Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Su importancia en la solución de
múltiples problemas de
Optimización. Iniciarse en el arte
de modelar.
Introducción
Varias asignaturas que deben cursar estudiantes de carreras como Ingeniería Industrial y
Administración de Empresas, estudiantes en maestrías de Ingeniería, etc., requieren para
ser aprobadas satisfactoriamente, o como prerrequisitos previos de otros cursos, la
modelación matemática de problemas en los que debe optimizarse en general “algo”
teniendo en cuenta ciertos recursos de que se dispone. Como ejemplos tenemos, en la
PUJ de Cali, los cursos actuales de Modelación y Programación Matemática,
Investigación Operativa, Optimización Combinatoria, Optimización Aplicada,
Ingeniería de Operaciones, y el que pronto se iniciará de Modelación Logística.
La meta de la labor del profesor no es preparar a los estudiantes para un examen, sino
para su desempeño en la vida profesional, de una manera integral, donde se enfrentará a
retos mayores que problemas “académicos”. Por ello se incluyen en el texto algunas
consideraciones a partir de problemas reales de Optimización en cuyas soluciones la
autora ha participado, con una breve introducción sobre la interrelación de la
modelación matemática con otros aspectos que deben tenerse en cuenta para que la
modelación de un problema real no quede archivada en una gaveta, y pueda ser un
elemento importante en la solución de un conjunto de problemas. Posteriormente se va
incursionando en la modelación, a través de una variedad de situaciones en 19 ejemplos
que se resuelven con todo detalle, que incluyen problemas modelados con variables
continuas, enteras, binarias ó mixtas, con diferentes niveles de dificultad. En los
ejemplos presentados la modelación se va realizando con explicaciones de cómo definir
las diferentes componentes de un modelo, así como relacionando algunos errores
frecuentes que usualmente cometen los estudiantes.
Este documento es una primera versión, no terminada, que se entrega para que los
estudiantes de los cursos actuales de Investigación Operativa y Programación
Matemática puedan utilizarlo.
Posteriormente se le incluirán nuevos ejercicios, así como otras situaciones, por ejemplo:
• Casos de problemas cuyos modelos más simples de obtener son no lineales, pero
que pueden ser linealizados.
Se agradece cualquier crítica o sugerencia que permita mejorar este material para su
versión definitiva
La autora
Febrero del 2012
Contenido Pág.
Introducción 5
• ¿Qué es un modelo? 5
• ¿Para qué sirven los modelos? 5
• ¿Por qué la modelación de un problema es muy importante a su vez que en 6
general es difícil adquirir la habilidad de modelación?
• ¿Por qué existen muchas empresas que plantean que los modelos “fallan”? 7
• Recomendaciones iniciales para modelar problemas de PL 10
Modelación de problemas de Programación Lineal (PL) 11
• ¿Qué es la Programación Lineal? 11
• Ejemplo de un modelo de PL 13
• Notación a utilizar para las variables 16
• Organización de la información 18
• Modelos equivalentes: Transformación de la función objetivo 24
• Explicitar lo que representa cada variable 25
• Sustitución de restricciones 29
• Explicitar la dimensión del modelo 31
• Hacer diagrama de la situación planteada 33
• Interpretación de un modelo 38
Modelos con variables binarias 40
De qué depende la complejidad de un modelo 43
Soluciones por el método gráfico. 44
Número de soluciones de un modelo de PL con variables continuas. 48
Ejercicios propuestos 48
Introducción
¿Qué es un Modelo?
En la literatura existen diferentes definiciones de lo que es un modelo. En nuestro
contexto pondremos dos de las más representativas:
confort
E
D
C
F
B
A
costo
Figura 1: Curva de soluciones eficientes
económica, etc., pueden tomar dos soluciones diferentes, de las mejores posibles, que se
encuentran en la curva del gráfico ilustrado, siendo algunas las representadas en los
puntos A, B, C, D y E. Estas mejores soluciones se llaman eficientes, lo que significa
que usted no puede mejorar un objetivo (por ejemplo, disminuir más el costo) sin
afectar el otro objetivo (que sería aumentar el confort). El punto F que no está en esa
curva no es una buena solución, por ejemplo la solución dada por C es mejor, pues tiene
menos costo y aumenta el confort.
1. Los problemas que no son triviales de resolver, y cuya solución se busca a través de
la modelación, tienen en cuenta los siguientes pasos generales, en el orden planteado:
Los modelos representan parte de la realidad, que siempre es más compleja que
cualquier modelo obtenido, por muy sofisticado que este sea. El modelador discrimina
qué aspectos son relevantes y cuáles no, en función del objetivo que pretende alcanzar.
puede haberse resuelto adecuadamente por uno de los métodos existentes, pero no
responder a lo que pide el problema.
¿Por qué existen muchas empresas que no confían en los modelos desarrollados,
básicamente en el ámbito universitario, para la solución de sus problemas y
plantean que los modelos “fallan”?
Estos aspectos fueron incluidos en el modelo planteado (el modelo puede encontrarlo en
André, Baldoquin, Acuña, 2011) que no se hubieran tenido en cuenta sin un análisis
cuidadoso del problema abordado.
La selección del método de solución para el modelo propuesto debe estar muy bien
fundamentado, no solo para permitir resolver la situación actual, sino la escalabilidad
del problema en un futuro, al aumentar las dimensiones del mismo por causas como:
aumento de número de clientes, personal, productos, etc. Para ello debe tenerse en
cuenta cómo se pudiera afectar el desempeño del algoritmo ó método utilizado al
aumentar sus dimensiones y qué aspecto del desempeño del algoritmo es predominante.
Los dos aspectos más importantes en el desempeño de algoritmos utilizados para
El tipo de modelo debe conjugarse con lo planteado sobre el tiempo de respuesta de una
solución. En problemas de Optimización Combinatoria, donde las variables son enteras
y puede existir un número muy grande de soluciones posibles (por ejemplo, 2n, que
crece de manera exponencial al aumentar el “tamaño” del problema dado por el
parámetro n) métodos de solución exactos en general no pueden dar una respuesta en un
tiempo aceptable para valores de n aún relativamente pequeños, exceptuando un número
pequeño de problemas que tienen una estructura “buena” para resolverse con métodos
exactos, no importa su dimensión.
Por último, en muchos casos la solución de un problema dado para una empresa
concluye con el diseño e implementación de una herramienta (software) de apoyo a la
decisión que soporte el modelo propuesto, e implemente métodos y algoritmos para su
solución. La herramienta debe ser “amigable”, permitir personalizar la mayor cantidad
de parámetros posibles que la haga flexible y robusta, de lo contrario implicará una
constante actualización de la misma y con ello la interrupción del uso de la misma y la
pérdida de confianza en su aplicabilidad. Por otro lado debe existir una interacción muy
estrecha entre el personal que desarrolla la herramienta y aquel que la implementará,
conllevando una capacitación de este último personal, que debe tener a su disposición
manuales de usuario de la herramienta a utilizar.
6. Cuando los datos del problema aparecen con unidades de medida diferentes, revise
que no mezcla en una misma restricción ó función unidades de medidas diferentes,
por ejemplo, estar sumando pesos con miles de pesos, centímetros con metros ó
libras con kilogramos.
7. En la presentación del modelo debe declarar explícitamente y en el siguiente orden
la siguiente información:
• Índices utilizados, cuando lo amerite, si las variables están indexadas.
• Datos del problema que utiliza en el modelo, de manera simbólica. Por ejemplo,
si un dato es la demanda de 15 clientes y denotó por i el índice referido a
clientes, expresar este dato por ejemplo con el símbolo Di, para que cuando lo
utilice en restricciones y/o función objetivo se sepa qué significa eso, y no que el
profesor lo tenga que “adivinar” o suponer.
