Pasos para resolver un problema mediante la Investigación de Operaciones

Entorno
X1 X2 X3 1) Definir las variables
X4 X5 X6 ¿Qué se desea conocer?
Xn

2) Establecer el objetivo
¿Qué se quiere lograr?

6) Aplicar la solución
3) Definir las restricciones
¿Qué limita el logro del objetivo?

5) Validar la solución 4) Aplicar el algoritmo matemático

¿La solución es viable? ¿Cómo se resuelve el problema?

Elaborado por: Ing. Ángel González

 variables Los 3 primeros pasos permiten
a conocer? el diseño del modelo matemático.

el objetivo
re lograr?

estricciones
o del objetivo?

mo matemático
e el problema?
 Diseño del modelo matemático
(PRODUCCIÓN A PERÍODO ÚNICO)

Ejemplo 1

Variables:
x: gal/día de pintura de aceite fabricados
y: gal/día de pintura de caucho fabricados

Objetivo:
Maximizar los Ingresos por ventas de pinturas ($/día)
Max z=5x+4y ($/día)

Restricciones
Demanda de P. de Aceite x≤2 (gal/día)
Relación entre la demanda -x+y≤2 (gal/día)
Disponibilidad de MP1 6x+4y≤24 (kg/día)
Disponibilidad de MP2 x+2y≤6 (kg/día)

Condición de no negatividad x,y≥0

Elaborado por: Ing. Ángel González

 Diseño del modelo matemático

Ejemplo 2

Variables:
x: min/mes de publicidad por radio
y: min/mes de publicidad por TV

Objetivo:
Maximizar el número de clientes captados al mes
Max z=x+10y (clientes/mes)

Restricciones
Presupuesto para publicidad 15x+300y≤10000 ($/mes)
Relación entre las variables x/y≥2 (la relación radio entre TV debe ser al meno
x-2y≥2
Publicidad por radio x≤390 (min/mes) 13 min/día*30 días/mes=390 min/mes

Condición de no negatividad x,y≥0

Elaborado por: Ing. Ángel González

dio entre TV debe ser al menos el doble)

días/mes=390 min/mes
 Diseño del modelo matemático
(PRODUCCIÓN A PERÍODO ÚNICO)

Ejemplo 3

Variables:
x: Cantidad de pasteles fabricados al día
y: Cantidad de tequeños fabricados al día

Objetivo:
Maximizar los Ingresos por ventas de productos (Bs/día)
Max z=1200x+1000y (Bs/día)

Restricciones
1) Disponibilidad de Harina 3x+2y≤600 (gr/día)
2) Disponibilidad de Queso 5x+2y≤800 (gr/día)
3) Disponibilidad de Tiempo 2x+3y≤750 (min/día)
4) Demanda de pasteles 20≤x≤150 (pasteles/día)
5) Demanda de tequeños y≤225 (tequeños/día)

Condición de no negatividad x,y≥0, entero

Elaborado por: Ing. Angel González

 Diseño del modelo matemático

Ejemplo 4

Variables:
x: hrs/día para estudiar
y: hrs/día para hacer deporte

Objetivo:
Maximizar la diversión
Max z=x+2y

Restricciones
Tiempo disponible x+y≤13 (hrs/día)
Relación entre las variables x≥y
x-y≥0
Horas de estudio x≥5 (hrs/día)

Condición de no negatividad x,y≥0

Elaborado por: Ing. Angel González

 Diseño del modelo matemático
(PRODUCCIÓN A PERÍODO ÚNICO)

Ejemplo 5

Variables:
x: Cantidad de mesas producidas al día
y: Cantidad de sillas producidas al día

Objetivo:
Maximizar la ganancia=Ingresos-costos
Max z=40x+15y-20x-5y
z=20x+10y ($/día)

Restricciones
Demanda de sillas y≥120 (sillas/día)
Demanda de mesas x≤30 (mesas/día) Una mesa requiere 4 sillas. Entonces 1
Horas de trabajo 6x+3y≤600 (hrs/día) Si se fabrican 100 mesas en 600 hrs, e
Si la silla requiere la mitad de trabajo
Condición de no negatividad x,y≥0, entero

Elaborado por: Ing. Angel González

 na mesa requiere 4 sillas. Entonces 120 sillas cubren 30 mesas
i se fabrican 100 mesas en 600 hrs, entonces el tiempo de producción es de 6 hrs/mesa
i la silla requiere la mitad de trabajo de una mesa, entonces requiere la mitad de tiempo. El tiempo de producción es de 3 hrs/silla
oducción es de 3 hrs/silla
 Diseño del modelo matemático
(PRODUCCIÓN CON FALTANTES)

