25/03/2015

INVESTIGACION DE OPERACIONES II

Ing. Enrique M. Avendaño Delgado

ead@upnorte.edu.pe

REGLAS DE CONVIVENCIA:

• PUNTUALIDAD
Hora de Inicio de Clase:
Según lo establecido en Horario

• ASISTENCIA
Límite de Faltas: 11

• Exámenes en al Fecha
Trámite en la Oficina de Bienestar Universitario

Norma: GF-BU-P01-N01

• CELULAR en vibrador.
No Mensajes de Texto, ni Internet
Phubbing

• DESCANSO POR SESION

Clase Teoría: (10 min a las 9.00 am)

1
 25/03/2015

AULA VIRTUAL

2
 25/03/2015

AULA VIRTUAL

FORMAS DE COMUNICACIÓN:

Al término de Clase

eavendano@hotmail.com

facebook.com/enrique.avendanodelgado

@enriqueavendano

3
 25/03/2015

TRABAJO APLICATIVO T3

FERIA DE INVESTIGACION DE OPERACIONES

TRABAJO APLICATIVO T3

FERIA DE INVESTIGACION DE OPERACIONES

4
 25/03/2015

TRABAJO APLICATIVO T3

FERIA DE INVESTIGACION DE OPERACIONES

TRABAJO APLICATIVO T3

FERIA DE INVESTIGACION DE OPERACIONES

5
 25/03/2015

TRABAJO APLICATIVO T3

FERIA DE INVESTIGACION DE OPERACIONES

TRABAJO APLICATIVO T3

FERIA DE INVESTIGACION DE OPERACIONES

6
 25/03/2015

TRABAJO APLICATIVO T3

FERIA DE INVESTIGACION DE OPERACIONES

TRABAJO APLICATIVO T3

FERIA DE INVESTIGACION DE OPERACIONES

7
 25/03/2015

TRABAJO APLICATIVO T3

FERIA DE INVESTIGACION DE OPERACIONES

TRABAJO APLICATIVO T3

FERIA DE INVESTIGACION DE OPERACIONES

8
 25/03/2015

PREGUNTAS...?

REGLAS

• ASISTENCIA
• PUNTUALIDAD
• EXAMENES EN LA FECHA
• PARTICIPACION EN CLASES
• HORIZONTALIDAD
SIN TIMIDEZ...

REPASO

Ing. Enrique M. Avendaño Delgado

ead@upnorte.edu.pe

9
 25/03/2015

LA PL DESCANSA EN 4 SUPUESTOS:

Este supuesto asegura que las

variables
de decisión pueden tomar
cualquier valor
• Divisibilidad fraccionario a cualquier nivel.

Toda características de costos,

utilidades,
• Proporcionalidad utilización de recursos,
contribuciones a
las propiedades de los productos y
demás,
• Aditividad siempre serán en forma
proporcional al
valor de la variable asociada.

• Determinístico
Todos los coeficientes de costos, los
coeficientes tecnológicos y los valores
para los niveles de recursos son
conocidos determinísticamente. Todo
efecto probabilístico o estocástico
inherente se asume que se ha reducido
Este supuesto garantiza que el costo
total es la suma de todos los costos
parciales y que la contribución total en
cada restricción es la suma de las
contribuciones individuales. Esto es, no
hay substitución ni efectos de interacción
entre actividades

3 CONDICIONES BÁSICAS:

Variables de decisión y parámetros

 Función Objetivo
Restricciones
Condiciones de No Negatividad

10
 25/03/2015

PROGRAMACIÓN LINEAL (PL)

• Todas las variables están restringidas

a tomar valores positivos

Max (z) = C.X

sujeto a:

AX ≤ b
Xi ≥ 0 ; i = 1,2,…n

EJEMPLO 1: GIAPETTO’S WOODCARVING (JUGUETES DE MADERA GIAPETTO)

Giapetto´s Woodcarving, Inc. Manufactura dos tipos de juguetes de madera: soldados

y trenes. Un soldado se vende en 27 dólares y requiere 10 dólares de materia prima.
Cada soldado que se fabrica incrementa la mano de obra variable y los costos globales
de Giapetto en 14 dólares. Un tren se vende en 21 dólares y utiliza 9 dólares de su
valor en materia prima. Todos los trenes fabricados aumentan la mano de obra variable
y los costos globales de Giapetto en 10 dólares.

