INVESTIGACION DE

OPERACIONES 2
 INVESTIGACION DE OPERACIONES
2
Pasos y Técnicas para la Construcción de
Modelos Matemáticos
 MODELAMIENTO

QUÉ ES UN MODELO?

CUÁL ES SU OBJETIVO?

CUALES SON LOS TIPOS DE MODELOS?

QUÉ ES UN MODELO MATEMÁTICO ?

QUÉ ES PROGRAMACIÓN LINEAL?

CUALES SON LAS CONDICIONES PARA QUE EXISTA LINEALIDAD EN UNA

FUNCIÓN?
 DEFINICIÓN
DE MODELO
• Un modelo es una
abstracción o una
representación idealizada
de un sistema de la vida
real. El propósito del
modelo es proporcionar un
medio para analizar el
Comportamiento del
sistema con el fin de
mejorar su desempeño. La
realidad de la solución
obtenida depende de la
validez de el para
representar el sistema real.
 MODELAMIENTO

El modelaje es la esencia del enfoque de

la investigación de operaciones.

El construir un modelo ayuda a colocar

los aspectos complejos e inciertos de un
problema de decisión en una estructura
lógica que es adecuada para el análisis
formal.

Un modelo es un vehículo para lograr una

visión bien estructurada de la realidad
MODELAMIENTO
Una de las claves del éxito en
modelización es reconocer que
un modelo es una abstracción.
Los modelos no se construyen
para proporcionar la única
respuesta a un problema de
decisión.

Por el contrario, suministran

información útil para la toma de
decisiones.
 MODELAMIENTO

El modelo no debiera tener todas las complejidades de la realidad. Si las tuviera

sería extremadamente difícil de resolver y probablemente le daría pocas ideas, o
información, al analista. A la inversa, el modelo no debe ser una excesiva
simplificación que se asemeje poco al mundo real.

EL BUEN MODELO GOZA DE EQUILIBRIO.

 TIPOS DE MODELOS
Se pueden clasificar en dos categorías, en determinísticos y
probabilísticos o estadístico.

Los determinísticos las buenas decisiones se basan en sus buenos

resultados. Se consigue lo deseado de manera “determinística”, es
decir, libre de riesgo.

Esto depende de la influencia que puedan tener los factores no

Controlables, en la determinación de los resultados de una decisión y
también en la cantidad de información que el tomador de decisión
tiene para controlar dichos factores se juzga de acuerdo a los
resultados.
 TIPOS DE MODELOS

El probabilístico es un modelo matemático basado en aplicaciones

estadísticas para la evaluación de eventos incontrolables, pero
también tiene en cuenta los resultados, a diferencia del
determinístico se toman riesgos que deben ser evaluar en la toma de
decisiones.
 TIPOS DE MODELOS
Existen otras formas de clasificar los modelos
 CÓMO SE CONSTRUYE UN MODELO

Para la construcción de un modelo se requiere arte, imaginación y

conocimientos técnicos. Las etapas a seguir son:
1. Se estudia el Ambiente
• Comprensión del Problema
2. Se hace una Formulación Lógica
• Análisis conceptual básico
• Se hacen conjeturas y simplificaciones
3. Se hace una Formulación Simbólica
• Construcción de las relaciones lógicas en el Lenguaje Simbólico de
las Matemáticas
 MODELO MATEMATICO
Como su nombre lo indica es un modelo expresado en términos matemáticos.

✓ Hace más claras la estructura y relaciones.

✓ Facilita el uso de técnicas matemáticas y ordenadores.
✓ A veces no es aplicable

FASES DE UN MODELO MATEMÁTICO

A. Definición del problema a resolver: formulación precisa e inequívoca del

problema y declaración de los objetivos a conseguir.
B. Recolección y proceso de datos empíricos: considera la recolección de la
información cuantitativa y su reducción a forma manejable. Los datos deberán
ser puestos en forma significativa para que sobre ellos se formulen las hipótesis
(modelo) del comportamiento del sistema en consideración.
 MODELO MATEMATICO
FASES
C. Formulación del modelo matemático. Esta fase se subdivide en:

i. Selección de las variables más relevantes a incluir y de las interrelaciones

entre ellas, dando a lugar un modelo de carácter estructural.
ii. Expresión en términos matemáticos de las relaciones entre las variables, con
lo que se obtiene un modelo funcional con capacidad operativa.

D. Especificación del modelo: determinación de los parámetros y coeficientes

de las ecuaciones que representan las interrelaciones del modelo.

E. Formulación de un programa computacional.

F. Análisis de validez.
 IDENTIFICACIÓN DE VARIABLES,
FUNCIÓN OBJETIVO Y RESTRICCIONES
DEFINICIONES:

Variables de decisión: Decisiones cuantificables relacionadas unas con otras.