• Variables utilizadas, indicando el número de ellas si están indexadas. Por
ejemplo, no colocar simplemente xi, sino xi, i = 1,…, hasta la cantidad de
valores que toma i.
• Función a optimizar
• Restricciones del problema.
• Restricciones referidas a dominio de las variables. Esto es importante para luego
decidir el método de solución a utilizar. Por ejemplo, no es igual declarar si debe
satisfacerse xi ≥ 0 que xi ≥ 0, enteras
8. Reforzando el aspecto anterior, no mezcle en el modelo variables y datos, sin
saberse qué representan unos y otros, que a veces “hay que adivinarlo” y eso hace
ambiguo e impreciso el modelo.
9. Es importante reconocer los signos de las desigualdades en las restricciones de
acuerdo a lo que piden, en términos de frases como:
• A lo sumo (≤)
• Como mínimo (≥)
• Al menos ó por lo menos (≥)
• Como máximo (≤)
Cuando al referirse a una cantidad disponible de un recurso dado, sea por ejemplo
el valor 30, y referido a ese recurso se usan las palabras a lo sumo ó como máximo,
el signo de la desigualdad debe ser ≤ 30.
Si al referirse a una cantidad que debe hacerse de un producto dado, sea por
ejemplo el valor 15, y referido a ese producto se usan las palabras como mínimo, al
menos ó por lo menos, el signo de la desigualdad debe ser ≥15.
¿Qué sucede si una restricción del modelo se refiere al cumplimiento de una
demanda, a la satisfacción de la demanda?
Depende del contexto del problema, se utilizan los signos = ó ≥. Por las
características de la demanda, si es un producto muy costoso, con ciclo de vida
corto, que por volumen incrementa el valor del inventario, etc., puede pedirse que
se cumpla estrictamente la demanda (=). En otros casos, lo más común es plantearlo
con el signo ≥. En general no afecta a la solución del problema pues es común
plantear la función objetivo como un problema de minimizar costos, por lo cual la
mejor solución buscará satisfacer la demanda mínima, o sea, cumplirse la
restricción en la igualdad, salvo que sea un poco superior debido a la integralidad
de variables cuando representan productos que son cantidades indivisibles.
La función a optimizar se le suele llamar función objetivo y los símbolos c1, c2,…,cn son
números (sus coeficientes). Los símbolos x1, x2,…,xn representan las variables del
modelo. Los símbolos aij son los coeficientes de ese sistema de restricciones, donde i
toma valores entre 1 y m (la cantidad de restricciones que existen) y j toma valores entre
1 y n (la cantidad de variables que existen),.
Ejemplo 1:
Un taller tiene tres tipos de máquinas A, B y C y puede fabricar dos productos. Todos
los productos tienen que ir a cada máquina y cada uno va en el mismo orden: Primero a
la máquina A, luego a la B y luego a la C. La Tabla 1 muestra:
1. Las horas requeridas en cada máquina, por unidad de producto.
2. Las horas totales disponibles para cada máquina, por semana.
3. La ganancia por unidad vendida de cada producto.
A 2 1 18
B 2 3 42
C 3 1 24
Ganancia 3 2
unitaria
Tabla 1
¿Qué cantidad de cada producto se debe manufacturar cada semana, para obtener la
máxima ganancia?
Los elementos que debemos ofrecer para conformar un modelo que responda al
problema son: variables, función a optimizar y restricciones. Las variables son las
primeras que hay que definir, pues sin ellas no se pueden expresar los otros elementos.
En general, una buena definición de las variables es indispensable para obtener
exitosamente un modelo adecuado. Veamos por pasos cómo obtener cada uno de dichos
elementos.
Puesto que el problema se refiere a dos productos, son dos variables: cantidad de
unidades a producir de cada producto semanalmente. Pero hay que denotarlas
simbólicamente.
Denotemos:
x1: Cantidad de unidades a producir del producto A semanalmente
x2: Cantidad de unidades a producir del producto B semanalmente
• Variables: x1, x2
• Variables: x1, x2
Primero debe notar que hay 3 restricciones por limitaciones de recurso, que
corresponden a las horas máximas disponibles para cada tipo de máquina.
¿Cómo plantearlas?
Si cada producto de tipo 1 requiere 2 horas para su producción en la máquina A y se
tienen x1 productos de ese tipo, el total de horas que todos ellos necesitarán en la
máquina A será de 2x1. Análogamente el total de horas requeridas por los productos de
tipo 2 (x2) será 1.x2= x2, pues cada uno requiere solo de una hora para su producción.
Luego el total de horas requeridas por los dos productos para fabricarse en la máquina A
será la suma de las horas requeridas por cada tipo de producto: 2x1 + x2.
Puesto que esa cantidad de horas no debe sobrepasar el límite que se dispone de 18
horas, la primera restricción será:
2x1 + x2 ≤ 18
Con igual análisis para las restricciones por limitaciones de recurso en las máquinas B y
C se tiene que:
Variables:
x1: Cantidad de unidades a producir del producto A semanalmente
x2: Cantidad de unidades a producir del producto B semanalmente
Restricciones:
2x1 + x2 ≤ 18
2x1 + 3x2 ≤ 42
3x1 + x2 ≤ 24
En ese caso está añadiendo limitaciones que no le dan, pues el problema no exige que
tenga que utilizar exactamente el máximo de horas disponibles. La solución de este
modelo buscará utilizar el máximo de recursos posibles (o sea, que la solución satisfaga
las restricciones en la igualdad), pues con ello aumenta la cantidad de productos a
producir y con ello aumenta el valor de la función objetivo que se busca maximizar. Sin
embargo, es posible que el sistema de ecuaciones lineales resultantes de sustituir las
desigualdades por igualdades sea incompatible, o sea, que no tenga soluciones, ni aún
continuas, sin la restricción de integralidad de sus variables.
• F.O. f(x1,x2,…,xn) = c1x1 + c2x2 +…+ cnxn, con c1, c2, …,cn ≥ 0
• TODAS las restricciones son del tipo g(x1,x2,…,xn) ≤ d
• Las soluciones posibles a ofrecer no deben considerar que todas las variables sean
cero
Entonces debe ser un problema de maximizar, de lo contrario la mejor solución sería
x1 = x2 =…= xn = 0
• F.O. f(x1,x2,…,xn) = c1x1 + c2x2 +…+ cnxn, con c1, c2, …,cn ≥ 0
• TODAS las restricciones son del tipo g(x1,x2,…,xn) ≥ d
La notación utilizada para las variables que defina debe permitirle de una forma fácil
identificar qué representa cada variable, lo que le facilitará plantear correctamente la
función objetivo y restricciones.
Ejemplo 2:
Una pequeña empresa que se dedica al turismo ecológico con base en las orillas de un
río tiene $420,000 que puede usar para comprar nuevos botes para rentar durante el
verano. Los botes pueden comprarse a dos fabricantes diferentes. Luego de un análisis
concluyen que:
• Quieren comprar al menos 50 botes
• Comprar la misma cantidad de botes a cada fabricante, para mantener un crédito
favorable de ambos proveedores.
• Los botes comprados tengan al menos una capacidad total de 200 asientos.
En este ejemplo se puede comprar botes a dos fabricantes, y cada uno le oferta dos tipos
diferentes, por lo que son cuatro variables a definir. Pudiera definirlas como x1, x2, x3, x4,
lo cual pudiera confundirlo en lo que representa cada una de ellas, por ejemplo, si las
dos primeras se refiere a un mismo fabricante o si a una característica del bote (pequeño
ó grande).