La fabricación de soldados y trenes de madera requiere dos tipos de mano de obra especializada:
carpintería y acabados. Un soldado necesita dos horas de trabajo de acabado y una hora de carpintería.
Un tren requiere una hora de acabado y una hora de carpintería. Todas las semanas, Giapetto consigue
todo el material necesario, pero sólo 100 horas de trabajo de acabado y 80 de carpintería. La demanda
de trenes es ilimitada, pero se venden cuando mucho 40 soldados por semana. Giapetto desea
maximizar las utilidades semanales (ingresos – costos),

Diseñe un modelo matemático para la situación de Giapetto que

se use para maximizar las utilidades semanales de la empresa.

11
 25/03/2015

SOLUCIÓN: EJEMPLO 1: GIAPETTO’S WOODCARVING)

Al desarrollar el modelo para Giapetto se explotan las características

que comparten todos los problemas de programación lineal.

Variables de decisión: Se empieza por definir las variables de decisión pertinentes. En

cualquier modelo de programación lineal, las variables de decisión deben describir
por completo las decisiones que se tienen que tomar (en este caso, Giapetto).
Evidentemente, Giapetto debe decidir cuántos soldados y trenes se debe fabricar
cada semana.

X1 : Cantidad de soldados fabricados cada semana

X2 : Cantidad de trenes fabricados cada semana

SOLUCIÓN: EJEMPLO 1: GIAPETTO’S WOODCARVING)

Función Objetivo: En cualquier programación lineal, el que toma las decisiones desea
maximizar (por lo regular, los ingresos y las utilidades) o reducir al mínimo (casi
siempre, los costos) algunas funciones de la variable de decisión. La función que se
desea maximizar o minimizar recibe el nombre de función objetivo. En lo que se
refiere al problema de Giapetto, se observa que los costos fijos (como renta o los
seguros) no dependen de los valores de x1 y x2. Por consiguiente Giapetto se puede
concentrar en maximizar (ingresos semanales) – (costos de compra de materia prima)
– (otros costos variables).
Los ingresos y los costos por semana de Giapetto, se pueden expresar en términos de
las variables de decisión x1 y x2, Sería una tonteria que Giapetto fabricara más
soldados de los que pueden venderse, así que se supone que todos los juguetes
producidos se venderán. Entonces.

12
 25/03/2015

SOLUCIÓN: EJEMPLO 1: GIAPETTO’S WOODCARVING)

Ingresos por semana = Ingresos por semana proporcionados por los soldados
+ ingresos por semana proporcionados por los trenes

 Dólares  Solados   Dólares  Trenes 

Ingresos por semana       
 Soldado  Semana   Tren  Semana 

Ingresos por semana  27 X 1  21X 2

SOLUCIÓN: EJEMPLO 1: GIAPETTO’S WOODCARVING)

Asimismo,
Costos de la materia prima a la semana = 10x1 + 9x2
Otros costos variables a la semana = 14x1 + 10x2
Entonces, Giapetto quiere maximizar
(27x1 + 21x2) – (10x1 + 9x2) – (14x1 + 10x2) = 3x1 + 2x2
Por consiguiente, el objetivo de Giapptto es escoger x1 y x2 para
maximizar 3x1 + 2x2. Se utiliza la variable z para notar el valor de la
función objetivo de cualquier PL. La función objetivo de Giapetto es:

F.O. Max z  3x1  2x2

13
 25/03/2015

SOLUCIÓN: EJEMPLO 1: GIAPETTO’S WOODCARVING)

