NIVERSIDAD NACIONAL DE TRUJILLO

DOCENTE: Mg. Baca INTEGRANTES:

López, Marcos Gregorio
APONTE MANRIQUE, MARIO
TRABAJO: Casos de ARGOMEDO DE LA CRUZ, JHON
Programación lineal Binaria CHUNQUE SALINAS, JOCSAN
CURSO: INVESTIGACION MENDEZ POLO, JHONY
DE OPERACIONES II REBAZA VEGA, FERNANDO
 Modelo de programación lineal binaria para el balance de carga de trabajo en el
problema de asignación de proyectos
Fuente Bibliográfica: Ing. Univ. Bogotá (Colombia), 17 (1): 167-181, enero-junio de 2013. ISSN 0123-2126

PROBLEMA: Se tiene que asignar los proyectos a los empleados, con el propósito de equilibrar la
carga de trabajo total entre ellos para encontrar una óptima asignación de dichos proyectos para que
equilibre la carga de trabajo y evite problemas de insatisfacción y bajo desempeño, debido a
sobrecarga o cambios bruscos de carga de trabajo por eso este articulo propondrá un modelo
matemático para su resolución se comparara los diversos casos planteados en este artículo, de
forma estadística de las generadas por el modelo propuesto y los obtenidos por el modelo de
Zhirong Liang, Songshan Guo, Yanzhi Li y Andrew Lim, en el cual se minimiza la diferencia entre la
máxima y mínima carga de trabajo asignada, veremos cuál es la que más nos conviene. Se compara
utilizando el experimento de Bernoulli normalizado.
METODO DE SOLUCION
Se propone este modelo matemático para el balance de carga que se medirá por medio de la
sumatoria de los cuadrados de las diferencias entre las cargas individuales y la carga promedio. La
formulación matemática se encuentra en (Acuña y Madiedo, 2012), y es la siguiente:
SOLUCION: Se determinó que el porcentaje de coincidencias, P, de los resultados obtenidos por
ambos modelos matemáticos, para un mismo problema, es diferente del 100 %; en otras palabras, los
dos modelos no siempre realizan asignaciones iguales. Se encontró que el tiempo de respuesta del
modelo existente es menor al modelo propuesto en el 100 % de los casos estudiados. Sin embargo,
el modelo propuesto en el artículo distribuye de mejor manera las cargas entre los empleados, es
decir, un mejor valor de la función objetivo, que el modelo existente.

IMPACTO: El modelo planteado puede aplicarse en aquellas organizaciones en las cuales su modelo
de negocios es vender y ejecutar proyectos para sus clientes (como las empresas de consultoría,
desarrollo de software, producción audiovisual, agencias de publicidad o de ingeniería), o porque la
compañía está buscando asegurar su futuro trabajando en proyectos de innovación de sus productos,
procesos o sistemas.
 Aplicación de la programación entera binaria para resolver el problema
simple de balanceo de línea de ensamble: un caso de estudio

Scientia et Technica Año XVII, No 50, Abril de 2012. Universidad Tecnológica de Pereira.
ISSN 0122-1701

