UNIVERSIDAD NACIONAL DE INGENIERÍA

FACULTAD DE INGENIERÍA INDUSTRIAL Y DE SISTEMAS

DEPARTAMENTO DE SISTEMAS Y TELEMÁTICA

INVESTIGACIÓN DE OPERACIONES I

Docente:
ANIVAL TORRE CAMONES

Semestre: 2022-1
 Semana 2

DESARROLLO DE MODELOS
DE PROGRAMACIÓN LINEAL

2
 Recomendaciones

Contraste

Practique Revise
 Contenido
Contenido

1 Programación lineal

2 Estructura, forma general y suposiciones

3 Problema de dietas

4 Problemas de producción
 Programación lineal

Es una de las técnicas más potentes de la IO, debido a su

¿Qué es? flexibilidad para describir situaciones reales.

¿Para qué Sirve para representar y solucionar problemas de decisión

que implican la optimización de una función lineal sujeta a
sirve? restricciones lineales.

¿En qué se Se aplica en diferentes campos: industrial, comercial,

servicios, militar, gubernamental, financiero, salud, deporte,
aplica?
informática, etc.
Es una herramienta determinística que una vez hallada la
¿Cuál es el
solución óptima la IO proporciona el “Análisis de
plus? sensibilidad”.
 Estructura de un modelo de
programación lineal

1. Variables de decisión: son aquellas definidas por

el analista cuyos valores van a solucionar el
problema.
2. Función Objetivo (FO): Es aquella función lineal
La estructura que se va a optimizar (Maximizar o Minimizar).
de un modelo 3. Restricciones: representan las limitaciones que
de P. L. tiene: tiene el problema.
• Restricciones estructurales: son inecuaciones
lineales de tipo >=, <= o = que un valor b.
• Signo de las variables: Las variables de decisión
son de tipo: >= 0 (Condición de no negatividad).
 Forma general de un modelo de
programación lineal

Sea Xi las variables de decisión del problema, (i= 1,2,..n)

FO: Max (ó Min) Z = c1x1 + c2X2 + ….. + cnXn

Sujeto a (s.a.):
a11X1 + a12X2 + a13X3 + …… + a1nXn ≤ b1
a21X1 + a22X2 + a23X3 + …… + a2nXn ≥ b2
…. ……….. ……… …………. .. ………. = …..
am1X1 + am2X2 + am3X3 + …… + amnXn bm
Xi >=0
 Modelo de pl en su forma
canónica
a) PL MAXIMIZACIÓN b) PL MINIMIZACIÓN
PL que tiene: PL que tiene:
* Todas sus restricciones de tipo ≤ * Todas sus restricciones de tipo ≥
* Xi ≥0 * Xi ≥0

Max Z = c1x1 + c2X2 + ….. + cnXn Min Z = c1x1 + c2X2 + ….. + cnXn
s.a: s.a:
a11X1 + a12X2 + a13X3 + …… + a1nXn ≤ b1 a11X1 + a12X2 + a13X3 + …… + a1nXn ≥ b1
a21X1 + a22X2 + a23X3 + …… + a2nXn ≤ b2 a21X1 + a22X2 + a23X3 + …… + a2nXn ≥ b2
…. ……….. ……… …………. .. ………. ≤ ….. …. ……….. ……… …………. .. ………. ≥ …..
am1X1 + am2X2 + am3X3 + …… + amnXn ≤ bm am1X1 + am2X2 + am3X3 + …… + amnXn ≥ bm
Xi ≥ 0 Xi ≥ 0
 Suposiciones de la
Programación lineal

• 1.-Suposición de certidumbre: Los parámetros del

sistema se conocen con certeza.
• 2.- Suposición de divisibilidad: Las variables
pueden tomar valores fraccionarios (valores reales).
Un modelo
de P. L. • 3.- Suposición de proporcionalidad: La contribución de
cada variable a la función objetivo y al lado izquierdo de
satisface: cada restricción es proporcional al valor de la variable.
• 4.- Suposición de Aditividad: La contribución de cada
variable a la función objetivo y al lado izquierdo de cada
restricción es independiente de los valores de las otras
variables.
 Formulación de Modelos de
Programación Lineal

• El modelo es la representación del problema.

