Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Modelos Determinísticos:
Suponen relaciones exactas para las características de operación, en lugar de funciones
de densidad de probabilidad. Son variables con valores preestablecidos
Modelos estocásticos:
Son aquellos modelos en los que, por lo menos una de las características de operación
está dada por una función de probabilidad. Los valores de las variables se obtienen al
azar.
Modelos Híbridos:
Son usados comúnmente en el tipo de investigación cuantitativa y que proponen como
métodos también valiosos para el desarrollo de estudios cualitativos. Un método híbrido
combina más de un método y también es llamado método multi-paradigmático. 1
Los modelos que se abordarán en este curso son los destacados en la figura N° 1.
Ejemplos:
• Conjunto de vehículos.
• Conjunto de productos.
• Conjunto de tareas.
• Conjunto de períodos de tiempo.
• Conjunto de personas.
Variables de Decisión
Definen cuáles son las decisiones que se deben tomar, las variables pueden tener 3 tipos
de naturaleza:
• Numéricas: Pueden tomar cualquier valor. Ejemplo:
X = Cantidad a producir
T = Tiempo de viaje
Q = Cantidad a transportar
• Binarias: Solo pueden tomar 2 valores {0,1} Ejemplo:
1 Si se instala un bodega en el j
Yj �
0 En otro caso
Modelos de la Investigación de
Operaciones
Función Objetivo
Define el criterio para decidir la mejor solución entre todas las soluciones factibles, hay
dos naturalezas de función objetivo:
• Minimizar: Encontrar el menor valor posible.
Ejemplo:
Minimizar los costos de transporte
Minimizar el tiempo de viaje
• Maximizar: Encontrar el mayor valor posible.
Ejemplo:
Maximizar la utilidad
Maximizar la cobertura
Maximizar el rendimiento
3
Restricciones
Son un conjunto de ecuaciones e inecuaciones que restringen los valores de las
variables.
• ≤ Menor o igual que: El lado izquierdo debe ser menor o igual al lado derecho.
o Ejemplo: La cantidad de productos fabricados debe ser a lo más de 10
unidades, con x = cantidad de productos fabricados. X ≤10
• ≥ Mayor o igual que: El lado izquierdo debe ser mayor o igual al lado derecho.
o Ejemplo: La cantidad de productos fabricados debe ser por lo menos de
10 unidades, con x = cantidad de productos fabricados. X ≥ 10
• = Igualdad: El lado izquierdo debe ser igual al lado derecho.
o Ejemplo: La cantidad de productos fabricados debe ser igual a 10
unidades, x = cantidad de productos fabricados. X = 10
• También se podrían especificar restricciones de tipo menor que (<) o mayor que
(>), pero no son muy utilizadas en la práctica.
Modelos de la Investigación de
Operaciones
Se define un conjunto de reglas que deben tener las restricciones para generar
problemas que sean factibles de resolver y evitar que las variables tiendan al infinito:
• Cuando se utiliza un objetivo de maximización se debe incluir al menos una
restricción de = o ≤
• Cuando se utiliza un objetivo de minimización se debe incluir al menos una
restricción de = o ≥
• En cada restricción los valores deben estar en la misma unidad, también aplica
para la F.O.
• Limitaciones físicas
o Cantidad de materia prima disponible o Tiempo de Producción
Disponible 4
• Restricciones externas
o El mercado no permite vender más de cierta cantidad de un producto
determinado
La W.G. Co. produce artículos vidrio de alta calidad, que incluyen ventanas y puertas de
vidrios. Tiene 3 plantas. Los marcos y las molduras de aluminio se hacen en la planta 1;
los de madera en la planta 2; la planta 3 produce el vidrio y el ensamblado de los
productos.
Determinar que tasas de producción deben tener los 2 productos a fin de maximizar las
utilidades totales, sujetas a las restricciones de capacidad limitadas en las 3 plantas.
Cada producto se fabricará en lotes de 20, de manera que la tasa de producción está 5
definida como el número de lotes que se producen a la semana.
Se dispone de los siguientes datos relevantes del problema reunidos por el equipo de
I.O. que estudio el problema:
Tiempo de producción
por lote horas Tiempo de producción
Producto disponible a la semana en
Planta 1 2 horas
1 1 0 4
2 0 2 12
3 3 2 18
Ganancias por lote $ 3.000 $ 5.000
Modelos de la Investigación de
Operaciones
Desarrollo:
2) Función objetivo:
Maximizar la ganancia semanal (miles de $).
3) Restricciones:
Son condiciones que las variables de decisión deben satisfacer para constituir una
solución aceptable.
