MODELAMIENTO PARA

MANTENIMIENTO

PROFESOR: EDISON DIAZ VALDES

1
MÓDULO 1:

MÓDULO 1:
1. MODELAMIENTO
2. INTRODUCCIÓN A PL
3. SOLUCIÓN PPL

2
MÓDULO 1: Modelamiento

MODELAMIENTO:
METODOLOGIA DE LA
INVESTIGACION DE
OPERACIONES (I.O.)

3
 MÓDULO 1: Modelamiento
1. 1 Definición de Metodología de IO:
Conjunto de técnicas matemáticas y estadísticas aplicable a diversos procesos
con el fin de mejorarlos, buscando las mejores alternativas de acción; esto
mediante el modelamiento matemático de los problemas en estudio.

SIST. REAL
MODELO
VARIABLES.
SIST. DOMINANTES
SUPUESTO

4
 MÓDULO 1: Modelamiento
1.2 Clasificación de los modelos
Modelo Matemático
Es aquel modelo que describe el comportamiento de un sistema a través de
relaciones matemáticas y supone que todas las variables relevantes son
cuantificables, por lo tanto, tiene una solución óptima.

Modelo de Simulación
Es un modelo que imita el comportamiento de un sistema sobre un periodo de
tiempo dado, está basado en observaciones estadísticas. Este tipo de modelo
entrega soluciones aproximadas.

Modelo Heurístico
Es una regla intuitiva que nos permite la determinación de una solución mejorada,
dada una solución actual del modelo, generalmente son procedimientos de
búsqueda. Este tipo de modelo también entrega soluciones aproximadas.

5
 UNIDAD 1: Modelamiento
Tópicos relacionados

•Análisis Estadístico
•Simulación
•Programación Lineal
•Sistema de Redes
•Líneas de Espera
•Problemas de Inventario
•Programación No - Lineal
•Programación Dinámica
•Programación Entera
•Teoría de Decisiones
•Teoría de Juegos

6
 MÓDULO 1: Modelamiento
1.3 Procedimiento del Modelado

La I.O debe ser considerada como una ciencia y la vez como un arte.
• Una ciencia debido al uso de técnicas matemáticas para la resolución de los
problemas.
• Un arte ya que la formulación del modelo depende en gran parte de la
creatividad y la experiencia de las operaciones del equipo investigador.

7
 MÓDULO 1: Modelamiento
1.4 Fases de estudio en la I.O.

1. Definición del problema:

• Alternativas de decisión (vars. de decisión).
• El objetivo de estudio (Función Objetivo).
• Identificación de las restricciones del sistema que se modela.
2. Construcción del modelo:
• Traducir el problema a relaciones matemáticas que incluyan las vars. decisión,
la Función Objetivo y las restricciones.
3. Solución del modelo:
• Uso de algoritmos de optimización.
• Se encuentran los valores de las vars. decisión.
4. Validación del modelo:
• ¿El modelo entrega una predicción razonable del comportamiento del sistema
estudiado?
5. Puesta en práctica:
• Traducir los resultados del modelo en instrucciones de operación.
8
MÓDULO 1 : Introd. PL

INTRODUCCIÓN A LA
PROGRAMACIÓN
LINEAL (PL)

9
MÓDULO 1: Introd. PL
Programación Lineal

P R O G R A M A C IO N L IN E A L

F O R M U L A C IO N M A T E M A T IC A

PRO BLEM A G ENERAL P R O B L E M A S E S P E C IA L E S

M E T O D O G R A F IC O M E T O D O A L G E B R A IC O PRO BLEM AS DE TRANSPO RTE P R O B L E M A S D E A S IG N A C IÓ N

( S IM P L E X )

10
 MÓDULO 1: Introd. PL
1. 5 Concepto Programación Lineal

Es un método matemático que se emplea para resolver problemas de

optimización, es decir, la PL busca asignar recursos limitados entre actividades
que compiten, de tal forma que sea la mas óptima posible.