• No se debe agregar ni quitar restricciones que
¿Qué se debe no están en el problema.
tener en cuenta • No se debe tratar de solucionarlo mientras se
en la formulación formula.
de modelos? • En cada restricción tome en cuenta que las
unidades debe ser la misma tanto en el lado
izquierdo como en el lado derecho.
 Problema N°3 de mezcla de
productos
En una fábrica de cerveza se producen dos tipos: Beneficio=Utilidad = Ingreso - Costo
rubia y negra. Su precio de venta es de 5 soles/l Ingreso = Precio * Cantidad
y 3 soles/l, respectivamente. Sus necesidades de I. Identificación de variables
mano de obra son de 3 y 5 empleados, y de 5000 R=Cantidad de litros de cerveza Rubia
y 2000 soles de materias primas por cada 10000 N=Cantidad de litros de cerveza Negra
litros. La empresa dispone semanalmente de 15
empleados y 10000 soles para materias primas, y II. Identificación de la Función Objetivo
desea maximizar su beneficio. ¿Cuántos litros MAX 5R+3N
debe producir? III. Identificación de las restricciones
SOLUCIÓN (3/10000)R+(5/10000)N<=15
(5000/10000)R+(2000/10000)N<=10000
TIPO Mano de obra Materia P. Precio
R, N >= 0
Rubia 3 5000 5 MAX 5R+3N OBJECTIVE FUNCTION VALUE
Negra 5 2000 3 SUBJECT TO 1) 123684.2
VARIABLE VALUE REDUCED COST
Disponi- 15 10000 3R + 5N <= 150000 R 10526.315430 0.0000
bilidad 5000R+2000N<=100000000 N 23684.210938 0.0000
 Problema N°4 de subestaciones

Scotiabank desea determinar cuántos cajeros

se requieren para dar servicio a la población de SOLUCIÓN
Arequipa. La ciudad ha sido dividida en ocho
zonas. Se han identificado cinco ubicaciones
posibles para los cajeros. Cada ubicación zonas
puede dar servicio a un número diferente de
zonas, como se indica en la siguiente tabla. Z8

Formule un modelo para determinar el menor Z7

número de cajeros y sus ubicaciones Z6
necesarias para dar servicio a las ocho zonas. Z5

UBICACIÓN ZONAS QUE SE Z4

PUEDEN ATENDER Z3
1 1, 2, 3 Z2
2 1, 4, 5 Z1
3 2, 4, 5, 8
4 3, 5, 6, 7 U1 U2 U3 U4 U5
5 6, 7, 8 Ubicaciones
 Modelo Matemático