Sujeto a:
Una compañía desea realizar una jornada de mantenimiento preventivo a sus tres
máquinas principales 1, 2 y 3.
Equipo de mantención 1 10 9 5
Equipo de mantención 2 9 8 5
Equipo de mantención 3 6 7 7
Modelos de la Investigación de
Operaciones
Desarrollo:
Variables de Decisión:
x11 : 1 si se asigna el equipo de mantenimiento 1 a la máquina 1, 0 en otro caso
x12 : 1 si se asigna el equipo de mantenimiento 1 a la máquina 2, 0 en otro caso
x13 : 1 si se asigna el equipo de mantenimiento 1 a la máquina 3, 0 en otro caso
x21 :1 si se asigna el equipo de mantenimiento 2 a la máquina 1, 0 en otro caso
x22 : 1 si se asigna el equipo de mantenimiento 2 a la máquina 2, 0 en otro caso
x23 : 1 si se asigna el equipo de mantenimiento 2 a la máquina 3, 0 en otro caso
x31 : 1 si se asigna el equipo de mantenimiento 3 a la máquina 1, 0 en otro caso
x32 : 1 si se asigna el equipo de mantenimiento 3 a la maquina 2, 0 en otro caso
x33 :1 si se asigna el equipo de mantenimiento 3 a la maquina 3, 0 en otro caso
Función Objetivo:
Min 10*x11 + 9*x12 + 5*x13 +9*x21 + 8*x22 + 5*x23 + 6*x31 + 7*x32 + 7*x33
Sujeto a:
El equipo 1 solo trabaja en una máquina: x11 + x12 + x13 = 1 7
El equipo 2 solo trabaja en una máquina: x21 + x22 + x23 = 1
El equipo 3 solo trabaja en una máquina: x31 + x32 + x33 = 1
La máquina 1 solo puede ser atendida por 1 equipo: x11 + x21 + x31 = 1
La máquina 2 solo puede ser atendida por 1 equipo: x12 + x22 + x32 = 1
La máquina 3 solo puede ser atendida por 1 equipo: x13 + x23 + x33 = 1
Naturaleza de las variables: x11 , x12 , x13, x21, x22, x23, x31, x32, x33 ∈ {0,1}
Una compañía está evaluando 5 proyectos a desarrollar durante los próximos 3 años.
Cada año dispone de 25 millones para invertir en proyectos. El beneficio esperado (en
millones) para cada proyecto, así como la cantidad a invertir cada año (en millones) para
el mantenimiento de proyecto vienen dadas por la siguiente tabla.
Si se decide invertir en un proyecto se debe mantener por los 3 años, ¿qué proyectos se
deberían desarrollar para obtener un beneficio mayor?
Modelos de la Investigación de
Operaciones
Inversión
Proyecto Beneficio
1 2 3
1 5 1 8 20
2 4 7 10 40
3 3 9 2 20
4 7 4 1 15
5 8 6 10 30
Desarrollo:
Variables de Decisión:
1 Si se invierte en el proyecto 1
X1 :�
0 𝑒𝑒𝑒𝑒 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐
1 Si se invierte en el proyecto 2
X2 :�
0 𝑒𝑒𝑒𝑒 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐
1 Si se invierte en el proyecto 3 8
X3 :�
0 𝑒𝑒𝑒𝑒 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐
1 Si se invierte en el proyecto 4
X4 :�
0 𝑒𝑒𝑒𝑒 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐
1 Si se invierte en el proyecto 5
X5 :�
0 𝑒𝑒𝑒𝑒 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐
Función Objetivo:
Max 20*X1 + 40* X2 + 20* X3 + 15* X4 + 30* X5
Sujeto a:
Año 1: 5* X1 + 4* X2 + 3* X3 + 7* X4 + 8* X5 ≤ 25
Año 2: 1* X1 + 7* X2 + 9* X3 + 4* X4 + 6* X5 ≤ 25
Año 3: 8* X1 + 10* X2 + 2* X3 + 1* X4 + 10* X5 ≤ 25
Naturaleza de las variables: X1, X2, X3, X4, X5 ∈ {0,1}
Modelos de la Investigación de
Operaciones
Los modelos mixtos son aquellos que están compuestos de variables continuas y/o
enteras y binarias.
La fábrica de ropa BB planea fabricar 3 tipos de pijamas: P1, P2 y P3. La siguiente tabla
proporciona información sobre recursos y utilidad.
