Construcción de modelos

para Problemas de
Programación Lineal (PPL)

1
 Introducción a la Programación Lineal

• ¿Qué es un problema?
• Soluciones:
• Absolver: Es cuando es ignorado con la esperanza de que
desaparezca o se resuelva solo.
• Resolver: Es cuando se hace algo que produce un resultado posible,
¨un resultado aceptable¨. Ensayo y error.
• Solucionar: Es hacer algo que produce el mejor resultado posible,
¨un resultado óptimo¨. Investigación
• Disolver: Es cuando se elimina el problema, rediseñando el sistema
que lo sufre, ¨resultado ideal¨. Ejemplo Sistema transporte europeo -
Autobuses.

• ¿Por qué decimos que un problema es complejo?

• Análisis de problemas: ¿Quién resuelve los problemas?
• ¿Qué entendemos por identificar un problema?
2
 ¿Qué es Investigación de Operaciones?

El uso de las matemáticas y las

computadoras para ayudar a tomar
decisiones racionales frente a
problemas de administración
complejos

3
Aplicación de las técnicas de la administración a
problemas (sistemas):
Determinísticos
Toda la información necesaria para
obtener una solución se conoce con
certeza
Estocásticos
Parte de la información no se
conoce con certeza
4
Método Científico para resolver problemas complejos

En las Ciencias En Administración

 Defínase el problema  Defínase el problema

 Recoléctense los datos
 Formulénse hipótesis
 Pruebénse hipótesis
 Evalúense resultados
 Obténganse conclusiones
 Recoléctense los datos
 Defínanse soluciones alternativas
 Evalúense soluciones alternativas
 Selecciónese la mejor alternativa
 Puesta en práctica

5
 ¿Qué se hace en la realidad?
 Estar bien informado
 Conocer todas las alternativas
 Ser objetivo (ser optimizador económico)

Muchas Aumentar los

soluciones criterios

Establecer Buscar las Solución

Definir el
los criterios soluciones Satisfactoria
problema
de solución

Pocas Disminuir
soluciones criterios 6
¿Qué hace un Director de Empresa para escoger la acción más
efectiva para alcanzar las metas de la Organización?

 Establecer Criterio que usará

 Seleccionar un conjunto de alternativas para considerarlas
 Determinar el modelo que se usará y los valores de los parámetros
 Determinar la alternativa que optimiza el criterio

7
Aportes: Técnicas de Programación Lineal

– George Dantzig (USAF), Marshall Wood y Murray Geisler

– Wassily Leontief (modelo insumo-producto)
• Método Simplex

– Gomory (programación lineal discreta)

– Lester Ford y D. K: Fulkerson (redes, trayectoria crítica)
• CPM y PERT

8
CONSTRUCCIÓN DE MODELOS CUANTITATIVOS

Los métodos cuantitativos se emplean:

• Como guía en la toma de decisiones

• Como ayuda en la toma de decisiones
• Para automatizar la toma de decisiones

9
 Características de los Sistemas Administrativos
• Def: “Sistema....
• Tipos de sistemas: Cerrados, abiertos
 Modelos:
• Normativos, descriptivos
• Concretos, Abstractos (verbales o simbólicos)
• Aplicación (Inventarios)
• Técnica (Programación Lineal)
• Comparación de Modelos (validez, confialbilidad
y la simplicidad)
10
• Dimensionalidad de los modelos (unidades)
• Toma de decisiones
Categoría Consecuencia
Certidumbre Deterministas
Riesgo Probabilísticas
Incertidumbre Desconocidas
Conflicto Influidas por un oponente

• Dimensionalidad de los modelos (unidades)

11
Uso de Datos para la Toma de Decisiones

“Determina primero los hechos, después puedes

tergiversarlos como te plazca”. Mark Twin

“Los hechos no dejan de existir porque se ignoren”.

