Está en la página 1de 32

Tema 1

Introducción a la Investigación Operativa

 Investigación Operativa(IO)
 Investigación de Operaciones(IO)
 Operations Research(OR)
 Operational Research (OR)

Una intersección entre las áreas de Ingeniería, Modelación Matemática y Economía.


Términos de IO (OR):

Optimización Optimization Asignación Assignment


Simulación Simulation Cadena Chain
Toma deDecisiones Decision making Destino Target
Análisis Analyse Ingeniería Engineering
Ciencia Science Proceso Process
Modelo Model Matemática Mathematical
administración Management Logística Logistic
redes Network estadistica statistical
guerra war sistema System
dinámico Dynamical Planificación planning
algoritmos Algorithms Función Function
Teoría de juegos Game Theory Objetivo Objetive
Función Objetivo Objetive Function deterministico deterministic
Flujos de red Network flows Incertidumbre uncertainty
ORIGEN

Epícides (sucesor de Hierónimo,y este asu vez de Hierón II), rey de Siracusa, encomienda una
tarea a Arquímedes, para defender la ciudad de los ataques romanos(Durante la segunda
guerra púnica).
BALISTICA

MATEMÁTICOS

SEGUNDA GUERRA MUNDIAL

Proyecto Manhattan:
PATRICK MAYNAR STUART BLACKETT

Proyectos de IO:

 Radar

El despliegue de los radares de vigilancia. El carácter aleatorio de los posibles ataques junto
con las distintas posibilidades en el espacio y el tiempo, unido a la variable probabilística de la
detección de radares trasladaban la resolución del despliegue a un problema con
planteamiento matemático.
 Convoys Pequeños Vs Convoys Grandes
 Profundidad de disparo de las cargas de profundidad(de 100 pies a 25 pies)
Bombarderos de la RAF(Royal Air Force-Real Fuerza Aerea)-Bomber Stream(Corriente de
bombarderos-Flujo lineal de bombarderos)
FACTORES PARA LA CONSOLIDACIÓN DE LA IO

• Progreso de las técnicas

– Simplex: G. Dantzig-1947

– Programación Dinámica

– Líneas de espera

– Teoría de Inventarios

• Revolución de las computadores

– Década de los 50 primeras computadoras

– PC-1980

DEFINICION

• Ciencia que estudia la preparación racional de la toma de decisiones.

• La investigación de operaciones es un método científico para proporcionar a los


departamentos ejecutivos una base cuantitativa para las decisiones relacionadas con
las operaciones bajo su control. (Morse, Kimball)
METODO DE LA IO

1. DEFINICION DEL PROBLEMA

 Consiste en: Identificar,comprender y describir en términos precisos

EJEMPLO: ASESOR FINANCIERO

El asesor financiero de una empresa es convocado, a una reunión de directorio, donde le dan
una tarea que debe analizar. La empresa quiere fortalecer su capital(maximizar el retorno).
Para ello una fracción de las ganancias de una gestión, se quiere invertir en dos fondos:
depósito a plazo fijo y fondo de valores. Se conoce que el rendimiento del depósito a plazo fijo
es de 6% anual, el fondo de valores es del 10%. Para diversificar la cartera y controlar el riesgo
se dan dos pautas de inversión.
1. A ningún fondo se puede invertir más del 75%
2. La inversión en el fondo de valores, no debe exceder el doble del depósito a plazo fijo

Cuanto se debe invertir en cada fondo.

2. DESARROLLO DEL MODELO MATEMATICO

 Formular el modelo matemático:


o Identificar las variables de decisión
o Identificar la función objetivo
o Identificar las restricciones

EJEMPLO: ASESOR FINANCIERO

V: Fracción que se va a invertir en el fondo de valores

D: Fracción que se va invertir en depósito a plazo fijo

Maximizar el retorno o rendimiento

3. RESOLUCION DEL MODELO MATEMATICO

Resolver un modelo matemático es encontrar valores para las variables de decisión.


