ING200 – Optimización

PROGRAMACIÓN
LINEAL
Antes de comenzar

2
 Ejercicio 1
La corporación GearBox S.A. es el fabricante líder mundial de las cajas de cambio para camiones. Este mes, la
empresa cerró un importante contrato para el envío de 3 tipos diferentes de cajas de cambio, por un total de
US$750.000. Para fabricar una caja de cambios, se requieren horas de utilización en el torno y el esmeril.

Desafortunadamente, la compañía no tiene suficientes horas disponibles para utilizar los equipos: sólo posee
10.000 horas para el torno y 5.000 para el esmeril. Sin embargo, la compañía puede subcontratar la fabricación
de estos modelos a su competidor. En la tabla siguiente se muestra el costo que se incurre por fabricar cada
modelo y el costo por adquirir los modelos de su competidor.

En la Tabla 1 se muestra un resumen de los requerimientos de fabricación

para cada modelo y su respectiva demanda, mientras que en la Tabla 2 se
muestra el costo que se incurre por fabricar cada modelo y el costo por
adquirir los modelos de su competidor. Formule un modelo de PL que
permita maximizar las utilidades por ventas.
Tabla N° 1 Tabla N° 2
Modelo 1 Modelo 2 Modelo 3 Modelo 1 Modelo 2 Modelo 3
N° Ordenes 3000 2000 900
Horas Torno 2 1,5 3
Fabricar 50 83 130
Horas Esmeril 1 2 1 Adquirir 61 97 3145
 Modelo matemático
● Variables de decisión (VD):

𝑋! : 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑟 𝑑𝑒𝑙 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 1

𝑋" : 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑟 𝑑𝑒𝑙 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 2
𝑋# : 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑟 𝑑𝑒𝑙 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 3

𝑌! : 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑎 𝑐𝑜𝑚𝑝𝑟𝑎𝑟 𝑑𝑒𝑙 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 1

𝑌" : 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑎 𝑐𝑜𝑚𝑝𝑟𝑎𝑟 𝑑𝑒𝑙 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 2
𝑌# : 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑎 𝑐𝑜𝑚𝑝𝑟𝑎𝑟 𝑑𝑒𝑙 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 3

4
 Modelo matemático
● Función objetivo (FO):

𝑀𝑎𝑥 𝑍 = 750.000 − (50𝑋! + 83𝑋" + 130𝑋# + 61𝑌! + 87𝑌" + 145𝑌# )

Tabla N° 2
Modelo 1 Modelo 2 Modelo 3
Fabricar 50 83 130
Adquirir 61 97 145

5
 Modelo matemático
● Restricción Nº 1: Satisfacer la demanda de los clientes

𝑋! + 𝑌! = 3000
𝑋" + 𝑌" = 2000
𝑋# + 𝑌# = 900

Tabla N° 1
Modelo 1 Modelo 2 Modelo 3
N° Ordenes 3000 2000 900
Horas Torno 2 1,5 3
Horas Esmeril 1 2 1

6
 Modelo matemático
● Restricción Nº 2: Respetar la capacidad productiva del torno.

2𝑋! + 1,5𝑋" + 3𝑋# ≤ 10.000

● Restricción Nº 3: Respetar la capacidad productiva del esmeril.

1𝑋! + 2𝑋" + 1𝑋# ≤ 5.000 Tabla N° 1

Modelo 1 Modelo 2 Modelo 3
N° Ordenes 3000 2000 900
Horas Torno 2 1,5 3
Horas Esmeril 1 2 1

7
 Modelo matemático
● Restricción Nº 4: Dominio de las variables de decisión.

𝑋! , 𝑋" , 𝑋# , 𝑌! , 𝑌" , 𝑌# ≥ 0

8
 Nuevas restricciones
● ¿Cómo incluirias las siguientes restricciones al modelo?

○ No se pueden adquirir más de 100, 150 y 130 unidades

subcontratadas para los modelos 1, 2 y 3, respectivamente.

○ No se puede exceder el presupuesto de $200.000 para

subcontratación.