PROBLEMA
Se tiene una línea de ensamble, la cual, sus
características permiten abordar el problema de
equilibrado como un problema SALBP, que son
problemas simples de balanceo de línea, en los
que se consideran pocas variables de entrada
desconocidas para reducir la complejidad del
mismo; sé conoce que el tiempo de ciclo es de 100
segundos, se tienen los tiempos estándares de las
tareas en la siguiente tabla:
El Objetivo: Es minimizar el número de máquinas a utilizar, partiendo del supuesto de que se necesita una
máquina por cada tarea.
MODELO MATEMATICO: Identificamos el problema como un SALBP, tipo 1, esto significa que se están
asignando un conjunto de tareas a las estaciones de tal forma que se minimice el número de estaciones,
dado un tiempo de ciclo (o tasa de producción). Entonces como en el problema el tiempo de ciclo es dado,
(100 segundos), se va a emplear la programación entera binaria para encontrar el mínimo número de
máquinas o estaciones de la línea. Se plantea la función objetivo siguiente:
SOLUCION:
Variable Del Problema: Xik = Tarea i asignada a la estación k, donde i = a, b, c, d, e; Y k = 1, 2, 3, 4, 5.
Función Objetivo: Añadimos pesos posicionales de 1, 2, 3, 4 y 5 a cada máquina respectivamente,
con el fin de que la máquina o estación uno tenga prioridad sobre la 2, 3, 4 y 5, la 2 sobre la 3, 4 y 5; y
así respectivamente, tal que si no es necesario el implemento de una estación de trabajo se ocupen las
primeras estaciones prioritariamente.
• Como se aprecia resulta un problema muy extenso con 30 restricciones, por eso se
implementa un software libre denominado WinQSB para la solución , dando como resultado:
Para el caso de este problema la función objetivo arroja un
resultado de 11, sin embargo, este valor para los fines del
problema es irrelevante, ya que el fin real de este problema es la
minimización del número de máquinas o estaciones de trabajo
RESULTADOS: La tarea a se asigna a la máquina 1; la tarea b
se asigna a la máquina 2; la tarea c se asigna a la máquina 1, la
tarea d se asigna a la máquina 3 y la tarea e se asigna a la
máquina 4. Como se puede observar no se asignó tarea alguna
a la máquina 5, por ende, esta es innecesaria, lo cual trae
grandes ahorros ya que nos evitamos los costos y los tiempos de
Setup que acarrea montar otra estación en la línea de ensamble.
Se observa también que la tarea a y c se asignan a la misma
estación minimizando así el número de estaciones a 4.
IMPACTO: La investigación se llevó a cabo con el fin de conocer
la funcionalidad que posee el uso de la programación lineal, y
más específicamente el uso de la programación entera binaria en
la solución del problema de equilibrado de líneas de ensamble.
Por tanto, este tipo de programación es de vital importancia y
puede ser de gran ayuda siempre que se piense en un problema
de cualquier campo en donde se deba tomar una decisión sobre
la inclusión o no de un elemento con el fin de optimizar los
resultados deseados.
 PROGRAMACIÓN BINARIA APLICADA A SISTEMAS DE RUTAS DE RECOLECCIÓN
DE RESIDUOS
Gerenc. Tecnol. Inform. | Vol. 8 | N° 21 | May - Ago | Arias, Reyes

El problema: Se tiene que determinar la ruta, para visitar 62 puntos de acopio de residuos, una sola vez, con
el propósito de minimizar la distancia total recorrida, partiendo de un lugar de origen desde donde parten
siempre los camiones, a un lugar destino donde se encuentra el repositorio de los desechos de la empresa.
Los puntos están ubicados en todas las áreas de trabajo de la Mina y están definidos por el conjunto de nodos
“n”. Para su interpretación, se diseña la red que conecta los puntos de acopio a visitar (ver figura 1), de
acuerdo con las posibilidades de traslados existentes entre ellos, estableciendo las distancias asociadas a
cada una de las aristas
Modelo Matemático
Función Objetivo: Para lograr la eficacia en el sistema de recolección de residuos, es necesario,
minimizar la distancia recorrida por los vehículos, debido a que ella repercute en el tiempo total de la
recolección. La función objetivo establecida, para cumplir las expectativas del modelo, es la siguiente:
• Variables de decisión: se establecen variables binarias (toman el valor cero si no se elige el
camino o uno si se elige), que representan cada una la arista correspondiente entre dos nodos
y la dirección en que se toma la misma. Por consiguiente, las variables de decisión para el
modelo se designan con la siguiente simbología:

Las Restricciones: Son nodos que tienen un nodo de origen y un nodo de destino; estando
siempre presentes en las fórmulas de sumatorias, tomando en cuenta las aristas del grafico de
cada ruta y el número de vehículos disponibles que pueda haber
SOLUCION: El software Solver Premium fue utilizado para introducir y validar el modelo, el cual muestra
los resultados que permiten optimizar el tiempo de ruta y la cobertura de todos los puntos de recolección.
Para la ruta de recolección de residuos en el Área I, el vehículo recorre una distancia total de 6.463,85 metros, valor obtenido
para la función objetivo del modelo. El tiempo total establecido para el recorrido de recolección de residuos orgánico y
reciclaje, y el recorrido de recolección de residuos incinerables y peligrosos, es de 417,026 minutos.
Con la propuesta para la ruta de recolección de residuos en el Área II, el vehículo recorre una distancia total de 6.631,22
metros, valor obtenido para la función objetivo del modelo; al comparar los resultados para las dos áreas, se observa que la
distancia recorrida varía sólo en 167,37 metros, lo cual garantiza en cierto punto, el equilibrio en la distribución de cargas para
los dos equipos de trabajo
Al igual que para el Área I, se determina el tiempo estimado para la ruta, teniendo en cuenta las premisas mencionadas
anteriormente. El tiempo total establecido para el recorrido de recolección de residuos orgánico y reciclaje, y el recorrido de
recolección de residuos incinerables y peligrosos, es de 268,38 minutos
Como se observa, con las rutas propuestas se logra una reducción sustancial en los tiempos de recorrido y recolección,
representados en 113,144 minutos de la jornada laboral.
IMPACTO: La aplicación del modelo permite equilibrar las cargas de trabajo
asignadas a los recursos, disminuyendo la necesidad de alterar la programación
establecida y dando flexibilidad al sistema, con respecto al problema habría un ahorro
de tiempo y distancia de un punto a otro en las rutas.
 “RESTRICCIONES UNA U OTRA”

