.

SABERES PREVIOS

¿Que observamos en las imágenes anteriores?

¿Cómo podemos obtener el personal idóneo para

el puesto de trabajo?

¿Qué es una decisión?

INVESTIGACION DE
OPERACIONES

PROGRAMACION LINEAL
 LOGRO DE
APRENDIZAJE

Al finalizar la sesión, el estudiante será

capaz de evaluar e interpretar los
problemas de decisión, haciendo uso de la
programación lineal con lógica y exactitud
en el tratamiento de la información.
 ORÍGENES de la IO

Crecimiento de las organizaciones

Dificultad para asignar recursos

Durante la 2da guerra mundial se
hicieron investigaciones sobre
operaciones militares para mejorar la
asignación de recursos.
FACTORES QUE IMPULSARON EL
DESARROLLO DE LA IO.
• La IO tuvo gran éxito en las actividades
bélicas, durante la 2da Guerra Mundial.

• George Dantzig en 1947 desarrolló el Kantarovich

Método Símplex para resolver problemas de

P. L.
• Desarrollos notables en programación
dinámica, líneas de espera y teoría de
inventarios.
• Revolución de las computadoras.
Dantzig
¿Qué se busca con la IO?

El principal objetivo de esta área de conocimientos

consiste en formular y resolver diversos problemas
orientados a la toma de decisiones.
NATURALEZA DE LA INVESTIGACIÓN
DE OPERACIONES

La investigación de operaciones se aplica a

problemas que se refieren a la conducción y
coordinación de operaciones (o actividades)
dentro de una organización.

La investigación de
operaciones intenta
encontrar una mejor
solución, (llamada
solución óptima) para
el problema bajo
consideración.
 METODOLOGÍA DE LA I de O

1. Definición del problema

Esto incluye determinar los objetivos apropiados, las

restricciones sobre lo que se puede hacer, las
interrelaciones del área bajo estudio con otras áreas
de la organización, los diferentes cursos de acción
posibles, los límites de tiempo para tomar una
decisión, etc. Este proceso de definir el problema
es crucial ya que afectará en forma significativa
la relevancia de las conclusiones del estudio.
 METODOLOGÍA DE LA I de O

2. Formulación de un modelo matemático

La forma convencional en que la investigación de

operaciones realiza esto es construyendo un modelo
matemático que represente la esencia del problema.

Un modelo siempre debe ser menos complejo que el

problema real, es una proximación abstracta de la
realidad con consideraciones y simplificaciones que
hacen más manejable el problema y permiten evaluar
eficientemente las alternativas de solución.
 METODOLOGÍA DE LA I de O

3. OBTENCIÓN DE UNA SOLUCIÓN A PARTIR DEL

MODELO.
Resolver un modelo consiste en encontrar los valores de las
variables dependientes, asociadas a las componentes controlables
del sistema con el propósito de optimizar, si es posible, o cuando
menos mejorar la eficiencia o la efectividad del sistema dentro del
marco de referencia que fijan los objetivos y las restricciones del
problema.

La selección del método de solución depende de las características

del modelo. Los procedimientos de solución pueden ser clasificados
en tres tipos: a) analíticos, que utilizan procesos de deducción
matemática; b) numéricos, que son de carácter inductivo y
funcionan en base a operaciones de prueba y error; c) simulación,
que utiliza métodos que imitan o, emulan al sistema real, en base a
un modelo.
 METODOLOGÍA DE LA I de O

4. PRUEBA DEL MODELO

Antes de usar el modelo debe probarse exhaustivamente
para intentar identificar y corregir todas las fallas que se
puedan presentar

5. Validación del modelo

Es importante que todas las expresiones matemáticas sean
consistentes en las dimensiones de las unidades que
emplean. Además, puede obtenerse un mejor conocimiento
de la validez del modelo variando los valores de los
parámetros de entrada y/o de las variables de decisión, y
comprobando que los resultados de moelo se comporten de
una manera factible.
 METODOLOGÍA DE LA I de O

6. ESTABLECIMIENTO DE CONTROLES SOBRE LA

SOLUCIÓN
Esta fase consiste en determinar los rangos de
variación de los parámetros dentro de los cuales no
cambia la solución del problema.