Restricción: A medida que X1 y X2 se incrementan, la función objetivo de Giapetto

se hace más grande. Esto quiere decir que si Giapetto fuera libre para escoger
cualquier valor para X1 y X2, la compañía podría tener unas utilidades
arbitrariamente grandes al escoger X1 y X2 muy grandes. Desafortunadamente, los
valores de X1 y X2 están controlados por las siguientes tres restricciones (con
frecuencia llamadas limitaciones).
Restricción 1: Se pueden usar cada semana no mas de 100 horas de tiempo de
acabado.
Restricción 2: Cada semana se pueden usar no más de 80 horas de tiempo de
carpintería.
Restricción 3: Debido a la demanda limitada, cuando mucho se deben producir cada
semana 40 soldados.

SOLUCIÓN: EJEMPLO 1: GIAPETTO’S WOODCARVING)

Se suponeque
Obsérvese quelas
la cantidad
unidadesde demateria prima
todos los en existencia
términos es ilimitada,
en la ecuación asíson
anterior que no
hay restricción alguna relacionada con esto.
horas de acabado por semana. Para que una restricción sea razonable, todos los
términos de la
El siguiente restricción
paso debe tener las
en el planeamiento demismas
un modelounidades. De lo contrario,
matemático uno
para el problema
está sumandoesperas
de Giapetto con manzanas,
expresar por lo1que
las restricciones a 3 la
enrestricción
términos denolastendría significado
variables de
alguno.
decisión X1 y X2, Para expresar la restricción 1 de acuerdo con X1 y X2, obsérvese
que:
Total de hr de acabado  hr. de acabado  Soldados fabricados   hr de acabado  Trenes fabricados 
    
Semana  Soldado  Semana   tren  semana 

 2 X 1  1 X 2  2 X 1  X 2
Entonces la restricción 1 se expresa:

2 X 1  X 2  100

14
 25/03/2015

SOLUCIÓN: EJEMPLO 1: GIAPETTO’S WOODCARVING)

Para expresar la restricción 2 en términos de X1 y X2, nótese que

Total de hr de carpinteria  hr. de carpinteria  Soldados fabricados   hr de carpinteria  Trenes fabricados 
    
Semana  Soldado  Semana   tren  semana 

 1 X 1  1 X 2  X 1  X 2
Entonces la restricción 2 se expresa:

X 1  X 2  80
Obsérvese una vez más que las unidades de todos los términos en la
ecuación anterior. Son las mismas (en este caso, horas de carpintería a
la semana).

SOLUCIÓN: EJEMPLO 1: GIAPETTO’S WOODCARVING)

Por último, el hecho de que cuando mucho se venden a la semana 40 soldados, se expresa
limitando la producción semanal de soldados a máximo 40 de ellos. Así se tiene la siguiente
restricción:

X 1  40
Por consiguiente, las ecuaciones de las restricciones horas de acabado y la demanda de
mercado (2X1 + X2 <=100 y X1 <= 40) en términos de las variables de decisión; se
designan con el nombre de restricciones para el problema de programación lineal de
Giapetto. Los coeficientes de las variables de decisión en las restricciones se conocen con
el nombre de coeficientes tecnológicos. La razón del nombre es que los coeficientes
tecnológicos reflejan a menudo las tecnologías utilizadas para producir distintos productos.
Por ejemplo, el coeficiente tecnológico de X2 en la ecuación (X1 + X2 <= 80) es 1, lo cual
indica que un soldado

15
 25/03/2015

SOLUCIÓN: EJEMPLO 1: GIAPETTO’S WOODCARVING)

Requiere un ahora de carpintería. El número en el segundo miembro de cada restricción se

denomina segundo miembro de la restricción (smr). Con frecuencia el smr representa la
cantidad de un recurso que está disponible.

