Clase 1

Modelos de producción, son de un solo periodo y asumimos que todo lo que se produce se va
a vender. No va haber producción en exceso.

Ejercicio 2.1:

Forma extendida:
Es una forma concreta de modelamiento, porque a partir de las variables de decisión ya
puedes armar el modelo de programación lineal. El objetivo del modelo es económico como
maximizar utilidades o minimizar los costos.

1. Variables de decisión (son las incógnitas): a todas las variables le doy el mismo
identificador pero usaremos índice con números distintos. En este caso serán 7
variables donde la incógnita es la cantidad de prendas a cortar.

2. La función del modelo, es la operación que me dará el el máximo o el mínimo de algo.

En este caso buscamos maximizar las utilidades por prenda cortada de 7 clientes.

3. Determinar las restricciones. Se debe de representar el significado administrativo de

las condiciones (estará de verde)

Ventaja el modelamiento es concreto

Desventaja es la cantidad de procedimientos de escribir todas las variables de decisión cuando

son bastantes

Cada vez que te pongan algo con máximo, mínimo o igual se refiere a una condición del
modelo de programación lineal .

Máxima dificultado promedio: Primero hallamos el promedio multiplicando la dificultad de

cada cliente por la cantidad para cada cliente (Xn) y dividido entre la cantidad de prendas a
cortar total (suma de todo los Xn). No es lineal porque rompe al principio de proporcionalidad
porque las variables tendrían un exponente diferente a 1 en este caso -1 por estar en el
denominador. Para convertirlo a lineal mueves el denominador hacia el lado derecho.

Forma compacta:
Es la forma profesional de hacer un modelo. Las variables de decisión y los datos del problema
se agrupan en estructuras. Las estructuras manejan índices y las estructuras de 1 índice
(unidimensionales), de 2 (bidimensionales), de 3 (tridimensionales), más de 3
(multidimensionales)

1. Identificar cuáles son los índices del modelo. El índice que te permite crear las
estructuras es el índice de la variable de decisión en la forma extendida.
2. Identificar las variables de decisión.
3. Agrupar los datos en estructuras pueden ser según las categorías de la tabla que te
den.
4. Modelo PL compacto, se multiplica una estructura de datos por la estructura de
variables de decisión y se suman cada resultado por eso usamos la sumatoria.

(las estructuras de datos con como tablas para cada tipo de datos)

5. Representamos las condiciones.

 La v i = 1, …, 7 significa que esta restricción se aplica para las 7 variables de decisión.

No te olvides siempre la condición de no negatividad.

Ambos modelos son posibles usar para Lingo pero en compacto es mucho más útil cuando
las variable de decisión son bastantes.

Ejercicio 2.3:

Un diagrama para que entiendas mejor.

Disponibilidad se refiere a una restricción de menor o igual.

OJO: No te olvides que si quieres maximizar la utilidad debes de restar el ingreso – el costo de
producción.

Pon las variables aunque esten multiplicada por 0 para pode compactarlo después.

CASOS ESPECIALES:

• Múltiples soluciones óptimas: La recta del Z* es tangente a la región factible en el

segmento AB • La solución óptima es cualquier punto perteneciente al segmento AB
• Solución no acotada: En este caso, la región factible se extiende hacia el infinito. • Al
querer maximizar la función objetivo, esta nunca será tangente a la región factible; por
lo tanto el valor Z se extiende hacia el infinito.
• Infactibilidad: Ocurre cuando la región factible es nula o vacía . • En este caso, el
modelo de programación lineal no posee solución factible .
• Solución óptima degenerada o sobredimensionada: , ocurre degeneración cuando el
modelo posee más de 2 restricciones activas