P1 P2 P3
Para que la producción de cada tipo de pijama sea factible desde el punto de vista
tecnológico, se tienen que fabricar por lo menos 500, 800 y 1.000 pijamas del tipo P1,
9
P2 y P3 respectivamente (puede no fabricarse también, pero si se fabrica es más de las
unidades señaladas). Plantee un modelo matemático lineal para maximizar las utilidades
de BB.
Desarrollo:
Se debe decidir si se fabrica un determinado tipo de pijama, por lo que se tendrá́ una
variable binaria (y) para cada tipo, además, en caso de que se fabrique se debe decidir
cuantas unidades producirían, por lo que se tendrá́ una variable continua, asociada a
cada tipo de pijama (x).
Variables de decisión:
Función Objetivo
Se busca maximizar las utilidades de la empresa BB, la función objetivo será́ maximizar
la utilidad que genera cada pijama multiplicada por las unidades producidas. Dado que
la utilidad solo está asociada a la producción de pijama, no es necesario utilizar la
variable binaria en la función objetivo.
Restricciones
Hay varios recursos que limitan al modelo y los valores que pueden tomar las variables.
Se tiene una restricción asociada a la cantidad de género disponible, por lo que se
multiplica la cantidad de género que utiliza cada tipo de pijama por la cantidad a fabricar
de cada tipo, y se restringe (menor o igual) a la cantidad de género disponible.
10
Sujeto a:
Se tiene una cantidad de mano de obra en horas disponible, por lo que se multiplica la
cantidad de horas que requiere cada pijama por la cantidad de pijamas a fabricar y se
restringe a la cantidad de horas de mano de obra disponible.
x1 ≥ 500*1→ X1 ≥ 500
x1 ≥ 500*0→ x1 ≥ 0
x1 ≤ 1000000000*y1 o x1 ≤ M*y1
11
Se utiliza un número grande, para que en caso de que se decida producir el pijama P1
quede: x1 ≤ 1000000000 y no interfiera con las otras restricciones, y en caso de que no
se decida producir el pijama P1 queda: x ≤ 0 obligando a la variable a que tome valor 0.
Siguiendo la lógica anterior se arman las restricciones para los otros tipos de pijama.
y1,y2,y3 ∈ {0,1}
Nota: En los modelos mixtos para especificar el número grande se suele abreviar con la
letra M.
Modelos de la Investigación de
Operaciones
MODELOS PARAMETRIZADOS
Conjuntos:
𝐼𝐼 = 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 = {1,2, … 𝑛𝑛}
𝐵𝐵 = 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 = {1,2, … 𝑚𝑚}
Parámetros
𝑢𝑢𝑖𝑖 = 𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢 𝑑𝑑𝑑𝑑𝑑𝑑 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑖𝑖 є 𝐼𝐼
𝑏𝑏𝑗𝑗 = 𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑 𝑙𝑙𝑙𝑙 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑗𝑗 є 𝐵𝐵
𝑎𝑎𝑖𝑖𝑖𝑖 = 𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢 𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢 𝑑𝑑𝑑𝑑 𝑙𝑙𝑙𝑙 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑗𝑗
𝑒𝑒𝑒𝑒 𝑙𝑙𝑙𝑙 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓ó𝑛𝑛 𝑑𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢 𝑑𝑑𝑑𝑑𝑑𝑑 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑖𝑖
Definición de Variables:
Extendida:
𝑋𝑋1 = 𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢 𝑑𝑑𝑑𝑑𝑑𝑑 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 1 𝑎𝑎 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓 𝑒𝑒𝑒𝑒 𝑒𝑒𝑒𝑒 𝑝𝑝𝑝𝑝𝑝𝑝í𝑜𝑜𝑜𝑜𝑜𝑜 𝑡𝑡
𝑋𝑋2 = 𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢 𝑑𝑑𝑑𝑑𝑑𝑑 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 2 𝑎𝑎 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓 𝑒𝑒𝑒𝑒 𝑒𝑒𝑒𝑒 𝑝𝑝𝑝𝑝𝑝𝑝í𝑜𝑜𝑜𝑜𝑜𝑜 𝑡𝑡
𝑋𝑋𝑛𝑛 = 𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢 𝑑𝑑𝑑𝑑𝑑𝑑 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑛𝑛 𝑎𝑎 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓 𝑒𝑒𝑛𝑛 𝑒𝑒𝑒𝑒 𝑝𝑝𝑝𝑝𝑝𝑝í𝑜𝑜𝑜𝑜𝑜𝑜 𝑡𝑡.