Primer debe identificar el tipo de modelo, para elegir la técnica de resolución. Dos
categorías:
Métodos óptimos: El mejor valor
Métodos heurísticos: Valores aceptables

EJEMPLO: ASESOR FINANCIERO

Un modelo de programación lineal: Simplex


V=0.75 D=0.75 Utilidad=0.12
4. VALIDACION, INSTRUMENTACION Y CONTROL DE LA SOLUCION

Es importante validar la solución. Los valores deben tener sentido para el problema.

Por qué hacerlo:

- El modelo puede no haber captado las limitaciones


- Ciertos aspectos del problema pueden pasarse por alto
- Los datos pueden haberse estimado incorrectamente

EJEMPLO: ASESOR FINANCIERO

Tener un retorno de 0.12, no es adecuado (el menor es 0.06 y el mayor es 0.1), debiera salir un
valor intermedio. Hemos omitido una restricción:

D + V =1

5. MODIFICACION DEL MODELO

Consiste, en revisar los aspectos del modelo, que no pueden haberse considerado. Se retorna a
la etapa de desarrollo del modelo matemático.

EJEMPLO: ASESOR FINANCIERO


Resolviendo nos entrega la siguiente solución:

D=0.33 V=0.67 Retorno: 0.086 (razonable)

MODELADO
EMPRESA WYNDOR GLASS

• La empresa Wyndor Glass , produce artículos de vidrio de alta calidad


• Tiene 3 plantas: Los marcos y molduras de aluminio se hacen en la planta 1, los marcos
de madera en la planta 2 y el vidrio en la planta 3.
• Para que la empresa tenga más ganancias, se descontinua ciertos productos y se deja
libre horas de producción, para introducir al mercado 2 nuevos productos redituables:
Puerta de vidrio con marco de aluminio y Ventana con marco de madera.

• Comercialización indica que se puede vender todo lo que se produce


• Se debe considerar para una semana
• La ganancia estimada es 3 unidades monetarias para Puertas y 5 para Ventanas
• Existe cierta disponibilidad de horas semana en cada una de las plantas, porque se ha
dejado de producir otros productos.

Modelo
1) Identificar las variables de Decisión:
¿Qué elementos se pueden controlar(dar un valor arbitrario?
La cantidad de puertas y cantidad de ventas a producir en una semana.
- P: El # de puertas que se producen en una semana
- V: El # de ventanas que se producen en una semana

P: [unidades/semana] P:[unidades]
V:[unidades/semana] V:[Unidades]

2) Identificar la Función Objetivo

Se puede seguir esos pasos que se ha indicado

f.v.) Maximizar la ganancia total por la producción de productos

d.) 𝐿𝑎 𝑔𝑎𝑛𝑎𝑛𝑐𝑖𝑎 𝑝𝑜𝑟 𝐿𝑎 𝑔𝑎𝑛𝑎𝑛𝑐𝑖𝑎 𝑝𝑜𝑟


(𝑙𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑑𝑒 ) + (𝑙𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑑𝑒 )
𝑝𝑢𝑒𝑟𝑡𝑎𝑠 𝑣𝑒𝑛𝑡𝑎𝑛𝑎𝑠

e.e.) 2 puertas  3$  2(3)


3 Ventanas  5$  + 3(5)
2 (3) + 3 (5)
 
P V
3 P + 5 V

Maximizar 3P+5V

3) Identificar las restricciones

Planta de aluminio:

f.v.) Las horas de producción usadas en la planta de aluminio no excede las 4 horas
d.) 𝐿𝑎𝑠 ℎ𝑜𝑟𝑎𝑠 𝑢𝑠𝑎𝑑𝑎𝑠 𝑒𝑛 𝐿𝑎𝑠 ℎ𝑜𝑟𝑎𝑠 𝑢𝑠𝑎𝑑𝑎𝑠 𝑒𝑛
( 𝑙𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑑𝑒 ) + ( 𝑙𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑑𝑒 ) 𝑛𝑜 𝑒𝑥𝑐𝑒𝑑𝑒 4 ℎ𝑜𝑟𝑎𝑠
𝑝𝑢𝑒𝑟𝑡𝑎𝑠 𝑣𝑒𝑛𝑡𝑎𝑛𝑎𝑠

e.e.) 2 puertas 1  2(1)


