Investigacin de Operaciones I

Programacin lineal

Programacin Lineal
1. 2. 3. 4. 5. 6. 7. Introduccin. Definicin. Supuestos y limitaciones. Modelo matemtico. Transformaciones. Formatos Cannico y Estndar. Construccin de modelos de PL.

Se presenta a continuacin, parte de esta entrevista: "Considere el problema de asignar 70 hombres a 70 empleos. Una 'actividad' consiste en asignar el isimo hombre al j-simo empleo. Las restricciones son dos: en primer lugar hay 70 hombres, cada uno de los cuales debe asignarse a un puesto, y en segundo lugar, cada uno de los 70 puestos existentes debe estar ocupado. El nivel de una actividad puede ser 1, lo cual indica que est siendo usada, o 0, lo cual significa que no. En consecuencia hay 2 x 70 =140 restricciones y 70 x 70 = 4900 actividades con 4900 variables correspondientes de decisin uno-cero. Por desgracia tambin hay factorial de 70 permutaciones o formas de hacer las asignaciones. El problema consiste en comparar ste factorial de 70 formas y elegir la que sea la ptima o 'mejor' segn algn criterio previamente establecido." "En el ejemplo anterior, factorial de 70 es un nmero muy grande. A fin de tener una idea de qu tan grande es, supngase que se hubiese tenido una computadora IBM del tipo main-frame en el instante en el que ocurri el Big Bang hace quince millones de aos. Habra podido, entre ese entonces y ahora, examinar

Introduccin.
"Los que mandan generalmente mueven las manos y dicen 'He considerado todas las alternativas'. Pero eso es casi siempre basura. Lo ms probable es que no pudiesen estudiar todas las combinaciones."

George B. Dantzig , el creador de la programacin lineal, en una entrevista publicada en The College Mathematical Journal, marzo de 1986.

37

MCIA. Jaime Delgado Ochoa

Investigacin de Operaciones I

Programacin lineal

todas las soluciones posibles? No! No obstante, supngase que se hubiese tenido una computadora aun ms poderosa, una que pudiese examinar mil millones de asignaciones por segundo. La respuesta seguira siendo negativa. Aun si la Tierra se llenase con computadoras cuyas rapideces fueran de nanosegundos, todas ellas trabajando en paralelo, la respuesta aun sera no. Sin embargo, si existiesen diez Tierras, todas llenas con computadoras del tipo mencionado, todas programadas en paralelo desde el instante del Big Bang hasta que el Sol fuese una esfera fra, entonces quizs la respuesta podra ser s. Lo notable es que el mtodo Simplex, con la ayuda de una computadora moderna, puede resolver este problema en una fraccin de segundo" . "Cuando el problema de la planeacin fue formulado inicialmente para la Fuerza Area, no exista la nocin exacta de una funcin objetivo, la idea de una meta claramente definida. Por supuesto, tenamos slo un falso respeto hacia el concepto de objetivo. En el discurso de los militares escuch a menudo decir, 'nuestro objetivo es ganar la guerra'. En el mundo de los negocios se escuchara quizs 'nuestro objetivo es obtener ganancias'. Sin embargo, era imposible hallar

alguna relacin directa entre la meta establecida y las acciones emprendidas para tal fin." "Si se estudiaba con cuidado el paso siguiente, se poda ver que algn lder haba promulgado un montn de reglas bsicas que, en su concepto, llevaran a la meta. Esto distaba mucho de lo que sera honestamente estudiar todas las combinaciones alternativas de las acciones a seguir para elegir la mejor combinacin. Los que mandan generalmente mueven las manos y dicen 'He considerado todas las alternativas'. Pero eso es casi siempre basura. Lo ms probable es que no pudiesen estudiar todas las combinaciones. Antes de 1947 era inconcebible pensar en la existencia de una herramienta como la programacin lineal que permitiese examinar millones de combinaciones. No haba algoritmo o herramienta computacional que pudiera hacer eso". "No descubr el modelo de la programacin lineal en un instante, sino que tuvo un proceso de evolucin. Se dedic casi un ao completo a la tarea de decidir si mi modelo podra ser utilizado en la formulacin de problemas prcticos de distribucin de tiempos. Como usted sabe, la planeacin y la distribucin de tiempos se llevaron a una escala inmensa durante la guerra. El

38

MCIA. Jaime Delgado Ochoa

Investigacin de Operaciones I

Programacin lineal

funcionamiento de la Fuerza Area fue equivalente al funcionamiento de la economa de toda una nacin. En el proceso intervinieron cientos de miles de personas. La logstica tuvo una magnitud difcil de entender para alguien que no haya estado all. Mi colega Marshall Wood y yo revisamos miles de situaciones tomadas de nuestra experiencia durante la guerra." "Las reglas bsicas empleadas en la planeacin se expresaban en un formato completamente distinto del que se emplea en la actualidad para formular un programa lineal. Lo que hicimos fue revisar estas reglas una por una y demostrar que casi todas ellas podan reformularse aceptablemente en un formato de programacin lineal. Pero no todas. En algunos casos era necesario tomar e cuenta el carcter discreto de n las variables y las no convexidades." "Cuando formul por primera vez mi modelo de programacin lineal, lo hice sin una funcin objetivo. Estuve luchando por algn tiempo con la adicin de reglas bsicas para elegir de entre las soluciones factibles la que en algn sentido fuese 'ptima'. Pero pronto abandon esta idea y la sustitu por la de una funcin objetivo a ser maximizada. El modelo que formul no estaba hecho especficamente para fines

militares. Poda aplicarse a toda clase de problemas de planeacin; todo lo que tena que hacerse era cambiar los nombres de las columnas y los renglones, y entonces era aplicable a un problema de planeacin econmica lo mismo que a un problema de planeacin industrial."

Una de las tcnicas ms difundidas de la (IO) es la programacin lineal (PL). El xito de est herramienta se debe al hecho de que es muy flexible para describir un gran nmero de situaciones reales en reas tales como: militar, industrial, agrcola, transporte, de la economa, de sistemas de salud, e incluso en las ciencias sociales y de la conducta. Un factor que ha ayudado a su amplio uso es la disponibilidad de programas de computadora muy eficientes para resolver problemas de grandes magnitudes de PL. De hecho, la PL debera considerarse como una base importantes del desarrollo de otras tcnicas de la IO, incluidas la programacin entera, la estocstica la de flujo de redes y la cuadrtica. Desde este punto