A un paciente hospitalizado se le han restringido la cantidad de los dos alimentos

que puede consumir. De acuerdo con lo prescrito por el doctor, se deben satisfacer
los siguientes requerimientos nutritivos mínimos por día: 1000 unidades de
nutriente A, 2000 del nutriente B, y 1500 unidades del nutriente C. Existen dos
fuentes alimenticias disponibles F1 y F2. Cada onza de la fuente alimenticia F1
contiene 100 unidades del nutriente A, 400 unidades del nutriente B, y 200
unidades del C. Cada onza de F2 contiene 200 unidades de A, 250 unidades de B,
y 200 unidades de C. Las fuentes alimenticias cuestan $6 y $8 por onza.
 a) Si se considera que los costos de pedidos no son despreciables y
ascienden a $5 y $7.5 para las fuentes F1 y F2, ¿cuál es la mejor
combinación de fuentes alimenticias?
b) Si además sólo es necesario satisfacer dos de los tres requerimientos
nutritivos, ¿cuál es la mejor combinación de fuentes alimenticias?
 SOLUCION

xj: # onzas de alimento j = f1, f2 a consumir / día

FUNCION OBJETIVA:
MIN Z = 6 X1 + 8 X2  
RESTRICCIONES DE REQUERIMIENTOS NUTRITIVOS
100 X1 + 200 X2 >= 1000 UNIDADES DE A
400 X1 + 250 X2 >= 2000 UNIDADES DE B
200 X1 + 200 X2 >= 1500 UNIDADES DE C
RESTRICCIONES DE NO-NEGATIVIDAD:
X1, X2 >= 0
A) COSTOS SEMIFIJOS DE PEDIDOS
(binaria) yj = 1 se ordena la compra de alimento j = f1, f2
FUNCIÓN OBJETIVA:
MIN Z = 6 X1 + 8 X2 + 5 Y1 + 7.5 Y2
X1 <= M Y1
X2 <= M Y2
b) SÓLO ES NECESARIO SATISFACER DOS DE
LOS TRES REQUERIMIENTOS NUTRITIVOS:
 
(binaria) Wk = 1 restricción k = 1, 2, 3 se
considera en el modelo 0 no se considera
100 x1 + 200 x2 >= 1000 - M (1 - w1)
400 x1 + 250 x2 >= 2000 - M (1 - w2)
200 x1 + 200 x2 >= 1500 - M (1 - w3)
w1 + w2 + w3 >= 2
 DEBEN CUMPLIRSE K DE N
RESTRICCIONES
La empresa MODEL FASHION S.A ha diseñado 4 nuevos modelos de ropa (shorts, jeans,
casaca y polo) y dispone de 4 plantas (Lima, Ate, Cañete y Lurín) que lo produzcan. Sin
embargo, para evitar la variación excesiva de la línea de modelos de la empresa, el jefe
del área de diseño ha dispuesto que se producirán 3 modelos como máximo y también
que solo dos plantas serán encargadas de la fabricación de los nuevos modelos de ropa.
Costo unitario de cada modelo de ropa será el mismo en las 4 plantas.
Los datos de la empresa dados en la tabla adjuntan a la información del departamento de
mercadotecnia del numero de unidades de cada modelo de ropa que se puede vender a
la semana si se producen. El objetivo de la empresa MODEL FASHION S.A es maximizar
las utilidades.
 PRECIO VENTAS
LIMA ATE LURIN CAÑETE VENTA($) POTEN(UNID/SEM)
SHORT 2 3 2 2 25 8
JEANS 4 1 2 3 32 6
CASACA 5 2 3 1 30 8
POLO 4 4 1 1 20 5
DIS-HRS/SEM 28 30 34 42
 SOLUCION
Definición de Variables:

Xi: # de unidades del modelo de ropa i (SHORT , JEANS, CASACA, POLO)

Yi: 1 ó O si se va a elaborar o no el modelo de ropa i
Zj: variable auxiliar binaria si se produce en la planta j (LIMA, ATE, LURIN, CAÑETE)