3 Ventanas 0  + 3(0)
2 (1) + 3 (0)
 
P V
1 P + 0 V <= 4

P <= 4

Planta de madera:

f.v.) Las horas de producción usadas en la planta de madera no excede las 12 horas

d.) 𝐿𝑎𝑠 ℎ𝑜𝑟𝑎𝑠 𝑢𝑠𝑎𝑑𝑎𝑠 𝑒𝑛 𝐿𝑎𝑠 ℎ𝑜𝑟𝑎𝑠 𝑢𝑠𝑎𝑑𝑎𝑠 𝑒𝑛


( 𝑙𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑑𝑒 ) + ( 𝑙𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑑𝑒 ) 𝑛𝑜 𝑒𝑥𝑐𝑒𝑑𝑒 12 ℎ𝑜𝑟𝑎𝑠
𝑝𝑢𝑒𝑟𝑡𝑎𝑠 𝑣𝑒𝑛𝑡𝑎𝑛𝑎𝑠

e.e.) 2 puertas 0  2(0)


3 Ventanas 2  + 3(2)
2 (0) + 3 (2)
 
P V
0 P + 2 V <= 12

2 V <= 12

Planta de vidrio:

f.v.) Las horas de producción usadas en la planta de vidrio no excede las 18 horas

d.) 𝐿𝑎𝑠 ℎ𝑜𝑟𝑎𝑠 𝑢𝑠𝑎𝑑𝑎𝑠 𝑒𝑛 𝐿𝑎𝑠 ℎ𝑜𝑟𝑎𝑠 𝑢𝑠𝑎𝑑𝑎𝑠 𝑒𝑛


( 𝑙𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑑𝑒 ) + ( 𝑙𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑑𝑒 ) 𝑛𝑜 𝑒𝑥𝑐𝑒𝑑𝑒 18 ℎ𝑜𝑟𝑎𝑠
𝑝𝑢𝑒𝑟𝑡𝑎𝑠 𝑣𝑒𝑛𝑡𝑎𝑛𝑎𝑠

e.e.) 2 puertas 3  2(3)


3 Ventanas 2  + 3(2)
2 (3) + 3 (2)
 
P V
3 P + 2 V <= 18

3P + 2V <= 18
Lógicas:

P >= 0
V >= 0

EMPRESA DE MUEBLES

• La empresa tiene 3 plantas ubicadas en Oruro, Cochabamba y Santa Cruz. La planta de


Oruro tiene una capacidad de 100, la de Cochabamba de 120 y la de Santa Cruz de
130.
• Sus muebles se venden en almacenes localizados en La Paz que necesita 110, en Potosí
que necesita 70, 90 en Sucre y 80 que necesita Tarija. Los costos de envío se describen
en la siguiente tabla. La empresa quiere reducir los costos de envío.
Modelo:

1) Identificar las variables de Decisión:

¿Qué elementos se pueden controlar (dar un valor arbitrario)?

La cantidad de muebles que se envía de Oruro a La Paz


Xoruro,lapaz: La cantidad de puertas que se envía de Oruro a La Paz

XOL: La cantidad de puertas que se envía de Oruro a La Paz

X11: La cantidad de puertas que se envía de Oruro a La Paz

Como estas hay varias variables de decisión( la cantidad de líneas en la representación


gráfica):

