Investigación de Operaciones I

Msc. Thalía Obredor Baldovino

 Unidad 2 :
Unidad 1 : Unidad 3 :
Unidades de Programación
Solución de
problemas de Programación
Formación lineal programación entera
lineal
 Unidad 1. Programación
lineal
• Identifica los elementos de
un modelo de programación
lineal como las variables de
decisión, función objetivo y
restricciones.
• Formula modelos de
programación lineal con
aplicaciones en producción,
mezclas, dietas, control de
Unidades de inventarios, programación
de horarios, recursos, entre
otros.
Formación • Aplica los métodos de
solución de problemas de
programación lineal para
dos variables (método
gráfico).
• Propone alternativas para
la toma decisiones a partir
de los resultados obtenidos
en la solución de modelos
de programación lineal.
Unidad 2. Solución de
problemas de
programación lineal
• Identifica el procedimiento
del método simplex para la
optimización de modelos de
programación lineal.
• Formula modelos de
programación lineal con
aplicaciones en producción,
transporte y distribución.
• Aplica los métodos de
solución de problemas de
programación lineal (método
simplex) en una hoja de
cálculo y un software de
optimización matemática.
• Propone alternativas para la
toma decisiones a partir del
análisis de sensibilidad de los
resultados obtenidos en la
solución de modelos de
programación lineal.
Unidad 3. Programación
entera
• Identifica la estructura de
modelado para problemas de
programación entera.
• Formula problemas de
programación entera ante
diversas situaciones de la
vida real.
• Soluciona problemas de
programación entera pura,
binaria y entera mixta.
• Interpreta los resultados
obtenidos en la solución de
modelos de programación
entera como soporte a la
toma de decisiones en la
administración y asignación
de recursos.
Metodología de calificación
El inicio de la Investigación de Operaciones se le atribuye a los servicios militares que se
presentaron al inicio de la Segunda Guerra Mundial, ya que existía la necesidad de asignar
recursos escasos a las distintas maniobras militares y a las actividades que componían cada
operación de la manera más eficaz.

•Aparición de herramientas como la programación lineal, programación dinámica,

teoría de colas y teoría de inventarios desarrolladas en la década de los cincuentas.

•La revolución de las computadoras impulsó el desarrollo de la investigación de

operaciones, facilitando la solución de problemas característicos de la IO.
Investigación Utiliza el método científico para la solución de problemas

Operaciones Aplicada a áreas como manufactura, transporte, construcción,

telecomunicaciones, planeación financiera, cuidado de la salud, fuerzas armadas, servicios
públicos.

“La investigación de operaciones es la aplicación, por grupos interdisciplinarios, del método

científico a problemas relacionados con la coordinación y control de las operaciones de
dentro de organizaciones o sistemas, a fin de que se produzcan soluciones que mejor sirvan
a los objetivos de la organización”
Las fases de un estudio de Investigación de Operaciones son:

1. Definición del problema y recolección de la información.

2. Formulación de un modelo matemático.
3. Obtención de la solución a partir de un modelo.
4. Prueba o validación del modelo.
5. Análisis de sensibilidad
6. Implementación.
1. Definición del problema y recolección de la información
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.

2. Formulación de un modelo matemático

El modelo matemático es una representación idealizada, pero expresada en términos de
símbolos y expresiones matemáticas. Se representa tanto la función objetivo como las
restricciones del problema a investigar, dentro del esquema correspondiente a las ecuaciones
simultáneas de primer grado.
3. Obtención de la solución a partir de un modelo
Se trata de encontrar una solución óptima, es decir, la mejor. Para ello, existen muchos
procedimientos dependiendo del tipo de problema, pero es necesario reconocer que estas
soluciones son óptimas sólo respecto del modelo elaborado.

4. Prueba o validación del modelo

Hace referencia al proceso de prueba y mejoramiento de un modelo para incrementar su validez. 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 modelo se comporten de una manera factible.
5. Análisis de sensibilidad
“El análisis de sensibilidad se lleva a cabo en:
• Cambios en los niveles de recursos escasos.
• Cambios en los coeficientes de la función objetivo (coeficientes de
variables básicas y coeficientes de variable no básicas).
• Cambios en los coeficientes tecnológicos (variaciones en las aij
para las variables básicas y no básicas).
• Supresión y adición de restricciones.
• Adición de nuevas variables.