Variables:
x1 , x2: Número de botes a comprar al fabricante 1
y1, y2: Número de botes a comprar al fabricante 2
En ambos casos el 1 identifica bote pequeño, el 2 bote grande
Restricciones:
6500x1 + 7800x2 + 5400y1 + 9300y2 ≤ 420000 (Presupuesto para comprar)
x1 + x2 + y1 + y2 ≥ 50 (Cantidad total de botes a comprar)
x1 + x2 = y1 + y2 (Cantidad de botes a comprar por fabricantes)
3x1 + 5x2 + 2y1 + 6y2 ≥ 200 (Cantidad total de sillas en los botes)
x1 , x2 , y1 , y2 ≥ 0, enteras
Cuando lo que representa el subíndice describe de manera clara lo que representan las
variables en todos los casos y también cuando se tienen un número considerable de esas
variables.
xij: cantidad de botes comprado al proveedor i del tipo j, donde i =1,…,n, j=1,…,m y
tendría nxm variables de ese tipo.
xijk: cantidad de botes comprado al proveedor i del tipo j con capacidad k, donde:
i =1,…,n, j=1,…,m, k = 1,…,p y tendría nxmxp variables de ese tipo.
Notaciones:
i: Representa el proveedor
j: Representa el tipo de modelo
k: Representa la capacidad del bote
Un error común que se comete cuando se trabaja con variables con subíndices como en
el ejemplo anterior es pensar que se tiene una sola variable, lo cual es falso. Se tiene un
solo tipo de variable. En la Situación 1 se tienen n variables de ese tipo, en la Situación
2 son nxm variables de ese tipo y en la Situación 3 son nxmxp variables de ese tipo.
Ejemplo 3
Con el comienzo del curso se va a lanzar unas ofertas de material escolar. Un tipo de
almacén que oferta materiales escolares quiere ofrecer dos tipos de paquetes con estos
materiales. El primero contendrá 2 cuadernos, 1 carpeta y 2 bolígrafos; el segundo
tendrá 3 cuadernos, 1 carpeta y 1 bolígrafo. Si el almacén dispone de 600 cuadernos,
500 carpetas y 400 bolígrafos para la oferta, y los precios de cada tipo de paquete serán
de $18000 y $21000, respectivamente. ¿Cuántos paquetes convienen preparar de cada
tipo para obtener el máximo beneficio?
P1 P2 Disponibles
Cuadernos 2 3 600
Carpetas 1 1 500
Bolígrafos 2 1 400
Precio 18.00021.000
Tabla 3
En la pregunta se expresa de manera clara que las variables deben ser dos, la cantidad
de paquetes a hacer de cada tipo, y la tabla muestra en las tres primeras filas las
restricciones de disponibilidad en cuanto a cuadernos, carpetas y bolígrafos. La última
fila da la información para generar la función objetivo.
Variables:
x: Cantidad de paquetes a hacer de tipo 1
y: Cantidad de paquetes a hacer de tipo 1
Función objetivo:
max z = 18000x + 21000y
Restricciones:
2 x + 3 y ≤ 600 (Disponibilidad de cuadernos)
x + y ≤ 500 (Disponibilidad de carpetas)
2 x + y ≤ 400 (Disponibilidad de bolígrafos)
x ≥ 0 , y ≥ 0, enteras
Ejemplo 4
Una compañía de transporte dispone de $4.000.000.000 para comprar un nuevo equipo
y está considerando tres tipos de vehículos. El vehículo A puede transportar 10
toneladas y se espera que promedie 35 millas /hora, siendo su costo de $80.000.000. El
vehículo B tiene una capacidad de 20 toneladas, promedia una velocidad de 30
millas/hora, y su costo es $130.000.000. El vehículo C es un modelo modificado del
tipo B, tiene un sitio para que duerma el conductor, lo cual reduce su capacidad a 18
toneladas y eleva su costo a $ 150.000.000.
Cada vehículo A recorre 20 millas por cada galón de gasolina; cada vehículo B recorre
15 millas/galón y cada vehículo C recorre 12 millas/galón. El tanque de combustible
para el suministro diario para los vehículos tiene una capacidad de 10.000 galones de
gasolina.
El vehículo A requiere una tripulación de un hombre y, si opera durante los tres turnos
del día, puede trabajar un promedio de 18 horas por día. Los vehículos B y C requieren
una tripulación de dos hombres cada uno, pero mientras que B puede trabajar 15 horas
por día en tres turnos, C puede promediar 21 horas diarias. La compañía dispone de 150
conductores por día y tendría muchas dificultades para obtener conductores adicionales.
El espacio del estacionamiento permite la entrada de 24 vehículos tipo A si sólo
parquean este tipo de vehículo. El espacio que ocupa un vehículo tipo B es 20% mayor
que el del tipo A y, el espacio requerido para parquear un tipo C es 20% menor que el
de tipo A. Las facilidades de mantenimiento son tales que el número total de vehículos
no puede exceder de 25.
Se quiere determinar cuántos vehículos de cada tipo deberán comprarse si la compañía
desea maximizar su capacidad diaria de movilización en toneladas.
Para definir las variables, observar la pregunta: cuántos vehículos de cada tipo deberán
comprarse.
Variables:
xi: Número de camiones a comprar de tipo i, i = 1,2,3, donde 1 representa el camión tipo
A, 2 es el B, 3 es el C
Función objetivo:
Observar la pregunta: Maximizar su capacidad diaria de movilización en toneladas. Esto
serían las toneladas por millas por día que recorrerían todos los camiones.
Restricciones:
Cada vehículo A recorre 20 millas por cada galón de gasolina; cada vehículo B recorre
15 millas/galón y cada vehículo C recorre 12 millas/galón. El tanque de combustible
para el suministro diario para los vehículos tiene una capacidad de 10.000 galones de
gasolina.
El vehículo A requiere una tripulación de un hombre y, si opera durante los tres turnos
del día, puede trabajar un promedio de 18 horas por día. Los vehículos B y C requieren
una tripulación de dos hombres cada uno, pero mientras que B puede trabajar 15 horas
por día en tres turnos, C puede promediar 21 horas diarias. La compañía dispone de 150
conductores por día y tendría muchas dificultades para obtener conductores adicionales.
El espacio del estacionamiento permite la entrada de 24 vehículos tipo A si sólo
parquean este tipo de vehículo. El espacio que ocupa un vehículo tipo B es 20% mayor
que el del tipo A y, el espacio requerido para parquear un tipo C es 20% menor que el
de tipo A. Las facilidades de mantenimiento son tales que el número total de vehículos
no puede exceder de 25.
Se quiere determinar cuántos vehículos de cada tipo deberán comprarse si la
compañía desea maximizar su capacidad diaria de movilización en toneladas.
1. Restricción de presupuesto:
80x1 + 130x2 + 150x2 ≤ 4000 (en millones de pesos)
Cada vehículo A recorre 20 millas por cada galón de gasolina; cada vehículo B recorre
15 millas/galón y cada vehículo C recorre 12 millas/galón. El tanque de combustible
para el suministro diario para los vehículos tiene una capacidad de 10.000 galones
de gasolina.
El vehículo A requiere una tripulación de un hombre y, si opera durante los tres turnos
del día, puede trabajar un promedio de 18 horas por día. Los vehículos B y C requieren
una tripulación de dos hombres cada uno, pero mientras que B puede trabajar 15 horas
por día en tres turnos, C puede promediar 21 horas diarias. La compañía dispone de 150
conductores por día y tendría muchas dificultades para obtener conductores adicionales.
El espacio del estacionamiento permite la entrada de 24 vehículos tipo A si sólo
parquean este tipo de vehículo. El espacio que ocupa un vehículo tipo B es 20% mayor
que el del tipo A y, el espacio requerido para parquear un tipo C es 20% menor que el
de tipo A. Las facilidades de mantenimiento son tales que el número total de vehículos
no puede exceder de 25.
Se quiere determinar cuántos vehículos de cada tipo deberán comprarse si la
compañía desea maximizar su capacidad diaria de movilización en toneladas.