FUNCION OBJETIVO:

MAX=16*X1+22*X2+19*X3+10*X4
 
.
RESTRICCIONES
 
RESTRICCIONES PARA MODELOS DE ROPA
Y VENTA POTENCIAL;
X1<=8*Y1;
X2<=6*Y2;
X3<=8*Y3;
X4<=5*Y4;
RESTRICCION NUMEROS DE MODELOS;
 
Y1+Y2+Y3+Y4<=3;
 
RESTRICCION DE LAS PLANTAS;
2*X1+4*X2+5*X3+4*X4<=28 + 50000*Z1;
3*X1+1*X2+2*X3+4*X4<=30 + 50000*Z2;
2*X1+2*X2+3*X3+1*X4<=34 + 50000*Z3;
2*X1+3*X2+1*X3+1*X4<=42 + 50000*Z4;
 
RESTRICCION DE VARIABLES;
Z1+Z2+Z3+Z4<= 2;
 “RESTRICCIONES CON N VALORES POSIBLES”

La empresa Lenovo desea vender al publico 5 modelos de laptops, pero están incompletos.
Para poder culminarlo requiere de procesadores, por lo cual cuenta con 4 proveedores para
poder abastecerse (QUALCOMM, IBM, AMD y INTEL).
Por la temporada escolar solo desea que un proveedor se encargue de lo requerido ya que
desea obtener un estudio de mercado al desempeño de los procesadores a través de
encuestas a cliente.
Cada proveedor está dispuesto en abastecer a la empresa al mismo costo, pero en
cantidades limitadas. La empresa tiene la misma cantidad de laptops en cada modelo
1,2,3,4 y 5. Cuyo beneficio obtenido por unidad es 1000, 1200, 900, 750, 860
respectivamente. En dicha tabla se observa las cantidades de cada material que se necesita
para la elaboración de cada procesador, así como las cantidades de cada material que
quiere cada proveedor para abastecer la temporada escolar.
Según lo brindado, realizar un plan de producción una vez decidido con cual proveedor es conveniente
trabajar
 SOLUCION 3
• DEFINICION DE VARIABLES
Xj: # de procesadores para el modelo de laptop j
Yi: 1 ó 0 si se abastece o no de los proveedores

FUNCION OBJETIVO
 
MAX=1000*X1+1200*X2+900*X3+750*X4+860*X5
  
! RESTRICCIONES;
 
30*X1+50*X2+87*X3+63*X4+25*X5<=2500*Y1+4500*Y2+4900*Y3+3540*Y4;
65*X1+80*X2+29*X3+36*X4+82*X5<=3900*Y1+1600*Y2+2790*Y3+4300*Y4;
42*X1+75*X2+67*X3+57*X4+63*X5<=4200*Y1+6300*Y2+3860*Y3+2300*Y4;
 
Y1+Y2+Y3+Y4=1;
 
X1=X2;
X1=X3;
X1=X4;
X1=X5;
 “CONSIDERACCIÓN DE COSTO FIJO”
• Un problema que afronta todos los días un electricista consiste en decidir qué
generadores conectar. El electricista en cuestión tiene tres generadores con las
características que se muestran en la tabla 1. Hay dos periodos en el día. En el
primero se necesitan 2900 megawatts. En el segundo, 3900 megawatts. Un
generador que se conecte para el primer periodo puede ser usado en el
segundo sin causar un nuevo gasto de conexión. Todos los generadores
principales (como lo son A. B y C de la figura) son apagados al término del día.
No se usa generador B si se usa generador A.
 SOLUCIÓN

a) Modelado de datos
• Xij = # en megawatts a usar del generador i (i=1, 2, 3), j(j=1, 2)
• Yi = 0 No arranca el generador i (i= 1, 2, 3)

1 Si arranca el generador i (i=1, 2, 3)

b) Función objetivo

• Min= 5*(x11+x12) +4*(x21+x22) +7*(x31+x32) +3000*y1+2000*y2+1000*y3;

c) Restricciones

Demanda en periodo 1
•x11+x21+x31>=2900;
Demanda en periodo 2
•x12+x22+x32>=3900;
Capacidad del generador A
•x11<=2100*y1;
•x12<=2100*y1;
Capacidad del generador B
•x21<=1800*y2;
•x22<=1800*y2;
Capacidad del generador C
•x31<=3000*y3;
•x32<=3000*y3;
Condición
No se usa el generador B, si se usa el generador A
•yA<=1-yB;
•yA+yB<=1;