Definicin

39

MCIA. Jaime Delgado Ochoa

Investigacin de Operaciones I

Programacin lineal

de vista, el conocimiento de la PL es fundamental para implementar estas tcnicas adicionales. Por lo que resulta interesante saber que programacin lineal y que no lo es, a continuacin se mencionan algunas definiciones. ... trata la planeacin de las actividades para obtener un resultado ptimo, esto es, el resultado que mejor alcance la meta especificada (segn el modelo matemtico) entre todas las alternativas de solucin. Frederick S. Hiller ... abarca los mtodos de solucin de una gran variedad de problemas de la siguiente naturaleza: se tiene alguna cantidad (tal como un costo o un tiempo)que es una funcin lineal de cierto nmero de variables lineales. Se requiere, a su vez, que estas variables satisfagan un sistema de igualdades o desigualdades lineales. Es necesario hallar aquellos valores no negativos de las variables que hagan mxima o bien mnima a la cantidad dada. A. S. Basarov ... es un problema de minimizar o maximizar una funcin lineal en la presencia de restricciones lineales del tipo de desigualdad, igualdad o ambas. Mokhtar S. Bazaraa ... es una tcnica matemtica para encontrar los mejores usos de la organizacin. El adjetivo lineal se usa para describir la relacin en dos

o ms variables, una relacin que es directa y precisamente proporcional. El trmino programacin se refiere al uso de ciertas tcnicas matemticas para obtener la mejor solucin posible a un problema que involucra recursos limitados. Richad I. Levin

Supuestos y limitaciones
Debe recordarse que un modelo es una abstraccin de la realidad y no la realidad misma. Por tanto, en cierto sentido es una representacin incompleta de la realidad, en donde se pretende ganar entendimiento y definicin de la estructura del sistema en el cual se tiene el problema, cediendo a cambio cierta cantidad de realidad. El modelo general de la P.L., tiene entonces ciertas suposiciones y limitaciones implcitas, de las cuales se debe estar consciente. Una descripcin breve de las ms importantes se presenta a continuacin.

Suposiciones: 1.- Proporcionalidad.

La contribucin individual que una variable Xj aporta a la funcin objetivo es C Xj y al consumo del j

40

MCIA. Jaime Delgado Ochoa

Investigacin de Operaciones I

Programacin lineal

recurso en la "i-sima" restriccin es aij Xj . La proporcionalidad implica que, si por ejemplo, Xj es duplicada en su valor, tambin se duplicarn en la misma proporcin sus contribuciones tanto al objetivo como a las restricciones. Por tanto se supone que no existe ahorros o costos extra por el uso adicional de la variable Xj . Cabe mencionar, que cuando se trabaje con un problema en donde se tienen economas de escala, slo es necesario agregar algunas restricciones adicionales al modelo general para cumplir con la suposicin de proporcionalidad.

Esta suposicin garantiza que la contribucin total tanto a la funcin objetivo como a las restricciones, es igual a la suma de las contribuciones individuales. Cuando en un problema dado no se tenga la aditividad debe recurrirse a otra tcnica de programacin matemtica, dependiendo de cada caso en particular.

3.- Divisibilidad.
Significa que las variables de decisin pueden ser divididas a cualquier nivel fraccionario, de tal manera que puedan tomarse valores no-enteros. Si en un problema dado las variables slo pueden tomar valores enteros, es necesario aplicar una herramienta ms sofisticada que la P.L., llamada programacin lineal entera. Si las suposiciones de proporcionalidad y aditividad son combinadas se llega a la linealidad. Por tanto puede decirse que la linealidad y la divisibilidad son las suposiciones ms importantes del modelo general de P.L. Cuando no sea posible construir un modelo lineal, debe recurrirse a otra tcnica llamada programacin

2.- Aditividad.
Establece que la entrad y la salida de un recurso en particular al conjunto de actividades, d eben ser la misma cantidad; o sea, que las actividades transforman los recursos y no los crean o destruyen. Por ejemplo, suponga que en un departamento de ensamblado se disponen de 40 horas-hombre, mediante est suposicin se debe poder explicar mediante los niveles de fabricacin de X producto el consumo de este tiempo, incluyendo la posibilidad de horas en ocio.

41

MCIA. Jaime Delgado Ochoa

Investigacin de Operaciones I

Programacin lineal

no-lineal, cuyo enfoque est fundamentado en la P.L. a tal grado, que sta ha sido aplicad con gran xito en la obtencin de soluciones aproximadas a problemas de programacin no-lineal.

puede decirse que la P.L. utiliza un modelo esttico, ya que la variable tiempo no se involucra formalmente. Adquiriendo un poco de experiencia en la formulacin de modelos de P.L., puede imbuirse la temporabilidad mencionada, con el uso de subndices en las variables.

Limitaciones: 1.- Es un Modelo Determinstico.

El modelo de P.L. involucra nicamente tres tipos de parmetros: cj , aij y bj ; de ah su sencillez y gran aplicacin. Sin embrago, el valor de dichos parmetros debe ser conocido y constante. Cuando el valor de los parmetros tiene un cierto grado de riesgo o incertidumbre, puede utilizarse la programacin parmetrica, la programacin estocstica, o realizarse un anlisis de sensibilidad.

3.- Es un Modelo que no Suboptimiza.

Debido a la forma en que se plantea el modelos de P.L., o encuentra una solucin ptima o declara que sta no existe. Cuando no es posible obtener una solucin ptima y se debe de obtener alguna, se recurre a otra tcnica ms avanzada que la P.L., la cual se denomina programacin lineal por metas.

Modelo matemtico
Para facilitar el planteamiento del modelo matemtico general de P.L., se har uso de un ejemplo sencillo. Supngase que una compaa maderera, fabrica tres tipos de triplay, a los que llamaremos A, B y X. En la tabla siguiente se resumen las horas de produccin

2.- Es un Modelo Esttico.

En algunos modelos matemticos se han empleado con xito las ecuaciones diferenciales, para inducir la variable tiempo en ellos. En este sentido,

42

MCIA. Jaime Delgado Ochoa

Investigacin de Operaciones I

Programacin lineal

por unidad en cada una de las tres operaciones de produccin, adems de informacin adicional para resolver el problema.
Operaciones (horas) Triplay Grado A Grado B Grado X Mximo tiempo disponible Utilidades por unidad N$40 30 20 I 2 5 10 900 II 2 5 3 400 III 4 2 2 600

Variables (actividades) ======> fabricar triplay grado A, B y X. Es decir , se desea asignar sus recursos a las posibles actividades de tal forma que su utilidad por hora sea mxima (enfoque dual); o alternativamente, desea determinar una programacin de actividades para mximizar la utilidad por hora, tomando encuentra los recursos disponibles (enfoque primo). Para facilitar la solucin a este problema es posible construir un modelo matemtico. Sean X1 = unidades de triplay grado A a fabricar. X2 = unidades de triplay grado B a fabricar. X3 = unidades de triplay grado X a fabricar. entonces el objetivo de la compaa puede plantearse como mximizar: X0 = 40X1 + 30X2 + 20X3 donde

Finalmente, la compaa estima que puede vender cuando mucho 13, 15 y 14 respectivamente. Cuantas unidades se deben producir de cada grado de madera? El problema de la compaa puede plantearse de la siguiente forma:

Objetivo ======> maximizar la utilidad / hora Restricciones (recursos) ===> a) tiempo disponible b) demanda

X0 = utilidad por hora.