Notar que las unidades de medida no se ponen acompañando a los coeficientes de las
restricciones, se hizo en este caso para que notara, dada la cantidad de valores a
multiplicar con diferentes unidades de medidas que se estaban multiplicando los valores
adecuados.
Cada vehículo A recorre 20 millas por cada galón de gasolina; cada vehículo B recorre
15 millas/galón y cada vehículo C recorre 12 millas/galón. El tanque de combustible
para el suministro diario para los vehículos tiene una capacidad de 10.000 galones
de gasolina.
El vehículo A requiere una tripulación de un hombre y, si opera durante los tres turnos
del día, puede trabajar un promedio de 18 horas por día. Los vehículos B y C requieren
una tripulación de dos hombres cada uno, pero mientras que B puede trabajar 15 horas
por día en tres turnos, C puede promediar 21 horas diarias. La compañía dispone de
150 conductores por día y tendría muchas dificultades para obtener conductores
adicionales. El espacio del estacionamiento permite la entrada de 24 vehículos tipo A si
sólo parquean este tipo de vehículo. El espacio que ocupa un vehículo tipo B es 20%
mayor que el del tipo A y, el espacio requerido para parquear un tipo C es 20% menor
que el de tipo A. Las facilidades de mantenimiento son tales que el número total de
vehículos no puede exceder de 25.
Prof. M. Gulnara Baldoquin de la Peña
23
Cada vehículo A recorre 20 millas por cada galón de gasolina; cada vehículo B recorre
15 millas/galón y cada vehículo C recorre 12 millas/galón. El tanque de combustible
para el suministro diario para los vehículos tiene una capacidad de 10.000 galones
de gasolina.
El vehículo A requiere una tripulación de un hombre y, si opera durante los tres turnos
del día, puede trabajar un promedio de 18 horas por día. Los vehículos B y C requieren
una tripulación de dos hombres cada uno, pero mientras que B puede trabajar 15 horas
por día en tres turnos, C puede promediar 21 horas diarias. La compañía dispone de
150 conductores por día y tendría muchas dificultades para obtener conductores
adicionales. El espacio del estacionamiento permite la entrada de 24 vehículos tipo
A si sólo parquean este tipo de vehículo. El espacio que ocupa un vehículo tipo B es
20% mayor que el del tipo A y, el espacio requerido para parquear un tipo C es
20% menor que el de tipo A. Las facilidades de mantenimiento son tales que el
número total de vehículos no puede exceder de 25.
Se quiere determinar cuántos vehículos de cada tipo deberán comprarse si la
compañía desea maximizar su capacidad diaria de movilización en toneladas.
Sea C la capacidad total del parqueo, no importa cuál sea ese valor. Sea Ei el espacio
que ocupa un camión de tipo i. Por los datos que aporta el problema se tiene que:
C = 24 E1, E2 = 1.2 E1, E3 = 0.8 E1
Expresemos el espacio que ocupa cada camión de tipo i. en función de un solo
parámetro: C, la capacidad del parqueo. Luego:
E1= C/24 E2 = 1.2 (C/24) = C/20, E3 = 0.8 (C/24) = C/30
x1 x 2 x3
+ + ≤1 (**)
24 20 30
Cada vehículo A recorre 20 millas por cada galón de gasolina; cada vehículo B recorre
15 millas/galón y cada vehículo C recorre 12 millas/galón. El tanque de combustible
para el suministro diario para los vehículos tiene una capacidad de 10.000 galones
de gasolina.
El vehículo A requiere una tripulación de un hombre y, si opera durante los tres turnos
del día, puede trabajar un promedio de 18 horas por día. Los vehículos B y C requieren
una tripulación de dos hombres cada uno, pero mientras que B puede trabajar 15 horas
por día en tres turnos, C puede promediar 21 horas diarias. La compañía dispone de
150 conductores por día y tendría muchas dificultades para obtener conductores
adicionales. El espacio del estacionamiento permite la entrada de 24 vehículos tipo
A si sólo parquean este tipo de vehículo. El espacio que ocupa un vehículo tipo B es
20% mayor que el del tipo A y, el espacio requerido para parquear un tipo C es
20% menor que el de tipo A. Las facilidades de mantenimiento son tales que el
número total de vehículos no puede exceder de 25.
Se quiere determinar cuántos vehículos de cada tipo deberán comprarse si la
compañía desea maximizar su capacidad diaria de movilización en toneladas.
x1 , x2 , x3 ≥ 0, enteras
Observar en la última “copia” del problema planteado que no queda nada sin subrayar
que sea una restricción del problema planteado.
Propiedad
Sea f(x) la función a minimizar (maximizar) y se conoce que f(x) = k.g(x) donde k es
una constante (número). Entonces minimizar (maximizar) f(x) es equivalente a
minimizar (maximizar) g(x)
Puesto que f(x,y) = 18000x + 21000y = 1000(18x + 21y) pudiera trabajarse con la
función objetivo:
z = 18x + 21y
Luego el valor de z encontrado para la mejor solución se multiplicará por 1000, el valor
de k en este caso.
Otra conveniencia de hacer esto en algunos casos donde la función objetivo tiene
coeficientes muy grandes en relación a los coeficientes encontrados en las restricciones
es disminuir errores computacionales al aplicar los métodos de solución, que trabajan
con estos datos en innumerables iteraciones, pudiendo aumentar propagación de errores.
Para ver las implicaciones respecto a las soluciones obtenidas al mezclar diferentes
unidades de medida en alguna restricción del modelo ó en la función objetivo, suponga
el siguiente ejemplo:
Ejemplo 5
Se requiere hacer dos productos donde lo que define cuánto hacer de cada uno de ellos
es la limitación de una materia prima de la cual se dispone a lo sumo de 10 libras. Cada
unidad de ambos productos pesa una libra. El producto 2 requiere por cada unidad
producida el doble de materia prima que el producto 1. No deben producirse más de 8
productos de tipo 1 ni más de 4 productos de tipo 2. La ganancia y por tanto el precio
del producto lo define el siguiente cálculo: cada libra del producto 1 da una ganancia de
$3, la ganancia del producto 2 es de 50 centavos la onza del mismo. Determine la
cantidad de productos de cada tipo a hacer para maximizar la ganancia.
Variables:
x: Unidades a hacer de producto 1
y: Unidades a hacer de producto 2
Restricciones:
x+ 2y ≤ 10 (Disponibilidad de materia prima)
x ≤ 8 (Cantidad a hacer de producto 1)
y ≤ 4 (Cantidad a hacer de producto 2)
x, y ≥ 0 enteras (tipo y rango de valores de las variables)
Para definir la función objetivo hay que tener en cuenta que la información sobre la
ganancia por productos se da en dos unidades de medida diferentes: libras y onzas. Hay
que plantearlo en términos de una de ellas y hacer la conversión necesaria. Supóngase
que se plantea en libras, la más lógica pues las unidades a hacer de cada producto
coinciden con la cantidad de libras a usar.
Puesto que una libra es igual a 16 onzas, lo que se ganaría por cada unidad de producto
de tipo 2 (pesa una libra) sería: (50)(16) = 800 centavos = $8
Observe en el siguiente gráfico (Figura 2) las implicaciones que tendría ese error en
términos de la solución obtenida. La región de soluciones es la que está comprendida
por los segmentos de recta OA, AB, BC, CD y OD. Si se tomara como función objetivo
z = 3x + 0.5 y y la recta 3x + 0.5 y = 1 se desplaza paralelamente alejándose del origen
de coordenadas, el vértice más alejado de la región que tocaría sería el C, lo que
significaría que: x = 10, y =1.
y
•
•
B
•A
•
• 3x+8y=24
3x+0.5y=1 C
•
o • • • • • • • • • • • x
D
Figura 2
Ejemplo 6
Una compañía fabrica y vende dos modelos de lámparas L1 y L2. Para su fabricación se
necesita un trabajo manual de 20 minutos para el modelo L1 y de 30 minutos para el L2;
y un trabajo de máquina de 20 minutos para L1 y de 10 minutos para L2. Se dispone
para el trabajo manual de 100 horas al mes y para la máquina 80 horas al mes. Sabiendo
que el beneficio por unidad de lámpara producida es de 15 y 10 euros para L1 y L2,
respectivamente, planificar la producción para obtener el máximo beneficio.