Restricción: Se tiene que dar respuesta a las preguntas siguientes para cada variable de
decisión con el fin de completar la formulación de un problema de programación lineal: la
variable de decisión puede asumir sólo valores no negativos, o bien, ¿la variable de
decisión puede asumir tanto valores positivos como negativos?
Si una variable de decisión Xi sólo puede sumir valores no negativos, entonces se añade
la restricción de signo Xi >= 0. Si una variable Xi puede asumir tanto valores positivos
como negativos (o cero). Entonces se dice que Xi no tiene restricciones de signo (se
abrevia con frecuencia (nrs).

SOLUCIÓN: EJEMPLO 1: GIAPETTO’S WOODCARVING)

Por lo que se refiere al problema de Giapetto, es evidente que X1 >= 0 y X2

>= 0. Pero algunas variables podrían ser nrs en otros problemas. Por
ejemplo, si Xi representa un saldo de efectivo de una empresa, entonces Xi
podría ser considerada negativa si la empresa debe más dinero del que tiene
a mano. En este caso sería conveniente clasificar Xi como nrs.

16
 25/03/2015

SOLUCIÓN: EJEMPLO 1: GIAPETTO’S WOODCARVING)

Variables: X1 : Cantidad de soldados fabricados cada semana

X2 : Cantidad de trenes fabricados cada semana

F.O. Max z  3x1  2x2

s.a. 2 X 1  X 2  100
X 1  X 2  80
X 1  40
X 1; X 2  0

EJERCICIO 2

La empresa Whitt Window tiene sólo tres empleados que hacen dos tipos de ventanas a
mano: con marco de madera y con marco de aluminio. La ganancia es de $60 por cada
ventana con marco de madera y de $30 por cada una con marco de aluminio. Carlos hace
marcos de madera y puede terminar 6 al día. Katty hace 4 marcos de aluminio por día.
Moisés forma y corta el vidrio y puede hacer 48 pies cuadrados de vidrio por día. Cada
ventana con marco de madera emplea 6 pies cuadrados de vidrio y cada una de aluminio, 8
pies cuadrados.
La compañía desea determinar cuántas ventanas de cada tipo debe producir al día para
maximizar la ganancia total.

17
 25/03/2015

EJERCICIO 2 - DESARROLLO

OBJETIVO:
Maximizar la ganancia total por la venta de los dos tipos de ventanas.

CONDICIONES:
Los trabajadores Doug, Linda y Bob no pueden exceder su capacidad de producción

VARIABLES DE DECISIÓN:
Sean:
X1 : la cantidad de ventanas con marco de madera a producir al día
X2 : la cantidad de ventanas con marco de aluminio a producir al día

EJERCICIO 2 - DESARROLLO

Trabajador V. Madera V. Aluminio Capacidad

Doug √ X 6 Unidades

Linda X √ 4 Unidades

Bob 6ft2/v 8ft2/v 48 Ft2/v

V. Madera V. Aluminio
Ganancia 60$/v 30$/v

18
 25/03/2015

EJERCICIO 2 - DESARROLLO

• El PL será:

Unidad 1
Modelos Determinísticos De Decisión

PROGRAMACIÓN ENTERA Y
BINARIA

Ing. Enrique M. Avendaño Delgado

ead@upnorte.edu.pe

19
 25/03/2015

INTRODUCCIÓN

• Hasta ahora hemos visto los problemas de programación lineal en el dominio de los
reales. Sin embargo, en muchos modelos algunas o todas las variables de decisión
deben ser enteras. Estos modelos son conocidos como modelos de programación lineal
entera (ILP).
• A primera vista podría parecer más fácil resolver problemas con restricción de enteros,
ya que transforman un problema continuo en un problema discreto. Los modelos de
programación lineal entera se pueden clasificar en:

Modelo Tipos de Variables de Decisión

Completamente entero
Todas son enteras
(AILP)
Algunas, pero no todas son
Mixto (MILP)
enteras
Binaria (BILP) Todas son binarias (0 ó 1)

PROGRAMACIÓN ENTERA

• La PE tiene gran cantidad de aplicaciones en todos los campos.