43

MCIA. Jaime Delgado Ochoa

Investigacin de Operaciones I

Programacin lineal

De la misma forma las restricciones pueden formularse como 2X1 2X1 4X1 X1 + + + 5X2 + 10X3 < 900 (horas) 5X2 + 3X3 < 400 2X2 + 2X3 < 600 < 13 (unidades de triplay) X2 < 15 X3 < 14

optimizar: Xo = C1 X 1 + C2 X2 + .............+CnX n sujeto a: a1 1 X1 + a1 2 X2 + .......................a1 nXn a2 1 X1 + a22 X2 + .......................a2nXn . . . . . . am1 X 1 + am2 X2 + .....................amnXn X1 , X2 , ............Xn > 0

( <, = , > ) b 1 ( <, = , > ) b 2 . . . . . . ( <, = , > ) b m

Por lo que el modelo matemtico es mximizar: sujeto a: 2X1 + 5X2 + 10X3 < 900 (horas) 2X1 + 5X2 + 3X3 < 400 4X1 + 2X2 + 2X3 < 600 X1 < 13 (unidades de triplay) X2 < 15 X3 < 14 X1 , X2 , X3 > 0 Del ejemplo anterior, puede inducirse siguiente modelo matemtico general de la P.L. el X0 = 40X1 + 30X2 + 20X3

donde,

Xo = funcin objetivo, la cual puede maximizarse o minimizarse Xj = variable de decisin (actividad), j = 1, 2, ......,n cj = coeficiente de la variable Xj en la funcin objetivo, o ms brevemente coeficiente objetivo de Xj. aij = consumo del recurso " i" por unidad de actividad "j", o alternativamente, coeficiente tecnolgico de Xj en la restriccin " i ". bj = constante del lado derecho (generalmente recurso disponible) en la restriccin "j", llamada tambin coeficiente recurso.

44

MCIA. Jaime Delgado Ochoa

Investigacin de Operaciones I

Programacin lineal

El modelo matemtico general de la P.L. establecido anteriormente, suele dividirse en el objetivo, las restricciones tecnolgicas o estructurales, las cuales pueden ser de los tipos " < ", " = ", " > "; y las condiciones tcnicas o de nonegatividad.

negativo de tal funcin, -f(x); complementariamente, la maximizacin una funcin g(x), es matemticamente equivalente a la minimizacin del negativo de la misma, -g(x). Por ejemp lo, Mx: Xo = 8X1 + 14X2 - 5X3 es matemticamente equivalente a Min: X'o = - Xo = -8X1 -14X2 +5X3 Ntese que lo importante es que se mantiene el gradiente de la funcin.

Transformaciones
Dado que el objetivo fundamental de la PL es el de optimizar una funcin lineal sujeta a una serie de restricciones lineales y variables no-negativas. Dependiendo de la situacin, resulta ventajoso efectuar ciertas manipulaciones al modelo general para expresarlo en formas equivalentes que sean ms fciles de comprender, solucionar o analizar. A continuacin se presentan las transformaciones de mayor utilidad.

2.- El sentido de una desigualdad puede invertirse.

Cuando una desigualdad se multiplica por (-1), su sentido puede invertirse. Si es "<" cambia a ">", si es " >" cambia a "<". Por ejemplo, 2X1 + 9X2 - 4X3 > 9 se convierte en -2X1 - 9X2 + 4X3 < -9

1.- El objetivo puede cambiarse de maximizacin a minimizacin, y viceversa.

La minimizacin de una funcin f(x), es matemticamente equivalente a la maximizacin del

45

MCIA. Jaime Delgado Ochoa

Investigacin de Operaciones I

Programacin lineal

al multiplicarla por (-1).

puede reformularse como dos desigualdades

3.- Una ecuacin desigualdades.

puede

transformarse

6X1 - 8X2 + 3X3 < 15

6X1 - 8X2 + 3X3 > -15

Esto se basa en el hecho de que toda ecuacin puede reemplazarse por dos desigualdades en sentidos opuestos. Por ejemplo, 3X1 + 5X2 - 8X3 = 10 es matemticamente equivalente a las dos siguientes desigualdades 3X1 + 5X2 - 8X3 < 10 y 3X1 + 5X2 - 8X3 > 10

La restriccin " <" y del tipo valor absoluto, se presenta muy comnmente en problemas que involucran la secuenciacin de mquinas y procesos; el "desfase" o diferencia entre los tiempos de una mquina y la otra, debe ser menor o igual a una constante estipulada. El caso de una desigualdad ">"del tipo valor absoluto no es de inters en PL, puesto que no define un espacio cerrado sino dos semiespacios, y por ende no sigue un comportamiento lineal.

4.- Una desigualdad "<" del tipo valor absoluto puede substituirse por dos desigualdades normales.
Este tipo de desigualdad define un espacio cerrado y por tanto puede intercambiarse por desigualdades por dos normales que definan dicho espacio. Por ejemplo, | 6X1 - 8X2 + 3X3 | < 15

5.- Una desigualdad del tipo "<", puede convertirse a ecuacin.

Cuando se tiene una desigualdad " <", puede transformarse a una ecuacin, si se le suma al lado izquierdo una nueva variable, no-negativa, llamada variable de faltante dado que solamente tomar valores positivos cuando el lado izquierdo sea menor al lado derecho. Por ejemplo, 9X1 + 7X2 - 3 X3 < 5

46

MCIA. Jaime Delgado Ochoa

Investigacin de Operaciones I

Programacin lineal

puede reemplazarse por 9 X1 + 7X2 - 3X3 + X4 = 5 , X4 > 0 Es prctica comn considerar como cero al coeficiente objetivo de la variable de faltante. Como se ver posteriormente, la introduccin del concepto de variables de faltante y de sobrante, represent un factor clave en el desarrollo de la PL. En adelante ambos tipos de variables se referirn como de holgura.

6.- Una desigualdad convertirse a ecuacin.

del

tipo

"

>

"

puede

7.- Una variable irrestricta en signo puede redefinirse en funcin de variables no-negativas.
El modelo general de la PL presentado en (1-6), considera a todas las variables como no-negativas. En ciertos problemas se involucran variables irrestrictas en signo, es decir que pueden tomar valores positivos, negativos o cero; generalmente dichas variables estn asociadas a temperaturas, saldos financieros, niveles de inventario, etc. Cuando en un problema se presenten variables irrestrictas, tambin llamadas variables libres, deben subtituirse por la diferencia de dos variables no-negativas. Por ejemplo, si la variable X7 es irrestricta, entonces puede reemplazarse por X 7 = X7 + - X 7 , X7 + y X7 - > 0

Procedimiento de una manera similar a la del inciso anterior, una desigualdad ">" puede cambiarse a ecuacin, si se le resta al lado izquierdo una nueva variable no-negativa, llamada variable de sobrante; tal nombre obedece a que dicha variable tomar un valor positivo, slo cuando el lado izquierdo sea mayor que el derecho. Por ejemplo, -5X1 + 7X2 - 2X3 > 15 puede reordenarse como -5X1 + 7X2 - 2X3 -X4 = 15 , X4 > 0 Tambin es usual asignar un valor de cero al coeficiente objetivo de la variable de sobrante.

