto a:
a11x1 + a12x2 + … + a1nxn = b1
a21x1 + a22x2 + … + a2nxn = b2
.
.
.
am1x1 + am2x2 + … + amnxn = bm
donde x1 , x2 , … , xn son no negativas
y las constantes b1 , b2 , … , bn son no negativas
Modelo de PL en forma matricial

El modelo matemático de programación lineal en su

forma matricial es como se muestra a continuación:
REGLAS DE EQUIVALENCIA
Primera regla

Maximizar cX es equivalente a minimizar –cX

Ejemplo: Máx. Z = 3X1 + 4X2 es equivalente a Min (-Z) = -3X1 – 4X2.

O también se puede realizar a la inversa así:
Minimizar cX es equivalente a maximizar –cX

Ejemplo: Min Z = 7X1 + 9X2 es equivalente a Máx. (-Z) = -7X1 – 9X2.

Segunda regla

Una desigualdad AX ≤ b es equivalente a –AX ≥ -b.

Ejemplo:
3X1 +6X2 +4X3 < 150 es equivalente a -3X1-6X2 -4X3 ≥ -150.
Esta regla también se puede dar al revés así:
Una desigualdad AX ≥ b es equivalente a –AX ≤ -b.
Ejemplo:
3X1 +6X2 ≥ 150 es equivalente a -3X1 -6X2 ≤ -150.
 Tercera regla
Toda restricción de la forma AX = b se puede establecer como la intersección
de dos desigualdades así: AX ≤ b y AX ≥ b.
Ejemplo: 4X1 + 3X2 + 3X3 = 120 horas es equivalente a la intersección de las
dos siguientes restricciones:
4X1 + 3X2 + 3X3 < 120 horas.
4X1 + 3X2 + 3X3 ≥ 120 horas.

Cuarta Regla
Ejemplo: 5X1 + 3X2 + 7X3 < 100.
Toda desigualdad de la forma AX ≤ b puede convertirse 3X1 + 6X2 + 4X3 < 150.
en igualdad mediante
4X1 + 3X2 + 3X3 < 120.
la adición de un vector H en el lado izquierdo de la
Es equivalente a: 5X1 + 3X2 + 7X3 + H1 = 100.
restricción. Este vector contiene
3X1 + 6X2 + 4X3 + H2 = 150.
m componentes no negativas y se le denomina vector de
4X1 + 3X2 + 3X3 + H3 = 120.
holgura y a sus
H1, H2, H3 > 0
componentes variables de holgura. Es decir el vector
queda así:
Quinta regla
Toda desigualdad de la forma AX ≥ b puede convertirse
en igualdad mediante la resta de un vector S en el lado
izquierdo de la restricción. Este vector contiene m
componentes no negativas y se le denomina vector de
exceso o superflúo y a sus componentes variables de
exceso o superflúo. Es decir, el vector queda así:

Ejemplo: 5X1 + 3X2 + 7X3 ≥ 100.

3X1 + 6X2 + 4X3 ≥ 150.
4X1 + 3X2 + 3X3 ≥ 120.
Es equivalente a: 5X1 + 3X2 + 7X3 - S1 = 100.
3X1 + 6X2 + 4X3 - S2 = 150.
4X1 + 3X2 + 3X3 - S3 = 120.
S1, S2, S3 > 0
Sexta regla
Una variable no restringida (en algunos textos se denomina irrestricta), es aquella
que puede tomar cualquier clase de valor: positivos, cero o negativos; puede
escribirse como la diferencia entre otras dos variables no negativas.

Ejemplo: si la variable X1 se considera no restringida, es equivalente a expresar

esta misma variable como: X1 = R1 – R2. (Con R1 y R2 mayores o iguales que cero)

La variable X1 será positiva si R1 es mayor que R2, será cero si R1 es igual que R2
y será negativa si R1 es menor que R2.
Actividad Individual