Métodos Cuantitativos de Gestión

Introducción a la Programación Lineal (2)

 Una compañía posee dos minas (A y B) en las que se extrae 3 tipos diferentes de
materiales (hierro, carbón y níquel). La extracción de la mina A produce cada día 1
tonelada de hierro, 3 toneladas de carbón y 5 toneladas de níquel. La mina B
produce cada día 2 toneladas de cada tipo de material. La compañía extractora
necesita obtener cantidades que superen o igualen las 80 toneladas de hierro, 180
toneladas de carbón y 200 toneladas de níquel. Se conoce también que cada mina
tiene un periodo máximo de explotación de 80 días. Sabiendo que el coste de la
operación es de 2000 €/día en cada mina, se pide:

a) Modelar mediante programación lineal el problema de decidir cuántos días debe

trabajar cada mina para que el coste sea mínimo.
b) Resolver gráficamente el problema, identificar la región admisible, representar la
función objetivo y calcular el punto óptimo.

Ton/dia HIERRO CARBÓN NIQUEL 1. Definición de las variables de decisión.

MINA A 1 3 5
MINA B 2 2 2 XA: Número de días que trabajaremos la mina A.
necesidad 80 T 180 T 200 T
XB: Número de días que trabajaremos la mina B.
MINA A
2000 €/dia
MINA B
2. Definición de las restricciones.
• Rest. 1: La cantidad de hierro extraída tiene que ser igual o superior a las 80 T.

XA + 2XB ≥ 80
• Rest. 2: La cantidad de carbón extraída tiene que ser igual o superior a las 180 T.

3XA + 2XB ≥ 180

• Rest. 3: La cantidad de níquel extraída tiene que ser igual o superior a las 200 T

5XA + 2XB ≥ 200

• Cada mina tiene un periodo máximo de explotación de 80 días

Rest. 4: XA ≤ 80
Rest. 5: XB ≤ 80
• Rest. 6: No negatividad de las variables

XA ≥ 0 XB ≥ 0
3. Definición de la función objetivo.
• La función objetivo es la minimización de los costes de operación totales
de las minas. Se conoce que cada mina tiene un coste de 2000 € /día.

MIN Z = 2000 XA + 2000 XB

Modelo matemático de programación lineal

MIN Z = 2000 XA + 2000 XB

XA + 2XB ≥ 80
3XA + 2XB ≥ 180
5XA + 2XB ≥ 200
XA ≤ 80
XB ≤ 80
XA ≥ 0 XB ≥ 0
Método de resolución gráfica
1.-Representar las restricciones
R1 XA + 2XB ≥ 80
Si XA=0XB=40
Si XB=0XA=80

R1
Método de resolución gráfica
1.-Representar las restricciones
R1 XA + 2XB ≥ 80
R2 3XA + 2XB ≥ 180
Si XA=0XB=90
Si XB=0XA=60

R1

R2
Método de resolución gráfica
1.-Representar las restricciones
R1 XA + 2XB ≥ 80
R2 3XA + 2XB ≥ 180
R3 5XA + 2XB ≥ 200
Si XA=0XB=100
Si XB=0XA=40

R1

R3 R2
Método de resolución gráfica
1.-Representar las restricciones
R1 XA + 2XB ≥ 80
R2 3XA + 2XB ≥ 180
R3 5XA + 2XB ≥ 200
R4 XA ≤ 80
R5
R5 XB ≤ 80

R4
R1

R3 R2
Método de resolución gráfica
1.-Representar las restricciones
R1 XA + 2XB ≥ 80
R2 3XA + 2XB ≥ 180
R3 5XA + 2XB ≥ 200
R4 XA ≤ 80
A R5 B
R5 XB ≤ 80
E
REGIÓN DE
ADMISIBILIDAD

R4
R1
D
R3 R2 C
Método de resolución gráfica
2.-Representar la función objetivo

MIN Z = 2000 XA + 2000 XB =cte

Óptimo

A R5 B D (50,15)
E
D (R1 ∩ R2)
@ mejora
XA + 2XB = 80
R4 3XA + 2XB = 180
R1
D
Fobj
R3 R2 C
Modelo con variables binarias

Activar la variable binaria implica la realización del concepto

Implicaciones cuantitativas

Implicaciones excluyentes o incluyentes

El valor de una variable binaria depende del valor de otra.