Es necesario generar información adicional sobre el

comportamiento de la solución debido a cambios en los
parámetros del modelo. Usualmente esto se conoce
como ANÁLISIS DE SENSIBILIDAD.
 METODOLOGÍA DE LA I de O

7. IMPLANTACIÓN DE LA SOLUCIÓN

El paso final se inicia con el proceso de "vender" los

hallazgos que se hicieron a lo largo del proceso a los
ejecutivos o tomadores de decisiones.
NORMAS PARA LOGRAR ÉXITO
EN LA I de O

1. El éxito del empleo de la I de O es el de un

enfoque de solución de problemas y no una
colección asociada de métodos cuantitativos.

2. La I de O es relativamente costosa, lo que

significa que no debe emplearse en todos los
problemas, sino tan sólo en aquellos en que
las ganancias sea mayores que los costos.
NORMAS PARA LOGRAR ÉXITO
EN LA I de O

Para llegar a hacer un uso apropiado de la

I de O, es necesario primero comprender
la metodología para resolver los
problemas, así como los fundamentos de
las técnicas de solución para de esta
forma saber cuándo utilizarlas o no en las
diferentes circunstancias.
 LIMITACIONES DE LA I de O

1. Frecuentemente es necesario hacer simplificaciones del problema

original para poder manipularlo y tener una solución.
2. La mayoría de los modelos sólo considera un solo objetivo y
frecuentemente en las organizaciones se tienen objetivos
múltiples.
3. Existe la tendencia a no considerar la totalidad de las restricciones
en un problema práctico, debido a que los métodos de enseñanza
y entrenamiento dan la aplicación de esta ciencia centralmente se
basan en problemas pequeños para razones de índole práctico,
por lo que se desarrolla en los alumnos una opinión muy simplista
e ingenua sobre la aplicación de estas técnicas a problemas
reales.
4. Rara vez se realizan análisis costo-beneficio de la implantación de
soluciones definidas por medio de la I de O, en ocasiones los
beneficios potenciales se ven superados por los costos
ocasionados por el desarrollo e implantación de un modelo.
 APLICACIONES DE LA I de O

Organizac Naturaleza de la aplicación Año de Capítulos Ahorros

ión publicaci Relacionados Ŧ anuales ŧ
ón*
The Desarrollo de política nacional de 1985 2-8, 13, 21 $ 15 millones
Netherlands administración del agua, incluyendo
Rijkswaterst mezcla de nuevas instalaciones,
att procedimientos de operación y
costeo.
Monsanto Optimización de operaciones de 1985 2, 12 $ 2 millones
Corp. producción para cumplir metas con
un costo mínimo.

Weyerhause Optimización del corte de árboles en 1986 2, 10 $ 15 millones

r Co. productos de madera para maximizar
su producción.

Electrobras/ Asignación óptima de recursos 1986 10 $ 43 millones

CEPAL, hidráulicos y térmicos en el sistema
Brasil nacional de generación de energía.
 APLICACIONES DE LA I de O

United Programación de turnos de trabajo en 1986 2-9, 12, 15, 16, 18 $ 6 millones
Airlines las oficinas de reservaciones y en los
aeropuertos para cumplir con las
necesidades del cliente a un costo
mínimo.
Citgo Optimización de las operaciones de 1987 2-9, 18 $ 70 millones
Petroleum refinación y de la oferta, distribución y
Corp. comercialización de productos.

