Está en la página 1de 76

Unidad I

 Enfoque científico de toma de decisiones


referente a las operaciones de una
organización, a partir del modelado de
sistemas determinísticos y probabilísticos .
 El enfoque fundamental de la IO es el
enfoque de sistemas.
 Rama de matemáticas que usa modelos
matemáticos.
 Principal rama de la IO.
 Modelos de optimización donde las funciones
son lineales.
 Procedimiento, algoritmo, técnica
matemática para resolver un problema.
_Formulado a través de ecuaciones lineales.
_Se busca optimizar una función objetivo.
_Sirve para investigar, hallar una solución
óptima a un problema dentro de un conjunto
de soluciones factibles.
 Representación de la realidad.
 Debe tomar todas las variables necesarias
que expliquen el comportamiento de un
sistema (existe subjetividad al modelar).
 La programación lineal es un modelo
determinístico.
 Estudio del medio ambiente que rodea al
problema.
 Formulación lógica, descripción de todos los
elementos del sistema que serán tomados en
cuenta
 Representación simbólica del modelo,
traducir a un lenguaje matemático
planteando relaciones que asocien los datos.
 Normativos y descriptivos
-Normativos, establecen cursos de acción para
llegar a la mejor solución posible.
-Descriptivos, cambio de la variable
dependiente
 Determinísticos y probabilísticos
 Estáticos y dinámicos
 Formales y no formales
Tipo de modelo Clase de incertidumbre
Programación Lineal Determinístico
Redes PERT/CPM Determinístico, Probabilístico
Teoría de Inventarios Determinístico, Probabilístico
Simulación Determinístico, Probabilístico
Programación Entera Determinístico
Programación Dinámica Determinístico, Probabilístico
Programación No Lineal Determinístico
Teoría de Juegos Probabilístico
Teoría de Colas Probabilístico
Cadenas de Markov Probabilístico
 Identificación del problema (Objetivo de
estudio).
 Formulación y construcción del modelo.
 Resolución del modelo. (Algoritmos,
simulación,heuristicos)
 Validación.
 Implementación.
 Retroalimentación.
I.1
 Técnica de programación matemática
relacionada con una eficiente distribución de
una serie de recursos limitados entre una
amplia variedad de actividades, de manera
que se cumpla el objetivo o meta trazada.
Este objetivo puede ser de tipo maximizar o
minimizar.
1. Función Objetivo

2. Restricciones

3. Restricción de No
Negatividad
Función matemática congruente con el objetivo.
Considerando que el objetivo es hallar la mejor
solución(solución óptima), la función
objetivo FO, es una función matemática que
está en función de las variables de decisión
del problema.
 Dependiendo del problema particular se
busca maximizar o minimizar dicha función.
MAX
O Xo=C1X1+C2X2+……+CnXn
 F.O. MIN

 X1,X2,……,Xn: Actividades o Variables de decisión.

 C1+C2,……,Cn: Coeficientes de la función objetivo


que representan la contribución unitaria de cada
una de las variables de decisión al valor de la
FO(Xo).
 Son un conjunto de desigualdades y/o
ecuaciones lineales en las cuales se expresan
las condiciones explicitas del problema, es
decir condiciones a cumplir, limitaciones de
recursos, etc.
 Se realiza una restricción por cada recurso
limitado y por cada condición.
 a11X1+a12X2+……+a1nXn ≤ b1
 a21X1+a22X2+……+a2nXn ≥ b2
 a31X1+a32X2+……+a3nXn = b3
 .
 am1X1+am2X2+……+amnXn = bm
n: número de variables de decisión
m:número de restricciones
b:lados derechos o recursos, que representan a los recursos limitados
y a las condiciones del problema, es la cantidad disponible de un
recurso.
a:coeficientes tecnologicos que representan las unidades asignadas
del recurso “i” a cada una de las variables o actividades de decisión
aij: representa la cantidad del recurso “i” destinadas a la actividad “j”.
 Las variables de un modelo de programación
lineal están restringidas a tomar un valor
positivo o cero.