X11,X12,X13,X14, X21,X22,X23,X24, X31,X32,X33,X34

2) Identificar la Función Objetivo

f.v.) Minimizar el costo total de envío de las plantas a los almacenes

d.) 𝐸𝑙 𝐶𝑜𝑠𝑡𝑜 𝐸𝑙 𝐶𝑜𝑠𝑡𝑜 𝐸𝑙 𝐶𝑜𝑠𝑡𝑜


(𝑑𝑒 𝑒𝑛𝑣í𝑜 𝑑𝑒𝑠𝑑𝑒 ) + (𝑑𝑒 𝑒𝑛𝑣í𝑜 𝑑𝑒𝑠𝑑𝑒 ) + (𝑑𝑒 𝑒𝑛𝑣í𝑜 𝑑𝑒𝑠𝑑𝑒 )
𝑂𝑟𝑢𝑟𝑜 𝐶𝑜𝑐ℎ𝑎𝑏𝑎𝑚𝑏𝑎 𝑆𝑎𝑛𝑡𝑎 𝐶𝑟𝑢𝑧
Oruro: 𝐸𝑙 𝐶𝑜𝑠𝑡𝑜 𝐸𝑙 𝐶𝑜𝑠𝑡𝑜 𝐸𝑙 𝐶𝑜𝑠𝑡𝑜 𝐸𝑙 𝐶𝑜𝑠𝑡𝑜
( 𝑑𝑒 ) + ( 𝑑𝑒 ) + ( 𝑑𝑒 ) + ( 𝑑𝑒 )
𝑂𝑅 − 𝐿𝑃 𝑂𝑅 − 𝑃𝑇 𝑂𝑅 − 𝑆𝑈 𝑂𝑅 − 𝑇𝐴

e.e.) OR-LP 35  12$  35(12)


OR-PT 20  24$  20(24)
OR-SU 15  30$  15(30)
OR-TA 30  45$  + 30(45)
35 (12) + 20(24) + 15(30) + 30 (45)
   
X11 X12 X13 X14
12 X11 + 24 X12 + 30 X13 + 45 X14

Min 12 X11 + 24 X12 + 30 X13 + 45 X14


+18 X21 + 28 X22 + 29 X23 + 60 X24
+25 X31 + 32 X32 + 40 X33 + 55 X34

3) Identificar las restricciones

Envío desde Oruro:


f.v.) El envío desde Oruro a los almacenes es igual a 100

d.) 𝐿𝑎 𝐿𝑎 𝐿𝑎 𝐿𝑎
𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑
𝑑𝑒 𝑑𝑒 𝑑𝑒 𝑑𝑒
𝑚𝑢𝑒𝑏𝑙𝑒𝑠 + 𝑚𝑢𝑒𝑏𝑙𝑒𝑠 + 𝑚𝑢𝑒𝑏𝑙𝑒𝑠 + 𝑚𝑢𝑒𝑏𝑙𝑒𝑠 𝑒𝑠 𝑖𝑔𝑢𝑎𝑙 𝑎 100
𝑒𝑛𝑣𝑖𝑎𝑑𝑜𝑠 𝑒𝑛𝑣𝑖𝑎𝑑𝑜𝑠 𝑒𝑛𝑣𝑖𝑎𝑑𝑜𝑠 𝑒𝑛𝑣𝑖𝑎𝑑𝑜𝑠
𝑑𝑒 𝑑𝑒 𝑑𝑒 𝑑𝑒
( 𝑂𝑅 − 𝐿𝑃 ) ( 𝑂𝑅 − 𝑃𝑇 ) ( 𝑂𝑅 − 𝑆𝑈 ) ( 𝑂𝑅 − 𝑇𝐴 )

e.e.) OR-LP 35  35
OR-PT 20  20
OR-SU 15  15
OR-TA 30  + 30
35 + 20 + 15 + 30
   
X11 X12 X13 X14
X11 + X12 + X13 + X14 = 100

X11 + X12 + X13 + X14 = 100

Envío desde Cochabamba:

X21 + X22 + X23 + X24 = 120

Envío desde Santa Cruz:

X31 + X32 + X33 + X34 = 130

Envío a La Paz:

f.v.) El envío a La Paz desde las plantas es igual a 110

d.) 𝐿𝑎 𝐿𝑎 𝐿𝑎
𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑
𝑑𝑒 𝑑𝑒 𝑑𝑒
𝑚𝑢𝑒𝑏𝑙𝑒𝑠 + 𝑚𝑢𝑒𝑏𝑙𝑒𝑠 + 𝑚𝑢𝑒𝑏𝑙𝑒𝑠 𝑒𝑠 𝑖𝑔𝑢𝑎𝑙 𝑎 110
𝑒𝑛𝑣𝑖𝑎𝑑𝑜𝑠 𝑒𝑛𝑣𝑖𝑎𝑑𝑜𝑠 𝑒𝑛𝑣𝑖𝑎𝑑𝑜𝑠
𝑑𝑒 𝑑𝑒 𝑑𝑒
( 𝑂𝑅 − 𝐿𝑃 ) ( 𝐶𝐵 − 𝐿𝑃 ) ( 𝑆𝑇 − 𝐿𝑃 )

e.e.) OR-LP 40  40
CB-LP 45  45
ST-LP 25  + 25
40 + 45 + 25 +
  
X11 X12 X13
X11 + X21 + X31 = 110

X11 + X21 + X31 = 110


Envío a Potosí:

X12 + X22 + X32 = 70

Envío a Sucre:

X13 + X23 + X33 = 90

Envío a Tarija:

X14 + X24 + X34 = 80

Restricciones Lógicas:

X11,X12,X13,X14, X21,X22,X23,X24, X31,X32,X33,X34 >=0 y enteras

Luego el modelo final será:

Min 12 X11 + 24 X12 + 30 X13 + 45 X14


+18 X21 + 28 X22 + 29 X23 + 60 X24
+25 X31 + 32 X32 + 40 X33 + 55 X34
c.a.

X11 + X12 + X13 + X14 = 100


X21 + X22 + X23 + X24 = 120
X31 + X32 + X33 + X34 = 130
X11 + X21 + X31 = 110
X12 + X22 + X32 = 70
X13 + X23 + X33 = 90
X14 + X24 + X34 = 80
X11,X12,X13,X14, X21,X22,X23,X24, X31,X32,X33,X34 >=0 y enteras

EMPRESA TRANSANDINA

La empresa Tras-Andina, tiene plantas de refinación de derivados del petróleo en Camiri. Su


principal centro de consumo es la ciudad de La Paz. Por lo tanto debe llevar derivados del
petróleo desde Camiri hasta La Paz, a través de una red bombeos de ciudades intermedias. En
cada segmento de esa red, hay una capacidad límite que se puede enviar. La empresa espera
que pueda llegar la mayor cantidad de derivados del petróleo a La Paz.

En la figura se muestra esa red:


Xcamiri,santa cruz

Xtarija,sucre

Modelo:

1) Identificar las variables de Decisión:

¿Qué elementos se pueden controlar (dar un valor arbitrario)?

La cantidad de derivados del petróleo que se envía de Camiri a Santa Cruz en miles de
litros.

Xcamiri,santacruz: La cantidad de derivados del petróleo que se envía de Camiri a Santa


Cruz.

XCS: La cantidad de derivados del petróleo que se envía de Camiri a Santa Cruz.
XCT: La cantidad de derivados del petróleo que se envía de Camiri a Tarija.
XSB: La cantidad de derivados del petróleo que se envía de Santa Cruz a Cochabamba.
XTU: La cantidad de derivados del petróleo que se envía de Tarija a Sucre.
XUB: La cantidad de derivados del petróleo que se envía de Sucre a Cochabamba
XUL: La cantidad de derivados del petróleo que se envía de Sucre a La Paz.
XBO: La cantidad de derivados del petróleo que se envía de Cochabamba a Oruro
XOL: La cantidad de derivados del petróleo que se envía de Oruro a La Paz.

2) Identificar la Función Objetivo

f.v.) Maximizar el envío a la ciudad de La Paz

d.) 𝐸𝑙 𝐸𝑙
𝑒𝑛𝑣í𝑜 𝑑𝑒𝑠𝑑𝑒 𝑒𝑛𝑣í𝑜 𝑑𝑒𝑠𝑑𝑒
𝑂𝑟𝑢𝑟𝑜 + 𝑂𝑟𝑢𝑟𝑜 Sucre
𝑎 𝑎
( 𝐿𝑎 𝑃𝑎𝑧 ) ( 𝐿𝑎 𝑃𝑎𝑧 )
e.e.) OR-LP 70  70
SU-LP 60  + 60
70 + 60
 