SANTOS, Optimización de inversiones de 1987 2-6, 13, 21 $ 3 millones

Ltd., capital para producir gas natural
Australia durante 25 años.
San Optimización de la programación y 1989 2-4, 12, 18 $ 11 millones
Francisco asignación de oficiales de patrulla
police con un sistema computarizado.
Department
Electric Administración de inventarios de 1989 17, 21 $ 59 millones
Power petróleo y carbón para el servicio
Research eléctrico con el fin de equilibrar los
Institute costos de inventario y los riesgos de
faltantes.
Texaco, Inc. Optimización de la mezcla de 1989 2, 13 $ 30 millones
ingredientes disponibles para que los
productos de gasolina cumplieran con
los requerimientos de ventas y
calidad.
 APLICACIONES DE LA I de O

IBM Integración de una red nacional de 1990 2, 17, 21 $ 20

inventario de refacciones para millones + $
mejorar el apoyo al servicio. 250 millones
ahorrados
en
Yellow Optimización del diseño de una red 1992 2, 9, 13, 18, 21 $ 17.3
inventario.
Freight nacional de transporte y la millones
System, Inc. programación de rutas de envío.

U.S. Military Rapidez en la coordinación de 1992 10 Victoria

Airlift aviones, tripulaciones, carga y
Command pasajeros para manejar la
evacuación por aire en el proyecto
Tormenta del Desierto en el Medio
American Diseño
Oriente. de un sistema de estructura 1992 2, 10, 12, 17, 18 $ 500
Airlines de precios, sobreventa y coordinación millones más
de vuelos para mejorar las utilidades. de ingresos

New Haven Diseño de un programa efectivo de 1993 2 33% menos

Health Dept. intercambio de agujas para combatir contagios
el contagio del SIDA.

* Pertenecen a los números de enero-febrero de Interfaces en donde se pueden encontrar los artículos completos.
Ŧ Se refiere a los capítulos de este libro que describen las técnicas de 10 empleadas en las aplicaciones.
ŧ Cifras dadas en dólares.
 INTRODUCCIÓN A LA
PROGRAMACIÓN LINEAL

El problema general es asignar

recursos limitados entre
actividades competitivas de
la mejor manera posible
(óptima).

Este problema incluye elegir el

nivel de ciertas actividades que
compiten por recursos escasos
necesarios para realizarlas
 INTRODUCCIÓN A LA
PROGRAMACIÓN LINEAL

El adjetivo lineal significa que todas las funciones

matemáticas del modelo deber ser funciones lineales. En
este caso, las palabra programación no se refiere a
programación en computadoras; en esencia es un sinónimo
de planeación. Así, la programación lineal trata la
planeación de las actividades para
obtener un resultado óptimo.
 MODELO GENERAL DE PL

Los términos clave son recursos y actividades, en

donde m denota el número de distintos tipos de
recursos que se pueden usar y n denota el
número de actividades bajo consideración.

Z = valor de la medida global de efectividad

Xj = nivel de la actividad j (para j = 1,2,...,n)
Cj = incremento en Z que resulta al aumentar una unidad
en el nivel de la actividad j
bi = cantidad de recurso i disponible para asignar a las
actividades (para i = 1,2,...,m)
aij = cantidad del recurso i consumido por cada unidad de
la actividad j
 ESTRUCTURA DE UN MODELO
DE PL

1. Función objetivo. Consiste en optimizar el objetivo que

persigue una situación la cual es una función lineal de las
diferentes actividades del problema, la función objetivo se
maximizar o minimiza.
2. Variables de decisión. Son las incógnitas del problema. La
definición de las variables es el punto clave y básicamente
consiste en los niveles de todas las actividades que pueden
llevarse a cabo en el problema a formular.
3. Restricciones Estructurales. Diferentes requisitos que debe
cumplir cualquier solución para que pueda llevarse a cabo,
dichas restricciones pueden ser de capacidad, mercado,
materia prima, calidad, balance de materiales, etc.
4. Condición técnica. Todas las variables deben tomar valores
positivos, o en algunos casos puede ser que algunas variables
tomen valores negativos.
MODELO GENERAL DE PL

n
Optimizar Z =  c j x j
j 1

a x
Sujeta a:
ij j  bi i  1, 2,......, m
j 1

x j  0 j  1, 2,......., n
CASO :
Una compañía fabrica y venden dos modelos de lámpara 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 el modelo 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 es de 15 y 10
euros para L1 y L2, respectivamente, planificar la producción para obtener el
máximo beneficio.