Muchas decisiones de un administrador tratan de hacer más eficiente el uso de

recursos (MO, Maquinaria, MP, capital, etc.), los cuales son usados para la
fabricación de productos o la prestación de servicios, y por lo tanto, obtener
mayores beneficios.
Estos problemas requieren minimizar o maximizar una función lineal en la
presencia de “m” restricciones lineales del tipo de desigualdad, igualdad o ambas.
La programación lineal puede formular y solucionar problemas de:
1. Programación de personal o equipos
2. Problemas de mezclas de ingredientes
3. Control de inventarios y control de la producción
4. Problemas de logística y distribución
5. Problemas de asignación
11
 MÓDULO 1: Introd. PL
1. 6 Concepto Programación Lineal

PROBLEMA DE TRANSPORTE
Considera la problemática de decidir la mejor opción de traslado de mercancías desde
ciertos puntos de origen hacia ciertos puntos de destino. Las variable básicamente
consisten en la cantidad exacta a transportar por cada ruta, minimizando el costo de
transporte y respetando las restricciones de capacidad (origen) y necesidad (destino).

PROBLEMA DE ASIGNACION
Consiste en resolver la situación particular de asignar m trabajos (o trabajadores) a n
máquinas. Esta situación se puede considerar un caso especial del problema de transporte,
con pequeñas variaciones.

12
 MÓDULO 1: Introd. PL
1.7 Formulación de un problema de PL

Supuestos básicos en un problema de Programación Lineal:

 Certidumbre: Los números en la función objetivo y las restricciones se
conocen con CERTEZA y no cambian durante el periodo que son estudiadas.
 Proporcionalidad: Se asume que existe en la función objetivo y las
restricciones. Esto significa que si la producción de 1 unidad toma 5 unidades
de un recurso en particular, 10 unidades tomarán 50 unidades del recurso.
 Aditividad: Significa que el costo total es la suma de los costos individuales,
y que la contribución total a la i-ésima restricción es la suma de las
contribuciones individuales de cada actividad.
 Divisibilidad: Significa que la solución no necesariamente debe estar en
números enteros. Puede tomar cualquier valor fraccionario. En caso
contrario, se puede usar programación entera.
 No negatividad: Las respuestas o variables son no negativas, ya que
valores negativos de cantidades físicas son tienen significado.
 Objetivo único.

13
 MÓDULO 1: Introd. PL
1. 7 Formulación de un problema de PL
Requerimientos de un problema de Programación Lineal:
1. Cuentan con diferentes alternativas para escoger. En caso contrario, no se
necesita de la programación lineal.

2. Los problemas de PL buscan MAXIMIZAR o MINIMIZAR alguna cantidad,

usualmente UTILIDADES o COSTOS. A esta propiedad se le conoce como
FUNCIÓN OBJETIVO.

3. Los problemas de PL tienen RESTRICCIONES, que limitan el grado de

cumplimiento de la función objetivo. Representan las cantidades limitadas de
recursos disponibles.

4. La función objetivo y las restricciones de un problema de PL debe ser

expresado en términos de ecuaciones lineales o desigualdades. Es decir,
las relaciones matemáticas lineales significa que todos los términos usados
en la función objetivo y las restricciones son de primer grado.

14
MÓDULO 1: Introd. PL
1. 7 Formulación de un problema de PL
La formulación de un problema de PL requiere de:
 Comprender a cabalidad el problema
 Identificar el objetivo y las restricciones
 Definir las variables de decisión
 Escribir las expresiones matemáticas para la función objetivo y las
restricciones, usando las variables de decisión

Por lo tanto, los pasos para la formulación son de la siguiente forma:

1. Identificar el objetivo (maximizar o minimizar)

2. Identificar las variables a optimizar.
3. Identificar las restricciones que enmarcan al problema.
4. Contrucción del modelo matemático.

15
 MÓDULO 1: Introd. PL
1.8 Construcción de modelos de P.L.

CASO 1 : PROBLEMA DE LA MEZCLA DE PRODUCTOS

La compañía TRONICS fabrica dos tipos de componentes electrónicos:
transistores y bobinas.
Cada transistor requiere 1 minuto en el departamento de ensamble, 2 minutos de
tiempo en el departamento de Control de Calidad y 1 minuto de tiempo en
empaque.
Cada bobina requiere 2 minutos de tiempo en ensamble, 1 minuto de tiempo en
Control de Calidad y 2 minutos en empaque.
Existe un total de 300 minutos en Ensamble, 400 minutos en C. Calidad y 400
minutos en Empaque disponibles cada día.
Tanto los transistores como las bobinas contribuyen en un dólar a la utilidad.
La compañía desea determinar la mezcla de productos óptima que maximice la
utilidad total.