 X1,X2,…..,Xn ≥ 0
 Ó ∀Xj ≥ 0 j=(1,2,….,n)

 No incluye el valor de la función objetivo Xo


MAX
O Xo=C1X1+C2X2+……+CnXn
F.O. MIN

a11X1+a12X2+……+a1nXn ≤ b1
a21X1+a22X2+……+a2nXn ≥ b2
.
.
.

am1X1+am2X2+……+amnXn = bm

∀Xj ≥ 0 j=(1,2,….,n)
Max Xo: 2X1+3X2
X1 - X2 ≥ 3
2X1 + X2 ≤ 10
X1 + 4X2 = 5
∀X ≥ 0
 Es preciso en principio un conocimiento del entorno que
rodea el problema (conocer el sistema internamente y la
relación con su entorno).

 En todos los ejercicios que se estudiarán se supone que el


análisis ya fue realizado anteriormente y se pasará a
relacionar los datos aislados.

 Lo importante de la PL es tomarse el tiempo para formular el


modelo.

 No existen una secuencia de datos definida para la


modelación pero se recomienda los siguientes 6 pasos.
 En algunos casos se especifica el objetivo del estudio, en otros se debe
tratar de determinar cuál podría ser el objetivo.

 Ej: que en el enunciado se tenga datos de utilidad sin ninguna restricción.


(Datos abiertos)

 Puede ser difícil determinar cuando se tienen muchos grupos de datos


abiertos.

 Ej: cuando se tiene como datos abiertos ingresos y costos y ninguno


puede ser escrito como una restricción se deben tratar de funcionar, en
este caso I-C=U.
Regla: Una misma función no puede ir en la función
objetivo y a alguna restricción.
Sería una contradicción.
 La clave de la formulación consiste en la
detección de las variables de decisión.
 Deben referirse a algo cuyo valor se quiere
averiguar y no ser constantes y conocidas de
antemano.
 Debe ser una cantidad, por tanto son
variables cuantitativas.
 Existe en cada problema un número de
variables linealmente independientes
 Es posible plantear las variables de manera
genérica.
Ej: Xj: unidades del producto “j” a producir por mes
j(1,2,….,n)
Cada subíndice representa un producto distinto

 Existen problemas en los cuales se recomienda


definir la variable de decisión con dos subíndices
Ej: Xij: unidades del producto “i” a producir en la planta “j”
El subíndice i controla el producto y el j controla la planta
donde se produjo
 Identificar de entre los datos del enunciado
planteado, cuales son las limitantes y las
condiciones que se manejan en el problema.
 Deben ser representadas por una restricción.
 Esta etapa ayuda a verificar el objetivo de
estudio.
 Se recomienda escribir MAX si el objetivo es
maximizar y MIN si el objetivo es minimizar.

 Se debe escribir una función matemática con


una variable Xo, que mida el nivel del objetivo
y que este en función de las variables
independientes Xj.
 Por cada recurso limitado se debe tener una
restricción de tipo (≤).

 Al menos una restricción por cada condición


que podría ser del tipo (≤), (≥) o (=).

 A continuación se mencionan algunos tipos


de restricciones.
 Son las más frecuentes, están dadas en
unidades de tiempo, peso, volumen o
unidades disponibles.

 Se trata de una desigualdad del tipo “menor o


igual”.
 La cantidad que representa el tope va como
lado derecho de la restricción.
 Restricciones comunes referidas a
condiciones de demanda mínima dmj y
demanda máxima dMj .
 Xj ≥ dmj
 Xj≤ dMj .

 Se podría dar el caso de que la demanda sea


una condición “igual a” en el caso como
trabajo a pedido.
 Se presentan cuando se tienen datos dependientes
entre sí y se trata de un solo recurso limitado.

 Ej: Una carpintería tiene una capacidad instalada tal


que si solo se producen sillas X1 se pueden terminar
100 por mes y si solo se producen mesas X2 se
pueden terminar 450 por mes.

X1/100 + X2/450 ≤ 1
Sillas Mesas
Unidades Fracción de la Unidades Fracción de la
capacidad capacidad
100 1 (100%) 450 1 (100%)
1 1/100 1 1/450
X1 X1/100 X2 X2/100

Como la utilización no debe pasar el 100% de la capacidad (1 en fracción) y


ademas es muy probable que no solo se produzcan solo mesas o solo sillas si
no una combinación de ambas, se plante la restricción de esa manera.