• Hay problemas que no pueden resolverse con las técnicas actuales por:
– Disponibilidad de tiempo de ordenador
– Capacidad de memoria
• Para evitar esto parece sensato calcular la solución de un PE redondeando la solución
continua.
• Pero el redondeo no es aconsejable debido a:
– La solución redondeada no es necesariamente óptima. En muchos casos, ni
siquiera estará cera del óptimo.
– La solución redondeada puede no ser factible.

20
 25/03/2015

PROGRAMACIÓN ENTERA

• Programación Entera es un termino general para

los modelos de programación matemática que
presentan condiciones de integridad (condiciones
que estipulan que algunas o todas las variables
de decisión deben tener valores enteros). Ya
hemos apuntado que los modelos de
programación lineal entera son modelos de
programación lineal que tienen la característica
adicional de que algunas de las variables de
decisión deben tener valores enteros. Existen
diversas clasificaciones de esta categoría de
modelos.
• Programas Enteros Puros, Un modelo entero
puro (PLE) es, como su nombre lo indica, un
problema en el que se exige que todas las
variables de decisión tengan valores enteros

IMPORTANCIA DE LAS SOLUCIONES

ENTERAS

• Existen muchos problemas importantes en los que la “solución

redondeada” simplemente no funciona.
• Por ejemplo, si la solución de un modelo de programación lineal
recomienda que la Boeing construya 11,6 aparatos 747 y 6,8
aparatos 727, el administrador probablemente no quedara
contento con la simple medida de tomar la decisión de construir
11 de los primeros y 6 de los segundos, o cualquier otra
solución redondeada. La magnitud del rendimiento y la
asignación de recursos asociados con cada unidad del
problema aconsejan determinar la mejor solución entera
posible.

21
 25/03/2015

IMPORTANCIA DE LAS SOLUCIONES ENTERAS

• Con otro ejemplo, sé vera que muchos modelos usan variables enteras
para indicar decisiones lógicas. Por ejemplo, veremos que problemas
en los que queramos que una variable “x” sea igual a 1 si vamos a
construir un almacén o x sea igual a cero (si-no). Supóngase que la
solución de una versión de programación lineal de este problema
produce un valor no entero, por ejemplo, x = 0,38. Vemos que este
valor no contiene información aprovechable como solución al problema
real.

IMPORTANCIA DE LAS SOLUCIONES ENTERAS

• Es claro que no podemos construir 0,38 de un almacén. Es cierto que

podemos elegir almacenes de diversos tamaños, pero en todo caso, o
bien tenemos un almacén o no lo tenemos. Se podría suponer que en un
caso como este se trataría de redondear al entero más próximo (0 en
este caso) como forma de salvar la dificultad. Por desgracia, esto no
garantiza que se obtenga una buena (y no digamos óptima) solución.
• En realidad, veremos que el redondeo no siempre conduce a solucione
factibles en casos como este.

22
 25/03/2015

IMPORTANCIA DE LAS SOLUCIONES ENTERAS

• El fondo del asunto es que existen muchos problemas administrativos

importantes que serian de programación lineal si no fuese por el
requerimiento de que sean enteros los valores de algunas variables
de decisión, en los que no se puede encontrar una buena solución
mediante el uso del método Simplex seguido del redondeo de los
valores óptimos resultantes para variables de decisión. Estos
problemas deben ser resueltos mediante algoritmos especialmente
diseñados para resolver problemas de programación entera.

VARIABLES

23
 25/03/2015

PLANEAMIENTO DE PROBLEMAS
DE PROGRAMACIÓN ENTERA

EJEMPLO 1:
PE DE UN PRESUPUESTO DE CAPITAL (*)

• Stockco proyecta cuatro inversiones. La inversión 1 genera un valor neto actual

(VNA) de 16 000 dólares; la inversión 2, un VNA de 22 000 dólares; la inversión 3,
un VNA de 12 000 dólares, y la inversión 4, una VNA de 8 000 dólares. Para cada
inversión se requiere una cierta salida de efectivo en el tiempo presente; la
inversión 1, 5 000 dólares; la inversión 2, 7 000 dólares; la inversión 3, 4 000
dólares; la inversión 4, 3 000 dólares. Dispone en la actualidad de 14 000 dólares
para invertir. Plantee un PE cuya solución le indique a Stockco el modo de
maximizar el VNA obtenido de las inversiones 1 a 4.