16
 MÓDULO 1: Introd. PL
1.8 Construcción de modelos de P.L.

Solución:
Formulación
Paso 1: Identificar el objetivo (meta) a optimizar
Maximizar las utilidades de la compañía (U).{dólares/día}
Paso 2: Identificar las variables de decisión que deseamos determinar
X….Cantidad de transistores a fabricar por día {unds./día}
Y….Cantidad de bobinas a fabricar por día {unds./día}
Paso 3: Identificar las restricciones del modelo
R1) Tiempo disponible en el depto. de Ensamble por día 300 min.
R2) Tiempo disponible en el depto. de C. Calidad por día de 400 min.
R3) Tiempo disponible en el depto. de Empaque por día de 400 min.
R4) No Negatividad.
17
 MÓDULO 1: Introd. PL
1.8 Construcción de modelos de P.L.

Paso 4: Construcción del modelo matemático

F. Objetivo
MAX { U = X + Y }
Sujeto a :
R1) X + 2Y  300
R2) 2X + Y  400
R3) X + 2Y  400
R4) X , Y  0

18
 MÓDULO 1: Introd. PL
1. 8 Construcción de modelos de P.L.

CASO 2: PROBLEMA DE TOMA DE RADIOGRAFÍAS

El departamento de rayos X de un hospital tiene dos máquinas, A y B, que
pueden utilizarse para revelar radiografías. La capacidad de procesamiento diaria
de estas máquinas es A=80 y B=100 radiografías. El departamento debe planear
procesar al menos 150 radiografías por día. Los costos de operación por
radiografía son $4 para la máquina A y $3 para la máquina B. ¿Cuántas
radiografías por día debe procesar cada máquina para minimizar costos?

Se pide:
Formular como un problema de P.L. identificando claramente la función objetivo,
variables de decisión y restricciones.

19
 MÓDULO 1:Introd. PL
1.8 Construcción de modelos de P.L.

Solución:
Formulación
Paso 1: Identificar el objetivo (meta) a optimizar
Minimizar los costos de procesamiento (C).{dólares/día}
Paso 2: Identificar las variables de decisión que deseamos determinar
X….Cantidad de radiografías a procesar en máquina A al día {rad./día}
Y…. Cantidad de radiografías a procesar en máquina B al día {rad./día}
Paso 3: Identificar las restricciones del modelo
R1) Capacidad de procesamiento de rad. en la maquina A de 80.
R2) Capacidad de procesamiento de rad. en la maquina B de 100.
R3) Capacidad mínima del departamento de 150 rad. por día.
R4) No Negatividad.
20
MÓDULO 1: Introd. PL
1.8 Construcción de modelos de P.L.

Paso 4: Construcción del modelo matemático

F. Objetivo
MIN { C = 4X + 3Y }
Sujeto a :
R1) X  80
R2) Y  100
R3) X + Y  150
R4) X , Y  0

21
 MÓDULO 1: Introd. PL
1. 8 Construcción de modelos de P.L.

CASO 3: PROBLEMA DE LA DIETA DE GANADO

La compañía HL utiliza diariamente por lo menos 800 libras de alimento especial. El
alimento especial es una mezcla de maíz y semilla de soya, con las siguientes
composiciones.

Libra componente por libra de alimento ganado

Costo
A. ganado Proteinas Fibra
US$/lb
Maíz 0.09 0.02 0.30
Similla Soya 0.60 0.06 0.90

Los requerimientos dietéticos diarios de alimento especial estipulan por lo menos un 30%
de proteínas y cuando mucho un 5% de fibra. HL desea determinar el costo mínimo diario
de la mezcla de alimento. Determinar el costo mínimo diario de la mezcla de alimento.
22
 MÓDULO 1: Introd. PL
1.8 Construcción de modelos de P.L.