X1/100 + X2/450 ≤ 1
 Una proporción es escrita con dos razones o
relaciones, muchas veces entre las condiciones
que deben ser expresadas con restricciones se
plantea una comparación de dos cantidades por
división o como fracción .
 Ej: Por cada mesa X1 deben fabricarse 6 sillas X2
la restricción correspondiente sería
X1/1=X2/6
El número de mesas es a 1 como el número de sillas es a 6.
6X1=X2
 La situación se complica un poco cuando por ejemplo se dice:
 Por cada mesa X1 se deben fabricar como mucho 6 sillas X2.
X1 X2
1 6
6X1 X2
Para determinar el sentido de la desigualdad se recomienda tomar un caso
favorable. X1 X2
1 6 Caso limite
1 5 Caso favorable

6(1) (5)
6X1 ≥ X2
 Condiciones que expresan que una cantidad
es mayor que otra como mucho o como
mínimo en un número determinado de
unidades.
 Ej: Que la cantidad de sillas X2 a fabricar debe
ser mayor a la cantidad de mesas X1 como
mínimo en 100 unidades.
X2-X1 ≥ 100
 Se debe declarar que ninguna variable puede
tomar un valor negativo.
 Una empresa fabrica puertas y ventanas. Se presenta un
problema de capacidad en el departamento de pintura,
donde independientemente de si son puertas o ventanas,
se puede concluir como máximo 40 unidades por día.
 Por razones de contrato, las horas de mano de obra
empleadas por día no deben ser inferiores a 30. En cada
puerta se emplean 3 horas de este recurso y 2 por cada
ventana. Un recurso limitado es la madera roble de la cual
solo se dispone de 90 pie3 por día. Por cada puerta se
emplean 2 pie3 de esta madera y por cada ventana 3 pie3.
Construir el modelo de programación lineal, sabiendo que
la utilidad por cada puerta es de 10$ y por cada ventana es
6$.
 Para la elaboración del producto “Z” se mezclan 4 materias
primas, las cuales contienen un componente F en las
proporciones indicadas en la tabla siguiente, donde figuran
los costos por Kg. de cada materia prima. Se trata de obtener
1000kg. de mezcla, cuyo contenido del componente F sea
por lo menos 18%, con el mínimo costo posible. Construir el
modelo de PL.
Materia Prima Contenido de F % Costo $/kg.
A 51 4
B 11 2
C 14 2.4
D 36 3
 Se dispone de 210.000 $ para invertir en la
bolsa. El agente de bolsa nos recomienda dos
tipos de acciones. Las del tipo A, que rinden el
10% y las del tipo B, que rinden el 8%. De
igual manera nos aconseja invertir un
máximo de 130.000 $ en las del tipo A y como
mínimo 60.000 $ en las del tipo B. Además
recomienda que la inversión en las del tipo A
sea menor que el doble de la inversión en B.
Construir el modelo de PL
 En una pastelería se hacen dos tipos de tartas:
Vienesa y Real. Cada tarta Vienesa necesita un
cuarto de relleno por cada Kg. de bizcocho y
produce un beneficio de $250 , mientras que una
tarta Real necesita medio Kg. de relleno por
cada Kg. de bizcocho y produce $400 de
beneficio. En la pastelería se pueden hacer
diariamente hasta 150 Kg. de bizcocho y 50 Kg.
de relleno, aunque por problemas de maquinaria
no pueden hacer mas de 125 tartas de cada tipo.
¿Cuántas tartas Vienesas y cuantas Reales deben
vender al día para que sea máximo el beneficio?
 Una escuela prepara una excursión para 400
alumnos. La empresa de transporte tiene 8
buses de 40 asientos y 10 buses de 50
asientos, pero solo dispone de 9 conductores.
El alquiler de un bus grande cuesta $80 y el de
uno pequeño, $60. Desarrollar el modelo de
PL.
 Se va a organizar una planta de un taller de
automóviles donde van a trabajar electricistas y
mecánicos. Por necesidades de mercado, es
necesario que haya mayor o igual número de
mecánicos que de electricistas y que el número
de mecánicos no supere al doble que el de
electricistas. En total hay disponibles para