Aldous Huxley

12
• ¿Qué son los datos?
Son hechos o conceptos conocidos o supuestos y
generalmente se expresan en números
• Tipos de datos
Internos y externos
Objetivos y subjetivos
• Requerimientos de datos en diferentes niveles de la
Organización
Control operativo
Control Administrativo
Planeación estratégica 13
Situación: Inversión
Considere el problema enfrentado por Mark, graduado de la maestría de
administración de empresas, quién recientemente obtuvo un puesto como
analista financiero en una compañía de Wall Street. Uno de los beneficios
adicionales es un plan de retiro en el que el empleado pone 5% de su ingreso
mensual. La compañía iguala esta cantidad. El dinero de este plan es entonces
invertido en dos fondos: un fondo de acciones y un fondo de bonos. El
Departamento de Beneficios le ha pedido a Mark que especifique la fracción de
este dinero que habría que invertir en cada fondo. Mark ha analizado el
rendimiento anterior de estos fondos y se ha enterado de que el fondo de
acciones ha crecido a una tasa anual promedio de 10%, mientras que el fondo
de bonos, ha promediado una retribución anual de 6%. Para diversificar su
cartera y para controlar el riesgo, no desea poner todos los huevos en una sola
canasta, ha identificado dos pautas:
1. Ninguno de los fondos debe tener más del 75% de la inversión total.
2.La cantidad invertida en el fondo de acciones no debe exceder del doble
invertido en el fondo de bonos.

14
1 Definición del problema

El problema de Mark está bien definido, se conoce el

objetivo global, las limitaciones básicas para la toma de
decisión

2 Desarrollo del Modelo Matemático

Expresar el problema en forma matemática (formular el

modelo), por lo que se requiere determinar las variables
involucradas

15
Variables de decisión:

S : Fracción de capital por invertir en acciones

B : Fracción de capital por invertir en bonos

Para el problema se desean escoger valores para que estas

variables:

1 Maximicen la retribución anual esperada

2 Satisfagan todas las pautas de inversión

16
- Función Objetivo

El objetivo global de un problema de decisión

expresado en una forma matemática en términos de
los datos y de las variables de decisión:

Maximizar 0,1 S + 0,06 B

- Restricciones (limitaciones)
Es un límite sobre los valores de las variables en un
modelo matemático típicamente impuestos por
condiciones externas.
17
- Ningún fondo tenga más del 75% de lo invertido
S  0,75 (límite superior en el fondo de acciones)
B  0,75 (límite superior en el fondo de bonos)

- La fracción S invertida en el fondo de acciones no debe

exceder del doble de la fracción B invertida en el fondo
de bonos
S2B ó S-2B0

- Cada fracción debe ser no negativa

S, B  0
18
Finalmente el modelo resultante es:

Maximizar 0,1 S + 0,06 B

Sujeto a:
S  0,75
B  0,75
S - 2B 0
S, B  0

19
3 Resolución del modelo matemático

Al resolver el problema usando cualquier técnica se

tienen los siguientes valores para las variables de
decisión:
S = 0,75 y
B= 0,75

Generando una retribución de:

0,1 * 0,75 + 0,06 * 0,75 = 0,12 (12%) ¿?

20
4 Validación y Control de la Solución

Al observar los valores de las variables de decisión

(S=0,75 y B=0,75) se ve que no tienen sentido. No se
puede invertir un 75% en ambos fondos
simultáneamente.

Hay un error, no se incorporó una restricción, esto es,

los recursos disponibilidad.

S + B=1

21
5 Modificación del Modelo

Maximizar 0,1 S + 0,06 B

Sujeto a:
S  0,75
B  0,75
S - 2B 0
S + B =1
S, B  0

22
Resolviendo nuevamente se tiene que:

S = 0,6667 y
B = 0,3333

Finalmente la retribución es

0,1 * 0,6667 + 0,06 * 0,33333 = 0,86667 (8,667%)

23
Construcción de Modelos de PL
Modelo de Programación Lineal

Es un modelo matemático en el que las

relaciones entre variables son lineales y
donde hay un solo objetivo o medida de
rendimiento.
La ventaja que tiene el modelo es que
existe una técnica matemática que
permite determinar la decisión óptima.