9
 Modelo de clase
Parámetros (P):
¡Recuerde siempre
i: índice para los productos
mantener la consistencia!
i = 1,…,3
j: índice para las máquinas
j ∈ {T, E}

𝐶𝑃! : 𝐶𝑜𝑠𝑡𝑜 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑑𝑒𝑙 𝑚𝑜𝑑𝑒𝑙𝑜 𝑖

𝐶𝐴! : 𝐶𝑜𝑠𝑡𝑜 𝑑𝑒 𝑎𝑑𝑞𝑢𝑖𝑠𝑖𝑐𝑖ó𝑛 𝑑𝑒𝑙 𝑚𝑜𝑑𝑒𝑙𝑜 𝑖
𝛼!" : 𝐻𝑜𝑟𝑎𝑠 𝑛𝑒𝑐𝑒𝑠𝑎𝑟𝑖𝑎𝑠 𝑝𝑎𝑟𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑟 𝑢𝑛𝑎 𝑢𝑛𝑖𝑑𝑎𝑑
𝑑𝑒𝑙 𝑚𝑜𝑑𝑒𝑙𝑜 𝑖 𝑝𝑎𝑟𝑎 𝑙𝑎 𝑚á𝑞𝑢𝑖𝑛𝑎 𝑗
𝐶𝐴𝑃" : 𝐻𝑜𝑟𝑎𝑠 𝑚á𝑞𝑢𝑖𝑛𝑎 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑙𝑒𝑠 𝑒𝑛 𝑙𝑎 𝑚á𝑞𝑢𝑖𝑛𝑎 𝑗
𝑑! : 𝑑𝑒𝑚𝑎𝑛𝑑𝑎 𝑑𝑒𝑙 𝑚𝑜𝑑𝑒𝑙𝑜 𝑖
ING: Ingreso total por el contrato de venta.

10
 Modelo de clase
● Variables de decisión (VD):

𝑋$ = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑟 𝑑𝑒𝑙 𝑚𝑜𝑑𝑒𝑙𝑜 𝑖

𝑌$ = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑎 𝑐𝑜𝑚𝑝𝑟𝑎𝑟 𝑑𝑒𝑙 𝑚𝑜𝑑𝑒𝑙𝑜 𝑖

Una vez definidos, los

índices se pueden utilizar
en todo el modelo
matemático

11
 Modelo de clase
● Función objetivo (FO)

𝑀𝑎𝑥 𝑍 = 750.000 − (50𝑋# + 83𝑋% + 130𝑋$ + 61𝑌# + 87𝑌% + 145𝑌$)

$
𝑀𝑎𝑥 𝑍 = 𝐼𝑁𝐺 − * 𝐶𝑃! 𝑋! + 𝐶𝐴! 𝑌!
!"#

El índice “i” es númerico,

por lo que debo ser
consistente en la sumatoria
12
 Modelo matemático
● Restricción Nº 1: Satisfacer la demanda de los clientes

𝑋! + 𝑌! = 3000
𝑋" + 𝑌" = 2000
𝑋# + 𝑌# = 900
“tantas veces
como productos
𝑋$ + 𝑌$ = 𝑑$ ∀𝑖 = 1, … , 3 tenga”

13
 Modelo matemático
● Respetar la capacidad productiva de las máquinas:

2𝑋! + 1,5𝑋" + 3𝑋# ≤ 10.000

1𝑋! + 2𝑋" + 1𝑋# ≤ 5.000

J 𝑎$& 𝑋$ ≤ 𝐶𝐴𝑃& ∀𝑗 ∈ {𝑇, 𝐸}

$%!

● Dominio:

𝑋$ ≥ 0, 𝑌$ ≥ 0 ∀𝑖: 1, . . , 3
14
 Ejercicio 2
Supongamos que un fabricante de vidrios tiene un contrato con tres proveedores para suministrar a sus tres
plantas. En este contexto, la idea es minimizar los costos totales por las unidades transportadas. No deben
excederse las cantidades contratadas, pero se deben alcanzar los requerimientos de la producción (oferta y
demanda en toneladas). La siguiente imagen representa el problema:

O1 £ 400 4 D1 = 600
7
6
5 5
O2 £ 700 D2 = 500
5
9
O3 £ 500 5
D3 = 300
8

15
 Modelo de instancia
● Iniciamos definiendo las variables de decisión:

X11: Cantidad a transportar desde la planta 1 al cliente 1

X12: Cantidad a transportar desde la planta 1 al cliente 2
X13: Cantidad a transportar desde la planta 1 al cliente 3