(*) Investigación de Operaciones – W. Winston Pág. 478

24
 25/03/2015

EJEMPLO 1

Solución:

X j ( j  1, 2,3, 4)  10 SiSi senoefectua

se efectua la inversion 
la inversion

Por ejemplo: X2 = 1 si invierte en la inversión 2, pero X2 = 0 no se invierte

El VNA que logra Stockco (en miles de dólares) es:

VNA total que logra Stockco = 16X1 + 22X2 + 12X3 + 8X4

EJEMPLO 1

• Por ejemplo: Si Stockco invierte en 1 y en 4, entonces obtiene un

VNA de 16 000 + 8 000 = 24 000 dólares. Esta combinación de
inversiones corresponde a:

• X1 = X4 = 1, X2 = X3 = 0

• El VNA para esta combinación de inversiones es:

• VNA = 16(1) + 22(0) +12(0) + 8(1) = 24 (miles) dólares.

max z  16 x1  22 x2 12 x3  8 x4

25
 25/03/2015

EJEMPLO 1

• Stockco se enfrenta a la restricción de que se puede invertir

cuando mucho 14 000 dólares. Si se aplica el mismo
razonamiento utilizado. Se tiene:

Cantidad total invertida = 5x1 + 7x2 +4x3 +3x4

(en miles de dólares)
Por ejemplo, sí X1 = 0, X2 = X3 = X4 = 1, entonces Stockco invierte en 2,3 y 4.
En este caso, Stokco tiene que invertir 7 + 4 + 3 = 14 (miles de) dólares.

5(0) +7(1) + 4(1) + 3(1) = 14 mi dólares.

5 X1  7 X 2  4 X 3  3 X 4  14

EJEMPLO 1

5 X1  7 X 2  4 X 3  3 X 4  14

Max z  16 X 1  22 X 2  12 X 3  8 X 4
S .a. 5 X 1  7 X 2  4 X 3  3 X 4 14
X j  0 o 1 ( j  1, 2,3, 4)

26
 25/03/2015

EJEMPLO 2

Modifique la formulación de Stockco para tomar en

cuenta cada una de las condiciones siguientes:

1. Stockco puede invertir cuando mucho en dos

inversiones.
2. Si Stockco invierte en 2, entonces también debe
invertir en 1
3. Si Stockco invierte en 2, no puede invertir en 4

EJEMPLO 2

Solución 1:

• Simplemente se adiciona la siguiente restricción:

x1  x2  x3  x4  2
Debido a que cualquier elección de tres o cuatro
inversiones dará X1 + x2 + x3 + x4 >= 3, la desigualdad ya
no considerara las combinaciones de inversiones que
impliquen tres o más inversiones

27
 25/03/2015

EJEMPLO 2

Solución 2:
• Simplemente se adiciona la siguiente restricción:

x2   x1 o bien, x2  x1  0
Entonces ya se tomó en cuenta la segunda
condición. Para que la ecuación equivale a la
condición 2, se consideran dos posibilidades:

EJEMPLO 2

Caso 1: X2 = 1
• X2 = 1, entonces implica que X1>=1. Como X1 tiene
que ser igual a = o a !, esto quiere decir que X 1 = 1,
como se requiere en 2.
Caso 2: X2 = 0

• X2 = 0, entonces implica que X1>=0. Lo cual permite que X1

= 0 o que X1 = 1.
• En resumen: sí X2 = 0, No limita el valor de X1. Esto también
es consistente con la condición 2.