6. Implementación
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.
 Limitaciones de la Investigación de operaciones

 Se hacen simplificaciones del problema original para poder manipularlo y

tener una solución.

 Consideración de un solo objetivo.

 Existe la tendencia a no considerar la totalidad de las restricciones en un problema

práctico.

 Rara vez se realizan análisis costo- beneficio de la implantación de soluciones

definidas por medio de la I de O.
  Problemasde transporte.
 Problemas de asignación o distribución de personal o
PROGRAMACIÓN máquinas.
LINEAL  Problema de formulaciónde dietas.
Aplicaciones  Problemasde mezclas óptimas.
 Problemasde producción.
 Problemasde proveedor.
 Problemasde agente viajero.
 Problemasde control de inventarios.
 Problemasde horarios.
 Problemasde presupuestos.
 Problemasde planeación.
 PROGRAMACIÓN LINEAL
Aplicaciones
Aerolíneas
Agricultura Industria química Gobierno comerciales
• Encontrar la óptima • Control de • Adjudicación de • Programación de
distribución de inventarios, horarios, contratos vuelos
recursos, con el fin de transporte, mezclas
maximizar utilidades óptimas

Industria de
Comunicaciones Industria del papel Análisis económico
petróleo
• Diseño óptimo de • Problemas de • Para obtener • Análisis de
redes transporte y corte mezclas óptimas, inversiones y
óptimo de papel, problemas de portafolios
para minimizar transporte y
desperdicios planeación de la
producción
 Organización Área de aplicación
Asignación óptima de recursos hidráulicos y térmicos en el sistema
Electrobras/CEPAL, Brasil nacional de generación de energía.
Optimización de la mezcla de ingredientes disponibles para que los
productos de gasolina cumplieran con los requerimientos de ventas y
Texaco,Inc. calidad.
Integración de una red nacional de inventario de refacciones para mejorar
IBM el apoyo al servicio.
Diseño de un sistema de estructura de precios, sobreventa y coordinación
American Airlines de vuelos para mejorar las utilidades.
Reasignación de aviones a vuelos cuando ocurren
UnitedAirlines interrupciones.

General Motors Mejora de la eficiencia de líneas de producción

AT&T Diseño y operación de centros de atención telefónica.

PROGRAMACIÓN LINEAL

Método o técnica matemática que

resulta ser de gran ayuda (con ayuda
de un computador), cuando se
enfrenta a la necesidad de tomar una
decisión, teniendo en mente que
existen varias alternativas y que se
debe seleccionar la óptima, no solo
con respecto a los recursos sino a la
función objetivo.
 FORMULACIÓN DEL MODELO
1. Leer y entender el problema

Invierta cinco minutos en analizar el problema e identifique que

decisiones se deben tomar y qué es lo que se pretende (maximizar o
minimizar)

2. Establecer las Variables de Decisión

Una variable de decisión es aquella sobre la cual, usted como sujeto activo del proceso, puede
tomar alguna determinación que afecte la distribución del recurso analizado, en pocas palabras,
es la incógnita a resolver. Se identifica con un símbolo o letra.

Debe contener: Unidad adecuada + Producto o Servicio + Verbo + Tiempo

Ej: X 1 Número de bolsas de cemento que se venden por día
X2 Número de lápices fabricados por semana
 FORMULACIÓN DEL MODELO
3. Definir la función objetivo (Z)
Se trata de la función que mide la calidad de la solución y que hay que optimizar
(maximizar o minimizar)

Utilidad
Maximizar
Producción

Costos
Minimizar Tiempo
Distancia
 FORMULACIÓNDELMODELO
3. Definir la función objetivo (Z)
Cada variable de decisión tiene una contribución a la función objetivo denominado Cij la
cual estará definida por una cantidad específica de acuerdo con las condiciones de cada
producto o servicio.