XOL XUL
XOL + XUL

Max XOL + XUL

3) Identificar las restricciones

Envío desde Camiri a Santa Cruz:

f.v.) El envío desde Camiri a Santa Cruz no excede 90

d.) 𝐿𝑎
𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑
𝑑𝑒
𝑒𝑛𝑣í𝑜 𝑛𝑜 𝑒𝑥𝑐𝑒𝑑𝑒 𝑎 90
𝑑𝑒 𝐶𝑎𝑚𝑖𝑟𝑖
𝑎
( 𝑆𝑎𝑛𝑡𝑎 𝐶𝑟𝑢𝑧)

e.e.) Ca-StaCruz 80  80

80 <= 90

XCS
XCS <= 90

XCS <= 90

Para todos los segmentos:

XCS <= 90 XSB <= 100 XUB <= 60 XBO <= 80


XCT <= 80 XTU <= 70 XUL <= 85 XOL <= 95

Restricciones de equilibrio:

Para todos los nodos intermedios:

Para Santa Cruz:

f.v.) Lo que llega a Santa Cruz es igual al envío que hace Santa Cruz
d.) 𝐸𝑙 𝐸𝑙
𝑒𝑛𝑣í𝑜 𝑒𝑛𝑣í𝑜
𝑑𝑒 𝑑𝑒
𝐶𝑎𝑚𝑖𝑟𝑖 = 𝑆𝑎𝑛𝑡𝑎 𝐶𝑟𝑢𝑧
𝑎 𝑎
𝑆𝑎𝑛𝑡𝑎 𝐶𝑟𝑢𝑧 𝐶𝑜𝑐ℎ𝑎𝑏𝑚𝑎𝑏𝑎
( ) ( )

e.e.) Camiri a Santa. 60  60


Cruz
Santa Cruz a 60  60
Cochabamba

60 = 60
 
XCS XSB
XCS = XSB

XCS = XSB

Para Tarija:
XCT = XTU
Para Sucre:
XCS = XUB + XUL
Para Cochabamba:
XSB + XUB = XBO
Para Oruro:
XBO = XOL
Restricciones Lógicas:
XCS, XCT, XSB, XTU, XUB, XUL, XBS, XOL >=0

El modelo será:

Max XOL + XUL


c.a.

XCS <= 90 XSB <= 100 XUB <= 60 XBO <= 80


XCT <= 80 XTU <= 70 XUL <= 85 XOL <= 95
XCS = XSB
XCT = XTU
XCS = XUB + XUL
XSB + XUB = XBO
XBO = XOL
XCS, XCT, XSB, XTU, XUB, XUL, XBS, XOL >=0
EMPRESA COMERCIAL

• Una empresa comercial desea invertir en 4 rubros, en un horizonte de 3 años:


– Electrodomésticos
– Ropa
– Repuestos
– Dulces
• Cada año se dispone de cierta cantidad de inversión
• Cada rubro al final de los 3 años tiene un retorno que se muestra en la tabla siguiente
• Por el personal técnico necesario para asistir a los clientes se ha decidido no invertir al
mismo tiempo en electrodomésticos y repuestos.

1) Identificar las variables de Decisión:


¿Qué elementos se pueden controlar(dar un valor arbitrario? 0=No
1=Si
La decisión de inversión en cada rubro Si/No{0/1}
- E: La decisión de invertir en Electrodomésticos
- R: La decisión de invertir en Ropa
- P: La decisión de invertir en Repuestos
- D: La decisión de invertir en Dulces