28
 25/03/2015

EJEMPLO 2

Solución 3:

• Simplemente se adiciona la siguiente restricción:

x2  x4  1

EJEMPLO 2

Caso 1: X2 = 1
• X2 = 1, En este caso se invierte en 2, y la condición 3
establece que Stockco no puede invertir en 4 ( es
decir, X4 = 0). Observe que si X2 = 1, entonces la
ecuación queda: 1 + X4 <= 1, o bien, X4 >= 0.
• Por lo tanto, si X2 = 1, entonces la ecuación es
consistente con la condición 3
Caso 2: X2 = 0
• X2 = 0, En este caso, la condición 3 no limita el valor de X4.
Observe que si X2 = 0, entonces la ecuación se reduce a X4
<= 1, lo cual deja libre a X4 para ser igual a 0 o a 1.

29
 25/03/2015

Ejercicios de Aplicación
Material:

•Papel
•Lapicero
•Calculadora

PROBLEMA 1
Tabla 1: Recursos necesarias para Gandhi
Gandhi Cloth Company fabrica tres tipos de prendas de
vestir: camisetas, shorts y pantalones. La elaboración de Tipo de Mano de Tela (Yardas
Prenda Obra (H) cuadradas)
cada tipo de prenda requiere que Gandhi tenga
disponible el tipo de maquinaria apropiada. La Camiseta 3 4
maquinaria necesaria para manufacturar cada tipo de Shorts 2 3
prenda se tiene que rentar a las tarifas siguientes: Pantalones 6 4
maquinaria para camisetas, 200 dólares por semana;
maquinaria para shorts, 150 dólares por semana; Tabla 2: Ingresos e Información del costo para Gandhi

maquinaria para pantalones, 100 dólares por semana. La

Tipo de Precio de Costo Variable
hechura de cada tipo de prenda también requiere las Prenda Venta (Dól) (Dól)
cantidades de tela y mano de obra que se indican en la Camiseta 12 6
tabla 1. Están disponibles cada semana 150 horas de
Shorts 8 4
mano de obra y 160 yardas cuadradas de tela. El costo
unitario variable y el precio de venta para cada tipo de Pantalones 15 8
prenda, se proporcionan en la tabla 2. Formule un PE
cuyo solución maximice la utilidad semana de Gandhi.

30
 25/03/2015

PROBLEMA 2

• La empresa Petrolium Oil, tiene que perforar en dos lugares atractivos de perforación
para alcanzar cuatro posibles pozos de petróleo, los costos de preparación de cada sitio
por pozo y el costo de perforar en el sitio i al posible j (Lugar: i=1,2; Sitio: j=1,2,3,4) se
dan en la siguiente tabla. El objetivo es determinar el mejor sitio para cada pozo de tal
manera que el costo total se minimice. Formule el problema como un modelo de
programación entera y sugiera un método para obtener la solución optima. Debe
considerar solo puede perforar un pozo por sitio.

Costo de perforación para llegar a la meta

Sitio 1 2 3 4 Costo de
Preparación
1 2 1 8 5 5

2 4 6 3 1 6

PROBLEMA 3

• J.C. Nickles recibe pagos de tarjetas de crédito desde cuatro regiones del país (Oeste,
Oeste Medio, Este y Sur). El valor promedio diario de pagos que envían por correo los
clientes desde cada región es como se indica: Oeste, 70 000 dólares; Oeste medio, 50
000 dólares; Este, 60 000 dólares, Sur, 40 000 dólares. Nickles tiene que decidir en
dónde los clientes deben enviar por correo sus pagos. Como Nickles puede ganar 20%
de interés anual si invierte estos ingresos, le gustaría recibir los pagos tan rápido como
sea posible.
• Nickles, piensa iniciar un sistema de percepción de pagos para procesar los pagos tan
rápido como sea posible en cuatro ciudades distintas: Los Angeles, Chicago, Nueva York
y Atlanta. La cantidad promedio de días, (desde el momento en que el pago se envía)
hasta que es apropiado el cheque y Nickles puede depositar el dinero, depende de la
ciudad a la cual se envía el pago, según se muestra en la tabla.