I. Identificación de variables
MIN U1 + U2 + U3 + U4 + U5
Ui = Ubicación en el punto i (i=1,2,3,4,5)
SUBJECT TO
0, No se instala el cajero U1 + U2 >= 1
Ui = U1 + U3 >= 1
1, Se instala el cajero U1 + U4 >= 1
II. Identificación de la Función Objetivo U2 + U3 >= 1
MIN U1 + U2 + U3 + U4 + U5 U2 + U3 + U4 >= 1
III. Identificación de las restricciones U4 + U5 >= 1
U3 + U5 >= 1
U1 + U2 ≥ 1
END
U1 + U3 ≥ 1 INT U1
OBJECTIVE FUNCTION VALUE
U1 + U4 ≥ 1 1) 3.000000
INT U2 VARIABLE VALUE REDUCED COST
U2 + U3 ≥ 1 INT U3 U1 1.000000 1.000000
U2 + U3 + U4 ≥ 1 INT U4 U2 0.000000 1.000000
U3 1.000000 1.000000
U4 + U5 ≥ 1 INT U5 U4 0.000000 1.000000
U3 + U5 ≥ 1 U5 1.000000 1.000000
Ui ≥ 0, binario
 Problema 5
Industria de juguetes
SOLUCIÓN
Galaxia produce dos tipos de juguetes: Space Ray TIPO Plástico Producción Utilidad
y Zapper. Los recursos están limitados a 1200 libras (libras/docena) (min./docena) $/docena
de plástico especial y 40 horas de producción Space Ray 2 3 8
semanalmente. Los requerimientos de Marketing
indica que la producción total no puede exceder de Zapper 1 4 5
800 docenas. El número de docenas de Space
Recursos 1200 Libras 40 Horas
Rays no debe exceder al número de docenas de
Zappers por más de 450. Space Rays requiere 2
libras de plástico y 3 minutos de producción por
docena. Zappers requiere 1 libra de plástico y 4
minutos de producción por docena. Plan común de
producción es fabricar la mayor cantidad del
producto que deje mejores ganancias, el cual
corresponde a Space Ray (8 $/docena). Usar la
menor cantidad de recursos para producir Zappers,
porque estos dejan una menor utilidad (5 $/docena).
 Solución Industria de juguetes

SOLUCIÓN
I. Identificación de variables TIPO Plástico Producción Utilidad
X1 = Cantidad de docenas de Space a producir (libras/docena) (min./docena) $/docena
X2 = Cantidad de docenas de Zaper a producir Space Ray 2 3 8
II. Identificación de la Función Objetivo Zapper 1 4 5
MAX 8X1 + 5X2 Recursos 1200 Libras 40 Horas

III. Identificación de las restricciones Max 8X1+5X2

SUBJECT TO
2X1+1X2 <= 1200
2X1 + 1X2 <= 1200
3X1+4X2 <= 2400 3X1 + 4X2 <= 2400
X1+X2 <= 800 X1 + X2 <= 800 OBJECTIVE FUNCTION VALUE
X1-X2 <= 450 X1 - X2 <= 450 1) 5040.000
Xi >= 0, ENTERO END VARIABLE VALUE REDUCED COST
GIN X1 X1 480.000000 -8.000000
GIN X2 X2 240.000000 -5.000000
 Problema 6
Health Nut Company
Health Nut Company esta desarrollando una I. Identificación de variables
nueva barra de mantequilla de cacahuate y X1 = Cantidad de onzas de mantequilla
chocolate. El dulce debe tener al menos 5 X2 = Cantidad de onzas de chocolate
gramos de proteínas, pero no más de 5
gramos de carbohidratos y 3 gramos de II. Identificación de la Función Objetivo
grasas saturadas. Desarrolle un programa Min 0,10X1+0,18X2
lineal para determinar la cantidad de cada III. Identificación de las restricciones
ingrediente por utilizar que satisfaga los
requerimientos nutricionales a un costo total 4X1 + 0,80X2 >=5
MIN 0.10X1 + 0.18X2
mínimo, basándose en los siguientes datos: 2,5X1 + 1X2 <=5 SUBJECT TO
Mantequilla de cacahuate Chocolate 2X1 + 0,50X2 <=3 4X1 + 0.8X2 >= 5
X1, X2 >=0 2.5X1 + 1.0X2 <= 5
Costo ($/oz.) 0.10 0.18 2X1 + 0.5X2 <= 3
Proteínas (g/oz.) 4.00 0.80 OBJECTIVE FUNCTION VALUE
1) 0.1250000
Carbohidratos (g/oz.) 2.50 1.00 VARIABLE VALUE REDUCED COST
Grasas saturadas (g/oz.) 2.00 0.50 X1 1.250000 0.000000
X2 0.000000 0.160000
 Problema 7 de FMR Company