12
Parametrizada:
𝑋𝑋𝑖𝑖 = 𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢 𝑑𝑑𝑑𝑑𝑑𝑑 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑖𝑖 є 𝐼𝐼 𝑎𝑎 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓 𝑒𝑒𝑒𝑒 𝑒𝑒𝑒𝑒 𝑝𝑝𝑝𝑝𝑝𝑝í𝑜𝑜𝑜𝑜𝑜𝑜 𝑡𝑡
Función objetivo:
Extendida
𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀 𝑍𝑍 = 𝑢𝑢1 𝑋𝑋1 + 𝑢𝑢2 𝑋𝑋2 + ⋯ . . 𝑢𝑢𝑛𝑛 𝑋𝑋𝑛𝑛
Parametrizada:
𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀 𝑍𝑍 = � 𝑢𝑢𝑖𝑖 𝑋𝑋𝑖𝑖
𝑖𝑖 є 𝐼𝐼
Restricciones
Extendida
𝑎𝑎11 𝑋𝑋1 + 𝑎𝑎21 𝑋𝑋2 + ⋯ 𝑎𝑎𝑛𝑛1 𝑋𝑋𝑛𝑛 ≥ 𝑏𝑏1
𝑎𝑎12 𝑋𝑋1 + 𝑎𝑎22 𝑋𝑋2 + ⋯ 𝑎𝑎𝑛𝑛2 𝑋𝑋𝑛𝑛 ≥ 𝑏𝑏2
𝑎𝑎1𝑚𝑚 𝑋𝑋1 + 𝑎𝑎2𝑚𝑚 𝑋𝑋2 + ⋯ 𝑎𝑎𝑛𝑛𝑛𝑛 𝑋𝑋𝑛𝑛 ≥ 𝑏𝑏𝑚𝑚
𝑋𝑋1 , 𝑋𝑋2 , … . 𝑋𝑋𝑛𝑛 ≥ 0
Parametrizada
∑𝑖𝑖 є 𝐼𝐼 𝑎𝑎𝑖𝑖𝑖𝑖 𝑋𝑋𝑖𝑖 ≥ 𝑏𝑏𝑗𝑗 ⩝ 𝑗𝑗є 𝐵𝐵
𝑋𝑋𝑖𝑖 ≥ 0 ⩝ 𝑖𝑖 є 𝐼𝐼
Modelos de la Investigación de
Operaciones
Tasa de
Proyecto
rendimiento
1 𝑡𝑡1
2 𝑡𝑡2
3 𝑡𝑡3
4 𝑡𝑡4
Para evitar incurrir en riesgos excesivos se han establecido las siguientes restricciones:
• El monto para invertir en el proyecto 1 no debe ser menos del 30% del total.
• Los proyectos 2 y 3 en conjunto no pueden superar el 20% del total.
• El proyecto 4 debe representar al menos el 40% de la inversión.
• Ninguno de los proyectos debe exceder la mitad de la inversión. 13
Desarrollo:
Variables:
x1: Cantidad a invertir en el proyecto 1
x2: Cantidad a invertir en el proyecto 2
x3: Cantidad a invertir en el proyecto 3
x4: Cantidad a invertir en el proyecto 4
ii) Restricciones (lo que limitan, restringen los valores de las variables):
Modelos de la Investigación de
Operaciones
Se identifican los siguientes límites para el modelo. El monto para invertir en el proyecto
1 no debe ser menos del 30%.
Ninguna de las posibilidades de inversión debe exceder (superar) la mitad del total de
la inversión.
Variables:
x1 : Cantidad a invertir en el proyecto 1
x2 : Cantidad a invertir en el proyecto 2
x3 :Cantidad a invertir en el proyecto 3
x4 : Cantidad a invertir en el proyecto 4
Restricciones
MODELOS PARAMETRIZADOS
a. Conjuntos:
En este ejercicio se indica 4 proyectos para invertir, por lo que se puede crear un
15
conjunto de proyectos que los agrupe.
P = Proyectos{1,2,3,4}
b. Parámetros:
M = Cantidad a invertir
c. Variables de decisión:
Se resumen las variables indicando un índice para cada proyecto, el cual se especifica
que pertenece al conjunto de los proyectos.
d. Función Objetivo:
Dado que en la función objetivo cada variable está multiplicada por un parámetro de la
misma naturaleza, se puede resumir la expresión con una sumatoria.
e. Restricciones:
Para abreviar las restricciones se debe buscar un elemento que tengan en común.
La primera restricción solo aplica para el proyecto 1, por lo que no se puede abreviar y
se expresa igual.
Sujeto a:
Límite inferior del proyecto 1 x1 ≥M*0,3
La cuarta restricción recibe para cada proyecto, por lo que se puede abreviar utilizando
un para todo (∀),
Nota: El símbolo para todo (∀) indica que la expresión escrita se va a repetir cada
elemento del conjunto de proyectos.