Solución:
Formulación
Paso 1: Identificar el objetivo (meta) a optimizar
Minimizar el costo diario total de la mezcla de alimento(C).{dólares/día}
Paso 2: Identificar las variables de decisión que deseamos determinar
X….libras de maiz en la mezcla diaria {lb./día}
Y…. Libras de semilla de soya en la mezcla diaria {lb./día}
Paso 3: Identificar las restricciones del modelo
R1) Requerimientos de alimentos de por lo menos 800 lbs al día
R2) Requerimiento de proteínas de por lo menos un 30%
R3) Requerimientos de fibra de cuando mucho un 5%.
R4) No Negatividad.
23
MÓDULO 1: Introd. PL
1.8 Construcción de modelos de P.L.

Paso 4: Construcción del modelo matemático

F. Objetivo
MIN { C = 0.3X + 0.9Y }
Sujeto a :
R1) X + Y  800
R2) 0.09X + 0.6Y  0.3(X + Y)
R3)0.02 X + 0.06Y  0.05(X + Y)
R4) X , Y  0

24
 MÓDULO 1: Introd. PL
1.8 Construcción de modelos de P.L.

Paso 4.1: Construcción del modelo matemático (ORDENADO)

F. Objetivo
M IN { C = 0.3X + 0.9Y }
Sujeto a :
R1) X + Y  800
R2) 0.21X - 0.30Y  0
R3)0.03 X - 0.01Y  0
R4) X , Y  0

25
 MÓDULO 1: Introd. PL
Casos Propuestos

CASO 4: CASO FABRICACIÓN DE UNIFORMES.

Considere que es el administrador de una pequeña fábrica de uniformes de uso
industrial, para dama y caballero. Ambos tipos de uniformes requieren de dos
tipos de actividades, corte y costura. Estudios previos para determinar
requerimientos de horas de mano de obra para cada actividad, han mostrado
que cada uniforme de hombre requiere de 2 horas para corte y 2 horas para
costura. Los uniformes de mujer requieren 3 horas de corte y 2 horas de
costura.
Así mismo, la fábrica cuenta con 8 cortadoras y 6 costureras, las cuales trabajan
8 horas diarias, durante 6 días a la semana. La utilidad de un uniforme de mujer
es de $100 y el de hombre es de $75.
Si usted está a cargo de la programación de la producción ¿qué decisión
tomaría? Esto es ¿cuántos uniformes de mujer y cuántos de hombre fabricaría?
Construya un modelo de PL para la situación anterior.
 MÓDULO 1: Introd. PL
Casos Propuestos

CASO 5: CASO DE MEZCLA ALIMENTO SUPLEMENTARIO .

La compañía DOGHAPPY desea obtener 500 libras de un alimento
suplementario para perro. Existen dos ingredientes principales en la mezcla,
ambas fuentes de proteína (P1 y P2). La primera fuente de proteína tiene un
costo de $5.00 la libra y la segunda un costo de $8.00 la libra. Restricciones
químicas establecen que la mezcla no debe contener mas de 400 libras de
P1 y no menos de 200 libras de P2. Determinar el costo mínimo del alimento.
Construya un modelo de PL para la situación anterior.
MÓDULO 1 : Solución PPL

SOLUCIÓN A PROBLEMAS
PROGRAMACIÓN
LINEAL (PPL)

28
 MÓDULO 1: Solución PPL
1.9 Solución de modelos de P.P.L.

Método Gráfico
Empleado principalmente para PPL con dos variables de decisión. Este método
se basa en la idea de obtener regiones de soluciones factibles (RSF), en las
cuales se encontraría la combinación de variables de decisión que optimizan el
modelo.

Método Algebraico (SIMPLEX)

Empleado principalmente para PPL con más de dos variables de decisión. Este
método se desarrollo con base en el método gráfico y corresponde a un sistema
heurístico, por lo cual requiere de una solución inicial factible para empezar a
funcionar.

29
 MÓDULO 1: Solución PPL
1.10 Solución gráfica de P.P.L.

Método de la Línea de Isoutilidad

Una vez que la región factible ha sido determinada, se procede a encontrar la solución
óptima, la cual es la combinación específica de producción factible, que produce o genera
la contribución más grande a la utilidad.
La solución óptima es el punto (s) que cae (n) en la región factible y genera la utilidad más
alta.
Un método rápido para determinar esto, es el de la Línea de Isoutilidad, la cual representa
todas las combinaciones (x1, X2) que producen cierta utilidad

Método de los Puntos Extremos

Este método implica el determinar la utilidad en cada vértice de la región factible, ya que en
un problema de PL la solución óptima caerá en uno o más punto (s) extremo (s) (vértice) de
la región factible.
Para determinar el valor exacto de las variables (coordenadas) es necesario resolver las
ecuaciones simultáneas resultantes y posteriormente, determinar la utilidad por medio de la
función objetivo.