1 Elección de las incógnitas.

x = nº de lámparas L1
y = nº de lámparas L2

2 Función objetivo
f(x, y) = 15x + 10y
En la función objetivo sustituimos cada uno de
los vértices.
f(x, y) = 15x + 10y
f(0, 200) = 15·0 + 10·200 = 2 000
f(240, 0 ) = 15·240 + 10·0 = 3 600
f(210, 60) = 15·210 + 10·60 = 3 750 Máximo
3 Restricciones
Pasamos los tiempos a horas
20 min = 1/3 h
30 min = 1/2 h En la función objetivo sustituimos cada uno de
10 min = 1/6 h los vértices.
y esto queda f(x, y) = 15x + 10y
1/3x + 1/2y ≤ 100 f(0, 200) = 15·0 + 10·200 = 2 000
f(240, 0 ) = 15·240 + 10·0 = 3 600
1/3x + 1/6y ≤ 80 f(210, 60) = 15·210 + 10·60 = 3 750 Máximo

Graficando
La solución óptima es fabricar 210 del
modelo L1 y 60 del modelo L1 para
obtener un beneficio de 3 750

Esto se puede solucionar también con

el LINGO, LINDO O SIMPLEX PHP
Solución de Modelos de Programación Lineal
 INTRODUCCIÓN

En el presente capítulo se muestra la solución de varios tipos de

problemas de programación lineal que solamente tienen en su
formulación dos variables, empleando el método gráfico. Se
trabajará entonces en el Plano Cartesiano.

Los pasos a seguir son:

1. Representar en el plano cartesiano cada una de las
restricciones

2. Determinar el Espacio de Soluciones Factibles ó REGION

FACTIBLE, definido por el conjunto de restricciones.

3. Encontrar la solución óptima que permita maximizar ó minimizar

cierta Función Objetivo.
1. REPRESENTACION DE LAS
RESTRICCIONES EN EL PLANO
CARTESIANO
Una recta (Hiperplano en R2), divide al plano en dos semi-
espacios
Semiespacio Recta X = 2
Recta X1 - 2X2
X1 - 2X2 < 5
=5
X2

12 3 4 5 0 1 2 3 X
0 X1

Semiespacio Semiespacio Semiespacio

X1 - 2X2 > 5 X<2 X>2
1. REPRESENTACION DE LAS
RESTRICCIONES EN EL PLANO
CARTESIANO

Podemos decir entonces que:

Restricción: X1 – X
2X2 >5 de puntos representados
El semi-espacio 2

por la restricción, se suele mostrar con una

flecha tal como lo muestra el gráfico.
12 3 4 5
0 X
Usualmente, para verificar cual es el semi- 1
espacio de puntos que la restricción
representa, se suele probar con un punto
para poder concluir. Aquí podemos probar
fácilmente con el punto (0,0), dándonos X
cuenta que la restricción NO representa los 2
puntos del SEMI-ESPACIO SUPERIOR.
12 3 4 5
Restricción: X1 = 0 X
Esta 2restriccion representa exactamente 1
los punto sobre la recta X1 = 2.
2. DETERMINACION DE LA REGION
FACTIBLE

Para encontrar la REGION FACTIBLE deben graficarse todas las

restricciones en un mismo plano cartesiano y posteriormente
determinar los puntos de intersección de TODOS los semi-espacios.
EJEMPLO:
Dibujar la región factible asociada a las siguientes 3 restricciones:

r x+y≥ 4
s y≤4
t y≥x

REGION
FACTIBLE
2. DETERMINACION DE LA REGION
FACTIBLE

Al determinar la REGION FACTIBLE de un modelo de PL, la figura

geométrica resultante se le conoce como poliedro convexo, y por
tanto se dice que un conjunto de restricciones forman un conjunto
poliédrico. La convexidad es un concepto de gran importancia en
optimización.
Un conjunto C es un conjunto convexo si el segmento rectilíneo que
une cualquier par de puntos de C se encuentra completamente en C.