Ejemplo: Cuánto comprar, Cuánto vender
Función objetivo: La medida de efectividad compuesta expresada como una
función de las variables de decisión. Puede ser Maximizar o Minimizar
Parámetros: Valores constantes que actúan como coeficientes al lado derecho
de las variables tanto en la función objetivo como en las restricciones y que se
basan en datos tecnológicos de los problemas. Ejemplo fijar tasa inflación
Restricciones: Limitaciones impuestas sobre los valores de las variables de
decisión, casi siempre en forma de ecuaciones o desigualdades. Pueden = /
>=/<=
 IDENTIFICACIÓN DE VARIABLES,
FUNCIÓN OBJETIVO Y RESTRICCIONES
Las anteriores definiciones escritas en forma simbólica sería:

Definir las x1 , x2 , . . . . Xn
Variables de Decisión

Función Maximizar o min f( x1 , x2 , . . . . Xn)

Objetivo

Sujeto a: g1( x1 , x2 , . . . . xn )<=b1

g2( x1 , x2 , . . . . xn )>=b2
.
Restricciones .

gm( x1 , x2 , . . . . xn ) = bm

x1 , x2 , . . . . xn
 IDENTIFICACIÓN DE VARIABLES,
FUNCIÓN OBJETIVO Y RESTRICCIONES
Cuando la función objetivo y todas las Restricciones Son “Lineales” tenemos un
“Modelo de Programación Lineal.

Max Z = c1x1+ c2x2 + . . . + cnxn

Sujeto a: a11x1 + a12x2 + . . . + a1nxn <= b1

a21x1 + a22x2 + . . . + a2nxn <= b2
. . .
. . .
. . .
am1x1 + am2x2 + . . . + amnxn <= bm

xJ >= 0 Para J = 1, 2, 3, . . . n
 INVESTIGACION DE OPERACIONES
2
Introducción a la programación Lineal
 PROGRAMACIÓN LINEAL –
PROBLEMA GENERAL
La Programación Lineal resuelve
un tipo muy especial de
problema, uno en el cual todas
las relaciones entre las variables
son lineales, tanto en las
restricciones como en la Función
Objetivo.
 DEFINICIÓN

Dado un conjunto de m desigualdades lineales o ecuaciones

lineales, con n variables, se requiere hallar valores no
negativos de éstas variables que satisfagan las restricciones y
maximicen o minimicen alguna función lineal de las variables
llamada Función Objetivo.
 MATEMÁTICAMENTE

Hallar XJ , J = 1, 2, . . . . . n

Maximizar ó Minimizar

Z = C1X1 + C2X2 + ......+ CnXn

 MATEMÁTICAMENTE

Con las siguientes restricciones:

a11X1 + ..... .+ a1jXj + ..... .+ a1nXn ≤ o ≥ b1

ai1X1 + ..... .+ aijXj + ..... + ainXn ≤ o ≥ bi

.
am1X1 + ..... .+ amjXj+ ..... .+ amnXn ≤ o ≥ bm
 CARACTERÍSTICAS DE LA
PROGRAMACIÓN LINEAL

1. Linealidad asume que no pueden haber términos así:

A. X1 * X2
B. X32
C. a14Log X4
 CARACTERÍSTICAS DE LA
PROGRAMACIÓN LINEAL
2. Asume las propiedades aditivas y multiplicativas.

• Si una unidad tipo 1 necesita 2 horas en la Máquina A y una unidad tipo 2

necesita 2½ horas, entonces ambas necesitan 4½ horas. (ADITIVA)

• Si una unidad tipo 3 necesita 1 hora en la máquina B, entonces 10 unidades

necesitan 10 horas. (MULTIPLICATIVA)
 CARACTERÍSTICAS DE LA
PROGRAMACIÓN LINEAL
3. La función que se va a optimizar (maximizar o minimizar) se llama
función objetiva, fíjese que no aparece ningún término
independiente o constante. Los valores de las Xj son independientes
de cualquier constante.
 CARACTERÍSTICAS DE LA
PROGRAMACIÓN LINEAL
4. Cuando se dice que hay m restricciones, no están
incluidas las condiciones Xj ≥ 0 (condición de no
negatividad).
 CARACTERÍSTICAS DE LA
PROGRAMACIÓN LINEAL
5. a) Cualquier conjunto de Xj que satisface las m
restricciones se llama una solución al problema.
b) Si la solución satisface la condición de no
negatividad Xj ≥ 0 , se llama una solución factible
c) Una solución factible que optimiza la función
objetiva se llama una solución factible óptima
Usualmente hay un número infinito de soluciones
factibles al problema, de todas estas, tiene que
hallarse una óptima
 CARACTERÍSTICAS DE LA
PAUTAS Y COMENTARIOS PARA
LA FORMULACIÓN DE MODELOS
En la conversión de modelos verbales a modelos formales, será muy útil describir primero con
palabras un modelo que corresponda al problema dado. Es decir, se puede proceder de la
siguiente forma:

1. Exprese cada restricción en palabras; al hacer esto, ponga cuidadosa atención en si la

restricción es un requerimiento de la forma ≥ (mayor o igual que, al menos, por lo menos,
como mínimo), una limitación de la forma ≤ (menor o igual que, no mayor que, como
máximo), o = (igual a, exactamente igual a).
 CARACTERÍSTICAS DE LA
PAUTAS Y COMENTARIOS PARA
LA FORMULACIÓN DE MODELOS
2. Después expresar el objetivo en palabras.
3. Identificar verbalmente las variables de decisión:
Con frecuencia, una cuidadosa lectura del contenido del
problema le revelará que las variables de decisión y el objetivo
se le dan en la forma exacta que necesita. Es imperativo e
importante que estén definidas en forma correcta sus variables
de decisión. En ocasiones encontrará que hay varias elecciones
posibles. Una guía útil es hacerse a si mismo la pregunta: Qué
decisión debe tomarse para optimizar la función objetivo ? . La
respuesta a esta pregunta le ayudará a llegar a identificar
correctamente las variables de decisión
 CARACTERÍSTICAS DE LA
PAUTAS Y COMENTARIOS PARA
LA FORMULACIÓN DE MODELOS
4. Expresar la función objetivo mediante símbolos, es decir en términos de las variables
de decisión.

5. Expresar las restricciones mediante símbolos, es decir, en términos de las variables de

decisión. En esta etapa es necesario e imperativo comprobar si las unidades son
consistentes. Por ejemplo, si los coeficientes de una función objetivo están dados por
pesos por libra, las variables de decisión que aparezcan en la función objetivo deben
resultar en libras, no en toneladas ni onzas.
 CARACTERÍSTICAS DE LA
PAUTAS Y COMENTARIOS PARA
LA FORMULACIÓN DE MODELOS
De manera análoga, compruebe que para cada restricción las unidades del lado derecho
son las mismas que las del lado izquierdo. Por ejemplo, si una de las restricciones es una
limitante de la forma ≤ de horas de trabajo, el lado derecho debe ser de horas de trabajo.
Dicho de otra forma más simple, no puede tener unidades de horas en el lado izquierdo de
la restricción y en el otro lado minutos o segundos o libras o toneladas.

Es conveniente comentar que las restricciones en programación lineal no pueden tener una
desigualdad estricta, con los signos < o > . La razón de esto es de naturaleza matemática
para que asegure que un problema bien formulado tenga solución ya que cualquier
situación del mundo real que uno pueda imaginar y que implique desigualdades de
restricción es casi seguro que la representación con los signos ≤ o ≥ captará por completo el
significado del mundo real.
 APRENDIENDO A FORMULAR
MODELOS
1. Problema de producción

Un taller tiene tres (3) tipos de máquinas A, B y C; puede fabricar dos (2)
productos 1 y 2, 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 siguiente 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
 APRENDIENDO A FORMULAR
MODELOS

Que cantidad de cada producto (1 y 2) se debe manufacturar cada semana,

para obtener la máxima ganancia ?

Cuantas horas semanales sobran en cada departamento ?

 APRENDIENDO A FORMULAR
MODELOS
Formulación
1. Definición de las variables:

Xj = Unidades semanales a producir del articulo j-ésimo ( j=1 y 2)

2. Función objetivo:

Maximizar Z = X1 + 3/2 X2 Con las siguientes restricciones:

3. Restricciones:

2X1 + 2X2 ≤ 16 Restricción debida a las horas disponibles por semana de la MQ A

X1 + 2X2 ≤ 12 Restricción debida a las horas disponibles por semana de la MQ B
4X1 + 2X2 ≤ 28 Restricción debida a las horas disponibles por semana de la MQ C
4. Condición de no negatividad:

Xj ≥ 0 ; j = 1 y 2
 APRENDIENDO A FORMULAR
MODELOS

5. Solución Mediante el método gráfico:

Preparamos analíticamente las restricciones para graficarlas sobre el plano cartesiano, así:
2X1 + 2X2 ≤ 16 X1 + 2X2 ≤ 12 4X1 + 2X2 ≤ 28 Z = X1 + 3/2 X2
2X1 + 2X2 = 16 X1 + 2X2 = 12 4X1 + 2X2 = 28 Z = X1 + 3/2 X2 = 3
X1 = 0 X 2 = 0 X1 = 0 X 2 = 0 X1 = 0 X 2 = 0 X1 = 0 X 2 = 0
X2 = 8 X 1 = 8 X2 = 6 X1 = 12 X2 =14 X1 = 7 X2 = 2 X 1 = 3
 APRENDIENDO A FORMULAR
MODELOS
Fíjese que la función objetivo X1 + 3/2 X2 = Z es la ecuación de una familia de rectas
paralelas, las que se generan cada vez que cambiemos el valor de Z, aquí hemos dado el
valor arbitrario a Z de 3.

Como observará en la gráfica siguiente, la recta que representa a ésta función objetivo, la
desplazaremos a izquierda o derecha para encontrar el último punto que intercepta a la
derecha del área de soluciones factibles, para encontrar la solución factible óptima.
APRENDIENDO A FORMULAR
MODELOS
APRENDIENDO A FORMULAR
MODELOS
APRENDIENDO A FORMULAR
MODELOS