30
 MÓDULO 1: Solución PPL
1.10 Solución gráfica de un P.P.L.
La metodología para solución gráfica de un PPL se realizará mediante un ejercicio, que nos
servirá de base para describir los procedimientos para llegar a la solución.

Caso Reddy MikksCompany

Reddy Mikks Co. posee una pequeña fábrica de pinturas que produce colorantes para interiores y
exteriores de casa para su distribución al mayoreo. Se utilizan dos materiales básicos A y B para
producir las pinturas. La disponibilidad máxima de A es de 6 ton/día, la de B es de 8 ton/día. Los
requisitos diarios de materias primas por toneladas de pintura para interior y exterior

Materia Ton de Materias Primas por Ton de pintura

Prima Pintura Pintura Interior Disponibilidad
Exterior (Ton/día)
A 1 2 6
B 2 1 8

Un estudio de mercado ha establecido que la demanda diaria de pinturas para interiores no puede
ser mayor que la de pintura de exterior en más de 1 tonelada. El estudio señala así mismo, que la
demanda máxima de pintura para interiores esta limitada a dos ton/día.
El precio al mayoreo por tonelada es de $3.000 para pintura de exterior y $2.000 para pintura de
interior.
¿Cuánta pintura para exterior e interior debe producir la Compañía todos los días para máx. el
Ingreso?
31
MÓDULO 1: Solución PPL
1.10 Solución gráfica de un P.P.L.

Formulación Caso Reddy Mikks Company

F.O. : Maximizar ingresos diarios ($/día)

Variables de decisión:
Xe = Toneladas diarias a producir de pinturas de exterior
Xi = Toneladas diarias a producir de pinturas de interior

S.A. :
R1) Disponibilidad máxima de materia prima A  6 ton/día
R2) Disponibilidad máxima de materia prima B  8 ton/día
R3) Restricción de exceso de pintura de interior
R4) Demanda máxima de pintura de interior de 2 ton/día

32
MÓDULO 1: Solución PPL
1.10 Solución gráfica de un P.P.L.

Modelo matemático Caso Reddy Mikks Company

F.O. : Max I = 3Xe + 2Xi (M$/día)

S.A.:
Xe + 2Xi  6 (ton/día)
2Xe + Xi  8 (ton/día)
-Xe + Xi  1 (ton/día)
Xi  2 (ton/día)
Xe, Xi  0

33
MÓDULO 1: Solución PPL
1.10 Solución gráfica de un P.P.L.

Formulación para el método gráfico:

Los pasos a seguir son de la siguiente forma:

1. Graficar restricciones.
2. Encontrar RSF.
3. Encontrar punto óptimo.

34
 MÓDULO 1: Solución PPL
1.10 Solución gráfica de un P.P.L.
Paso 1: Graficar las restricciones
Xi
Paso 3: Encontrar el
Xe + 2Xi  6 1 5 Punto Optimo
8 F.O. : Max I = 3Xe + 2Xi
2Xe + Xi  8 2

-Xe + Xi  1 3 Si Xe=2; Xi=1 (valor arbitrario)

Xi  2 4  I1=8
2
Xe  0 5
 3Xe + 2Xi = 8 (I1)
3
Xi  0 6
1

3 Punto Optimo
4
2
Paso 2:
Encontrar la RSF 1
RSF
6
Xe
1 2 3 4 6
I1 I2 I
* 35
MÓDULO 1: Solución PPL
1.10 Solución gráfica de un P.P.L.
Xi
Punto Óptimo
5
Para obtener la solución óptima se debe
8
resolver el sistema de ecuaciones
formado por las restricciones que se
intersectan ( 2 + 1 )
2
3 1
Xe + 2Xi = 6
2Xe + Xi = 8 2
1

3  Xe = 10/3 (ton)
4  Xi = 4/3 (ton)
2
 Imax = 38/3 (M$/día)
1
RSF
6
Xe
1 2 3 4 6
36