Conjunto Conjunto No -
Convexo
Si la Región Factible es Convexa, laConvexo
solución optima del
problema de PL se encontrará en uno de los vértices.
2. DETERMINACION DE LA REGION
FACTIBLE

La región factible puede ser acotada ó no acotada.

Región factible acotada Región factible no acotada

(politopo)

La importancia de la REGION FACTIBLE se centra en los vértices,

ya que en alguno (s) de ellos estará la solución óptima del
problema.
2. DETERMINACION DE LA REGION
FACTIBLE

Tenga en cuenta que si al graficar las restricciones ocurre que no

existe una región de intersección, cuyos puntos sean comunes a
TODAS las restricciones, esto indica que el problema no tiene región
factible y por tanto no tiene solución.

EJEMPLO: Determine la Región Factible de un problema

de optimización lineal con las siguientes restricciones:
R1  X1 + X2 ≤ 3 X2

R2  X2 ≥ 4

No hay X1, X2 ≥0
Obvias
REGION
1 2 3 4 5
FACTIBLE 0 X1
3. BUSQUEDA DE LA SOLUCIÓN OPTIMA

Estudiemos el siguiente
EJEMPLO:
Maximizar Z = 2X1 +
X2
Sujeta a: 2X1 - X2 ≤
8
X1 - X2 ≤ 3

X1 +
Existen 2Xmétodos
dos 2 ≤ 14
para hallar el vértice
X1 + 4X2 ≤ 24
óptimo:
A) Evaluar el valor
Xj > 0 ; j = 1, 2
de Z en cada
vértice, y escoger
aquel vértice que
maximice Z.
B) Utilizar la recta
de la función
3. BUSQUEDA DE LA SOLUCIÓN OPTIMA

Método A
El valor de la función objetivo en cada una de las esquinas
del área de soluciones factible es:
Z(0,0) = 2(0) + 0 = 0 Z(0,6) = 2(0) + 6 = 6

Método
Z(4,5) = B
2(4) + 5 = 13 Z(6,4) = 2(6) + 4 = 16 
Punto OPTIMO
Se dibuja
Z(5,2) la recta
= 2(5) + 2 Z==12 Z(3,0) = 2(3) + 0 = 6
2X1+X2 viéndola de la
forma y=mx+b, así: X2
= - 2X1 + Z
Aquí se graficó para Z =
2 por conveniencia para
observar la recta dentro
de la Región Factible.
Para obtener el Z
máximo, debe
obtenerse el máximo
CLASES ESPECIALES

Problema
de múltiples
soluciones
Maximice Z = (5/2)X1 + X2
Sujeto a: 3X1 + 5X2 ≤ 15
5X1 + 2X2 ≤ 10
Problema
Xj > 0 ;dej =solución
1, 2
infinita
Minimice Z = - X1 + X2

Sujeto a: X1 - X2 ≥
0
Problema - 0,5X1 + X2 ≤ 1
sin solución
Xj cuando
Ocurre > 0 ; j =NO1, HAY
2 REGION
FACTIBLE
3. BUSQUEDA DE LA SOLUCIÓN OPTIMA

Análisis de la Maximización
x1 ≥2 de la Función Objetivo: Z
SOLUCION EJEMPLO 3
12x1 + 8x2 ≤ 96 = 5X1 + 5X2

a a
6x1 + 12x2 ≤ 72
c c
b d b d

Punto El punto que maximiza la

Optimo Función Objetivo es el punto c.
Calculando el punto c como el
punto de intersección de las dos
rectas se obtiene que X1=6,
X2=3, Z= 45