24
 FORMALIZACIÓN DEL MODELO DE PL

El modelo de PL tiene un conjunto de variables de decisión, una

función objetivo la que debe maximizarse o minimizarse y un
conjunto de relaciones o restricciones.
Z = C1X1 + C2X2 + ......... CnXn
Z : es un objetivo económico (beneficios, producción, costos, etc)
Ci : coeficientes constantes (factores de ponderación)
Xi : variables de decisión (n)

sujeto a (Restricciones (m) ):

A1X1 + A2X2 + ......... AnXn  B1
..................................................
A1X1 + A2X2 + ......... AnXn  Bm
25
Matricialmente se tiene:

 x1 
x 
Vector de variables o  2
niveles de actividad  . 
 
 xn 

Vector de “costos” o
factor de ponderación   c1 c2 ... cn 

26
  a11 a12 .. a1n 
a a22 .. a2 n 
Vector de variables o  21
niveles de actividad A   .. .. .. .. 
 
am1 am 2 .. amn 

b1 
b 
Vector de variables o  2
niveles de actividad
B   
 
bn 

27
Entonces
 x1 
x  n
 2
Optimizar Z = C X = [c1 c2 c3]
T
  = c x j j
  j 1
 xn 

sujeto a

AX  B

y X0
28
Ejemplo 1:
Una mueblería produce dos tipos de productos, sillas y
mesas. Supóngase que el beneficio marginal por cada
silla es de $8 y por cada mesa es de $10. Para la
producción se dispone de 20 horas hombre (hh) y de 10
unidades de madera (um). Para la construcción de una
silla se requieren 8 hh y 2 um, y para la construcción de
una mesa se requieren 6 hh y 4 um. ¿Cuántas sillas y
mesas se deben construir para obtener el mayor
beneficio?.

29
 Disponibilidad de
Recursos Sillas Mesas recursos
R1: horas hombre 8 6 20

R2: unidades de 2 4 10
madera
Beneficios $8 $10

30
 Formulación del PL
Sea
X1 : Nº de sillas
X2 : Nº de mesas

Función Objetivo:

Max Z = 8X1 + 10X2

Sujeto a:
8X1 + 6X2  20 // hh
2X1 + 4X2  10 // um

X1  0 y X2 (no negatividad)
31
Ejemplo 2:
Dos productos se elaboran al pasar en forma sucesiva por tres
máquinas.
El tiempo por máquina asignado a los dos productos está limitado
a 10 horas por día
El tiempo de producción y la ganancia por unidad de cada
producto son:
Minutos por unidad
Producto Máquina 1 Máquina 2 Máquina 3 Ganancia $
1 10 6 8 2
2 5 20 15 3

Obtenga el modelo de PL para maximizar la ganancia

32
Solución:
1. Variables de decisión
X1 : Cantidad del producto 1
X2 : Cantidad del producto 2
2. Función Objetivo: Maximizar ganancia
MAX Z = 2 X1 + 3 X2
3. Restricciones
10 X1 + 5 X2  600
ó 24 X1 + 40 X2  1800
6 X1 + 20 X2  600
X1 , X2  0
8 X1 + 15 X2  600
X1 , X2  0
33
 Ejemplo 3:
RMC posee una pequeña fábrica de pinturas para interiores y exteriores de
casa para su distribución al mayoreo. Se utilizan dos materiales básicos, A y
B. La disponibilidad máxima de A es de 6 toneladas diarias, la de B es de 8
toneladas por día. La necesidad diaria de materia prima por tonelada de
pintura para interiores y exteriores se resumen en la siguiente tabla:
Tonelada de materia prima
por tonelada de pintura Disponibilñidad
Exterior Interior máxima (Toneladas)
Materai prima A 1 2 6
Materia prima B 2 1 8