La ecuación que representa la función objetivo sea min o max, es:

𝑛 𝑚 𝑛 𝑚
𝑍𝑚𝑎𝑥 = 𝐶𝑖𝑗 𝑋𝑖 𝑍𝑚𝑖𝑛 = 𝐶𝑖𝑗 𝑋𝑖
𝑖=1 𝑗=1 𝑖=1 𝑗=1
Desarrollada como
𝑛 𝑚

𝐶𝑖𝑗 𝑋1 = 𝐶11 𝑋1 + 𝐶12 𝑋1 + 𝐶1𝑚 𝑋1 + ⋯ + 𝐶𝑛𝑚 𝑋𝑛

𝑖=1 𝑗=1
 FORMULACIÓN DEL MODELO

4. Establecer las restricciones del sistema

Se formulan a través de ecuaciones o inecuaciones, las cuales muestran la distribución de los
recursos necesarios y disponibles. En este caso, deberá existir el parámetro de “mayor que” o de
“menor que”, según sea la condición de cada recurso.

• Restricciones de capacidad. Se limita el consumo de capacidad productiva de un conjunto de

recursos/productos/operaciones.
• Disponibilidad de Materia Prima. Se limita el consumo de un determinado conjunto de
productos (y en consecuencia la producción de un conjunto de productos) según la cantidad de
materia prima disponible en cada momento.
• Limitaciones en la demanda del mercado. Se limita la producción de un producto en función
de la venta estimada de éste.
 FORMULACIÓN DEL MODELO

4. Establecer las restricciones del sistema

• Restricciones de Continuidad o Balance de Materiales o Energía. En programación
multiperíodo, los productos que quedan al final de un periodo son las que hay al principio del
siguiente. También si un producto se descompone en otras unidades la suma de las cantidades
descompuestas es igual a la cantidad original (o con un factor de rendimiento). Son también
restricciones de continuidad las que conectan los diferentes arcos que entran o salen de un
nodo (por ejemplo en problemas de distribución de energía).
• Estipulaciones de Calidad. Al planificar la producción de productos, se pueden establecer
restricciones en función de las características de calidad de la mezcla y de las materias primas.
• Relaciones de tipo lógico. En ocasiones las restricciones tienen forma de expresión lógica, “si
consumes más de 40kw, hay que activar un segundo generador”.
 FORMULACIÓN DEL MODELO

5. Establecer las condiciones de las variables de decisión

Se requiere para definir de que naturaleza tienen que ser las variables de decisión:

X 1  =0
Condición de no negatividad
X 1  {0,1} Condición binaria
 SUPUESTOS DEL MODELO

• Proporcionalidad: La contribución de cada actividad al valor de la función objetivo 𝑍 es

proporcional al nivel de la actividad 𝑋𝑗.
• Aditividad: Cada función de un modelo de programación lineal (ya sea la función objetivo o el
lado izquierdo de las restricciones funcionales) es la suma de las contribuciones individuales de las
actividades respectivas.
• Divisibilidad: Las variables de decisión pueden tomar cualquier valor, incluso valores no enteros,
que satisfagan las restricciones funcionales y de no negatividad.
• Certidumbre: Se supone que los valores asignados a cada parámetro de un modelo de
programación lineal son constantes conocidas.
PROGRAMACIÓN LINEAL
Ejercicios en Clase
Una empresa ensambla dos tipos de motos: deportiva y de lujo. Los costos de ensamble para cada tipo ascienden a la
suma de $3 millones y $2 millones respectivamente. Debido a las restricciones técnicas de los equipos utilizados en la
sincronización inicial para la entrega, no se pueden producir menos de 100 unidades ni mas de 250 unidades de ambos
tipos al mes. Los rines de lujo para este tipo de motos son importados y el gobierno no permite importar mas de 75
parejas al mes. Elabore el modelo de programación lineal para la ensambladora de motos.
Actividad
Cantidad de
Recurso Moto de Moto Recursos
Lujo Deportiva disponibles

Máxima 1 1 250
producción
global
Mínima 1 1 100
producción
global
Rines 1 0 75

Costo 2 3
PROGRAMACIÓN LINEAL
Solución
Variables de decisión:

Xj

Función objetivo:

Restricciones:
Sujeto a:
 PROGRAMACIÓN LINEAL:PROBLEMADELAPRODUCCIÓN
Muebles El Fino elabora dos tipos de juego de muebles para sala: el estilo Clásico y el estilo Moderno,
cuyas utilidades alcanzan las cifras de $32.500 y $41.000 respectivamente. La empresa debe adquirir
al menos, 80 mt2 de madera al mes y para su funcionamiento contratará un máximo de 2 ebanistas,
quienes solo dispondrán de 5 horas diarias 5 días a la semana para esas labores. Cada mueble clásico
requiere 7 mt2 de madera y 8 horas hombre de trabajo, mientras que el estilo Moderno requiere 6 mt2
de madera y 10 horas hombre. Elabore el modelo de programación lineal con el fin de maximizar la
utilidad.
Recursos Unidades Tipo de Mueble Disponibilidad/mes
Utilizados Clásico Moderno Se calcula con la
Madera Mt2 7 6 80 disponibilidad de
Horas Hombre Horas 8 10 200 trabajo de los dos
ebanistas
Utilidad $/unid 32.500 41.000
PROGRAMACIÓN LINEAL:PROBLEMADELAPRODUCCIÓN

Conjuntos Función objetivo 𝐼

𝑖= Estilo de Muebles {Clásico, Moderno}
𝑍𝑚𝑎𝑥 = 𝑈𝑖 𝑋𝑖
Variables
Sujeto a: 𝑖=1
𝑋 𝑖 = Cantidad de Muebles Estilo 𝑖 (unidades)
𝐼
Parámetros
𝑈 𝑖 = Utilidad de Muebles Estilo 𝑖 ($/unidad) 𝑈 𝑖 = {32500,41000} 𝑀𝑖 𝑋𝑖 >=𝐷𝑀 (disponibilidad de madera)
𝑖=1
𝑀 𝑖 = Cantidad de madera requerida para fabricar un 𝐼
muebles estilo 𝑖 (𝑚2) 𝑀𝑖={7, 6}
𝐻𝑀𝑖 𝑋𝑖 ≤ 𝐷𝐻𝑀 (disponibilidad de madera)
𝐷𝑀= Cantidad de madera disponible para fabricar
muebles (𝑚2/mes) 𝐷𝑀={80} 𝑖=1
𝐻𝑀𝑖= Horas-hombre requeridas para fabricar muebles 𝑋𝑖 ≥ 0
estilo 𝑖 (ℎ𝑜𝑟𝑎𝑠) 𝐻𝑀𝑖={8, 10}
𝐷𝐻𝑀= Horas-hombre disponibles para fabricar muebles
𝐷𝐻𝑀={200}
PROGRAMACIÓN LINEAL:PROBLEMADELAPRODUCCIÓN
Variables de decisión:
𝑋1 = Cantidad de muebles tipo clásico a elaborar por mes
𝑋 2 = Cantidad de muebles tipo moderno a elaborar por mes

Función objetivo:
𝑍 𝑚ax=32500𝑋1+41000𝑋2

Restricciones
Sujeto a:
7𝑋1+6𝑋2>=80 (Disponibilidad de recurso madera)
8𝑋1+10𝑋2<=200 (Disponibilidad de recurso hombre)
𝑋1 , 𝑋2 ≥ 0
PROGRAMACIÓN LINEAL:PROBLEMADELADIETA
Ejercicios en Clase
En Granjas Modelo se usa diariamente un mínimo de 800 libras (lb) de un alimento
especial, que es una mezcla de maíz y soya, con las composiciones siguientes:

Las necesidades dietéticas del alimento especial son un mínimo de 30% de proteínas y
un máximo de 5% de fibras. Granjas Modelo desea determinar las proporciones de
alimento que produzcan un costo diario mínimo.
PROGRAMACIÓN LINEAL:PROBLEMADELADIETA
Ejercicios en Clase
Variables de decisión:
𝑋1 = Lb de maíz a producir por día
𝑋 2 = Lb de soya a producir por día