Ejemplo 6

Variables:
x: Cantidad de pantalones producidos por semana
y: Cantidad de franelas producidas por semana
w: Cantidad de sacos producidos por semana
fx: cantidad de pantalones faltantes por semana
fy: cantidad de franelas faltantes por semana
fw: cantidad de sacos faltantes por semana

Objetivo:
Maximizar la ganancia=Ingresos-costo de penalización
Max z=50x+30y+60w-20fx-12fy-25fw ($/sem)

Restricciones
Tiempo disponible en corte 0,3x+0,2y+0,4w≤560 (hrs/sem)
Tiempo disponible en costura 0,25x+0,18y+0,35w≤400 (hrs/sem)
Tiempo disponible en empaque 0,15x+0,1y+0,12w≤250 (hrs/sem)
Pedidos de pantalones x+fx=800 (uni/sem)
Pedidos de franelas y+fy=600 (uni/sem)
Pedidos de sacos w+fw=500 (uni/sem)

Condición de no negatividad x,y,w,fx,fy,fw≥0, entero

Elaborado por: Ing. Angel González

 Diseño del modelo matemático
(PLANIFICACIÓN URBANA)

Ejemplo 7

Variables:
x: Cantidad de casas simples a construir
y: Cantidad de casas dobles a construir
w: Cantidad de casas triples a construir
p: cantidad de casas antiguas a demoler

Objetivo:
Maximizar el ingreso por alquiler
Max z=1000x+2000y+3000w ($/mes)

Restricciones
Cantidad de casas a demoler p≤300 (casas)
Área disponible 40x+70y+90w≤(0,85)(60p) (m2) El 15% del terreno dispon
40x+70y+90w-51p≤0 (m2) el terreno disponible para
Presupuesto para el proyecto 50000x+70000y+130000w+2000p≤15000000 ($)
Requerimiento de Casas dobles y triples y+w≥0,25(x+y+w) El total de casas se repres
-0,25x+0,75y+0,75w≥0
Requerimiento de Casas simples x≤0,1(x+y+w)
0,9x-0,1y-0,1w≤0

Condición de no negatividad x,y,w,p≥0, entero

Elaborado por: Ing. Angel González

l 15% del terreno disponible es para calles y áreas comunes. Entonces
l terreno disponible para construir casas es el 85% de 60p (m2 demolidos)

l total de casas se representa con x+y+w

 Diseño del modelo matemático
(PRODUCCIÓN CON INVENTARIO)

Ejemplo 8

Variables:
x1: Cantidad de puertas a producir en el mes 1
x2: Cantidad de puertas a producir en el mes 2
x3: Cantidad de puertas a producir en el mes 3
x4: Cantidad de puertas a producir en el mes 4
x5: Cantidad de puertas a producir en el mes 5
I1: cantidad de puertas a almacenar en el mes 1
I2: cantidad de puertas a almacenar en el mes 2
I3: cantidad de puertas a almacenar en el mes 3
I4: cantidad de puertas a almacenar en el mes 4
I5: cantidad de puertas a almacenar en el mes 5

Objetivo:
Minimizar costo total=costo de producción+costo de almacenamiento ($/mes)
Min z=60x1+55x2+30x3+25x4+70x5+10(I1+I2+I3+I4+I5) ($/mes) X1

Restricciones
Pronóstico del mes 1 x1=I1+300
MES 1
x1-I1=300 (puertas)
Pronóstico del mes 2 x2+I1=I2+150
x2+I1-I2=150 (puertas)
Pronóstico del mes 3 x3+I2=I3+400 300
x3+I2-I3=400 (puertas)
Pronóstico del mes 4 x4+I3=I4+200
x4+I3-I4=200 (puertas)
Pronóstico del mes 5 x5+I4=I5+390
x5+I4-I5=390 (puertas)
Disponibilidad del almacén I1,I2,I3,I4,I5≤100 (puertas)

Condición de no negatividad x1,x2,x3,x4,x5,I1,I2,I3,I4,I5≥0, entero

Elaborado por: Ing. Angel González

 X2 X3 X4 X5

I1 I2 I3 I4 I5
MES 2 MES 3 MES 4 MES 5

150 400 200 390

 Diseño del modelo matemático
(PLANIFICACIÓN DE RECURSOS)