Si β1 =1  β2 =0

?
Modelo con variables binarias
Implicaciones excluyentes o incluyentes

Si β2 =1  β3 =1

?
Si no realizo el concepto 3, tampoco realizo el concepto 4

Si β3 =0  β4 =0
Modelo con variables binarias
Regla nemotécnica para modelar restricciones incluyentes o excluyentes
Modelo con variables binarias
Regla nemotécnica para modelar restricciones incluyentes o excluyentes

Si β1 =1 & β2 =0  β3 =0
Si β1 =1  β2 =0
Si β1 =0  β2 =0

Si β1 =1 & β2 =1 & β3 =1  β4 =0

Si β1 =1  β2 =0
Si β1 =1  β2 =0 & β3 =0
DIVIDE Si β1 =1  β3 =0
Modelo con variables binarias
Regla nemotécnica para modelar restricciones incluyentes o excluyentes

Si β1 =1 OR β2 =1  β3 =1 Si A  E = Si Ē  Ā

Si β3 =0  β1 =0 & β2 =0

Si β1 =1  β3 =1
Si β1 =1 OR β2 =1  β3 =1
DIVIDE Si β2 =1  β3 =1

Si β1 =1  β2 =1 OR β3 =1
SUMA
Modelo con variables binarias
Regla nemotécnica para modelar restricciones incluyentes o excluyentes

& SUMA & DIVIDE

OR DIVIDE OR SUMA
Modelo con variables binarias
Regla nemotécnica para modelar restricciones incluyentes o excluyentes

Escribiremos únicamente los casos en los que la

variable de salida tome un valor determinado
Modelo con variables binarias
Regla nemotécnica para modelar restricciones incluyentes o excluyentes
α1 y α2 son dos variables binarias que representan si se compran o
no dos determinados artículos (artículos 1 y 2)
β es una variable binaria que representan la aplicación de un descuento

Si se adquieren los dos artículos, se aplica el descuento.

0
0
0
1
 βi =1 si se selecciona al candidato i
1. Definición de las variables de decisión.
0 en caso contrario
2. Definición de la función objetivo
Se desea maximizar el nivel y experiencia total del equipo seleccionado.

2. Definición de las restricciones

Sólo se puede emplear a un jefe de proyecto.

Al menos debe contratarse un programador.

El programador 1 y el jefe de proyecto 5 no pueden trabajar juntos.

Si el equipo está formado por el programador 2 y el analista 3, entonces el jefe de

proyecto no puede ser el 5.

Si β2 =1 & β3 =1  β5 =0

Definición de variables.
EJ. 6. Una empresa dispone de M (i=1,…,M) pedidos para ser procesados por los 12
operarios disponibles del mismo perfil. Cada pedido i necesita de un nº de operarios
conocido (ni). Se observa que la suma de los operarios necesarios (Σni) es superior al
total disponible (12), por lo que hay que seleccionar los pedidos a procesar y cuáles no
se harán. Se conocen los beneficios de cada pedido (bi). Además se tienen algunas
peculiaridades de compatibilidades entre los pedidos:
1. Definición de las variables de decisión. βi =1 si se selecciona el pedido i
0 en caso contrario
2. Definición de la función objetivo
Se desea maximizar el beneficio total de los pedidos.

3. Definición de las restricciones

Sólo se dispone de 12 operarios para realizar los pedidos.

Incompatibilidades de pedidos.

Si β1 =1  β2 =0 & β4 =0

Si β1 =1  β2 =0
DIVIDE
Si β1 =1  β4 =0

22
 Compatibilidades de pedidos.

Si β2 =1  β4 =1
Si β4 =1  β3 =1 & β7 =1
Si β4 =1  β3 =1
DIVIDE
Si β4 =1  β7 =1

MODELO DE PL

23
 Considérese un recinto formado por una serie de salas comunicadas entre sí a
través de puertas. El objetivo es conocer el número mínimo de vigilantes que hay
situar en las diferentes puertas del recinto sabiendo que un vigilante situado en una
puerta vigila las dos salas que comunica. ¿Como debe ser la distribución si se
desea que cada habitación esté vigilada por un vigilante?