Función objetivo:
𝑍 𝑚in =0,3𝑋1+0,9𝑋2

Restricciones:
Sujeto a:
𝑋1+𝑋2 ≥800 (Requerimiento mínimo del alimento especial)
0.09x1+0.60x2 ≥0.30 (x1+ x2) (Requerimiento de proteínas)
0.02x1+0.06x2 ≥0.05 (x1+ x2) (Requerimiento de fibras)
𝑋1 , 𝑋2 ≥ 0
PROGRAMACIÓN LINEAL:PROGRAMACIÓNDEHORARIOS
Ejercicios en Clase
La ciudad de Progreso estudia la factibilidad de un sistema de autobuses para transporte
masivo que reduzca el transporte urbano en coche y en consecuencia alivie el problema del
esmog. El estudio busca determinar la cantidad mínima de autobuses que satisfaga las
necesidades de transporte. Después de reunir la información necesaria, el ingeniero de
tránsito observa que la cantidad mínima de autobuses varía con la hora del día, y que la
cantidad necesaria de vehículos se puede aproximar con valores constantes durante intervalos
de consecutivos de 4 horas. La figura 1 resume las determinaciones del ingeniero. Para
mantenimiento diario a cada autobús, éste puede trabajar 8 horas sucesivas diariamente.
PROGRAMACIÓN LINEAL:PROGRAMACIÓNDEHORARIOS
Ejercicios en Clase

Figura 1. Cantidad de autobuses

en función de la hora del día
 PROGRAMACIÓN LINEAL:PROGRAMACIÓNDEHORARIOS
Ejercicios en Clase
Variables de decisión: Conjuntos
𝑋1= Cantidad de autobuses que comienzan a las 12:00 AM 𝑖= Horarios de turnos de autobuses
𝑋2= Cantidad de autobuses que comienzan a las 04:00 AM {12:00 am, 4:00 am, 8.00 am, 12:00 pm, 4:00 pm, 8:00 pm }
𝑋3= Cantidad de autobuses que comienzan a las 08:00 AM
𝑋4= Cantidad de autobuses que comienzan a las 12:00 PM 𝑋𝑖= Cantidad de autobuses en el horario 𝑖
𝑋5= Cantidad de autobuses que comienzan a las 04:00 PM
𝑋6= Cantidad de autobuses que comienzan a las 08:00 PM
Sujeto a:
Función objetivo: 6
𝑅1: 𝑋1+ 𝑋6 ≥ 4
𝑅2: 𝑋1+ 𝑋2 ≥ 8
𝑍 𝑚𝑖𝑛 = 𝑋1+𝑋2 + 𝑋3 + 𝑋4+𝑋5+ 𝑋6 𝑍𝑚𝑖𝑛 = 𝑋𝑖
𝑅3: 𝑋2+ 𝑋3 ≥ 10 𝑖=1
𝑅4: 𝑋3+ 𝑋4 ≥ 7
𝑅5: 𝑋4+ 𝑋5 ≥ 12
𝑅6: 𝑋5+ 𝑋6 ≥ 4
𝑋1 , 𝑋2 , 𝑋3 , 𝑋4 , 𝑋5 , 𝑋6 ≥ 0
PROGRAMACIÓN LINEAL: PROBLEMA DE PLANIFICACIÓN DE LA
PRODUCCIÓN
En preparación para la temporada invernal, una compañía fabricante de ropa está
manufacturando chamarras, abrigos con relleno de plumas, pantalones con aislamiento y guantes.
Todos los productos se elaboran en cuatro departamentos diferentes: corte, aislamiento, costura y
empaque. La compañía recibió pedidos en firme de sus productos. El contrato estipula una
penalización por los artículos no surtidos. Elabore un plan de producción óptimo para la compañía,
con base en los siguientes datos:
PROGRAMACIÓN LINEAL: PROBLEMA DE PLANIFICACIÓN DE LA
PRODUCCIÓN
Variables de decisión:
𝑋1 = Unidades de chamarras a producir por día
𝑋 2 = Unidades de abrigos con relleno de plumas a producir por día
𝑋 3 = Unidades de pantalones con aislamiento a producir por día
𝑋4 = Unidades de guantes a producir por día
Y1 = Unidades de chamarras no surtidas por día
Y 2 = Unidades de abrigos con relleno de plumas no surtidos por día
Y 3 = Unidades de pantalones con aislamiento no surtidos por día
Y4 = Unidades de guantes no surtidos por día