FMR Company tiene una máquina capaz de fabricar tubos de diámetros

grandes y pequeños para contratistas de plomería. Los tubos grandes se
producen a una velocidad de 200 pies por hora y los pequeños a unos 300
pies por hora. Cada hora que la maquina es utilizada para producir tubos
grandes, generalmente ocasiona 1.5 atascamientos y cuando se producen
tubos pequeños resultan 3 atascamientos por hora. Cada atascamiento
requiere aproximadamente 5 minutos de restablecimiento durante los
cuales la máquina no puede producir tubos. La gerencia desea un
número igual de pies de ambos tamaños de tubos y la mayor cantidad
total de tubos posible. Formule un modelo para determinar cuanto
tiempo de un día de 8 horas debe asignarse a la producción de tubos
grandes y cuanto a la de tubos pequeños. Para las variables de decisión,
use el número de horas de tiempo de máquina por dedicar a la
fabricación de tubos pequeños y grandes.
 Solución
Solución
Tubos Velocidad in Atascamientos Tiempo Pérdida Velocidad out
Grandes 200 pies / hora 1.5 atas / hora 5 min/atasc. 7.5min/h 175 pies / hora
Pequeños 300 pies / hora 3.0 atas / hora 5 min/atasc. 15min/h 225 pies / hora

TUBOS GRANDES 200 pies/h TUBOS GRANDES 175 pies/h

MÁQUINA
TUBOS PEQUEÑOS 300 pies/h TUBOS PEQUEÑOS 225 pies/h

200 pies--------------60 min 300 pies--------------60 min

X pies---------------52.5min X pies---------------45min

X=(200)(52.5)/60=175 pies/h X=(300)(45)/60=225 pies/h

 Solución
Solución
I. Identificación de variables
G = Número de horas máquina para MAX 175G
fabricar tubos grandes SUBJECT TO
P = Número de horas máquina para G+P =8 !Respecto al tiempo en horas
fabricar tubos pequeños. 175G - 225P = 0 !Respecto a la producción
II. Identificación de la Función Objetivo OBJECTIVE FUNCTION VALUE
1) 787.5000
MAX 175G VARIABLE VALUE REDUCED COST
G 4.500000 0.000000
III. Identificación de las restricciones P 3.500000 0.000000
G+P =8 Respecto al tiempo
175G = 225P Respecto a la producción
G, P ≥ 0 Respecto a la no negativ.
 Problema 13 Pintura

RMC posee una pequeña fábrica de pinturas para Un estudio de mercado ha establecido que la
interiores y exteriores de casa para su distribución al demanda diaria de pintura para interiores no puede
mayoreo. Se utilizan dos materiales básicos, A y B. ser mayor que las pinturas para exteriores en más de
La disponibilidad máxima de A es de 6 toneladas una tonelada. Asimismo, el estudio señala que la
diarias, la de B es de 8 toneladas por día. La demanda máxima de pintura para interiores está
necesidad diaria de materia prima por tonelada de limitada a dos toneladas diarias. El precio al mayoreo
pintura para interiores y exteriores se resumen en la es de $3000 para la pintura de exteriores y $2000
siguiente tabla: para la de interiores.
Tonelada de materia prima
por tonelada de pintura Disponibilidad
Exterior Interior máxima (Toneladas)
Materia prima A 1 2 6
Materia prima B 2 1 8

¿Cuánta pintura para exteriores e interiores debe

producir la fábrica de pinturas RMC todos los días
para maximizar el ingreso bruto?
 Solución

1. Variables de decisión
X1 : Toneladas de pintura de exteriores producidas por día
X2 : Toneladas de pintura para interiores producidas por día
2. Función Objetivo: Maximizar ingreso
MAX 3000X1 + 2000X2
MAX 3000 X1 + 2000 X2 ST
3. Restricciones X1 + 2X2 <= 6
2X1 + X2 <= 8
X1 + 2 X2  6 -X1 + X2 <= 1
X2 <= 2
2 X1 + X2  8
OBJECTIVE FUNCTION VALUE
- X1 + X2  1 1) 12666.67
X2  2 VARIABLE VALUE REDUCED COST
X1 3.333333 0.000000
X1 , X2  0 X2 1.333333 0.000000
 Problema 14 Frutas