Un estudio de mercado ha establecido que la demanda diaria de pintura para

interiores no puede ser mayor que las pinturas para exteriores en más de una
tonelada. Asimismo, el estudio señala que la demanda máxima de pintura para
interiores está limitada a dos toneladas diarias.
El precio al mayoreo es de $3.000 para la pintura de exteriores y $2.000 para la de
interiores.
¿Cuánta pintura para exteriores e interiores debe producir la fábrica de pinturas
RMC todos los días para maximizar el ingreso bruto? 34
Solución:
1. Variables de decisión
X1 : Toneladas de pintura de exteriores producidas por día
X2 : Toneladas de pintura para interiores producidas por día
2. Función Objetivo: Maximizar ganancia
MAX Z = 3 X1 + 2 X2 miles de unidades monetarias
3. Restricciones X1 + 2 X2  6
2 X1 + X2  8
- X1 + X2  1
X2  2
X1 , X2  0
35
Ejemplo 4:
Una empresa fabrica dos productos, A y B. En su elaboración, cada
producto debe pasar por dos secciones. El suministro de mano de obra
de la sección 1 es 100 horas y el de la sección 2 es 200 horas.
El tiempo de mano de obra cuesta $2 por hora en la sección 1 y $1,5
en la sección 2. Las horas de mano de obra necesarias por unidad de
cada producto son las siguientes:
Producto A Producto B
Sección 1 4 3
Sección 2 2 8

La cantidad máxima de unidades de B que puede venderse es igual a

treinta; la de A es veinticuatro. La materia prima para cada producto
cuesta $5 por unidad. El precio unitario de A es $30 y el de B es $25$
a) Construya el modelo de PL correspondiente.

36
 Solución de Problemas PL

Existen varias métodos, entre ellos se tiene

•Método Gráfico
•Método Simplex

37
 Método Gráfico

Este método es muy limitado por la incapacidad de

visualizar más de tres dimensiones. Sin embargo es
recomendable usarlo para fijar los conceptos que son
aplicables a los otros métodos de resolución.

38
 Los pasos a seguir son:

1. Construir el modelo
2. Graficar cada una de las restricciones en el sistema
formado por las variables de decisión.
3. Identificar la región o área (zona) factible (AF)
4. Determinar la solución optima (SO) a partir de la
función objetivo en cada uno de los vértices de la zona
factible.
Si es minimizar, considerar el menor o el mayor en caso
de maximizar.

39
 Ejemplo
PROTRAC produce dos líneas de equipo pesado. Una de estas
líneas de productos (llamada equipo para remoción de escombros)
se destina esencialmente a aplicaciones de construcción. La otra
línea (llamada equipos forestales está destinada a la industria
maderera. El miembro más grande de la línea de equipos para
remover escombro (el E-9) y el miembro mayor de la línea de
equipos forestales (el F-9) se producen en el mismo departamento y
con el mismo equipo. Haciendo uso de las predicciones económicas
para el próximo mes, el gerente de mercadotecnia de PROTAC
juzga que durante ese periodo será posible vender los E-9 y los F-9
que la empresa pueda producir. La administración debe ahora
recomendar una meta de producción para el próximo mes. Es decir,
¿cuántos E-9 y F-9 deben producirse?. En la toma de decisión, los
principales factores a considerar son los siguientes:

40
1. PROTRAC tendrá una utilidad de $5.000 por cada E-9 que se
venda y $4.000 por cada F-9.

2. Cada producto pasa por operaciones mecánicas tanto en el

departamento A como en el departamento B

3. Para la producción del próximo mes, estos dos departamentos

tienen disponibles 150 y 160 horas respectivamente. Cada E-9
consume 10 horas en el departamento A y 20 horas en el
departamento B, mientras que cada F-9 consume 15 horas en el
departamento A y 10 horas en el departamento B.