Variables
x = Nº de lámparas a producir de tipo L1
y = Nº de lámparas a producir de tipo L2
La función objetivo será maximizar utilidad en euros que será dada por la función
z =15x + 10y
Para plantear las restricciones dadas por tiempo disponible en horas para cada uno de
los tipos de trabajo, obsérvese que el tiempo que cada lámpara requiere en cada tipo de
trabajo está dado en minutos, y el tiempo disponible en horas.
2x + 3y ≤ 600 (I)
2x + y ≤ 480
Se le deja que por el método gráfico compruebe cuán diferentes serían las regiones de
soluciones teniendo en cuenta las restricciones en (I) y en (II), así como la solución del
problema.
Ejemplo 7
Un granjero tiene 200 cerdos que consumen 90 libras de comida especial todos los días.
El alimento se prepara como una mezcla de maíz y harina de soya con las siguientes
composiciones presentadas en la Tabla 6.
Modelo:
Variables:
En la pregunta piden determinar la mezcla de alimentos, pero la misma se hace con
maíz y harina de soya; por ello las variables deben ser cantidades a mezclar de maíz y
harina de soya. Pero por otro lado, en los datos dan información relacionada con la
mezcla a hacer en dos unidades de medida: libras por alimento para las composiciones
de la mezcla y Kg para el costo. Por ello se hace necesario aclarar bien en qué unidad
de medida se definirán las variables y en las restricciones hacer conversiones necesarias
para que no existan inconsistencias.
Prof. M. Gulnara Baldoquin de la Peña
29
Por los datos planteados es más fácil utilizar como unidad de medida Libras por Libra
de Alimento. De ahí que las variables serían:
x1 :Cantidad de Maíz, en libras
x2 : Cantidad de Harina de Soya, en libras
Observar que definir las variables como cantidad de maíz ó cantidad de soya, queda
impreciso. Es costumbre de algunos estudiantes, en definiciones de variables como
las anteriores, argumentar: “Pero si revisa las restricciones que puse lo que yo quise
decir es…”
La argumentación no es adecuada. La persona que lee el modelo no debe suponer nada,
y las variables no deben declararse de modo ambiguo.
Función objetivo a minimizar:
z = (0.1)(2.2)x1 + (0.3)(2.2)x2 = 0.22x1 + 0.66x2
Observe que como el costo está en peso por Kg y las variables en libras, hay que
convertir los Kgs en libras multiplicando por 2.2 (pues 1Kg = 2.2 libras)
Restricciones:
En las restricciones no hay que hacer conversiones pues todo está dado en libras (datos
y variables):
Sustitución de restricciones
En ocasiones se tiende a tratar de reducir restricciones dando un modelo que no es
equivalente al original y por tanto no tienen las mismas soluciones, pudiendo ser una de
ellas errónea. Lo anterior se ilustra en el siguiente ejemplo:
Ejemplo 8
Es usual que empresas, para transportar su mercancía desde su planta de producción
hacia los puntos de distribución, contraten los servicios de personas que tienen
pequeños camiones con ese objetivo. Una empresa contrata a un camionero para
transportar su mercancía que está empacada en cajas de 3 tamaños diferentes. Datos que
se tienen del problema son:
• El camión a utilizar tiene una capacidad interior de 20m3.
• Los tamaños, así como ganancia por cada tipo de caja transportada, son los
siguientes:
Caja Tipo 1: 1 m3 - $ 1.000 c/u
Caja Tipo 2: 1.2 m3 - $ 1.120 c/u
Caja Tipo 3: 0.8 m3 - $ 900 c/u
• Se tiene que transportar como mínimo 8 cajas tipo 1 y 5 cajas tipo 3 en cada
viaje.
• Debe haber cajas de tipo 2 transportadas en cada viaje, pero como máximo la
mitad del total de las otras cajas.
¿Cómo debe llenar el transportista su camión para maximizar las ganancias en cada
viaje que realice?
Pudiera dar una solución no apropiada para el problema, pues si la cantidad total de
botes a comprar es mayor o igual a 50, debido a la restricción (3) es verdad que se debe
cumplir la restricción (2’), pero este nuevo conjunto de restricciones no obliga a que la
cantidad total de botes a comprar sea como mínimo 50, pues tampoco establece que la
cantidad de botes a comprar a cada fabricante sea la misma.
Ejemplo 9
Una oficina técnica coordinadora de cultivos tiene a su cargo la administración de 3
parcelas. El rendimiento agrícola de cada parcela está limitado tanto por la cantidad de
tierra cultivable como por la cantidad de agua asignada para regadío de la parcela por la
comisión de aguas. Los datos proporcionados por este organismo se dan en la Tabla 8:
Las especies disponibles para el cultivo son la remolacha, trigo y maravilla, pero el
Ministerio de Agricultura ha establecido un número máximo de hectáreas que pueden
dedicarse a cada uno de estos cultivos en las 3 parcelas en conjunto, como lo muestra la
Tabla 9:
Especie Consumo agua Cuota Ganancia
3
(m /ha) máxima (ha) neta ($/ha)
Remol 3 600 400
Trigo 2 500 300
Marav 1 325 100
Tabla 9
Los dueños de las parcelas, en un acto de solidaridad social, han convenido que en cada
parcela se sembrará la misma fracción de su tierra cultivable. Sin embargo, puede
cultivarse cualquier combinación en cualquiera de las parcelas. La tarea que encara la
oficina es plantear cuántas hectáreas se deben dedicar al cultivo de las distintas especies
en cada parcela, de modo de maximizar la ganancia neta total para todas las parcelas a
cargo de la oficina.
Variables:
Observar la pregunta: ¿cuántas hectáreas se deben dedicar al cultivo de las distintas
especies en cada parcela? Puesto que existen 3 parcelas, y en cada una se pueden
cultivar 3 especies distintas, existen 3x3 = 9 variables.
Cada variable está identificada por dos elementos: la parcela y la especie, por ello la
mejor forma de denotar las variables es con dos subíndices: uno se refiere a la parcela,
el otro a la especie. El orden en que se haga (primero la parcela y luego la especie o
viceversa) usted debe definirla, no es significativo.
Denotemos:
xij: número de hectáreas que se sembrarán la parcela i de la especie j, i=1,2,3; j=1,2,3
donde j=1 representa remolacha, j=2 representa trigo y j=3 representa Maravilla.
Función objetivo:
Debe maximizarse la ganancia neta, en $/ha. Observe que la ganancia de cada especie
no depende de en cuál parcela ocurre, luego la f.o. es:
Restricciones:
Luego existen 12 restricciones. Cada tipo de restricciones, de las tres primeras, puede
escribirse de manera compacta de la siguiente manera:
∑x
j =1
ij ≤ bi i = 1,2,3 siendo b1 = 400, b2 = 600, b3 = 300
∑a
j =1
j xij ≤ u i i = 1,2,3 siendo a1 = 3, a2 = 2, a3 = 1; u1 = 600, u2 = 800, u3 = 375
∑x
i =1
ij ≤ vj j = 1,2,3 siendo v1 = 600, v2 = 500, v3 = 325
En Parcela 1 = En Parcela 2:
3 3
∑ x1 j
j =1
∑x
j =1
2j
=
400 600
En Parcela 2 = En Parcela 3:
3 3
∑ x2 j
j =1
∑x
j =1
3j
=
600 300
En Parcela 1 = En Parcela 3:
3 3
∑x
j =1
1j ∑x
j =1
3j
=
400 300
lectura del problema, en cuyos casos es recomendable hacer un diagrama inicial que
ayude a formular las variables, paso crucial, pues si las variables no están definidas
adecuadamente, no resultará el modelo planteado.