X21: Cantidad a transportar desde la planta 2 al cliente 1

X22: Cantidad a transportar desde la planta 2 al cliente 2
X23: Cantidad a transportar desde la planta 2 al cliente 3

X31: Cantidad a transportar desde la planta 3 al cliente 1

X32: Cantidad a transportar desde la planta 3 al cliente 2
X33: Cantidad a transportar desde la planta 3 al cliente 3

16
 Modelo de instancia
● Función objetivo:

𝑀𝑖𝑛 𝑍 = 4𝑋!! + 7𝑋!" + 6𝑋!# +

5𝑋"! + 5𝑋"" + 5𝑋"# +
9𝑋#! + 5𝑋#" + 8𝑋##

4 D1 = 600
O1 £ 400
7
6
5 5
O2 £ 700 D2 = 500
5
9
O3 £ 500 5
D3 = 300 17
8
 Modelo de instancia
● Restricciones:

● Respetar la capacidad productiva de las fábricas:

𝑋!! + 𝑋!" + 𝑋!# ≤ 400

𝑋"! + 𝑋"" + 𝑋"# ≤ 700
𝑋#! + 𝑋#" + 𝑋## ≤ 500

18
 Modelo de instancia
● Restricciones:

● Satisfacer la demanda de los clientes:

𝑋!! + 𝑋"! + 𝑋#! ≥ 600

𝑋!" + 𝑋"" + 𝑋#" ≥ 500
𝑋!# + 𝑋"# + 𝑋## ≥ 300

19
 Modelo de instancia
● Dominio de las variables de decisión:

𝑋!! ≥ 0
𝑋!" ≥ 0
𝑋!# ≥ 0
𝑋"! ≥ 0
𝑋"" ≥ 0
𝑋"# ≥ 0
𝑋#! ≥ 0
𝑋#" ≥ 0
𝑋## ≥ 0
20
 Modelo completo
Variables de decisión: Función objetivo:
X11: Cantidad a transportar desde la planta 1 al cliente 1 𝑀𝑖𝑛 𝑍 = 4𝑋!! + 7𝑋!" + 6𝑋!# +
X12: Cantidad a transportar desde la planta 1 al cliente 2 5𝑋"! + 5𝑋"" + 5𝑋"# +
X13: Cantidad a transportar desde la planta 1 al cliente 3 9𝑋#! + 5𝑋#" + 8𝑋##
X21: Cantidad a transportar desde la planta 2 al cliente 1
X22: Cantidad a transportar desde la planta 2 al cliente 2 Restricciones:
X23: Cantidad a transportar desde la planta 2 al cliente 3
Respetar la capacidad productiva de las fábricas:
X31: Cantidad a transportar desde la planta 3 al cliente 1
X32: Cantidad a transportar desde la planta 3 al cliente 2 𝑋!! + 𝑋!" + 𝑋!# ≤ 400
X33: Cantidad a transportar desde la planta 3 al cliente 3 𝑋"! + 𝑋"" + 𝑋"# ≤ 700
𝑋#! + 𝑋#" + 𝑋## ≤ 500

Satisfacer la demanda de los clientes:

𝑋!! + 𝑋"! + 𝑋#! ≥ 600

𝑋!" + 𝑋"" + 𝑋#" ≥ 500
𝑋!# + 𝑋"# + 𝑋## ≥ 300
21
 Modelo de clase
● Definición de parámetros

N: Conjunto de plantas
i: índice para las plantas
K: Conjunto de clientes
k: índice para los clientes

CTik: Costo de transporte unitario desde la planta i al cliente k

Oi: Oferta de la planta i
Dk: Demanda del cliente k

22
 Modelo de clase
● Variables de decisión

Xik: Cantidad de productos a transportar desde la planta i al cliente k

● Función objetivo

𝑀𝑖𝑛 𝑍 = & & 𝐶𝑇!% 𝑋!%

!∈$ %∈&

23
 Modelo de clase
● Restricciones

● Respetar la oferta de las plantas:

* 𝑋!3 ≤ 𝑂! ∀𝑖 ∈ 𝑁
3∈5

● Satisfacer la demanda de los clientes:

* 𝑋!3 ≥ 𝐷3 ∀𝑘 ∈ 𝐾
!∈6

24
 Modelo de clase
● Restricciones

● Respetar el dominio de las variables de decisión:

𝑋!3 ≥ 0 ∀𝑖 ∈ 𝑁, ∀𝑘 ∈ 𝐾

25
 Problema de la dieta
● Un fabricante de alimentos para mascotas desea establecer la composición
óptima de los pellets para perros. Los pellets son fabricados en base a cuatro
ingredientes: Harina de soya, harina de pescado, cereales y carnes variadas.