31
 25/03/2015

PROBLEMA 3
De
Ciudad 1 Ciudad 2 Ciudad 3 Ciudad 4
(Los (Chicago) (Nueva York) (Atlanta)
A Ángeles)
Región 1 Oeste
2 6 8 8
Región 2 Medio
Oeste
6 2 5 5
Región 3 Este
8 5 2 5
Región 4 Sur
8 5 5 2
Por ejemplo, si se envía un cheque desde el Oeste hasta Atlanta, se requieren 8 días promedio
antes de que Nickles pueda ganar intereses con el cheque. El costo anual de financiar un
sistema de percepción de pagos en cualquier ciudad es 50 000 dólares. Plantee un PE con el que
Nickles puede minimizar la suma de los costos debido al interés perdido y a las operaciones del
sistema de percepción de pagos. Suponga que cada región tiene que enviar todo su dinero a
una sola ciudad, y que no hay limite en cuanto a la cantidad de dinero que puede manejar cada
sistema de percepción de pagos.

Asignación Costos de los intereses perdidos al

año
Oeste a L.A. 0.20(70 000)2 = 28 000
Oeste a Chicago 0.20(70 000)6 = 84 000
Oeste a N.Y. 0.20(70 000)8 = 112 000
Oeste a Atlanta 0.20(70 000)8 = 112 000
Oeste medio a L.A. 0.20(50 000)6 = 60 000
Oeste medio a Chicago 0.20(50 000)2 = 20 000
Oeste medio a N.Y. 0.20(50 000)5 = 50 000
Oeste medio a Atlanta 0.20(50 000)5 = 50 000
Este a L.A. 0.20(60 000)8 = 96 000
Este a Chicago 0.20(60 000)5 = 60 000
Este a N.Y. 0.20(60 000)2 = 24 000
Este a Atlanta 0.20(60 000)5 = 60 000
Sur a L.A. 0.20(40 000)8 = 64 000
Sur a Chicago 0.20(40 000)5 = 40 000
Sur a N.Y. 0.20(40 000)5 = 40 000
Sur a Atlanta 0.20(40 000)2 = 16 000

32
 25/03/2015

SOLUCIÓN:

Variables:

Donde Operar el sistema de percepción de pagos. J = 1,2,3, 4

1: Sí opera en la ciudad j el sistema de percepción de pagos

Yj =
0 : Sí , no es así

Donde: j  1. Angeles, 2. Chicago, 3. Nueva York y 4. Atlanta De (j)

Ciudad 1 Ciudad 2 Ciudad 3 Ciudad 4
(Los (Chicago) (Nueva York) (Atlanta)
(i) A Ángeles)
Región 1 x11 x12 x13 X14
1 : Sí la región i envía los pagos a la ciudad j Oeste
Xij =
0 : Sí , no es así Región 2 x21 x22 x23 X24
Medio
Oeste
Región 3 x31 x32 x33 X34
Este
Región 4 Sur x41 x42 x43 x44

Min z = 28x11 + 84x12 + 112x13 + 112x14 + 60x21 + 20x22 + 50x23 + 50x24

+ 96x31 + 60x32 + 24x33 + 60x34 + 64x41 + 40x42 + 40x43 + 16x44
+ 50y1 + 50y2 + 50y3 + 50y4
s.a
x11 + x12 + x13 + x14 >= 1
x21 + x22 + x23 + x24 >= 1
x31 + x32 + x33 + x34 >= 1
x41 + x42 + x43 + x44 >= 1
x11 + x21 + x31 + x41 – 4y1 <= 0
x12 + x22 + x32 + x42 – 4y2 <= 0
x13 + x23 + x33 + x43 – 4y3 <= 0
x14 + x24 + x34 + x44 – 4y4 <= 0
(Restricción de la Región Oeste)
(Restricción de la Región Oeste Medio)
(Restricción de la Región Este)
(Restricción de la Región Sur)
(Restricción de Los Angeles)
(Restricción de Chicago)
(Restricción de Nueva York
(Restricción de Atlanta)

Xij, Yj : 0, 1

33
25/03/2015

34