47

MCIA. Jaime Delgado Ochoa

Investigacin de Operaciones I

Programacin lineal

El uso de X7 + y X7 -, es slo una convencin, dado que pueden utilizarse otras variables. Por ejemplo, alternativamente X7 podra expresarse como. X7 = A - B , A y B > 0 o como X7 = Z 1 - Z 2 , Z 1 y Z 2 > 0

" > " para un objetivo de minimizacin. Este formato es de gran utilidad en el anlisis del modelo de PL.

2.- El formato Estndar

Un modelo de PL est en formato estndar si todas las variables son no-negativas y todas las restricciones son igualdades, tanto en maximizacin como minimizacin. Este formato ser siempre en la solucin de problemas de PL. A continuacin se presentan los modelos generales de PL planteados mediante los formatos cannicos y estndar.

Formatos Cannico y Estandr

De la discusin presentada en anterior, se puede concluir que un modelo plantearse en un nmero considerable equivalentes. Dos formatos en particular utilizados: el cannico y el estndar. la seccin de PL puede de formas son los ms

1.- El formato Cannico

Un modelo de PL est en formato cannico si todas las variables son no-negativas y todas las restricciones son del tipo " < " para un objeto de maximizacin, o si todas las restricciones son del tipo

48

MCIA. Jaime Delgado Ochoa

Investigacin de Operaciones I

Programacin lineal

Formato Cannico Caso de minimizacin Minimizar

n

Formato Estndar Caso de minimizacin Minimizar:

n

X0 =
j=1

cj xj Sujeto a:
n

X0 =
j=1

cj xj

sujeto a:
n

aijxj > bi
j=1

i = 1, 2, 3, ...., m j=1

aijxj = bi xj > 0

i = 1, 2, 3, ...., m

xj > 0

j = 1, 2, 3, ...., m

j = 1, 2, 3, ...., m

Caso de maximizacin Maximizar:

n

Caso de maximizacin Maximizar:

n

X0 =
j=1

cj xj Sujeto a:

X0 =
j=1 n

cj xj

sujeto a:
n

aijxj < bi
j=1

i = 1, 2, 3, ...., m j=1

aijxj = bi xj > 0

i = 1, 2, 3, ...., m

xj > 0

j = 1, 2, 3, ...., m

j = 1, 2, 3, ...., m

49

MCIA. Jaime Delgado Ochoa

Investigacin de Operaciones I

Programacin lineal

Construccin de modelos de PL
Introduccin. En esta unidad se hace nfasis en la modelacin como la parte central de la investigacin de operaciones y por lgica de la programacin lineal, as mismo se define como un mezcla de ciencia y de arte. Sin embargo, aunque la modelacin no puede "ensearse", s puede motivarse. Es por esta razn por la que se mecionan diez principios bsicos que no deben olvidarse al momento de construir un modelo, de estos, el ms importante es sin duda, que los modelos no pueden reemplazar al tomador de decisiones. Aunque la modelacin no puede ensearse tal cual, sino aprenderse en la propia experimentacin, si puede dividirse arbitrariamente en dos fases: la subjetiva y la objetiva. En la parte subjetiva se involucra la definicin del sistema asumido, mientras que en la objetiva se incluye la construccin del modelo a partir del sistema asumido. Como se menciono al principio la parte subjetiva no puede tratarse en esta unidad. Por el contrario, la parte objetiva es denominada formulacin.

La formulacin se plantea bajo dos enfoques: directo e indirecto. El primero de ellos se pretende ir directamente del sistema asumido al modelo de PL. Por otra parte, el segundo se plasma de forma esquemtica, de acuerdo a cierta filosofa, y luego a partir de dicho esquema se llega al modelo de PL. Para que el estudiante se familiarice con la formulacin de modelos, se presentaran aplicaciones reales al finalizar el presente capitulo, para posteriormente solucionarlos mediante alguna de las tcnicas que se emplean para su solucin. La modelacin. Recordando un poco de lo que se vio en el capitulo II, la modelacin en la IO se puede definir como el proceso de abstraccin del sistema real al modelo cuantitativo. Bsicamente es la construccin del modelo matemtico del sistema real bajo estudio. Mismo que involucra desde la definicin del sistema real y la determinacin de sus fronteras, incluyendo la conceptualizacin del sistema asumido, hasta llegar a la elaboracin del modelo en s.

50

MCIA. Jaime Delgado Ochoa

Investigacin de Operaciones I

Programacin lineal

Como se menciono en la introduccin la modelacin es una combinacin de arte y de ciencia, sin embargo hay que reconocer que es ms arte que ciencia. De hecho no existe un algoritmo o un receta que nos lleve a la concepcin de un buen modelo, por lo que se concluye que la modelacin se aprende con la prctica. Sin embargo la experiencia de muchos investigadores de operaciones, es posible elaborar una serie de principios para la construccin de modelos. Se debe estar consciente de la limitaciones inherentes al proceso de modelacin y no caer en la trampas ms comunes sealadas en tales principios. A continuacin se presenta una lista, exhaustiva de los principios generales de modelacin: no la

4. Los modelos deben validarse antes de su implantacin. 5. Nunca debe pensarse que modelo es el sistema real. 6. Un modelo nunca debe criticarse por algo para lo que no fue hecho. 7. No venda el modelo como la perfeccin mxima. 8. Uno de los primeros beneficios de la modelacin reside en el desarrollo del mismo. 9. Un modelo es tan bueno o tan malo como la informacin con la que trabaja. 10.Los modelos no pueden reemplazar al tomador de decisiones. Finalmente, cabe recordar que los modelos de IO, nos llevan a tomar mejores decisiones y no ha simplificar la toma de las mismas. La formulacin. La PL al ser una tcnica de IO, se basa en el diseo, solucin y anlisis de modelos de sistemas reales. Sin embargo la PL trabaja a partir de un modelo general bien definido y no as otras tcnicas de IO. Por lo que puede decirse que la PL es el proceso de

1. No debe elaborarse un modelo complicado cuando uno simple es suficiente. 2. El problema no debe ajustarse al modelo o mtodo de solucin. 3. La fase deductiva de la modelacin debe realizarse rigurosamente.