contratar 30 electricistas y 20 mecánicos. El
beneficio de la empresa por jornada es de 250 $
por electricista y 200 $por mecánico. Construir el
modelo de PL.
 La empresa constructora Guadalquivir con el objeto de
cubrir la demanda de viviendas de la población tiene en
proyecto construir viviendas tipo A y viviendas tipo B. Si
solo se construyen viviendas tipo A, se pueden construir 15
por hectárea y si solo se construyen tipo B se pueden
construir 20 por hectárea. El costo de la vivienda tipo A es
15000$ y del tipo B 12500$. Se estima que la demanda de
viviendas tipo A es cuando menos 30, en cambio las
viviendas tipo B no tienen condicionante.
 Se dispone de 10 hectáreas para la construcción de
viviendas, en tanto que el presupuesto para el proyecto se
espera no exceda los 2000000$.
 El asesor del proyecto sugirió que la cantidad de viviendas
tipo B sea al menos 50 unidades mayor que la mitad del
numero de viviendas tipo A. Construir el modelo de PL.
 FEMCO produce escritorios, estantes y gaveteros. Para ello emplean dos
tipos de plancha: A y B de las cuales se dispone 800 y 1200 m2. A
continuación se muestran datos sobre los m2 ,utilidad y demanda por
producto.
Productos Plancha A Plancha B Utilidad $us/u Demanda mínima
Escritorio 3 3 20 100
Estante 2 1 30 150
Gavetero 5 2 35 30
 El tiempo de labor de cada escritorio es el doble de cada estante y 4
veces el de cada gavetero. Si solo se producirían escritorios el máximo
número sería 500 unidades.
 Se instruye además que el número de escritorios y estantes deben ser al
menos 4/5 partes del total de productos elaborados. En tanto que por
cada 2 estantes deben hacerse como mucho 3 escritorios. Construir el
modelo de PL
 En una economía lineal para producir 3 unidades
de trigo se requieren 6 unidades de tierra, $8 en
semilla y 3 trabajadores. Para producir 4
unidades de centeno se requieren 5 unidades de
tierra, $10 de semillas y 6 trabajadores. El precio
de venta por unidad de trigo y centeno es $15 y
$20,5 respectivamente, siendo las cantidades
disponibles de tierra y de trabajo de 100 y 130
unidades respectivamente. Si el empresario
desea optimizar el resultado de su explotación,
formule un modelo de programación lineal.
 BOA desea ofertar, a lo sumo, 5000 pasajes
de dos tipos: T(turista) y P(primera). La
ganancia correspondiente a cada pasaje de
tipo T es de 30$, mientras que la ganancia del
tipo P es de 40$.
 El número de plazas tipo T no puede exceder
de 4500 y el del tipo P, debe ser, como
máximo, la tercera parte de las del tipo T que
se oferten. Construir el modelo de PL
 Una boutique encarga a un fabricante
pantalones y chaquetas deportivas. El
fabricante dispone para la confección de 750
m de tejido de algodón y 1000 m de tejido de
poliéster. Cada pantalón precisa 1 m de
algodón y 2 m de poliéster. Para cada
chaqueta se necesitan 1.5 m de algodón y 1 m
de poliéster. El precio del pantalón se fija en
50 $ y el de la chaqueta en 40 $. Construir el
modelo de programación lineal
 Con el comienzo del año escolar se va a lanzar
unas ofertas de material. Una empresa quiere
ofrecer 600 cuadernos, 500 carpetas y 400
bolígrafos para la oferta, empaquetándolo de
dos formas distintas; en el primer bloque
pondrá 2 cuadernos, 1 carpeta y 2 bolígrafos;
en el segundo, pondrán 3 cuadernos, 1
carpeta y 1 bolígrafo. Los precios de cada
paquete serán 6.5 y 7 $, respectivamente.
Construir el modelo de PL
 Un barco tiene dos bodegas, a continuación se presentan
datos sobre limites de capacidad, la cantidad en volumen y
peso de los artículos a transportar y la utilidad por cada
artículo.
Bodega Peso TN Vol m3 Artículo Cantidad TN Vol m3/Tn Utilidad $/TN
1 2000 100000 A 1200 60 6
2 1500 30000 B 2000 25 5