La quinta restricción está sumando todas las variables, por lo que es posible abreviar la
expresión utilizando una sumatoria.
Modelos de la Investigación de
Operaciones
� 𝑥𝑥𝑝𝑝 = 𝑀𝑀
𝑝𝑝∈𝑃𝑃
La restricción de naturaleza se repite para cada variable, por lo que al igual que la cuarta
restricción se pude abreviar utilizando un para todo.
Ejemplo 6: Transportes
Supongamos que una empresa posee dos plantas que elaboran un determinado producto
en cantidades de 250 y 450 unidades diarias. Dichas unidades deben ser transportadas
a tres centros de distribución con demandas diarias de 200 y 250 unidades. Los costos
de transporte son:
17
Variables de Decisión:
𝑋𝑋11 = Unidades transportadas desde la planta 1, hasta el centro de distribución 1
Función Objetivo:
Minimizar 21* 𝑋𝑋11+25* 𝑋𝑋12+15* 𝑋𝑋13+28* 𝑋𝑋21+13* 𝑋𝑋22+ 19*𝑋𝑋23
Restricciones
Demanda CD1 𝑋𝑋11+𝑋𝑋21 = 200
Demanda CD2 𝑋𝑋12+𝑋𝑋22 = 200
Demanda CD2 𝑋𝑋13+𝑋𝑋23 = 250
Oferta P1. 𝑋𝑋11 +𝑋𝑋12 +𝑋𝑋13 ≤ 250
Oferta P2 𝑋𝑋21+𝑋𝑋22+𝑋𝑋23 ≤ 450
Naturaleza de las variables 𝑋𝑋11, 𝑋𝑋12, 𝑋𝑋13, 𝑋𝑋21, 𝑋𝑋22, 𝑋𝑋23 ≥ 0
Conjuntos:
Se agrupan en cada conjunto los índices que tienen una misma naturaleza. En este
ejercicio se cuenta con dos índices:
I:Plantas
J: Centro de distribución 18
Variables de decisión:
𝑋𝑋ij = Unidades transportadas desde la planta i, hasta el centro de distribución j
i є I, j є J.
Parámetros
Se debe especificar una letra o carácter para cada agrupación de datos que compartan
características similares.
Función objetivo
Restricciones
Primero se identifican las restricciones que tengan una misma estructura, en este
ejercicio hay una de demanda y otra de oferta.
Las restricciones Demanda CD1, Demanda CD2 y Demanda CD3 comparten que el lado
derecho es de la misma naturaleza que es la demanda, por lo que se abrevia con la letra
D, como la demanda es de los centros de distribución se le indica el índice j.
Oi : Oferta de la planta i, i ∈I
En este ejercicio, al lado izquierdo no hay valores que acompañen a las variables, no se
especifica nada.
Variables 19
Se abrevian las variables expresándolas con índices, se debe indicar a qué conjunto
pertenece cada índice.
Variable de Decisión:
Xij = Unidades transportadas desde la planta i, hasta el centro de destribución j,i∈I, j∈J
Función objetivo
En la función objetivo todas las variables están multiplicadas por un valor de costo, por
lo que se puede abreviar con una sumatoria.
Restricciones
Primero, se identifican las restricciones que tengan una misma estructura, en este
ejercicio encontramos dos: Luego, tanto para el lado izquierdo como derecho, los valores
que compartan una misma característica se escriben como sumatoria, y aquellas que se
repitan para cada valor de conjunto se especifica con un para todo (∀).
Conjuntos:
I: Plantas 20
J: Centros de distribución
Parámetros:
Variables de Decisión:
Xij = Unidades transportadas desde la planta i, hasta el centro de destribución j, i∈I, j∈J
Función Objetivo:
Restricciones:
NOTA: Cada vez que se escribe utilizando un índice se debe especificar a qué
conjunto pertenece.
Nutrientes Volumen 21
Alimento A 2 4
Alimento B 4 6
Alimento C 2,5 3
Alimento D 5 5
Desarrollo Extendido:
Variables:
Restricciones
Modelo Parametrizado
Conjuntos:
I: Alimentos {A,B,C,D}
Parámetros:
V: Volumen de la mochila
bi :Volumen que ocupa el alimento i , i∈I
ni : Nutrientes que aporta el alimento i, i ∈ I
Variables:
Restricción
� 𝑏𝑏𝑖𝑖 𝑥𝑥𝑖𝑖 ≤ 𝑉𝑉
𝑖𝑖∈𝐼𝐼
Bibliografía
23