● El alimento debe poseer las siguientes características alimenticias:

○ Contenido de proteína: al menos 20%

○ Contenido de la fibra: mínimo 15%

○ Hidratos de carbono: mínimo 20% y máximo 30%

○ Calorías por kilogramo: mínimo 1500 y máximo 2000

26
 Problema de la dieta
● La siguiente tabla contiene información relevante sobre cada uno de los ingredientes:

Ingrediente Proteínas Fibra Hid. Carbono Calorías/kg Costo

(%) (%) (%) ($/kg)
Harina de Soya 10 20 50 800 60
Harina de Pescado 50 5 1500 100

Cereales 5 50 70 1200 80
Carnes 70 5 2000 150

■ El fabricante busca encontrar forma óptima de generar el

producto minimizando los costos totales de producción.

27
 Problema de la dieta
● Parámetros

N: Conjunto de ingredientes
i: índice para los ingredientes Recuerda iniciar con la
N = {Harina de soya (HS), Harina de pescado (HP), Cereales (CE), Carnes (CA)} definición de conjuntos
M: Conjunto de nutrientes para facilitar tu trabajo
j: índice para los nutrientes
M = {Proteína (P), Fibra (F), H. Carbono (HC), Calorias (C)}

Ci: Costo de adquisición del ingrediente i

aij: Aporte del ingrediente i al nutriente j
RMinj: Requerimiento mínimo de nutriente j
RMaxj: Requerimiento máximo de nutriente j
Un parámetro
para cada valor
identificado

28
 Problema de la dieta
● Variable de decisión

Xi: Porcentaje (fracción) del ingrediente i en el alimento

Observa que está

definida como
fracción

29
 Problema de la dieta
● Función objetivo:

𝑀𝑖𝑛 𝑍 = 60𝑋'( + 100𝑋') + 80𝑋*+ + 150𝑋*,

𝑀𝑖𝑛 𝑍 = J 𝐶$ 𝑋$
$ ∈.

30
 Problema de la dieta
● Restricciones

Respetar las cantidades mínimas y máximas de cada tipo de nutriente:

10xHS + 50xHP + 5xCE + 70xCA ≥ 20

20xHS + 50xCE ≥ 15
50xHS + 5xHP + 70xCE + 5xCA ≥ 20
50xHS + 5xHP + 70xCE + 5xCA ≤ 30
800xHS + 1500xHP + 1200xCE + 2000xCA ≥ 1500
800xHS + 1500xHP + 1200xCE + 2000xCA ≤ 2000

31
 Problema de la dieta
La misma restricción escrita en modelo de clase es:

Esta restricción también

𝑅𝑀𝑖𝑛7 ≤ * 𝑎!7 𝑋! ≤ 𝑅𝑀𝑎𝑥7 ∀𝑗 ∈ 𝑀 se puede escribir en dos
!∈6 partes

32
 Problema de la dieta
● Restricciones

Respetar base de cálculo

* 𝑋! = 1
! ∈6

Dominio

𝑋! ∈ 0,1 ∀𝑖 ∈ 𝑁

33
 Problema de mezcla
Una refinería produce cuatro tipos de gasolina (G1, G2, G3 y G4). Dos características importantes son
su número de performance (NP) y su presión de vapor (RVP), dados por los datos de la Tabla 1. La
gasolina puede ser vendida directamente a un precio de $28,3 por barril, o bien pueden ser
mezcladas para obtener gasolinas de aviación (AvG1 y AvG2). La calidad de estas 2 últimas se
muestra en la Tabla 2.

Tabla 1
Producto NP RVP Barriles diarios Tabla 2
G1 107 5 3814 Producto NP RVP Precio de venta
G2 93 8 2666 AvG1 Al menos 100 A lo más 7 31,45
G3 87 4 4016 AvG2 Al menos 91 A lo más 6 30,91
G4 108 21 1300

El NP y el RVP para las mezclas corresponde sencillamente a un promedio de los respectivos NP y RVP
de las gasolinas utilizadas en la producción de las mezclas. El objetivo es obtener un plan de mezcla
de las distintas gasolinas que maximice los retornos.