Ejemplo 9

Variables:
x1: Cantidad de buses que salen a las 12am
x2: Cantidad de buses que salen a las 4am
x3: Cantidad de buses que salen a las 8am
x4: Cantidad de buses que salen a las 12m
x5: Cantidad de buses que salen a las 4pm
x6: Cantidad de buses que salen a las 8pm

Objetivo:
Minimizar la cantidad total de buses
Min z=x1+x2+x3+x4+x5+x6 (buses)

Restricciones
Requerimiento de buses entre 12am-4am x1+x6≥5 (buses)
Requerimiento de buses entre 4am-8am x1+x2≥10 (buses)
Requerimiento de buses entre 8am-12m x3+x2≥12 (buses)
Requerimiento de buses entre 12m-4pm x3+x4≥6 (buses)
Requerimiento de buses entre 4pm-8pm x5+x4≥15 (buses)
Requerimiento de buses entre 8pm-12am x5+x6≥4 (buses)

Condición de no negatividad x1,x2,x3,x4,x5,x6≥0, entero

Elaborado por: Ing. Angel González

Comportamiento de los buses
Buses requeridos 5 10 12 6 15 4
Horas 12am-4am 4am-8am 8am-12m 12m-4pm 4pm-8pm 8pm-12m

x1
x2
x3
x4
x5
x6 x6
 Diseño del modelo matemático
(MODELO DE INVERSIÓN)

Ejemplo 9

Variables:
A: Proyecto A
B: Proyecto B
C: Proyecto C
D: Proyecto D
E: Proyecto E
F: Proyecto F

Objetivo:
Maximizar el VPN total (M$)
Max z=25A+32B+20C+24D+40E+35F (M$)

Restricciones
Dinero disponible para invertir 10A+15B+12C+18D+20E+25F≤60 (M$)
Requerimientos de inversión A+B≤1
C+D+F≤2
C-E=0

Condición de variable binaria: A,B,C,D,E,F: (0;1)

0: No invertir en el proyecto
1: Invertir en el proyecto

Elaborado por: Ing. Ángel González

 Diseño del modelo matemático
(MODELO DE MEZCLA)

Ejemplo 11

Variables:
x: Cantidad de botellas de jugo PIÑANJA producidas al mes
y: Cantidad de botellas de jugo FREPIÑA producidas al mes
w: Cantidad de botellas de jugo NANFRESA producidas al mes

Objetivo:
Maximizar la ganancia= Ingresos-costo de jugo de naranja-costo de jugo de piña-costo de jugo de fresa-costo de botella
Max z=20x+20y+20w-3(0,4x+y+1,8w)-3,5(2x+0,5y+0,7w)-4(0,6x+1,5y+0,5w)-2,5(x+y+w) ($
z=6,9x+6,75y+7,65w ($/mes)

Restricciones
Disponibilidad de jugo de naranja 0,4x+y+1,8w≤1000 (lt/mes)
Disponibilidad de jugo de piña 2x+0,5y+0,7w≤1200 (lt/mes)
Disponibilidad de jugo de fresa 0,6x+1,5y+0,5w≤900 (lt/mes)
Demanda de PIÑANJA x≤300 (botellas/mes)
Demanda de FREPIÑA y≤320 (botellas/mes)
Demanda de NANFRESA w≤274 (botellas/mes)

Condición de no negatividad x,y,w≥0, entero

Elaborado por: Ing. Angel González

 o de jugo de fresa-costo de botella
)-4(0,6x+1,5y+0,5w)-2,5(x+y+w) ($/mes)

La demanda es de 900 lt/mes, cada botella trae 3 lt. Entonces la demanda es de 300 botellas
La demanda es de 960 lt/mes, cada botella trae 3 lt. Entonces la demanda es de 320 botellas
La demanda es de 822 lt/mes, cada botella trae 3 lt. Entonces la demanda es de 274 botellas
 Diseño del modelo matemático
(MODELO DE TRANSPORTE)

Ejemplo 12

Variables:
x1: Cantidad de unidades trasladadas del proveedor A al cliente 1
x2: Cantidad de unidades trasladadas del proveedor A al cliente 2
x3: Cantidad de unidades trasladadas del proveedor A al cliente 3
x4: Cantidad de unidades trasladadas del proveedor B al cliente 1
x5: Cantidad de unidades trasladadas del proveedor B al cliente 2
x6: Cantidad de unidades trasladadas del proveedor B al cliente 3
x7: Cantidad de unidades trasladadas del proveedor C al cliente 1
x8: Cantidad de unidades trasladadas del proveedor C al cliente 2
x9: Cantidad de unidades trasladadas del proveedor C al cliente 3