41
4. Con objeto de cumplir un compromiso con el sindicato, el total
de horas de trabajo que se dedicarán a la verificación de los
productos terminados del próximo mes no puede ser menor en
10% a una meta establecida de 150 horas. Esta actividad se
realiza en un tercer departamento que no tiene relación con los
departamentos A y B. Cada E-9 requiere de 30 horas de
comprobación y cada F-9, 10 horas.

5. Con el objeto de mantener su posición actual en el mercado, la

alta gerencia ha decretado que para la política de operación es
necesario construir al menos un F-9 por cada 3 E-9.

6. Un consumidor importante ha ordenado un total de por lo menos

cinco aparatos (en cualquier combinación de E-9 y F-9) para el
próximo mes, así es que por lo menos debe producirse esa
cantidad 42
Modelo de PL

a) Variables de decisión:

b) Maximizar Z:

c) Sujeto a:

43
Gráfica de PROTRAC

Zona factible

44
Gráfica de PROTRAC y función Utilidad

F
17

16

15

14

13

12

11

10

8 D
7 C
6

4 (E-3F)
3

2
FO A B
1

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 E
(10E+15F)
(20E+10F)
(30E+10F) (E+F) 45
Gráfica de PROTRAC y función Utilidad
17

16

15

14 Solución
13
óptima
12

11

10

8 D
7 C
6

4 (E-3F)
3

2
FO A B
1

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 E
(10E+15F)
(20E+10F)
(30E+10F) (E+F)
46
Cálculo de E y F
(Vértice C: Resolver el sistema)
10E + 15F = 150
20E + 10F = 160

E = 4,5
F=7

y VO = 5.000(4,5) + 4.000(7)
22.500 + 28.000
VO = 50.500
47
 Consumo: (horas)

Depto A: 10(4,5) + 15(7) = 150

Depto B: 20(4,5) +10(7) = 160
Depto Pruebas: 30(4,5) + 10(7) = 205

En los departamentos A y B el consumo es

igual a la disponibilidad en cambio en el
departamento de pruebas se consumió más del
mínimo exigido.

48
Modelo de Transporte

El objetivo general es encontrar el mejor plan de distribución, es

decir, la cantidad que se debe enviar por cada una de las rutas
desde los puntos de suministro hasta los puntos de demanda.
El “mejor plan” es aquel que minimiza los costos totales de envío,
produzca la mayor ganancia u optimice algún objetivo corporativo.
Se debe contar con:

i) Nivel de oferta en cada fuente y la cantidad de demanda

en cada destino.
ii) Costo de transporte unitario de mercadería desde cada
fuente a cada destino.
49
También es necesario satisfacer ciertas restricciones:

1. No enviar más de la capacidad especificada desde cada punto de

suministro (oferta).
2. Enviar bienes solamente por las rutas válidas.
3. Cumplir (o exceder) los requerimientos de bienes en los puntos
de demanda.

50
 Gráficamente: Para m fuentes y n destinos

Esquemáticamente se podría ver como se muestra en la siguiente

figura
Fuentes Destinos
C11, X11
1 1 d1
s1
Unidades de oferta

Unidades de demanda
s2 2 2 d2

sm m dn
Cmn, Xmn
n

donde Xij: cantidad transportada desde la fuente i al destino j

Cij: Costo del transporte unitario desde la fuente i al destino j
51
 Modelo general de PL que representa al modelo de Transporte

m n
minimizar Z   cij xij
i 1 j 1

n
sa x
j 1
ij  si i=1,2,...,m
m

x
i 1
ij  dj j=1,2,...,n
xij  o para toda i y j

El modelo implica que al menos la oferta debe ser igual a la demanda

52
 Modelo general de PL que representa al modelo de Transporte

Modelo de transporte equilibrado: Oferta = Demanda

x
j 1
ij  Si i=1, 2, 3,....,m

x
i 1
ij  Dj j=1, 2, 3,....,n

xij  0 para toda i y j

53
 Aplicaciones del modelo de Transporte

El Modelo de Transporte no sólo es aplicable al movimiento de

productos, sino que también, como modelo se puede aplicar a otras
áreas tales como:
• Planificación de la Producción
• Control de Inventarios
• Control de Proveedores
• Otras