51

MCIA. Jaime Delgado Ochoa

Investigacin de Operaciones I

Programacin lineal

reduccin del sistema real y su problema, a un objetivo y a un conjunto de restricciones, donde todas sus funciones son lineales. Al inicio de este capitulo se menciono que la modelacin no puede ensearse de manera formal, sin embargo, en la PL si puede ahondarse en una parte importante de la modelacin llamada formulacin. La formulacin consiste en convertir al sistema asumido en el modelo general de PL. Note que se parte del sistema asumido, el cual tiene la informacin ms relevante del sistema real. El establecimiento del sistema asumido del sistema real es la parte subjetiva de la modelacin, y la formulacin es la parte objetiva. La formulacin puede llevarse a cabo mediante las alternativas directa e indirecta. A continuacin se describe la formulacin directa. La formulacin directa. Esta consiste en pasar de forma directa del sistema asumido al modelo de PL. Por tal razn se sugiere trabajar el orden siguiente: definir la variable de decisin, luego el objetivo, enseguida las restricciones estructurales y finalmente establecer

las condiciones tcnicas. Para comprender mejor lo anterior se comentar lo antes citado.

Variables de decisicin.
Son las incgnitas del problema y bsicamente consisten en todos los niveles de las actividades que pueden llevarse a cabo en el problema a formular.

El objetivo.
Consiste en optimizar el valor de la funcin objetivo, el cual es una funcin lineal de las diferentes actividades del problema.

Las restricciones estructurales.

Son los diferentes requisitos que debe cumplir la solucin para que pueda llevarse a cabo. Las restricciones ms comunes son:

Restricciones de capacidad, limitan el valor de las

variables debido a la disponibilidad de horas-hombre, horas-mquina, espacio, etc.

52

MCIA. Jaime Delgado Ochoa

Investigacin de Operaciones I

Programacin lineal

Restricciones de mercado, surgen de los valores

mximos y mnimos en las ventas o uso de un producto o actividad a realizar.

Las condiciones tcnicas.

Este establece que todas las variables debern tomar valores no negativos. Ejemplo No.1 La Ca., Agroind., S.A. de C. V., est tratando de determinar la mezcla de produccin de fertilizantes, de los siguientes tipos F-1A, F-2AC y F-4BH. El fertilizante se estabiliza con un material de relleno como podra ser el barro. El tipo F-1A est elaborado con 5% de nitrato, 5% de fosfato, 10% de potasio y el resto es barro. El tipo F-2AC contiene 5% de nitrato, 10% de fosfato, 5% de potasio y el restante 80% es barro. El tipo F-4BH se fabrica con 10% de nitrato, 5% de fosfato, 5% de potasio y el resto es barro. El mayorista comprar cualquier cantidad de los fertilizantes que la compaa pueda fabricar. Este mes, la disponibilidad y costos de materia prima son 1100 ton de nitrato a $200.00 por ton., 1800 ton de fosfato a $ 80.00 cada una y 2000 ton de potasio a $160.00 cada una. El relleno est disponible en cantidades ilimitadas al precio de $10.00 la ton., pero para los otros tres ingredientes solo se dispone de las cantidades anteriormente citadas. No hay

Restricciones de entrada, son las limitantes debido a

la escasez de materia prima, mano de obra, dinero, etc.

Restricciones de calidad, son las que limitan las

mezclas de ingredientes, definiendo usualmente la calidad de los artculos a manufacturar.

Restricciones

de

balance

de

materiales, estas

definen las salidas de un proceso en funcin de sus entradas, tomando en cuenta cierto porcentaje de merma o desperdicio.

Restricciones internas, son las que definen a una

variable dada, en la formulacin interna del problema, un ejemplo tpico es el inventario. Sin embargo puede ser que un problema dado no los tenga a todos o tenga otros tipos diferentes a los listados.

53

MCIA. Jaime Delgado Ochoa

Investigacin de Operaciones I

Programacin lineal

restricciones para el uso de mano de obra ni tampoco para el empleo de maquinara durante el mes, pero se tiene un costo de $15.00 por ton., por concepto de mezclado de fertilizante. Adems el mayorista est dispuesto a pagar $71.50 por ton., $69.00 por ton y $66.50 por ton. respectivamente. La compaa desea optimizar sus recursos escasos, para lo cual le ha pedido al jefe de produccin que le elabore un programa de produccin para el prximo mes. Ejemplo No. 2. Una compaa fabrica tres tipos de bolsas de plstico de uso domstico: una de 10 Kilos, una bolsa de 15 Kilos y una de 20 Kilos, para hojas y pasto, cada una con un cordn de sellado fcil. Utilizando material plstico que adquiere de en el corredor industrial Tampico-Altamira, la compaa realiza tres operaciones para fabricar cada producto final: corte, sellado y empaque. Se muestran enseguida el tiempo de produccin que se requiere para procesar cada tipo de bolsa en cada tipo de operacin, y el tiempo mximo disponible para cada tipo de operacin. Observe que las cifras de produccin de esta tabla estn dados en unidad por caja para cada tipo de bolsa.

Tiempo disponible (segundos por caja). Tipo de bolsa 10 kilos 15 kilos 20 kilos Tiempo disponible en horas Corte 2 3 3 2 Sellado 2 2 3 3 Empaque 3 4 5 4

Si la compaa tiene una utilidad de $10 por cada caja de bolsas de 10 kilos que fabrica, $15 por cada caja de bolsas 15 kilos y $20 por cada caja de bolsas de 20 kilos. Cul es la mezcla ptima de productos? Ejemplo No. 3. La compaa Computacin del Noreste, S. A. se dedica a la fabricacin de artculo de computacin en la actualidad, est distribuyendo diskettes, cassettes de cinta y cartuchos para limpiar unidades de disco (drives). La contribucin unitaria a las utilidades para cada producto es como se muestra a continuacin

54

MCIA. Jaime Delgado Ochoa

Investigacin de Operaciones I

Programacin lineal

Producto Diskette Cassette Paquete de limpieza

Contribucin a las utilidades $ 2.00 1.50 3.50

Cada uno de esos tres productos pasa a travs de tres centros de manufactura y prueba como parte del proceso de produccin. Los tiempos que se requieren en cada uno de los centros para fabricar una unidad de cada uno de los tres productos, as como el tiempo disponible para la siguiente semana y los costos fijos para cada uno de los centros, se muestran en la tabla siguiente:
Horas Producto Diskette Cassette Pqte. de lpza. Tiempo (horas) Centro 1 3 4 2 60 por unidad 2 1 2 40 Centro 3 1 3 2 80 Centro 2

Plantee un programa lineal para programar la produccin prximo mes. Ejemplo No. 4. Manufacturas del Sur, S.A de C.V. fabrica un producto que tiene una demanda que aumenta y

disminuye. Por ejemplo la demanda que se ha pronosticado para los prximos cuatro meses es de 1800, 2200, 3400 y 2800, respectivamente. Debido a las variaciones de la demanda, los administradores de la Compaa han encontrado que en algunos meses existe produccin en exceso, lo cual ocasiona grandes costos de manejo y almacenamiento, en tanto que en otros meses la compaa no esta en posibilidades de cubrir la demanda. La Compaa puede fabricar 2400 artculos por mes en sus turnos normales. Utilizando tiempo extra, es posible fabricar 800 artculos mensuales adicionales. Debido a los mayores costos de mano de obra en tiempo extra, se produce un aumento de $7.00 por cualquier artculo que no se fabrique en turno normal. Los administradores han estimado que incurren en un costo de almacenamiento de $3.00 por cualquier artculo que se fabrique en un mes determinado y que no se venda durante el mismo. A la compaa le gustara determinar un programa ptimo de produccin que minimice los costos totales de produccin y almacenamiento. El programa debe satisfacer todas las demandas de ventas.