9 Definición de las variables

1 3 5 7
5 βj =1 si se coloca un vigilante en
10 11 la puerta j
2 4 7 0 en caso contrario

8 Definición de F_Obj
2 3
4 6 6 8 9
MIN
12

Definición de Restricciones
La sala 1 tiene que estar vigilada
La sala 2 tiene que estar vigilada
La sala 3 tiene que estar vigilada
 500
600
425
475
350
400

βi =1 si se alquila la nave i; 0 caso contrario

1. Definición de las
αci =1 si almacena cemento la nave i; 0 caso contrario
variables de decisión.
αvi =1 si almacena vehículos la nave i; 0 caso contrario
2. Definición de la función objetivo
Se desea minimizar el coste total de alquiler de las naves Descuentos?
MIN ∑ pi βi = 500 β1 + 600 β2 + 425 β3 + 475 β4 + 350 β5 + 400 β6
2. Definición de las restricciones
Las naves alquiladas tienen que albergar 50 T de cemento
∑ Tni αci ≥ 50 = 25 αc1 + 30 αc2 + 20 αc3 + 20 αc4 + 15 αc5 + 30 αc6 ≥ 50
Las naves alquiladas tienen que albergar 5 vehículos
∑ vi αvi ≥ 5 = 3 αv1 + 3 αv2 + 2 αv3 + 3 αv4 + 2 αv5 + 4 αv6 ≥ 5
En cada nave sólo se puede almacenar 1 concepto (cemento o vehículos)
αci + αvi ≤ 1 i=1..6
Relación entre variables del problema (αci , αvi y βi)
Si βi =1 αci =1 OR αvi =1 βi ≤ αci + αvi i=1..6
βi = αci + αvi
Si βi =0 αci =0 & αvi =0 i=1..6
βi ≥ αci + αvi i=1..6
Si βi =0  αci =0 βi ≥ αci i=1..6
DIVIDE 2βi ≥ αci + αvi i=1..6
Si βi =0  αvi =0 βi ≥ αvi i=1..6
 Si alquilo la nave 2, entonces tengo que alquilar al menos la nave 1 o la nave 3.

Si β2 =1 β1 =1 OR β3 =1 β2 ≤ β 1 + β3
Si alquilo la nave 4, podría alquilar la nave 5 pero no la nave 3

Si β4 =1 β5 =[0,1] Si β4 =0 β5 =0 β4 ≥ β 5

Si β4 =1 β3 =0 β4 + β 3 ≤ 1
Descuento de 50.000 si alquilo las naves 1 o 6
Definición de variable D1 =1 si se aplica el descuento 1; 0 caso contrario

MIN 500 β1 + 600 β2 + 425 β3 + 475 β4 + 350 β5 + 400 β6 – 50 D1

β1 β6 D1
Si β1 =1 OR β6 =1  D1 =1 0
1

Si β1 =1  D1=1 OR 1
β1 ≤ D1 1
DIVIDE β1 + β6 ≤ 2 D1
Si β6 =1  D1 =1 β6 ≤ D1

Si β1 =0 AND β6 =0  D1 =0 (1 - β1 )+ (1 -β6 ) ≤ 1 + (1- D1)

( - β1 )+ ( -β6 ) ≤ (- D1) β1 + β6 ≥ D1
Descuento de 100.000 si alquilo las naves 4 y 5
Definición de variable D2 =1 si se aplica el descuento 2; 0 caso contrario

MIN 500 β1 + 600 β2 + 425 β3 + 475 β4 + 350 β5 + 400 β6 – 50 D1 – 100 D2

β4 β5 D2
Si β4 =1 & β5 =1  D2 =1 β4 + β5 ≤ 1 + D2 0
0
0
(1 – β4 )+ (1 –β5 ) ≤ 1 + (1- D2) AND 1

(1 – β4 )+ β5 ≤ 1 + (1- D2)
β4 + (1 –β5 ) ≤ 1 + (1- D2)

β4 + β5 ≥ D2
– β4 + β5 ≤ 1- D2
β4 – β5 ≤ 1- D2
MODELO DE PL

MIN 500 β1 + 600 β2 + 425 β3 + 475 β4 + 350 β5 + 400 β6 – 50 D1 – 100 D2

25 αc1 + 30 αc2 + 20 αc3 + 20 αc4 + 15 αc5 + 30 αc6 ≥ 50

3 αv1 + 3 αv2 + 2 αv3 + 3 αv4 + 2 αv5 + 4 αv6 ≥ 5
βi =αci + αvi i=1..6
β 2 ≤ β 1 + β3
β4 ≥ β 5
β4 + β 3 ≤ 1
β1 + β6 ≤ 2 D1
β1 + β6 ≥ D1
β4 + β5 ≤ 1 + D2
β4 + β5 ≥ D2
– β4 + β5 ≤ 1- D2
β4 – β5 ≤ 1- D2
βi , αci , αvi