Función objetivo:
𝑍 𝑚ax =30𝑋1+40𝑋2+20𝑋3+10𝑋4 – 15Y1-20Y2-10Y3-8Y4
PROGRAMACIÓN LINEAL: PROBLEMA DE PLANIFICACIÓN DE LA
PRODUCCIÓN
Sujeto a:

0.30x1 + 0.30x2 + 0.25x3 + 0.15x4 <= 1000 (Disponibilidad de Dpto. Corte)

0.25x1 + 0.35x2 + 0.30x3 + 0.10x4 <= 1000 (Disponibilidad de Dpto. Aislamiento)
0.45x1 + 0.50x2 + 0.40x3 + 0.22x4 <= 1000 (Disponibilidad de Dpto. Costura)
0.15x1 +0. 15x2 + 0.10x3 + 0.05x4 <= 1000 (Disponibilidad de Dpto. Empaque)

x1 - Y1 = 800
x2 - Y2 = 750
x3 - Y3 = 600 (Producidos-No surtidos= Demanda)
x4 - Y4 = 500

𝑋1 , 𝑋2 , 𝑋3 , 𝑋4 ,Y1 , Y2 , Y3 , Y4 ≥ 0
PROGRAMACIÓN LINEAL: PROBLEMA DE PLANIFICACIÓN DE LA
PRODUCCIÓN
Conjuntos Función objetivo
4 4
𝑖= tipo de producto {Chamarras, abrigos, pantalones, guantes}
𝑍𝑚𝑎𝑥 = 𝑈𝑖 𝑋𝑖 − 𝑃𝑖 𝑌𝑖
Variables 𝑖=1 𝑖=1

𝑋 𝑖 = Unidades de producto 𝑖 a producir diariamente Sujeto a: 4

4

𝑇𝐶𝑖 𝑋𝑖 ≤ 1000 𝑇𝐶C𝑖 𝑋𝑖 ≤ 1000

Y 𝑖 = Unidades faltantes del producto 𝑖 𝑖=1
𝑖=1
Parámetros 4 4

𝑇A𝑖 𝑋𝑖 ≤ 1000 𝑇E𝑖 𝑋𝑖 ≤ 1000

𝑇𝐶𝑖 = 𝑇𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑐𝑜𝑟𝑡𝑒 𝑝𝑜𝑟 𝑢𝑛𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 𝑖 = {0.30,0.30,0.25,0.15} 𝑖=1 𝑖=1

𝑇𝐴𝑖 = 𝑇𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑎𝑖𝑠𝑙𝑎𝑚𝑖𝑒𝑛𝑡𝑜 𝑝𝑜𝑟 𝑢𝑛𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 𝑖 = {0.25,0.35,0.30,0.10}

𝑋𝑖 - Y𝑖 = D𝑖 𝑋𝑖 Y𝑖 ≥ 0
𝑇𝐶𝐶𝑖 = 𝑇𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑐𝑜𝑠𝑡𝑢𝑟𝑎 𝑝𝑜𝑟 𝑢𝑛𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 𝑖 = {0.45,0.50,0.40,0.22}
𝑇𝐸𝑖 = 𝑇𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑒𝑚𝑝𝑎𝑞𝑢𝑒 𝑝𝑜𝑟 𝑢𝑛𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 𝑖 = {0.15,0.15,0.1,0.05}
𝐷𝑖 = 𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 𝑖 = {800,750,600,500}
𝑈𝑖 = 𝑈𝑡𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 𝑖 = {30,40,20,10}
𝑃𝑖 = 𝑃𝑒𝑛𝑎𝑙𝑖𝑧𝑎𝑐𝑖ó𝑛 𝑝𝑜𝑟 𝑢𝑛𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 𝑖 𝑛𝑜 𝑠𝑢𝑟𝑡𝑖𝑑𝑜 = {15,20,10,8}
PROGRAMACIÓN LINEAL: PROBLEMADEMEZCLA
Una refinería de petróleos produce dos tipos de gasolina sin plomo: regular y extra, las cuales vende a los distribuidores en
US$12 y US$14 por barril, respectivamente. Ambos tipos se preparan a partir del inventario de petróleo nacional refinado y
de petróleo importado refinado que tiene la empresa (es decir mediante mezcla), las que deben cumplir las especificaciones
que se presentan en la siguiente tabla:

Las características del inventario de petróleos refinados son las siguientes:

Se requiere formular y resolver un modelo de Programación Lineal que permita maximizar el ingreso semanal de la refinería,
satisfaciendo los requerimientos previamente detallados.
PROGRAMACIÓN LINEAL: PROBLEMADEMEZCLA
Variables de decisión: Conjuntos
𝑋11= Barriles de petróleo nacional utilizados en la producción de 𝑖= Tipo de petróleo {nacional, importado}
gasolina regular
j= Tipo de Gasolina {Regular, Extra}
𝑋12= Barriles de petróleo nacional utilizados en la producción de
gasolina extra 𝑋𝑖j= Barriles de petróleo i utilizado en la producción de
𝑋21= Barriles de petróleo importado utilizados en la producción gasolina j
de gasolina regular
𝑋22= Barriles de petróleo importado utilizados en la producción Restricciones:
de gasolina extra R1 𝑋11+ 𝑋21<= 100.000
R2 𝑋11+ 𝑋21>= 50.000
Parámetros: R3 𝑋12+ 𝑋22<= 20.000
𝑈j= Precio de venta gasolina j ($/unidad) 𝑈j= {12,14} R4 𝑋12+ 𝑋22 >= 5.000
R5 𝑋11+ 𝑋12<= 40.000
Función objetivo: R6 𝑋21+ 𝑋22<= 60.000
2 2 𝑋11, 𝑋12 , 𝑋21, 𝑋22 >= 0
𝑍 𝑚ax = 12(𝑋11+𝑋21) +14(𝑋12+𝑋22)
𝑍𝑚𝑎𝑥 = 𝑈𝑗 𝑋𝑖𝑗
𝑗=1 𝑖=1
PROGRAMACIÓN LINEAL: PROBLEMADEPRESUPUESTO
Una empresa vitivinícola ha adquirido recientemente un terreno de 110 hectáreas. Debido a la
calidad del sol y el excelente clima de la región, se puede vender toda la producción de uvas
Sauvignon Blanc y Chardonay. Se desea conocer cuánto plantar de cada variedad en las 110
hectáreas, dado los costos, beneficios netos y requerimientos de mano de obra según los datos que
se muestran a continuación:

Suponga que se posee un presupuesto de US$10.000 y una disponibilidad de 1.200 días hombre
durante el horizonte de planificación. Formule como un modelo de Programación Lineal.
 PROGRAMACIÓN LINEAL: PROBLEMADEPRESUPUESTO
Variables de decisión: Conjuntos
𝑋1= Cantidad de Hectáreas destinadas al cultivo de Sauvignon 𝑖= Tipo de Cultivo {Sauvignon, Chardonay}
Blanc
𝑋𝑖= Cantidad de Hectáreas destinadas al cultivo 𝑖
𝑋2= Cantidad Hectáreas destinadas al cultivo de Chardonay

Parámetros:
𝑈𝑖= Beneficio neto por hectárea destinada al cultivo 𝑖 ($/unidad) 𝑈𝑖= {50,120}

Función objetivo: 2 Restricciones:

𝑍 𝑚ax = 50𝑋1+120𝑋2 𝑍𝑚𝑎𝑥 = 𝑈𝑖 𝑋𝑖 Sujeto a:
𝑅1: 𝑋1+ 𝑋2 ≤ 110
𝑖=1
𝑅2: 100𝑋1+ 200𝑋2 ≤ 10000
𝑅3: 10𝑋1+ 30𝑋2 ≤ 1200
𝑋1 , 𝑋2 ≥ 0
 Bibliografía
 Hillier, F.Lieberman, G. Introducción a la Investigación de Operaciones.
Decima Edición. Editorial McGraw Hill. 2015.
 Taha, Hamdy A Investigación de operaciones / México :Pearson
Educación, 2004.
 González, Ángel Leon. Manual práctico de investigación de
operaciones. Barranquilla : Uninorte, 1994