54
Ejemplo:

RPG tiene cuatro plantas ensambladoras en Europa. Están

ubicadas en Leipzig, Alemania (1);Nancy, Francia (2); Lieja,
Bélgica (3), y Tilburgo, Holanda (4). Las máquinas
ensambladoras usadas en estas plantas se producen en Estados
Unidos y se embarcan a Europa. Llegaron a los puertos de
Amsterdan (1), Amberes (2) y El Havre (3).
Los planes de producción del tercer trimestre (julio a
septiembre) ya han sido formulados. Los requerimientos (la
demanda en destinos) de motores diesel E-4 son los
siguientes:
 Planta Cantidad de Motores
(1) Leipzig 400
(2) Nancy 900
(3) Lieja 200
(4) Tilburgo 500
Total 2000

La cantidad disponible de máquinas E-4 en los puertos(oferta en

orígenes) son:

Puerto Cantidad de Motores

(1) Amsterdan 500
(2) Amberes 700
(3) El Hevre 800
Total 2000
Los costos ($) de transporte de un motor
desde un origen a un destino son:

Al destino
Desde el
origen
1 2 3 4
1 12 13 4 6

2 6 4 10 11

3 10 9 12 4

57
 Construcción del modelo de PL
1. Variables de decisión

Xij = número de motores enviados del puerto i a la planta j

i = 1, 2, 3
j = 1, 2, 3, 4

2. Función Objetivo

Minimizar Z = 12 X11 + 13 X12 + 4X13 + 6X14 + 6X21 + 4X22 +

10X23 + 11X24 + 10X31 + 9X32 + 12X34 + 4X14

58
3. Restricciones:
1) Oferta: La cantidad de elementos enviados no puede exceder la
cantidad disponible
X11 + X12 + X13 + X14  500
X21 + X22 + X23 + X24  700
X31 + X32 + X33 + X34  800
2) Demanda: Debe satisfacerse la demanda de cada planta
X11 + X21 + X31  400
X12 + X22 + X32  900
X13 + X23 + X33  200
X14 + X24 + X34  500
y de no negatividad Xij  0 para i=1, 2, 3; j= 1, 2, 3, 4

59
Modelo de Transporte: Situaciones Especiales

1. Solución en problemas de maximización de transporte.

a) Se utilizan los beneficios marginales en lugar de los costos.

Se asignará unidades a la celda que tenga el mayor valor
marginal y el procedimiento concluirá cuando todas las rutas
tengan valores marginales negativos.
b) Convertir la tabla de beneficios en una tabla de costo: Se
busca el beneficio mayor, en cada celda se le resta al mayor
el beneficio de la celda. Ejemplo:
60
Modelo de Transporte: Situaciones Especiales
Tabla de beneficios
Destinos
1 2 3
1
14 19 12
Mayor = 20
Fuentes

2
17 19 15
3
16 20 11

Tabla de costo 1
Destinos
2 3
1
6 1 8
Fuentes

2
3 1 5
3
4 0 9

61
Modelo de Transporte: Situaciones Especiales
2. El caso en que la oferta excede a la demanda.
Se utiliza un destino ficticio en la tabla de transporte. Se
considera como nulo el costo de enviar una unidad a dicho
destino desde cada una de las fuentes (orígenes).
Si la demanda es mayor que la oferta el problema no tiene
solución factible, sin embargo el administrador podría
abastecer toda la demanda que sea posible a un costo
mínimo.
Se utiliza un origen ficticio. El costo de abastecer cualquier
destino desde dicho origen será cero. Sin embargo podría
haber un cargo por orden no cubierta.