2) Identificar la Función Objetivo

f.v.) Maximizar el retorno de la inversión en los distintos rubros

d.) 𝐸𝑙 𝑟𝑒𝑡𝑜𝑟𝑛𝑜 𝐸𝑙 𝑟𝑒𝑡𝑜𝑟𝑛𝑜 𝐸𝑙 𝑟𝑒𝑡𝑜𝑟𝑛𝑜 𝐸𝑙 𝑟𝑒𝑡𝑜𝑟𝑛𝑜


𝑝𝑜𝑟 𝑝𝑜𝑟 𝑝𝑜𝑟 𝑝𝑜𝑟
𝑖𝑛𝑣𝑒𝑟𝑡𝑖𝑟 + 𝑖𝑛𝑣𝑒𝑟𝑡𝑖𝑟 + 𝑖𝑛𝑣𝑒𝑟𝑡𝑖𝑟 + 𝑖𝑛𝑣𝑒𝑟𝑡𝑖𝑟
𝑒𝑛 𝑒𝑛 𝑒𝑛 𝑒𝑛
(𝐸𝑙𝑒𝑐𝑡𝑟𝑜 𝑑𝑜𝑚.) ( 𝑅𝑜𝑝𝑎 ) (𝑅𝑒𝑝𝑢𝑒𝑠𝑡𝑜𝑠 ) ( 𝐷𝑢𝑙𝑐𝑒𝑠 )
e.e.) Electr. Si  230$  1(230)
Ropa Si  180$  1(180)
Repuestos No  225$  0(225)
Dulces No  70$ + 0(70)
1(230)+ 1(180)+ 0(225)+ 0(70)
Si=1, No 0    
E R P D
230 E + 180 R 225 P + 70 D

Maximizar 230 E + 180 R + 225 P + 70 D

3) Identificar las restricciones

Disponibilidad para el primer año:

f.v.) La inversión en el primer año no excede el monto disponible de 120

d.) 𝐼𝑛𝑣𝑒𝑟𝑠𝑖ó𝑛 𝐼𝑛𝑣𝑒𝑟𝑠𝑖ó𝑛 𝐼𝑛𝑣𝑒𝑟𝑠𝑖ó𝑛 𝐼𝑛𝑣𝑒𝑟𝑠𝑖ó𝑛


( 𝑒𝑛 ) + ( 𝑒𝑛 ) + ( 𝑒𝑛 ) + ( 𝑒𝑛 ) 𝑛𝑜 𝑒𝑥𝑐𝑒𝑑𝑒 120
𝐸𝑙𝑒𝑐𝑡𝑟. 𝑅𝑜𝑝𝑎 𝑅𝑒𝑝𝑢𝑒𝑠𝑡𝑜𝑠 𝐷𝑢𝑙𝑐𝑒𝑠

e.e.) Electr. Si  70$  1(70)


Ropa No  55$  0(55)
Repuestos No  65$  0(65)
Dulces Si  20$  + 1(20)
1(70) + 0(55)+ 0(65)+ 1(20)
Si=1, No 0    
E R P D
70 E + 55 R 65 P + 20 D <=120

70 E + 55 R + 65 P + 20 D <=120

Disponibilidad para el segundo año:


75 E + 50 R + 75 P + 15 D <=140

Disponibilidad para el tercer año:


60 E + 45 R + 60 P + 25 D <=120

No invertir en Electrodomésticos y Repuestos al mismo tiempo:

f.v.) No invertir en Electrodomésticos y Repuestos al mismo tiempo

d.) 𝐼𝑛𝑣𝑒𝑟𝑠𝑖ó𝑛 𝐼𝑛𝑣𝑒𝑟𝑠𝑖ó𝑛


( 𝑒𝑛 )( 𝑒𝑛 ) 𝑛𝑜 𝑎𝑙 𝑚𝑖𝑠𝑚𝑜 𝑡𝑖𝑒𝑚𝑝𝑜
𝐸𝑙𝑒𝑐𝑡𝑟. 𝑅𝑒𝑝𝑢𝑒𝑠𝑡𝑜𝑠
e.e.) Inversión Electro. Repuestos Cumple E P E*P
No No Si 0 0 0
No Si Si 0 1 0
Si No Si 1 0 0
Si Si No 1 1 1
E*P=0

E P E+P
0 0 0
0 1 1
1 0 1
1 1 2
E+P<2
E+P<=1

E+P<=1
Restricciones Lógicas
E={0/1}, R={0/1}, P={0/1}, D={0/1}

El modelo será:

Maximizar 230 E + 180 R + 225 P + 70 D


c.a.
70 E + 55 R + 65 P + 20 D <=120
75 E + 50 R + 75 P + 15 D <=140
60 E + 45 R + 60 P + 25 D <=120
E + P <=1
E={0/1}, R={0/1}, P={0/1}, D={0/1}

LOCALIZACION

• Considere que una empresa distribuidora de productos farmacéuticos requiere


determinar la localización de una bodega que funcionará como centro de distribución
y abastecimiento para sus locales en una región. En especial se busca estar a la menor
distancia de los 3 principales locales de venta al público denominados A, B y C,
respectivamente. Las coordenadas geográficas de dichos locales se presentan en el
siguiente gráfico:
• Formule y resuelva un modelo de optimización que permita determinar la localización
óptima de la bodega y que minimice la distancia a los distintos locales de la empresa.
Asuma que la bodega puede ser ubicada en cualquier coordenada o punto del mapa.