55

MCIA. Jaime Delgado Ochoa

Investigacin de Operaciones I

Programacin lineal

Ejemplo No. 5. Una compaa fabrica dos productos A y B. El volumen de ventas de A es por lo menos 80% de las ventas totales de A y B. Sin embargo, la compaa no puede vender ms de 100 unidades de A al da. Los dos productos utilizan una materia prima, cuya disponibilidad mxima se limita a 240 libras al da. Las proporciones de utilizacin de la materia prima son de 2 libras para cada unidad de A y de 4 libras para cada unidad de B. Los precios unitarios de A y B son de 20 y 50 pesos respectivamente. Determine productos. Ejemplo No. 6. Wyoming Electric Coop., es propietaria de una planta generadora de energa con turbinas de vapor. Debido a que Wyoming es rica en depsitos de carbn, la planta genera vapor con carbn. Sin embargo, esto crea el problema de satisfacer los estndares de emisin. Las regulaciones de la Environmental Protection Agency (Agencia de Proteccin Ambiental) limitan la descarga de dixido de azufre a 2000 partes la mezcla ptima de los dos

por milln y la descarga de humo de las chimeneas de la planta a 20 libras por hora. La Cooperativa recibe dos grados de carbones pulverizados, C1 y C2, para ser utilizados en la planta. Por lo comn, los dos grados se mezclan antes de quemarlos. Por simplicidad, supondremos que el contaminante de azufre de la mezcla (en partes por milln) es un promedio ponderado de la proporcin de cada grado empleado en la mezcla. Los siguientes datos se basan en el consumo de 1 tonelada por hora de cada uno de los dos grados de carbn.
Grado De carbn C1 C2 Descarga de azufre en ppm 1 800 2 100 Descarga de humo en lb/hr 2.1 0.9 Vapor generado en lb/hr 12 000 9 000

Determine la mezcla ptima de para mezclar los dos grados de carbn. Ejemplo No. 7. Burroughs Garment Company fabrica camisas para caballero y blusas para dama para Walmark Discount Stores. Walmark aceptar toda la produccin que le proporcione Burroughs. El proceso de produccin incluye corte, costura y empacado. Burroughs emplea a

56

MCIA. Jaime Delgado Ochoa

Investigacin de Operaciones I

Programacin lineal

25 trabajadores en el departamento de corte, a 35 en el departamento de costura y a 5 en el departamento de empacado. La fabrica trabaja un turno de 8 horas, slo 5 das a la semana. La tabla siguiente proporciona los requerimientos de tiempo y las utilidades por unidad para las dos prendas:
Minutos por Prenda Camisas Blusas Corte 20 60 Costura 70 60 unidad Empacado 12 4 Utilidad Por unidad ($) 2.50 3.20

terminacin de cada tarea muestran en la tabla siguiente

por

programador

se

Trabajo Programador Jos Luis Pedro 1 $100 80 200 2 $150 200 250 3 $200 100 250 4 $100 100 150 5 $ 50 80 100

Ejemplo No. 8. Desarrollo y Sistemas en Informtica, S.A., se especializa en la preparacin de programas de computacin para la industria y el gobierno. Estos programas se escriben uno de cuatro lenguajes de programacin: FORTRAN, COBOL, CLIPER y C. La compaa tiene tres programadores que realizan esta labor y existen cinco trabajos de programacin que deben terminarse lo ms pronto posible. No todos los programadores trabajan a la misma velocidad en todos los lenguajes y se les paga en forma diferente con base en su experiencia. Cada uno de los trabajos debe elaborarlo un solo programador. Los costos de

En la tabla siguiente se presentan el tiempo que necesita cada programador para terminar cada trabajo y del tiempo de que dispone despus de realizar sus tareas.
Trabajo Programador Jos Luis Pedro 1 2 3 4 10 5 15 5 5 4 10 Tiempo disponible (horas) 35 20 40

10 15 20 4 10 5 20 25 25

Plantee el problema de asignacin de la comp aa como un programa lineal. Ejemplo No. 9. La compaa ANCE, S. A., produce una lnea de artculos de peltre para uso en el hogar, la cual consta

57

MCIA. Jaime Delgado Ochoa

Investigacin de Operaciones I

Programacin lineal

de cuatro productos. El sistema de manufactura se divide en cinco etapas : cortado, troquelado, esmaltado, acabado y empacado. La informacin relevante, tanto del sistema productivo como del producto se muestran a continuacin.
Informacin sobre el sistema productivo ndice de produccin (unidades/hora)

los productos 1 y 2. El producto 1 requiere 0.50 m2 por unidad y el producto 2 requiere 0.80 m2 por unidad. Formule un modelo de PL, para la optimizacin de los recursos. Ejemplo No. 10. Hexxon Oil Company tiene seis consultores de petrleo, tres de los cuales estn actualmente en los E. U., dos en Rusia y uno en Nigeria. Arabia Saudita ha solicitado dos consultores durante una semana a una tarifa de $4200 cada uno. Venezuela ha solicitado dos consultores durante una semana a una tarifa de $4000 cada uno. Indonesia ha solicitado tres consultores tres consultores durante una semana a una tarifa semanal de $4000 cada uno. Los gastos semanales por consultor son d $1400 en Arabia Saudita, $1000 en e Venezuela y $700 en Indonesia. La tabla siguiente muestra las tarifas de viaje redondo (en dlares) para enviar por avin a los consultores:

Departamento Cortado troquelado Esmaltado Acabado empacado

Producto 1 25 14 17 20 50

Producto 2 6 8 9 4 13

Producto 3 20 20 33 -.50

Producto 4 10 10 8 8 20

Capacidad (horas/mes) 400 380 490 450 400

Informacin sobre el producto

Producto 1 2 3 4

Precio de venta ($/unidad) 100 300 160 250

Costo de venta ($/unidad) 50 200 100 150

Demanda mensual (unidades) Mnima Mxima 500 5 000 750 6 000 650 8 000 3 500

Adicionalmente, se sabe que el siguiente mes slo se dispondr de 1 200 m2 de lamina que consumen