Ejemplo 10
Una industria que fabrica papel y lo distribuye en rollos debe determinar la mejor forma
de realizar el proceso de corte. Los rollos de papel que se producen tienen un ancho de
100 cms; sin embargo, los clientes demandan rollos de 30 cms, 45 cms y 50 cms de
ancho. Por lo tanto, al cortar los rollos de 100 cms se incurre en una pérdida de material
que depende de la forma en que se corten los rollos originales. Se desea determinar la
forma de efectuar el corte de manera que se satisfaga la demanda y se pierda la menor
cantidad posible de material. Se tiene un pedido de 800 rollos de 30 cm, 500 de 45 cms
y 1.000 de 50 cms.
Este es un problema clásico de corte de materiales (telas, vidrio, papel, madera, etc.)
donde se pretende minimizar el desperdicio.
El diagrama inicial debía plantear, a partir de lo cual se definen las variables, las formas
en que se puede cortar un rollo de 100 cms y que consideren los tipos de corte que
demandan los clientes. En otras palabras, los diferentes patrones de corte definirían las
variables
30 30 30 10
45 45 10
50 50
45 50 5
45 30 25
50 30 20
Figura 3
Observe en la Figura 3 que existen 6 patrones de corte. ¿Por qué? Pues son todas las
combinaciones posibles de 30, 45 y 50 cuya suma no sobrepase 100.
Tabla 10
Variables de decisión
xi = Número de rollos a cortar según el patrón i (i=1,…,6)
Función Objetivo
Minimizar z = 10 x1 + 10 x2 + 5 x4 + 25 x5 + 20 x6
Restricciones
3 x1 + 1 x5+ 1 x6 = 800 (rollos a hacer de 30cms)
2 x2 + 1 x4+ 1 x5 = 500 (rollos a hacer de 45cms)
2 x3 + 1 x4+ 1 x6 = 1000 (rollos a hacer de 50cms)
xi≥ 0, enteras.
¿Por qué en los problemas reales de corte a nivel industrial este problema es en general
muy difícil de resolver? Porque es un problema de Programación Lineal Entera, y en la
medida que aumentan los tipos de corte va aumentando de manera exponencial los
patrones de corte y por tanto, las variables del problema.
Ejemplo 11
El dueño de un restaurante necesitaría en 3 días sucesivos 40, 60 y 70 manteles. El
puede adquirir manteles a un costo de $20 cada una y después de haberlos usado, puede
mandar manteles sucios a lavar, para lo cual tiene 2 servicios de lavandería disponibles:
uno rápido (el lavado tarda 1 día) que cuesta $ 15 por cada mantel y uno normal (tarda 2
días) que cuesta $8 por mantel. Formule un modelo que permita conocer al dueño del
restaurante que número de manteles debe comprar inicialmente y que número debe
mandar a lavar cada día para minimizar sus costos.
En este ejemplo es muy aconsejable, antes de plantear el modelo, hacer un diagrama que
ayude a la modelación. A pesar de que en la pregunta se reflejan las variables, las
decisiones de qué tipo de lavado se puede hacer cada día es lo que dificulta la definición
de dichas variables. Observar en la Figura 4 que hay 4 tipos de decisiones por día que
definen las variables y son las subrayadas en el diagrama dado en la Figura 4:
Figura 4
Usualmente existen estudiantes que intentan antes de modelar el problema darle los
valores a las variables, por ejemplo decir que son 70 los manteles a comprar, el máximo
número de comensales. El problema es determinar el resto de las mejores decisiones, a
las que podría llegarse también aplicando la lógica.
Función Objetivo.
mın z = 20x1 + 15x2 + 8x3 + 15x4 = 20x1 + 15(x2 + x4)+ 8x3
Restricciones:
• Se satisfaga la cantidad de manteles necesarios cada día
x1 + x2 – 100 + x3 + x4 ≥ 70 ⇔ x1 + x2 + x3 + x4 ≥ 170
• Restricciones lógicas:
o El número de manteles mandados a lavar el primer día, puede a lo sumo ser
igual al número de manteles usados ese día
x2 + x3 ≤ 40
o El número de manteles mandados a lavar hasta el segundo día, puede a lo
sumo ser igual al número de manteles usados hasta ese día.
x2 + x3 + x4 ≤ 40 + 60 = 100
Observe que éste es un buen ejemplo para mostrar que en la medida que usted modela
diferentes tipos de problema va adquiriendo habilidad y experiencia que le hace más
simple otras modelaciones. Siendo este problema y el anterior (de la compra y lavado de
manteles) dos problemas totalmente diferentes, tienen muchas similitudes. Decisiones a
tomar en un grupo de días (años), tipos de decisiones (lavar rápido ó normal, invertir en
Plan A ó en B).
Las variables tendrán dos subíndices: el primero se refiere al Plan (1 →A, 2→B) y el
tercero al año
Figura 5
De ahí, para el Plan A pueden darse las variables: x11, x12, x13 porque puede invertirse al
principio de cada año para recibir la capitalización correspondiente al año siguiente.
Para el Plan B pueden darse las variables: x21 y x22 porque sólo puede invertirse al
principio de los dos primeros años para recibir la capitalización correspondiente a los
dos años siguientes dentro del plazo de 3 años fijado para la inversión.
Función objetivo:
max z = 1,6 x13 + 2,65 x22
En la f.o. solo aparecen las variables x13 y x22 pues el último dinero que se invierte en el
Plan A (x13) y en el Plan B (x22) tiene en cuenta el dinero invertido anteriormente, y los
interese que produjo. Los coeficientes son el dinero invertido más el interés ganado por
cada plan. En el caso del Plan A será x13 + 0,6 x13 = 1,6 x13 y en el B es x22 + 1,65 x22
= 2,65 x22
Interpretación de un modelo
Ejemplo 13
Plantee el modelo matemático que permita decidir dónde ubicar sus oficinas centrales,
así como cuántas visitas y de dónde recibirá cada ciudad, dentro del grupo de las
oficinas que se abran.
Modelo
Índices
i: ciudades (clientes)
j: lugares a ubicar las oficinas centrales
Datos
Kj: Cantidad de consultores a ubicar en la oficina potencial j
dij: distancia entre ciudad i y lugar j
cij: costo unitario dependiendo de la distancia entre ciudad i y lugar j
fj: costo fijo de abrir oficina j
Di: Demanda de visitas de la ciudad i
Variables
xij: Cantidad de visitas a cliente i de oficina j
⎧1 si se ubica oficina en j
yj = ⎨
⎩ 0 si no
∑y
j =1
j =4 (1)
∑x
j =1
ij ≥ Di ∀i = 1,...,15 (2)
15
∑x
i =1
ij ≤ 25 K j y j ∀j = 1,...8 (3)
8 15 8
min ∑∑ cij d ij xij + ∑ f j y j
j =1 i =1 j =1
( 4)
Luego esa restricción plantea que: de los 8 lugares posibles donde abrir oficinas deben
escogerse exactamente 4.
En (2) no aparece una sola restricción, sino un conjunto de 15 restricciones, una por
cada cliente. Esto es debido a que en la parte derecha aparece ∀ i =1,…,15
En la parte izquierda aparece una suma en j de las variables xij donde cada una
representa la cantidad de visitas al cliente i de la oficina j. Luego se refiere a todas las
visitas que van a realizar las 8 oficinas. En la parte derecha aparece la demanda de cada
ciudad i (Di). Luego significa que: todas las visitas que recibe cada una de las 15
ciudades de cada oficina deben ser como mínimo su demanda.