Ver Transporte RPG (O>D) y (O<D 62

Modelo de Transporte: Situaciones Especiales

3. Eliminación de rutas inaceptables.

Se asocia a una ruta no aceptable un costo lo suficientemente
alto para que no sea atrayente la ruta en cuestión. El costo M
Por ejemplo: producir en abril para vender en febrero del mismo
año.
4. Degeneración en problemas de transporte.
Se dice que un problema se degenera cuando hay menos de
m + n - 1 rutas ocupadas. Esto puede ocurrir cuando
simultáneamente se satisface una demanda y se agota una
oferta.

Ver Transporte RPG (inaceptable) 63

Modelo de Transporte: Situaciones Especiales

5. Propiedades especiales del modelo de transporte

Todo problema de transporte es posible resolverlo mediante

algoritmos que usan sólo la adición y la sustracción.

Si todas las ofertas y demandas tienen valores enteros en un

problema de transporte, los valores óptimos de las variables
de decisión serán también enteros.

64
 Ejercicios

1 Suponer que se tienen tres fábricas M1, M2 y M3 que producen

39, 48 y 33 toneladas respectivamente, de un cierto producto
que debe llevarse a cuatro destinos, D1, D2, D3 y D4, los cuales
requieren 40, 37, 18 y 25 toneladas.
Los costos están dados por la siguiente tabla:
D1 D2 D3 D4
M1 2 3 1 2
M2 1 4 7 6
M3 8 9 4 5

65
2 Planificación de la producción:
Periodo Capacidad de Producción Demanda a Costo de Costo de
Máxima (unidades) satisfacer Producción ($) Almacenaje ($)
1 1200 900 15 1.2
2 800 800 18 1.4
3 1100 1000 17 1.1
4 900 700 20 1.5

¿Cuánto hay que producir en cada periodo para satisfacer la

demanda al mínimo costo (tanto de producción como de
almacenaje)?.

Supuesto: No existe inventario inicial ni final.

Plantear el problema usando el modelo de transporte.

Encuentre las respuestas usando Solver.

66
 Modelo de Asignación
Situación:
Asignar m trabajos (o trabajadores) a n máquinas.

Un trabajo i (=1, 2, 3 ,...,m) cuando se asigna a la máquina j

(=1,2,....,n) incurre en un costo cij.

El objetivo es asignar los trabajos a las máquinas uno a uno al

menor costo.

La formulación de este problema puede considerarse como un

caso especial del modelo de transporte.

67
 Descripción

Los trabajos representan las “fuentes” y las máquinas los

“destinos”
La oferta disponible en cada fuente es 1 como también
lo es la demanda en cada destino.

cij es el costo de transportar (asignar) el trabajo i a la

máquina j
El costo puede representar también características de
competencia de cada trabajador
68
Descripción

En el caso que un trabajo no deba ser asignado

(porque no cumple con los requisitos) a una máquina
(actividad) en particular, este costo debe tener un
valor alto (M)

En el caso de existir desequilibrio, esto es, más

trabajos que máquinas o más máquinas que trabajos,
hay que equilibrar con máquinas o trabajos figurados
(ficticios), logrando de esta forma que m = n

69
 Expresión matemática del modelo

0, si el i-ésimo trabajo no se asigna a la j-ésima máquina

Xij =
1, si el i-ésimo trabajo se asigna a la j-ésima máquina

Máquina
1 2 ….. n
1 C11 C12 ….. C1n 1
2 C21 C22 ….. C2n 1
Trabajo ….. …..
….. ….. ….. …..
n Cn1 Cn2 ….. Cnn 1

1 1 ….. 1
70
Por lo tanto el modelo está dado por:

n n
minimizar z =  c
i 1 j 1
x
ij ij

sujeto a x
j 1
ij  1 i=1,2, ...,n
n

x
i 1
ij 1 j=1,2,..n

xij = 0 ó bien 1

71