Objetivo:
Minimizar el costo de transporte
Min z=10x1+30x2+20x3+22x4+12x5+16x6+15x7+21x8+17x9 ($)

Restricciones
Oferta del proveedor A x1+x2+x3=4000 (uni)
Oferta del proveedor B x4+x5+x6=1000 (uni)
Oferta del proveedor C x7+x8+x9=1500 (uni)
Demanda del cliente 1 x1+x4+x7=2500 (uni)
Demanda del cliente 2 x2+x5+x8=3000 (uni)
Demanda del cliente 3 x3+x6+x9=1000 (uni)

Condición de no negatividad x1,x2,x3,x4,x5,x6,x7,x8,x9≥0, entero

Elaborado por: Ing. Angel González

 Cliente
Proveedor 1 2 3 Oferta (uni)
A 10 30 20 4000
B 22 12 16 1000
C 15 21 17 1500
Demanda (uni) 2500 3000 1000
*Los valores rojos indican los costos de traslado ($/uni)

OJO: Un problema de transporte debe estar siempre balanceado.

Esto implica que la sumatoria de la oferta debe ser igual a la sumatoria de la demanda.
De no estar balanceado, se agrega una fila o columna ficticia para balancear el problema.

Total oferta= 6500

Total demanda= 6500
Balanceado
umatoria de la demanda.
para balancear el problema.
 Diseño del modelo matemático
(MODELO DE ASIGNACIÓN)

Ejemplo 13

Variables:
x1: Juan se encarga de lavar
x2: Juan se encarga de limpiar
x3: Juan se encarga de cocinar
x4: Emilia se encarga de lavar
x5: Emilia se encarga de limpiar
x6: Emilia se encarga de cocinar
x7: Pedro se encarga de lavar
x8: Pedro se encarga de limpiar
x9: Pedro se encarga de cocinar

Objetivo:
Minimizar el costo total
Min z=15x1+18x2+20x3+19x4+15x5+16x6+20x7+21x8+20x9 ($)

Restricciones
Juan ejecuta una tarea x1+x2+x3=1
Emilia ejecuta una tarea x4+x5+x6=1
Pedro ejecuta una tarea x7+x8+x9=1
Alguien lava la ropa x1+x4+x7=1
Alguien limpia la casa x2+x5+x8=1
Alguien cocina la comida x3+x6+x9=1

Condición de variable binaria: x1,x2,x3,x4,x5,x6,x7,x8,x9: (0;1)

0: No hace la tarea
1: Hace la tarea

Elaborado por: Ing. Ángel González

 Tareas
Hijos Lavar Limpiar Cocinar
Juan 15 18 20
Emilia 19 15 16
Pedro 20 21 20
*Los valores rojos indican los costos ($)

OJO: Un problema de asignación debe tener una matriz cuadrada.

De no serlo, se deben agregar las filas o columnas necesarias para volverla cuadrada.
 Diseño del modelo matemático
(RUTA MÁS CORTA)

Ejemplo 14

Variables:
x12: Camino entre los nodos 1 y 2
x13: Camino entre los nodos 1 y 3
x23: Camino entre los nodos 2 y 3
x34: Camino entre los nodos 3 y 4
x35: Camino entre los nodos 3 y 5
x42: Camino entre los nodos 4 y 2
x45: Camino entre los nodos 4 y 5

Objetivo:
Minimizar la distancia entre los nodos 1 y 5
Min z=100x12+30x13+20x23+10x34+60x35+15x42+50x45 (km)

Restricciones
Nodo 1 1=x12+x13
Nodo 2 x12+x42=x23
x12+x42-x23=0
Nodo 3 x13+x23=x34+x35
x13+x23-x34-x35=0
Nodo 4 x34=x42+x45
x34-x42-x45=0
Nodo 5 x35+x45=1

Condición de variable binaria: x12,x13,x23,x34,x35,x42,x45: (0;1)

0: No pertenece a la ruta más corta
1: Pertenece a la ruta más corta

Elaborado por: Ing. Ángel González

En los modelos de redes cada flecha representa una variable y cada nodo una restricción.
Se debe cumplir que lo que entre en un nodo debe ser igual a lo que sale.