34
 Problema de mezcla
● Parámetros (iniciales)

N: Conjunto para las gasolinas (N={1,2,3,4})

i: índice para las gasolinas

M: Conjunto de mezclas (M={A,B})

j: índice para las mezclas

35
 Problema de mezcla
● Variables de decisión:

Xi: Cantidad de barriles de gasolina i que son vendidos sin mezclar.

Yj: Cantidad de barriles de mezcla j a vender.

Wij: Cantidad de barriles de gasolina i utilizado para generar la

mezcla j.

36
 Problema de mezcla
● Función objetivo:

𝑀𝑎𝑥 𝑍 = 28,3 𝑋! + 𝑋" + 𝑋# + 𝑋/ + 31,35𝑌, + 30,91𝑌0

37
 Problema de mezcla
● Restricciones:

● Respetar la cantidad de barriles diarios producidos:

𝑋# + 𝑊#8 + 𝑊#9 = 3814

𝑋% + 𝑊%8 + 𝑊%9 = 2666
𝑋$ + 𝑊$8 + 𝑊$9 = 4016
𝑋: + 𝑊:8 + 𝑊:9 = 1300

38
 Problema de mezcla
● Restricciones:

● Respetar las mezclas:

𝑊#8 + 𝑊%8 + 𝑊$8 + 𝑊:8 = 𝑌8

𝑊#9 + 𝑊%9 + 𝑊$9 + 𝑊:9 = 𝑌9

39
 Problema de mezcla
● Restricciones:

● Respetar los requerimientos de NP para las mezclas:

107𝑊#8 + 93𝑊%8 + 87𝑊$8 + 108𝑊:8 ≥ 100𝑌8

107𝑊#9 + 93𝑊%9 + 87𝑊$9 + 108𝑊:9 ≥ 91𝑌9

40
 Problema de mezcla
● Restricciones:

● Respetar los requerimientos de RVP para las mezclas:

5𝑊#8 + 8𝑊%8 + 4𝑊$8 + 21𝑊:8 ≤ 7𝑌8

5𝑊#9 + 8𝑊%9 + 4𝑊$9 + 21𝑊:9 ≤ 6𝑌9

● Dominio:

𝑋! ≥ 0 ∀𝑖 ∈ 𝑁
𝑌7 ≥ 0 ∀𝑗 ∈ 𝑀
𝑊!7 ≥ 0 ∀𝑖 ∈ 𝑁, 𝑗 ∈ 𝑀

41
 Actividad asincrónica
Extender el modelo anterior al
modelo de clase

(Entrega por WebC hasta el viernes a

las 18 horas)

42
 Producción con inventarios
● El objetivo de este problema es planificar la producción de un producto
para un horizonte de T periodos, sin considerar la capacidad del
sistema, y asumiendo que la demanda es conocida para todo el
horizonte de planificación.

● Este problema se conoce en IO como Uncapacitated Lot Sizing Problem.

● Los costos relevantes son de producción e inventarios. Este problema

también se conoce en español como dimensionamiento de lotes.

43
 Producción con inventarios
● Parámetros

T: Conjunto de periodos
t: índice para los periodos

Ct: Costo unitario de priducción en el periodo t

Ht: Costo de almacenar una unidad en inventario en el periodo t
Dt: Demanda en el periodo t

44
 Producción con inventarios
● Variables de decisión

Xt: Cantidad a producir en el periodo t

It: Cantidad a guardar en inventario al final del periodo t

● Función objetivo:

𝑀𝑖𝑛 𝑍 = *(𝐶; 𝑋; + 𝐻; 𝐼; )
;∈<

45
 Producción con inventarios
● Restricciones:

Satisfacer la demanda: Observe que en los otros modelos, hemos utilizado

la producción para satisfacer la demanda.

En este caso, estamos frente a un problema que tiene producción pero

también inventarios, por lo que la clave es:

LO QUE TENGO = LO QUE OFREZCO

46
 Producción con inventarios
● Restricciones:

● Entonces, lo que tengo será la producción del periodo actual sumado a

lo que haya guardado en el periodo anterior.