1) Identificar las variables de Decisión:

Si representamos en el plano cartesiano:

X: La coordenada X del Almacén

Y: La coordenada Y del Almacén

2) Identificar la Función Objetivo

f.v.) Minimizar la distancia total del almacén a los locales de venta

d.) 𝐿𝑎 𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑖𝑎 𝐿𝑎 𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑖𝑎 𝐿𝑎 𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑖𝑎


( 𝑎𝑙 𝐿𝑜𝑐𝑎𝑙 𝐴 ) + ( 𝑎𝑙 𝐿𝑜𝑐𝑎𝑙 𝐵 ) + ( 𝑎𝑙 𝐿𝑜𝑐𝑎𝑙 𝐶 )

e.e.) La distancia al local C


Minimizar d1 + d2 + d3

𝑀𝑖𝑛 √(𝑥 − 0)2 + (𝑦 − 0)2 + √(𝑥 − 30)2 + (𝑦 − 50)2 + √(𝑥 − 100)2 + (𝑦 − 30)2

3) Identificar las restricciones

No hay restricciones

Luego el modelo será:

𝑀𝑖𝑛 √(𝑥 − 0)2 + (𝑦 − 0)2 + √(𝑥 − 30)2 + (𝑦 − 50)2 + √(𝑥 − 100)2 + (𝑦 − 30)2

CLASIFICACIÓN DE MODELOS

MODELO Se debe  RESOLVER Valores para VdD



Procedimiento Como Se Elije
(algoritmo) 
Clase de Modelo

CRITERIOS DE CLASIFICACION

A) BASADA EN DATOS
a. Determinísticos: Los datos se conocen con certeza
b. Estocásticos: Los datos no se conocen con certeza Probabilidades

B) BASADA EN RESTRICCIONES
a. Irrestrictos: Carecen de restricciones
b. Restringidos: Una o más restricciones

Las funciones que describen las restricciones, y tienen propiedades de


aditividad y proporcionalidad se denominan funciones lineales y las que no
cumplen funciones no lineales.

Aditividad: La relación entre variables es de suma o resta Ej. 4x + y

xy x/y x2
Proporcionalidad: Una variable se multiplica solo por una constante Ej. 7x
y es proporcional a x
Luego los modelos restringidos pueden ser: y=kx
a) Con restricciones Lineales
b) Con restricciones no lineales
Var
C) BASADA EN LA FUNCION OBJETIVO
a. Objetivo Lineal: Función lineal
b. Objetivo no Lineal: Función no lineal
D) BASADA EN LAS VARIABLES
a. Variable Continua: Variables satisfacen continuidad
b. Variable Entera: Variables no satisfacen continuidad A C B

Continuidad: Asume cualquier valor en un intervalo. Siempre entre dos valores


observados de una variable existe un tercer valor intermedio para la variable.

Para problemas determinísticos se vería así:

Wyndor Glass
Muebles
Transandina
Comercial Programación
Ubicación Entera

Programacion No
lineal

Programacion Lineal
PL
Clasificación del modelo de Wyndor Glass Co.

Maximizar 3P + 5V
C.a.
P <= 4
2V <=12
3P + 2V <=18
P , V >=0

DeterministicoRestringidoRestringido LinealF.O. Lineal  VdD Continua

A esta rama se conoce como modelo de Programación Lineal (Modelo PL)

-Todos los que van por alguna rama NO LINEAL, se conoce como modelos de Programación No
Lineal
-Todos los que terminan en VdD Entera, se conocen como modelos de Programación Entera.

También podría gustarte