58

MCIA. Jaime Delgado Ochoa

Investigacin de Operaciones I

Programacin lineal

Desde Arabia Saudita Estados Unidos Rusia Nigeria 1800 1600 1300

Hacia Venezuela 800 1800 1200

Indonesia 2000 1700 1500

que semanalmente se requieren 10 000, 8 000, 6 000 y 6 000 pies de los distintos tamaos de las vigas I. Formular el problema de programacin de mquinas como un programa lineal. Ejemplo No. 12. Un fabricante de plsticos planea obtener un nuevo producto mezclando 4 compuestos qumicos. Estos compuestos consisten principalmente de 3 elementos qumicos A, B y C. A continuacin se muestra la composicin y el costo por unidad de estos compuestos. Compuesto qumico Porcentaje de A Porcentaje de B Porcentaje de C Costo/kilogramo 1 30 20 40 20 2 20 60 15 30 3 40 30 25 20 4 20 40 30 15

Formule como un modelo de PL. Ejemplo No. 11. Un fabricante de acero produce 4 tamaos de vigas I: pequeo, mediano, grande y extra grande. Estas vigas se pueden producir en cualquiera de tres tipos de mquinas: A, B y C. A continuacin se indican las longitudes (en pies) de las vigas I. que pueden producir las mquinas por hora.
Mquina B 600 400 350 200

Viga Pequea Mediana Larga Extra larga

A 300 250 200 100

C 800 700 600 300

Supngase que cada mquina se puede usar hasta 50 horas por semana y que los costos de operacin por hora de estas mquinas son $3000, $5000 y $8000 respectivamente. Supngase, adems,

El nuevo producto consiste del 20 % del elemento A, al menos 30 % del elemento B y al menos 20 % del elemento C. Debido a los efectos laterales de los compuestos 1 y 2, no deben exceder del 30 % y del 40 % del contenido del nuevo producto. Formular como un programa lineal.

59

MCIA. Jaime Delgado Ochoa

Investigacin de Operaciones I

Programacin lineal

Ejemplo No. 13. La Compaa Petroqumicos del Oeste, S. A., enfrenta el problema de determinar que proyectos de crecimiento debe emprender en los prximos 4 aos. La compaa tiene una cantidad limitada de fondos para inversiones de capital; por tanto, no puede financiar todos los proyectos. A cada uno de estos se le ha caracterizado determinando su valor presente y el requerimiento (costo) asociado de capital. Cada proyecto tiene diferentes requerimientos de capital para los prximos 4 aos. En la tabla siguiente se muestran el valor presente estimado, los requerimientos de capital y el capital disponible proyectado para cada uno de ellos.
Valor Requerimie de presente ntos capital estimado Ao 1 Ao 2 Ao 3 Ao 4 $180,000 $30,000 $40,000 $40,000 $30,000 20,000 12,000 8,000 0 4,000 72,000 80,000 30,000 20,000 $65,000 20,000 30,000 $80,000 20,000 40,000 $80,000 20,000 10,000 $50,000

un plan de asignacin de capital que muestre las erogaciones que debe hacer para cada uno de los cuatro aos y qu proyectos se deben financiar bajo el plan general. Formlese como un modelo de programacin lineal. Ejemplo No. 14. PEMEX comercializa dos tipos de gasolina : magna y premium. Cada gasolina debe satisfacer ciertas especificaciones, tales como la presin mxima de vapor aceptable y el octanaje mnimo. Los requerimientos de manufactura para las gasolinas y el precio por barril se muestran a continuacin :
Especificaciones de manufactura y precio por barril Gasolina Magna Premium Octanaje mnimo 80 100 Presin mxima de vapor 9 6 Precio de venta (por barril) $21.00 $24.00

Tipo de proyecto Expansin de la planta Nueva maquinaria Investigacin sobre nuevos productos Ampliacin del almacn Fondos disponibles de capital

A los administradores de Compaa Petroqumicos del Oeste, S. A., les gustara desarrollar

Se utilizan tres tipos de gasolinas para fabricar las gasolinas magna y premium. Las carctersticas de las gasolinas se muestran en la tabla siguiente:

60

MCIA. Jaime Delgado Ochoa

Investigacin de Operaciones I

Programacin lineal

Caractersticas de la gasolina base Gasolina base Tipo 1 Tipo 2 Tipo 3 Octanaje Presin de vapor 4 10 5 Disponibilidad mxima (barriles) 32,000 20,000 38,000 Costo por barril $22.00 $20.00 $19.00

tcnica. En la actualidad estn planeando la produccin agrcola para el ao prximo. La produccin agrcola est limitada por la extensin de terreno disponible para irrigacin como por la cantidad de agua que la Comisin de Aguas (una oficina del gobierno nacional) asigna para irrigarlo. La tabla siguiente contiene los datos :
Datos de recursos para Confederacin Sur de Kibbutzim Kibbutzim 1 2 3 Terreno disponible (acres) 400 600 300 Asignacin de agua (piesacre) 600 800 375

108 90 73

PEMEX se ha comprometido con un comprador a proporcionarle 30,000 barriles de gasolina premium por semana. No se tienen compromisos con respecto a la gasolina magna. A PEMEX le gustara determinar el plan de manufactura para las dos clases de gasolina para optimizar las utilidades.

PROBLEMARIO
Problema No. 1. La CONFEDERACIN SUR DE KIBBUTZIM est formada por tres kibbutzim (comunidades agrcolas comunales) en Israel. La planeacin global de este grupo se hace en su oficina de coordinacin

El tipo de cosecha apropiada para la regin incluye la remolacha, algodn y sorgo, y estas son precisamente las tres que se estn estudiando para la estacin venidera. Las cosechas difieren primordialmente en su rendimiento neto esperado por acre y en su consumo de agua. Adems, el Ministerio de Agricultura ha establecido una cantidad mxima de acres que la Confederacin puede dedicar ha estas

61

MCIA. Jaime Delgado Ochoa

Investigacin de Operaciones I

Programacin lineal

cosechas. La cantidades :

siguiente

tabla

muestra

estas

en cada Kibbutz, cumpliendo con las restricciones dadas. Problema No. 2. UNION AIRWAYS va agregar vuelos desde y hacia su aeropuerto base y, por lo tanto, necesita contratar ms agentes de servicios al cliente. Sin embargo, no est claro cuantos ms debe contratar. La administracin reconoce la necesidad de controlar el costo y al mismo tiempo proporcionar de manera consistente un nivel satisfactorio de servicio. Por todo esto, un equipo de IO est estudiando como programar a los agentes para proporcionar un servicio satisfactorio con el menor costo de personal. Con base en la nueva programacin de vuelos, se ha realizado un anlisis del nmero mnimo de agentes de servicio a clientes que deben encontrarse de guardia en diferentes momentos del da para proporcionar un nivel satisfactorio de servicio. La columna de la derecha de la siguiente tabla muestra el nmero de agentes necesario para los periodos dados en la primera columna. Los otros datos de esta tabla reflejan uno de los acuerdos del contrato colectivo vigente entre la compaa y el sindicato que representa

Datos de recursos para Confederacin Sur de Kibbutzim Cosecha Cantidad mxima Consumo de agua (acres) (piesacre/acre) 600 500 325 3 2 1 Rendimiento neto (dlares/acre) 1000 750 250