● Lo que ofrezco, tendrá que ser la demanda del periodo actual más lo
que voy a guardar al final del periodo (podemos interpretar el inventario
como una suerte de demanda interna!)

𝐼;=# + 𝑋; = 𝐷; + 𝐼;

47
 Producción con inventarios
● ¿Pero qué pasa en t = 1?

● En ese caso, tenemos un problema, porque el periodo “0” no existe, por

lo que debemos incluir lo que llamaremos como Condición de Borde:

𝐼> = 0

48
 Incluyendo capacidades
Podemos fácilmente agregar una restricción de capacidad mediante la
definición del parámetro:

CAPt: Capacidad de producción en el periodo t

Y finalmente incluyendo la siguiente restricción:

𝑋; ≤ 𝐶𝐴𝑃; ∀𝑡 ∈ 𝑇

¿Es necesario que la capacidad sea definida por periodo?

49
Modelo de transporte y distribución

50
Una compañía forestal cosecha árboles los primeros meses del año. La compañía tiene una serie de
pedidos que debe satisfacer cada mes. Estos datos se resumen a continuación:
Mes Enero Febrero Marzo Abril Mayo Junio
Demanda 1500 2150 1800 3150 2800 1600

Al 1 de Enero hay un total de 40 trabajadores y no hay árboles en inventario. La jornada laboral es de 40

horas semanales y 4 semanas laborales al mes. Para cosechar un árbol se requiere 4 horas hombre.
Independiente de lo anterior la forestal tiene una capacidad de cosecha de 3.000 árboles mensuales lo cual
está dado por la maquinaria disponible.
El sueldo mensual de cada trabajador es de M$400 (el sueldo se paga de forma íntegra ante todo evento,
es decir, trabajando la totalidad de horas al mes o menos). La política de la gerencia es no utilizar horas
extraordinarias pero si podría subcontratar arboles a otra forestal cercana a un costo unitario de M$18. El
costo de contratar un trabajador es de M$200 (jornada completa, no existen contratos parciales) y el costo
de despedir un trabajador se estima en M$600. Almacenar un árbol en bodega tiene un costo de M$10 de
un mes a otro. Sin embargo, en la bodega no hay espacio para almacenar más de 500 árboles.
Formule un modelo de optimización lineal para este problema que permita hallar una política óptima de
producción, inventarios y personal. Indique claramente las variables de decisión del modelo y detalle
explícitamente la función objetivo y cada una de las restricciones del modelo.

57
Una compañía forestal cosecha árboles los primeros meses del año. La compañía tiene una serie de
pedidos que debe satisfacer cada mes. Estos datos se resumen a continuación:
Mes Enero Febrero Marzo Abril Mayo Junio
Demanda 1500 2150 1800 3150 2800 1600

Al 1 de Enero hay un total de 40 trabajadores y no hay árboles en inventario. La jornada laboral es de 40

horas semanales y 4 semanas laborales al mes. Para cosechar un árbol se requiere 4 horas hombre.
Independiente de lo anterior la forestal tiene una capacidad de cosecha de 3.000 árboles mensuales lo cual
está dado por la maquinaria disponible.
El sueldo mensual de cada trabajador es de M$400 (el sueldo se paga de forma íntegra ante todo evento,
es decir, trabajando la totalidad de horas al mes o menos). La política de la gerencia es no utilizar horas
extraordinarias pero si podría subcontratar arboles a otra forestal cercana a un costo unitario de M$18. El
costo de contratar un trabajador es de M$200 (jornada completa, no existen contratos parciales) y el costo
de despedir un trabajador se estima en M$600. Almacenar un árbol en bodega tiene un costo de M$10 de
un mes a otro. Sin embargo, en la bodega no hay espacio para almacenar más de 500 árboles.
Formule un modelo de optimización lineal para este problema que permita hallar una política óptima de
producción, inventarios y personal. Indique claramente las variables de decisión del modelo y detalle
explícitamente la función objetivo y cada una de las restricciones del modelo.

58
 Actividad asincrónica

Leer el siguiente artículo sobre el problema del

tamaño del lota no capacitado, y su
reformulación con horizonte rodante:

https://www.gestiondeoperaciones.net/plan-
maestro-de-la-produccion/problema-de-
tamano-de-lote-no-capacitado/

59