 Para preservar el equilibrio del barco, el peso transportado


en cada bodega debe ser proporcional a la capacidad (en
peso). Construir el modelo de PL
I.2
 Luego de construir el modelo de
programación lineal, el siguiente paso es la
resolución.
 Existen métodos cuantitativos tradicionales
como ser el Método Gráfico y el Método
Simplex.
 El desarrollo ha permitido el uso de
aplicaciones computacionales como LINDO y
QM for Windows y el WinQSB.
 Solución factible
Es el conjunto de soluciones cuyos valores
asignados a las variables de decisión hagan
cumplir todas las restricciones del modelo.
 Solución óptima
Es aquella solución factible que cumple mejor
con el objetivo del problema.
Max: mayor valor
Min: menor valor
Independientemente del método que se utilice,
académicamente se puede hablar de:
 SOLUCION ÚNICA (un vértice de la región factible)
 SOLUCION MÚLTIPLE (un lado del polígono de RF)
 SOLUCION ILIMITADA (región factible es ilimitada)
Significa que en la construcción del modelo se ha
olvidado al menos una restricción.
 SIN SOLUCIÓN (no existe región factible)
Significa que se ha planteado al menos una
contradicción entre las restricciones.
En un problema real solo se acepta la solución única y
múltiple.
 El análisis se efectúa en un plano de sistemas
coordenados rectangular.
 La limitante es que solo se pueden resolver
problemas que tengan dos variables de
decisión.
 Permite comprender conceptos tales como
maximizar y minimizar una función.
1. Graficar las restricciones, asumiendo
inicialmente que son igualdades y de acuerdo al
tipo de desigualdad tomar el semiplano
correspondiente.
2. Delimitar la región factible (conjunto de puntos
del plano que verifica a todas las restricciones.
3. Graficar la función objetivo, inicialmente
asignando a Xo un valor cualquiera o el mínimo
común múltiplo entre los coeficiente de las
variables.
4. Hallar la solución grafica óptima.
 Pendiente positiva: tomar dos vértices del polígono uno a
cada lado de la recta de función objetivo. Para decidir la
dirección de desplazamiento, buscar el mayor valor para Xo
en el caso de maximizar y el menor valor si se está
minimizando.

 Pendiente negativa o cero: La solución optima par el caso


maximizar es la intersección de la funcion objetivo con el
vértice mas alejado del origen de coordenadas, en tanto que
para minimizar es el primer vértice hallado mas próximo al
origen de coordenadas.
FO MAX X0=X1+X2

5X1+2X2 ≤ 10
X2 ≤ 3

∀X ≥ 0
FO MAX X0=X1- 2X2

5X1+2X2 ≤ 10
X2 ≤ 3

∀X ≥ 0
FO MIN X0=10X1+ 10X2

X 1 + X2 ≥ 2
2X1- X2 ≥ 1

∀X ≥ 0
FO MAX X0=10X1+ 10X2

X 1 + X2 ≥ 2
2X1- X2 ≥ 1

∀X ≥ 0
FO MAX X0=3X1+5X2

X1 ≤ 4
2X2 ≤ 12
3X1+2X2 ≤ 18

∀X ≥ 0
 Una empresa que produce cerveza tiene dos productos:
cerveza clara y cerveza oscura. El gerente quiere
determinar cuántos litros debe producir, de cada tipo de
cerveza, por semana, de manera que se maximicen los
ingresos. Para producir 1000 litros de cerveza clara
requiere un total de 3 obreros y para producir lo mismo de
cerveza oscura necesita 5, en total la empresa cuenta con
15 operarios disponibles. Producir los 1000 litros de
cerveza clara le cuesta al dueño 500$, mientras que
producir la oscura le cuesta solo 200$. Su capital no le
permite gastar más de 1000$ por semana. Construya el
modelo de PL considerando que el precio al mayoreo de
1000 litros de cerveza clara es de 5000$ y de cerveza
oscura es de 3000$.
 Estandarización
Para poder resolver mediante el método simplex
se debe estandarizar el modelo.
Características:
-Funcion Objetivo del tipo maximizar o minimizar.
-Todas las restricciones son igualdades.
-Debe verificarse la restricción de no negatividad.
-Los lados derechos deben ser positivos o ceros
nunca negativos.
 ≤
A este tipo de restricciones se suma una
variable de holgura (Si) para transformarla en
igualdad.
3X1+2X2 +S1≤ 18
 ≥
A este tipo de restricciones se resta una
variable de excedente (Si) para transformarla
en igualdad.
3X1+2X2 –S1≥ 18
 Condición de factibilidad
Si se inicia un problema con una solución
factible, solo se encontrarán soluciones
factibles.
 Condición de optimabilidad
Garantiza que el valor actual de la función
objetivo es Xo en la siguiente iteración tendrá
un mejor valor, entonces se debe cumplir:
Xo´≥ Xo (caso minimizar)
Xo´≤ Xo (caso maximizar)
Una variable inicialmente básica debe aparecer
solamente en una restricción.
Una variable inicialmente básica debe tener
coeficiente positivo e igual a la unidad.