Remolacha Algodn Sorgo

Debido a la disponibilidad limitada de agua para irrigacin, la Confederacin no podr usar todo el terreno irrigable para las cosechas de la prxima temporada. Para asegurar la equidad entre los tres Kibbutz, han acoradado que cada Kibbutz sembrar la misma proporcin de sus tierras irrigables disponibles. Por ejemplo, si el Kibbutz 1 siembra 200 de sus 400 acres disponibles, entonces el Kibbutz 2 debe sembrar 300 de sus 600 acres, mientras que el Kibbutz 3 sembrara 150 acres de los 300 que tiene. Cualquier combinacin de estas cosechas se puede sembrar en cualquiera de los Kibbutz. El trabajo al que se enfrenta la oficina de coordinacin tcnica consiste en planear cuntos acres debe asignarse a cada tipo de cosecha

62

MCIA. Jaime Delgado Ochoa

Investigacin de Operaciones I

Programacin lineal

a los agentes de servicio a clientes. El acuerdo es que cada agente trabaje un turno de 8 horas 5 das a la semana, y los turnos autorizados son : Turno 1 : Turno 2 : Turno 3 : Turno 4 : Turno 5 : 6 :00 am a 2 :00 pm 8 :00 am a 4 :00 pm 12 :00 am (medio da) a 8 :00 pm 4 :00 pm a 12 :00 pm (media noche) 10 :00 pm a 6 : am

especificados en el contrato difieren uno de otro. En el ltimo rengln se muestra la compensacin diaria (incluyendo prestaciones) por cada agente por turno. El problema consiste en determinar cuntos agentes deben asignarse a los turnos respectivos cada da para minimizar el costo total de personal debido a los agentes, segn este ltimo rengln, al tiempo que se cumplen (o se sobrepasan) los requerimientos de servicio dados en la columna de la derecha.

Perodo 6 :00 am a 8 :00 am 8 :00 am a 10 :00 am 10 :00 am a 12 :00 am 12 :00 am a 2 :00 pm 2 :00 pm a 4 :00 pm 4 :00 pm a 6 :00 pm 6 :00 pm a 8 :00 pm 8 :00 pm a 10 :00 pm 10 :00 pm a 12 :00 pm 12 :00 pm a 6 :00 am Costo agente diario por

1 X X X X

Periodos cubiertos Turno 2 3 4 5 X X X X X

X X X X

X X X

X X

Nmero mnimo necesario de agentes 48 79 65 87 64 73 82 43 52 15

Problema No. 3. National Steel Corporation (NSC) produce un acero especial usado en las industrias de aviacin y aeroespaciales. El departamento de ventas NSC ha recibido pedidos de 2400, 2200, 2700 y 2500 toneladas de acero para cada uno de los siguientes cuatro meses. NSC puede satisfacer estas demandas produciendo el acero extrayndolo de su inventario, o usando cualquier combinacin de las dos alternativas. Se proyecta que los costos de produccin por tonelada de acero durante cada uno de los siguientes cuatro meses sean $7400, $7500, $7600 y $7650. Como los costos suben cada mes, debido a las

$170 $160 $175 $180 $195

Las marcas en la tabla muestran las horas cubiertas por los turnos respectivos. Como algunos turnos son menos deseables que otros, los salarios

63

MCIA. Jaime Delgado Ochoa

Investigacin de Operaciones I

Programacin lineal

presiones inflacionarias, tal vez sea mejor que NSC produzca ms acero del que necesita en un mes determinado y que almacene el exceso. La capacidad de produccin, sin embargo, no puede exceder las 4000 toneladas en ningn mes. La produccin mensual se termina al final del mes, cuando la demanda se satisface. Cualquier acero remanente se almacena en inventario a un costo de $120 por tonelada por cada mes que permanece all. Estos datos se resumen en la tabla siguiente.
Datos para el problema de produccin - planeacin de NSC. Mes 2 2200 7500 120

El nivel de produccin durante el mes anterior fue de 1800 toneladas, y el inventario que comienza es de 1000 toneladas. El inventario al final del cuarto mes debe ser de al menos de 1500 toneladas para cubrir la demanda anticipada. Formule un plan de produccin para NSC para los siguientes cuatro meses. Problema No. 4. MTV Steel Company produce tres tamaos de tubos : A, B y C, que son vendidos, respectivamente en $10, $12 y $9 por pie. Para fabricar cada pie del tubo A se requieren 0.5 minutos de tiempo de procesamiento sobre un tipo particular de mquina de modelado. Cada pie de tubo B requiere 0.45 minutos y cada pie del tubo C requiere 0.60 minutos. Despus de la produccin, cada pie de tubo, sin importar el tipo, requiere 1 onza de material de soldar. El costo total se estima en $3, $4 y $4 por pie de los tubos A, B y C, respectivamente. Para la semana siguiente, MTV Steel ha recibido pedidos excepcionalmente grandes que totalizan 2000 pies del tubo A, 4000 pies del tubo B y 5000 pies del tubo C. Como slo se dispone de 40 horas de tiempo de mquina est semana y slo se tienen en inventario

1 Demanda (tons) Costo de produccin ($/ton) Costo de inventario ($/ton/mes) 2400 7400 120

3 2700 7600 120

4 2500 7650 120

Si el nivel de produccin se incrementa de un mes al siguiente, entonces la compaa incurre en un costo de $50 por tonelada de produccin incrementada para cubrir la mano de obra adicional y/o el tiempo extra. Cada tonelada de produccin disminuida incurre en un costo de $30 para cubrir los beneficios de empleados no utilizados.

64

MCIA. Jaime Delgado Ochoa

Investigacin de Operaciones I

Programacin lineal

5500 onzas de material de soldar, el departamento de produccin no podr satisfacer est demanda, que requiere un total de 97 horas de tiempo de mquina y 11 onzas de material de soldar. No se espera que contine este alto nivel de demanda. En vez de expandir la capacidad de las instalaciones de produccin, la gerencia de MTV Steel est considerando la compra de algunos de estos tubos a proveedores de Japn a un costo de entrega de $6 por pie del tubo A, $6 por pie del tubo B y $7 por pie del tubo C. Estos diversos datos se resumen en la tabla siguiente. Como gerente de produccin se le ha pedido hacer recomendaciones respecto a la cantidad de produccin de cada tipo de tubo y la cantidad de compra a Japn para satisfacer la demanda y maximizar las ganancias de compaa.
Datos para el problema de hacer o comprar de MTV Steel.
Precio de venta ($/ft) 10 12 9 Tiempo de mquina (min/ft) 0.50 0.45 0.60 40 hr Material Costo de Costo de para soldar Produccin Compra (oz/ft) ($/ft) ($/ft) 1 3 6 1 4 6 1 4 7 5500 oz

Tipo A B C

Demanda (ft) 2000 4000 5000

Cantidad Disponibe

65

MCIA. Jaime Delgado Ochoa