En (3) tampoco no aparece una sola restricción, sino un conjunto de 8 restricciones, una
por cada lugar potencial donde ubicar las oficinas. Esto es debido a que en la parte
derecha aparece ∀ j =1,…,8.
En la parte izquierda aparece una suma en i de las variables xij donde cada una
representa la cantidad de visitas al cliente i de la oficina j. Luego se refiere al total de las
visitas que va a realizar cada oficina potencial a todos los clientes. En la parte derecha
aparece la capacidad de cada oficina potencia en términos de visitas que puede hacer,
que es 25Kj, pues cada oficina tendría Kj consultores y cada uno puede hacer 25 visitas. .
Obviando el factor yj, o sea, suponiendo que solo tenga el término 25Kj, significa que:
las visitas que realiza cada oficina a las 15 ciudades deben ser como máximo su
capacidad.
¿Qué papel juega el factor yj? Garantizar que si en un lugar j no se abre una oficina,
entonces no puede hacer visitas a ninguna de las ciudades. O sea, si un yj = 0, entonces
la restricción correspondiente sería:
15
∑x
i =1
ij ≤ 0 . Como las variables xij deben ser no negativas, entonces se cumple que x1j=
15
∑x
i =1
ij ≤ 25K j y en la parte derecha está la capacidad de esa oficina.
Como conclusión tenemos que esa restricción plantea lo siguiente: las visitas que realiza
cada oficina a las 15 ciudades, si se abren, deben ser como máximo su capacidad.
La función objetivo tiene dos grupos de sumas. El primer grupo se refiere a todos los
costos variables resultantes de todos los viajes de las oficinas que se abren a las
ciudades. El segundo grupo son los costos fijos de las oficinas que serán abiertas.
Es un error la forma en que a veces se explican los modelos. Por ejemplo, en el caso de
la restricción (1) decir:”la suma de las y’is es igual a 4”. Eso es simplemente “leer” la
restricción.
También se usan como variables auxiliares, para indicar valores ó estados de ciertas
variables continuas.
Observe que en el problema hay que tomar una decisión de si se incluye ó no se incluye
en la mochila cada objeto de los disponibles. Hay que tomar una decisión por cada
artículo.
Variables:
⎧1 si selecciona artículo i
xi = ⎨ i =1,…,n
⎩ 0 si no
Función objetivo:
n
max z = ∑ ui xi
i =1
∑v x
i =1
i i ≤K
Observe que en este ejemplo también hay que tomar decisiones referidas a qué
candidato asignar a qué plaza. Habría que decidir, por ejemplo, si la plaza 1 se asigna o
no al candidato 1, al 2, y así sucesivamente, al candidato n. De igual manera habría que
plantearlo para la plaza 2, la plaza 3, hasta la plaza n. Una plaza, por ejemplo, se asigna
ó no a un candidato, de ahí el uso de variables binarias.
Puesto que la asignación depende de plazas y candidatos, las variables deben tener dos
subíndices, luego es recomendable primero ver los índices que se utilizarán y qué
representa cada uno.
Índices a utilizar:
i: para candidatos;
j: para plazas a cubrir
Datos:
n: número de candidatos
cij: capacidad del candidato i para cubrir la plaza j, i=1,…,n; j=1,…,n
Variables
xij =1 si el candidato i se asigna a la plaza j, 0 en caso contrario
Función objetivo:
n n
max z = ∑∑ cij xij
j =1 i =1
Restricciones:
n
∑x
i =1
ij =1 j = 1,..., n
Cada plaza a cubrir (dada por j, son n restricciones) debe ser asignada exactamente a
una persona.
∑x j =1
ij =1 i = 1,..., n
Cada persona (dada por i, son n restricciones) debe ser asignada exactamente a una
plaza.
Ejemplo 16
Una empresa trata de elegir la localización de dos plantas de entre un conjunto de 10
posibles localizaciones, teniendo en cuenta las necesidades de sus 30 consumidores a la
vez que maximizando sus ganancias netas. Si una planta se decide abrir en un lugar
determinado, ello implica un costo fijo de posicionarla en dicho lugar. Se conocen
además:
• el beneficio unitario por venta, a cada consumidor, de bienes producidos en cada
planta.
• la capacidad productiva de la planta localizada en cada lugar posible.
• la demanda de cada consumidor, en unidades del producto.
¿Dónde ubicar las plantas y qué cantidad de producto enviar de cada planta abierta a
cada consumidor?
Índices a usar:
i: referido a las plantas (i =1,…,10)
j: referido a los clientes (j =1,…,30)
Restricciones:
10
∑x
i =1
ij = dj ∀j = 1...,30 Satisfacer demanda de los clientes
30
∑x
j =1
ij ≤ u i yi ∀i = 1...,10 Capacidad máxima de las plantas, si se abren. Por ello está
∑x ij ≤ 0 y todas las variables xij para ese i tendrían que ser cero, puesto que no se
j =1 puede mandar productos de una planta a ningún cliente si la planta no se abrió.
∑y
i =1
i =2 Abrir exactamente dos plantas
30 + 10 + 1 =41 restricciones.
Un error usual es decir que hay 3 restricciones. Son tres tipos de restricciones. Del
primer tipo son 30, del tercer tipo son 10 y del tercero una sola.
Todos los modelos simples, entendiendo por ello aquellos que son fáciles de entender u
obtener a partir del problema dado, y que tienen pocas variables y/o restricciones, no
son necesariamente los más fáciles de resolver.
La estructura del modelo puede influir en que en algunos casos ante dos problemas
aparentemente del mismo tipo (por ejemplo, todas las variables binarias) uno sea muy
fácil de resolver y el otro muy difícil, cuando se tienen muchas variables.
n= 5 → 31 n= 8 → 255 n= 12 → 4095
El problema de asignación es mucho más fácil que resolver que el de la mochila, a pesar
de tener muchas más variables binarias y restricciones. ¿Por qué? Por la estructura muy
particular que tiene la matriz del sistema de restricciones. Veámoslo en un ejemplo:
Suponga que se ordenan las 9 variables de la forma: x11 x12 x13 x21 x22 x23 x31 x32 x33
⎡1 0 0 1 0 0 1 0 0⎤
⎢0 1 0 0 1 0 0 1 0⎥⎥
⎢
⎢0 0 1 0 0 1 0 0 1⎥
A=⎢ ⎥
⎢1 1 1 0 0 0 0 0 0⎥
⎢0 0 0 1 1 1 0 0 0⎥
⎢ ⎥
⎢⎣0 0 0 0 0 0 1 1 1⎥⎦
¿Qué características tiene la matriz A?
• Todos los elementos son 0 ó 1
• Cada columna tiene exactamente dos unos
• Las filas se pueden particionar en dos grupos, el primero con las 3 primeras y el
segundo con las tres últimas donde en cada grupo cada columna tiene exactamente
un 1
En el caso de contar con dos variables, se puede obtener la solución de manera gráfica,
lo cual es muy simple pues se trabaja en R2, o sea, con dos variables y se puede
Ejemplo 17
Supongamos que el modelo de un problema, con dos variables denotadas x, y es el
siguiente:
max z =2x +y
4x + 3y ≤ 60
2x + 3y ≤ 42
x ≤ 12
x, y ≥ 0
20
4x +3y = 60 x = 12
15
A
10 B
2x +y = 10 2x + 3y = 42
5 C
D
O 5 10 15 20 x
15
Figura 6
recta (paralela a ella) por la región factible lo más alejada del origen de coordenadas,
existen dos vértices que representan las mejores soluciones con igual valor de la función
objetivo (42) dados por los puntos A y B. En este caso, todos los puntos que están en el
segmento de recta entre A y B también serán soluciones igualmente buenas, con el
mismo valor de la f.o.
y
25
20
4x +3y = 60 x = 12
15
A
10 B
5 2x + 3y = 42
C
D
O 5 10 15 20 x
15
Figura 7
Ejemplo 18
En un laboratorio clínico se experimentan dos nuevos tipos de medicamentos (M1 y
M2) en tabletas con dos componentes (denotadas A, B) que se conocen que son
favorables para la cura de cierta enfermedad. Se quiere que la persona tome diariamente
ambos tipos de medicamentos. Las fórmulas plantean una combinación de 2 unidades
de A y una unidad de B para cada tableta de M1 así como una combinación de 1 unidad
de A y una unidad de B para cada tableta de M2. Se plantea que como mínimo se
ingieran 3 unidades de B y como máximo 2 unidades de A. No se define el precio de los
medicamentos hasta conocer si estas fórmulas serán posibles. Fundamente.