VIB variables de holgura y excendente.


Las restantes variables (Xj) se denominan
inicialmente No Básicas.
a) Plantear el MPL en forma estándar.
b) Plantear tabla inicial.
c) Verificar el criterio de optimabilidad.
d) Elegir variable que sale de la base.
e) Realizar transformaciones elementales de
reglón.
f) Repetir los últimos tres pasos hasta verificar
la condición optimabilidad.
 MAX Xo=X1 + 2X2 – X3
4X1 +4X2- X3 ≤ 12
-X1 + 2X2 + 3X3 ≤ 30
∀X ≥ 0
I.3
 Una vez resuelto el modelo de programación,
si se tiene el enunciado del problema y el
modelo ya construido se pasa a realizar la
interpretación y análisis de la solución.

 Se debe identificar claramente a qué hace


referencia cada variable de decisión y cada
restricción al igual que a función objetivo.
 Consiste en enunciar la solución del modelo en
palabras simples y comprensibles.
 La solución debe ser entendida por cualquier
persona aunque esta no haya participado en la
modelación.
 Consiste en decodificar las variables de decisión,
la función objetivo, las variables de holgura y
excedente y expresar literalmente cada una de
ellas con los valores que toman en la solución, es
decir, se debe pasar de la notación simbólica a la
extendida.
 FEMCO produce cocinas (X1), escritorios (X2), hornos (X3) y gaveteros (X4). Se
busca maximizar su beneficio.
 La primera restricción está referida a la disponibilidad semanal de una plancha
especial en m2.
 La segunda hace referencia a la disponibilidad de horas por semana en la
operación de cortado.
 La tercera hace referencia a una condición que dice que “por cada tres artículos
para oficina (escritorios y gaveteros) se debe producir al menos un articulo para
cocina( cocinas y hornos) ”
 La cuarta restricción se refiere a la demanda mínima combinada de escritorios,
hornos y gaveteros.
FO MAX X0=2X1+6X2 + 5 X3 +X4
3X1 + X2 + 5 X3 ≤ 3000 (disponibilidad de plancha)
X1+ 3 X3 +X4 ≤ 2000 (horas de cortado)
3X1- X2 + 3 X3 -X4 ≥ 0
X2 + X3 +X4 ≥ 1000
∀X ≥ 0
Variable Valor
X1 500
X2 1500
X3 0
X4 0
S1 Holgura 0
S2 Holgura 1500
S3 excedente 0
S4 excedente 500
Valor óptimo de Xo 1000
 Consiste en justificar la solución hallada.
 Consiste en plantear preguntas respecto a
por qué de algún aspecto de la solución que
parezca o no lógica.
 La pregunta planteada puede tener un
respuesta obvia o una respuesta no obvia
¿Por qué se produce esa
cantidad elevada de
escritorios?
1. Identificar las restricciones críticas, es decir aquellas
que tienen holgura o excedente igual a cero.

2. Identificar la restricción más crítica, analizando cuál


de ellas justifica realmente el aspecto de la solución
considerado no lógico y que es objeto de análisis.

3. Identificar el coeficiente tecnológico responsable,


que es el que corresponde a la variable analizada en
la restricción crítica identificada.
¿Por qué no se producen
hornos si tiene mayor
utilidad que las cocinas,
que sí se producen?
 Sugiera dos cambios
en independientes en
el modelo de
programación lineal tal
que sea conveniente
producir hornos.
¿Cuál es la cantidad
máxima a producir de
hornos?