En un almacén de frutas hay 800 kg de Lote A Lote B Disponibilidad

naranjas, 800 kg de manzanas y 500 kg Naranja 1 2 800
de plátanos. Para su venta se hacen dos
Manzana 2 1 800
lotes (A y B). El lote tipo A contiene 1 kg
de naranja, 2 kg de manzanas y 1 kg de Plátano 1 1 500
plátanos; el lote tipo B contiene 2 kg de
naranja, 1 kg de manzanas y 1 kg de 1200 1400
plátanos. El beneficio por el lote tipo A
es de S/.1200 y con el lote tipo B de
S/.1400. Determinar el número de lotes
de cada tipo para conseguir beneficios
máximos. Plantear y resolver el
problema como un problema de PL.

22
 Solución

1. Identificación de las variables Lote A Lote B Disponibilidad

X1 : N° de lotes de tipo A Naranja 1 2 800
X2 : N° de lotes de tipo B
Manzana 2 1 800
2. Identificación de la F.O. Plátano 1 1 500
MAX 1200X1 + 1400X2
MAX 1200X1 + 1400X2
3. Identificación de las restricciones
ST
X1+2X2<=800
X1+2X2<=800 OBJECTIVE FUNCTION VALUE
2X1+X2<=800
2X1+X2<=800 1) 660000.0
X1 +X2 <=500
X1+X2<=500 END
X1, X2 >=0, entero VARIABLE VALUE REDUCED COST
GIN X1 X1 200.0000 -1200.000000
GIN X2 X2 300.0000 -1400.000000
 Problema 15 Universitario

Miguel Ángel, debe trabajar por lo menos 20 horas a la semana para

complementar su ingreso mientras asiste a la Universidad. Tiene la
oportunidad de trabajar en dos tiendas al detalle: en la tienda 1 puede
trabajar entre 5 y 12 horas a la semana y en la tienda 2 le permiten
trabajar entre 6 y 10 horas a la semana. Ambas tiendas pagan el mismo
salario por hora. De manera que Miguel Ángel quiere basar su decisión
acerca de cuántas horas debe trabajar en cada tienda en un criterio
diferente: el factor del estrés en el trabajo. Basándose en entrevistas
con los empleados actuales, Miguel Ángel calcula que, en una escala de
1 a 10, los factores del estrés son de 8 y 6 en las tiendas 1 y 2
respectivamente. Debido a que el estrés aumenta por hora, el supone
que el estrés total al final de la semana es proporcional al número de
horas que trabaja en la tienda. ¿Cuántas horas debe trabajar en la cada
tienda? Use el método gráfico.
 Solución

I.
Identificación • Xi= Número de horas MIN 8X1+6X2
de las en la tienda i ST
X1+X2 >=20
Variables X1>=5
X1<=12 1) 140.0000
II. X2>=6
Identificación VARIABLE VALUE REDUCED
• MIN 8X1+6X2 X2<=10 COST
de la Función
X1 10.000000 0.000000
Objetivo X2 10.000000 0.000000
ROW SLACK OR SURPLUS DUAL PRICES
III. • X1+X2 ≥20 2) 0.000000 -8.000000
Identificación • 5≤ X1≤12 3) 5.000000 0.000000
de las 4) 2.000000 0.000000
• 6≤ X2≤10 5) 4.000000 0.000000
Restricciones • Xi ≥0 6) 0.000000 2.000000
Solución
 Algunas reflexiones

Hemos Hemos El método El algoritmo es

tomado una construido cuantitativo un conjunto de
situación su nos instrucciones
real equivalente permitirá que producen
problema de modelo resolver el una solución
decisión matemático. modelo. numérica.
 Dificultades

Elección del modelo matemático adecuado

Dificultades en la implementación

Calidad de la solución

Consistencia de la solución
 Seamos dueños de nuestro
propio destino

Donde quiera que usted vea un negocio exitoso,

alguien ha tomado una decisión valiente.

29