2x + y ≤ 2
x+y≥3
x,y≥0
No existe ninguna solución en el primer cuadrante del plano y que pertenezca al mismo
tiempo a la región por encima de la recta x + y = 3 y por debajo de la recta 2x + y = 2.
Significa que no existen soluciones del modelo, por lo cual no tiene sentido buscar la
mejor solución.
3 x+y= 3
2x+y=2
2
1 3 x
Figura 8
Ejemplo 19
Un carpintero quiere hacer mesas con dos tipos de madera, Ca y Ce. Desea que el
número de mesas Ca no sobrepase el número de mesas confeccionadas con Ce. Cada
mesa de tipo Ca le consume 1 m2 y la de tipo Ce el doble de madera, pudiendo disponer
dinero para comprar como mínimo 6 m2 de madera. Si la ganancia prevista para cada
mesa vendida con madera Ce es el triplo de la obtenida con la confeccionada con
madera Ca, ¿cuántas mesas de cada tipo debiera hacer para maximizar su ganancia?
Veamos el modelo:
Sea K: Ganancia prevista por cada mesa vendida de tipo Ca
Variables:
x: Cantidad de mesas a hacer de tipo Ca
y: Cantidad de mesas a hacer de tipo Ce
Función objetivo:
max z = Kx + 3Ky = K(x + 3y)
Restricciones:
x≤ y
x + 2y ≥ 6
x , y ≥ 0, enteras
y Región de soluciones no
acotada
3 x=y
x+3y=1
1
x+2y=6
1 3 6 x
Figura 9
De los ejemplos anteriores podemos concluir que (no lo hemos demostrado, aunque
la generalización es válida):
Ejercicios propuestos
1. Una línea aérea va a incrementar el número de rutas que ofrecerá y valora contratar
más personal de servicio al cliente, teniendo en cuenta que debe brindar un buen nivel
de servicio al cliente pero minimizando costos. En un análisis realizado para definir el
personal a contratar se tuvieron en cuenta los siguientes elementos:
• Cada agente debe trabajar un turno de 8 horas, de 5 tipos de turnos posibles, 5 días
a la semana.
• Los salarios de cada turno son diferentes debido a que unos son más deseables que
otros, por las horas del día que cubre.
• Aunque los turnos son de 8 horas, se identificó el mínimo número de personas
necesarias en periodos de 2 horas, contados a partir de las 6am.
¿Cuántos agentes deben asignarse a los turnos respectivos cada día para minimizar el
costo total del personal y teniendo en cuenta las restricciones planteadas?
2. Una cadena de comidas rápidas desea atender el mercado ubicado en 5 barrios de Cali.
Para ello dispone de un presupuesto P para abrir puntos de venta (PV) en los barrios, de
tres tipos distintos, cada uno con una capacidad y un costo fijo de apertura diferente.
Cada barrio tiene una demanda determinada y se sabe que no será posible satisfacer toda
la demanda con el presupuesto que se tiene. Cada PV en un barrio solo deberá atender a
aquellos barrios que estén a menos de 6 cuadras de distancia del mismo. Se conoce la
distancia en cuadras entre barrios. Se considera que en cada barrio se debe poner a lo
sumo un PV y si un barrio se atiende, se atiende toda su demanda. Se necesita decidir
qué puntos de venta se abren y en qué barrios, qué barrios atenderán de manera de
maximizar la demanda que se tiene.
Cada cliente tiene una demanda anual del producto. Se conocen los costos unitarios de
transportar de plantas a CD, de CD a clientes, de plantas a clientes.
6. A una persona le tocan 10 millones de dólares en una lotería y le aconsejan que las
invierta en dos tipos de acciones, A y B.
Las de tipo A tienen más riesgo pero producen un beneficio del 10 %. Las de tipo B
son más seguras, pero producen sólo el 7% anual. Después de varias deliberaciones
decide invertir como máximo 6 millones en la compra de acciones A y por lo menos, 2
millones en la compra de acciones B. Además, decide que lo invertido en A sea, por lo
7. Una refinería de petróleo tiene un oleoducto que la alimenta con una capacidad hasta
50.000 barriles de petróleo por día. El costo del barril de petróleo es $ 30.000.
La refinería debe suministrar por lo menos, diariamente, 27.000 barriles de gasolina a
las bombas vendedoras de la compañía.
La refinería utiliza dos procesos de refinación con los siguientes rendimientos por barril
de petróleo procesado:
La refinería vende gasolina a $ 60.000 cada barril y otros productos a $40.000 cada
barril. Si la demanda lo exige se puede comprar gasolina a otros productores a $52.000
cada barril, quienes sólo pueden suministrar hasta 15.000 barriles diarios. ¿Qué debe
hacer la refinería?
8. Campaña publicitaria
El Gerente de Mercadeo de una compañía que vende productos dietéticos, está
considerando la promoción publicitaria para un nuevo producto.
El presupuesto para esta promoción se ha fijado en $ 18.000.000. La compañía puede
hacer publicidad al nuevo producto a través de comerciales de televisión y/o anuncios
en revistas.
Cada comercial de televisión cuesta $ 80.000 y se estima que cada vez que se presenta
el comercial lo ven 500.000 personas.
Cada anuncio en la revista cuesta $ 50.000 y se estima que cada anuncio de revista lo
ven 180.000 personas.
La disponibilidad operativa de las firmas de diseño gráfico para crear las propagandas,
debido al poco tiempo disponible, permite que puedan llegar a diseñar hasta 9 pautas
publicitarias para revistas si se dedican exclusivamente a ellas, o hasta 7 pautas
televisivas únicamente, o cualquier combinación factible de pautas para revistas o
televisión que permita su limitada capacidad operativa. Debido a que la Compañía tiene
también acciones en diversas imprentas, la administración ha decidido colocar por lo
menos tres anuncios en revistas. Por su parte, el Gerente de Mercadeo ha establecido
que la compañía debería tener, cuando menos, tantos comerciales de televisión como
anuncios en las revistas. Se quiere determinar la distribución del presupuesto de
publicidad de modo que se maximice el número de personas influidas por la promoción
publicitaria.
Estudios realizados indican que cada avión aportaría unos beneficios anuales netos de
280 millones en el caso de A, 350 en el B y 300 en el M. Para facilitar el mantenimiento
y los repuestos se desea que del nuevo grupo de aeronaves que se adquiera, uno de los
tipos de avión sea dominante, adquiriendo al menos 10 unidades del mismo.
Referencias bibliográficas
Ackoff, R.L., Sasieni, M.W. (1968) Fundamentals of Operations Research, John Wiley
& Sons.
André, M., Baldoquín, M.G., Acuña, S. (2011) Formal model for assigning human
resources to teams in software projects, Information and Software Technology, Vol. 53,
No. 3, March 2011, pp.259-275, ISSN:0950-5849, Elsevier
Belbin, R.M.(2004), Management Teams: Why they Succeed or Fail. 2nd ed.,
Butterworth Heinemann,Oxford.
Pidd, M. (1996). Tools for thinking, Wiley.
Pidd, M. (2003). Tools for Thinking: Modelling in Management Science. Wiley